авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 | 2 || 4 | 5 |   ...   | 6 |

Научно-методические основы оптимизации технологического процесса повышения нефтеотдачи пластов

-- [ Страница 3 ] --

охвата вытеснением, составляющему 2 = 0,45, без учета вышеуказанных Е и Т, присвоили бы значение 2 = 0,897. Это существенно выше его реального значения, что не позволяет достоверно оценить эффективность технологии воздействия на залежь, регулировать технологические показатели процесса разработки залежи, а главное - не удается достоверно определить эффективность системы ППД и выявить необходимость применения третичного метода ПНП.

Поведение динамики фонда скважин за весь период разработки подобно поведению асимметричной кривой текущего отбора нефти, которая, сопровождая отбор нефти, проявляет аналогичные особенности, распадается на стадии, имеет точку перегиба, моделируется теми же уравнениями. Следовательно, принятие единичного значения ПСС на весь период разработки представляется достаточно формальным и необоснованным решением. Многочисленные промысловые примеры показывают, что асимметричная кривая добычи нефти повторяет поведение кривой зависимости изменения количества скважин от времени с небольшим смещением, что дает основание осуществить математическую формализацию задачи с помощью зависимости:

, где a, b – константы, t – время, N(t) – суммарное количество добывающих скважин, когда либо участвовавших в эксплуатации.

Эта зависимость позволяет отслеживать соответствие фактического отбора нефти фактическому количеству добывающих скважин на любой момент времени в течение всего периода продолжительности разработки с учетом вводимых и ликвидируемых скважин. В главе также приводятся результаты исследований, посвященных одному из научных направлений оценки и прогноза коэффициента нефтеизвлечения, основанному на статистических подходах. Проведен широкий анализ и обобщение наиболее используемых зависимостей регрессионного анализа. В качестве факторов, влияющих на конечную нефтеотдачу, рассматривались: плотность сетки скважин, средняя песчанистость и расчлененность, относительная вязкость нефти; коэффициент проницаемости; коэффициент пористости; эффективная нефтенасыщенная толщина; количество прокачанной воды в поровых объемах; темп отбора жидкости; объемный коэффициент пластовой нефти и целый ряд других параметров. Использование различных методов при исследовании статистической выборки исходных данных, сформированной для разных нефтедобывающих регионов страны и мира, не позволяет обобщить и унифицировать полученные результаты, вывести универсальную закономерность, позволяющую рассчитать достоверное значение коэффициента нефтеизвлечения. Однако, основная проблема, с которой сталкивается инженер-технолог при поиске закономерностей, заключается не в выборе способа регрессии, а в формировании репрезентативной выборки данных, отвечающей основополагающим принципам статистического анализа, так как объем выборки, используемый разными авторами, колеблется от 17 до 213 залежей объектов разработки. В разработке нефтяных месторождений обеспечение полной независимости параметров и показателей, принципа репликации и рандомизации – трудновыполнимая задача. Как бы ни была велика выборка, требуется «очистить» её от внешней неоднородности и не допустить смешения эффектов. С этой целью необходимо первоначальную выборку залежей разделить: по режимам, по литологическим признакам коллекторов (терригенные и карбонатные), полученные новые выборки следует ещё раз разделить по стадиям разработки и.т.д.

Таким образом, в итоге получается небольшая «однородная» выборка залежей, по которым исследователь надеется установить унифицированную регрессионную зависимость коэффициента нефтеизвлечения от параметров и показателей разработки. Безусловно, в данном случае возникает вопрос презентабельности выборки и достоверности полученных результатов, что в свою очередь, приводит к формальному применению статистических методов анализа в решении исследуемой проблемы. Несмотря на низкую надежность формально применяемых вероятностно-статистических методов, можно констатировать их широкое применение в целях экспресс-прогноза коэффициента нефтеизвлечения при отсутствии многомерных фильтрационных моделей залежей жидких углеводородов.

Наряду с методами определения конечной нефтеотдачи залежи и оценки начальных извлекаемых запасов, основанными на использовании коэффициентов-сомножителей и регрессионно-корреляционного анализа, в качестве прогнозного инструментария широкое распространение имеют методы, получившие название характеристик вытеснения. В научно-технической литературе опубликованы десятки характеристик вытеснения, с помощью которых оценивается технологическая эффективность ГТМ и прогнозируются извлекаемые запасы нефти, продолжительность времени и темп доразработки залежей, эволюция обводненности и конечный коэффициент извлечения нефти. Проведенный в работе анализ показал, что характеристики вытеснения также не претендуют на роль фундаментальной закономерности, описывающей процесс развития за весь период разработки. Таким образом, результаты исследований, приведенных в первой главе, показали, что методы коэффициентов-сомножителей, статистического анализа и характеристик вытеснения при оценке и прогнозе конечного коэффициента нефтеотдачи, а также при оценке технологической эффективности ГТМ не в полной мере обеспечивают достоверность и надежность полученных результатов, требуется их дальнейшее совершенствование.

Вторая глава посвящена описанию модели развития пластовой системы и прогноза показателей разработки с помощью малопараметрической вероятностно-статистической модели на основе данных истории разработки, легко адаптируемой на основе промысловых данных. Предлагаемый метод обеспечивает достоверное и унифицированное решение при оценке и прогнозе КИН и определении эффективности ГТМ, в том числе технологий ПНП и ИДН. Проведенный анализ динамики изменения основных показателей разработки объектов ОАО «ЛУКОЙЛ»: Локосовского, Поточного, Южно-Ягунского, Повховского и других месторождений показал, что графики накопленного отбора нефти и обводненности имеют вид асимметричной логистической кривой, которые адекватно моделируются уравнениями Колмогорова-Ерофеева, и позволяют применить методику оценки технологической эффективности ГТМ. Как показывает накопленный опыт разработки нефтяных залежей, эволюцию всего периода эксплуатации можно считать многостадийной, которая определяется относительно поставленной задачи, как например, накопленную добычу нефти можно представить в виде двух - восходящей и нисходящей стадий, традиционных четырех стадий и, наконец, более четырех стадий. Для целей оценки технологической эффективности ГТМ, проведенных на объекте, характер изменения технологических показателей определяется относительным темпом выработки запасов и фиксируется в зависимости от временного шага, при этом сопоставление фактических и прогнозных значений параметров осуществляется на основании последней стадии разработки залежи, которая принимается за базовый период. Методика, на основе малопараметрической модели, позволяет производить оценку дополнительной добычи нефти и прогноз основных показателей разработки как по отдельным скважинам, так и по месторождению в целом. Анализ исходных данных по Поточному месторождению пласт АВ1+АВ2. с временным шагом один месяц (рис.1.) позволил весь период разработки разбить на четыре стадии с базовым периодом -1996 г., начало и конец стадии связаны скачками в добыче нефти, а те непосредственно связаны с отключением скважин.

 Динамика добычи нефти, Поточное месторождение, пласт АВ1+АВ2 Одним из-15

Рис. 1. Динамика добычи нефти, Поточное месторождение, пласт АВ1+АВ2

Одним из современных и перспективных методов анализа технологических показателей разработки, рассмотренных во второй главе, является искусственная нейронная сеть (ИНС), которая представляет собой систему, состоящую из совокупности первичной информации, закономерностей между различными её формами и устройства параллельных вычислений, в свою очередь состоящего из множества взаимодействующих простых процессоров. Решение на основе нейронной сети является более гибким, поскольку соответствующая система может в дальнейшем совершенствовать точность предсказаний по мере обучения и накопления ею опыта. В представленных в работе исследованиях приведены результаты работы по установлению влияния параметров и показателей разработки нефтяного месторождения на коэффициент конечной нефтеотдачи. Основное преимущество ИНС состоит в том, что она способна находить такие взаимосвязи между входными и выходными значениями, явное существование которых даже не установлено исследователями. Для обучения нейронной сети использовалась та же обучающая выборка, по которой строилась линейная регрессия. Результаты расчета демонстрируют высокую точность предсказания КИН (которая не превышает 5%). Разработан способ оценки и прогноза КИН с использованием гибких моделей на основе нейронных сетей, учитывающих нелинейные эффекты любой сложности. Моделирование нейронными сетями обеспечивает достоверность полученных результатов прогноза КИН, надежность которых тестируется результатами прогноза КИН, полученных на многомерных геолого-гидродинамических моделях. Результаты расчетов, представленных на рис.2, демонстрируют высокую точность предсказания КИН по сравнению с результатами, полученными на регрессионных моделях, что подтверждается в сравнении с эталонной оценкой КИН, рассчитанной с помощью многомерной фильтрационной модели.

а) б)

Рис. 2. Распределение проектных и предсказанных значений КИН:

а) регрессионной моделью, б) моделью нейронной сети.

В третьей главе на примере ряда разрабатываемых месторождений ОАО «ЛУКОЙЛ» рассматриваются вопросы, связанные с оценкой и переоценкой количества и структуры запасов углеводородов; изучением возможности вовлечения в разработку «неработающих» запасов; повышением степени извлечения нефти из недр; сопоставления независимой аудиторской оценки запасов по международной и Российской классификациями.

Это является определяющим для количественной и качественной оценки сырьевой базы в соответствии с международными стандартами. Проведенными исследованиями установлено, что международная (SPE) и российская классификации имеют в своей основе разные идеологии, соотношение запасов по этим двум классификациям сугубо индивидуально для каждого месторождения, что и показано путем статистического сопоставления запасов по Южно-Покачевскому, Нивагальскому, Локосовскому, Урьевскому, Покамасовскому, Чумпасскому, Поточному, Лас-Еганскому, Северо-Поточному и Западно-Покамасовскому месторождениям. Основным различием между классификациями РФ и (SPE) является то, что первая - наибольшее внимание уделяет изученности объекта в целом, а классификация (SPE) тесно связана с запасами на скважину. Так, если в результате бурения нескольких разведочных скважин достаточно хорошо изучена модель залежи, установлен контур нефтеносности, определены подсчетные параметры, а запасы по классификации РФ оценены по категории С1, то бурение дополнительных скважин практически не вносит изменения в оценку запасов. По классификации (SPE) запасы увеличиваются с каждой пробуренной скважиной. По месторождениям ТПП «Лангепаснефтегаз» произведено сопоставление запасов по Российской и (SPE)-классификациям с 1996 по 2008 гг., проиллюстрированное на рис.3, где объем доказанных запасов нефти при каждой последующей оценке уточнялся, при этом запасы по Российской классификации на 2008 г. по сравнению с данными 1996г. значительно снизились. В практике оценки запасов наблюдается значительное изменение доказанных запасов по многим месторождениям, связанное с недостаточностью и неопределенностью геологической информации в исследуемых объектах с интенсивным эксплуатационным разбуриванием. В связи с этим можно сказать, что выводы ряда авторов об универсальной количественной сходимости оценок доказанных запасов по (SPE) и запасов по категории С1 по российской классификации некорректны. Эта сходимость изменяется в очень широких пределах для каждого конкретного объекта в зависимости от стадии его разбуренности. В диссертационной работе проведен анализ влияния степени разбуренности месторождений на запасы, рассчитанные по российской и (SPE) классификациям на примере 11 объектов ТПП Лангепаснефтегаз». В таблице 2. приведено соотношение запасов по международной SPE и Российской классификации (% доказанных запасов SPE от запасов категории АВС1) по всему ТПП «Лангепаснефтегаз и отдельно по каждому из 11 объектов. Проценты доказанных запасов SPE от запасов категории АВС1 колеблятся от 3% до 338%, следовательно необходимо учитывать этот факт при составлении проектных документов и при выборе оптимального варианта проекта разработки.

При анализе степени изученности месторождений были вычислены статистические связи запасов различных категорий с количеством скважин эксплуатационного фонда. Построены парные и многомерные статистические модели для определения разбуренных неразрабатываемых и неразбуренных запасов за счет восстановления скважин из бездействия, гидроразрывов пластов, перевода скважин на другие гори-

Рис.3 Сравнение запасов нефти промышленных категорий по классификации Российской и SPE по месторождениям ТПП «Лангепаснефтегаз»

Таблица 2.

Соотношение запасов по SPE и Российской классификации

зонты в соответствии с проектными решениями. Сопоставление модельных значений этих запасов показало, что наилучшая сходимость получена при расчетах, выполненных по многомерным моделям. Доказанные разбуренные неразрабатываемые запасы (ZN) устанавливались за счет планирования проведения технологических и геолого-технических мероприятий: восстановления скважин из бездействия, гидроразрывов пласта, перевода скважин на другой горизонт в качестве уплотняющих, а также применения технологий ПНП и ИДН. Для оценки связи между планируемыми мероприятиями и доказанными неразрабатываемыми запасами строились статистические модели зависимости этих запасов с количеством запланированных геолого-технических мероприятий. За анализируемый период было выполнено 9369 мероприятий, за счет которых планировалось прирастить доказанные разбуренные неразрабатываемые запасы в объеме 180 млн.т. Доказанные неразбуренные неразрабатываемые запасы ZNВ устанавливались за счет планирования проведения мероприятий: бурения новых скважин - nнб, бурения новых уплотняющих скважин nну, перевода на другой горизонт новых скважин nнт, перевода скважин на другой горизонт новых скважин в качестве уплотняющих nнп, Для оценки связи между планируемыми мероприятиями и доказанными неразбуренными запасами были построены статистические модели зависимости этих запасов с количеством запланированных мероприятий. За анализируемый период было выполнено 14639 мероприятий, за счет которых планировалось прирастить доказанные неразбуренные запасы в объеме 597 млн.т.

Осложняющаяся структура запасов и существующие разночтения в определении категорий запасов нефти и их количественном определении делают актуальным вопрос достоверной оценки потенциала прироста извлекаемой части запасов нефти, что, в первую очередь, будет определяться исходя из качества и количества применяемых инновационных технологий повышения нефтеотдачи пластов и интенсификации добычи нефти. Для решения поставленной задачи в диссертационной работе проведен анализ состояния разработки на выборке исходной статистической информации, составляющей порядка 10% объектов разработки распределенного фонда месторождений РФ. Для этого была сформирована репрезентативная выборка из общего числа нефтяных месторождений. Общее количество анализируемых месторождений составило 109, геологических объектов разработки – 213. В выборку были включены месторождения, территориальная принадлежность которых охватывает практически все нефтеносные регионы РФ - от Калининградской до Сахалинской областей, геологические запасы которых лежат в пределах от 1000 до 1 005 478 тыс.т. Анализируемые объекты представлены коллекторами различной литологии: терригенный, карбонатный, кавернотрещиноватый, алевритопесчаный, микрокаверно-трещиноватый, порово-кавернознотрещиноватый и др., с проницаемостью от 1 до 8400*10-3 мкм2. Коэффициенты извлечения нефти представленных объектов имеют следующие значения: 133 объекта имеют КИН более 0,45, для 201 объекта КИН изменяется от 0,3 до 0,45 и 54 объекта имеют КИН менее 0,3. Значения обводненности 136 объектов превышают 80%. Исходные параметры, необходимые для анализа следующие: тип коллектора; проницаемость, площадь нефтеносности; числящиеся на государственном балансе геологические и извлекаемые запасы нефти и КИН; фонд добывающих и нагнетательных скважин (общий, действующий и бездействующий); цена нефти на внутреннем и внешнем рынках; коэффициенты охвата, вытеснения и ПСС; газовый фактор; накопленная добыча нефти; обводненность.

Применяя принцип Парето к анализу распределения геологических и извлекаемых запасов по объектам месторождений, оценивался статистический ряд запасов нефти по величине вклада разрабатываемых объектов в суммарные запасы углеводородов по презентабельной выборке. Такое разбиение пластовых объектов на группы позволяет определить объекты, обладающие потенциальными возможностями для прироста извлекаемой части запасов нефти. Принцип Парето позволяет разделить всю выборку запасов по объектам на четыре группы, включающие геологические объекты разработки с относительно:

- высокими геологическими и высокими извлекаемыми запасами нефти (I);

- высокими геологическими и низкими извлекаемыми запасами (II);

- низкими геологическими и высокими извлекаемыми запасами (III);

- низкими геологическими и низкими извлекаемыми запасами (IV).

Безусловно, интерес представляют объекты разработки, входящие в первую и вторую группу, вклад которых в суммарные геологические запасы составляет 75,5%, при этом количество объектов составляет 52 шт. (24,5%) из 213 объектов. Количество объектов второй группы – 9, где при высоких геологических запасах низкие извлекаемые, эти объекты являются первоочередными для проведения мероприятий по уплотнению сетки скважин, в сочетании с технологиями ПНП. Для достижения высоких значений КИН в РФ имеется соответствующий научно-технический потенциал, технологические возможности; кроме того, благоприятная рыночная конъюнктура способствует активному применению технологий повышения нефтеотдачи пластов и интенсификации добычи нефти.



Pages:     | 1 | 2 || 4 | 5 |   ...   | 6 |
 





 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.