TY  - BOOK
AU  - Ahmed Sabaa Metwaly Ahmed,
AU  - Mohamed Helmy Sayyouh
AU  - Ahmed Hamdy El Banbi
AU  - Mahmoud Abu El Ela
TI  - Development of artificial neural network model to predict production rate of esp wells / 
U1  - 622.3382 21
PY  - 2022///
KW  - Petroleum Engineering
KW  - 1
KW  - Artificial Intelligence
KW  - Digital Oil Fields
KW  - Electrical Submersible Pumps
KW  - Multiphase Flow
KW  - Neural Networks
N1  - Thesis (M.Sc.)-Cairo University, 2022.; Bibliography: pages 74-81; Issues also as CD
N2  - The production data is essential for the design and operation of Electrical Submersible Pumps (ESP) systems. ESPs surveillance processes are crucial as the cost impact of ESP failure is significant. The goal of this study is to develop an Artificial Neural Network (ANN) model to predict flow rates of wells artificially lifted with ESP.
The ANN model was developed using 31,652 data points split randomly into 80% (25,744 data points) for training and 20% (5,625 data points) for testing. Each data set included measurements for the wellhead parameters, fluid properties, ESP downhole sensors measurements, and Variable Speed Drive (VSD) sensors parameters. The model consisted of four separate neural networks to predict oil, water, gas, and liquid flow rates. Sensitivity analysis was performed to determine the optimum number of inputs parameters that can be used in the model. The best performance was achieved with the ANN model of 16 input parameters that are readily available in the ESP wells.
The results of the best ANN configuration indicate that the Mean Absolute Percent Error (MAPE) between the predicted flow rates and the actual measurements for the testing data points of the oil, water, gas, and liquid networks is about 3.7%, 5.2%, 6.4%, and 4.1%, respectively. In addition, the correlation coefficients (R2) are 0.991, 0.992, 0.983, and 0.979 for the estimated oil, water, gas, and liquid flow rates using the testing data points, respectively.
The performance of the developed ANN model was compared against published physics-based models’ performance. The ANN model outperformed the physics-based methods in its ability to predict multi-phase rates without the need for periodical calibration. Then, the developed ANN model was used to predict the flow rate curves of an oil well in the Western Desert of Egypt. The results were compared to the actual separator test data. It was clear that the model results match the actual test data.
The model is useful for predicting individual well production rates within a wide variety of pumping conditions and completion configurations. This should allow for continuous monitoring, optimization, and performance analysis of ESP wells, as well as quick responses to operational issues. In comparison to traditional separators and Multi-Phase Flow Meter (MPFM), the model is simple, quick, and inexpensive; تعتبر بيانات الإنتاج ضرورية لتصميم وتشغيل أنظمة المضخات الغاطسة الكهربائية. يتم تزويد هذا النوع من المضخات بمقاييس وأجهزة استشعار وذلك للمراقبة المستمرة، ولتحسين وتحليل الأداء لأن تكلفة توقف أو تلف المضخات الكهربائية كبيرة. تهدف هذه الدراسة إلى تطوير نموذج شبكة عصبية اصطناعية للتنبؤ بمعدلات تدفق الآبار المنتجة باستخدام المضخات الغاطسة الكهربائية.
تم تطوير نموذج شبكة عصبية اصطناعية باستخدام 31652 نقطة بيانات مقسمة إلى 80٪ للتدريب و20٪ للاختبار. تضمنت كل مجموعة بيانات قياسات رأس البئر وخصائص السوائل وقياسات مستشعرات الأعماق للمضخات الغاطسة الكهربائية ومستشعرات المحرك متغير السرعة. يتكون النموذج من أربع شبكات عصبية منفصلة للتنبؤ بمعدلات تدفق النفط، والماء، والغاز، والسائل. تم إجراء تحليل الحساسية لتحديد العدد الأمثل للمُدخلات التي يمكن استخدامها في النموذج. تم تحقيق أفضل أداء باستخدام 16 معامل إدخال متوفرة بسهولة في آبار المضخات الغاطسة الكهربائية.
تشير نتائج أفضل تكوين للشبكة إلى أن متوسط نسبة الخطأ المطلق بين معدلات التدفق المتوقعة والقياسات الفعلية لنقاط بيانات الاختبارات للشبكات العصبية للنفط والمياه والغاز والسائل حوالي 3.7٪، 5.2٪، 6.4٪ و4.1٪ على التوالي. بالإضافة إلى ذلك، معاملات الارتباط (R2) هي 0.991 و0.992 و0.983 و0.979 لمعدلات تدفق النفط والماء والغاز والسائل المقدرة باستخدام نقاط بيانات الاختبارات على التوالي أيضا.
تمت مقارنة أداء النموذج المطور للشبكة العصبية الاصطناعية بأداء النماذج الفيزيائية، حيث تفوق النموذج المساق بالبيانات على الأساليب التحليلية - الفيزيائية في قدرته على التنبؤ بمعدلات تدفق السوائل متعددة الأطوار دون الحاجة إلى معايرة دورية. ومن ثم تم استخدام النموذج المطور للتنبؤ بمعدل التدفق لبئر نفطي في الصحراء الغربية المصرية، وبمقارنة النتائج مع بيانات اختبار الفاصل الفعلية، كان من الواضح أن نتائج النموذج تتطابق مع بيانات الاختبارات الفعلية.
هذا النموذج مفيد للتنبؤ بمعدلات إنتاج الآبار المنتجة بالمضخات الغاطسة الكهربائية في ظروف تشغيل مختلفة. ومن شأنه أن يسمح بالمراقبة المستمرة، وتحليل ثم تحسين أداء هذه الآبار، فضلاً عن الاستجابة السريعة لمشاكل التشغيل. بالمقارنة مع فواصل النفط التقليدية ومقياس تدفق السوائل متعددة الأطوار، يعتبر النموذج المطور بسيط وسريع وغير مكلف
ER  -