Размещено на http://www.allbest.ru/

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Подготовка и верификация исходных данных для геолого-технологического моделирования нефтяных месторождений и создания промысловых баз данных

Специальности:

05.13.18 - Математическое моделирование, численные методы и комплексы программ;

Данилов Михаил

Ижевск - 2008

Работа выполнена на кафедре «Интеллектуальные информационные технологии» ГОУ ВПО «Ижевский государственный технический университет» (ИжГТУ).

Научные руководители:

заслуженный изобретатель Российской Федерации,

доктор технических наук, профессор Лялин В.Е.

кандидат технических наук Качурин С.И.

Официальные оппоненты:

заслуженный деятель науки Удмуртской Республики,

доктор физико-математических наук, профессор Тененев В.А.

(ИжГТУ);

заслуженный деятель науки Республики Башкортостан,

доктор геолого-минералогических наук, профессор Токарев М.А.

(Уфимский государственный нефтяной технический университет).

Ведущее предприятие: Институт прикладной механики УрО РАН (г. Ижевск).

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Количественное увеличение объёмов данных во всех областях науки и промышленности является следствием стремительного роста потока информации в современном обществе. Не составляют исключения и нефтегазодобывающие предприятия. Значительную роль в них играет обработка большого объёма разнородной геолого-геофизической и промысловой информации, на основании анализа которой решаются задачи моделирования.

В сложных условиях залегания углеводородов на больших глубинах в тонких пластах-коллекторах при многокомпонентном литологическом составе и сложной структуре порового пространства возрастают требования к качеству интерпретации результатов геофизических исследований скважин (ГИС). Одним из направлений повышения геологической эффективности и оперативности использования материалов ГИС является автоматизация процессов сбора обработки и интерпретации информации с использованием ЭВМ. При наличии эмпирической базы данных возможно использование методов извлечения знаний из данных и применение обучающихся информационных систем. Так как задачи интерпретации ГИС имеют в своей основе сложные функциональные зависимости, то для их решения нашли применение системы нейронных сетей (НС) и нечеткой логики (НЛ).

Развитие средств вычислительной техники и возрастающий объём информации требует создания и применения специализированных программных систем, способных объединить все геолого-геофизические данные по месторождению, обеспечить интеграцию данных добычи и разведки, поддержку постоянно-действующих геологических, гидродинамических и разного рода других моделей, обеспечить анализ хранимой информации. Опыт показывает, что применение таких систем позволяет рассматривать совокупность данных в едином ключе, делать выводы, основываясь на комплексном подходе к анализируемым данным.

Существует целый ряд систем, решающих эти задачи. Каждая из них характеризуется разной степенью вовлеченности в процессы сбора, обработки и хранения геолого-геофизической информации. В каждой из них присутствуют элементы контроля достоверности данных на этапах ввода, обработки, либо с помощью механизмов систем управлении базами данных (СУБД). Но нельзя не отметить отсутствие комплексного подхода к контролю достоверности, согласованности и непротиворечивости данных. Именно, рассматривая данные в комплексе, можно сделать выводы об их достоверности. Решения, основанные на недостоверной информации, обходятся очень дорого, так как цена ошибки возрастает с увеличением количества операций, в которых участвуют ошибочные данные.

В целом, применение математических методов теории интеллектуальных систем для обеспечения качества и достоверности материалов геолого-геофизических исследований скважин, а также разработка системы их контроля в рамках геолого-технологического моделирования нефтяных месторождений являются актуальными задачами.

Объектом исследования являются геолого-геофизическая информация, представленная в цифровом виде; геолого-технологическое моделирование нефтяного пласта-коллектора; адаптивные модели НС и НЛ для расчёта количественных параметров пласта в результате проведения ГИС; автоматизированная информационная система (АИС) комплексного анализа достоверности данных, с возможностью исправления явных ошибок в автоматизированном режиме.

Предметом исследования являются математическое описание алгоритмов обработки и анализа достоверности геолого-геофизической и промысловой информации; оптимизация системы разработки и режимов эксплуатации скважин нефтяного месторождения; математическое, информационное и программное обеспечение АИС.

Целью работы является разработка и научное обоснование технических и методических решений, направленных на обеспечение качества и достоверности материалов геолого-геофизических исследований скважин, необходимых при геолого-технологическом моделировании и разработке нефтяных месторождений, внедрение которых имеет существенное значение для процесса управления и контроля комплексной интерпретации исходных данных и подготовки их для построения цифровых геолого-гидродинамических моделей пластовых систем.

Для достижения поставленной цели требуется решить следующие задачи:

- исследовать структуру геолого-геофизической и промысловой информации и на ее основе выработать правила контроля достоверности данных;

- разработать научно-обоснованные решения для проведения комплексной верификации геолого-геофизических и промысловых данных; выбрать методики обработки и анализа;

- определить методику использования математических и статистических методов, а так же аппарата НЛ для анализа геолого-геофизических и промысловых данных для выявления вероятных несоответствий в них;

- исследовать потоки информации, возникающие при построении моделей месторождений; изучить влияние различных ошибочных геолого-геофизических данных на геологические и гидродинамические модели месторождений;

- определить оптимальную систему разработки и режимов эксплуатации скважин нефтяного месторождения, позволяющих обеспечить максимально возможную нефтеотдачу за заданный период разработки;

- выбрать и обосновать путем теоретических и экспериментальных исследований структуру АИС, принципы построения ее программного, лингвистического и информационного обеспечения;

- интегрировать систему контроля достоверности данных в существующую широко-распространённую базу данных геолого-геофизической информации.

Методы исследования. При решении задач комплексного анализа достоверности данных использовались модели НЛ, алгоритм адаптивного выбора подклассов, алгоритмы математической статистики, петрофизические закономерности. Для оценки параметров коллекторов применялась теория нечетких множеств (НМ). Результаты работы исследовались на предмет влияния ошибок при построении моделей.

Цифровые геологические модели исследуемых примеров месторождений отстроены на программном продукте IRAP RMS фирмы ROXAR в виде трехмерной детерминированной геологической модели. Построение гидродинамической модели проводилось с использованием пакета программ расчетного комплекса Tempest MORE фирмы ROXAR. Автоматизированная переинтерпретация данных проводилась с использованием программных комплексов Solver и LogWin-ЭК (разработка ОАО «Тверьгеофизика»).

Информационная модель АИС создана с учетом объектно-ориентирован-ных принципов разработки программных комплексов. База правил разработана с учётом механизмов построения реляционных структур данных. Структурная схема системы спроектирована и реализована с учетом теоретических основ информатики и вычислительной техники.

Программное обеспечение системы реализовано на алгоритмическом языке высокого уровня - Object Pascal, интерфейс пользователя разработан в интегрированной среде Borland Delphi 6.0, база данных работает под управлением таких СУБД как Oracle 8i и Microsoft SQl Server 7.0. Часть правил системы используются в виде внешних библиотек (DLL) и реализованы на языке высокого уровня Microsoft Visual C.

Достоверность и обоснованность полученных в работе результатов и выводов подтверждена сопоставительным анализом разработанных и существующих математических моделей и методов, а также итогами проведения вычислительного эксперимента.

Математические модели, алгоритмы и прикладные программы, используемые в работе, основаны на положениях теории НМ и нейроинформатики, теоретических основах функционального анализа, теории статистического анализа, теории информации, теории вероятности, вычислительной гидродинамики, подземной гидромеханики и флюидодинамике, нефтегазовой геологии.

Достоверность экспериментальных результатов обеспечена большим объемом экспериментального материала, статистическими методами обработки данных и хорошей воспроизводимостью результатов, а также моделированием фильтраций флюидов в существенно отличающихся по строению пластах при различных начальных и граничных условиях, хорошей согласованностью прогнозируемых и реальных эксплутационных характеристик.

На защиту выносятся результаты разработки и научного обоснования технических и методических решений, направленных на обеспечение качества и достоверности материалов геолого-геофизических исследований скважин, необходимых при геолого-технологическом моделировании и разработке нефтяных месторождений, в том числе:

- подходы к интерпретации геолого-геофизической информации при подсчете запасов и геолого-технологическом моделировании месторождений путем уточнения или пополнения промысловой базы данных;

- алгоритмы и программные модули, позволяющие определить коэффициенты проницаемости и пористости продуктивных коллекторов по данным каротажных кривых ГИС, реализованные на базе моделей НС и НЛ;

- результаты вычислительного эксперимента по сравнению влияния полей проницаемости полученных традиционно и с помощью искусственных НС на гидродинамическую модель месторождения;

- расчеты показателей разработки месторождения, позволяющие адекватно учесть влияние многих факторов и выполнить интегральный прогноз с удовлетворительной точностью, путем применения численного моделирования;

- состав и структура базы правил системы контроля достоверности информации АИС; разработка концептуальной структуры объектно-ориентированной системы, принципов построения программного, информационного, математического и лингвистического обеспечения системы.

Научная новизна результатов диссертационного исследования, полученных лично автором, заключается в следующем:

- разработаны научно обоснованные программные решения, направленные на повышение уровня достоверности геолого-геофизических и промысловых данных путем их автоматизированной переинтерпретации с использованием современных программных средств и восстановления недостающих параметров на основе накопленного опыта эксплуатации месторождений, гидродинамических и геологических исследований скважин;

- осуществлен выбор структуры и алгоритма работы искусственной НС, позволяющей определять коэффициент проницаемости по данным каротажных кривых ГИС, которая показала лучшие результаты по сравнению с классическим подходом определения проницаемости через зависимость от пористости;

- предложена модель НЛ для оценки коэффициента пористости продуктивных коллекторов с применением треугольных функций принадлежности и функций произвольной формы по данным ГИС методами АК и НГК и последующим согласованием решения на основе операции пересечения Заде;

- проведено сравнение методик определения проницаемости при помощи гидродинамического моделирования, показавшее, что с помощью НС проницаемость определяется намного точнее, чем через классические зависимости от пористости;

- получены результаты моделирования разработки Алексеевского месторождения Удмуртской Республики путем сравнения нескольких вариантов выработки пластов для увеличения нефтеотдачи за счет поддержания пластового давления на уровне, близком к начальному; установлено, что увеличение объема добычи достигается, в основном, за счет более интенсивной разработки пластов C₁-III и C₁-V;

- определены принципы построения алгоритмов и программных средств, предназначенных на ранней стадии обработки информации выявлять ошибочные данные с механизмом их автоматического исправления; разработана единая методика контроля различных по структуре видов данных, обеспечивающая методы интегрированного анализа, применяемых в рамках различных программных решений.

Практическая ценность. Переход к автоматизированной переинтерпретации геолого-геофизических данных для выполнения сложных расчетов дал возможность использовать наиболее точные методики, повысить оперативность и надежность принятия решений в тех или иных производственных ситуациях, рассмотреть несколько вариантов и выбрать наиболее оптимальный из них для конкретных условий, сделать процесс творческим и высокопродуктивным. Кроме того, предлагаемое восстановление недостающих параметров на основе накопленного опыта эксплуатации месторождений, гидродинамических и геологических исследований скважин реализован при построении трехмерной геологической модели Ончугинского месторождения, что позволило качественно восстановить недостающую информацию и сравнить результаты ручной, выполненной ранее интерпретации, и автоматизированной при помощи программного комплекса Solver.

В результате проведенных экспериментов была получена НС, позволяющая определять коэффициент проницаемости по данным каротажных кривых ГИС. Полученная НС показала лучшие результаты по сравнению с классическим подходом определения проницаемости через зависимость от пористости, что также проявилось в лучшей адаптации гидродинамической модели месторождения по истории разработки (а именно, добыче нефти), которая строилась с использованием поля проницаемостей, рассчитываемых на базе НС.

В работе решена задача определения оптимальной системы разработки и режимов эксплуатации скважин нефтяного месторождения Удмуртской Республики, которое относится к категории месторождений с трудноизвлекаемыми запасами, характеризуются сильной расчлененностью нефтеносных пластов, существенно трехмерным распределением параметров нефтенасышенности, пористости, проницаемости.

Созданная АИС позволила решить ряд проблем, возникших при обработке различного рода геолого-геофизической и промысловой информации. Применение системы повышает уровень достоверности и согласованности данных, используемых в качестве исходных при построении геологических, гидродинамических и прочих моделей месторождений, а также обеспечивает реализацию механизма обнаружения ошибок и неточностей на ранних стадиях обработки данных. Практическую ценность системе придаёт её независимость от используемых аппаратных средств персональных компьютеров и слабую зависимость от хранилища данных. Структура разработанной АИС легко модифицируется под конкретные требования, обеспечивает возможность добавления новых модулей, а также адаптацию системы к различным правилам проверки данных.

Реализация работы в производственных условиях. При непосредственном участии автора была разработана и реализована, описанная в данной работе, АИС. Разработанная система использовалась при работе с распространённой базой данных Finder, где правила системы служили для проверки данных на достоверность и согласованность, а также обеспечивали возможность автоматической корректировки явно ошибочной информации. Тесная интеграция системы в программный комплекс оцифровки, предназначенный для создания базы электронных дел скважин ряда месторождений Западной Сибири и Удмуртии, позволило увеличить скорость обработки скан-образов и снизить ошибки, возникающие при заполнении базы.

Работа системы протестирована в ходе верификации геолого-геофизических и промысловых данных ряда месторождений Западной Сибири и Удмуртии. Результатом верификации явилось построение геологических и гидродинамических моделей месторождений.

Работа выполнялась в соответствии с планами хоздоговорных НИР, проводимых Институтом интеллектуальных технологий и ОАО «ТНК-BP»: № ГР 01200 409312 «Анализ информации и сопровождение баз данных по месторождениям ОАО «Варьеганнефтегаз»; № ГР 01200 406709 «Формирование базы данных геолого-технологических мероприятий на скважинах ОАО «Варьеганнефтегаз»; № ГР 01200 405094 «Формирование базы данных геолого-технологических мероприятий на скважинах Самотлорского месторождения»; № ГР 01200 405096 «Создание библиотеки скан-образов скважин Самотлорского месторождения».

Вся работа в целом, а также её отдельные части могут быть использованы предприятиями нефтегазодобывающей отрасли, организациями, занимающимися построением различных моделей на основе геолого-геофизической и промысловой информации.

Апробация работы. Основные научные положения и практические результаты диссертационной работы обсуждались на: Международных научно-технических конференциях «Информационные технологии в инновационных проектах» (Ижевск, 2002-2003); Российской научно-технической конференции «Высокопроизводительные вычисления и технологии» (Ижевск, 2003); 6 International congress of mathematical modeling (Нижний Новогород-2004); 4-м научном симпозиуме «Геоинформационные технологии в нефтепромысловом деле» - секции «А» 6-го международного конгресса нефтегазопромышленников России (Уфа, 2005); 33-й международной конференции «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2006); Всероссийской научно-технической конференции с международным участием «Компьютерные и информационные технологии в науке, инженерии и управлении» (Таганрог, 2006); 34-й Международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2007).

Публикации. Основные научные результаты по теме диссертации опубликованы в 12 научных работах общим объемом 16,68 п.л., авторский вклад - 6,23 п.л. Автор имеет 3 научных труда в издании, выпускаемом в РФ и рекомендуемом ВАКом для публикации основных результатов диссертаций.

Структура и объем работы. Диссертация содержит введение, 4 главы, заключение и акт об использовании результатов работы, изложенные на 154 стр. машинописного текста. В работу включены 72 рис., 7 табл., список литературы из 108 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении сформулированы объект и предмет исследования, основные положения, выносимые на защиту, приведено обоснование актуальности подготовки и верификации исходных данных для геолого-технологического моделирования нефтяных месторождений и создания промысловых баз данных, определены содержание и методы выполнения работы.

В первой главе проведён анализ типичной геолого-геофизической и промысловой информации, на основании которой производится построении геологических, гидродинамических и прочих моделей, сделаны выводы относительно логической структуры и связанности информации. Обозначены задачи обработки и анализа геофизической информации. Описаны этапы создания трехмерных геолого-гидродинамических моделей нефтяных месторождений, а также технологии, реализованные в программных продуктах, применимых на всех стадиях жизненного цикла месторождения, начиная от детальной разведки и заканчивая извлечением остаточных запасов. Рассмотрена проблема компьютерного моделирования месторождений. Исследован один из важных алгоритмов Data Mining, применяемых в настоящее время для решения задач интерпретации ГИС и реализующих методы нахождения функциональных зависимостей, классификации и прогноза - НС. Произведён сравнительный анализ существующих специализированных программных систем для обработки геолого-геофизической информации, особое внимание уделено проблемам обеспечения достоверности данных в этих системах.

Во второй главе проведен анализ перспективности подходов к интерпретации геолого-геофизической информации при подсчете запасов и геолого-технологическом моделировании месторождений.

Для определения адекватности модели реальному геологическому объекту необходим ряд всевозможных программных средств, а также множество параметров: эффективная толщина, пористость, проницаемость, глинистость, нефтенасыщенность коллекторов и т.п. Значительный объем геолого-геофизической информации брался из реляционной базы данных (БД) «Геолого-геофизический каталог», который включает в себя информацию более чем по десяти месторождениям и охватывает практически весь стратиграфический разрез Удмуртии.

Рис. 1. Обработка скважины программным комплексом Solver

Однако при построении геологических моделей представленный материал часто оказывается неполным, либо противоречивым. И встает вопрос об уточнении или пополнении геолого-геофизической базы данных. Для решения этой проблемы предлагаются два подхода.

Первый подход связан с переходом к автоматизированной переинтерпретации геолого-геофизических данных для выполнения сложных расчетов. Применяемые в настоящее время новые программные комплексы Solver и LogWin-ЭК (разработка ОАО «Тверьгеофизика») при подсчете запасов нефти и газа открывают новые возможности построения более гибких геолого-геофизических интерпретационных моделей и создания различных методик интерпретации с помощью встроенного программного блока. При подсчете запасов часто возникает необходимость комплексирования различных методов определения подсчетных параметров, возможности использования палеток и номограмм, создаваемые в специальном альбоме программного комплекса Solver, позволяют значительно сократить время и трудоемкость интерпретации (рис. 1). Кроме того, имеющийся в системе Solver широкий спектр возможностей статистической обработки позволяет быстро, качественно и эффективно произвести классификацию и многомерный анализ получаемых данных, а также предоставить величину запасов в виде интегрированной объемной модели.

На этапе обработки данных геофизических исследований скважин (ГИС), представленных в цифровом виде, есть возможность получать достоверные результаты даже при недостаточности априорной информации и искаженности входных данных (что особенно важно при обработке скважинных материалов «старого фонда», которые составляют основную часть разрабатываемых месторождений при пересчете запасов), используя визуальную корректировку показаний ГИС в заданных условиях измерений.



Рис. 2. Сходимость результатов ручной и автоматизированной интерпретации на примере нескольких скважин Ончугинского месторождения

результаты обработки программными комплексами Logtools, Solver;

данные из каталога геолого-геофизических параметров

Второй подход связан с восстановлением недостающих параметров на основе накопленного опыта эксплуатации месторождений, гидродинамических и геологических исследований скважин. Параметры по скважинам могут быть восстановлены несколькими способами: прямой интерполяцией, либо косвенно, учитывая данные эксплуатации, гидродинамических и геологических исследований. Правильность восстановленных параметров оценивается по известным функциям связи с другими параметрами. Так, нефтенасыщенность, как функцию абсолютных отметок, и проницаемость можно восстановить по пористости, либо, пользуясь данными геологических исследований по формулам (1) и (2) и т.д.

(1)

(2)

где - коэффициент проницаемости; - добыча нефти c динамической вязкостью , протекающей через объем породы с сечением под действием градиента давления ; - перепад давления; - длина образца породы; - коэффициент пористости; - функциональная зависимость определяется на основе регрессионного анализа для каждого объекта.

Таблица 1.

Сопоставление результатов обработки и интерпретации данных ГИС по скважине Ончугинского месторождения

Индекс пласта	Инт. коллектора	h, м	Результаты обработки	НГК	ГК	, д.ед.	, Омм	, д.ед.	Харак. насыщ.
	кровля	подошва	hэф, м		, усл.ед.		, мкр/час
С-II'	1394,6	1395,4	0,8	I	1,821	0,201	2,709	0,12	0,203	6,55	0,66	н
	-1216,4	-1217,2	0,8	II	1,82	0,2	3,1	0,15	0,205	6	0,66	н
С-III	1396,2	1396,8	0,6	I	1,714	0,172	3,705	0,19	0,207	8,725	0,69	н
	-1218,0	-1218,6	0,6	II	1,72	0,17	4	0,2	0,21	7	0,69	н
С-III	1397,8	1399,8	2	I	1,771	0,19	2,318	0,1	0,216	10	0,73	н
	-1219,5	-1221,5	2	II	1,78	0,19	2,5	0,11	0,214	9	0,73	н
С-III	1399,8	1400,4	0,6	I	1,865	0,208	3,562	0,18	0,202	10	0,73	н
	-1221,5	-1222,1	0,6	II	1,8	0,19	3,5	0,17	0,204	10	0,74	н
С-III	1400,4	1401,0	0,6	I	1,613	0,152	2,916	0,14	0,212	7,76	0,73	н
	-1222,1	-1222,7	0,6	II	1,7	0,17	3,5	0,17	0,217	7	0,7	н
С-V	1408,2	1410,6	2,4	I	1,865	0,213	1,555	0,05	0,207	18	0,8	н
	-1229,7	-1232,0	2,3	II	1,88	0,22	1,5	0,04	0,205	18	0,81	н
С-V	1410,6	1412,4	1,8	I	1,825	0,205	1,53	0,05	0,211	8	0,71	н
	-1232,0	-1233,8	1,8	II	1,75	0,19	1,3	0,03	0,221	8	0,73	н
С-V	1413,0	1414,6	1,6	I	1,755	0,189	1,726	0,06	0,22	1,509	0,33	в
	-1234,4	-1236,0	1,6	II	1,8	0,2	1,5	0,04	0,215	1		в
С-VI	1414,6	1424,4	9,8	I	1,736	0,183	1,513	0,04	0,217	1,424	0,31	в
	-1236,0	-1245,5	9,5	II	1,8	0,2	1,5	0,04	0,215	1		в
С-VI	1425,8	1428,0	2,2	I	1,733	0,182	1,799	0,06	0,219	1,041	0,19	в
	-1246,9	-1249,1	2,2	II	1,72	0,18	1,9	0,07	0,224	1		в
С-VI	1429,6	1436,4	6,8	I	1,806	0,201	1,356	0,04	0,217	1,068	0,18	в
	-1250,6	-1257,3	6,7	II	1,8	0,2	1,4	0,04	0,215	1		в

Примечание: I - результаты обработки программными комплексами Logtools, Solver (осреднение непрерывных кривых в интервалах продуктивных пластов); II - данные из пересчета запасов

Предложенный подход реализован при построении трехмерной геологической модели Ончугинского месторождения, что позволило качественно восстановить недостающую информацию и сравнить результаты ручной, выполненной ранее интерпретации, и автоматизированной при помощи программного комплекса Solver (табл. 1 и рис. 2).

В главе приведено описание математических методов, используемых для определения степени достоверности геолого-геофизической и промысловой информации. Описаны предлагаемые автором подходы к решению задач определения достоверности коэффициента пористости, проницаемости.

Рис. 3. Среднеквадратическая ошибка сети при аномальных значениях в обучающем множестве

Рис. 4. Среднеквадратическая ошибка сети без аномальных значений в обучающем множестве

Проницаемость является основным свойством проницаемой среды, одним из важнейших для процессов повышения нефтеотдачи. Было предположено, что статистические методы, основанные на эмпирических данных, окажутся подходящими для решения данной задачи. В этой области неплохо зарекомендовали себя НС. Обычно НС обратного распространения ошибки содержит в себе 3 слоя - входной, выходной и скрытый. В нашем случае, входной слой содержит 10 нейронов, соответствующих каждой из каротажных кривых. Выходной слой содержит 1 нейрон для целевого значения проницаемости.



Рис. 5. Сравнение проницаемости (мД) по керну и полученной в результате степенной зависимости от пористости

Рис. 6. Сравнение проницаемости (мД) по керну и полученной в результате работы НС

Данные, полученные в результате исследований керна или при каротажных исследованиях скважин, содержат в себе ошибочные или аномальные значения, которые в общем случае сложно выделить. В данной работе подобные значения предлагается выявлять с помощью НС сети на этапе обучения. Аномальные значения предлагается выявлять с помощью значения ошибки между целевым значением проницаемости и рассчитанным с помощью НС для каждой обучающей пары в процессе обучения. Если полученное значение ошибки больше некоторого порогового значения, то данная обучающая пара далее в обучении не участвует. В процессе обучения сети, было отбраковано 82 аномальных значения. Из оставшихся замеров данные по 8 скважинам использовалось для обучения сети, а 2 скважины - для теста качества полученной НС. На рис. 3 приведен график среднеквадратической ошибки сети от шага обучения до удаления аномальных значений, на рис. 4 после удаления.

Рис. 7. Функции принадлежности для методов АК и НГК



solver автоматизированный нефтеизвлечение



Рис. 8. Функции принадлежности для коэффициента пористости

Для сравнения было построено 2 кросс-плота в которых по оси Х коэффициент проницаемости полученный в результате исследований керна, а по оси Y коэффициент проницаемости полученный по степенной зависимости (рис. 5) и в результате работы НС (рис. 6) по одной скважине.

В работе проведен эксперимент для оценки коэффициента пористости продуктивных коллекторов и точности вычислений с применением треугольных функций принадлежности по сравнению с функциями произвольной формы. Вычисления производились по формулам с использованием двух геофизических методов АК и НГК и последующим согласованием решения. Наиболее правдоподобное значение параметра функций принадлежности для рассматриваемого пласта рассчитываются по следующей формуле: , где - количество измерений метода для текущего пласта. Далее можно построить треугольные функции принадлежности для каждого из параметров:

,

где , , - соответственно минимальное, среднее (наиболее правдоподобное) и максимальное значение АК в пределах текущего пласта;

,

где , , - соответственно минимальное, среднее (наиболее правдоподобное) и максимальное значение НГК в пределах текущего пласта.

Функции принадлежности могут быть построены более точно с использованием дополнительной информации о методах исследования керна, погрешности соответствующих приборов, данных исследования для всех скважин и т.д. (рис. 7).

На рис. 8 приведены результаты оценки коэффициента пористости, а также заключения о пористости, полученные интерпретаторами ОАО Башнефтегеофизика без использования автоматизированных систем по скважине №13139 по двум методам DT (акустический каротаж) и GR (нейтронный гамма-каротаж).

На рис. 9 приведены результаты сравнения расчета коэффициента пористости с использованием треугольных функций принадлежности (DT, GR) и произвольных (DT2, GR2).



Рис. 9. Треугольные и произвольные функции принадлежности

Как показывают расчеты, решения, полученные с применением арифметических операций над функциями принадлежности треугольного вида, достаточно точно аппроксимируют результат (табл. 2). Ошибка, полученная в результате применения операции пересечения Заде, дает разницу в согласованном решении не более 6%. То есть, аппроксимация треугольными функциями дает достаточную точность оценки точки максимума результирующей функции.

Таблица 2.

Результаты расчета коэффициента пористости

№ пласта	Подошва	Кровля	Треугольная ФП	Сложная ФП	Расхождение
			АК	НГК	Принят.	АК	НГК	Принят.
1	977,2	980,8	16,2	25,1	20,0	16,3	24,7	19,7	1,3 %
2	982,0	985,2	12,1	21,8	16,5	13,0	21,7	17,1	3,8 %
3	988,0	992,0	9,1	14,5	12,2	8,5	14,3	11,9	2,5 %
4	998,8	1002,0	12,4	20,6	15,6	11,8	19,6	15,7	0,6 %
5	1003,6	1004,8	18,4	20,3	19,8	18,2	20,3	19,9	0,7 %
6	1004,8	1011,6	14,9	18,8	16,9	15,8	17,8	16,5	2,2 %
7	1016,8	1020,0	8,8	14,5	12,7	8,0	14,1	13,1	3,5 %
8	1021,6	1025,2	14,0	16,9	15,5	13,0	17,4	14,9	4,0 %
9	1025,2	1029,6	13,7	21,2	17,6	13,6	20,5	18,5	5,2 %
10	1031,0	1032,8	13,9	21,5	17,9	13,7	22,1	17,2	4,0 %
11	1033,6	1034,8	12,9	16,4	14,7	13,3	16,3	15,0	1,9 %
12	1042,8	1046,4	7,6	14,9	12,8	7,7	14,7	12,9	0,6 %
13	1052,4	1054,0	11,4	15,0	12,9	11,9	15,1	13,5	4,3 %
14	1055,2	1056,8	9,8	15,1	11,7	10,8	14,2	11,5	1,4 %
15	1058,8	1061,4	8,3	13,1	11,4	7,9	12,2	11,3	0,7 %
16	1064,4	1079,6	7,5	14,6	11,9	7,8	14,1	11,4	4,3 %
17	1081,2	1085,6	11,9	22,6	16,4	12,2	23,3	15,9	3,2 %
18	1087,2	1093,2	18,6	26,8	22,7	19,2	26,7	23,0	1,4 %
19	1098,4	1104,8	11,3	16,6	13,7	11,0	15,8	13,8	1,1 %
20	1112,4	1113,6	18,9	23,7	20,8	18,0	23,7	21,2	2,1 %

Одним из важнейших этапов создания гидродинамической модели является ее адаптация. Цель адаптации модели - добиться близкого соответствия расчетной и фактической добычи нефти, газа, воды, пластового давления и других параметров, как по всему месторождению, так и по отдельным скважинам в течение всего периода разработки.



Рис. 10. Гидродинамическая модель (поле нефтенасыщенности)

Адаптация модели достигается изменением параметров модели в пределах неопределенности их задания. Одним из таких параметров является проницаемость. Как правило, проницаемость определяется через нелинейную зависимость через пористость. Но, ввиду того, что проницаемость в типичном пласте изменяется пространственно намного сильнее, чем пористость, то подобная зависимость вносит дополнительную неопределенность.

Целью данной работы являлось сравнение влияния полей проницаемости полученных традиционно (через зависимость от пористости) и с помощью искусственных НС на гидродинамическую модель месторождения.

Для проведения эксперимента была создана гидродинамическая модель (рис. 10). Также были созданы поля проницаемости. Для наглядности данные поля приведены в виде карт (рис. 11 и 12).

Рис. 11. Поле проницаемости, полученное по зависимости



Рис. 12. Поле проницаемости полученное с помощью нейронной сети

На основании полученных полей были рассчитаны две модели. На рис. 13 и 14 представлены графики исторической добычи нефти.

Как видно из представленных рисунков, первая модель требует серьезной адаптации, в то время как вторая практически готова к работе.

Рис. 13. Сравнение исторической добычи нефти с результатами моделирования при классическом определении проницаемости



Рис. 14. Сравнение исторической добычи нефти с результатами моделирования при определении проницаемости с помощью НС

Рис. 15. Разрез моделируемого месторождения (показан только коллектор, нефтенасыщенный коллектор - черным)

В третьей главе рассмотрена задача определения системы разработки и режимов эксплуатации скважин нефтяного месторождения, позволяющих обеспечить максимально возможную нефтеотдачу за заданный период разработки. Большинство из осваиваемых на данный момент месторождений Удмуртской республики относится к категории месторождений с трудноизвлекаемыми запасами (рис. 15).

Существующие на данный момент методики оценочных расчетов показателей разработки не позволяют адекватно учесть влияние многих факторов. Выявить детали процесса разработки можно только с применением численного моделирования.

Далее представлены результаты моделирования разработки Алексеевского месторождения Удмуртской республики. Месторождение разрабатывается первый год, на данный момент добыча ведется 12 скважинами, фонд поддержания пластового давления отсутствует.

Очевидным требованием к модели является учет сжимаемости нефти, воды и коллекторов. В виду того, что разработку месторождения предполагается вести без снижения пластового давления ниже давления насыщения, можно принять допущение об отсутствии газовой фазы в процессе разработки.

Математическая модель основана на системе уравнений трехмерной двухжидкостной (нефть, вода) фильтрации, подчиняющейся закону Дарси

(1)

где _ плотность; K - тензор абсолютной проницаемости; H - мощность пласта; m - пористость; s _ насыщенность (); p - давление; _ вязкость; Q - плотность источников (стоков) массы; _ относительная фазовая проницаемость компоненты в системе «нефть-вода». Жидкости и порода полагаются линейно упругими

(2)

Прямая задача моделирования разработки месторождения состоит в определении давления и насыщенности путем решения системы уравнений (1) и (2) при заданных начальных и краевых условиях.

В качестве краевых ставятся условия отсутствия потока через внешнюю границу области. В начальный момент времени считаются известными функции пластового давления и насыщенности. Скважины представляются как точечные источники (стоки) массы.

Рис. 16. Расчетная сетка

Для аппроксимации уравнений (1) применялась блочно-центрированная полностью неявная разностная схема с семиточечным шаблоном. Получаемая в результате линейная алгебраическая система решается методом сопряженных градиентов с предобусловливанием. Расчетная сетка для рассматриваемой области (рис. 16) содержит 81600 ячеек.

Проведено сравнение нескольких вариантов разработки месторождения, полагая, что влиять на процессы нефтедобычи мы могли со второго года эксплуатации. Из практических соображений ограничим продолжительность прогнозного периода двадцатью годами.

Вариант 1. Разработка месторождения ведется на естественном режиме, забойные давления добывающих скважин в прогнозный период не изменяются.

Результаты, приведенные на рис. 17, свидетельствуют о том, что в данном случае происходит сильное падение темпов добычи нефти и жидкости - примерно в 2,2 раза за первые 5 лет прогнозного периода, что вызвано значительным снижением пластового давления в залежи (рис. 20, кривая 1).

Очевидным решением для увеличения нефтеотдачи является поддержание пластового давления на уровне близком к начальному. Из-за технологических ограничений увеличение пластового давления до значений больших, чем начальное крайне затруднительно. Кроме того, руководствуясь практическими соображениями, будем считать, что нагнетание воды в залежь будет производиться только через какие-либо из уже имеющихся скважин.

Вариант 2 отличается от предыдущего тем, что с начала прогнозного периода скважина 1016 переводится под закачку воды. Режим ее работы определяется заданным постоянным забойным давлением. В результате за первые 5 лет прогнозного периода среднегодовая добыча нефти падает только в 1,5 раза (рис. 18). Пластовое давление в среднем выше, чем в предыдущем случае, но динамика его снижения не изменилась (рис. 20, кривая 2). Перевод под закачку одной скважины позволил увеличить накопленную добычу в 1,7 раза по сравнению с естественным режимом эксплуатации (вариант 1).

Рис. 17. Средняя добыча (Q) жидкости и нефти (тыс. м³), средняя обводненность продукции (F) по годам для варианта № 1

Рис. 18. Средняя добыча (Q) жидкости и нефти (тыс. м³), средняя обводненность продукции (F) по годам для варианта № 2

Вариант 3 аналогичен второму с той лишь разницей, что одновременно со скважиной 1061 переводится под закачку добывающая скважина 1353. Это позволяет практически остановить падение уровня среднегодовой добычи нефти (рис. 19) и среднего пластового давления (рис. 20, кривая 3) с 9-го года. Накопленная добыча нефти в этом случае в 1,98 раза больше чем в 1-м варианте.

Дальнейшее увеличение количества нагнетательных скважин не позволило сколько-нибудь значительно увеличить накопленную добычу нефти и изменить динамику падения пластового давления (рис. 20, кривая 4).

При сравнении выработки пластов для каждого из рассмотренных вариантов (табл. 3) видно, что увеличение объема добычи достигается в основном за счет более интенсивной разработки пластов C₁-III и C₁-V.

Рис. 19. Средняя добыча (Q) жидкости и нефти (тыс. м³), средняя обводненность продукции (F) по годам для варианта № 3

Рис. 20. Среднее пластовое давление P по годам для различных вариантов разработки

Таблица. 3.

Коэффициент нефтеизвлечения для различных вариантов разработки

Пласт	Начальные запасы (тыс. м3)	Вариант 1	Вариант 2	Вариант 3
		тыс. м3	%	тыс. м3	%	тыс. м3	%
C1-III	469,25	36,3	7,7	67,2	14,3	82,0	17,5
C1-IV	25,90	0,6	2,3	0,7	2,7	0,7	2,9
C1-V	437,20	23,6	5,4	38,1	8,7	40,5	9,3
C1-VI	27,60	4,5	16,3	5,2	18,8	5,2	18,8

Рис. 21. Схема техпроцесса общей обработки дел скважин в ВЦ

Четвертая глава посвящена описанию технологического процесса ввода данных для хранения и обработки информации при помощи программных средств.

После сбора данных экспедиционной партией, они поступают в вычислительный центр (ВЦ). В общем виде техпроцесс обработки информации дел скважин можно представить следующей схемой (см. рис. 21).

После получения исходного материала производится его графическая обработка. Далее производится формирование БД геолого-геофизической информации, содержащейся в делах и формирование библиотеки скан-образов. По окончании формирования баз данных производится контроль их целостности и непротиворечивости.

Для общего контроля выполнения работы была разработана специализированная программа, позволяющая вести учет состояния выполнения работ по каждой скважине, автоматизировать процесс формирования компакт дисков с исходным материалом, вести разнообразную отчетность.

Одним из ключевых алгоритмов системы контроля достоверности данных является алгоритм проверки данных. Целью алгоритма является выбор и запуск необходимых правил контроля достоверности данных, в процессе обхода построенного графа обработки. Схему алгоритма можно описать следующей последовательностью шагов.

Шаг 1. Подключение к базе данных правил и их инициализация R={, , …,}.

Шаг 2. Инициализация переменных системы V={, , …,}, - номер текущего правила обработки.

Шаг 3. Определение контролируемых значений D={, , …,}.

Шаг 4. Построение графа обработки правил G(, C), где | - правила(вершины графа); C={, , …,} - множество переходом между правилами.

Шаг 5. Если R() - последнее правило из графа обработки, то переход к шагу 10.

Шаг 6. Запуск подсистемы проверки правила R(). Записываются результаты обнаруженных ошибок E={, , …, }, где P - количество обнаруженных ошибок.

Шаг 7. Если в результате работы правила обнаружены ошибки, т.е. E ? , то переход к следующему шагу, иначе к шагу 9.

Шаг 8. Обработка ошибок заключается в исправлении обнаруженных погрешностей в данных, т.е. замена значений множества контролируемых значений D соответствующими значениями множества . или более конкретно .

Шаг 9. Определение следующего шага обработки, исходя из результатов текущего шага . , где

;

- ребро графа, определяющее переход в случае выполнения правила без ошибок; - ребро графа, определяющее переход в случае возникновении ошибок.

Перейти к шагу 5.

Шаг 10. Подготовка данных для отображения и их визуализация .

Результатом работы алгоритма является перечень найденных в данных ошибок, с указанием их класса серьёзности, а также вероятной причины возникновения.

Целью алгоритма обработки правил контроля является определение возможности применении правила, и в случае положительного ответа инициализация среды выполнения правила и запуск правила проверки данных. Схему приведённого алгоритма можно описать следующей последовательностью шагов:

Шаг 1. Загрузка информации о правиле R{I, , , , }, где I - информация о запуске правила; - статус правила; - область применения, - уровень серьёзности; ={Txt, Ext, Ent} - тип правила: Txt - текстовое правило; Ext - внешняя библиотека; Ent - внутренний объёкт.

Шаг 2. Если имеем дело с текстовым правилом =Txt, то переход к следующему шагу, иначе к шагу 4.

Шаг 3. Запуск правила R, ...