Allocation optimale des débits de gaz dans clusters de puits en «Gas Lift» via «Machine Learning»

Abstract

Cette Étude explore l'optimisation de l'allocation du gas lift afin de maximiser la production de pétrole dans un champ multi-puits. Notre approche combine des méthodes analytiques traditionnelles avec des techniques avancées de machine learning, telles que le Perceptron Multicouche (MLP) et le Gradient Boosting, pour modéliser les courbes de performance du gas lift et prédire les taux d'injection de gaz optimaux. En utilisant des méthodes d'optimisation comme Sequential Least Squares Programming (SLSQP), nous allouons le gaz de manière efficace à travers les différents puits, tout en tenant compte des contraintes de ressources disponibles. Cette intégration de modèles prédictifs et d'optimisation vise à améliorer significativement l'efficacité de la production pétrolière et à offrir une solution robuste aux défis opérationnels dans l'industrie pétrolière.