О влиянии показателей неоднородности на эффективность прогнозирования коэффициента продуктивности (на примере залежей в карбонатных коллекторах Урало-Поволжья)

Обложка

Цитировать

Полный текст

Аннотация

Цель данной работы заключалась в представлении результатов анализа исследования, проведенного для определения степени влияния показателей неоднородности на эффективность прогнозирования коэффициента продуктивности при помощи дифференцированного анализа по трем крупным стратиграфическим единицам, приуроченным к карбонатным коллекторам Волго-Уральской нефтегазоносной провинции. На начальном этапе решения задачи были взяты две выборки данных, состоящие из различной по плотности геолого-промысловой информации и путем использования полученных ранее формул осуществлен поиск объектов-аналогов для меньшей по объему выборки залежей. Затем при различных входных данных получены аналитические зависимости прогнозирования времени очистки призабойной зоны пласта для трех крупных систем, которые в дальнейшем были модифицированы при помощи повсеместного и единичного учета четырех параметров комплексной неоднородности, характеризующих фильтрационно-емкостные свойства продуктивных пластов. Для полученных моделей выделены критерии их применения в рамках решения задач разработки нефтяных месторождений. Сделаны выводы, касающиеся механизмов очистки призабойной зоны пласта, прогнозирования коэффициента продуктивности в различных геологических системах, особое внимание уделено необходимости проведения глубокого анализа в плоскости представления трех выделенных систем на следующем иерархическом уровне: по ярусам и горизонтам в целях поиска закономерностей изменения параметров внутри малых групп и обобщенной оценки влияния неоднородности на коэффициент продуктивности.

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

Список литературы

  1. Каналин В.Г. Интерпретация геолого-промысловой информации при разработке нефтяных месторождений. М.: Недра, 1984. 184 с.
  2. Гилязетдинов Р.А., Кулешова Л.С., Мухаметшин В.Ш., Якупов Р.Ф., Гиззатуллина А.А., Сагитова З.Н. Комплексный подход к прогнозированию результатов идентификации залежей в условиях различной тектонической приуроченности объектов // SOCAR Proceedings. 2023. № 4. С. 31–41. https://doi.org/10.5510/OGP20230400913.
  3. Кулешова Л.С., Мухаметшин В.В., Гилязетдинов Р.А. Совершенствование научных подходов к эксплуатации малодебитных скважин в кратковременном периодическом режиме на заключительной стадии разработки месторождений с использованием геолого-статистического моделирования // Нефть. Газ. Новации. 2023. № 5. С. 22–26.
  4. Бахитов Р.Р. Применение алгоритмов машинного обучения в задачах прогноза коэффициента продуктивности скважин карбонатных месторождений // Нефтяное хозяйство. 2019. № 9. С. 82–85. https://doi.org/10.24887/00282448-2019-9-82-85. EDN: QLDUEN.
  5. Кулешова Л.С., Мухаметшин В.Ш., Рабаев Р.У., Султанов Ш.Х., Степанова Р.Р., Кобища Д.И. Оценка и использование коэффициента продуктивности для решения задач управления разработкой // SOCAR Proceedings. 2022. № 1. С. 19–26. https://doi.org/10.5510/OGP2022SI100641.
  6. Гилязетдинов Р.А., Кулешова Л.С., Мухаметшин В.В., Якупов Р.Ф., Грищенко В.А. Уточнение результатов решения задач разработки залежей Волго-Уральской нефтегазоносной провинции с использованием методов ранжирования геолого-статистических моделей // Науки о Земле и недропользование. 2023. Т. 46. № 4. С. 402–412. https://doi.org/10.21285/2686-9993-2023-46-4-402-412. EDN: KLCTFQ.
  7. Выжигин Г.Б. Влияние условий вскрытия пластов и заканчивания скважин на их продуктивность // Нефтяное хозяйство. 1985. № 5. С. 45–48.
  8. Назарова Н.Г., Казетов С.И., Ганиев А.Л., Уразаков К.Р. Методика расчета коэффициента продуктивности скважин неоднородных по проницаемости коллекторов // Нефть. Газ. Новации. 2018. № 4. С. 51–55. EDN: XNRQKT.
  9. Наугольнов 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. https://doi.org/10.24887/2587-7399-2019-1-34-38. EDN: EQAHBM.
  10. 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.
  11. 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.
  12. Мирзаджанзаде А.Х., Степанова Г.С. Математическая теория эксперимента в добыче нефти и газа. М.: Недра, 1977. 229 с.
  13. Mukhametshin V.V., Kuleshova L.S. The role and significance of the stratigraphic factor in the identification of oil fields // Earth and Environmental Science: IOP conference series. Bristol: Institute of Physics, 2021. Vol. 867. P. 12015. https://doi.org/10.1088/1755-1315/867/1/012015.
  14. 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.
  15. 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.
  16. Мухаметшин В.Ш., Хакимзянов И.Н., Бахтизин Р.Н., Кулешова Л.С. Дифференциация и группирование сложнопостроенных залежей нефти в карбонатных коллекторах в решении задач управления разработкой // SOCAR Proceedings. 2021. № 1. С. 88–97. https://doi.org/10.5510/OGP2021SI100513.
  17. Mukhametshin V.Sh., Kuleshova L.S., Yakupov R.F., Vafin R.V., Gilyazetdinov R.A. Features of localization of remaining oil in terrigenous reservoirs and potential for their recovery at the final stage of field development // Energy, Ecologyand Technology In Agriculture: II International scientific and practical conference. Les Ulis: EDP Sciences, 2024. P. 1018. https://doi.org/10.1051/e3sconf/202448001018. EDN: OJPDIH.
  18. Мирзаджанзаде А.Х., Хасанов М.М., Бахтизин Р.Н. Моделирование процессов нефтегазодобычи. Нелинейность, неравновесность, неопределенность. Ижевск: Институт компьютерных исследований, 2004. 368 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


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».