«ЭРА:Добыча» – интегрированная платформа для повышения эффективности эксплуатации механизированного фонда скважин

А.А. Шушаков, А.В. Билинчук, к.т.н., Н.М. Павлечко, Ф.Н. Халиков (ПАО «Газпром нефть»), А.Г. Сулейманов, А.Н. Ситников, А.А. Слабецкий, Н.Ф. Тепляков, Н.П. Сарапулов (ООО «Газпромнефть НТЦ»), Д.А. Шестаков, Р.Ю. Мансафов (ООО «ИТСК»)

Источник: Журнал «Нефтяное хозяйство»

Развитие информационных систем в компании «Газпром нефть»

Развитие проектов «Электронная Разработка Активов» (ЭРА) началось в 2013 г. с информационных систем «ЭРА.Мехфонд» и «Электронная Шахматка». В настоящее время платформа ЭРА состоит из более чем 30 модулей (рис. 1). Система введена в промышленную эксплуатацию в семи дочерних обществах ПАО «Газпром нефть», используется в НТЦ и Корпоративном центре. В настоящее время насчитывается более 1800 уникальных зарегистрированных пользователей. Компанией получено 12 свидетельств о регистрации программ для ЭВМ. За время эксплуатации применение информационных модулей ЭРА позволило на 60 % снизить непроизводительное время инженерно-технического персонала, повысить качество данных, обеспечить оперативность принятия управленческих решений, увеличить наработку оборудования на отказ и получить дополнительную добычу углеводородов [1, 2].

Вызовы нового времени

В условиях низких цен на нефть вариативность параметров, влияющих на целесообразность проведения и эффективность мероприятий, при снижении качества запасов значительно возросла. Одна из важных задач заключается в поиске оптимальных режимов эксплуатации скважин с учетом возможной дифференциации и развития промысловой инфраструктуры, которые обеспечивали бы максимизацию денежного потока от эксплуатации всего месторождения.
Таким образом, вызовы нового времени требуют повышенного внимания к алгоритмам комплексной оптимизации, которые бы учитывали значимые факторы на уровне скважин и при этом были бы самообучаемыми (непрерывное автоматическое обновление и уточнение взаимозависимостей показателей при поступлении новой информации).
При рассмотрении скважин-кандидатов, кроме прибыли, очень важным элементом анализа является дифференциация затрат, т.е. для более точной оценки эффективности планируемых мероприятий необходимо учитывать: – максимально возможную депрессию на пласт, создаваемую различными комплектами оборудования, как находящимися на складе, так и представленными на рынке;
– эксплуатационные характеристики, конструктивную надежность и стоимость каждого комплекта оборудования, включая дополнительное оборудование, в том числе для ингибирования;
– информацию о виде и степени осложненности фонда скважин;
– стоимость электроэнергии и затраты на оптимизационные мероприятия, включая текущий ремонт скважин или установку мобильных компрессорных установок (МКУ) для конкретной локации;
– необходимость компенсации и затраты на подготовку и закачку дополнительно добытой воды;
– темпы снижения добычи при базовом сценарии (без оптимизации) и после оптимизации.

1.png
Рис. 1. Архитектура IT-платформы «ЭРА: Добыча»: ГТМ – геолого-технические мероприятия; ГДИ – гидродинамические исследования; ПГИ – промыслово-геофизические исследования; ОПЗ – обработка призабойной зоны; ППД – поддержание пластового давления; СРЗ – система распространения знаний; УЭЦН – установка электроцентробежного насоса; СШН – скважинный штанговый насос; СТПА – система телеметрии подъемных агрегатов; ХАЛ- химико-аналитическая лаборатория; ОКС- оперативный контроль скважин; МЭР- месячный эксплуатационный рапорт; ТКРУтехнологическая карта работы установок;  УРЭ – удельный расход электроэнергии; DEOS– база данных сервисной организации

Одной из главных трудностей автоматизации расчетов являются возрастающие объемы скважинных данных, значимых для анализа, сложность учета и формализации их в одной модели (рис. 2). В то же время все показатели определяют совокупный денежный поток как отдельной скважины, так и всего месторождения, поэтому возникает необходимость выполнения трудоемкого непрерывного анализа большого объема различных постоянно изменяющихся данных.

2.png
Рис. 2. Взаимосвязь основных драйверов, определяющих оптимальные технологические показатели эксплуатации добывающей скважины и месторождения (рзаб – забойное давление)

Очевидно, что проведение многовариантных расчетов без специализированных комплексов невозможно, поэтому в рамках проектов «Управление базовой добычей» и развитие информационных комплексов «ЭРА.Мехфонд:Кандидаты 3.0» и «Шахматка&Техрежим: Рентабельность фонда» разработан функционал по оценке текущей рентабельности скважин и порога рентабельности фонда при различных сценариях в зависимости от вида услуг по эксплуатации глубиннонасосного оборудования, объемов добычи нефти, стоимости нефти и потребления электроэнергии, а также модуль по подбору, согласованию и планированию оптимизационных мероприятий, которые нацелены на повышение рентабельности как скважин путем смены оборудования или режима, так и активов в целом. Использование новых высокотехнологичных IT-решений позволило реализовать интеграцию и online анализ на базе единой платформы всего многообразия геологических, технологических и экономических показателей (затрат, денежных потоков), показателей разработки (темпов снижения добычи, характеристик вытеснения) и других параметров на уровне каждой скважины. Это дает возможность определить оптимальный сценарий эксплуатации скважины и месторождения и оптимально управлять инфраструктурой месторождения.
Массовый расчет можно выполнять по запросу в любой момент времени, при этом текущий бизнеспроцесс предполагает запуск системы 2 раза в месяц: тестовый расчет в середине месяца для проверки наличия и качества данных; расчет после защиты и утверждения технологического режима. Пользователь получает из модуля список скважин-кандидатов с дополнительным приростом добычи нефти, ранжированный по экономическому эффекту с готовым дизайном скважинного оборудования, который рассчитан в модуле «ЭРА.Подбор УЭЦН» с учетом модельной кривой притока; PVT и газового фактора; конструкции скважины, искривления и локальных сужений ее ствола; геологических и технологических ограничений, а также других параметров.
Информационная система «Кандидаты 3.0» (рис. 3) проводит по умолчанию расчеты с подбором скважинкандидатов по нескольким сценариям:
– изменение частоты вращения насоса;
– изменение режима периодической эксплуатации;
– смена насоса, в том числе с изменением глубины спуска;
– использование МКУ для снижения забойного давления путем откачки газа из затрубного пространства.

3.png
Рис. 3. Интерфейс информационной системы «Кандидаты 3.0»

Далее пользователи согласно иерархии утвержденных бизнес-ролей анализируют, согласуют и утверждают предложенные информационной системой варианты оптимизации в установленный срок. С учетом наличия бригад текущего ремонта скважин, частотных преобразователей и МКУ скважины-кандидаты рассматриваются в планах оперативных работ, графике движения бригад («ЭРА.Ремонты») и графике добычи. В ручном режиме по запросу система позволяет провести индивидуальные расчеты с учетом ограничений или для определенного модельного ряда оборудования.
Для создания комплексной методики экономического анализа эксплуатации скважин и месторождений в существующую методологию и модель интегрированы следующие затраты (см. таблицу) и составляющие:
– прогнозные профили добычи и темпы выработки запасов при различных рзаб с учетом текущих остаточных извлекаемых запасов (ОИЗ);
– алгоритм оценки затрат на электроэнергию при различных режимах эксплуатации скважины (разных рзаб);
– алгоритм прогнозирования остаточного ресурса УЭЦН и ожидаемой наработки на отказ;
– алгоритм максимизации общего NPV за счет выбора оптимального сценария эксплуатации скважины (темпа выработки запасов и рзаб) в разные периоды времени;
– алгоритм определения оптимального срока оптимизации/смены режима эксплуатации (при очередном отказе либо на определенное число периодов/месяцев);
– алгоритм максимизации накопленного NPV по месторождению с учетом оптимального сценария развития инфраструктуры и управления режимами эксплуатации скважин.

табл1.png

Реализованные алгоритмы формируют детальные сценарии экономически оптимальных режимов эксплуатации месторождения и каждой добывающей скважины с учетом темпов выработки запасов, что обеспечивает максимизацию денежного потока за все время эксплуатации скважин до отключения вследствие выработки запасов [3–5].
В качестве экономического алгоритма расчета оптимального технологического режима эксплуатации скважин приняты действующие в компании экономические методика и модель. Основной технологических показателей являются оперативные промысловые данные и технологический режим эксплуатации скважин. Для прогноза профиля добычи используется экспоненциальная степенная зависимость дебита от времени или уравнение Арпса для каждой конкретной скважины с учетом ОИЗ. Обводненность пересчитывается исходя из динамики дебита жидкости и нефти по месяцам. Затраты на компенсацию отбора закачкой учитываются через коэффициент компенсации от добычи жидкости и удельных нормативов энергопотребления на закачку. Добыча нефтяного газа рассчитывается через газовый фактор. Теоретическая модель энергопотребления с учетом множества сопутствующих факторов, таких как гидравлические потери в НКТ, вязкость, содержание свободного газа, энергетические потери в кабеле, определяется для дизайна в модуле «ЭРА.Подбор УЭЦН».
После нахождения экстремума полученной целевой функции денежного потока оценивается оптимальное рзаб, при котором достигается максимальное значение функции. Ограничения по величине рзаб зависят от геологических особенностей, газового фактора, уровней добычи и др. В предложенной методике учет доли затрат на очередной ремонт скважины в общем случае выполняется для конкретного периода в зависимости от месяца предыдущего ремонта и средней наработки на отказ, т.е. доли стоимости ремонта, равной оставшемуся прогнозному ресурсу до очередного отказа. Оптимальный период, как правило месяц, проведения оптимизации при текущем ремонте скважин в модели определяется итерационно путем перебора периодов выполнения мероприятия (вплоть до месяца прогнозируемого очередного отказа по средней наработки на отказ) и сравнения суммарного NPV по вариантам.
Расчеты на модели показывают, что по низкообводненным скважинам прогноз итогового NPV выше при незамедлительном выполнении мероприятий по смене режима, в то время как по высокообводненным – для смены режима эффективнее дождаться очередного отказа оборудования или провести оптимизацию с увеличением рзаб.
Сформированные постоянно действующие модели расчета оптимального режима эксплуатации всех добывающих скважин при интеграции трансформируются в модель месторождения, которая позволяет определить оптимальные с точки зрения максимизации накопленного NPV сценарии расширения/оптимизации инфраструктуры с учетом ее текущей и перспективной загрузок в совокупности с возможностью регулирования режимов работы фонда скважин, например, дефорсирования отборов из высокообводненных скважин.
В настоящее время рассмотренная методология и прототипы моделей проходят опытно-промышленную эксплуатацию в ПАО «Газпром нефть». При этом все более очевидным становится необходимость создания на базе вычислительных комплексов подобных IT-платформ, которые способны в режиме реального времени определять оптимальные сценарии эксплуатации скважин и месторождений, оценивать оптимальные периоды изменения режима эксплуатации, расчетные сроки выхода скважины из эксплуатации и др. [6, 7].

Выводы

1. Предложенный комплексный подход учитывает динамику ОИЗ нефти, изменение прогноза наработки скважины на отказ, потребления электроэнергии при эксплуатации скважины и др.
2. Методики прогнозирования геологических, технических и экономических показателей эксплуатации скважины и месторождения в целом в любой момент времени могут быть адаптированы к фактическим данным с добавлением в систему с учетом ввода новых скважин и показателей геолого-технических мероприятий для прогноза NPV по активу.
3. Внедренные модули «Кандидаты 3.0» и «Анализ рентабельности» позволяют выполнять предиктивный анализ всех влияющих факторов, начиная от конкретной скважины.
4. Промышленная реализация проекта позволит в режиме реального времени выполнять мониторинг динамики основных показателей работы месторождений и эксплуатации скважин.
5. По результатам предварительных расчетов на примере одного из месторождений компании внедрение предлагаемого подхода может увеличить совокупный годовой NPV активов на 5–10 % и более.

Список литературы

1. Перспективные технологии Big Data в нефтяном инжиниринге: опыт компании «Газпром нефть» / М.М. Хасанов, Д.О. Прокофьев, PhD, О.С. Ушмаев, Б.В. Белозеров (и др.) // Нефтяное хозяйство. – 2016. – № 12. – С. 76–79
2. Подход к управлению механизированной добычей в рамках развития системы «Электронная Разработка Активов» / С.А. Доктор, Д.М. Королев, Н.П. [и др.] // Нефтяное хозяйство. – 2013. – № 12. – С. 70 –72.
3. Jacobs T. Automated Drilling Technologies Showing Promise // JPT. — 2015. – V. 67. – № 6 (June).
4. Rawi Zaid. Machinery Predictive Analytics // SPE 128559. – 2010.
5. Stone P. Introducing Predictive Analytics: Opportunities // SPE 106865. – 2007.
6. Макаров А.В.Экономические вопросы проектирования и разработки нефтяных месторождений. – М.: Недра, 2009. – 195 с.
7. Стоимостной инжиниринг в ПАО «Газпром нефть»: текущая ситуация и перспективы развития / М.М. Хасанов, Ю.В. Максимов, О.О. Скударь (и др.) // Нефтяное хозяйство. – 2015. – № 12. – С. 30–33.

References

1. Khasanov M.M., Prokof'ev D.O., Ushmaev O.S., Belozerov B.V. et al., Promising Big Data technologies in petroleum engineering: the experience of the Gazprom Neft PJSC (In Russ.), Neftyanoe khozyaystvo = Oil Industry, 2016, no. 12, pp. 76–79
2. Doktor S.A., Korolev D.M. et al., Organising artificial lifting management: example of Electronic Fields Development project (In Russ.), Neftyanoe khozyaystvo = Oil Industry, 2013, no. 12, pp. 70–72.
3. Jacobs T., Automated drilling technologies showing promise, JPT, 2015, V. 67, no. 6 (June).
4. Rawi Zaid, Machinery predictive analytics, SPE 128559, 2010.
5. Stone P., Introducing predictive analytics: Opportunities, SPE 106865, 2007.
6. Makarov A.V., Ekonomicheskie voprosy proektirovaniya i razrabotki neftyanykh mestorozhdeniy (Economic issues of design and development of oil fields), St. Peterburg: Nedra Publ., 2010, 196 p.
7. Khasanov M.M., Maksimov Yu.V., Skudar' O.O. et al., Cost engineering in Gazprom Neft PJSC: current situation and future development (In Russ.), Neftyanoe khozyaystvo = Oil Industry, 2015, no. 12, pp. 30–33.

Возврат к списку