Data-Driven Optimization of Multiple Gas-Lifted Wells by Using Extremum Seeking Control

Abstract

Denne oppgaven utforsker anvendelsen av Extremum Seeking Control (ESC) for å optimalisere gassløfteoperasjoner i olje- og gassindustrien. Gassløft er en mye brukt kunstig løftemetode som øker produksjonshastigheten til oljebrønner ved å injisere gass i brønnhullet for å redusere hydrostatisk trykk og øke væskestrømmen. Men på et visst tidspunkt, jo mer gass som injiseres i brønnen, jo mindre olje vil det komme inn, der brønnen vil bli dominert av friksjonstrykktap i stedet for hydrostatisk trykktap. Denne forskningen tar sikte på å utvikle et optimaliseringsrammeverk ved å bruke ekstremumsøkende kontrollalgoritmer for kontinuerlig å tilpasse gassløftparametere i sanntid og maksimere brønnproduktiviteten i multibrønner. Ekstremsøkende kontroll er en tilbakemeldingsbasert optimaliseringsteknikk som iterativt justerer systeminndata for å drive systemet mot et optimalt driftspunkt. Integrering av denne tilnærmingen i gassløftsystemer gjør det mulig å oppnå driftseffektivitet og minimere kostbare inngrep. Oppgaven starter med en omfattende litteraturgjennomgang av gassløftoptimaliseringsstrategier, som fremhever begrensningene og potensielle fordelene ved ekstremumsøkende kontroll i denne sammenhengen. Teoretisk grunnlag for ekstremumsøkende kontroll, inkludert optimaliseringsalgoritmer og systemidentifikasjonsteknikker, presenteres også. Forskningen fokuserer deretter på å implementere ekstremumsøkende kontrollmetoder for gassløftoptimalisering. En dynamisk modell av gassløftesystemet er utviklet for å fange opp de komplekse interaksjonene mellom brønnens parametere, produksjonsdynamikk og kontrollinndata. Ulike optimaliseringsalgoritmer for multibrønner, for eksempel forstyrrelsesbaserte og modellbaserte metoder, blir testet og evaluert for å bestemme effektiviteten deres for å forbedre gassløftytelsen. Omfattende simuleringer bruker flerfaseprogramvare, OLGA, for å validere det foreslåtte optimaliseringsrammeverket. Resultatene sammenlignes med konvensjonelle gassløftstrategier, og demonstrerer den overlegne ytelsen til den ekstremumsøkende kontrollen for å optimalisere multibrønn. Avslutningsvis bidrar denne oppgaven til gassløftoptimalisering ved å demonstrere effektiviteten av ekstremumsøkende kontroll for å øke oljeproduksjonen og redusere driftskostnadene for flere brønner. Funnene gir verdifull innsikt for fagfolk i olje- og gassindustrien som ønsker å forbedre ytelsen til gassløft gjennom avanserte kontrollteknikker. Fremtidige forskningsretninger foreslås for ytterligere å forbedre anvendeligheten og skalerbarheten til ekstremumsøkende kontroll i sammenheng med gassløftoptimalisering.

This thesis explores the application of Extremum Seeking Control (ESC) for optimizing gas lift operations in the oil and gas industry. Gas lift is a widely used artificial lift method that enhances the production rate of oil wells by injecting gas into the wellbore to reduce hydrostatic pressure and increase fluid flow. However, at a certain point, the more gas injected into the well, the less oil will get, in which the well will be dominated by frictional pressure loss instead of hydrostatic pressure loss. This research aims to develop an optimization framework using extremum-seeking control algorithms to continuously adapt gas lift parameters in real-time and maximize well productivity in multi-wells. Extremum-seeking control is a feedback-based optimization technique that iteratively adjusts system inputs to drive the system toward an optimal operating point. Integrating this approach into gas lift systems makes achieving operational efficiency and minimizing costly interventions possible. The thesis begins with a comprehensive literature review of gas lift optimization strategies, highlighting the limitations and potential benefits of extremum-seeking control in this context. Theoretical foundations of extremum seeking control, including optimization algorithms and system identification techniques, are also presented. The research then focuses on implementing extremum-seeking control methods for gas lift optimization. A dynamic model of the gas lift system is developed to capture the complex interactions between the well's parameters, production dynamics, and controller inputs. Various optimization algorithms for multi-wells, such as perturbation-based and model-based methods, are tested and evaluated to determine their effectiveness in improving gas lift performance. Extensive simulations use multiphase software, OLGA, to validate the proposed optimization framework. The results are compared with conventional gas lift strategies, demonstrating the superior performance of the extremum-seeking control for optimizing multi-well. In conclusion, this thesis contributes to gas lift optimization by demonstrating the effectiveness of extremum-seeking control in enhancing oil production and reducing operational costs for multiple wells. The findings offer valuable insights for oil and gas industry professionals seeking to improve gas lift performance through advanced control techniques. Future research directions are suggested to enhance further the applicability and scalability of extremum-seeking control in the context of gas lift optimization.