Модели и алгоритмы информационно-аналитических систем для поддержки мониторинга разработки нефтяных месторождений

Размещено на http://www.allbest.ru/

На правах рукописи

Специальность 05.13.18 - Математическое моделирование, численные методы и комплексы программ

Автореферат

диссертации на соискание ученой степени кандидата технических наук

МОДЕЛИ И АЛГОРИТМЫ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКИХ СИСТЕМ ДЛЯ ПОДДЕРЖКИ МОНИТОРИНГА РАЗРАБОТКИ НЕФТЯНЫХ МЕСТОРОЖДЕНИЙ

Пьянков В.Н.

Тюмень - 2004

Работа выполнена в Тюменском государственном университете.

Научный руководитель: доктор технических наук, доцент Глухих Игорь Николаевич

Официальные оппоненты: доктор технических наук, профессор Туренко Сергей Константинович кандидат физико-математических наук, Ганопольский Родион Михайлович

Ведущая организация: ФГУП «Западно-Сибирский научно-исследовательский институт геологии и геофизики», г.Тюмень

Защита состоится 3 июня в 13 час. 00 мин. на заседании диссертационного совета K 212.274.01 при Тюменском государственном университете по адресу: 625003, г.Тюмень, ул. Перекопская, 15а, ауд.217.

С диссертацией можно ознакомится в библиотеке Тюменского государственного университета.

Автореферат разослан “__ “ апреля 2004 г.

Учёный секретарь диссертационного совета Бутакова Н.Н.

1. Общая характеристика

Актуальность работы.

Реалией любого нефтедобывающего предприятия является мониторинг процесса разработки месторождения. Мониторинг включает в себя сбор и хранение геолого-промысловых данных, анализ и прогноз процессов разработки месторождения, планирование геолого-технологических мероприятий (ГТМ) с целью обеспечения воздействия на залежь. Несмотря на достаточно длительный период развития аппарата математического моделирования при решении задач нефтедобычи, эта тема не исчерпана и требует дополнительной разработки:

· в области двумерного геологического моделирования это связано с характером исходных данных (недостаточное качество, неравномерность покрытия изучаемой площади);

· в области трехмерного геологического моделирования с необходимостью получения новых эффективных алгоритмов учитывающих априорную информацию;

· в области автоматизации мониторинга разработки - математический аппарат для формализации представлений, моделирования, анализа проведенных и планируемых ГТМ, позволяющий отражать не только факт управляющего воздействия (дату, тип ГТМ и т.п.), но так же его структуру, содержание и ситуационный контекст мероприятия.

Мониторинг разработки месторождений предполагает обработку и хранение большого объема предметно-ориентированной информации. Для организации эффективной системы управления разработкой месторождения необходимо наличие в нефтяной компании интегрированной информационно-аналитической системы поддержки мониторинга (ИАС ПМ), которая позволила бы не только автоматизировать работу с этой информацией, но и обеспечила бы её эффективное использование на основе методов моделирования оптимизации и поддержки принятия управленческих решений. Задачи создания математических моделей и алгоритмов таких систем определили содержание диссертационного исследования.

Цель работы: разработка математического и алгоритмического обеспечения, программных средств ИАС ПМ разработки нефтяных месторождений.

Для достижения цели в работе решены следующие задачи:

· проведен анализ предметной области мониторинга нефтяных месторождений, разработаны концептуальные основы построения отраслевой ИАС ПМ;

· разработаны модели представлений ГТМ, обеспечивающие алгоритмизацию задач их анализа средствами ИАС ПМ;

· разработана модель функционала для построения полей геологических параметров используемых при принятии решений в разработке месторождения;

· разработан метод построения цифровых трехмерных геологических моделей в ИАС ПМ с использование двумерных моделей;

· на основе разработанных моделей и алгоритмов реализован интегрированный программный комплекс (ИПК) «Баспро Аналитик 2000».

Научная новизна

В работе предлагаются методы решения задач, возникающих в процессе построения отраслевой ИАС ПМ, основанной на использовании постоянно-действующей геолого-технологической модели (ПДГТМ). Получены следующие новые результаты:

1. Разработаны математические модели представления ГТМ, обеспечивающие алгоритмизацию и автоматизацию решения задач структурного, параметрического и ситуационного анализа ГТМ.

2. Разработана универсальная конструкция функционала для решения задач построения полей геологических параметров.

3. Разработан метод построения трехмерных геолого-математических моделей позволяющий использовать для трехмерного моделирования существующие двумерные модели.

Практическая ценность работы.

Разработанные модели и алгоритмы использовались при создании ИПК «Баспро Аналитик 2000». В настоящее время ИПК успешно используется при реализации процесса мониторинга разработки в геологических подразделениях нефтяной компании ОАО «ТНК-BP». Ряд положений работы вошёл в регламенты «Тюменского нефтяного научного центра», регламентирующих аналитическую деятельность в подразделениях ОАО «ТНК».

Апробация работы

Результаты работы докладывались на конференциях и в организациях:

1. IV международная научно-техническая конференция «Математическое моделирование физических, экономических, технических, социальных систем и процессов». Ульяновск, УлГТУ, 2001.

2. II Всероссийской научной конференции «Геология и нефтегазоносность Западно-Сибирского мегабассейна». Тюмень, ТюмГНГУ, 2002.

3. Научно-техническая конференция, посвящённая 90- летию со дня рождения В.И. Муравленко. Тюмень, ТюмГНГУ, 2002.

4. VI научно-практической конференции «Пути реализации нефтегазового потенциала Ханты-Мансийского автономного округа». Ханты-Мансийск, ГУП ХМАО «НАЦ РН», 2002

5. III Всероссийской научной конференции «Геология и нефтегазоносность Западно-Сибирского мегабассейна». Тюмень, ТюмГНГУ, 2004

Научные и практические результаты работы опубликованы в печатных изданиях, получены свидетельства на регистрацию программ для ЭВМ.

Основные положения, выносимые на защиту

1. Математические модели представления ГТМ.

2. Универсальная конструкция функционала для решения задач построения полей геолого-промысловых параметров

.3. Метод построения двухмерных и трехмерных геолого-математических моделей на основе регуляризационного подхода.

Структура работы

Диссертация состоит из введения, четырех глав, заключения и приложений. Объем диссертации - 145 страниц, включая 26 иллюстраций и список литературы из 54 наименования.

2. Содержание работы

Во введении обоснована актуальность темы диссертации, сформулированы цель работы, научная новизна, практическая значимость работы, основные положения, выносимые на защиту.

В главе 1 проведён анализ рассматриваемой предметной области. В ней выполнен обзор развития нормативной базы, на которой основывается практика мониторинга нефтяных месторождений, а так же анализ применения специальных видов геологических моделей. Цель анализа - определение направлений по развитию методов мониторинга на основе информационно-аналитических моделей. В главе предложена схема движения потоков информации и принятия решений с использованием ИАС ПМ, приведено описание общих принципов организации корпоративного банка данных нефтяной компании для обеспечения поддержки мониторинга разработки месторождений.

В главе 2 описаны разработанные автором формальные конструкции языка, информационные модели, используемые для представления и анализа ГТМ. При выборе оптимальных технологий воздействия на залежь необходим анализ эффективности уже выполненных ГТМ: используемых операций, рецептур агентов воздействия и т.п. Для решения этой задачи предложена система, позволяющая в рамках единого формализованного языка описывать ГТМ с различной степенью детальности, и учитывающая:

· тип проведенного ГТМ по принятой системе классификации, дату проведения, исполнителя ГТМ, успешность мероприятия;

· основные характеристики ГТМ (объем затраченных реагентов, созданные депрессии на пласт и т.п.);

· перечень проведенных операций (в принятой системе классификации), их последовательность, время реализации;

· параметры и ресурс каждой операции.

Первые два пункта относятся к макроуровню описания, последние - к «рецептуре» (микроуровню).

В основе языка лежит обобщенная абстрактная конструкция T:

T = <K, P, Y>

где: K - класс (тип) объекта из универсума классов ;

P - множество параметров описания объекта pi в виде <атрибут: значение>;

Y - множество компонент объекта уj, которое может быть пустым. В общем случае уj задается в виде (1).

Элемент конструкции P определяет параметризацию объекта; Y предоставляет возможность иерархического описания. Существует, по крайней мере, один из атрибутов, значение которого идентифицирует конкретный объект, описываемый конструкцией T.

Выделено три основных универсума, формирующих структуру ГТМ: операции (действия) - KP, агенты (оборудование) - KA, среда операции - KS. Для каждого из классов универсума вводится зависимость K P, позволяющая путем задания класса объекта однозначно определять множество характеризующих его параметров. Использование универсальной конструкции позволяет формировать дерево произвольной глубины. Связь между узлами дерева реализуется через включение в состав конструкции Y. При этом конечный узел дерева (в приведенных примерах это агент операции) не должен содержать компонент, т.е. его Y=. При описании ГТМ в иерархической структуре, как правило, выделяются следующие четыре уровня: уровень мероприятия, уровень операции, уровень фазы (цикла) операции и уровень агента.

Для решения задач анализа ГТМ предложен набор базовых операций над элементами введенных универсумов, представленных конструкцией (1). Среди основных операций над объектами можно выделить теоретико-множественные операции и операции с последовательностями.

На базе предложенного аппарата сформулированы задачи структурного, параметрического анализа ГТМ и предложены их решения на основе введенных мер (показателей):

- структурного сходства (нечёткого равенства) объектов

S( x1, x2 ) = min {(x1, x2), (x2, x1)},

где: x1, x2 - объекты вида (1);

(x1, x2) - степень нечёткого включения структуры объекта x1 в x2;

- параметрического сходства объектов

E (P1, P2) = ,

где: P1, P2 - наборы параметров объектов вида (1) из одного класса;

(x1, x2) - степень нечёткого включения структуры объекта x1 в x2;

j 0 - весовой коэффициент,

= 1;

j - параметр, учитывающий попадание j-ых элементов из P1, P2

в одно или разные подмножества домена значений;

 (x1, x2) = S S(x1, x2) + E E(P1, P2),

где: S, E - весовые коэффициенты.

В целях учёта ситуационного контекста, на фоне которого выполнялось (планируется) ГТМ, разработаны модели представления ситуаций на гиперграфах. Предметно, в множестве ситуаций выделяются технологическая, геологическая, промысловая ситуации. Введено формальное представление ситуаций Sit набором признаков-атрибутов: Sit = {Ai | i=1,2,3…. }. В зависимости от степени определённости значений Аi, определены: обобщенная, уточненная и конкретная ситуации, а так же ситуация пользователя (анализируемая, текущая). Для отражения связи между ситуациями и ГТМ используются гиперграфы вида:

H (U, X, Г),

где: U - множество рёбер, соответствующее множеству подмножеств значений Аi;

X - множество ГТМ;

Г: U->X.

В терминах предложенного аппарата сформулированы задачи: идентификации ситуации по ГТМ; поиска ГТМ в базе знаний по описанию ситуации; сравнения ситуаций и др.

На основе полученных выше результатов излагаются основные принципы создания корпоративной базы знаний нефтяной компании, предназначенной для хранения, развития, использования опыта и эмпирических знаний специалистов.

Третья глава посвящена развитию аппроксимационных методов при построении полей параметров цифровых трехмерных и двумерных геологических моделей с использованием априорной информации, учетом неравноправности исходных данных.

В разделе 3.1 дано краткое описание классических подходов к построению полей геологических свойств и признаков. Как правило, аппроксимационная (интерполяционная) функция P(x,y) заданная в двумерном пространстве находится в виде разложения по некоторому базису ?k(x,y), k=1,2,3, …

неизвестные коэффициенты am определяются из условий минимизации некоторого функционала:

где: u - исходные данные (граничные условия), заданные на некотором множестве B; A - оператор, возвращающий значения P на B; M - метрика, учитывающая различную значимость исходных данных.

При решении задачи аппроксимации возникают следующие проблемы выбора: вида базисных функций ?k(x,y); количества базисных функций; весовых коэффициентов, определяющих метрику М. В работе рассматривается последняя из перечисленных проблем.

Анализ используемых данных при построении карт параметров позволяет выделить два типа их неравноправия. Первый тип связан с геометрическим неравноправием: исходные данные, приписанные скважинам (точкам пространства), характеризуются неравномерной плотностью распределения по площади месторождения. Учёт такой неравномерности предлагается производить с помощью весовых коэффициентов.

В работе показан следующий способ получения весовых коэффициентов. Зададим функционал (6), определяющий аппроксимацию существующей функции сложной структуры, модельной функцией P(x,y), имеющей более простую структуру в виде:

где: d????площадной элемент интегрирования.

Пусть значения аппроксимируемого признака в точках с номером l (скважинах) определяются по правилу: , Pl=P(xl,yl). Тогда при численном интегрировании с использованием каких-либо квадратурных формул функционал (7) запишется в виде:

где: ?l - коэффициенты выбранной квадратурной формулы.

Второй тип неравноправия исходных данных связан с использованием существенно разнородной информации, полученной разными средствами и имеющей разную степень точности (например, данные сейсморазведки и скважинных измерений). Учёт влияния этого факта предполагает введение информационных весовых коэффициентов в (8), что придаст ему вид:

Функционал внешне напоминает функционал метода наименьших квадратов:

в котором весовые коэффициенты должны назначаться экспертом на основе эмпирических сведений. В работе предлагается представление этого коэффициента в виде конструкции , в которой геометрический весовой коэффициент определяется алгоритмическим путем из квадратурных формул. информационный аналитический интегрированный программный

Введенная конструкция дает понимание того факта, что использование равных весовых коэффициентов в слагаемых функционала (например равных 1) на практике означает некорректный учет качества исходных данных в функционале (10). Действительно, тождество при геометрической неравнозначности исходных данных, и, как следствие, отличия их геометрических коэффициентов, означает автоматическое включение в выражение (10) информационных коэффициентов .

Далее, принцип учета геометрической и информационной составляющих расширен на случай задания граничных условий не только в точках, но и на произвольных кривых. В результате, в общем случае функционал (10) принимает универсальный вид:

где: - обобщенные весовые коэффициенты, учитывающие геометрическую и информационную составляющие при задании граничных условий на кривых (представляемых конечным набором точек) и N точек соответствующих скважинам.

Функционал (6) ориентирован на учет граничных условий, какая-либо дополнительная априорная информация в нем не учитывается. В тоже время, зачастую карту геологического признака необходимо построить на достаточно большой области, на которой возможно существование подобластей не содержащих данных. Закономерности поведения поля в этом случае можно задавать с помощью априорно известной региональной составляющей - тренда. Использование тренда становится возможным при добавлении к минимизируемому функционалу (6) слагаемого вида , где T(x,y) - функция тренда, а D - некоторый оператор.

Функционал, который следует минимизировать будет иметь вид:

Пусть введенные в функционал переменные al, tm , по которым он минимизируется, входят в представление интерполирующей поверхности следующим образом:

Базисные функции покрывают все поле с равномерным и достаточно большим шагом, тогда их носитель может быть достаточно широким, и число коэффициентов tm мало. Базисные функции Bl(x,y) заведомо не покрывают все поле и могут даже не пересекаться.

Раздел 3.2 посвящен формализации методов оценки качества трехмерных геологических моделей. Процедуры экспертизы сведены в граф анализа, в котором наряду с принятыми критериями адекватности модели в скважинах, предлагается использовать критерии, основанные на адекватности связанных с ними функциональных распределений. В качестве одного из таких распределений автором предлагается гистограмма значений поля геологического признака, названного «спектром».

В предлагаемом методе оценки адекватности «спектров» множество ячеек модели рассматривается как генеральная совокупность событий - , множество исходных данных в скважинах, как выборочная совокупность . В качестве критерия, характеризующего степень подобия гистограмм, помимо их визуального сходства, используется величина их среднеквадратичного отклонения:

где M - число диапазонов спектра.

Высокая степень подобия фактических и модельных данных выражается в малом значении критерия CP, уровень значимости которого устанавливается экспертом.

Раздел 3.3 посвящен разработке методов построения двумерных и трехмерных моделей на основе регуляризационного подхода [Тихонов А.Н., Арсенин В.Я.] и введенного автором принципа эквивалентности. Наиболее распространённый вариант построения трехмерной модели предполагает представление геологического пространства декартовым произведением независимых двумерных подпространств - слоёв: . Геометрия каждого слоя определяется по формуле:

где параметр, определяющий границу k-го слоя; , - поверхности кровли и подошвы пласта.

Аппроксимирующий функциональный базис [Волков А.М. 1988] при условии совпадения сеток функций и областей их определения образует линейное пространство. Так, в случае суммы двух функций:

.

Сумма, как видно, является ассоциативной и коммутативной, а операция над функциями сводится к выполнению операций над их коэффициентами.

В зависимости от способа представления поля распределения коллектора выделяют два типа моделей. Первый тип - интерполяционный, при построении моделей которого предполагается, что коллектор распространен везде, а область определения - односвязанная. Второй тип - идентификационно-интерполяционный, при построении моделей которого решается задача идентификации зон отсутствия коллектора в каждом слое, совместно образующих семейство . Область определения модели этого типа является многосвязанной.