Область наук:
  • Енергетика і раціональне природокористування
  • Рік видавництва: 2010
    Журнал: Известия Томського політехнічного університету. Інжиніринг ГЕОРЕСУРСИ
    Наукова стаття на тему 'Аналіз невизначеностей при моделюванні водогазового впливу на нафтовий пласт з застосуванням нейронних мереж'

    Текст наукової роботи на тему «Аналіз невизначеностей при моделюванні водогазового впливу на нафтовий пласт з застосуванням нейронних мереж»

    ?СПИСОК ЛІТЕРАТУРИ

    1. Бypштейн Л.М., Жидкова ЛЗ., Кош ^ ОВТ A ^., Мелен-cкій B.R Модель катагенеза оpгaнічеcкого вещеcтвa (на щі-міру бaженовcкой СВІТ) // Геологія і геофізика. - 1997. -Т. 38. - № б. - С. 1070-1078.

    2. Aрье A.E, Славкин B.C. Про механізм нафтогазонасиченості піщаних лінз // Геологія нафти і газу. - 1995. - № 2. -С. 41-45.

    3. Симоненко B ?. Методика дослідження порових розчинів при вивченні процесів нефтегазонакопления // поровим розчини в геології (методичні розробки). - Мінськ: Наука і техніка, 1980. - С. 75-154.

    4. Мусса Я., Новакова О., Кунц К. Сучасна біохімія в схемах - М .: Світ, 1984. - 215 с.

    5. Серебрянникова Про ^. Геохімічні методи при пошуку і розвідці родовищ нафти і газу. - Томськ: Вид-во ТПУ, 2004. - 144 с.

    6. Akande S.O., Ojo O.J., Erdtmann B.D., Hetenyi M. Depositional environments, organic richness, and petroleum generating potential

    of the Campanian to Maastrichtian Enugu formation, Anambra basin, Nigeria // The Pacific Journal of Science and Technology. -2009. - V. 10. - P. 614-628.

    7. Білецька С.Н. Механізми і чинники первинної міграції нафти. Моделювання первічноміграціонних процесів [Електронний ресурс]. - Режим доступу: www.ngtp.ru. -27.07.2007.

    8. Довідник з геохімії нафти і газу / під ред. С.Г. Неручь-ва. - СПб .: Недра, 1998. - 576 с.

    9. Гутман І.С. Методи підрахунку запасів нафти і газу. - М .: Недра, 1985. - 223 с.

    10. Ісаєв В.І., Лобова Г.А., Попов С.А., Хашітова А.Б. Термічна історія і осередки генерації нафти баженовской свити центральній частині Югорского зводу // Известия Томського політехнічного університету. - 2008. - Т 313. - № 1. -С. 38-43.

    Надійшла 12.10.2009 р.

    УДК 622.276.6

    АНАЛІЗ невизначеності при МОДЕЛЮВАННІ водогазового ВПЛИВУ НА НЕФТЯНОЙ ПЛАСТ З ВИКОРИСТАННЯМ нейронних мереж

    І.М. Кошовкін, Д.А. Анурьев *, А.Л. Дейнеженко

    ВАТ «ТомскНІПІнефть»

    * ВАТ «Верхнечонскнефтегаз», м Іркутськ E-mail: Ця електронна адреса захищена від спам-ботів. Вам потрібно увімкнути JavaScript, щоб побачити її.

    Визначено методичні підходи кількісної оцінки невизначеностей для досягнення ефективності водогазового впливу на нафтовий пласт. Встановлено, що нейронні мережі є ефективним інструментом проведення розрахунків і дизайну параметрів проведення водогазового впливу. Методика відпрацьована на секторної моделі пласта.

    Ключові слова:

    Нафтовий пласт, водогазового вплив, секторальна модель пласта, нейронні мережі.

    Key words:

    Reservoir, water alternating gas, sector model, artificial neural network.

    Вступ

    Поперемінна закачування води і газу або водогазовой суміші може бути ефективним методом збільшення нафтовіддачі пласта. До теперішнього часу опубліковано велику кількість робіт, присвячених лабораторним дослідженням збільшення коефіцієнта витіснення при водогазового впливі (ВГВ), аналізу умов смесімості закачується агента і нафти, моделювання розробки родовищ при ВГВ, методам контролю ефективності застосування ВГВ на родовищі і т. Д. [1 5]. Незважаючи на ряд прикладів успішного впровадження [3, 6], широке використання технології стримується великими витратами на реалізацію проекту при ризику отримати додатковий видобуток нафти нижче запланованої. Тому актуальною є задача оцінки факторів ризику застосування технології для конкретного родовища. В роботі [7] на основі обробки фактичного мате-

    ріалу по ряду родовищ запропонована процедура експрес-оцінки застосовності ВГВ.

    У даній роботі проведено аналіз невизначеностей досягнення ефективності ВГВ на основі аналізу чутливості з використанням композиційної фільтраційної моделі. Методика викладена на прикладі секторної моделі пласта, для побудови поверхні відгуку використані нейронні мережі.

    секторная модель

    Модель являє собою четверту частину елемента пятиточечной сітки з однієї добувної та однієї нагнетательной свердловинами. Пористість розподілялася стохастически, із середнім значенням 0,17. Проникність перераховувалася з пористості по залежності, отриманої з лабораторних досліджень керна. Середнє значення

    проникності склало 0,034 мкм2. На рис. 1 наведені розподілу пористості і проникності в моделі. Дані характеристики типові для юрських пластів родовищ Західного Сибіру. Розмірність сітки 10х 10x50 осередків, параметри комірки 25x25x1 м.

    Будемо моделювати ситуацію, коли пласт залягає на глибині 2500 м, початковий пластовий тиск 260 атм, температура 90 ° С, компонентний склад нафти представлений в табл. 1. В'язкість нафти в пластових умовах - 1,57 СПЗ, щільність - 0,857 т / м3. PVT модель побудована на прикладі пластових проб нафти одного з родовищ Західного Сибіру (пласт ЮД У даних умовах, як показує аналіз, може розвиватися змішується режим витіснення нафти газом при концентрації «жирних» компонент С2-С4 в нагнітається газі більш 27%.

    Таблиця 1. Компонентний склад нафти

    Дані лабораторних досліджень PVT модель

    Компоненти Склад нафти компоненти Склад нафти Склад газу

    Азот 0,01 Ci 0,16 0,70

    метан 0,15

    Вуглекислий газ 0,01 С2 0,03 0,10

    Етан 0,02

    Пропан 0,05 Сз 0,05 0,10

    Ізобутан 0,02 С4-5 0,11 0,08

    Н-бутан 0,04

    ізопентан 0,02

    Н-пентан 0,03

    Гексани + залишок 0,65 FR1 0,22 0,02

    FR2 0,21 -

    F UJ 0,22 -

    можна вирішити завдання

    Як правило, у світовій практиці технології газового і водогазового впливу використовуються для підвищення нафтовіддачі як третинні методи розробки родовищ. У даній роботі моделювався наступний процес витіснення нафти. У нагнетательную свердловину закачувалася вода з забійними тиском 450 атм. При досягненні добувної свердловиною обводнення 90% починалася закачування суміші води і попутного нафтового газу. Зміст газу в суміші близько 30% в пластових умовах. Щільність водогазовой суміші (ВГС) менше щільності води. Обмежуючи добичі тиск при закачуванні ВГС величиною близько 200 атм, можна прийняти забійні тиск на нагнітальної свердловині 350 атм. При цьому прийомистість свердловини скорочується з 70 до 40 м3 / добу. Робота видобувної свердловини контролюється по забійні тиску 70 атм. Ефективність застосування ВГВ оцінюється як додатковий видобуток нафти в порівнянні з заводнением.

    оцінка невизначеностей

    На сьогоднішній день оцінка ефективності того чи іншого методу розробки родовищ ґрунтується на розрахунках прогнозу видобутку, отриманих з використанням фільтраційних моделей. Як правило, кількість і точність даних, необхідних для побудови моделі, недостатньо. Це неминуче призводить до виникнення невизначеностей на кожному з етапів: геофізична інтерпретація, геологічне моделювання, оцінка властивостей породи і пластових флюїдів, збір промислових даних про розробку. Тому при оцінці ефективності методу впливу на пласт важливо проводити кількісний аналіз невизначеностей з метою врахування ймовірності отримання того чи іншого результату.

    Мал. 2. Вплив невизначеностей на прогноз ефективності ВГВ

    Прогноз результату застосування методу ВГВ залежить від цілого ряду невизначеностей. Список найбільш значущих з них є індивідуальним для кожного завдання. У даній роботі розглядалися наступні невизначеності параметрів: горизонтальна проникність (к), відношення вертикальної проникності до горизонтальної (ку / кк), склад газу, вміст газу в ВГС, прийомистість свердловини при закачуванні водогазовой суміші і математична модель трифазних відносних фазових проникностей (ОФП). Дані параметри мають значний вплив на прогноз додаткового видобутку нафти (рис. 2).

    Традиційний підхід оцінки невизначеностей передбачає почергове зміна кожного параметра в діапазоні похибки і оцінку його впливу на результат моделювання. Інші параметри залишаються незмінними з «базовими» значеннями. Таким чином визначаються кілька параметрів з найбільшим впливом на кінцевий результат, діапазон їх зміни враховується при оцінці економічних показників.

    Даний підхід має істотні недоліки. По-перше, прогноз з «базовими» значеннями всіх параметрів не обов'язково є найвірогіднішим. По-друге, не враховується взаємний вплив невизначених параметрів, що може істотно звузити діапазон можливих результатів. По-третє, даний метод оцінки невизначеностей не дозволяє отримати імовірнісного розподілу результатів прогнозу, що необхідно для порівняння різних проектів.

    У практиці нафтового інжинірингу існують альтернативні методи оцінки ризиків, що дозволяють уникнути недоліків традиційного підходу. Одним з них є метод експериментального дизайну [8]. Суть методу полягає в створенні алгоритму, який швидко відтворює реакцію гідродинамічної моделі на зміну параметрів.

    Така емпірична поверхню відгуку спільно з методом Монте-Карло дозволяє отримати імовірнісний розподіл прогнозованого результату. Дана поверхня будується на підставу результатів обмеженою вибірки розрахунків (експериментів). Для її побудови можуть використовуватися різні математичні методи. В роботі використовувалися нейронні мережі. В даний час нейронні мережі все ширше використовують в моделюванні нафтовидобутку [9].

    Пропонований метод оцінки невизначеностей включає в себе наступні кроки:

    • вибір невизначених параметрів, критичних для розв'язуваної задачі;

    • складання представницької вибірки експериментів (розрахунків), на підставі яких буде будуватися поверхню відгуку;

    • побудова поверхні відгуку за допомогою нейронних мереж;

    • прогноз результату з урахуванням імовірнісного розподілу невизначених параметрів;

    • аналіз результатів.

    Вибір невизначених параметрів і діапазонів їх зміни

    Застосування газових та водогазового методів особливо ефективно в разі розвитку смешивающегося режиму витіснення нафти. Умовами смесімості є як термобарические характеристики пласта, так і жирність закачується газу. Тому облік невизначеності в складі газу є важливим для прогнозу ефективності ВГВ. У даній роботі в якості газового агента розглядається попутний нафтовий газ. Невизначеність в його складі пов'язана з відсотковим вмістом метану, яке може змінюватися в процесі розробки родовища.

    Через значного впливу ефекту гравітаційної сегрегації води і газу при реалізації процесу ВГВ вертикальна анізотропія пласта грає роль ще більш істотну, ніж при заводнении. Співвідношення ку / кк рідко визначається з високим ступенем достовірності. Невизначеність цього параметра обумовлена ​​зміною проникності і розчленованості пласта за площею поклади і труднощами точного обліку цього при ремасштабірованіі геологічної моделі.

    Для оцінки проникності найбільш часто використовується лінійна залежність проникності від пористості в полулогарифмических координатах. На практиці дана залежність виходить як тренд, побудований з цілого «хмарі» точок. За параметр невизначеності по проникності приймається ширина «хмари». Значенням параметра 100% відповідає максимально широкий діапазон, значенням 0% - лінійна залежність (тренд).

    Важко гарантувати з високою точністю збереження процентного вмісту газу при закачуванні ВГС. Це обумовлено технологічними особливостями обладнання, а також тим, що обсяги доступного і необхідного для закачування газу можуть змінюватися в процесі розробки.

    При закачуванні водогазовой суміші часто доводиться стикатися з істотним зниженням приемистости нагнітальних свердловин, наприклад через гідратоутворення. Це призводить до істотного зниження ефективності ВГВ. Тому коефіцієнт приемистости нагнетательной свердловини на етапі закачування ВГС відноситься до невизначених параметрах.

    Крім геологічних і технологічних джерел невизначеностей на результат впливають математичні моделі, які використовуються для опису пласта і флюїдів. Відносні фазові проникності для трьох фаз, як правило, виходять на основі використання лабораторних вимірювань двофазних кривих (витіснення нафти водою і витіснення нафти газом) - це набагато простіше, ніж прямі експерименти отримання трифазних залежностей. Найбільш поширеними (використовуваними в комерційних симуляторах) є модель Бейкера, перша і друга моделі Стоуна. Невизначеність, пов'язана з розрахунком трифазних ОФП, виражалася у виборі однієї з цих моделей.

    Створення вибірки експериментів

    При складанні вибірки експериментів враховувалося два моменти. З одного боку, має бути мінімальна кількість експериментів -для мінімізації гідродинамічних розрахунків, з іншого, вибірка повинна бути представницька для забезпечення достатньої точності поверхні відгуку. Існує кілька підходів визна-

    лення складу вибірки експериментів. У роботі використовується метод «Space filling design» [10]. Суть підходу - в відображенні кожного експерименту як точки в просторі, розмірність якого дорівнює кількості невизначених параметрів. Формування вибірки полягає в рівномірному заповненні обсягу простору, обмеженого діапазоном зміни невизначених параметрів (табл. 2). В результаті була складена вибірка, що складається зі ста експериментів, результати яких розраховувалися на фільтраційної композиційної моделі.

    Таблиця 2. Невизначені параметри і діапазони їх зміни

    № Невизначені параметри Діапазон зміни параметрів

    Мінімум Середнє Максимум

    1 Частка метану в складі газу 0,65 0,70 0,75

    2 &/ Кь 0,02 0,10 0,50

    3 Діапазон зміни до,% 0 50 100 Всі

    4 Зміст газу в суміші,% 25 30 35

    5 Коефіцієнт приемистости 0,70 0,85 1,00

    6 Модель ОФП Бейкера (біг), Стоуна1 (51), Стоуна2 (St2)

    Побудова поверхні відгуку

    Для побудови поверхні відгуку використовувалася нейронна мережа з архітектурою «багатошаровий персептрон». В якості вихідної змінної бралася додатковий видобуток нафти, отримана методом ВГВ в порівнянні з заводнением. Вихідними були також раніше описані параметри невизначеності (рис. 3). Слід зазначити, що модель ОФП є багатозначним номінальним параметром. При переході від номінального параметра до чисельного використовується метод кодування 1 з 3.

    Нейронна мережа створювалася за допомогою програмного пакета STATISTICA Neural Networks. Для навчання нейронної мережі використовувався стандартний для даної архітектури алгоритм зворотного поширення помилки. На рис. 4 відображений крос-пліт додаткового видобутку нафти за фільтраційної моделі і по нейронної мережі (сині точки), а також точність навчання (червона лінія). Видно, що помилка навчання не перевищує 5%.

    побудова прогнозу

    і аналіз отриманих результатів

    Використовуючи метод Монте-Карло і імовірнісні розподілу вхідних параметрів, за допомогою поверхні відгуку були отримані розрахунки для 1000 різних випадків. На рис. 5 відображено імовірнісний розподіл додаткової видобутку нафти, очікуваної від застосування ВГВ.

    Як видно з графіка, діапазон можливої ​​додаткової видобутку нафти досить широкий. Імовірність того, що за рахунок застосування ВГВ додатковий видобуток нафти складе не менше 11,6 тис. Т - 10%, не менше 9,1 тис. Т - 50% і не менше 7,2 тис. Т - 90%. Найбільш ймовірне значення додаткового видобутку - 8,4 тис. Т.

    5,0

    4 6 8 10 12 14

    ОГМ / тис. Т

    Мал. 4. Результат навчання нейронної мережі (ФДМ "додатковий видобуток нафти за розрахунками на гідродинамічної моделі, 0>нс "по нейронної мережі)

    На рис. 6 показано вплив кожного невизначеного параметра на прогнозовану додатковий видобуток нафти. Воно розраховувалося наступним чином. По черзі закріплювалося мінімальне і максимальне значення кожного параметра (табл. 2) і проводилася серія розрахунків при зміні інших параметрів в своїх діапазону-

    нах. Видобуток нафти для граничних значень параметра оцінювалася усреднением цих розрахунків.

    Дана діаграма корисна при складанні плану додаткових досліджень з метою звуження діапазону прогнозу або при виборі технологій реалізації проекту. В даному випадку додаткові дослідження повинні бути пов'язані з оцінкою вертикальної анізотропії пласта і уточненням складу попутного нафтового газу. Моделі трифазної проникності Бейкера і Стоуна 2 призводять до зменшення видобутку, модель Стоуна 1 - до збільшення. Можливе зниження прийомистості свердловин при закачуванні водогазовой суміші сильно зменшує ефективність ВГВ.

    висновки

    Визначено методичні підходи кількісної оцінки невизначеностей при виборі способу розробки нафтового пласта. Це особливо актуально, коли мова йде про складних і дорогих методах, яким є метод водогазового впливу на нафтовий пласт. Встановлено, що нейронні мережі є ефективним інструментом побудови поверхні відгуку в рамках вирішення завдань з моделювання такого експерименту.

    Отримані результати підтверджують актуальність управління ефективністю водогазового впливу на юрських колекторах Західного Сибіру. Методика дозволяє оцінити ступінь впливу параметрів на збільшення видобутку нафти при моделюванні водогазового впливу для конкретного родовища на повній гідродинамічної моделі.

    Мал. 5. Вероятностное розподіл вхідних параметрів і результату

    Приемистость Частка метану Модель ОФП Дніп л до

    ку / кь

    зміст газу

    -20 -15 -10 -5 0 5 10 15

    Відхилення від найбільш імовірною накопиченої видобутку нафти. % Мал. 6. Вплив параметрів на накопичену видобуток нафти

    20

    СПИСОК ЛІТЕРАТУРИ

    1. Городников М.А., Кошовкін І.М., Чікішев А.Ю., Фомін А.І. Основні технології оптимізації розробки родовищ нафти і газу ВАТ «Томскнефть» // Нафтове господарство. - 2007. - № 11. - С. 32-37.

    2. Stalkup F.I. Miscible Displacement. - N.Y .: SPE Monograph Series, 1984. - 164 p.

    3. Степанова Г.С. Газові та водогазового методи впливу на нафтові пласти. - М .: газо прес, 2006. - 200 с.

    4. McGuire P.L., Foakes A., Spence A.P. Field Evaluation of Different Recovery Processes in Zone 4 of Prudhoe Bay Field // SPE paper 75152, presented at the SPE Improved Oil Recovery Symposium. -April 13-17, 2002. - Tulsa, Oklahoma, 2002. - 19 p.

    5. Льовочкін В.В., Іванов Є.О., Закіров С.Н., Ідрупскій І.М. Секторне моделювання стосовно юрської поклади Новорічного родовища // Нафтове господарство. - 2006. -№ 12. - С. 48-51.

    6. Ваньков А.А., Нургалієв В.Г., Червін Ю.А., Зацепін В.В. Досвід промислової реалізації технології водогазового

    впливу із закачуванням водогазовой суміші в пласт // нафтопромислове справу. - 2007. - № 3. - С. 10-13.

    7. Латипов А.Р., Зацепін В.В. Геолого-фізичні критерії ефективного застосування технологій газового і водогазового впливу // Науково-технічний вісник ВАТ «НК Роснефть». - 2006. - № 5. - С. 23-29.

    8. White C.D., Royer S.A. Experimental Design as Framework for Reservoir Studies // SPE paper 79676, presented at the SPE Reservoir Simulation Symposium. - February 3-5. - 2003. - Houston, Texas, 2003. - 14 p.

    9. Мандрик І.Е., Шахвердіев А.Х., Сулейманов І.В. Оцінка і прогноз нафтовіддачі на основі моделювання нейронними мережами // Нафтове господарство. - 2005. - № 10. - С. 36-39.

    10. Yeten B., Castellini A., Guyaguler B., Chen W.H. A Comparison Study on Experimental Design and Response Surface Methodologies // SPE paper 93347, presented at the SPE Reservoir Simulation Symposium. -January 31-February 3. - 2005. - Houston, Texas, 2005. - 15 p.

    Надійшла 12.01.2010 р.


    Ключові слова: нафтової пласт / водогазового вплив / секторная модель пласта / нейронні сіті

    Завантажити оригінал статті:

    Завантажити