Using anomaly detection with machine learning by assessing the bottom hole pressure changes
Makine öğrenme ile anomali tespiti uygulayarak kuyu dibi basınç değişikliklerini değerlendirmek
- Tez No: 846453
- Danışmanlar: DOÇ. DR. ÇAĞLAR SINAYUÇ
- Tez Türü: Yüksek Lisans
- Konular: Petrol ve Doğal Gaz Mühendisliği, Petroleum and Natural Gas Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Petrol sistemlerinden üretimde sürdürülebilirliğin sağlanması için üretim ve enjeksiyon performansının izlenebilmesi amacıyla gerçeğe mümkün olduğunca yakın bir saha modelinin olması hayati önem taşımaktadır. Bu çalışmada, temsili bir performans göstergesi olarak kullanılabilecek ve bir anormallik tespit yöntemini kullanan bir makine öğrenme modelinin geliştirilmesi amaçlanmaktadır. Makine öğrenimi, dört girdi parametresi ve bir çıktı parametresi olan denetimli öğrenme DNN (derin sinir ağı) modelinden oluşur. Kuyu üretiminden elde edilen girdiler zaman, petrol, su ve gaz oranlarıdır. Çıktı kuyunun tahmin edilen basınç performansıdır. Anormallik tespiti, eldeki verilere göre tahmin edilen ertesi gün ve otuzuncu gün tahmininin gözlemlenmesi ve ardından tahmin tarihlerine karşılık gelen gerçek basınç değerleri ile karşılaştırılmasıyla geliştirilir. Bu algoritmayı kullanarak, basınç veya üretimi tahmin etmemize, önerilen senaryoları değerlendirmemize ve kuyular arasındaki hesaba katılmayan rezervuar özelliklerinden (faylar, geçirgenlik veya gözeneklilik değişiklikleri gibi) kaynaklanan anormal basınç değerlerini belirlememize yardımcı olacaktır. Ek olarak, verilen model algoritması nispeten kısa bir sürede birçok farklı kuyuda test edilebilmekte ve verimli bir geliştirme planı oluşturmak için imkan tanımaktadır. Önerilen senaryolar yeni enjeksiyon kuyularından, işletme koşullarındaki değişikliklerden veya enjeksiyon/üretim modellerindeki değişikliklerden oluşabilir. Bu tezde, anormalliği tahmin etmek ve bulmak için bir algoritma geliştirilmiş ve test edilmiştir. Rezervuarın karmaşıklığına ve makine öğrenimi modelinin eşleşme prosedürüne bağlı olarak ticari simulator sonuçları ile karşılaştırıldığında doğru ve sağlam sonuçlar göstermiştir.
Özet (Çeviri)
For achieving sustainability in producing from petroleum systems, it is vital to have a field model as close as possible to the real situation in order to monitor production and injection performance. In this study, it is aimed to develop a machine learning model that can be used as a representative performance indicator and coupled with an anomaly detection method. Machine learning consists of a supervised learning DNN model with four inputs and one output. Inputs are time, oil, water, and gas rates from well production. Output is the forecasted pressure performance of the well. Anomaly detection is developed by observing the predicted next day forecast and thirtieth day forecast given the previous data, after which it is compared with the actual pressures corresponding with the dates of prediction. Using this algorithm, it will help us forecast pressure or production, evaluate proposed scenarios, and identify anomaly pressures due to unaccounted reservoir characteristics between wells (like faults, permeability, or porosity changes). Additionally, the given model algorithm will be able to be tested on many different wells in a relatively short time, giving headroom to build an efficient development plan. Proposed scenarios can consist of new infill wells, changes in operational conditions, or changes in injection/production patterns. The thesis developed and tested an algorithm to forecast and find anomaly. It showed accurate and robust results that match with the results of a commercial simulator in spite of the complexity of the reservoir and the fitting procedure of the machine learning model.
Benzer Tezler
- Türkiye enerji piyasasının makine öğrenmesi uygulamasıyla düşük-karbon salımına geçişte ajan temelli modellenmesi
Turkish energy market agent-based modeling for low-carbon transition with machine learning application
BURAK GÖKÇE
Doktora
Türkçe
2026
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. GÜLGÜN KAYAKUTLU
- Bazı esterlerin kinetik incelenmesi ve termodinamik parametrelerin belirlenmesi
Kinetic study and detesmination of thermodnamic parameters of some esters
İBRAHİM TAŞ
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- Doğuştan kalça çıkıklı hastalarda kalça patolojilerinin bilgisayarlı tomografi ile değerlendirilmesi
Başlık çevirisi yok
NECDET ŞÜKRÜ ALTUN
Tıpta Uzmanlık
Türkçe
1987
Ortopedi ve TravmatolojiGazi ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF.DR. ORHAN ASLANOĞLU
- Hızlı katılaşma ile yüksek mukavemetli malzemelerin üretilmesi ve kurşun-asit akümalatörlerine uygulanması
Başlık çevirisi yok
ÜMİT AKÇAL
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİM DEMİRCİ