Adjustment of a reservoir model by the material balance method in the MBAL program. Setting up the integrated model in GAP

Full Text

Введение

Внедрение цифровых технологий и автоматизации в процессы добычи нефти и газа имеет ряд преимуществ: ускорение расчетов по групповой оптимизации скважин с учетом влияния инфраструктуры, снижение недоборов углеводородного сырья, повышение эффективности и качества принимаемых решений в случае отклонения от режимных параметров по скважинам. С применением современного программного обеспечения можно создавать модель пласта с помощью метода материального баланса. Это позволяет рассчитывать текущие и прогнозные пластовые давления, учитывая количество отобранного и закаченного флюида [1]. При правильной адаптации и интеграции компонентов интегрированной модели (пласт, скважина, система сбора) можно существенно повысить рентабельность месторождений за счет перераспределения объемов закачки либо увеличения отборов по части фонда скважин. А прогнозные расчеты, выполненные на интегрированной модели, могут лечь в основу бюджетного планирования, и также в основу проведения геолого-технических мероприятий по скважинам, вводу новых скважин, модернизации оборудования и инфраструктуры [2].

Методы

Адаптация моделей MBAL по выделенным участкам объектов разработки месторождения проводится на основе метода материального баланса в ПО MBAL.

Адаптация проводится по следующему сценарию [3–5]:

1. Для объектов с системой поддержания пластового давления (ППД).

1.1. В случае, если накопленный объем воды недостаточен для поддержания пластового давления, в модель включается водонапорный горизонт и его свойства подбираются с допущением, что эффективная закачка на последнюю дату истории составляет 100 %.

1.2. Дальнейшая адаптация (с водонапорным горизонтом или без него) проводится путем выделения опорных точек на профиле пластового давления и подбора эффективной закачки.

2. Для объектов без ППД.

2.1. Для объектов без нагнетания воды адаптация проводится либо путем подбора начальных запасов (если расчетное снижение пластового давления было выше замеренного), либо путем подбора параметров водонапорного горизонта.

Качество адаптации модели проверяется с помощью имитационного расчета пластового давления на основе накопленной добычи и (замеренной или адаптированной) закачки [6]. По результатам расчета оцениваются характеристики вытеснения рассматриваемого участка по газу и по воде, оценивается прогнозная способность модели пласта. Ретроспективный расчет выполняется без учета моделей скважин, что позволяет оценить только погрешность модели пласта [7]. На рис. 1 представлены результаты ретроспективного расчета за период одного предпрогнозного месяца.

На рис. 1 представлены кросс-плоты по сравнению фактической и расчетной добычи нефти и газа, а также обводненности и газового фактора по скважинам за один месяц. На графиках отражены скважины с расхождением расчёта от факта меньше 10 % (синие точки) и больше 10 % (оранжевые точки), указан десятипроцентный коридор.

 

Рис. 1. Кросс-плот сравнения добычи газа и воды по скважинам за месяц

Fig. 1. Cross-plot comparing gas and water production by wells for a month

 

На последнем этапе адаптации модели подбираются кривые фазовой фильтрации отдельно для каждой добывающей скважины [8].

Для прогнозирования дальнейших отборов нефти, газа и воды необходимым действием является настройка фазовых проницаемостей по воде и газу по скважинам (fw, fg matching).

Необходимо, чтобы по каждой скважине линия проходила через наибольшее количество точек значений обводненности/газового фактора на соответствующие им даты, в целом воспроизводя тренд [9].

Чтобы проверить правильность настройки создаются прогнозные скважины. В «Production prediction» следует выбрать «production profile per well model», в «options» выбрать «use fractional flow model» и «store history well results», что позволит использовать модель потока и накопленную добычу по скважинам. Старт прогноза – начало добычи, конец прогноза – последний месяц работы скважины.

Далее запускаем расчет прогноза – Run prediction.

Во вкладке «well results» значения обводненности/газового фактора у исторической скважины должны примерно совпадать со значениями такой же прогнозной скважины, что отображается на графиках во вложении.

Настройка интегрированной модели заключается в последовательном выполнении ряда проверок качества интеграции моделей-компонентов [10]. Каждая следующая проверка задействует большее количество неопределённостей, что позволяет на каждом этапе устанавливать причины расхождений между фактическими и расчётными параметрами, в случае их обнаружения, и упрощает процедуру донастройки моделей-компонентов. Производились следующие проверки:

• корректность передачи обводнённости из MBAL в GAP;
• «Model Validation»;
• расчёт «на срез»;
• прогнозный расчёт.

В интегрированной модели, состоящей только из скважин и трубопроводов, обводнённость напрямую из PROSPER в GAP. В этом случае нет необходимости выполнять проверку корректности передачи процента воды [11].

При подключении моделей пластов MBAL обводнённость в скважины в GAP передаётся на основе кривой обводнённости (зависимость доли добытой воды от водонасыщенности пласта; строится на основе истории работы скважин) (рис. 2).

 

Рис. 2. Кривая обводнённости в MBAL

Fig. 2. Water cut curve in MBAL

 

Такие значения обводненности могут отличаться от тех, на которые настраивались модели скважин в PROSPER. Поэтому было выполнено сравнение обводнённостей, приходящих из MBAL и заложенных в PROSPER [12]. В случае, если расхождение составляло более 5 %, выполнялась корректировка кривой обводнённости (изменение значений «End Point» или «Exponent» до тех пор, пока значение обводнённости не приблизится к факту в пределах 5 %). Выполненные корректировки значений необходимо отразить как в модели MBAL, так и в модели GAP.

В интегрированной модели в GAP для расчёта градиента давления по стволу скважин использовались таблицы VLP, представляющие собой таблицы зависимости забойного давления от дебита жидкости при различных параметрах. Использование таблиц вместо полноценного расчета модели скважин на каждом шаге расчета интегрированной модели позволяет увеличить скорость расчета и осуществить оптимизационные расчеты добычи [13].

Функционал «Model Validation», имеющийся в GAP, позволяет оценить корректность интеграции моделей пластов (индикаторные кривые IPR) с моделями скважин, представленными таблицами VLP. Для данной проверки было выполнено следующее:

1) открытие окна «Model Validation»;

2) занесение данных по буферным давлениям и дебитам жидкости. Для этого использовалась автоматическая загрузка данных из моделей скважин PROSPER (функция «Transfer latest Well Tests from associated PROSPER files»). Эта функция кроме буферных давлений и дебитов жидкости загружает пластовое давление, частоту установки электроцентробежного насоса, обводнённость и газовый фактор (эти значения в процедуре «Model Validation» не использовались, т. к. впоследствии были заменены значениями из секций IPR и VLP моделей скважин в GAP);

3) занесение данных с вкладок IPR и VLP из моделей скважин в GAP. Для этого использовалась автоматическая загрузка данных (функция «Transfer Data FROM well VLP/IPR data»);

4) выполнение расчётов по каждой скважине (поиск пересечения между кривыми VLP и IPR) и сравнение результатов с фактическими данными;

5) анализ причин расхождений для тех скважин, где разница между расчётным и фактическим дебитами жидкости составила более 1 м³/сут. Причины могут быть следующие [14–16]:

• несоответствие внесённых данных по режиму работы скважин тем данным, которые были использованы для настройки моделей скважин. В этом случае указывались корректные данные и процедура расчёта и сравнения повторялась [17];
• ошибки при генерации кривых IPR или VLP. В этом случае проверялись корректность переноса данных из моделей MBAL и PROSPER в GAP, корректность данных для генерации кривых IPR и VLP, корректность параметра «IPR dP shift». Найденные неточности исправлялись, и процедура расчёта и сравнения повторялась.

Следующим этапом проверки был выполнен расчёт интегрированной модели «на срез». На этом этапе при расчёте добавляются модели системы сбора и транспорта и системы ППД (система добычи и система нагнетания рассчитываются отдельно друг от друга) [18].

После выполнения расчёта был проанализирован лог расчёта на предмет ошибок и предупреждений.

Далее проводилось сравнение по дебитам жидкости и нефти суммарно и по скважинам, сравнение обводнённостей, газового фактора и буферных давлений по каждой скважине [19]. Выгрузка результатов осуществлялась с помощью окна «Results».

После выполнения расчёта «на срез» и получения удовлетворительного результата по сходимости модель считается настроенной на дату актуализации [20].

Результаты

Следующим этапом проверки выполнялся прогнозный расчёт. На этом этапе при расчёте задействуются модели MBAL, позволяющие спрогнозировать изменение пластового давления в зависимости от накопленной добычи и закачки.

На интегрированной модели был выполнен прогнозный расчёт с даты актуализации с шагом 1 день. В GAP было занесено расписание изменений параметров работы скважин и оборудования, в случае производственной ситуации данный программный комплекс позволяет задать расписание запуска/остановок скважин в требуемые дни, а также внести данные о ремонтах скважин в исследуемый период.

По итогам прогнозного расчета и последующей сверки с фактом получили расхождение в пределах 5 % по уровню добычи за исследуемый период (рис. 3).

 

Рис. 3. Сравнение добычи нефти посуточно (GAP/ФАКТ)

Fig. 3. Daily oil production comparison (GAP/FACT)

 

Единственное отклонение (выделено красным на рис. 3), которое было выявлено при сравнении с фактическим уровнем добычи, связано с внештатным отказом одного из двигателей газокомпрессорной станции, что привело к остановке части фонда скважин для сохранения текущего процента утилизации попутного нефтяного газа на уровне бизнес-плана.

Также восходящий тренд от 09.02.2022 связан с выполнением оптимизационных мероприятий по скважинам, предложенным программным продуктом. В совокупности после реализации мероприятий был получен суммарный эффект в объеме 435 т нефти в сутки. Данный эффект был рассчитан с учетом ограничений по инфраструктуре, а также снижению дебитов по фонтанным скважинам ввиду роста линейных давлений по причине увеличения отборов. Более того, дальнейшее снижение по добыче, отраженное на рис. 3, обосновано естественным геологическим снижением, которое также рассчитывается автоматически.

Выводы

С помощью полученных результатов можно адаптировать компоненты интегрированной модели с точностью более 95 %, что позволяет симулировать режим работы месторождения. В результате анализа были выявлены критерии настройки, а также представлен минимальный необходимый набор параметров для качественной адаптации моделей пласта и инфраструктуры. Также доказана эффективность и точность расчетов посредством сравнения фактических данных о режимах работы с синтетическими. На основании проделанной работы можно сделать вывод о том, что интегрированная модель демонстрирует нам высокое схождение с реальными данными, что позволяет выбрать наиболее оптимальный режим разработки месторождения. Кроме того, был проведен оптимизационный расчет в целях получения дополнительной добычи нефти с использованием предложенного решения (с суммарным эффектом в 435 т нефти в сутки), а также рассчитан прогноз по добыче нефти сроком на 90 дней, который в дальнейшем получил подтверждение при сравнении с фактическими данными.

About the authors

Roman N. Korotkov

National Research Tomsk Polytechnic University

Author for correspondence.
Email: klimatqwf@gmail.com
ORCID iD: 0009-0000-5118-9198

Postgraduate Student

Russian Federation, Tomsk

Diana M. Ovcharenko

National Research Tomsk Polytechnic University

Email: dmo4@tpu.ru
ORCID iD: 0009-0009-5799-2972

Master Student

Russian Federation, Tomsk

Vladimir I. Erofeev

National Research Tomsk Polytechnic University

Email: erofeevvi@mail.ru
ORCID iD: 0000-0001-5153-887X

Dr. Sc., Professor

Russian Federation, Tomsk

References

Supplementary files