Специалисты института «ТатНИПИнефть» (входит в «Татнефть») предложили оценивать пластовое давление с использованием алгоритмов машинного обучения. Это позволяет оперативно получать достоверные оценки без проведения трудоемких промысловых замеров. Об этом пишут «Нефтяные вести» (Самира ЯШИНА).
Оценка пластового давления — одна из ключевых задач при разработке нефтяных месторождений, особенно на поздних стадиях. От этого параметра напрямую зависят режимы работы скважин, эффективность системы заводнения и обоснованность инженерных решений.
Пластовое давление традиционно определяется на основе гидродинамических исследований скважин. Такие работы требуют остановки добычи, сопровождаются потерями нефти и не всегда могут быть выполнены в нужные сроки. На зрелых месторождениях, где фонд скважин эксплуатируется десятилетиями, получение стабильных и репрезентативных данных становится все более сложной задачей.
Поэтому специалисты института совместно с Высшей школой нефти (Альметьевск) разработали методику предсказания пластового давления на основе алгоритмов машинного обучения. В качестве объекта исследований были выбраны бобриковские отложения Ромашкинского месторождения в Татарстане. Это один из наиболее изученных и в то же время сложных с точки зрения поздней стадии разработки объектов.
Для построения модели использовали массив промысловых данных почти за 24 года эксплуатации. В анализ вошли параметры работы скважин, характеризующие как режим добычи, так и условия эксплуатации.
«Наша задача заключалась в том, чтобы научиться извлекать максимум информации из уже имеющихся данных эксплуатации, без необходимости дополнительных остановок скважин», — поясняет ведущий инженер отдела гидродинамического моделирования терригенного девона «ТатНИПИнефти» Альмир ГАЙСИН.
Сначала специалисты провели анализ зависимости пластового давления от различных геолого-технологических параметров. Исследование показало, что наибольшую корреляцию с ним имеют забойное давление, глубина спуска насоса и обводненность продукции. Эти и многие другие показатели легли в основу обучения модели.
Ученые протестировали различные алгоритмы машинного обучения. Лучшие результаты продемонстрировал CatBoost. После оптимизации модель показала высокую степень совпадения предсказанных и фактических значений пластового давления.
«Важно было добиться результата, который можно применять в реальной инженерной практике, — подчеркивает главный специалист отдела Наврузбек ИСРОИЛОВ. — Полученные оценки пластового давления позволяют использовать их в гидродинамических моделях и при принятии оперативных решений по разработке месторождений».
В дальнейшем планируется расширять набор входных параметров и развивать комплексные модели, сочетающие несколько методов машинного обучения.
Источник: https://iadevon.ru/news/oilservice/ii_pomozhet_operativno_otsenit_plastovoe_davlenie-18685/
