The main objective of this paper is to determine the optimal placement of oilfield producer wells while accounting for surface infrastructure constraints. To accomplish this objective, we replace a first-principles optimization model with a hybrid approach, which draws the correlations for oil production from data obtained by rigorous simulations of grid discretized reservoir models. We use these correlations to build a Multiperiod Mixed-Integer Linear Programming (MILP) problem with the production constraints and maximization of the Net Present Value (NPV) as the objective function. A computationally efficient multiperiod MILP model is proposed to evaluate the performance of this methodology with a surrogate correlation for the oil production rate built in ALAMO. This set of equations takes into account the distance of the producer well from the injection well, the depth of the producer well, and the time of operation. This model allows higher levels of grid discretization and longer time horizons of interest. In order to address systems where high spatial resolution is necessary and computational expense is high, we introduce a methodology of Spatial Aggregation and Disaggregation. In such method, we first simplify the problem through aggregation to then decompose the obtained solution, producing highly resolved well placement strategies. With this approach, it is shown that the optimal well placement locations can be obtained with order of magnitude reductions in computational expense.

本文的主要目的是确定油田生产井的最佳位置，同时考虑地面基础设施的限制。为了实现这一目标，我们用混合方法替换了第一性原理优化模型，该方法从通过网格离散油藏模型的严格模拟获得的数据中得出石油产量的相关性。我们使用这些相关性来构建多周期混合整数线性规划 (MILP) 问题，其中生产约束和净现值 (NPV) 的最大化作为目标函数。提出了一种计算效率高的多周期 MILP 模型，以评估该方法的性能，并与 ALAMO 中建立的石油生产速率的替代相关性。这组方程考虑了生产井与注入井的距离、生产井的深度和操作时间。该模型允许更高水平的网格离散化和更长的时间范围。为了解决需要高空间分辨率且计算成本高的系统，我们引入了空间聚合和分解的方法。在这种方法中，我们首先通过聚合简化问题，然后分解获得的解决方案，产生高分辨率的井位策略。使用这种方法，表明可以在计算费用减少一个数量级的情况下获得最佳的井放置位置。该模型允许更高水平的网格离散化和更长的时间范围。为了解决需要高空间分辨率且计算成本高的系统，我们引入了空间聚合和分解的方法。在这种方法中，我们首先通过聚合简化问题，然后分解获得的解决方案，产生高分辨率的井位策略。使用这种方法，表明可以在计算费用减少一个数量级的情况下获得最佳的井放置位置。该模型允许更高水平的网格离散化和更长的时间范围。为了解决需要高空间分辨率且计算成本高的系统，我们引入了空间聚合和分解的方法。在这种方法中，我们首先通过聚合简化问题，然后分解获得的解决方案，产生高分辨率的井位策略。使用这种方法，表明可以在计算费用减少一个数量级的情况下获得最佳的井放置位置。我们首先通过聚合简化问题，然后分解获得的解决方案，产生高分辨率的井位策略。使用这种方法，表明可以在计算费用减少一个数量级的情况下获得最佳的井放置位置。我们首先通过聚合简化问题，然后分解获得的解决方案，产生高分辨率的井位策略。使用这种方法，表明可以在计算费用减少一个数量级的情况下获得最佳的井放置位置。