Ученые Пермского Политеха создали методику для оперативного контроля состояния нефтяных пластов
Этот метод позволяет контролировать проницаемость пласта и скин-фактор без прекращения добычи. Пермский Политех
Пермь, 16 авг - ИА Neftegaz.RU. Ученые из Пермского Политеха создали новый метод оперативной оценки состояния нефтяных пластов.
Об этом сообщила пресс-служба вуза.
Разработанная методика использует искусственные нейронные сети для анализа призабойной зоны пласта (ПЗП), которая влияет на производительность скважин и эффективность добычи нефти.
Этот метод позволяет контролировать проницаемость пласта и скин-фактор без прекращения добычи, снижая потери предприятий нефтедобычи и повышая эффективность работы скважин.
Результаты исследования были опубликованы в журнале Георесурсы том 26, 2024 г., работы были выполнены в рамках программы стратегического академического лидерства Приоритет 2030.
Проницаемость пласта, способность пропускать нефть через поры, и скин-фактор, влияющий на фильтрацию нефти, являются ключевыми параметрами, которые теперь можно оценивать точнее с использованием нового алгоритма с ошибкой менее 7%.
Традиционно, оценку проницаемости и скин-фактора проводили с прекращением добычи для проведения гидродинамических исследований, однако современные методы с использованием нейросетей позволяют избежать этого, обеспечивая более точные и оперативные данные для улучшения работы нефтяных предприятий.
Ученые Пермского Политеха использовали данные 486 гидродинамических исследований добывающих скважин в процессе обучения нейросети.
Параметры, такие как забойное давление, пластовое давление, давление насыщения нефти газом, дебит жидкости, эффективная толщина пласта, обводненность и пористость, были задействованы для программирования проницаемости призабойной зоны пласта.
Реализация алгоритмов осуществлялась с использованием библиотеки Keras на Python.
В обучающей модели нейросети была встроена возможность остановки на ранних этапах, когда ошибка перестает уменьшаться или начинает увеличиваться за определенное количество эпох, чтобы вернуться к наилучшей модели.
Нейросеть была структурирована из слоев и нейронов - функциональные блоки, вычисляющие скрытые признаки и формирующие выходные значения.
Исследователям удалось определить оптимальную модель с 4 слоями по 100 нейронов каждый.
Разработанный алгоритм по оценке состояния призабойной зоны пласта на основе нейросетей дает возможность проводить оперативный анализ скважин для увеличения нефтеотдачи и снижения убытков в нефтедобывающей промышленности.
Об этом сообщила пресс-служба вуза.
Разработанная методика использует искусственные нейронные сети для анализа призабойной зоны пласта (ПЗП), которая влияет на производительность скважин и эффективность добычи нефти.
Этот метод позволяет контролировать проницаемость пласта и скин-фактор без прекращения добычи, снижая потери предприятий нефтедобычи и повышая эффективность работы скважин.
Результаты исследования были опубликованы в журнале Георесурсы том 26, 2024 г., работы были выполнены в рамках программы стратегического академического лидерства Приоритет 2030.
Проницаемость пласта, способность пропускать нефть через поры, и скин-фактор, влияющий на фильтрацию нефти, являются ключевыми параметрами, которые теперь можно оценивать точнее с использованием нового алгоритма с ошибкой менее 7%.
Традиционно, оценку проницаемости и скин-фактора проводили с прекращением добычи для проведения гидродинамических исследований, однако современные методы с использованием нейросетей позволяют избежать этого, обеспечивая более точные и оперативные данные для улучшения работы нефтяных предприятий.
Ученые Пермского Политеха использовали данные 486 гидродинамических исследований добывающих скважин в процессе обучения нейросети.
Параметры, такие как забойное давление, пластовое давление, давление насыщения нефти газом, дебит жидкости, эффективная толщина пласта, обводненность и пористость, были задействованы для программирования проницаемости призабойной зоны пласта.
Реализация алгоритмов осуществлялась с использованием библиотеки Keras на Python.
В обучающей модели нейросети была встроена возможность остановки на ранних этапах, когда ошибка перестает уменьшаться или начинает увеличиваться за определенное количество эпох, чтобы вернуться к наилучшей модели.
Нейросеть была структурирована из слоев и нейронов - функциональные блоки, вычисляющие скрытые признаки и формирующие выходные значения.
Исследователям удалось определить оптимальную модель с 4 слоями по 100 нейронов каждый.
Разработанный алгоритм по оценке состояния призабойной зоны пласта на основе нейросетей дает возможность проводить оперативный анализ скважин для увеличения нефтеотдачи и снижения убытков в нефтедобывающей промышленности.