최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국가스학회지 = Journal of the Korean institute of gas, v.22 no.6, 2018년, pp.90 - 103
한동권 (동아대학교 에너지자원공학과) , 권순일 (동아대학교 에너지자원공학과)
This paper presents the development of two ANN models which can predict an optimum production rate by controlling choke size in oil well, and gas injection rate in gas-lift well. The input data was solution gas-oil ratio, water cut, reservoir pressure, and choke size or gas injection rate. The outpu...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
노달분석은 무엇인가? | 전통적으로 유전 현장에서 최적의 생산량을 도출하고 제어하는 방법으로 노달분석을 사용하는데, 이는 유입되는 지점과 유출되는 지점이 만나는 한 부분(노드)에서의 생산량과 압력을 분석하는 방법으로 주로 노드를 공저(bottomhole) 또는 정두(wellhead)로 선정한다. 일반적으로 현장에서 생산량 조절을 위해 초크(choke)를 사용하기 때문에 초크크기에 따른 최적 생산량 분석은 정두를 노드로 노달분석이 수행되어야 한다. | |
가스리프트의 장점은 무엇인가? | 인공채유에는 흡입대펌프(sucker rod pump), 가스리프트(gas lift), 전기펌프(electric submersible pump ; ESP), 수압피스톤펌프(hydraulic piston pump ; HPP) 등 여러 가지 방법들이 있는데 그 중 가스리프트는 생산관 하단부에 가스를 주입하는 방법이다. 가스리프트는 설치가 쉽고 유정심도에 제약이 없으며, 운영과 유지보수 비용이 저렴하고 생산량 제어가 비교적 간단하다는 장점이 있다[4]. | |
쿠웨이트 국영석유회사에서 생산현장 관리 시스템인 스마트플로우(smart flow)를 사용하여 얻고있는 이점은 무엇인가? | 쿠웨이트 국영석유회사(kuwait oil company)는 kuwait digital oil field(KWiDF)라는 사업을 진행하고 있는데, 이 중에서 생산현장 관리 시스템인 스마트플로우(smart flow)는 인공신경망(artificial neural network ; ANN), 전문가시스템, 패턴인식을 이용하여 오일 유동 및 실시간 모니터링, 시각화 등을 자동으로 수행하는 것이 핵심이다. 이 회사는 이 기술을 이용하여 운영비용을 감소시키고 의사결정에 이르는 시간을 단축시켜 경제성을 높이고 있다[3]. |
Cramer, R., Gobel, D., Mueller, K., and Tulalian, R., "A measure of the digital oil fields status - Is it the end of the beginning", SPE Intelligent Energy International, Utrecht, The Netherlands, March 27-29. SPE 149957, (2012).
Lim, J., Park, H. and Lim, J., "Classification and application of digital oil field System", J. Korean Soc. Miner. Energy Resour. Eng, Vol. 51, No. 5, 750-756, (2014).
Al-Jasmi, A., Goel, H.K., Nasr, H., Carvajal, G.A., Johnson, D.W., Cullick, A.S., Rodriguez, J.A., Moricca, G., Velasquez, G., Villamizar, M. and Querales, M., "A surveillance 'Smart Flow' for intelligent digital production operations", SPE Digital Energy Conference and Exhibition, Woodlands, Texas, USA, March 5-7. SPE 163697, (2013).
Guo, B., Lyons, W.C., and Ghalambor, A., "Petroleum Production Engineering A Computer-Assisted Approach, Gulf Professional Publishing", Oxford, U.K., 182, (2007).
김의중., 알고리즘으로 배우는 인공지능, 머신러닝, 딥러닝 입문, 위키북스, (2016).
Mohammed, A. Al-Khalifa. and Muhammad, A. and Al-Marhoun., "Application of neural network for two-phase flow through chokes", SPE Saudi Arabia section Annual Technical Symposium and Exhibition, Khobar, Saudi Arabia, May 19-22, SPE 169597, (2013).
Khamehchi, A., Rashidi, F. and Rasouli, H., "Prediction of Gas Lift Parameters Using Artificial Neural Networks", Enhanced Oil Recovery-Iranian Chemical Engineering Journal (Special Issue), Vol. 8, No. 43, (2009).
Ranjan, A., Verma, S. and Singh, Y., "Gas Lift Opimization using Artificial Neural Network", SPE Middle East Oil & Gas Show and Conference, Manama, Bahrain, March 8-11, SPE 172610, (2015).
Beggs, H.D., "Production Optimization Using Nodal Analysis", 2th Ed., Vol. 1, OGCI and Petroskills Publications, Tulsa, USA, (2008).
Robert, N.H. and Potter, K., "Optimization of Gas-Injected Oil Wells", SAS Gloval Forum, (2011).
Sim, S.S.K., "Pressure-Volume-Temperature Correlations for Crud Oils from the Illinois Basin", Illinois State Geological Survey, 140, (1993).
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.