Об одном методе классификации коллекторов для расчета конечной нефтеотдачи
Автор: Курганов Д.В.
Журнал: Известия Самарского научного центра Российской академии наук @izvestiya-ssc
Рубрика: Информатика, вычислительная техника и управление
Статья в выпуске: 5 т.22, 2020 года.
Бесплатный доступ
Вопрос определения коэффициентов нефтеотдачи является одним из основных при подсчете запасов нефти, так и при планировании разработки месторождения. Его традиционно рассчитывают по различным методикам: с учетом коэффициентов вытеснения и охвата залежи заводнением, с учетом конечной заданной обводненности продукции скважин в зависимости от соотношения вязкостей нефти и воды, мощности и пористости пласта, с учетом вязкостей движущихся жидкостей, вида и параметров кривых фазовых проницаемостей, неоднородности пласта по проницаемости и прерывистости или принимаются по аналогии, поскольку на стадии подсчета запасов многие исходные данные реально отсутствуют. Также широко распространена оценка с помощью геолого-фильтрационных моделей. Представленный в работе способ оценки коэффициента нефтеотдачи основан на известном методе машинного обучения - классификации методом k-средних. Для выбора необходимого количества значимых параметров использовано понятие силуэта выборки. Значимые параметры подбираются эмпирически, исходя из опыта разработки залежей данного региона. Для набора нефтяных месторождений Урало-Поволжской провинции выполнен расчет по подбору кластеров, учитывая значимость пластовых параметров для коэффициента нефтеотдачи. Таким образом, предварительно сопоставив любое месторождение (коллектор) одному из кластеров, имеется возможность оценить его потенциальную нефтеотдачу.
Проницаемость, нефть, скважина, вероятность, большие данные, классификация, моделирование, коэффициент нефтеотдачи
Короткий адрес: https://sciup.org/148314240
IDR: 148314240 | DOI: 10.37313/1990-5378-2020-22-5-106-116
Список литературы Об одном методе классификации коллекторов для расчета конечной нефтеотдачи
- Баишев Б.Т. О подсчете извлекаемых запасов нефти для категорий С1 и С2 // Недропользование - XXI век. - 2009. - № 4.- С. 35-41.
- Zangl G., Hannerer J. Data Mining: Applications in the Petroleum Industry. Katy, TX, Round Oak Publishing, 2003. 222 p.
- Hand D, H.Manilla H, Smyth P. Principles of Data Mining, USA, MIT-Press, 2001, 546 p.
- Han J., Kamber M., Pei J. Data Mining: Concepts and Techniques, USA, Elsevier, 2012. 703 p.
- Курганов Д.В., Попков В.И., Хмелевских Е.И. Оценка влияния низкопроницаемых прослоев коллектора на эффективность выработки запасов нефти с использованием трехмерных гидродинамических моделей // Известия Самарского Научного центра РАН. Спец.выпуск - проблемы нефти и газа, 2002. С.121-126.
- Ашмян К.Д., Ковалева О.В., Никитина И.Н. Оценка влияния термобарических параметров пласта на выпадение АСПО. // Теория и практика применения методов увеличения нефтеотдачи пластов: Мат. II Междунар. науч. симпозиума. В 2 т. - Т. -М.: ОАО «ВНИИнефть», 2009. - 257 с.
- Временное методическое руководство по определению коэффициентов нефтеотдачи залежей при подсчете запасов нефти по данным геологоразведочных работ. - Москва, 1972.
- Гавура В.Е. Геология и разработка нефтяных и газонефтяных месторождений. - М.: ВНИИОЭНГ, 1995.
- Комаров В.Л. Оценка коллекторских свойств песчаных пластов по данным «метода мощностей» // Труды УФНИИ, вып. 11, Башиздат. 1968.
- Тугарова М.А. Породы-коллекторы: Свойства, петрографические признаки, классификации: Учеб-но-методич. пособие. - СПб., 2004. - 36 с.
- Колесов В.В., Курганов Д.В. Интегрированное моделирование неоднородности и связности гигантского карбонатного резервуара по геофизическим и промысловым данным на поздней стадии разработки с целью локализации остаточных запасов нефти // Материалы технической конференции SPE «Разработка зрелых месторождений», М., 2017. P.121-129.
- Foreman J.W. Data Smart: Using Data Science to Transform Information into Insight, USA, Wiley, 2013. 432 p.
- Демьянов В. В., Савельева Е. А. ГЕОСТАТИСТИКА: теория и практика. М.: Наука, 2010. 327 с.
- Курганов Д.В. Использование многомерной линейной регрессии для прогноза продуктивности коллектора при уплотняющем бурении скважин // Обозрение прикладной и промышленной математики, 2019, т.26, №1, С.78-80.
- Колесов В.В., Курганов Д.В. Расчет рейтинга скважин-кандидатов при уплотняющем бурении с помощью машинного обучения на промысловых данных (метод опорных векторов) // Вестник Самарского государственного технического университета. Серия Технические науки, 2019, №1 (61), С. 6-19.
- Курганов Д.В. Расчет эффекта от перевода добывающей нефтяной скважины в нагнетательный фонд в рамках управления разработкой нефтяным месторождением // Управление большими системами, 2019, вып. 81, С.147-167.
