Научно-технический журнал

«Автоматизация и информатизация ТЭК»

ISSN 2782-604X

Автоматизация и информатизация ТЭК
Комплексное моделирование процессов нефтедобычи: аналитический обзор

УДК: 681.5:622.276
DOI: 10.33285/2782-604X-2023-2(595)-51-62

Авторы:

БОЛСУНОВСКАЯ МАРИНА ВЛАДИМИРОВНА1,
ГИНЦЯК АЛЕКСЕЙ МИХАЙЛОВИЧ1,
ФЕДЯЕВСКАЯ ДАРЬЯ ЭДУАРДОВНА1,
ПЕТРЯЕВА АЛЕКСАНДРА АНДРЕЕВНА1,
БУРЛУЦКАЯ ЖАННА ВЛАДИСЛАВОВНА1
1 Санкт-Петербургский Политехнический университет имени Петра Великого, Санкт-Петербург, Россия

Ключевые слова: имитационное моделирование, моделирование процессов нефтедобычи, прогнозные модели нефтедобычи, многоуровневая модель нефтедобычи

Аннотация:

Мировому научному сообществу известно множество математических моделей нефтедобычи, решающих задачи прогнозирования дебита нефти, а также отладки работы конструкций, технологического учета и прогнозирования балансовой прибыли. Однако наличие большого числа применяемых практик является проблемой для исследователей в связи с отсутствием общепринятой классификации используемых моделей. Соответственно, целью данной работы является обзор существующих практик моделирования процессов нефтедобычи с учетом применимости отдельных видов инструментов для разных уровней моделирования. В ходе исследования была проведена классификация моделей по следующим признакам: уровень моделирования, тип модели, инструменты моделирования, многоуровневость решения (возможность принятия управленческих решений на разных уровнях моделирования), наличие апробации на реальном месторождении, задачи моделирования. Наиболее перспективным подходом с точки зрения точности и длительности прогноза является имитационное моделирование, учитывающее пластовую структуру и геологические показатели. Статистические модели и модели машинного обучения показывают среднюю точность прогноза, что обусловлено ограниченными возможностями по учету характеристик процесса нефтедобычи. Выполненный анализ является аналитической базой для дальнейших исследований и разработок в области моделирования процессов нефтедобычи.

Список литературы:

1. Hybrid Simulation as a Key Tool for Socio-economic Systems Modeling / A.M. Gintciak, M.V. Bolsunovskaya, Zh.V. Burlutskaya, A.A. Petryaeva // Lecture Notes in Networks and Systems. Vol. 442. Int. Conf. System Analysis in Engineering and Control, St. Petersburg, Russia, Oct. 13-14, 2021. – Cham: Springer, 2022. – P. 262–272. – DOI: 10.1007/978-3-030-98832-6_23
2. Математическое моделирование эксплуатационной скважины в процессе оптимизации нефтедобычи / С.Г. Воронин, Д.А. Курносов, М.И. Корабельников [и др.] // Вестн. Южно-Уральского гос. ун-та. Сер.: Энергетика. – 2005. – № 9(49). – С. 70–74.
3. Analytical model for pressure and rate analysis of multi-fractured horizontal wells in tight gas reservoirs / Shan Huang, Yuedong Yao, Ruoyu Ma, Jingwei Wang // J. of Petroleum Exploration and Production Technology. – 2019. – Vol. 9, Issue 1. – P. 383–396. – DOI: 10.1007/s13202-018-0462-3
4. Analytical model for production performance analysis of multi-fractured horizontal well in tight oil reservoirs / Jinghao Ji, Yuedong Yao, Shan Huang [et al.] // J. of Petroleum Science and Engineering. – 2017. – Vol. 158. – P. 380–397. – DOI: 10.1016/j.petrol.2017.08.037
5. Oil production forecast models based on sliding window regression / A. Davtyan, A. Rodin, I. Muchnik, A. Romashkin // J. of Petroleum Science and Engineering. – 2020. – Vol. 195. – DOI: 10.1016/j.petrol.2020.107916
6. Male F. Using a segregated flow model to forecast production of oil, gas, and water in shale oil plays // J. of Petroleum Science and Engineering. – 2019. – Vol. 180. – P. 48–61. – DOI: 10.1016/j.petrol.2019.05.010
7. Production decline analysis in the Eagle Ford / F. Male, M. Marder, J. Browning [et al.] // SPE/AAPG/SEG Unconventional Resources Technology Conf., San Antonio, Texas, USA, Aug. 1–3, 2016. – OnePetro, 2016. – DOI: 10.15530/urtec-2016-2458308
8. Forecasting production from Bakken and three forks wells using a segregated flow model / F. Male, A. Gherabati, J. Browning [et al.] // SPE/AAPG/SEG Unconventional Resources Technology Conf., Austin, Texas, USA, July 24–26, 2017. – OnePetro, 2017. – DOI: 10.15530/URTEC-2017-2666809
9. Classical and machine learning modeling of crude oil production in Nigeria: Identification of an eminent model for application n / Ch.P. Obite, A. Chukwu, D. Chekwube [et al.] // Energy Reports. – 2021. – Vol. 7. – P. 3497–3505. – DOI: 10.1016/j.egyr.2021.06.005
10. Siddhamshetty P., Kwon J.S.-II. Model-based feedback control of oil production in oil-rim reservoirs under gas coning conditions // Computers & Chemical Engineering. – 2018. – Vol. 112. – P. 112–120. – DOI: 10.1016/j.compchemeng.2018.02.001
11. Nashawi I.S., Malallah A., Al-Bisharah M. Forecasting World Crude Oil Production Using Multicyclic Hubbert model // Energy & Fuels. – 2010. – Vol. 24, Issue. 3. – P. 1788–1800. – DOI: 10.1021/ef901240p
12. Dynamic response mechanism of borehole breathing in fractured formations / Hongwei Yang, Reyu Gao, Jun Li [et al.] // Energy Reports. – 2022. – Vol. 8. – P. 3360–3374. – DOI: 10.1016/j.egyr.2022.02.148
13. A new SAGD comprehensive multi-stage model for oil production using a concave parabola geometry / Yunfei Guo, Huiqing Liu, Yabin Feng [et al.] // J. of Petroleum Science and Engineering. – 2022. – Vol. 208, Part A. – DOI: 10.1016/j.petrol.2021.109321
14. Wei Liu, Wei David Liu, Jianwei Gu. Forecasting oil production using ensemble empirical model decomposition based Long Short-Term Memory neural network // J. of Petroleum Science and Engineering. – 2020. – Vol. 189. – DOI: 10.1016/j.petrol.2020.107013
15. Охлопков Г.Н. Разработка модели прогнозирования объемов добычи и потребления нефти и природного газа // Региональная экономика: теория и практика. – 2009. – № 14. – С. 30–32.
16. Probabilistic assessment of shale gas production and water demand at Xiuwu Basin in China / Youqin Zou, Changbing Yang, Daishe Wu [et al.] // Applied Energy. – 2016. – Vol. 180. – P. 185–195. – DOI: 10.1016/j.apenergy.2016.07.099
17. Brohi I., Pooladi-Darvish M., Aguilera R. Modeling fractured horizontal wells as dual porosity composite reservoirs – application to tight gas, shale gas and tight oil cases // SPE Western North American Region Meeting, Anchorage, Alaska, USA, May 7–11, 2011. – OnePetro, 2011. – DOI: 10.2118/144057-MS
18. Садов В.Б. Оценка параметров нефтедобычи и управление насосной установкой с использованием динамограмм // Вестн. Южно-Уральского гос. ун-та. Сер.: Компьютерные технологии, управление, радиоэлектроника. – 2013. – Т. 13, № 2. – С. 33–41.
19. A hybrid semi-analytical model for production from heterogeneous tight oil reservoirs with fractured horizontal well / Linsong Cheng, Sidong Fang, Yonghui Wu [et al.] // J. of Petroleum Science and Engineering. – 2017. – Vol. 157. – P. 588–603. – DOI: 10.1016/j.petrol.2017.07.008
20. Al Rbeawi S., Tiab D. Transient pressure analysis of a horizontal well with multiple inclined hydraulic fractures using type-curve matching // SPE Int. Symposium and Exhibition on Formation Damage Control, Lafayette, Louisiana, USA, Feb. 15–17, 2012. – OnePetro, 2012. – DOI: 10.2118 /149902-MS
21. Вирстюк А.Ю., Мишина В.С. Применение регрессионного анализа для оценки эффективности работы нефтяных скважин с парафинистой нефтью // Изв. Томского политехн. ун-та. Инжиниринг георесурсов. – 2020. – Т. 331, № 1. – С. 117–124. – DOI: 10.18799/24131830/2020/1/2453
22. The design of high-viscosity oil reservoir model based on the inverse problem solution / M.G. Persova, Yu.G. Soloveichik, D.V. Vagin [et al.] // J. of Petroleum Science and Engineering. – 2021. – Vol. 199. – DOI: 10.1016/j.petrol.2020.108245
23. Jin Lang, Jiao Zhao. Modeling and optimization for oil well production scheduling // Chinese J. of Chemical Engineering. – 2016. – Vol. 24, Issue 10. – P. 1423–1430. – DOI: 10.1016/j.cjche.2016.04.050
24. Богачкова Л.Ю. О применении модели Пиндайка к анализу состояния и перспектив развития недропользования в России (на примере нефтедобычи) // Экономическая наука современной России. – 2002. – № 1. – С. 38–50.
25. Эфендиева А.Т.К. Математическая модель хаотического поведения в процессах нефтедобычи // Бюл. науки и практики. – 2016. – № 7(8). – С. 54–58. – DOI: 10.5281/zenodo.58089
26. Apergis N., Ewing B.T., Payne J.E. A time series analysis of oil production, rig count and crude oil price: Evidence from six U.S. oil producing regions // Energy. – 2016. – Vol. 97. – P. 339–349. – DOI: 10.1016/j.energy.2015.12.028
27. Brandt A.R., Plevin R.J., Farrell A.E. Dynamics of the oil transition: modeling capacity, depletion, and emissions // Energy. – 2010. – Vol. 35, Issue 7. – P. 2852–2860. – DOI: 10.1016/j.energy.2010.03.014
28. Scientific engineering as the basis of modeling processes in field development / M.M. Khasanov, A.N. Sitnikov, A.A. Pustovskikh [et al.] // Georesources. – 2018. – Vol. 20, No. 3. – P. 142–148. – DOI: 10.18599/grs.2018.3.142-148
29. Подходы к моделированию гидроразрыва пласта и направления их развития / М.М. Хасанов, Г.В. Падерин, Е.В. Шель [и др.] // Нефт. хоз-во. – 2017. – № 12. – С. 37–41. – DOI: 10.24887/0028-2448-2017-12-37-41