Разработка и внедрение инструмента для достижения потенциала добычи

А.В. Билинчук, Ф.Ф. Халиуллин (ПАО «Газпром нефть»), А.Н. Ситников, А.А. Пустовских, А.С. Маргарит, И.А. Жданов, Ц.В. Анджукаев, Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)

Источник: Журнал «Нефтяное хозяйство»

В настоящее время вопрос эффективного управления активами для нефтяной промышленности имеет наибольший приоритет. Одним из ключевых драйверов для повышения операционной эффективности является как оптимизация глобальных производственных процессов, так и рост производительности труда всех сотрудников за счет систематизации и автоматизации производственных процессов.

Несмотря на большое число теоретических работ, контроль достижения потенциала скважин в большинстве российских нефтяных компаний выполняется экспертным путем с использованием слабоинтегрированных подходов и инструментов. Кроме того, большинство процессов недостаточно автоматизировано. Это приводит к принятию неоптимальных и несвоевременных решений по управлению разработкой текущих активов, а следовательно, потере добычи, повышению обводненности, увеличению времени достижения проектного коэффициента извлечения нефти (КИН), непроизводительной закачке по техногенным трещинам.

Для повышения эффективности вышеупомянутых производственных процессов в ПАО «Газпром нефть» реализован проект, целью которого является разработка и внедрение инструмента, позволяющего эффективно выполнять контроль достижения потенциала базовой добычи.

Концепция методики

Принятая в ПАО «Газпром нефть» идеология иерархии геолого-гидродинамического моделирования предполагает, что инструменты для решения задач выбираются соразмерно их сложности и требованиям к оперативности принятия решений. Инструменты для контроля и управления добычей разделяются в соответствии с масштабом анализа на уровне: месторождения, блоков, скважин [1–3]. Разработанный подход охватывает задачи, решаемые в псевдо-двухмерной (по пространству) постановке на уровне скважин. Это позволило охватить более 80 % объектов разработки по текущим активам компании.

Методика основана на применении самосогласованных численно-аналитических моделей, непрерывно адаптирующихся к информации из корпоративных баз данных. Для контроля изменения продуктивности скважины в автоматическом режиме выполняется анализ поступающих и расчетных показателей, идентифицируется проблема, формируются рекомендации и прогнозируется эффект от применения мероприятия. В процессе построения модели каждой скважины учитывается взаимовлияние с окружающими скважинами путем расчета доли влияния каждой нагнетательной скважины (рис. 1).

Рис. 1. Учет взаимовлияния окружающих скважин: k — проницаемость; h — толщина пласта; L — расстояние между скважинами

Далее строится модель дифференциального материального баланса, взаимоувязанная с моделями фильтрации, вытеснения и PVT-корреляциями [4]. Последовательность адаптации моделей (рис. 2) реализована с помощью метода оптимизации системы с ограничениями [5].

Рис. 2. Адаптация численно-аналитической модели

Данный алгоритм позволяет с учетом допущений, заложенных в исходные модели, описывать физические процессы в пласте и скважине с достоверностью, приемлемой для принятия производственных решений. Он позволяет также выполнять расчеты в условиях высокой неопределенности входных данных и обладает широкими возможностями автоматизации при сохранении высокой скорости расчетов.

Дебит нефти при стационарном режиме фильтрации может быть рассчитан по формуле, приведенной на рис. 3 [6]. В общем случае эта формула показывает, что в сформированной системе разработки потенциал скважины: обводненность, забойное и пластовое давления, скин-фактор, определяет не так много управляемых параметров.

Контроль обводненности

Риск прорыва воды в добывающие скважины по системе техногенных трещин является одним из наиболее опасных рисков разработки с точки зрения негативных последствий: снижение добычи, темпов отбора нефти и КИН, непроизводительная закачка, увеличение затрат на подъем жидкости. Максимальная приемистость нагнетательной скважины без риска прорыва — это приемистость при оптимальной полудлине трещины. При идентификации высокого риска прорыва воды в соседнюю добывающую скважину, а также факта прорыва воды рекомендуется оптимальная полудлина трещины до 25 % минимального расстояния до соседней добывающей скважины согласно работам Ж. Хагорта и В.А. Байкова [7]. При направлении развития трещин автоГРП вдоль рядов нагнетательных скважин рекомендуется оптимальная полудлина трещины до 50 % минимального расстояния до соседней нагнетательной скважины. Полудлина трещины автоГРП в нагнетательной скважине рассчитывается с помощью численно-аналитической модели, учитывающей изменение приемистости при превышении давления гидроразрыва в процессе закачки.

Интенсивность интерференции скважин определяется по времени задержки реакции добывающей скважины на изменение режима работы соседних нагнетательных. Управление обводненностью осуществляется ограничением приемистости нагнетательных скважин для минимизации риска прорыва воды и снижения непроизводительной закачки. С целью контроля обводненности выполняется подбор скважин—кандидатов для проведения промыслово-геофизических исследований (ПГИ).

Управление пластовым давлением

Если при текущем уровне закачки в результате прогноза по модели материального баланса наблюдается снижение пластового давления, то автоматически выполняется расчет целевой приемистости скважин, позволяющий избежать потерь добычи нефти в будущем вследствие снижения пластовой энергии.

Если потенциала увеличения закачки по действующим нагнетательным скважинам недостаточно для достижения целевой компенсации отбора закачкой, то осуществляется перевод добывающих скважин в систему ППД с учетом рассчитанного по методике потенциала. Основными критериями при выборе скважин—кандидатов на перевод являются объем подвижных запасов по соседним скважинам и недокомпенсация по соседним добывающим скважинам.

Контроль пластового давления осуществляется путем подбора скважин—кандидатов для проведения гидродинамических исследований (ГДИС).

Контроль продуктивности

По мере поступления информации о показателях эксплуатации добывающих скважин месторождения рассчитываются коэффициент продуктивности и скин-фактор по каждой из них. Анализ отклонений добычи нефти выполняется «скользящим методом»: за выбранный расчетный период анализируется изменение коэффициента продуктивности, скин-фактора кольматации и других эксплуатационных показателей.

На основе результатов выполненного анализа формируется список скважин-кандидатов для восстановления продуктивности путем проведения малозатратных мероприятий: кислотной обработки, реперфорации, промывки и др.

Учет неуправляемых параметров

Остальные параметры (см. рис. 3) могут быть постоянными или меняться в процессе эксплуатации. Неучет их изменения или некорректный учет часто приводят к ошибочным выводам, что может привести к дополнительным операционным затратам и рискам. Например, при расчете скин-фактора кольматации необходимо учитывать изменение промысловых условий путем уточнения формфактора (в пределах элемента разработки) и площади дренирования скважины. Для пластов с соотношением подвижностей, не равным единице, учитывается изменение подвижности в зависимости от насыщенности.

Рис. 3. Расчет дебита при стационарном режиме фильтрации: qн— дебит нефти в пластовых условиях; Fp = 1/18,41 для российской промысловой системы единиц; B — обводненность продукции, д.ед; k — проницаемость пласта, 10-3 мкм2; μ0 — вязкость нефти, мПа.с; pпл, pзаб — соответственно пластовое и забойное давление, 10-1 МПа; А — площадь зоны дренирования, Га; СА — форм-фактор; rс — радиус скважины, м; Sзак, Sк — скин-фактор соответственно заканчивания и кольматации

В методике также приводятся алгоритмы расчета снижения продуктивности в нестационарный период эксплуатации и в результате выделения растворенного газа в призабойной зоне пласта.

Разработка и внедрение информационной системы

Рассмотренные алгоритмы являются основой системы поддержки принятия решений, представляющей собой полноценное ИТ-решение, которое введено в промышленную эксплуатацию. При разработке информационной системы была учтена организационная структура геологических подразделений компании, что нашло отражение в функциональном разделении на следующие подсистемы:

— регулирование закачки и подбор скважин-кандидатов для перевода в систему ППД;

— подбор скважин-кандидатов для:

  • восстановления продуктивности,
  • проведения ПГИ,
  • выполнения ГДИС.

Информационная система внедрена в четырех основных добывающих обществах, научно-техническом и корпоративном центрах компании. До проведения опытнопромышленной эксплуатации, длившейся 9 мес, процесс обучения прошли более 200 слушателей 30 геологических подразделений и цехов добычи.

В настоящее время производственные программы мероприятий, направленных на оптимизацию базовой добычи, в значительной степени формируются на основе результатов расчетов, выполненных в информационной системе.

Выводы

1. Автоматизация контроля достижения потенциала базовой добычи позволила обеспечить целостность данных, повысить обоснованность принимаемых решений, унифицировать и систематизировать процесс в целом.

2. В ходе опытно-промышленной эксплуатации информационной системы выполнены расчеты более, чем по 20 тыс. скважин 100 месторождений компании. По результатам работ оценен потенциальный эффект от реализации проекта — снижение потерь добычи нефти по геологическим причинам на 5–25 %, непроизводительной закачки — на 5–10 %. Автоматизация процесса позволяет перераспределить до 60 % трудозатрат с рутинных операций на детальное обоснование планируемых работ.

Список литературы

1. Rezapour A., Ortega A., Ershaghi I. ReservoirWaterflooding System Identification and Model Validation with Injection/Production Rate Fluctuations//Society of Petroleum Engineers. — 2015. — April 27. DOI:10.2118/174052-MS.

2. Decline curve analysis using type curves — analysis of oil well production data using material balance time: application to field cases/L.E. Doublet, P.K. Pande, T.J.McCollum, T.A. Blasingame//SPE 28688-MS. — 1994.

3. Grinestaff G.H. Waterflood Pattern Allocations: Quantifying the Injector to Producer Relationship with Streamline Simulation//Society of Petroleum Engineers. — 1999. — January 1. DOI:10.2118/54616-MS.

4. Ojo K.P., Tiab D., Osisanya S.O.Dynamic Material Balance Equation and Solution Technique Using Production and PVT Data//Petroleum Society of Canada. — 2006. — March 1. DOI:10.2118/06-03-03.

5. Nelder J.A.,Mead R.//Computer Journal. — 1965. — V 7.— P. 308–313.

6. Dietz D.N. Determination of Average Reservoir Pressures from Build Up Surveys//JPT — 1965. — August. — Р. 955–959.

7. Выбор оптимальной системы разработки для месторождений с низкопроницаемыми коллекторами/В.А. Байков, Р.М. Жданов, Т.И. Муллагалиева, Т.С. Усманов//Нефтегазовое дело. — 2011. — № 1. — С. 84–98.

Возврат к списку