Ученые Пермского Политеха разработали модель на основе искусственного интеллекта для контроля нефтедобычи
На нефтяных месторождениях для повышения нефтеотдачи пласта в нагнетательную скважину закачивают воду, которая увеличивает давление в добывающей скважине, продвигая тем самым нефть выше.
Чтобы такое заводнение оставалось эффективным, очень важно регулярно контролировать связь между ними и проверять, чтобы вода свободно проходила по каналам пласта и попадала в нужное место. Сейчас это делается с помощью дорогостоящих и долгих индикаторных исследований. Ученые Пермского Политеха разработали уникальную модель на основе ИИ, которая быстро и точно определяет значения пластовых давлений в зависимости от объема закачки воды. Инновационный подход позволит с минимальными трудозатратами оценивать качество заводнения нефтяных пластов. Исследование способствует укреплению технологического суверенитета России.
Мониторинг разработки месторождений – это неотъемлемая составляющая общей системы управления нефтегазовыми активами. Его проводят с помощью различных геофизических, гидродинамических и специальных исследований. Мониторинг позволяет оценивать энергетическое состояние залежей, контролировать динамику насыщения скважин и многое другое, что в итоге влияет на эффективность и качество добычи нефти. Сейчас, благодаря современным методам обработки информации, решить эти задачи можно детальней и достоверней.
Это касается и оценки гидродинамической связи между нагнетательными и добывающими скважинами. Вода, закачиваемая в пласт, должна свободно проходить между ними, чтобы обеспечить необходимое давление для продвижения нефти. Важно регулярно оценивать качество этой проходимости. В настоящее время это делается с помощью индикаторных исследований, когда вместо воды в одну скважину закачивается химический реагент и в другой проверяется его появление. Но этот процесс очень дорогостоящий и требует продолжительной остановки всего процесса добычи.
Ученые Пермского Политеха разработали инновационный подход, с помощью которого определить качество связи между скважинами можно за пару минут и без остановки рабочего процесса. Он основан на сравнительном анализе среднемесячных значений пластового давления в зонах отбора и объемов закачки нагнетательных скважин. Модель на основе искусственного интеллекта реализована в виде специально разработанного программного продукта. Он позволяет достоверно определять пластовое давление даже при минимальном наборе исходных данных.
– В качестве исходных данных используются файлы, которые выгружаются из стандартных гидродинамических моделей и содержат информацию о значениях среднемесячных дебитов скважин (объем добычи нефти) и коэффициента ее эксплуатации. Продолжительность вычислений составляет не более одной минуты даже для крупных объектов разработки, а результатом расчетов являются данные о значениях пластового давления в зоне отбора каждой скважины за каждый месяц ее эксплуатации. Они представлены в виде обобщенного и индивидуальных графиков, а также выгружаются в виде стандартной электронной таблицы, – поделилась доктор технических наук, профессор кафедры «Нефтегазовые технологии» ПНИПУ Инна Пономарева.
Разработчики проверили программу на месторождении с тяжелыми геолого-физическими условиями добычи нефти и установили сложный характер взаимодействия между нагнетательными и добывающими скважинами. Если пластовое давление в добывающей не реагирует на изменения закачки воды в соседней нагнетательной, это является косвенным подтверждением отсутствия гидродинамической связи между ними. Сравнение результата с проведенными индикаторными исследованиями подтвердили работоспособность модели и целесообразность ее применения на практике.
Разработанный подход ученых Пермского Политеха обладает достаточно высокой прогностической способностью. В среднем ошибка прогноза пластового давления не превышает 5%, что является хорошим результатам, особенно в условиях сложнопостроенных карбонатных залежей. Программа на основе искусственного интеллекта решает задачи мониторинга разработки нефтяных месторождений с минимальными трудозатратами и при малом объеме используемой геолого-промысловой информации.