基于AnyLogic流体库的采油建模与优化

基于AnyLogic流体库的采油建模与优化

问题:

加拿大是拥有石油储备的第三大国家。 但是,大多数油都在油砂中(砂,油和水的混合物),必须用蒸汽加热以释放石油。 尽管提取该物质的运营成本很高,但2014年该领域的资本投资达到了260亿美元,这证明了其未来的前景。

要从沙子中提取石油,需要一个油井、管道、蒸汽发生器和其他设备组成的复杂系统。维持这样一个配电系统的成本很高,停电可能会导致蒸汽注入和采油中断。为了优化支出并弥补生产滞后,Stream Systems公司应用了AnyLogic仿真建模。借助以前使用的电子表格,工程师可以对10到20口井的工作过程进行建模。仿真方法使他们能够用数百口井对生产设施进行建模。

解决方案:

运营计划仿真

石油生产过程主要有三个要素:

仿真模型由系统元素的小模型组成。这种方法允许工程师监视特定组件的工作过程如何影响其他元素的。

由于模型的复杂性,应用了Anylogic多方法建模(基于智能体、系统动力学和离散事件建模的混合)。系统作为液体的载体,一个组件的滞后可能会导致其他组件的滞后。使用AnyLogic流体库来捕获包括在紧急情况下的滞后。

Oil Well Optimization Simulation Model – Model Logic

AnyLogic与外部数据源无缝集成,这使得建模人员可以使用任何类型的文件将数据输入到模型中。为了管理额外的计算并使模型更符合实际,我们引入了外部Java库。模型的输入数据包括:

该模型由作为独立智能体的井组成。每口井都有一个特定的行为,并与管道和其他流程图组件相连接。如有需要,可以轻松添加和调整模型中的组件。

除了查看模型的特定部分,还可以从更高的角度观察生产过程,从而制定运营和战略计划。在这两个级别上,都可以设置参数并运行各种实验以执行模型的优化。仪表板显示统计数据,以便直观的查看系统中的变化。

决策仿真模型

输出数据包括:

结果:

AnyLogic仿真建模有助于连接位于地面上方和下方的系统各部分。 使用多方法仿真建模,可以运行多种方案,包括蒙特卡洛和假设实验,分析调度和维护方面的差异,从而进行系统的优化。

流体库有助于以高粒度表示模型的各个部分,并显示系统中的波纹效应和破损。 此外,它有助于考虑动态变化及其对系统的影响。通过这种方式,可以做出实时决策并捕获油的质量。


该模型还有助于做出有关未来资本投入的决策,找出何时更换或维护生产过程的组成部分以减少资本投入。

AnyLogic软件已在公司的其他项目中成功实施。

oil well optimization

同类案例研究

更多案例研究

获取包含行业案例研究的手册(英文)

下载