Refining solutions of development problems of the Volga-Ural oil and gas province fields using geological and statistical model ranking methods

封面

如何引用文章

全文:

详细

The purpose of the present research is to provide a comprehensive analysis of data on the geological and physical properties of formations and the fluids saturating them in the Volga-Ural oil and gas province using the methods of geological and statistical model ranking. The discriminant analysis conducted on the basis of qualitative criteria (reservoir type and stratigraphic confinement) identified in all cases the zones of uncertainty, which affect the effectiveness of managerial decision-making in the conditions of analog objects. On this score, the results for six models were refined and updated according to the principle of rank uniqueness value calculation by three methods, both for each model individually and for model systems while using them within the obtained distributions of objects in the axes of canonical discriminant functions. Theoretical and practical recommendations were given regarding the use of geological and statistical models in the development of Volga-Ural oil and gas province fields. The results obtained can be used to solve a wide range of practical problems of proactive resource management, which enable effective determination of the best strategy for the successful extraction of residual and hard-to-recover oil reserves. The proposed parameter ranking table allows both to determine the most unstable parameters with a high degree of probability and to level the factor of heterogeneity and disequilibrium of field data. The conducted study established that identification of object association with a particular group in the axes of canonical discriminant functions leads to the formation of the zone of uncertainty. The latter increases the risks of making ineffective managerial decisions when developing different categories of subsoil users’ assets. Using the methods of ranking geological and statistical models, an algorithm for constructing a hierarchical system is proposed, which allows to expand the application field of the results of geological and statistical modeling in the oil and gas industry as well as to reduce the risk of nonrepresentative results.

作者简介

R. Gilyazetdinov

Institute of Oil and Gas of the Ufa State Petroleum Technological University, Oktyabrsky Branch

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

L. Kuleshova

Institute of Oil and Gas of the Ufa State Petroleum Technological University, Oktyabrsky Branch

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

V. Mukhametshin

Ufa State Petroleum Technological University

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

R. Yakupov

Institute of Oil and Gas of the Ufa State Petroleum Technological University, Oktyabrsky Branch

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

V. Grishchenko

Institute of Oil and Gas of the Ufa State Petroleum Technological University, Oktyabrsky Branch

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

参考

  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.

补充文件

附件文件
动作
1. JATS XML


Creative Commons License
此作品已接受知识共享署名 4.0国际许可协议的许可

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».