ПК Атлас

ФХМУН

ФХМУН формируется на основании функциональных зависимостей между добывающими и нагнетательными скважинами, которые установлены нейронной сетью.

Схема интеграции технологии нейросетевой оптимизации и ФХМУН состоит из нескольких этапов:

1) Решение оптимизационной задачи, в которой определяются оптимальные режимы нагнетательных скважин;

2) Анализ режимов закачки, посредством которого отбираются те скважины, где по результатам решения необходимо сократить закачку;

3) Подбор скважин для ФХМУН, в котором происходит ранжирование скважин по степени влияния. Все скважины делятся на две группы: скважины, которые характеризуются хорошим коэффициентом реакции (больше 33 %) и скважины, у которых данный коэффициент менее 33%. По первой группе скважин мы считаем возможным применение как физико-химических методов для сокращения закачки, так и штуцирование для достижения оптимального объема закачки, при условии, если физико-химические методы не позволили полностью его достичь. Если же мы имеем дело со второй группой скважин, которые характеризуются низкой степенью влияния (меньше 33%), то в ней мы не считаем целесообразным применение ФХМУН. Основным методом достижения оптимального режима является штуцирование;

4) Формирование программы работ для дальнейшей реализации на основе полученных данных.

Тестовые расчеты проводились на участке одного из месторождений Западной Сибири. Участок характеризуется большим фондом добывающих и нагнетательных скважин. По результатам решения оптимизационной задачи требуется сокращение закачки воды в 17 из 40 действующих скважин. В качестве основного параметра используем только те технологии, которые характеризуются достаточно высокой выборкой (ГОС и ЭСС). Исходя из данных технологий, мы разбиваем каждую в зависимости от величины объема реагента на эффективную перфорированную толщину. Соответственно, чем больше закачивается реагента, тем больший объем сокращения закачки воды на метр. Мы рассчитываем технико-экономическую эффективность исходя из построения статистических зависимостей прироста доли нефти, которая наблюдалась ранее. Исходя из вышеизложенного, у нас появляется возможность расчета NPV по каждой технологии, и мы выбираем именно ту, которая характеризуется наибольшим значением ЧДД.

Зная эффект по каждой добывающей скважине, мы можем рассчитать ту долю эффекта, которая достигается не только за счет нейросетевой оптимизации, но и также можем рассчитать тот дополнительный прирост по нефти, который достигается за счет синергии эффекта.

Касаемо распределения этого эффекта можем отметить, что 64 % прироста по добывающим скважинам достигается за счет нейросетевой оптимизации и 36 % мы получаем за счет применения физико-химических методов.

В итоге, мы выработали формализованный подход по выбору технологии физико-химического воздействия в нагнетательных скважинах. Данный подход учитывает требуемое изменение приемистости, которое мы получили по результату решения оптимизационной задачи, а также эффективность работ, полученных по историческим данным. Соответственно, преимуществом применения этой технологии является то, что мы точно знаем какой объем закачки нам необходимо использовать для достижения целей. Итогом работ является синергия эффектов от применения этих 2-х технологий.
Made on
Tilda