Уточнение результатов решения задач разработки залежей Волго-Уральской нефтегазоносной провинции с использованием методов ранжирования геолого-статистических моделей

Обложка

Цитировать

Полный текст

Аннотация

Целью представленного исследования являлся комплексный анализ данных о геолого-физических свойствах пластов и насыщающих их флюидов Волго-Уральской нефтегазоносной провинции с использованием методов ранжирования геолого-статистических моделей. Проведенный дискриминантный анализ по качественным критериям (тип коллектора и стратиграфическая приуроченность) позволил выявить во всех случаях зоны неопределенности, которые оказывают влияние на эффективность принятия управленческих решений в условиях объектов-аналогов. На основании этого для шести моделей произведены уточнение и актуализация результатов по принципу расчета значений ранговой уникальности тремя методами как для каждой модели по отдельности, так и для систем моделей в рамках использования их в пределах полученных распределений объектов в осях канонических дискриминантный функций. Сформулированы рекомендации теоретического и практического назначения касательно использования геолого-статистических моделей в рамках эксплуатации залежей Волго-Уральской нефтегазоносной провинции. Полученные результаты могут быть использованы при решении широкого круга практических задач проактивного управления ресурсами, что позволит эффективно определить наилучшую стратегию для успешного извлечения остаточных и трудноизвлекаемых запасов нефти. При помощи предложенной таблицы ранжирования параметров можно с высокой долей вероятности определить наиболее неустойчивые параметры и нивелировать фактор неоднородности и неравновесности промысловых данных. На основании результатов исследования установлено, что при реализации идентификации принадлежности объектов к той или иной группе в осях канонических дискриминантных функций происходит формирование зоны неопределенности, которая способствует повышению рисков принятия неэффективных управленческих решений при разработке различных по категории активов недропользователей. При помощи методов ранжирования геолого-статистических моделей предложен алгоритм построения иерархичной системы, которая позволяет как значительно расширить область применения результатов геолого-статистического моделирования в нефтегазовом деле, так и снизить риск получения непредставительных результатов.

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

Р. Ф. Якупов

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

Email: rustem_geolog@mail.ru
ORCID iD: 0000-0001-8666-7460

В. А. Грищенко

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

Email: GrishchenkoVA@bnipi.rosneft.ru
ORCID iD: 0009-0008-4998-676X

Список литературы

  1. Yakupov R.F., Mukhametshin V.V., Kuleshova L.S., Mingulov I.Sh. Developing an algorithm for solving a material balance equation in the context of information // Journal of Physics: Conference Series. 2021. Vol. 2032. P. 012053. https://doi.org/10.1088/1742-6596/2032/1/012053.
  2. 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.
  3. Мухаметшин В.В. Повышение эффективности управления объектами добычи нефти с использованием метода аналогий // SOCAR Proceedings. 2020. № 4. С. 42 –50. https://doi.org/10.5510/OGP20200400464. EDN: LYTMHI.
  4. Хатмуллин И.Ф., Хатмуллина Е.И., Хамитов А.Т., Гималетдинов Р.А., Мезиков С.Е. Идентификация слабо выработанных зон на месторождениях с трудноизвлекаемыми запасами // Нефтяное хозяйство. 2015. № 1. С. 74–79. EDN: TIJUET.
  5. 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. 012013. https://doi.org/10.1088/1755-1315/579/1/012013.
  6. Кулешова Л.С., Мухаметшин В.Ш. Поиск и обоснование применения инновационных методов добычи углеводородов в осложненных условиях // SOCAR Proceedings. 2022. № 1. С. 71–79. https://doi.org/10.5510/OGP-2022SI100647.
  7. Krakowska P., Puskarczyk E., Jędrychowski M., Habrat M., Madejski P., Dohnalik M. Innovative characterization of tight sandstones from Paleozoic basins in Poland using X-ray computed tomography supported by nuclear magnetic resonance and mercury porosimetry // Journal of Petroleum Science and Engineering. 2018. Vol. 166. P. 389–405. https://doi.org/10.1016/j.petrol.2018.03.052.
  8. Mukhametshin V.Sh. Calculation and forecast of current and final oil recovery from wells during depletion // Journal of Physics: Conference Series. 2021. Vol. 2032. P. 012047. https://doi.org/10.1088/1742-6596/2032/1/012047.
  9. Закревский К.Е., Попов В.Л., Лепилин А.Е., Рыжиков Е.А. Геологические и технологические особенности создания гибких типовых шаблонов геологического моделирования // Нефтяное хозяйство. 2020. № 11. С. 38–43. https://doi.org/10.24887/0028-2448-2020-11-38-43. EDN: XLGAQA.
  10. Нагульнов М.В., Растегаева Е.В., Зулькарниев Р.З., Асмандияров Р.Н. Факторный анализ успешности геолого-технических мероприятий как инструмент повышения качества геолого-гидродинамических моделей // PROНЕФТЬ. Профессионально о нефти. 2019. № 1. С. 34 –38.
  11. Mukhametshin V.V., Kuleshova L.S. The role and significance of the stratigraphic factor in the identification of oil fields // IOP Conference Series: Earth and Environmental Science. 2021. Vol. 867. P. 012015. https://doi.org/10.1088/1755-1315/867/1/012015.
  12. Грищенко В.А., Асылгареев И.Н., Бахтизин Р.Н., Мухаметшин В.В., Якупов Р.Ф. Методический подход к мониторингу эффективности использования ресурсной базы при разработке нефтяных месторождений // SOCAR Proceedings. 2021. № 2. С. 229–237. https://doi.org/10.5510/OGP2021SI200604.
  13. Дмитриевский А.Н. Ресурсно-инновационная стратегия развития экономики России // Нефтяное хозяйство. 2017. № 5. С. 6–7. EDN: YNWVTF.
  14. Еремин Н.А., Королёв М.А., Степанян А.А., Столяров В.Е. Особенности цифровой трансформации активов при реализации инвестиционных нефтегазовых проектов // Газовая промышленность. 2019. № 4. С. 108–119. EDN: ISLUFM.
  15. Mukhametshin V.Sh. Rationale for the production of hard-to-recover deposits in carbonate reservoirs // IOP Conference Series: Earth and Environmental Science. 2020. Vol. 579. P. 012012. https://doi.org/10.1088/1755-1315/579/1/012012.
  16. Орлова И.О., Захарченко Е.И., Скиба Н.К., Захарченко Ю.И. Методический подход к классификации месторождений и поиску месторождений-аналогов // Геология, геофизика и разработка нефтяных и газовых месторождений. 2014. № 12. С. 16–18. EDN: TCBTLR.
  17. 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. 012080. https://doi.org/10.1088/1742-6596/1753/1/012080.
  18. Tavana M., Soltanifar M., Santos-Arteaga F.J. Analytical hierarchy process: revolution and evolution // Annals of Operations Research. 2023. Vol. 326. Iss. 2. P. 879–907. https://doi.org/10.1007/s10479-021-04432-2.
  19. Заде Л., Беллман Р. Принятие решений в расплывчатых условиях. М.: Мир, 1976. 142 с.
  20. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. 168 с.
  21. Мирзаджанзаде А.Х., Степанова Г.С. Математическая теория эксперимента в добыче нефти и газа. М.: Недра, 1977. 229 с.

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».