Проактивный блочный анализ разработки месторождений

14.11.2016
Источник: Журнал «PROнефть»

Основная стратегическая задача, которая в настоящее время стоит перед нефтяными компаниями — повышение эффективности бизнеса в условиях истощения запасов в традиционных регионах добычи. В связи с этим недостаточно только реагировать на уже произошедшее событие, повлекшее снижение добычи нефти. Необходимо внедрение проактивного подхода, обеспечивающего переход от диагностики причин потерь добычи нефти к анализу и управлению добычей.

Для прогноза эксплуатационных показателей можно использовать различные модели:

— статистические (кривые Арпса и Фетковича, многомерные линейные регрессии, спектральные и вейвлет методы и др.);

— феноменологические (CRM, M-ARX и др.);

— физико-математические.

Решению этой задачи в разрезе одиночного элемента разработки или участка пласта с набором скважин посвящено большое число публикаций [1–13]. В зависимости от предпосылок и исходных условий их авторы рассматривают одну модель или проводят сравнительный анализ нескольких моделей. Несмотря на детальный разбор алгоритмов и наличие в большинстве случаев достаточно подробного описания области их применения, практически во всех работах, за исключением [13], отсутствуют результаты исследований, позволяющие оценить прогнозную способность моделей на базе промысловых данных.

Основываясь на обобщении результатов исследований и собственном опыте, авторы данной работы пришли к выводу, что оптимальный выбор вида и размерности модели определяются следующими ключевыми критериями: наличием подвижных водяной и газовой фаз, осложняющих геологических факторов, чувствительностью к полноте и качеству исходных данных, возможностью автоматизации расчетов. Руководствуясь указанными критериями и структурой ресурсной базы компании «Газпром нефть» по текущим активам, в качестве приоритетной была выбрана модель дифференциального материального баланса.

В статье рассматривается базовый инструментарий блочного и факторного анализов, приводятся алгоритм и методологическое содержание проактивного подхода, на основе которого разработан инструмент повышения эффективности управления базовой добычей.

Базовый инструментарий блочного и факторного анализов

Целью блочного анализа является системное регулирование разработки месторождения комплексом геолого-технических мероприятий (ГТМ), направленное на решение следующих основных задач:

— снижение темпов падения базовой добычи нефти вследствие недостаточной компенсации отборов закачкой;

— достижение и поддержание пластового давления (ППД);

— увеличение темпов отбора остаточных извлекаемых запасов;

— достижение максимального коэффициента извлечения нефти (КИН) при минимальном накопленном водонефтяном факторе;

— сокращение непроизводительной закачки.

Для выполнения блочного анализа необходимо разделение объекта разработки на элементы заводнения — участки пласта, желательно гидродинамически замкнутые, заданные для упрощения анализа процесса заводнения. Принципиальная схема мониторинга эффективности заводнения с помощью блочного анализа приведена на рис. 1.

Количественная оценка влияния различных технологических показателей эксплуатации скважин на фактическую добычу (по скважине, ячейке заводнения или в целом по пласту), а также выявление и распределение причин недостижения плановых показателей выполняются посредством факторного анализа.

Рис. 1. Упрощенная схема использования блочного анализа

Методологическое содержание проактивного блочного анализа (ПБА)

Сделать инструмент блочного анализа проактивным позволил учет геолого-физических параметров залежи и динамики показателей разработки месторождения путем адаптации моделей материального баланса и характеристики вытеснения. В итоге после кардинальной доработки алгоритмов последовательность решения задачи выглядит следующим образом.

1. Адаптация PVT-параметров. Адаптация выполняется путем автоматического подбора относительной плотности растворенного газа (как правило, параметра, определенного с наибольшей неопределенностью), обеспечивающей выполнение двух условий: объемные коэффициенты нефти и воды, как и сжимаемость нефти и воды, по PVT-корреляции равны заданному значению (при начальных термобарических условиях). Вид PVT-корреляций выбирается исходя из начального газосодержания нефти.

2. Определение времени задержки реакции скважин (добычи жидкости) на изменение закачки. При прогнозе дебита жидкости учитывается время задержки реакции на изменение закачки, которое зависит от пьезопроводности пласта и среднего расстояния в элементе заводнения между добывающими и нагнетательными скважинами. Время задержки реакции определяется в два шага: аналитическое приближение и уточняющий корреляционный анализ суммарных по ячейке эксплуатационных показателей.

3. Адаптация модели материального баланса. В модели материального баланса пластовое давление на каждый хронологический шаг рассчитывается по уравнению материального баланса

где Np — накопленная добыча нефти, м3; Bo i, Bw — текущий объемный коэффициент соответственно нефти и воды, м33; N — балансовые запасы нефти, м3; Bo i-1 —объемный коэффициент нефти на предыдущем шаге, м33;
Δp — изменение пластового давления относительно предыдущего, МПа; ce — эффективная сжимаемость системы, МПа-1; We — приток воды из-за контура, м3; Winj, Wp — накопленная соответственно закачка и добыча воды, м3.

При этом на каждом шаге решаются уравнения фильтрации, уточняются PVT-зависимости, текущая нефтенасыщенность, объем порового пространства и набор второстепенных параметров, также зависимых от пластового давления. Поэтому сходимость достигается путем итеративного решения системы уравнений.

Для адаптации модели материального баланса применяется один из методов безусловной оптимизации вещественной функции нескольких переменных без использования градиентов целевой функции. Совмещение модельных и фактических данных достигается изменением коэффициента эффективной закачки и объема притока воды из-за контура с учетом среднего текущего пластового давления в элементе.

Функционал невязки рассчитывается по формуле

где Ql f, Ql m — соответственно фактическая и модельная добыча жидкости в ячейке, м3/мес.

Для валидации разработанных алгоритмов была выполнена серия расчетов по элементам разработки, охваченным повторяющимися гидродинамическими исследованиями скважин (ГДИС). Результаты ретроспективного анализа по одному из участков Шингинского месторождения приведены на рис. 2.

Рис. 2. Сравнение прогнозных (модельных) и фактических (по данным ГДИС) значений пластового pпл (а) и забойного pзаб (б) давления

Относительная погрешность определения пластового давления при прогнозе длительностью 11 мес не превышает 15 % в данном случае и 17 % в среднем по выборке.

4. Адаптация модели характеристики вытеснения по фактическим данным. Модельная характеристика вытеснения описывает процесс вытеснения нефти в слоисто-неоднородном пласте и является функцией коэффициента вытеснения, коэффициента вариации, соотношения подвижностей, текущей и начальной обводненности.

В процессе адаптации минимизируется функционал невязки

где Kl f, Kl m — соответственно фактический и модельный КИН.
Пример адаптации характеристики вытеснения приведен на рис. 3.

5. Ретроспективный анализ характеристики вытеснения. Этот анализ необходим для исследования характера роста обводненности: диагностики прорыва закачиваемой воды по техногенным трещинам, формирования конусов воды, технических проблем в скважинах и количественной оценки потерь добычи нефти вследствие увеличения обводненности опережающим темпом.

В ходе анализа прогнозируется добыча нефти на заданный период при фиксированных добыче жидкости и закачке. Отклонение фактических значений на характеристике вытеснения от прогнозных позволяет своевременно выявить аномальный рост обводненности и принять меры по устранению его причин.

6. Прогноз показателей разработки. Прогноз данных показателей выполняется при фиксированной (на последний месяц) закачке с учетом времени задержки реакции добычи на изменение закачки.

Прогноз добычи жидкости и пластового давления выполняется путем совместного решения уравнений материального баланса и фильтрации на стационарном режиме с учетом PVT-зависимостей.

Изменение подвижности в процессе разработки учитывается уточнением эффективной вязкости на каждом временном шаге. Прогноз обводненности и добычи нефти осуществляется по прогнозной характеристике вытеснения. Ключевым параметром, определяемым по модели вытеснения, является также величина извлекаемых запасов нефти (при 98 и 100%-ной обводненности).

Рис. 3. Модельная (1) и фактическая (2) характеристики вытеснения

Благодаря проведенным консультациям с профильными специалистами компании существенно расширен опциональный функционал: сценарное моделирование (переводы добывающих скважин под закачку), разделение потерь добычи нефти на группы скважин (с установившимся и неустановившимся режимами фильтрации), учет скважин с ГТМ и др.

7. Расчет целевой закачки и компенсации. Целевой уровень закачки и текущей компенсации определяется из условия предотвращения в ходе дальнейшей эксплуатации потерь добычи нефти вследствие снижения пластового давления.

При недокомпенсации дополнительно рассчитывается величина необходимого увеличения среднесуточной закачки по элементу. Оперируя этим значением, можно оперативно принять решение о методе воздействия: например, регулировании приемистости нагнетательных скважин.

При текущем уровне закачки, превышающем целевой, и текущем расчетном пластовом давлении, превышающем начальное, по ячейке выдается рекомендация о необходимости уменьшить приемистость нагнетательных скважин с целью предотвращения «перекачивания» участка залежи.

8. Детализированный факторный анализ. Потери добычи нефти рассчитываются по следующим факторам:

— пластовому давлению, рассчитанному по модели материального баланса;

— забойному давлению;

— коэффициенту продуктивности;

— обводненности (естественной и опережающей);

— коэффициенту эксплуатации;

— среднему действующему фонду скважин.

Потери нефти ΔQн из-за снижения добычи жидкости разделяются на потери по коэффициенту продуктивности, пластовому и забойному давлениям согласно следующим формулам:

где Kпр — коэффициент продуктивности; W — обводненность; индексы 1 и 2 соответствуют времени t1 и t2.

Потери добычи нефти по причине роста обводненности разделяются на потери по естественному обводнению и обводнению опережающим темпом, рассчитанному по результатам ретроспективного анализа.

На этапах 1, 3 и 4 предусмотрена возможность полной автоматизации последовательности операций.

Примеры рекомендаций по результатам проактивного блочного анализа

Пример диагностики потерь добычи нефти из-за снижения пластового давления приведен на рис. 4. Результаты расчетов свидетельствуют о недостаточной компенсации отборов закачкой, несмотря на значительную текущую компенсацию: 142 % при целевом уровне 158 %. Непроизводительная закачка, вероятно, обусловлена краевым расположением ячейки и погрешностями расчета коэффициентов участия в разработке, так как расчетное среднее пластовое давление в элементе согласуется с результатами ГДИС по трем добывающим скважинам.

Рис. 4. Динамика пластового давления по результатам ПБА для элемента заводнения одного из эксплуатационных объектов ООО «Газпромнефть-Хантос»

Несмотря на рост добычи жидкости и нефти в последние 8 мес вследствие проведения ГТМ по снижению забойного давления в добывающих скважинах, результаты расчетов свидетельствуют о фактическом снижении пластового давления (на 0,66 МПа за 8 мес) и сохранении негативного тренда на прогноз (на 0,32 МПа за 3 мес). По результатам ПБА даны рекомендации по увеличению закачки до целевого уровня. Пример диагностики потерь добычи нефти из-за опережающего обводнения скважинной продукции приведен на рис. 5.

Рис. 5. Характеристика вытеснения по результатам ПБА для элемента заводнения одного из эксплуатационных объектов ООО «Газпромнефть-Хантос»

По результатам ретроспективного ПБА выявлен негативный характер изменения обводненности. Оперативная диагностика и проведение мероприятий по выравниванию профилей приемистости в группе скважин позволили снизить темп роста обводненности, что дало возможность предотвратить большую часть потерь нефти.

Выводы

1. Разработанная методология прогноза динамики показателей разработки позволяет перейти от реактивного анализа к проактивному по большинству текущих активов компании.

2. Реализованные алгоритмы способствуют решению ряда важнейших задач по управлению базовой добычей: минимизировать потери добычи нефти вследствие снижения пластового давления, диагностировать рост обводненности опережающими темпами и повысить энергоэффективность путем снижения непроизводительной закачки.

3. Внедрение ПБА в тестовом режиме на объектах ООО «Газпромнефть-Хантос» в 2015 г. позволило заметно повысить эффективность и оперативность подготовки программ мероприятий по базовому фонду скважин. Основной объем рекомендаций касается мероприятия по выравниванию профилей приемистости и управлению заводнением, в том числе переводов добывающих скважин под закачку.

4. Результаты тестовой эксплуатации свидетельствуют о перспективности совершенствования разработанного инструмента повышения эффективности управления базовой добычей до уровня программного обеспечения и последующего его внедрения в промышленную эксплуатацию в блоке разведки и добычи.

Список литературы

1. 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.

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

3. Ling K., He J. Theoretical Bases of Arps Empirical Decline Curves//Society of Petroleum Engineers.
— 2012. — January 1. — DOI:10.2118/161767-MS.

4. 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//Society of Petroleum Engineers. — 1994. — January 1. — DOI:10.2118/28688-MS.

5. Izgec O., Sayarpour M., Shook G.M. Optimizing Volumetric Sweep Efficiency in Waterfloods by Integrating Streamlines, Design of Experiments, and Hydrocarbon Curves// Society of Petroleum Engineers. — 2010. — January 1. — DOI:10.2118/132609-MS.

6. 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.

7. Thiele, M.R., Batycky R.P., Fenwick D.H. Streamline Simulation for Modern Reservoir-Engineering Workflows. Society of Petroleum Engineers. — 2010. — January 1. — DOI:10.2118/118608-JPT.

8. Cao F., Luo H., Lake L.W. Development of a Fully Coupled Two-phase Flow Based Capacitance Resistance Model (CRM)//Society of Petroleum Engineers. —2014. — April 12. DOI:10.2118/169485-MS.

9. Streamlines for the Target Injection Calculation in Complex Field Conditions/ A. Gladkov, D. Kondakov, R. Gareev [et al.]//Society of Petroleum Engineers. — 2013. — October 15. — DOI:10.2118/166874-MS.

10. A Multivariate Autoregressive Model for Characterizing Producer-producer Relationships in Waterfloods from Injection/Production Rate Fluctuations/ K.-H. Lee, A. Ortega, N. Jafroodi, I. Ershaghi//Society of Petroleum Engineers. — 2010. — January 1. — DOI:10.2118/132625-MS

11. El-Khatib N.A. Waterflooding Performance in Inclined Communicating Stratified Reservoirs//Society of Petroleum Engineers. — 2010. — January 1. — DOI:10.2118/126344-MS

12. Galeev D., Dadalko R., Potapov A. Criteria and Techniques of Waterflooding Adjustment for Brownfield (Russian)//Society of Petroleum Engineers. — 2014. — October 14. — DOI:10.2118/171150-RU

13. Cao F., Luo H., Lake L.W. Development of a Fully Coupled Two-phase Flow Based Capacitance Resistance Model (CRM)//Society of Petroleum Engineers. — 2014. — April 12. — DOI:10.2118/169485-MS


Авторы статьи:  А.Н. Ситников, А.А. Пустовских, А.Ю. Шеремеев, А.С. Маргарит, А.В. Ахметов (Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)), Д.Ю. Колупаев, Д.А. Ищук, М.А. Шакиров (ООО «Газпромнефть-Хантос»)
Источник:  Журнал «PROнефть»

Возврат к списку