Abstract




 
   

IJE TRANSACTIONS A: Basics Vol. 29, No. 1 (January 2016) 127-131    Article in Press

downloaded Downloaded: 191   viewed Viewed: 2017

  OPTIMIZATION OF CEMENT SPACER RHEOLOGY MODEL USING GENETIC ALGORITHM (RESEARCH NOTE)
 
S. Tabatabaee Moradi and N. Nikolaev
 
( Received: October 11, 2015 – Accepted: January 05, 2016 )
 
 

Abstract    The primary cement job is a critical step in successful well completion. To achieve effective cementing job, complete mud removal from the annular is recommended. Spacer and flushers are used widely to achieve this goal. This study is about weighted cement spacer systems containing a surfactant package, weighting agent and rheological modifiers. Weighted spacer systems are utilized when a high formation fluid pressure is expected inside the wellbore. A testing program is conducted in laboratory to determine the spacer fluid rheological properties in different temperatures. The measured rheological properties are estimated using the known rheological models. Each model is firstly optimized using Genetic Algorithm as an optimization tool and then the rheological properties are modeled. The performance of the genetic algorithm is then tested by comparing the real laboratory data and modeled data.

 

Keywords    Cement spacer, Genetic Algorithm, rheology, high-pressure, high-tempetrature

 

چکیده    عملیات سیمان کاری اولیه یک مرحله اساسی در تکمیل موفقیت آمیز چاه به شمار می رود. دستابی به عملیات موثر سیمان کاری نیازمند تخلیه کامل فضای حلقوی از گل حفاری می باشد. سیالات جداساز به طور گسترده ای برای رسیدن به این هدف مورد استفاده قرار می گیرند. این پژوهش درباره سیستم های جداساز با چگالی بالا می باشد که از یک بسته فعال سطحی، عوامل وزنی و عوامل بهبود دهنده خواص رئولوژیکی تشکیل شده اند. این سیالات در شرایطی به کار می روند که در درون چاه فشار بالای سیال سازندی قابل انتظار باشد. در این پژوهش یک برنامه آزمایشگاهی بر روی سیال جداساز به منظور بررسی خواص رئولوژیکی آن در دماهای مختلف انجام گردیده است. خواص رئولوژیکی اندازه گیری شده به وسیله مدل های رئولوژیکی شناخته شده تخمین زده می شوند. هر کدام از این مدل ها ابتدا به وسیله ابزار بهینه سازی الگوریتم ژنتیک بهینه شده و سپس در تخمین خواص رئولوژیکی به کار می روند. عملکرد الگوریتم ژنتیک از طریق مقایسه داده های آزمایشگاهی و داده های تخمین زده شده مورد ارزیابی قرار می گیرد.

References   

 

1.     Crook, R.J., Benge, G., Faul, R. and Jones, R.R., "Eight steps ensure successful cement jobs", Oil & Gas Journal,  Vol. 99, No. 27, (2001), 37-43.

2.     Olowolagba, K.O. and Yerubandi, K.B., "Improved spacer rheology model for cement operations", in SPE Production and Operations Symposium, Society of Petroleum Engineers., (2011).

3.     Brandl, A., Bray, S., Magelky, C., Lant, K., Martin, R. and St-Clergy, J., "An innovative cement spacer with biodegradable components effectively sealing severe lost circulation zones", in Offshore Mediterranean Conference and Exhibition, Offshore Mediterranean Conference., (2011).

4.     Gordon, C., Lewis, S. and Tonmukayakul, P., "Rheological properties of cement spacer: Mixture effects", Paper AADE, (2008).

5.     Romero, C., Carter, J., Gringarten, A. and Zimmerman, R., "A modified genetic algorithm for reservoir characterisation", in International Oil and Gas Conference and Exhibition in China, Society of Petroleum Engineers., (2000).

6.     Gallagher, K. and Sambridge, M., "Genetic algorithms: A powerful tool for large-scale nonlinear optimization problems", Computers & Geosciences,  Vol. 20, No. 7, (1994), 1229-1236.

7.     Yu, T. and Lee, S., "Evolving cellular automata to model fluid flow in porous media", in Evolvable Hardware. Proceedings. NASA/DoD Conference on, IEEE., (2002), 210-217.

8.     Túpac, Y.J., Vellasco, M.M.B. and Pacheco, M.A.C., "Selection of alternatives for oil field development by genetic algorithms", Revista de Engenharia Térmica,  Vol. 1, No. 2, (2002).

9.     Becker, T., Morgan, R., Chin, W. and Griffith, J., "Improved rheology model and hydraulics analysis for tomorrow's wellbore fluid applications", in SPE Production and Operations Symposium, Society of Petroleum Engineers., (2003).

10.   Holland, J.H., "Adaptation in natural and artificial systems: An introductory analysis with applications to biology, control, and artificial intelligence, MIT press,  (1992).

11.   Golberg, D.E., "Genetic algorithms in search, optimization, and machine learning", Addion Wesley, (1989).

12.   Mahdizadeh, M. and Eftekhari, M., "Proposing a novel cost sensitive imbalanced classification method based on hybrid of new fuzzy cost assigning approaches, fuzzy clustering and evolutionary algorithms", International Journal of Engineering-Transactions B: Applications,  Vol. 28, No. 8, (2015), 1160-1168.

13.   Mahmoudzadeh, S., Mojallali, H. and Pourjafari, N., "An optimized pid for capsubots using modified chaotic genetic algorithm (research note)", International Journal of Engineering-Transactions C: Aspects,  Vol. 27, No. 9, (2014), 1377-1384.

14.   Harik, G., Cantu-Paz, E., Goldberg, D.E. and Miller, B.L., "The gambler's ruin problem, genetic algorithms, and the sizing of populations", Evolutionary Computation,  Vol. 7, No. 3, (1999), 231-253.  





International Journal of Engineering
E-mail: office@ije.ir
Web Site: http://www.ije.ir