МОНИТОРИНГ И РЕГУЛИРОВАНИЕ ПРОЦЕССА ИЗВЛЕЧЕНИЯ НЕФТИ

Скачать презентацию МОНИТОРИНГ И РЕГУЛИРОВАНИЕ ПРОЦЕССА ИЗВЛЕЧЕНИЯ НЕФТИ Скачать презентацию МОНИТОРИНГ И РЕГУЛИРОВАНИЕ ПРОЦЕССА ИЗВЛЕЧЕНИЯ НЕФТИ

Мониторинг и РПИН_2.ppt

  • Количество слайдов: 53

> МОНИТОРИНГ И РЕГУЛИРОВАНИЕ ПРОЦЕССА ИЗВЛЕЧЕНИЯ НЕФТИ      ЧАСТЬ 2 МОНИТОРИНГ И РЕГУЛИРОВАНИЕ ПРОЦЕССА ИЗВЛЕЧЕНИЯ НЕФТИ ЧАСТЬ 2 МЕТОДЫ МОДЕЛИРОВАНИЯ ТЕХНОЛОГИЧЕСКИХ ПОКАЗАТЕЛЕЙ ОБЪЕКТОВ РАЗРАБОТКИ И ОЦЕНКИ ЭФФЕКТИВНОСТИ ГТМ Сергеев Виктор Леонидович, профессор кафедры ГРНМ, д. т. н.

>       1  МЕТОДЫ МОДЕЛИРОВАНИЯ ТЕХНОЛОГИЧЕСКИХ ПОКАЗАТЕЛЕЙ 1 МЕТОДЫ МОДЕЛИРОВАНИЯ ТЕХНОЛОГИЧЕСКИХ ПОКАЗАТЕЛЕЙ ОБЪЕКТОВ РАЗРАБОТКИ И ОЦЕНКИ ЭФФЕКТИВНОСТИ ГТМ 1. Классические (базовые) математические модели технологических показателей объектов разработки (ТПР). Классификация моделей. 2. Интегрированные системы моделей (ИСМ) ТПР с учетом дополнительной априорной информации, накопленного опыта и знаний (экспертные оценки извлекаемых запасов, добычи флюидов, фильтрационно - емкостных и динамических свойств пластов, показателей энергетического состояния объектов разработки и т. д. ). 2. 1. ИСМ добычи нефти на основе кривых падения. 2. 2. ИСМ добычи нефти на основе характеристик вытеснения. 2. 3. ИСМ на основе законов фильтрации флюидов. 2. 4. ИСМ взаимодействия скважин. 2. 5. ИСМ для интерпретации результатов гидродинамических исследований скважин. 3. Методы оценки эффективности ГТМ с использованием ИСМ ТПР. 3. 1. Оценки эффективности ГТМ на основе характеристик вытеснения и падения. 3. 2. Оценки эффективности ГТМ на основе ИСМ ТПР.

>       2 1. Классические(базовые) математические модели ТПР 2 1. Классические(базовые) математические модели ТПР Модель объекта разработки Объект разработки Рис. 3. 1 (1. 1) - управляемые и неуправляемые входные переменные ТПР ; - выходные переменные ТПР; - случайные возмущения; - условно постоянные параметры геологической компоненты объекта разработки; - результаты наблюдений (замеров, расчетов и т. п. ); - модель ТПР; - вектор параметров модели.

>       3  Классификация моделей технологических показателей 3 Классификация моделей технологических показателей объектов разработки Модели технологических показателей разработки подразделяются на: 1. Статические. 2. Динамические. 3. Линейные. 4. Нелинейные. 5. Непрерывные. 6. Дискретные. 7. Детерминированные. 8. Стохастические. 9. Параметрические. 10. Непараметрические. Обычно используются комбинированные модели ТПР, которые обладают рядом различных признаков. Например, статические модели могут быть линейными либо нелинейными, дискретными либо непрерывными, детерминированными либо стохастическими.

>      4   1. Статические модели ТПР 4 1. Статические модели ТПР 1. 1 Линейные детерминированные модели: . -векторная форма (1. 2) - матрица коэффициентов влияния ТПР 1. 2. Нелинейные детерминированные параметрические модели (функции регрессии) (1. 3) Преимущество использования нелинейных моделей объектов: 1. Нелинейность является существенным свойством большинства реальных объектов разработки месторождений нефти и газа. 2. Дополнительная информация часто позволяет выбрать достаточно точную нелинейную модель технологически параметров разработки с числом параметров значительно меньше, чем для аналогичной линейной модели.

> Примеры использования нелинейных регрессионных моделей ТПР       5 Примеры использования нелинейных регрессионных моделей ТПР 5 1. 2. 1. Модели добычи нефти на основе кривых падения: (1. 4) 1. 2. 2. Модели накопленной добычи нефти на основе характеристик вытеснения: (1. 5) - значения накопленной нефти, жидкости и воды Таблица 1 Вид уравнения регрессии Автор Сазонов Б. Ю. Камбаров Г. С. Пирвердян А. М. Гайсин Д. К. Максимов М. И.

>Примеры использования нелинейных регрессионных моделей       6  ТПР Примеры использования нелинейных регрессионных моделей 6 ТПР (продолжение 1) 1. 2. 3. Модели добычи на основе уравнений фильтрации флюидов (1. 6) - уравнение однофазной фильтрации (1. 7) жидкости Дюпюи - уравнение многофазной установившейся (1. 8) фильтрации для стационарного притока к скважине газированной жидкости при режиме растворенного газа (М. Феткович) - коэффициент продуктивности двухфазной фильтрации, - пластовое давление - забойное давление, - эффективная (работающая) толщина пласта - проницаемость, - вязкость нефти - радиус контура питания скважины, - радиус скважины.

>     2. Динамические модели ТПР     2. Динамические модели ТПР 7 2. 1. Динамические детерминированные модели ТПР на основе интегральных уравнений: (1. 9) - функция влияния ТПР (переходная функция объекта разработки) Пример модели (1. 9). Интегральное уравнение кривой восстановления забойного давления (КВД) при гидродинамических исследований скважин (ГДИС) на неустановившихся режимах фильтрации: (1. 10) - дебит жидкости после остановки скважины, - дебит жидкости до остановки скважины. Задачей идентификации ГДИС по КВД на основе модели (1. 10) является определение проницаемости и пьезопроводности нефтяного пласта (призабойной зоны скважины).

>       8   2. Динамические модели ТПР 8 2. Динамические модели ТПР (продолжение 1) 2. 2. Линейные динамические модели ТПР на основе обыкновенных дифференциальных уравнений (1. 11) - начальные состояния; и параметры структуры определяющие порядок уравнения. Переменные в общем виде функции - . Задача идентификации заключается в определении порядка уравнения, коэффициентов и начальных состояний (если они неизвестны). 2. 3. Динамические модели ТПР на основе нелинейных дифференциальных уравнений (1. 12)

>       9   2. Динамические модели ТПР 9 2. Динамические модели ТПР (продолжение 2) 2. 4. Динамические детерминированные модели ТПР , на основе дифференциальных уравнений в частных производных вида: (1. 13) - неизвестные функции (параметры технологической и геологической компонент объекта разработки) Пример модели (1. 13). Дифференциальное уравнение однофазной фильтрации плоскора-диального притока сжимаемой жидкости к скважине нефтяного пласта: (1. 14) -давление в момент времени на расстоянии от оси скважины; - пьезопроводность. Дифференциальные уравнения многофазной фильтрации флюидов позволяют определить поле пластовых давлений, направления и скорости фильтрации флюидов, оценить энергетическое состояние объекта разработки.

>       10   3. Стохастические модели ТПР 10 3. Стохастические модели ТПР 3. 1 Стохастическая статическая модель ТПР общего вида : (1. 15) 3. 2. Стохастическая дискретная статическая модель ТПР : (1. 16) 3. 3. Стохастическая дискретная динамическая модель ТПР : (1. 17) - Модель ТПР - в общем виде некоторый оператор ( алгебраические линейные либо нелинейные уравнения, интегральные либо дифференциальные уравнения в частных производных и т. п. ). - результаты наблюдений ТПР. - заданные (либо определяемые) значения параметров геологической компоненты объекта разработки. - случайные неконтролируемые факторы. - вектор неизвестных параметров.

>       11  3. Стохастические модели ТПР (продолжение). 11 3. Стохастические модели ТПР (продолжение). Примеры. 1. Моделирование процессов взаимодействия скважин. 2. 1. 1. Нелинейная модель закачки воды - влияния нагнетательных скважины на добывающие скважины: (1. 18) - дебит жидкости скважины с номером ; - приемистось нагнетательной скважины с номером . 1. 2. Линейная модель закачки воды (1. 19) - коэффициенты влияния скважин. 1. 3. Нелинейная модель добычи флюидов (1. 20)

>      12 2. Интегрированные системы моделей технологических показателей 12 2. Интегрированные системы моделей технологических показателей объектов разработки (ТПР) Интегрированная стохастическая система моделей ТПР первого уровня Объект разработки Объект - аналог Рис. 2. 2 (2. 1)

>      13 Интегрированная система моделей ТПР первого уровня для 13 Интегрированная система моделей ТПР первого уровня для объектов – аналогов Объект разработки Объект – аналог 1 Объект – аналог m ●●● Рис. 2. 3 (2. 2)

>      14 Многоуровневая (иерархическая) интегрированная система   14 Многоуровневая (иерархическая) интегрированная система моделей ТПР Объект разработки Объект аналог - 1 (2. 3) ●●● Объект аналог - m Рис. 2. 4

>  Процесс идентификации ТПР на основе метода   интегрированных моделей  Процесс идентификации ТПР на основе метода интегрированных моделей 15 Основные этапы идентификации ТПР: 1. Формирование промысловых данных, результатов исследований скважин, дополнительных априорных сведений, экспертных оценок ТПР. 2. Формирование интегрированной системы моделей (ИСМ) ТПР. Выбор модели ТПР и моделей объектов аналогов. 3. Выбор показателей и критериев качества ИСМ. 4. Адаптация(настройка) ИСМ - подгонка значений ТПР, полученных на основе модели к к их фактическим значениям (восстановление истории разработки). 5. Анализ точности и качества ИСМ. 3. Показатели качества ИСМ 1. Визуальный анализ графиков фактических и модельных значений ТПР. 2. Частные и комбинированные критерии качества. 2. 2. 1. Частный показатель качества модели объекта разработки (2. 4) - Функция расстояния ( )

>       16    Показатели качества ИСМ 16 Показатели качества ИСМ (продолжение 1) 2. Частные показатели качества моделей объектов аналогов (2. 5) 3. Комбинированный показатель качества (ПК) ИСМ (пример комбинированного ПК в форме свертки частных ПК ) (2. 6) - веса 4. Адаптация ИСМ Задачи: 1. Определение оптимальных значений параметров ИСМ. 2. Определение оптимальных значений весовых функций. 3. Определение структуры ИСМ. Методы адаптации ИСМ: 1. «Ручная» адаптация. 2. Адаптация в автоматическом режиме (решение оптимизационных задач).

>       17    Адаптация интегрированных моделей 17 Адаптация интегрированных моделей ТПР Решение оптимизационных задач: 1. Определение оптимальных значений параметров ИСМ (2. 7) - оценки параметров геологической компоненты объекта разработки; - оценки параметров ИСМ. 2. Определение оптимальных значений весовых функций (2. 8) 3. Определение структуры ИСМ (2. 9) - оптимальная структура оператора ТПР ( вид функции регрессии, интегрального уравнения, порядок дифференциального уравнения и т. д. ); - оптимальная структура операторов объектов – аналогов.

>       18   5. Анализ точности и 18 5. Анализ точности и качества ИСМ Важным показателем качества ИСМ является относительная ошибка прогноза ТПР (2. 10) - оценки параметров, полученные по обучающей выборке. Для получения (2. 10) и анализа качества ИСМ ТПР исходная выборка (2. 11) разбивается на две части ( две подвыворки) обучающую (2. 12) и контрольную (2. 13) Обучающая подвыборка используется для определения оценок Контрольная подвыбока используется для анализа точности и качества ИСМ ТПР

>  Схема процесса функционирования ИСИ ТПР      19 Исходные Схема процесса функционирования ИСИ ТПР 19 Исходные данные ТПР Дополнительные априорные данные Интегрированная система моделей ТПР Модель ТПР объекта Модели обьектов аналогов разработки Адаптация ИСМ Анализ точности и качества ИСМ Рис. 2. 5

>      20 2. 1. Интегрированные системы моделей добычи нефти 20 2. 1. Интегрированные системы моделей добычи нефти объектов разработки на основе кривых падения добычи 2. 1. 1. Интегрированная система моделей добычи нефти объекта разработки с использованием априорной информации об извлекаемых запасах (2. 14) Рис. 2. 6

> 2. 1. Интегрированные системы моделей добычи нефти объектов     2. 1. Интегрированные системы моделей добычи нефти объектов 21 разработки на основе кривых падения добычи (продолжение 1) 2. 1. 2. Интегрированная система моделей добычи нефти объекта разработки с использованием априорной информации о проектных значениях добычи нефти (2. 15) Рис. 2. 7

>       22  2. 1. Интегрированные системы моделей 22 2. 1. Интегрированные системы моделей добычи нефти объектов разработки на основе кривых падения добычи (продолжение 2) 2. 1. 3. Интегрированная система моделей добычи нефти объекта разработки с использованием априорной информации о извлекаемых запасах и проектных (экспертных) значениях добычи нефти (2. 16) -- значения добычи нефти за время разработки -экспертные оценки извлекаемых запасов нефти за время разработки ; - экспертные (проектные) значения добычи нефти; - Функция регрессии -модель добычи нефти; - вектор неизвестных параметров.

>       23 2. 1. 4. Задача прогноза добычи 23 2. 1. 4. Задача прогноза добычи нефти на основе метода интегрированных моделей и кривых «падения» c учетом априорной информации о извле- каемых запасах и проектных значениях добычи Результатом решения задачи является прогноз добычи нефти на 5 последу- ющих лет (2. 17) и оценка коэффициент извлечения нефти (2. 18) где - начало прогнозного периода (текущее время разработки - число лет); - прогнозный период (число лет); - прогноз среднего дебита скважин; - прогноз суммарного времени работы скважин; - оценки параметров моделей , ; - балансовые запасы; - длительность разработки ( число лет).

>        24 2. 1. 4. Задача прогноза 24 2. 1. 4. Задача прогноза добычи нефти на основе метода интегрированных моделей и кривых «падения» - продолжение 1 Метод решения : Сформировать и проанализировать данные: 1. 1. Суммарные значения годовой добычи нефти по объекту за лет разработки (в тоннах) (2. 19) - месячная добыча нефти по скважине с номером в году с номером 1. 2. Суммарное время работы скважин за лет разработки (сутки) (2. 20) - время работы скважины в течении месяца (в часах); 1. 3. Экспертные оценки извлекаемых запасов нефти за лет разработки (2. 21) - экспертные оценки коэффициент извлечения нефти; - балансовые запасы; 1. 4. Экспертные (проектные) значения прогнозной добычи нейти добычи нефти на последующих лет разработки (2. 22)

> 2. 1. 4. Задача прогноза добычи нефти на основе метода интегрированных  2. 1. 4. Задача прогноза добычи нефти на основе метода интегрированных 25 моделей и кривых «падения» - продолжение 2 Метод решения : 2. На основе данных (2. 19)- (2. 22 )составить интегрированную систему моделей: (2. 23) - значения годовой добычи нефти за лет разработки (история разработки); - экспертные оценки извлекаемых запасов нефти; - экспертные (проектные) значения добычи нефти; - вектор параметров модели среднего дебита скважин ; - вектор параметров модели суммарного времени работы скважин - случайные величины (ошибки модели добычи нефти) ; -ошибки определения извлекаемых запасов; - ошибки определения экспертных (проектных) значений добычи нефти.

> 2. 1. 4. Задача прогноза добычи нефти на основе метода интегрированных  26 2. 1. 4. Задача прогноза добычи нефти на основе метода интегрированных 26 моделей и кривых «падения» - продолжение 3 Метод решения. 3. Выбрать критерии качества ИСМ (например): 3. 1. Частный критерий качества модели добычи нефти объекта разработки (2. 24) 3. 2. Частный критерий качества модели извлекаемых запасов нефти (2. 25) 3. 3. Частный критерий качества модели прогнозной добычи нефти (2. 26) 3. 4. Комбинированный критерий качества (2. 27) 3. 5. Рассчитать значения частных критериев качества при начальных значениях параметров моделей (2. 28) 3. 6. Выбрать значения весов (2. 29)

> 2. 1. 4. Задача прогноза добычи нефти на основе метода интегрированных  2. 1. 4. Задача прогноза добычи нефти на основе метода интегрированных 27 моделей и кривых «падения» - продолжение 4 Метод решения: 4. Адаптация ИСМ. Задача адаптации заключается в определении таких значений параметров ИСМ добычи нефти (2. 30) при которых комбинированный критерий качества принимает минимальное значение (2. 31) где - частные критерии качества (2. 24) -(2. 26); веса (2. 29). Два этапа решения задачи адаптации ИСМ: 1. Определяются начальные значения параметров при которых на воспроизводятся данные о среднем дебите скважин и суммарном времени их работы. (2. 32) (2. 33) 2. Путем решение задачи (2. 30) параметры уточняются.

>       28 Восстановленные по модели фактические значения среднего 28 Восстановленные по модели фактические значения среднего дебита нефти и времени работы скважин за 10 лет разработки месторождения Рис 2. 8 Рис 2. 9 На рисунках приведены адаптированные к истории разработки модели дебита и времени работы скважин.

>2. 1. 4. Задача прогноза добычи нефти на основе метода интегрированных   2. 1. 4. Задача прогноза добычи нефти на основе метода интегрированных 29 моделей и кривых «падения» (пример решения практического задания № 1 - продолжение 5) 5. Анализ точности и качества ИСМ добычи нефти: 1. Определение относительных ошибок прогноза добычи нефти (2. 34) 2. Определение относительных ошибок извлекаемых запасов (2. 35) 3. Определение относительных ошибок коэффициента извлечения нефти (2. 36)

>       30 2. 2. Интегрированные системы моделей добычи 30 2. 2. Интегрированные системы моделей добычи нефти объектов разработки на основе характеристик вытеснения 2. 2. 1. Интегрированная система моделей регрессионного типа с использованием характеристик вытеснения (2. 37) - накопленные к текущему моменту разработки значения добычи нефти, жидкости и воды; - дополнительные априорные сведения; - Функция регрессии модели объекта разработки(характеристика вытеснения); - модель объекта –аналога регрессионного типа (характеристика вытеснения) - вектор неизвестных параметров.

>2. 2. Интегрированные системы моделей добычи нефти объектов разработки   31 на основе 2. 2. Интегрированные системы моделей добычи нефти объектов разработки 31 на основе характеристик вытеснения (продолжение 1) Примеры ИСМ добычи нефти с использованием характеристик вытеснения. 1. ИСМ добычи нефти с использованием характеристики вытеснения Сазонова Б. Ю. (2. 38) 2. ИСМ модели добычи нефти с использованием характеристики вытеснения Камборова С. Г. (2. 39) - дополнительная априорная информация о параметрах характеристики вытеснения; - дополнительная априорная информация о извлекаемых запасах; -накопленная добыча жидкости за время разработки .

>       32 2. 2. Интегрированные системы моделей добычи 32 2. 2. Интегрированные системы моделей добычи нефти объектов разработки на основе характеристик вытеснения (продолжение 2) 2. 2. 2. Прогноз накопленной добычи нефти на период времени на основе ИСМ характеристик вытеснения (2 -37)- (2 -39) осуществляется по формуле: (2. 40) , - заданные (либо прогнозные) значения накопленной жидкости либо воды. Решение задачи (2. 40)состоит из следующих этапов: 1. Формирование накопленной добычи нефти, жидкости (либо воды) (2. 41) 2. Формирование обучающей и контрольной подвыборок , (2. 42) 3. Составление интегрированной системы моделей добычи нефти вида (2. 37) - (2. 39). 4. Адаптация ИСМ к истории разработки и дополнительным априорным данным. 5. Расчет накопленной добычи нефти в прогнозном периоде с использованием контрольной выборки. 6. Вычисление относительной ошибки прогноза добычи нефти (2. 40). В случае если не достигается заданная точность прогноза осуществляется переход к пункту 3 с использованием другой характеристики вытеснения.

>      32(1) 2. 2. 1. Линейные интегрированные системы моделей 32(1) 2. 2. 1. Линейные интегрированные системы моделей добычи нефти на основе характеристик вытеснения (практическое занятие № 2 ) Многие характеристики вытеснения можно представить в виде линейного уравнения регрессии (2. 2. 1) При , их (2. 2. 1) следует характеристика вытеснения Сазонова Б. Ю. Пример 1. Решение задачи прогноза добычи нефти на основе ИСМ добычи нефти с использованием дополнительной априорной информации о параметрах линейной характеристики вытеснения: (2. 2. 2) где

>      32(2) 2. 2. 1. Линейные интегрированные системы моделей 32(2) 2. 2. 1. Линейные интегрированные системы моделей добычи нефти на основе характеристик вытеснения (практическое занятие № 2–продолжение 1) Прогноз добычи нефти на период с использованием адаптированной ИСМ (2. 2. 2) осуществляется по формуле: (2. 2. 3) где , (2. 2. 4) (2. 2. 5) - адаптированное по контрольной подвыборке оптимальное значение управляющего параметра

>      32(3) 2. 2. 1. Линейные интегрированные системы моделей 32(3) 2. 2. 1. Линейные интегрированные системы моделей добычи нефти на основе характеристик вытеснения (практическое занятие № 2–продолжение 2) Пример 2. Решение задачи прогноза добычи нефти на основе ИСМ с использованием дополнительной априорной информации о прогнозных значениях накопленной добычи нефти, жидкости (либо воды): (2. 2. 6) - прогнозные значения накопленной добычи нефти либо некоторой функции от накопленной добычи нефти ; - прогнозные значения накопленной добычи жидкости (воды) либо функции от накопленной добычи жидкости; Оптимальные оценки параметров интегрированной системы моделей (2. 2. 6) (2. 2. 7)

>      32(4) 2. 2. 1. Линейные интегрированные системы моделей 32(4) 2. 2. 1. Линейные интегрированные системы моделей добычи нефти на основе характеристик вытеснения (практическое занятие № 2–продолжение 3) Задача (2. 2. 7) имеет аналитическое решение (2. 2. 8) Прогноз добычи нефти на период с использованием адаптированной ИСМ (2. 2. 6) осуществляется по формуле (2. 2. 3). Оптимальное значение управляющего параметра находим путем решение задачи (2. 2. 5) с использованием оценок (2. 2. 8).

>      (32. 5) 2. 2. 1. Линейные интегрированные системы (32. 5) 2. 2. 1. Линейные интегрированные системы моделей добычи нефти на основе характеристик вытеснения (практическое занятие № 2–продолжение 4) Пример 3. Решение задачи прогноза добычи нефти на основе ИСМ с использованием дополнительной априорной информации о прогнозных значениях накопленной добычи нефти, жидкости (либо воды) и дополнительной априорной информации о параметрах линейной характеристики вытеснения (2. 2. 9) Оптимальные оценки параметров интегрированной системы моделей (2. 2. 10)

>      (32. 6) 2. 2. 1. Линейные интегрированные системы (32. 6) 2. 2. 1. Линейные интегрированные системы моделей добычи нефти на основе характеристик вытеснения (практическое занятие № 2–продолжение 5) Задача (2. 2. 10) имеет аналитическое решение (2. 2. 11) (2. 2. 12) Прогноз добычи нефти на период с использованием адаптированной ИСМ (2. 2. 9) осуществляется по формуле (2. 2. 3). Оптимальные значения управляющих параметра находим путем решение задачи (2. 2. 13)

>      32(7) Пример 1. Прогноза добычи нефти на основе 32(7) Пример 1. Прогноза добычи нефти на основе ИСМ (2. 2. 2) с использованием дополнительной априорной информации о параметрах характеристики вытеснения Сазонова (адаптированной на начальном базовом участке длительностью три месяца) : Рис. 2. 2. 1

>  2. 3. Интегрированные системы модели добычи на основе    2. 3. Интегрированные системы модели добычи на основе 33 законов фильтрации флюидов 2. 3. 1. Интегрированная система моделей добычи флюидов на основе уравнений фильтрации и дополнительных априорных сведений имеет вид: (2. 44) - добыча флюидов в скважине с номером за период времени ; - модель дебита скважины с номером ; - время работы скважины с номером за период времени ; - дополнительные априорные данные по скважине с номером ; - фильтрационные параметры пласта и призабойной зоны скважины; - параметры модели дебита скважины; - модель объекта –аналога с номером ; - пластовое и забойное давления.

> 2. 3. Интегрированные системы модели добычи на основе     2. 3. Интегрированные системы модели добычи на основе 34 законов фильтрации флюидов ( продолжение 1 ) Пример 1. Интегрированная система моделей жидкости на основе уравнения фильтрации Дюпюи: (2. 45) Оптимальные , согласованные значения проницаемости нефтяного пласта и пластовых давлений (2. 46)

>       35  2. 3. Интегрированные системы модели 35 2. 3. Интегрированные системы модели добычи на основе законов фильтрации флюидов ( продолжение 2 ) Пример 2. Интегрированная система моделей добычи жидкости на основе уравнения фильтрации Дюпюи и характеристик вытеснения: (2. 47) - накопленная к текущему моменту разработки добыча нефти по скважине с номером ; - адаптированная к истории разработки характеристика вытеснения для скважины с номером ; - накопленная к текущему моменту разработки добыча нефти по всем скважинам объекта разработки.

>      36 2. 4. Интегрированная система моделей взаимодействия скважин 36 2. 4. Интегрированная система моделей взаимодействия скважин Интегрирована система моделей взаимодействия скважин с учетом дополнительной априорной информации имеет две формы представления: 1. ИСМ взаимодействия скважин по дебитам (приемистости) 2. ИМС взаимодействия скважин по забойным давлениям - дебит и забойное давление реагирующей скважины; - дебит (приемистость) возмущающей скважины; - время запаздывания влияния возмущающей скважины.

>2. 4. Интегрированная система моделей взаимодействия скважин       37 2. 4. Интегрированная система моделей взаимодействия скважин 37 (продолжение 1) Пример 1. Интегрированная система моделей взаимодействия двух скважин добывающей и нагнетательной с использованием характеристик вытеснения и дополнительной информации о накопленной добычи нефти: (2. 50) - регрессионная модель взаимодействия скважин; - модель характеристики вытеснения.

> 2. 4. Интегрированная система моделей взаимодействия скважин      2. 4. Интегрированная система моделей взаимодействия скважин 38 (продолжение 2) Пример 2. Интегрированная система моделей взаимодействия группы добывающих скважин и нагнетательной скважины с учетом дополнительной информации о накопленной добычи нефти: (2. 51) Параметры характеризуют меру линейной связи между добывающими скважинами и нагнетательной скважины. За счет использования дополнительной априорной информации о накопленной добычи нефти ИСМ (2. 51) позволяет получить устойчивые оценки параметров взаимодействия скважин: (2. 52)

>       39 2. 5. Интегрированные системы моделей для 39 2. 5. Интегрированные системы моделей для гидродинамических исследований скважин (ГДИС) Интегрированные системы моделей нашли широкое применение при идентификации ГДИС. Задачей идентификации ГДИС является построение оптимальной, в смысле заданных критериев качества, математической модели пластовой системы и оценки неизвестных фильтрационных параметров пласта и энергетическое состояние залежи по результатам измерений забойного давления и дебитов скважин. Классические методы идентификации ГДИС: 1. Метод касательных. 2. Метод наилучшего совмещения. 3. Метод детерминированных моментов. Классические методы решения задач идентификации ГДИС на установивших- ся и неустановившихся режимах часто приводят к неустойчивым оценкам фильтрационных параметров и низкой точности решений.

>  2. 5. Интегрированные системы моделей гидродинамических     40 2. 5. Интегрированные системы моделей гидродинамических 40 исследований скважин (ГДИС) (продолжение 1) Современный этап развития методов идентификации ГДИС основан на интеграции разнородной информации, использовании дополнительных априорных данных, экспертных оценок, накопленного опыта и знаний. Интегрированные модели и системы идентификации ГДИС с учетом априорной информации позволяют: 1. Интегрировать и согласовывать неоднородные данные ГДИС, результаты гидродинамического и статистического моделирования, промысловые данные истории разработки, с различными сведениями, полученными в результате обобщения опыта разработки нефтяных месторождений; 2. Повысить качество методов прогноза добычи, оценки остаточных извлекаемых запасов, фильтрационных свойств нефтяных пластов, продуктивности скважин; 3. Значительно сократить простои скважин при проведении ГДИС. Интегрированная система моделей ГДИС: (2. 53) - измеренные значения забойного давления в моменты времени -значения забойного давления полученные на основе модели - фильтрационные параметры пласта

>  2. 5. Интегрированные системы моделей гидродинамических   41   исследований 2. 5. Интегрированные системы моделей гидродинамических 41 исследований скважин (ГДИС) (продолжение 2) Задача идентификации ГДИС заключается в получении оптимальных, в смысле заданных критериев качества, фильтрационных параметров пласта и оптимальной модели пластовой системы путем решения оптимизационных задач: 1. Задача параметрической оптимизации (2. 54) 2. Задача структурной оптимизации (2. 55) При нулевых значениях весовых функций оценки фильтрационных параметров (2. 54) совпадают с классическими оценками метода наилучшего совмещения (2. 56)

>  2. 5. Интегрированные системы моделей гидродинамических    42  2. 5. Интегрированные системы моделей гидродинамических 42 исследований скважин (ГДИС) (продолжение 3) Пример 1. Идентификация КВД с учетом априорной информации о пластовом давлении. (2. 60) - экспертные оценки пластового давления Рис. 2. 10

> 2. 5. Интегрированные системы моделей гидродинамических     43  исследований 2. 5. Интегрированные системы моделей гидродинамических 43 исследований скважин (ГДИС) (продолжение 4) Пример 2. Идентификация КВД с учетом априорной информации о пластовом давлении , фильтрационных параметров пласта, накопленной жидкости после остановки скважины на основе ИСМ вида: (2. 62) - экспертные оценки фильтрационных параметров пласта; - оценки накопленной добычи жидкости после остановки скважины.

>  2. 5. Интегрированные системы моделей гидродинамических   44   исследований 2. 5. Интегрированные системы моделей гидродинамических 44 исследований скважин (ГДИС) (продолжение 5) Результаты исследования точность оценок пластового давления (2. 54) на основе метода статистического моделирования (2. 63) График зависимости относительных ошибок оценок пластового давления (2. 63) от длительности проведения исследований 1 - метод наилучшего совмещения 2 - метод интегрирован- 1 ных моделей 2 Рис. 2. 11

> 2. 5. Интегрированные системы моделей гидродинамических   45    2. 5. Интегрированные системы моделей гидродинамических 45 исследований скважин (ГДИС) (продолжение 6) Результаты исследования точность оценок проницаемости пласта (2. 54) на основе метода статистического моделирования (2. 64) График зависимости относительных ошибок оценок проницаемости пласта (2. 63) от длительности проведения исследований 1 - метод наилучшего совмещения 2 - метод интегрирован- ных моделей 1 2 Рис. 2. 12