В статье представлен обзор применения подхода нейросетевого обучения для задач моделирования фазового состояния углеводородных систем. Определение состояния углеводородной системы в присутствии или отсутствии неуглеводородных компонентов в пластовых условиях необходимо при выполнении гидродинамических расчетов на многофазных моделях. Такие расчеты востребованы как при решении задач прогнозирования, так и адаптации моделей месторождений к фактическим данным разработки. Показано, что при настройке моделей на фактические данные точность воспроизведения лабораторных экспериментов в ряде случаев выше, чем при использовании уравнений состояния. Но в некоторых случаях применение нейронных сетей оказывается бесполезным. Для относительно «простых» флюидальных систем рост сложности использованного инструмента не дает прироста точности по сравнению с простыми регрессионными моделями. Другой проблемой является отсутствие рабочего инструмента, который позволил бы заменить в полной мере использование уравнений состояния для оценки состояния флюидальной модели при выполнении гидродинамических расчетов.
Идентификаторы и классификаторы
В связи с бурным развитием искусственного интеллекта и машинного обучения значительно расширился спектр задач, для решения которых он применяется. Если говорить о задачах, свойственных разработке месторождений нефти и газа, то данные технологии востребованы на всем жизненном цикле месторождений – от обработки сейсмики и результатов разведочного бурения до решения задач ликвидации скважин.
Список литературы
1. O’Reilly D.I. Comparative PVT simulation: An application to Australasian fluid samples // SPE Annual Technical Conference and Exhibition, New Orleans, Louisiana, USA, 4–7 October 2009. Paper SPE-129517-STU. https://doi.org/10.2118/129517-STU
2. Hassan A., Abdulraheem A., Mohamed A. Reliable models for determining the pressurevolume- temperature PVT properties using artificial intelligence technique // International Petroleum Technology Conference, Dhahran, Saudi Arabia, 13–15 January 2020. Paper IPTC-19884-Abstract. https://doi.org/10.2523/IPTC-19884-Abstract
3. Farkha S.A., Zangana M.H.S., Shoham O. Evaluation of compositional models and PVT correlations for Iraqi light crude oils properties // Energy Science & Engineering. 2023. Vol. 11, No. 7. P. 2654–2667. https://doi.org/10.1002/ese3.1456
4. Ghorbani H., Wood D.A., Choubineh A. et al. Performance comparison of bubble point pressure from oil PVT data: Several neurocomputing techniques compared // Experimental and Computational Multiphase Flow. 2019. Vol. 2, No. 4. P. 225–246. https://doi.org/10.1007/s42757-019- 0047-5
5. Karaboga D., Kaya E. Adaptive network based fuzzy inference system (ANFIS) training approaches: A comprehensive survey // Artificial Intelligence Review. 2019. Vol. 52, No. 4. P. 2263– 2293. https://doi.org/10.1007/s10462-017-9610-2
6. Казакова Е.М. Краткий обзор методов оптимизации на основе роя частиц // Вестник КРАУНЦ. Физико-математические науки. 2022. Т. 39, № 2. C. 150–174. https://doi.org/10.26117/2079-6641-2022-39-2-150-174
7. Wang G., Pu X.-L., Tao H.-Z. A support vector machine approach for the prediction of drilling fluid density at high temperature and high pressure // Petroleum Science and Technology. 2012. Vol. 30, No. 5. P. 435–442. https://doi.org/10.1080/10916466.2011.578095
8. Rammay M.H., Abdulraheem A. PVT correlations for Pakistani crude oils using artificial neural network // Journal of Petroleum Exploration and Production Technology. 2017. Vol. 7, No. 1. P. 217–233. https://doi.org/10.1007/s13202-016-0232-z
9. Obanijesu E.O., Omidiora E.O. The artificial neural network’s prediction of crude oil viscosity for pipeline safety // Petroleum Science and Technology. 2009. Vol. 27, No. 4. P. 412–426. https://doi.org/10.1080/10916460701853846
10. Adetiloye B. Determination of the dew-point pressure (Dpp) for a gas condensate fluid by genetic algorithm (Ga) // SPE Annual Technical Conference and Exhibition, New Orleans, Louisiana, USA, 30 September – 2 October 2013. Paper SPE 167620-STU. https://doi.org/10.2118/167620-STU
11. Moghadam J.N., Salahshoor K., Kharrat R. Introducing a new method for predicting PVT properties of Iranian crude oils by applying artificial neural networks // Petroleum Science and Technology. 2011. Vol. 29, No. 10. P. 1066–1079. https://doi.org/10.1080/10916460903551040
12. Mehrizadeh M. Estimation of PVT properties using artificial neural networks and comparison of results with experimental data // Khazar Journal of Science and Technology. 2020. Vol. 4, No. 1. P. 97–110. https://doi.org/10.5782/2520-6133.2020.4.1.97
13. Alakbari F.S., Elkatatny S. Prediction of bubble point pressure using artificial intelligence AI techniques // SPE Middle East Artificial Lift Conference and Exhibition, Manama, Bahrain, 30 November – 1 December 2016. Paper SPE-184208-MS. https://doi.org/10.2118/184208-MS
14. Ghorbani H., Wood D.A., Choubineh A. et al. Performance comparison of bubble point pressure from oil PVT data: Several neurocomputing techniques compared // Experimental and Computational Multiphase Flow. 2020. Vol. 2, No. 4. P. 225–246. https://doi.org/10.1007/s42757-019- 0047-5
15. Ahmed M.E., Sultan A.S., Hassan A. et al. Predicting the performance of constant volume depletion tests for gas condensate reservoirs using artificial intelligence techniques // Neural Computing & Applications. 2022. Vol. 34, No. 24. P. 22115–22125. https://doi.org/10.1007/s00521-022-07682-8
16. Хадавимогаддам Ф., Чебышев И.С., Чапанова И.В., Хао Ю. Новый подход к оценке вязкости сырой нефти на основе метода машинного обучения // Территория Нефтегаз. 2020. № 9– 10. С. 12–18.
17. Elkatatny S., Mahmoud M. Development of a new correlation for bubble point pressure in oil reservoirs using artificial intelligent technique // Arabian Journal for Science and Engineering. 2018. Vol. 43, No. 5. P. 2491–2500. https://doi.org/10.1007/s13369-017-2589-9
18. Bandyopadhyay P. Improved estimation of bubble point pressure of crude oils: Modelling by regression analysis // SPE Annual Technical Conference and Exhibition, Denver, Colorado, USA, 30 October – 2 November 2011. Paper SPE 152371-STU. https://doi.org/10.2118/152371-STU
19. Хадавимогаддам Ф., Мищенко И.Т., Мостаджеран М. Применение методов искусственного интеллекта в прогнозировании основных свойств нефти // Газовая промышленность. 2019. № 12(794). С. 28–32.
20. Yang T., Uleberg K., Cely A. et al. Unlock large potentials of standard mud gas for real-time fluid typing // SPWLA 63rd Annual Logging Symposium, Stavanger, Norway, 11–15 June 2022. Paper SPWLA-2022-0007. https://doi.org/10.30632/SPWLA-2022-0007
21. Kopal M., Yerkinkyzy G., Nygård M.T. et al. Real-time fluid identification from integrating advanced mud gas and petrophysical logs // SPWLA 63rd Annual Logging Symposium, Stavanger, Norway, 11–15 June 2022. Paper SPWLA-2022-0009. https://doi.org/10.30632/SPWLA-2022-0009
22. Ungar F., Yerkinkyzy G., Bravo M.C., Yang T. Improved reservoir fluid estimation for prospect evaluation using mud gas data // SPE Offshore Europe Conference & Exhibition, Aberdeen, Scotland, UK, 5–8 September 2023. Paper SPE-215538-MS. https://doi.org/10.2118/215538-MS
23. Callow T.J., Nikl J., Kraisler E., Cangi A. Physics-enhanced neural networks for equation-ofstate calculations // Machine Learning: Science and Technology. 2023. Vol. 4, No. 4. P. 045055. https://doi.org/10.1088/2632-2153/ad13b9
24. Sola-Aremu O. An inferable machine learning approach to predicting PVT properties of Niger Delta crude oil using compositional data // SPE Annual Technical Conference and Exhibition, Calgary, Alberta, Canada, 30 September – 2 October 2019. Paper SPE-199783-STU. https://doi.org/10.2118/199783-STU
25. Ambarian T., Olenchikov D. An application of proxy-modeling framework for numerical PVT-models matching on laboratory measured data // SPE Russian Petroleum Technology Conference,Moscow, Russia, 16–18 October 2017. Paper SPE-187815-MS. https://doi.org/10.2118/187815-MS
26. Cai S., Mao Z., Wang Z. et al. Physics-informed neural networks (PINNs) for fluid mechanics: A review // Acta Mechanica Sinica. 2021. Vol. 37, No. 12. P. 1727–1738. https://doi.org/10.1007/s10409- 021-01148-1
27. Almajid M.M., Abu-Al-Saud M.O. Prediction of porous media fluid flow using physics informed neural networks // Journal of Petroleum Science and Engineering. 2022. Vol. 208. P. 109205. https://doi.org/10.1016/j.petrol.2021.109205
28. Умановский А.В. Графовые нейронные сети для прокси-моделирования гидродинамики пласта // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. 2022. Т. 8, № 3(31). С. 155–177. https://doi.org/10.21684/2411-7978-2022-8-3-155-177
29. Amini D., Haghighat E., Juanes R. Physics-informed neural network solution of thermohydro- mechanical (THM) processes in porous media // Journal of Engineering Mechanics. 2022. Vol. 148, No. 11. https://doi.org/10.1061/(asce)em.1943-7889.0002156
Выпуск
Другие статьи выпуска
Актуальность. Необходимость учета и анализа проявления техногенных деформационных процессов дренируемых пластов при разработке нефтегазовых месторождений. Цель работы. Разработка нового подхода к созданию геодинамических полигонов для геодезических наблюдений с использованием имеющегося оборудования. Материалы и методы. Основные принципы контроля за изменением высотного положения земной поверхности при разработке нефтегазовых месторождений. Результаты. Обоснован новый подход к созданию геодинамических полигонов, включающий использование в том числе устьевых арматур сооружаемых скважин на рассматриваемом месторождении в качестве реперов на профильных линиях геодинамических полигонов. Выводы. Предложенный подход к проведению контроля за техногенными изменениями высотного положения земной поверхности на разрабатываемых месторождениях позволяет снизить затраты на сооружение геодинамических полигонов.
Актуальность. За последние десятилетия конструкции эксплуатационных наклоннонаправленных и горизонтальных скважин значительно изменились. На текущий период скважины имеют более сложную траекторию и контроль их разработки требует новых подходов. Промыслово-геофизические исследования являются неотъемлемым элементом системного контроля на любом этапе разработки нефтяных и газовых месторождений. Цель работы. Систематизация опыта проведения промыслово-геофизических исследований в горизонтальных скважинах с различным типом хвостовиков. Материалы и методы. Промыслово-геофизические исследования, входящие как в стандартный, так и в расширенный комплекс, предназначены для оценки непосредственно работающих участков исследуемых геологических объектов, определения профиля притока или приемистости эксплуатационных скважин, установления состава притока с выделением основных фаз. Результаты. Описан опыт проведения промыслово-геофизических исследований и их информативные возможности в зависимости от типа горизонтального заканчивания скважины. Рассмотрены наиболее информативные методы и технологии проведения исследований при изучении объекта с различными вариациями компоновки. Проведен анализ влияния сложностей процессов эксплуатации низкопроницаемых коллекторов на технологии исследований и выбор оптимального комплекса методов, даны рекомендации по оптимальному заканчиванию для горизонтальных скважин. Выводы. Полученные результаты позволят обеспечивать эксплуатацию наиболее рентабельным образом и получать более информативные результаты промыслово-геофизических исследований, что даст возможность своевременно корректировать работу скважин и проводить геологотехнологические мероприятия.
Цель работы. Изучение характера изменений структурных, емкостных и фильтрационных свойств коллектора Чаяндинского нефтегазоконденсатного месторождения в результате проведения механических и гидродинамических испытаний, а также повышение качества лабораторной оценки коллекторских свойств пород на основе применения цифрового подхода. Материалы и методы. Для проведения компьютерной томографии использовался высокоразрешающий рентгеновский микротомограф ProCon X-Ray CT-MINI. Цифровой анализ снимков проведен в среде GeoDict. Результаты. Представлены результаты цифрового анализа изменений порового пространства коллектора углеводородов методами компьютерной томографии после проведения испытаний с фильтрацией флюида в барических условиях, в том числе проведено сравнение макроскопических изменений порового пространства, определен характер изменений пористости коллектора и геометрии пор на макроуровне. Выполнено численное моделирование процессов фильтрации на созданных 3D-моделях породы. Установлен факт неравномерности распределения фильтрационных потоков: фильтрация в породе происходит преимущественно по изолированным чередующимся каналам. Определено, что изменение порового пространства породы произошло преимущественно за счет деформации и расширения стенок основных фильтрационных каналов. Выводы. Неравномерность изменения фильтрационно-емкостных свойств образцов пород, вызванная проведением механических и гидродинамических испытаний, может приводить к некорректной оценке пористости и проницаемости при применении традиционных лабораторных методов. Результаты неразрушающих цифровых исследований могут быть рекомендованы в качестве дополнения к лабораторным исследованиям свойств кернового материала. Совместное применение цифровых и традиционных лабораторных методов позволяет получить наиболее полный спектр данных о свойствах пласта для решения проблем, возникающих при разработке, эксплуатации, ремонте скважин, воздействии на пласт, а также при создании моделей пластов.
Актуальность. Верхнеюрские природные коллекторы являются основными отложениями, в которых заключено 65–75% извлекаемых запасов углеводородов Томской области. Они перекрываются флюидоупорами баженовско-георгиевского комплекса, качество которых в восточном направлении ухудшается, поэтому для прогнозирования новых перспективных участков необходимо определение качества и толщин верхнеюрских флюидоупоров и природных резервуаров. Цель работы. Необходимость выполнения прогноза качества верхнеюрских флюидоупоров и резервуаров «группы Ю» в юго-восточной части ЗападноСибирской нефтегазоносной провинции (Томская область). Материалы и методы. Использованы региональные и локальные исследования разных лет, материалы и методы интерпретации геофизических исследований скважин и сейсмических данных МОВ ОГТ 2D и исследований керна, базы данных геолого-геофизической информации, методы математического моделирования осадочных бассейнов и оригинальный методический прием, предложенный авторами. Результаты. Определено время начала литификации баженовско-георгиевских пород верхней юры – ранний мел (апт-альб) и построена региональная модель распространения георгиевского горизонта, а также выполнен расчет пористости верхнеюрских природных коллекторов и определение толщин баженовского флюидоупора на выбранных месторождениях. Выводы. Оценка качества флюидоупоров и природных коллекторов позволила определить более перспективные районы для геолого-разведочных работ, используя нефтегазопоисковый критерий, определенный на основе анализа толщин георгиевского горизонта (критерий Конторовича). Эффективность предложенного способа описывается на примере верхнеюрских месторождений нефти и газа в Томской области (Западная Сибирь).
Цель работы. Корректная оценка термической истории нефтегазоносных бассейнов с применением методики, выбранной по результатам рассмотрения подходов к восстановлению истории формирования структур соляной тектоники при бассейновом моделировании. Материалы и методы. На примере участка Прикаспийской синеклизы показано, как изменяется трактовка скорости роста соляных диапиров в зависимости от применяемой методики. Графические построения выполнены с помощью программного обеспечения тНавигатор при помощи стандартных средств «Дизайнера Геологии». Результаты. Были проанализированы четыре методики восстановления истории формирования структур соляной тектоники, построены палеоразрезы и графики зависимости коэффициента пропорции толщин от времени. Выводы. Методика отложенной параболической пропорции восстановления палеотолщин солей является наиболее корректной. Ее можно использовать на этапе восстановления структурной эволюции осадконакопления нефтегазоносных бассейнов, осложненных соляной тектоникой.
Актуальность. В настоящее время остается актуальной задача описания реологического поведения вязкоупругих и нелинейно-вязких свойств жидких и твердообразных материалов. Для успешного применения полимерных систем для повышения нефтеотдачи пластов, приготовления жидкостей гидроразрыва и буровых растворов необходимо знание их реологических свойств. Цель работы. Определение нелинейно-вязких и вязкоупругих свойств раствора полиакриламида. Материалы и методы. Предпринята попытка описания реологического поведения раствора полиакриламида в зависимости от скорости сдвига и от времени нагружения. Для описания установившихся напряжений при различных скоростях сдвига использовалась биномиальная реологическая модель, которая показала высокую степень точности. Для описания напряжения от времени предложено использовать численное решение системы двух дифференциальных уравнений, представляющих собой известные уравнения Максвелла и Кельвина–Фойгта. Для описания начального участка кривых при времени менее 0,05 с использовалась модель с переменным модулем упругости. Результаты. Достигнута высокая степень соответствия экспериментальных и расчетных напряжений при времени более 0,05 с. Общее решение достигается сшиванием двух решений через сдвиг и напряжение. Обнаружены взаимосвязи с высоким коэффициентом корреляции между модулями упругости и вязкостями Максвелла и Кельвина в зависимости от напряжения и скорости сдвига. Выводы. Показано, что наряду с «обычной» скоростью сдвига, определяемой через вращение цилиндра вискозиметра, необходимо учитывать дополнительную скорость сдвига, вызванную изменением напряжения во времени. Именно при помощи данного подхода достигается максимум напряжений и его перемещение в зависимости от скорости сдвига. Замечено, что дополнительная скорость сдвига возникает сразу после приложения напряжения, а не в момент падения напряжения, как это принято считать.
Цель работы. Разработка и апробация новых подходов к анализу больших массивов данных в процессе разработки месторождений углеводородов для выявления потенциала увеличения добычи. Материалы и методы. Рассматривается развитие технологии анализа результатов точечного и распределенного оптоволоконного мониторинга поля температуры в процессе эксплуатации скважин путем внедрения алгоритма деконволюции. На базе методики интерпретации одиночного скважинного датчика температуры предложен и опробован алгоритм расчета динамики добычи при измерении вблизи интервала работы пласта. Результаты. Проведено сопоставление данных, полученных с применением алгоритма деконволюции, с результатами аналитических расчетов и апробация методики на реальных скважинных данных, полученных с помощью оптоволоконного кабеля-датчика, что подтвердило работоспособность методики. Используя информацию о динамике забойного давления и восстановленную по данным теплового поля историю дебита скважины, можно оперативно принимать решения о проведении скважинных работ для повышения добычи. Выводы. Использование предлагаемого алгоритма позволило расширить границы использования больших данных, получаемых с помощью оптоволоконного распределенного датчика температуры, что существенно повышает эффективность мониторинга разработки месторождений углеводородов.
Издательство
- Издательство
- ИПНГ РАН
- Регион
- Россия, Москва
- Почтовый адрес
- 119333, г. Москва, ул. Губкина, дом 3
- Юр. адрес
- 119333, г. Москва, ул. Губкина, дом 3
- ФИО
- Закиров Эрнест Сумбатович (Директор)
- E-mail адрес
- director@ipng.ru
- Контактный телефон
- +7 (499) 1357374
- Сайт
- https:/www.ipng.ru