Optimalisering av olje- og gassproduksjon. Vidar Alstad Dr. Ing stipendiat Institutt for kjemisk prosessteknologi NTNU, Trondheim

Transkript

1 Optimalisering av olje- og gassproduksjon Vidar Alstad Dr. Ing stipendiat Institutt for kjemisk prosessteknologi NTNU, Trondheim 1 Seminar: Optimal utnyttelse av naturgass, 23.april 2003

2 Oversikt Introduksjon Beskrivelse av case Optimal operasjon Implementasjon Selv-optimaliserende regulering Optimalt valg av regulerte variable Reguleringsstrukturer case Oppsummering 2

3 Introduksjon Karakteristikk Store systemer (Troll > 110 produksjonsbrønner) Binære variable (multiple transportledninger, 1. vs. 2.separator) Lav observabilitet Få og upålitelige online målinger i systemet Usikkerhet modeller/parametere (reservoaregenskaper) Flerfasesystem (olje, vann, gass) Flerkomponent faser Prosessbeskrankninger Begrenset prosesseringskapasitet for gass, vann og olje Strømningsbegrensninger i brønner og transportledninger Strømningsbegrensninger i reservoar/næ rbrønnområdet Modelleringsmessige utfordringer Distribuerte systemer Flerfasemodeller 3

4 Systembeskrivelse case 4 5 brønner 1 transportledning 7 frihetsgrader (DOF) u=[v 1 V 2 V 3 V 4 V 5 V T P s ] T Antar P s og V T konstant -> 5 DOF Tilgjengelige målinger Trykk oppstrøm chokeventiler (P) og nedihull (P bhp ) Ventilåpninger (V i ) Rate olje og gass (Q o,i og Q g,i ) for hver brønn Total rate (Q o og Q g ) Modellering Innstrømningsmodell Q o, i = PI i P res, i P bhp, i

5 Systembeskrivelse case (forts.) Modellering (forts.) Pseudo-enfase distribuert modell (olje- og gassfase lumpet) Kompressibel strømning gjennom ventiler (ideell gass) Kritis k s trø mning Black oil PVT Forstyrrelser/usikkerhet Rateavhengig GOR (Gas Oil ratio) (3 av 5 brønner) 5

6 Systembeskrivelse case forts. Rateavhengig GOR 6 GOR i =GOR 0 i d i Q o, i Q 0 o, i d 1 [d 1 1, d 2 1 ] d 4 [d 4 1, d 4 2 ] d 5 [d 5 1, d 5 2 ]

7 Systembeskrivelse case optimal produksjon Case: Generelt: max Q o, i V i, d V i Maksimere oljerate min u 0 J 0 x 0, u 0, d f V, d =0 Q g, i V i, d Q g, max Strømningsmodeller Maks gassrate f x 0, u 0, d =0 g x 0, u 0, d 0 x 0 R n x 0, u 0 R n u 0, d R n d 0 V i V i, max Maks ventilåpning Ulineært optimaliseringsproblem Pseudo-stasjonær antagelse, økonomi hovedsaklig bestemt av stasjonære betingelser Forklaring : J 0 :Objekt, mål på operasjon x 0 : tilstander u 0 :DOF/ pådrag d : Forstyrrelser/Usikkerhet 7

8 Active constraint control min u 0 J 0 x 0, u 0, d f x 0, u 0, d =0 g x 0, u 0, d 0 x 0 R n x 0 u 0 R n u 0, d R n d Regulere aktive (g') skranker med u' pådrag (DOF) Reduced space optimization problem min u J 0 x, u, d f' x, u, d =0 x R n x, u R n u, d R n d f'=[ f, g'] T, x=[x 0, u'] T, u u 0 Online informasjon tilgjengelig gjennom målinger i prosessen y m = f y m u, d Generelt måler man også pådragene 8 y=[ y m u] T

9 Implementasjon: Open loop Implementasjon: Forstyrrelser (parameterusikkerhet) Implementeringsfeil (målefeil, setpunktfeil) Nominell forstyrrelse (d 0 ) og implementasjonsfeil (n 0 ) min u s Stokastisk optimalisering min u s d D J 0 x, u, d 0, n 0 f' x, u, d =0 u= u s n 0 n N J 0 x, u, d, n n d 9 f' x, u, d =0 u= u s n

10 Implementasjon: Online optimalisering Hyppige setpunktsoppdateringer Komplisert system å implementere og vedlikeholde Datarekonsilering Paremeterestimering min c s J 0 x, u, d c= c s n f' x, u, d =0 10

11 Implementasjon: Selv-optimaliserende regulering Selv-optimaliserende regulering er når vi kan oppnå tilfredstillende tap (loss) med konstante setpunktsverdier for de regulerte variable (uten å måtte reoptimalisere når forstyrrelser skjer). Loss=J 0 c s, d J 0, opt d Optimal selv-optimaliserende reguleringsstruktur min h n N d D J 0 x, u, d n d 11 y = f y u, d c= h y =c s n f' x, u, d =0

12 Optimal lineær kombinasjon av målinger som regulerte variable Perfekt selv-optimaliserende regulering hvis den optimale verdien av c ikke endrer seg med forstyrrelser: c opt d =0 Optimal lineær modell: Generelt: Lineær komb.: y opt d =F d c=h y c=h y c opt = H y opt = HF d Velg H slik at HF=0: Impliserer: H null F T n y n u n d 12

13 Systembeskrivelse case optimal produksjon (forts.) Frihetsgrader Max kapasitet gass (DOF -1) [ max Q o, i V i, d V i f V, d Q g, i V i, d Q g, max] =0 Sammenligne forskjellige reguleringsstrukturer for selv-optimaliserende egenskaper Neglisjert implementeringsfeil. Optimal lineær kombinasjon n y n u n d =4 3= 7 c=hy =H [Q o, tot P bhp,5 V 1 V 2 V 3 V 4 V 5 ] T H T =[ ]

14 Selv-optimaliserende egenskaper for forskjellige reguleringsstrukturer Regulerte variable Loss( [%] [$/år] * ) 1 2 c 1 c 2 c 3 c 4 c 5 d 1 : d 1 -> d 1 d 4 : d 1 2 -> d 4 4 d 5 : d 2 -> d 51 5 d i : d i1 -> d i 2 i={1,4,5} Q g,max P 1 P 2 P 4 P 5 Q g,max Q o,1 Q o,2 Q o,4 Q o,5 Q g,max V 1 V 2 V 4 V 5 Q g,max Q g,1 Q g,2 Q g,4 Q g,5 Q g,max GOR 1 GOR 2 GOR 4 GOR 5 Q g,max h 1 y T h 2 y T h 3 y T h 4 y T infeasible infeasible infeasible infeasible 1,69% $ ,10% $ infeasible infeasible 9,88% $ ,06% $ ,35% $ ,26% $ ,89% $ ,18% $ ,08% $ ,31% $ ,69% $ ,20% $ ,70% $ ,79% $ ,00% $ ,39% $ ,05% $ ,43% $ Nominelle optimale setpunkt * Antatt oljepris på $20/fat c=hy=h [Q o, tot P bhp,5 V 1 V 2 V 3 V 4 V 5 ] T 14

15 Oppsummering Fokusert på implementasjon av optimal drift Illustrert bruken av selv-optimaliserende regulering for optimalisering av olje- og gassproduksjon Presentert metode for valg av regulerte variable som lineær kombinasjon av tilgjengelige målinger Enkel implementasjon Takk til: Norsk Hydro og ABB. 15