ニューラルネットワークを用いた SAGD 法の最適化

ニューラルネットワークを用いた SAGD 法の最適化
エネルギー資源工学研究室
1． はじめに
4年
白井
寛人
ーラルネットワークにおける入力層を 4 個(生産井と
カナダのオイルサンドに埋蔵されるビチューメン
圧入井の位置、蒸気圧入温度、蒸気圧入量、生産井
は、可採埋蔵量 1700 億 bbl と世界第二位の埋蔵量を
の坑底圧）、出力層を 1 個(NPV)とするニューラルネ
誇っており、今後開発が盛んになると考えられる。
ットワークシステムを構築し学習を行った。さらに、
そこで本研究では、オイルサンドの開発方法とし
学習結果から多数のパラメータの組合せについて
て有望とされている SAGD 法において、生産挙動に
NPV を予測し、NPV が高くなるような組合せにつ
影響を及ぼす 4 つのパラメータ(生産井と圧入井の位
いて油層シミュレーション計算を行った。最適化の
置・蒸気圧入温度・蒸気圧入量・生産井の坑底圧)を
結果、ケース１では生産井と圧入井の間隔・蒸気圧
最適化する。また、ニューラルネットワークを用い
入温度・蒸気圧入量・生産井の坑底圧がそれぞれ
て、SAGD 法の数値シミュレーションを再現し、最
6m,290℃,600m3/day,1075kPa の時に最も高い NPV
適化に要する数値計算時間の短縮を目指す。
を示し、ケース２では、生産井と圧入井が頁岩から
遠い位置にあり、かつ蒸気圧入量・生産井の坑底圧
2．SAGD 法の数値シミュレーション
が 575m3/day,1150kPa の時に最も高い NPV を示し
油層シミュレータ STARS を使用してアサバスカ
た。これらはニューラルネットワークを用いる前に
地域を模した油層シミュレーションモデルを作成し、
おける予測計算の NPV 最大値よりも、ケース１にお
オイルサンド層からの重質油生産挙動予測計算を行
いて約 7.5％、ケース２において約 5.0％の増加が得
う。モデルサイズは 900m×104m×30m で、グリッ
られた。図.1 はケース１で最も高い NPV を示した
ド最下部の中央に数 m 間隔で圧入井と生産井を設置
組合せにおける油層内温度分布を表す。また計算時
する。このようなモデルにおいて 4 つの生産方法に
間を比較すると、ニューラルネットワークを用いる
関するパラメータを変え、予測計算を行う。この際、
ことによって、最適化に要する数値計算時間が 99％
最適化するための相互比較の指標として、NPV(正味
以上短縮できた。
現在価値)を用い、NPV の値が最も高くなるパラメ
ータの組合せを求める。最適化計算は、均質な油層
パラメータを用いるケース１、油層中央部に低浸透
率を示す頁岩層が存在するケース２について行った。
計算の結果、蒸気圧入温度は生産挙動に大きな影
4．研究結果
本研究では、次のような結果を得た。
・SAGD 法の重質油生産挙動予測計算において、最
適な生産パラメータを見つけることができた。
響を与えなかったが、生産井と圧入井の位置、蒸気
・ニューラルネットワークを用いることによって、
圧入量、生産井の坑底圧の値は、それぞれ顕著な影
最適化に要する数値計算時間を大幅に短縮すること
響を与えた。生産井と圧入井の位置においては、二
ができた。
つの間隔が近すぎると蒸気が油層内に広がらず生産
（℃ ）
され、遠すぎるとブレイクスルーまでの時間が長く
なった。蒸気圧入量においては圧入量が多くなるに
つれて、油層内に投入するエネルギーも大きくなる
ので、生産量が増加していく傾向が見られた。
3．ニューラルネットワークを用いた最適化
各パラメータの値と NPV の計算結果を元に、ニュ
図.1 最適なケースにおける油層内温度分布