Глубокая дифференциация залежей нефти Урало-Поволжья с использованием факторного анализа

Обложка

Цитировать

Полный текст

Аннотация

   Цель данного исследования заключалась в представлении алгоритма, созданного с использованием научно-методических основ количественно-качественной обработки геолого-промысловых данных и позволяющего реализовать процедуру глубокой идентификации залежей.   Разработанный алгоритм состоит из двух уровней: на начальном этапе производится разделение объектов по тектонико-стратиграфическому признаку, в результате этого формируется ряд мегагрупп объектов, после чего с использованием элементов факторного анализа данных производится их глубокая дифференциация совместно с мониторингом объектов, которые обладают высокой степенью идентичности между собой. Представленный подход к решению задач эффективного группирования залежей является наиболее результативным за счет комплексной и обоснованной оценки образуемых в результате моделирования групп объектов. На примере ряда объектов, приуроченных к терригенным коллекторам девонской и каменноугольной систем Волго-Уральской нефтегазоносной провинции, проведена апробация разработанного алгоритма. Доля верно сгруппированных объектов после двух этапов расчетов составила в среднем 96,8 %, что является высоким результатом. Для качественного и объективного поиска объектов-аналогов получено 18 уравнений, объединяющих между собой на достаточно релевантном уровне достоверности 20 параметров, которые описывают геолого-физические характеристики продуктивных пластов и физико-химические свойства насыщающих их флюидов. На основании результатов использования разработанного алгоритма глубокой идентификации залежей получен ряд актуальных математических зависимостей между различными параметрами, графических распределений объектов в осях главных компонент, в совокупности позволяющих по залежам терригенных коллекторов девонской и каменноугольной систем Волго-Уральской нефтегазоносной провинции эффективно и систематично производить поиск объектов-аналогов. Помимо этого, на основе представленных идентификационных схем можно успешно управлять процессами нефтеизвлечения в пределах микро- и макроуровней распределения объектов в осях главных компонент и формировать перечень общих рекомендаций, способствующих оптимальному освоению ресурсов жидких углеводородов.

Об авторах

Р. А. Гилязетдинов

Институт нефти и газа Уфимского государственного нефтяного технического университета – филиал в г. Октябрьском

Email: gilyazetdinov_2023@mail.ru
ORCID iD: 0009-0002-1931-7035

Л. С. Кулешова

Институт нефти и газа Уфимского государственного нефтяного технического университета – филиал в г. Октябрьском

Email: markl212@mail.ru
ORCID iD: 0000-0003-2975-3666

В. В. Мухаметшин

Уфимский государственный нефтяной технический университет

Email: vv@of.ugntu.ru
ORCID iD: 0000-0003-3283-1047

А. А. Гиззатуллина

Институт нефти и газа Уфимского государственного нефтяного технического университета – филиал в г. Октябрьском

Email: alina.gizzatullina87@mail.ru
ORCID iD: 0009-0007-7506-8367

Список литературы

  1. Максимов С.П., Кирова В.А., Клубов В.А., Нечитайло С.К., Петропавловский В.В., Абрикосов И.Х.. Геология нефтяных и газовых месторождений Волго-Уральской нефтегазоносной провинции. М.: Недра-Бизнесцентр, 1970. 807 с.
  2. Мухаметшин В.В. Повышение эффективности управления объектами добычи нефти с использованием метода аналогий // SOCAR Proceedings. 2020. № 4. С. 42–50. URL: https://www.elibrary.ru/ip_restricted.asp?rpage=https%3A%2F%2Fwww%2Eelibrary%2Eru%2Fitem%2Easp%3Fid%3D44743966. EDN: LYTMHI.
  3. Абызбаев И.И., Андреев В.Е. Прогнозирование эффективности физико-химического воздействия на пласт // Нефтегазовое дело. 2005. № 3. С. 167–176. EDN: JYAJOX.
  4. Кудряшов С.И., Белкина Е.Ю., Хасанов М.М., Павлов В.А., Тарасов П.А. Количественные методы использования аналогов в задачах разведки и разработки месторождений // Нефтяное хозяйство. 2015. № 4. С. 43–47. EDN: TQNUUB.
  5. Лозин Е.В. Геология и нефтеносность Башкортостана. Уфа: Изд-во БашНИПИнефть, 2015. 704 с.
  6. Мухаметшин В.Ш., Хакимзянов И.Н. Особенности группирования низкопродуктивных залежей нефти в карбонатных коллекторах для рационального использования ресурсов в пределах Урало-Поволжья // Записки Горного института. 2021. Т. 252. С. 896–907. doi: 10.31897/PMI.2021.6.11. EDN: VEKSXG.
  7. Мухаметшин В.В. Повышение эффективности управления разработкой залежей Западно-Сибирской нефтегазоносной провинции на основе дифференциации и группирования // Геология и геофизика. 2021. Т. 62. № 12. С. 1672–1685. doi: 10.15372/GiG2021102. EDN: WGRDPF.
  8. Мухаметшин В.Ш., Кулешова Л.С., Сафиуллина А.Р. Группирование и выделение залежей нефти в карбонатных коллекторах по продуктивности на стадии проведения геолого-разведочных работ // Известия Томского политехнического университета. Инжиниринг георесурсов. 2021. Т. 332. № 12. C. 43–51. doi: 10.18799/24131830/2021/12/2982. EDN: QPNFLY.
  9. Mukhametshin V.Sh., Andreev V.E., Yaskin S.A. Designing measures to increase oil recovery based on the identification and grouping of deposits // IOP Conference Series: Earth and Environmental Science. 2020. Vol. 579. P. 12013. doi: 10.1088/1755-1315/579/1/012013.
  10. Mukhametshin V.Sh., Tyncherov K.T., Rakhimov N.R. Geological and statistical modeling of oil recovery of carbonate formations // Journal of Physics: Conference Series. 2021. Vol. 1753. P. 12080. doi: 10.1088/1742-6596/1753/1/012080.
  11. Tavana M., Soltanifar M., Santos-Arteaga F.J. Analytical hierarchy process: revolution and evolution // Annals of Operations Research. 2023. Vol. 326. P. 879–907. doi: 10.1007/s10479-021-04432-2.
  12. Кулешова Л.С., Мухаметшин В.В. Особенности идентификации залежей в условиях различных нефтегазоносных регионов // Геология, геофизика и разработка нефтяных и газовых месторождений. 2019. № 5. С. 61–65. doi: 10.30713/2413-5011-2019-5(329)-61-65. EDN: ZHEGNV.
  13. Хасанов М.М., Мухамедшин Р.К., Хатмуллин И.Ф. Компьютерные технологии решения многокритериальных задач мониторинга разработки нефтяных месторождений // Вестник инжинирингового центра ЮКОС. 2001. № 2. С. 26–29.
  14. Мухаметшин В.В., Кулешова Л.С. О снижении уровня неопределенности при управлении заводнением залежей с трудноизвлекаемыми запасами // Известия Томского политехнического университета. Инжиниринг георесурсов. 2020. Т. 331. № 5. С. 140–146. doi: 10.18799/24131830/2020/5/2644. EDN: HPSFVH.
  15. Wen X., Yang J., Geng S., Li K. Study on new method for evaluating reservoir formation pressure by wellhead pressure // IOP Conference Series: Earth and Environmental Science. 2019. Vol. 384. P. 12037. doi: 10.1088/1755-1315/384/1/012037.
  16. Malyarenko A.M., Bogdan V.A., Blinov S.A., Kotenev Yu.A., Mukhametshin V.Sh., Kotenev M.Yu. Improving the reliability of determining physical properties of heterogeneous clay reservoir rocks using a set of techniques // Journal of Physics: Conference Series. 2021. Vol. 1753. P. 12074. doi: 10.1088/1742-6596/1753/1/012074.
  17. Gheorghiu S.A., Popescu C. Quantifying economic uncertainties and risks in the oil and gas industry // Recent Applications of Financial Risk Modelling and Portfolio Management / eds T. Škrinjarić, M. Čižmešija, B. Christiansen. 2021. P. 154–184. doi: 10.4018/978-1-7998-5083-0.ch008.
  18. Симоненко Е.П., Долгирев C.C. Статистический метод построения зависимости коэффициентов насыщенности горных пород нефтяных и газовых залежей от абсолютной глубины и коллекторских свойств // Научно-технический вестник «Каротажник». 2023. № 4. С. 87–100. EDN: EJSWBL.
  19. Грищенко В.А., Рабаев Р.У., Асылгареев И.Н., Мухаметшин В.Ш., Якупов Р.Ф. Методический подход к определению оптимальных геолого-технологических характеристик при планировании ГРП на многопластовых объектах // SOCAR Proceedings. 2021. № 2. С. 182–191. doi: 10.5510/OGP2021SI200587.
  20. Мухаметшин В.Ш. Управление заводнением залежей нефти в карбонатных коллекторах // SOCAR Proceedings. 2022. № 1. С. 37–43. doi: 10.5510/OGP2022SI100643.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».