Digital graphic monitoring of energy condition of oil reservoirs

Толық мәтін

Введение

Динамическое пластовое давление является важнейшим критерием, характеризующим энергетическое состояние залежей углеводородов в процессе их разработки. Контроль за величиной пластового давления является неотъемлемой составляющей системы мониторинга разработки месторождений.

При мониторинге энергетического состояния залежей принято изучать распределение динамического пластового давления по их площади, и с этой целью строят карту изобар. Использование карты изобар для целей нефтяной геологии отражено в нормативном документе [РД-153-39.0-110-01], в соответствии с которым построение карты изобар рекомендуется осуществлять с периодичностью один раз в квартал. Исходными данными для построения карты являются фактические определения пластового давления по гидродинамическим исследованиям (ГДИ) скважин методом восстановления давления. Проведение указанных исследований с периодичностью один раз в полгода также регламентировано в нормативном документе [РД-153-39.0-110-01]. Восстановление давления, особенно в низкопродуктивных скважинах, продолжается в течение длительного периода времени (до двух–трех месяцев) и сопровождается проблемами технико-экономического характера (недоборы нефти, затруднения в пуске скважин после остановки и т. д). Как следствие, фактическая периодичность и продолжительность исследований не соответствует нормам и требованиям системы мониторинга процессов разработки месторождений, а охват фонда определениями пластового давления редко является стопроцентным. В результате при построении карт изобар используют разновременные определения пластового давления не по всему фонду скважин, что ставит под сомнение достоверность мониторинга энергетического состояния залежей на основе карт изобар, построенных по данным исследований скважин.

Следствием обозначенной выше проблематики является значительное количество работ, посвященных определению пластового давления без остановки скважин на исследование. Например, в работе [1] предложен способ оценки пластового давления при разведочном бурении, позволяющий выявить зоны аномально высокого пластового давления при наличии сейсмических данных о глубинах залегания ловушек. Указанный способ оценки базируется на методиках с использованием d- и σ-экспонент, учитывающих механическую скорость бурения, скорость вращения ротора, нагрузку на долото и его диаметр, литологическую константу и степень уплотнения пород, плотность бурового раствора и горных пород. Очевидно, основным недостатком способа является возможность его практического применения только на этапе строительства скважины. Также на этапе строительства скважины пластовое давление определяют в рамках опробования коллектора [2]. В статье [3] авторы предлагают осуществлять прогнозирование пластового давления с применением модифицированной модели Аташбари по данным каротажа на кабеле. Этот метод основан на использовании зависимости пористости и сжимаемости горных пород от пластового давления. Метод определения пластового давления по данным вывода скважин на режим после ремонта предложен в работе [4]. Сущность метода заключается в использовании карт вывода скважин на режим. Метод применим только для скважин, которые были подвержены глушению при текущем или капитальном ремонте и оборудованных установками электроцентробежных насосов. Новый метод расчета пластового давления для одной скважины с использованием устьевого давления, апробированный и активно применяющийся на нефтяных месторождениях Китая, описан в работе [5]. Алгоритм косвенного определения пластового давления в условиях трехфазного притока воды, нефти и выделившегося растворенного газа с использованием методов Data Mining, системного и статистического дескриптивного анализа предложен в работе [6]. Метод определения пластового давления, основанный на сочетании обобщенной формулировки материального баланса и теории псевдостационарного состояния, предложен в работе [7]. Возможности метода продемонстрированы авторами на примере пяти вертикальных и горизонтальных скважин, во всех случаях получена удовлетворительная сходимость расчетных и фактических значений пластового давления. Однако недостатком метода следует считать его применимость только в условиях стационарных дебитов или забойных давлений. Схожий метод, основанный на материальном балансе, предлагается в работе [8]. Недостатком метода является возможность его применения для скважин с радиальным режимом течения. Способ определения пластового давления в глубинно-насосных нефтяных скважинах без их остановки представлен в работе [9]. Суть метода сводится к тому, что в затрубное пространство подливается или закачивается агрегатом жидкость и ее уровень поднимается выше статического положения, по данным падения уровня строится соответствующая кривая и характеристика насоса. Далее проводится касательная к характеристике насоса; точка касания является глубиной статического уровня, который впоследствии пересчитывается в пластовое давление. Данный метод усовершенствован в работе [10], его особенностью является сокращение продолжительности исследований. Метод, который можно использовать для определения среднего пластового давления как функции времени истощения, предложен в работе [11]. Данный метод основан на совместном использовании уравнения псевдостационарного состояния с его интегральной функцией. В результате возможно построение графика, при обработке которого определяется разница между средним пластовым давлением и забойным давлением. В свою очередь, при известном значении забойного давления определение пластового не сопровождается затруднениями [12–15].

Принципиально можно выделить два ключевых направления – математическая обработка и анализ истории добычи, а также методы искусственного интеллекта и машинного обучения. Метод анализа добычи основан на исследованиях Арпс, Феткович, Бласингейм и сводится, по сути, к обратной задаче подземной гидромеханики. В мировой практике получил широкое распространение метод анализа добычи, реализованный в модуле Topaze (программное обеспечение Kappa Workstation). При интерпретации истории добычи по скважинам в указанном программном комплексе получают информацию о фильтрационных свойствах коллектора и пластовом давлении. Анализируя возможности метода для решения задачи воспроизведения пластового давления, следует отметить его высокую трудозатратность, требование к высокой квалификации специалиста и проблематику импортозамещения [16–18].

Решение задачи воспроизведения пластового давления без остановки скважин на исследование c применением методов машинного обучения описано в работах [19–25]. Авторские алгоритмы реализованы в виде модульного сервиса Data Stream Analytics (DSA), их особенностью являются высокая скорость вычислительных операций и минимальный набор требуемых исходных данных.

Представляет интерес сравнительный анализ достоверности графического мониторинга энергетического состояния залежей нефти при использовании в качестве исходных данных фактических определений пластовых давлений, а также результатов, полученных в программных продуктах Topaze (анализ добычи) и DSA (машинное обучение), чему посвящена настоящая работа.

Исходные данные

В качестве объекта исследования выбраны две турнейско-фаменские карбонатные залежи нефти Гагаринского и Шершневского месторождений.

Выбранные месторождения расположены в Пермском крае и приурочены к тектонической зоне Соликамской депрессии. Обе залежи характеризуются условной круговой формой и равномерной разбуренностью, что позволит лучше визуализировать картопостроение. Добывающий фонд месторождений оснащен глубинными измерительными приборами, гидродинамические исследования характеризуются максимальными для региона охватом и периодичностью.

Результаты

Определение величин пластового давления в модульном сервисе DSA, как отмечено ранее, основано на применении методов машинного обучения. Несомненными преимуществами реализованного метода являются высокая скорость вычислительных операций и минимальный набор исходных данных. Реализованный функционал позволяет выполнять ретроспективную (на весь период эксплуатации) и перспективную (на полгода) оценку величины пластового давления по каждой скважине с временным интервалом в один месяц. Результаты вычислений визуализируются в виде графиков (рис. 1), на которые также нанесены фактические величины пластового давления, определенные по ГДИ. Также результаты вычислений сводятся в таблицу, которая впоследствии используется в качестве исходных данных при графическом мониторинге разработки с построением карты изобар.

 

Рис. 1. Результаты определения пластового давления методами машинного обучения в DSA на примере скв. 66 Шершневского месторождения

Fig. 1. Results of determining reservoir pressure using machine learning methods in DSA on the example of well 66 of the Shershnevskoe field

 

Анализируя представленный на рис. 1 пример, можно отметить, что данный метод позволил с высокой достоверностью воспроизвести пластовое давление даже в периоды его скачкообразного поведения, характерного для сложнопостроенных карбонатных коллекторов.

Модуль Topaze программного комплекса Kappa Workstation нацелен на обработку истории добычи индивидуально по каждой из скважин, при этом определяются фильтрационные параметры пласта и пластовое давление. С учетом трудоемкости процесса интерпретации данных в модуле Topaze (примерно 3–4 часа на скважину) воспроизведение пластового давления по всему фонду скважин среднего месторождения осуществляется в течение довольно длительного периода времени. Диалоговое окно модуля Topaze при обработке истории добычи по скважине проиллюстрировано на рис. 2.

 

Рис. 2. Обработка данных по истории добычи в модуле Topaze на примере скв. 66 Шершневского месторождения

Fig. 2. Data processing on production history in the Topaze module using the example of well 66 of the Shershnevskoe field

 

Два рассмотренных выше косвенных метода определения пластового давления реализованы применительно ко всем скважинам добывающего фонда рассматриваемых месторождений. Даты анализа обоснованы исходя из принципа максимальной освещенности фонда гидродинамических исследований скважин с фактическими определениями пластового давления (01.01.2009 для Шершневского месторождения и 01.01.2016 г. для Гагаринского месторождения).

Данные по фактическим определениям пластового давления (для Шершневского месторождения) по ГДИ на дату, максимально приближенную к дате анализа, представлены в таблице.

 

Таблица. Данные о фактических определениях пластового давления для Шершневского месторождения

Table. Data on actual formation pressure determinations for the Shershnevskoe field

№ скв. Well no.	Дата ГДИ Date of well tests	№ скв. Well no.	Дата ГДИ Date of well tests
66	29.11.2008	410	16.12.2008
70	13.12.2008	411	08.07.2008
79	02.04.2008	412	02.05.2008
80	17.03.2008	413	18.11.2008
401	09.07.2008	414	24.01.2008
402	30.10.2008	416	02.09.2008
403	29.11.2008	417	06.12.2008
404	22.07.2008	419	30.04.2008
406	30.04.2008	420	31.10.2008
407	04.12.2008	422	22.06.2008
409	25.03.2008	423	04.03.2008

 

Как следует из представленных в таблице данных, фактические значения пластовых давлений определены по всем действующим скважинам фонда, однако период проведения ГДИ варьируется в пределах календарного 2008 г.

По результатам реализации косвенных методов определения пластового давления и их фактическим значениям построена карта изобар (рис. 3). Сервис автоматизированного построения карт изобар, как и других карт мониторинга разработки залежей (текущих отборов, накопленных отборов и др.) реализован в DSA (QR-код на сайт программы представлен на рис. 3), при этом дополнительно привлекаются координаты скважин и контуров нефтеносности, сведенные предприятием-недропользователем в единый файл.

 

Рис. 3. Карты изобар, построенные для Шершневского месторождения по данным реализации косвенных методов определения пластового давления и ГДИ

Fig. 3. Isobar maps built for the Shershnevskoe field based on the data from the implementation of indirect methods for determining reservoir pressure and well tests

 

Как следует из сравнительного анализа карт, представленных на рис. 4, они в целом одинаково характеризуют текущее энергетическое состояние объекта, то есть косвенные методы определения пластового давления демонстрируют те же результаты, что и материалы ГДИ. Данный вывод, применительно к Шершневскому месторождению, подтверждается также при сопоставлении рассчитанных и фактических пластовых давлений, определенных по ГДИ (рис. 4). Анализ представленного корреляционного поля позволяет сделать вывод о сходимости рассчитанных и фактических пластовых давлений, что, в свою очередь, свидетельствует о высокой прогностической способности обоих рассматриваемых косвенных методов применительно к условиям Шершневского месторождения.

 

Рис. 4. Сопоставление рассчитанных и фактических пластовых давлений для условий Шершневского месторождения

Fig. 4. Comparison of calculated and actual reservoir pressures for the conditions of the Shershnevskoe field

 

Очевидно, причиной высокой сходимости оценок энергетического состояния залежи Шершневского месторождения по данным всех методов является стопроцентный охват фонда гидродинамическими исследованиями, выполненными в течение одного календарного года. При этом следует учесть, что для проведения ГДИ каждая из скважин была остановлена, некоторые – на довольно продолжительный период времени, для восстановления давления. Остановки скважин сопровождаются недоборами и вероятными технико-технологическими проблемами с пуском после продолжительных ГДИ. Косвенные методы позволили получить такие же данные, но при этом они не требуют остановки скважин на исследование.

Аналогичные исследования выполнены также применительно к Гагаринскому месторождению. Карты изобар, построенные по фактическим (ГДИ) и косвенным (Topaze, DSA) определениям пластового давления, приведены на рис. 5. Карты также построены в специальном модуле автоматизированного сервиса DSA.

 

Рис. 5. Карты изобар, построенные для Гагаринского месторождения по данным реализации косвенных методов определения пластового давления и ГДИ

Fig. 5. Isobar maps built for the Gagarinskoe field based on the data from the implementation of indirect methods for determining reservoir pressure and well tests

 

Сравнительный анализ карт изобар Гагаринского месторождения демонстрирует их некоторые различия. Так, в северо-восточной и юго-западной зонах залежи карта изобар, построенная по фактическим ГДИ, не обозначает участки с пониженными пластовыми давлениями, что характерно для карт, построенных по косвенным методам. При этом следует отметить, что гидродинамические исследования скважин, расположенных в этих зонах, проведены со значительным отставанием от даты анализа. В целом фактические определения выполнены в период с 2014 по 2016 гг., что, очевидно, ставит под сомнение достоверность мониторинга энергетического состояния залежи на основе традиционного подхода к построению карт изобар. Возможность одномоментного воспроизведения пластового давления, характерная для рассматриваемых косвенных методов, демонстрирует свои очевидные преимущества в условиях объекта с нерегулярным проведением ГДИ.

Корреляционные поля, приведенные на рис. 6, сопоставляющие фактические и рассчитанные пластовые давления, свидетельствуют о невысокой сходимости пластовых давлений, по значениям которых построены карты изобар. При этом детальный анализ, выполненный по каждой скважине индивидуально (рис. 7), показывает высокую сходимость дискретных определений пластовых давлений. Таким образом, низкую тесноту анализируемых корреляционных связей следует объяснить разновременностью определения сопоставляемых давлений.

 

Рис. 6. Сопоставление рассчитанных и фактических пластовых давлений для условий Гагаринского месторождения

Fig. 6. Comparison of calculated and actual reservoir pressures for the conditions of the Gagarinskoe field

 

Рис. 7. Результаты определения пластового давления методами машинного обучения в DSA на примере скв. 407 Гагаринского месторождения

Fig. 7. Results of determining reservoir pressure using machine learning methods in DSA on the example of well 407 of the Gagarinskoe field

 

Заключение

Настоящая статья посвящена сравнительному анализу косвенных и непосредственного метода определения пластового давления с целью построения карт изобар для мониторинга энергетического состояния залежи. Непосредственным методом определения пластового давления являются гидродинамические исследования скважин при неустановившихся режимах. Среди многообразия косвенных методов принят метод, основанный на анализе исторических данных по добыче, реализованный в модуле Topaze (программное обеспечение Kappa Workstation), а также метод, основанный на применении машинного обучения, реализованный в модульном сервисе Data Stream Analytics (DSA), который, в свою очередь, также позволяет в автоматизированном режиме осуществлять построение любых карт мониторинга разработки, в том числе изобар. Сравнительный анализ методов выполнен применительно к двум турнейско-фаменском карбонатным объектам разработки месторождений Пермского края (Шершневского и Гагаринского). Дата анализа выбрана для каждого месторождения индивидуально исходя из максимальной освещенности фонда гидродинамическими исследованиями с фактическими определениями пластового давления.

Определения пластового давления методами машинного обучения в сервисе DSA выполнены для каждого месторождения в автоматизированном режиме, суммарная продолжительность вычислительных операций не превысила пяти минут, по истечение которых получена ретро- и перспективная оценка пластового давления по каждой из скважин месторождения. Трудоемкость аналогичных вычислений в Topaze несоизмеримо больше, так же как и требования к компетентности специалистов.

В ходе выполненных исследований получен вывод о том, что при стопроцентном охвате фонда гидродинамическими исследованиями, выполненными в течение непродолжительного периода времени, все три метода продемонстрировали схожие оценки текущего энергетического состояния залежи. Однако данное условие выполняется далеко не всегда. Так, на примере Гагаринского месторождения установлено, что разновременность фактических определений пластового давления приводит к искажению картины энергетического состояния залежи. То есть в случае отсутствия условно единовременного определения фактических пластовых давлений мониторинг энергетического состояния залежей целесообразно осуществлять с использованием достоверных косвенных методов (например, машинного обучения), реализованных в модульном сервисе Data Stream Analytics (DSA).

Авторлар туралы

Lev Zakharov

LLC "LUKOIL-Engineering"

Хат алмасуға жауапты Автор.
Email: lzakharov-ng@mail.ru
ORCID iD: 0000-0002-8680-3474

Head of the Department for the Development of Information Technology Support Projects

Ресей, Perm

Inna Ponomareva

Perm National Research Polytechnic University

Email: permpolitech@gmail.com
ORCID iD: 0000-0003-0546-2506

Dr. Sc., Professor

Ресей, 614990, Perm, Komsomolskiy avenue, 29

Dmitriy Martyushev

Perm National Research Polytechnic University

Email: martyushevd@inbox.ru
ORCID iD: 0000-0002-5745-4375

Cand. Sc., Associate Professor

Ресей, 614990, Perm, Komsomolskiy avenue, 29

Әдебиет тізімі

Қосымша файлдар