Создание прокси-интегрированной модели Восточного участка Оренбургского месторождения в условиях недостаточного объема исходных данных

Е.В. Юдин, к.ф.-м.н., Р.А. Хабибуллин, к.т.н., И.М. Галяутдинов, к.э.н., Н.А. Смирнов, В.М. Бабин, Г.А. Чигарев
ООО «Газпромнефть НТЦ», РГУ нефти и газа (НИУ) имени И.М. Губкина, ПАО «Газпром нефть», Санкт-Петербургский политехнический университет Петра Великого
Yudin.EV@gazpromneft-ntc.ru, Khabibullin.RA@gazpromneft-ntc.ru, Smirnov.NAndr@gazpromneft-ntc.ru

Журнал «Нефтяное хозяйство»

Оренбургское нефтегазоконденсатное месторождение (ОНГКМ) является крупнейшим по запасам нефти и газа в карбонатных коллекторах в Оренбургской области, основная добыча нефти осуществляется из нефтяной оторочки на территории Восточного участка (ВУ) (объект Р1арт), разрабатываемого с 1994 г. Пластколлектор характеризуется низкой проницаемостью. Основной способ эксплуатации добывающих скважин – фонтанный с последующим переходом на газлифт [1]. Система сбора продукции является сложной и разветвленной, что ограничивает дискретность ее модели до уровня замерной установки (ЗУ) (участки от скважин до ЗУ не рассчитываются) при применении классического подхода. Газлифтный способ эксплуатации обусловливает низкую частоту замеров забойных давлений: в газлифтных скважинах замер проводится манометром, спускаемым геофизической службой. Другим осложняющим фактором является неустойчивость расходов закачки газлифтного газа из-за влияния пульсационного режима работы скважины на перепад давления на рабочем клапане. Кроме того, давления в автоматическом режиме замеряются только в трех точках: на устьевой обвязке скважины (УОС), ЗУ и приеме установки подготовки нефти (УПН). Таким образом, наличие перечисленных осложняющих факторов вызывает необходимость применения отличающегося от классических подхода к созданию интегрированной модели.

Концепция прокси-интегрированной модели 

Прокси-интегрированная модель состоит из следующих элементов (рис. 1).
1. Модель нефтесборной сети – система линейных алгебраических уравнений, описывающая зависимость между линейными давлениями скважин и объемом газожидкостной смеси (ГЖС), поступающей из скважин в нефтесборную сеть.
2. Модели скважин – зависимости забойного давления от линейного давления и расхода закачки газлифтного газа в сочетании с коэффициентом продуктивности. Настройка IPR- и VLP-кривых проводится автоматизировано на данные фактических замеров скважин.

45.PNG

3. Модель пласта – пластовые давления, темпы падения дебита жидкости, нефти и динамика газового фактора. Данные получаются в результате расчетов с применением геолого-гидродинамической модели.
4. Математический модуль – решает задачу оптимизации расхода газлифтного газа. Прокси-интегрированная модель позволяет определять, как ввод новых скважин или изменения дебитов одних скважин в зависимости от расходов закачки газлифтного газа, линейных давлений, коэффициентов продуктивности, расширения депрессионной воронки, снижения пластового давления, подтягивания газа из газовой шапки повлияют на дебиты остальных скважин.

Модель скважины 

Настройка IPR для скважины. В качестве модели области дренирования используется корреляция Вогеля, модифицированная для учета наличия свободного газа в пласте, что обусловлено высокими газовыми факторами, вызванными прорывами газа из газовой шапки, [2]

ф7.PNG

где q – дебит жидкости, м3/сут; qmax = (PI⋅pb/1,8)x – максимальный дебит жидкости, м3/сут; x = 0,2(pr /pb) + + 0,8(pr /pb)2; PI – коэффициент продуктивности скважины при pwf → pr , м3/сут; pwf – забойное давление, 0,1 МПа; pr – пластовое давление, 0,1 МПа; pb – приведенное давление насыщения скважины (давление, при котором свободный газ в области дренирования скважины полностью растворяется в нефти);
Настройка IPR осуществляется на данные фактических режимов изменением пластового давления и коэффициента продуктивности для минимизации функции ошибки между замеренными и расчетными значениями дебитов жидкости. Алгоритм фильтрации исходных данных для модели области дренирования выглядит следующим образом.
1. Забойное давление и дебиты считаются синхронизированными, если относительное отклонение всех давлений с УОС во время данных замеров составляет менее 5 %.
2. Значения расходов газлифтного газа вычисляются по данным о давлениях активного газа и затрубного с использованием модели штуцера, настроенной по данным расхода, полученным в момент выставления режимных значений.
3. Для оценки стабильности режима течения отклонение устьевого давления и расхода газлифтного газа от средних значений не должно быть более 5 % в течение месяца.
Настройка VLP для скважины. Для определения наиболее подходящей для условий ВУ ОНГКМ гидравлической корреляции был проведен анализ сходимости фактических замеров давления с расчетными кривыми распределения давления (КРД) по ряду методик (табл. 1). Из табл. 1 видно, что методика Gray [4] имеет наименьшую погрешность в определении забойного давления. Расход закачиваемого газа через клапан Qag рассчитывается по перепаду давлений и диаметру клапана по модели Торнхилла – Крейвера [3]. Авторами статьи модели скважин адаптировались на фактические КРД путем изменения:
1) газового фактора скважины (высокая неопределенность замеров);
2) диаметра газлифтного клапана (эрозионный и коррозионный износ, выпадение гидратов и парафинов);
3) коэффициентов потерь давления на гравитацию и трение.

46.PNG

Создание и настройка модели инфраструктуры 

Модель инфраструктуры, применяемая в прокси-интегрированной модели, основана на принципе установившихся потоков, позволяющем избежать многочисленных итераций, которые сопровождают классические схемы расчета гидравлических сетей. Между линейным давлением скважин конкретного кластера (эквипотенциальной точки, физическим аналогом которой может служить куст скважин или ЗУ) и давлением на приеме УПН (точкой стока) ставится взаимно однозначное соответствие путем настройки коэффициента гидропроводности кластера на рабочую точку. В этом заключается адаптация представленной модели инфраструктуры. Зависимость между линейным давлением и дебитом скважины задается с помощью моделей скважин. В рамках единой нефтесборной сети уравнение перетока между кластером и УПН может быть представлено следующим образом:

ф8.PNG

дебит ГЖС кластера при среднем линейном давлении скважин в кластере; λi – коэффициент гидропроводности кластера, м3/(сут⋅Па); Qliq ij, Qg ij – соответственно дебиты жидкости и газа для скважины j кластера i (вычисляется с помощью моделей скважин), приведенные к стандартным условиям, м3/сут; рlin i – среднее линейное давление скважин в кластере i (кластер считается точкой равного потенциала), Па; p _ – давление на УПН (в точке стока), Па; Bliq, Bg – соответственно объемные коэффициенты жидкости и газа для условий линии, м3/м3. Фактически Qliq ij и Qg ij, рассчитываемые через PIij, pwf ij (Qag, рlin) и GORij, являются моделью скважины. Среднее давление на УПН определяется по формуле

ф9.PNG

среднее линейное давление скважин данной технологической линии; f – коэффициент гидравлического сопротивления коллектора, (Па⋅сут)/м3, находится по данным промысловых замеров дебитов жидкости и газа и линейных давлений скважин данной технологической линии и давления на приеме УПН, представляется в виде аппроксимационного полинома. Таким образом, для данного коллектора можно записать систему уравнений

ф10.PNG

Настройка модели на исторические данные осуществляется по следующему алгоритму.
1. По известным линейным давлениям plin i, дебитам жидкости Qliq ij, газа Qg ij, расходам газлифтного газа Qag ij и давлениям на приеме технологической линии (УПН) р _ находится f = (Qliq i, Qg i).
2. По известным р _ , plin i, Qliq ij, Qg i и Qag ij определяются коэффициенты гидропроводности кластера λi . При вычислениях изменений добычи в результате проведения геолого-технических мероприятий, организационно-технических мероприятий или ввода новых скважин алгоритм после настройки модели выглядит следующим образом.
1. Внесение изменений в систему:
а) ввод новых скважин в кустах – появление новых Qliq ij, Qg ij и Qag ij.
б) ввод в эксплуатацию новых кустов – появление новых уравнений в системе (4);
в) изменение расхода газлифтного газа – изменение Qag ij ⇒ pwf ij ⇒ Qliq ij, Qg ij;
г) расширение трубопроводной сети – изменение λi ;
д) проведение гидроразрыва пласта, солянокислотной обработки, зарезки боковых стволов – изменение PIij ⇒ Qliq ij, Qg ij.
2. Расчет давления на приеме технологической линии р _ .
3. Расчет новых давлений в кустах скважин plin i.
4. Расчет Qliq ij и Qg ij при новых plin i. 

Решение задачи оптимизации 

Модуль решения задачи оптимизации в настоящее время предназначен для определения распределения газлифтного газа между скважинами, соответствующего максимальной суммарной суточной добыче месторождения при заданном ограничении его суммарного расхода [5].
Авторами разработан упрощенный метод.

1. Для группы скважин устанавливаются начальные значения расхода газлифтного газа, минимально необходимого для обеспечения их эксплуатации,
Qag i : 0 < Qo j(Qag j) < δ (δ → 0). 

2. Для каждой скважины данной группы вычисляется производная дебита нефти по расходу газлифтного газа

ф11.PNG

3. Расход газлифтной скважины, производная дебита по расходу газлифтного газа которой в текущей точке максимальна, увеличивается на некоторое, стремящееся к нулю значение:

ф12.PNG

4. Проводится проверка на превышение текущим суммарным расходом максимально допустимого значения ∑Q Q≤ . j ag j ag total 

Если максимум расхода не достигнут, то п. 2 и 3 повторяются. Для более строгого решения задачи оптимизации необходимо рассматривать функции добычи по всему месторождению от расхода газлифтного газа каждой скважины. Для этого тестировались: метод Лагранжа для решения задачи условной оптимизации со случайным выбором начальных приближений; метод Simplicial Homology Global Optimisation (SHGO) [6]. Применимость данных алгоритмов тестировалась в первую очередь для безусловной задачи (ограничение на расходы газлифтного газа отсутствует), поскольку ее эталонное решение известно из анализа кривых газлифта. Абсолютная величина прироста для безусловной задачи равнялась 9,75 %. Лучший результат для решения задачи безусловной оптимизации методом Лагранжа составил 7 %. Результаты применения метода SHGO для различных условий проведения тестовых расчетов представлены в табл. 2. Полученная сходимость с эталонным решением свидетельствует о необходимости приоритизации данного метода для дальнейших исследований.

47.PNG

Верификация прокси-интегрированной модели Представленная модель была протестирована на реальных данных эксплуатации скважин ВУ ОНГКМ в 2019 г. с января по апрель включительно. Настройка ее проводилась на данные эксплуатации в январе. Полученные результаты свидетельствуют об удовлетворительной интегральной и поскважинной сходимости с фактическими значениями замеренных дебита и забойных давлений (рис. 2, 3). Прокси-интегрированная модель позволяет решать следующие основные задачи. 1. Расчет профиля накопленной добычи при заданных геолого-технических и организационно-технических мероприятиях в скважинах с учетом их взаимовлияния через перераспределения давлений в нефтесборном коллекторе при его постоянных параметрах (рис. 4, «База», «Ввод новых скважин» и «Потенциал»).

48.PNG

49.PNG

2. Аналогичный расчет при изменении параметров нефтесборного коллектора (расширение трубопроводной сети), если заданы изменения линейных давлений в результате изменения параметров нефтесборного коллектора (см. рис. 4, «Лупинг»). 3. Оптимизация расхода газлифтного газа – определение его расхода в скважинах, соответствующего максимальному суммарному дебиту нефти при заданном ограничении суммарных расходов газлифтного газа. 4. Факторный анализ влияния инфраструктуры на дебит – расчет дебита базового фонда, который компенсируется за счет влияния инфраструктуры, и дебита новых скважин, который уменьшается из-за влияния инфраструктуры. Возможна дискретизация по ЗУ или по скважинам (рис. 5).

50.PNG

51.PNG

52.PNG

5. Анализ эффективности бурения скважин и подключения их к конкретным ЗУ (рис. 6) – ранжирование ЗУ по эффективности бурения скважин, дебиту средней скважины данной ЗУ и интенсивности ввода новых скважин за год. Коэффициент эффективности бурения представляет собой отношение прироста добычи от бурения новой скважины в районе данной ЗУ к сумме данного прироста и снижению добычи в целом по технологической линии, обусловленному влиянием инфраструктуры. Чем больше данный коэффициент, тем больший относительный прирост добычи обеспечивают бурение и подключение новой скважины к данной ЗУ. Чем больше средний дебит единичной скважины, тем больше будет прирост добычи, выраженный в абсолютном значении. 

Следовательно, наиболее эффективные для бурения скважины для данных ЗУ расположены в правой верхней области (рис. 6). По информации об интенсивности ввода новых скважин на данных ЗУ можно сделать вывод об эффективности производственной программы бурения. Таким образом, с использованием прокси-интегрированной модели можно анализировать и оптимизировать производственную программу бурения.

Получаемая в результате интеграции данных решений модель обладает следующими преимуществами:
1) быстрые создание и настройка интегрированной модели;
2) устойчивость к низкой частоте замеров исходных данных;
3) удовлетворительная сходимость расчетных значений с фактическими. Доработка данного инструмента возможна по следующим направлениям.
1. Разработка решения для создания и автоматизированной адаптации VLP-таблиц (индикаторных диаграмм) для скважин, оборудованных установками электроцентробежных насосов (УЭЦН).
2. Совершенствование методической части для учета последовательности в подключении ЗУ к нефтесборному коллектору и снижения давления между штуцером выкидной линии и ЗУ.
3. Разработка модуля для групповой оптимизации электроэнергии, потребляемой УЭЦН.
4. Строгое решение задачи оптимизации. Решение данных задач в сочетании с высокой скоростью создания и настройки и низкой трудоемкостью процесса построения интегрированной модели по представленной методике позволит обеспечить массовое тиражирование прокси-интегрированной модели и оптимизировать эксплуатацию скважины с ее помощью практически без ограничений.

Список литературы 

1. Галяутдинов И.М., Череповицын А.Е. Комплексный подход к подбору скважин-кандидатов для проведения ГТМ (на примере Восточного участка Оренбургского НГКМ) // Нефть. Газ. Новации. – 2017 – № 7. – С. 23–33.
2. Самосогласованный подход к определению индикаторной диаграммы нефтяной скважины / М.М. Хасанов, Р.А. Хабибуллин, Т.Р. Мусабиров, В.А. Краснов // SPE 160782-RU. – 2012.
3. Хабибуллин Р.А., Бурцев Я.А. Новый подход к расчету режима работы газлифтной скважины для оптимизации работы // SPE-176668-RU. – 2015.
4. Brill J.P., Mukherjee H. Multiphase Flow in Wells / SPE. – 1999.
5. Оптимизация работы скважин, эксплуатируемых газлифтным механизированным способом в условиях шельфа / А.А. Лубнин, Е.В. Юдин, Р.Ф. Фазлытдинов [и др.] // SPE-181903-RU. – 2016.
6. Endres S. Simplicial Homology Global Optimisation. A Lipshitz global optimization algorithm. – September. – 2019. – https://stefan-endres.github.io/shgo/ files/shgo_slides.pdf 

References 

1. Galyautdinov I.M., Cherepovitsyn A.E., An integrated approach to the selection of candidate wells for geological and engineering operations (using the example of the eastern section of the Orenburg oil and gas condensate field) (In Russ.), Neft'. Gaz. Novatsii, 2017, no. 7, pp. 23–33.
2. Khasanov M.M., Khabibullin R.A., Musabirov T.R., Krasnov V.A., Self consistent approach to construct inflow performance relationship for oil well (In Russ.), SPE-160782-RU, 2012.
3. Khabibullin R.A., Burtsev Ya.A., New approach for gas lift optimization calculations (In Russ.), SPE-176668-RU, 2015.
4. Brill J.P., Mukherjee H., Multiphase flow in wells, SPE Monograph, Henry L. Dogherty Series, Vol.17, 1999, 164 p.
5. Lubnin A.A., Yudin E.V., Fazlytdinov R.F. et al., A new approach of gas lift wells production optimization on offshore fields (In Russ.), SPE-181903-RU, 2016.
6. Endres S., Simplicial Homology global optimisation. A Lipshitz global optimization algorithm, 2019, URL: https://stefan-endres.github.io/shgo/files/shgo_slides.pdf

Возврат к списку