Повышение эффективности разработки газовых месторождений за счет перераспределения отборов между скважинами с использованием машинного обучения
Юшков А.Ю., Огай В.А., Хакимов Р.Н., Булычев Н.Д., Федореев Ю.Г.
DOI: https://doi.org/10.25689/NP.2025.4.221-234
Аннотация
Задача оптимального управления разработкой газовых залежей, в частности задача регулирования дебитов скважин, является актуальной. В статье показано, что регулирование дебитов в период постоянной добычи влияет на коэффициент извлечения газа (КИГ). Для получения взаимосвязи оптимальной величины направляющего дебита с известными параметрами скважины использовано машинное обучение. Для формирования обучающей выборки были созданы «синтетические» гидродинамические модели (ГДМ) газовых залежей, на которых воспроизведено 40 различных вариантов разработки, отличающихся числом и расположением скважин. Для каждого варианта разработки при помощи инструментов оптимизации получены лучшие варианты распределения дебитов, которые вошли в обучающую выборку. Реализованная модель использует алгоритм «Случайный лес» (Random Forest). В тестовом примере при распределении дебитов по ML-модели накопленный дисконтированный прирост добычи газа составил 164 млн.м3
(+0,56% к КИГ) при эталонном распределении (оптимизатор) плюс 255 млн.м3, что говорит о применимости инструмента в качестве быстродействующей (но менее точной) альтернативы оптимизатору. Сделан вывод о том, что предобученные ML-модели можно использовать внутри оптимизационных алгоритмов для получения решения «первого приближения», что позволяет существенно ускорить дальнейший поиск оптимума.
Список литературы
2. Поспелова Т.А., Аржиловский А.В., Харитонов А.Н., Юшков А.Ю., Стрекалов А.В., Лопатин Р.Р., Лознюк О.А., Архипов Ю.А. Концепция интеллектуализации газовых и газоконденсатных промыслов / Нефтяное хозяйство. – 2019. – № 11. – С. 58-63.
3. Назаров А. В. Развитие методов математического моделирования для проектирования и анализа разработки нефтегазоконденсатных месторождений: дис. докт. техн. наук. Ухта, 2012. 427 с.
4. Трубачева И. А., Ермолаев А.И., Некрасов А.А. Метод распределения заданного отбора газа по скважинам газоконденсатного месторождения с целью увеличения конденсатоотдачи / Автоматизация, телемеханизация и связь в нефтяной промышленности. – 2018. – № 3. – С. 35-40.
5. Ермолаев А.И., Некрасов А.А., Трубачева И.А. Распределение заданного суммарного отбора газа по скважинам газоконденсатной залежи по критерию минимума потерь пластовой энергии / Наука и техника в газовой промышленности. – 2019. – № 2(78). – С. 57-67.
6. Шаяхметов А.И. Прогнозирование обводнения фонда добывающих скважин на крупных газовых месторождениях: дис. канд. техн. наук. Уфа, 2014. 144 с.
Сведения об авторах
Россия, 625002, г. Тюмень, ул. Осипенко, 79/1
E-mail: ayyushkov@rn-gir.rosneft.ru
Огай Владислав Александрович, руководитель группы сопровождения исследований, ООО «РН-Геология Исследования и Разработка»
Россия, 625002, г. Тюмень, ул. Осипенко, 79/1
E-mail: vaogay@tnnc.rosneft.ru
Хакимов Ренат Наильевич, магистрант, Тюменский индустриальный университет
Россия, 625027, г. Тюмень, ул. Мельникайте, 70
E-mail: renat.khakimov03@mail.ru
Булычев Никита Денисович, магистрант, Тюменский индустриальный университет
Россия, 625027, г. Тюмень, ул. Мельникайте, 70
E-mail: nikitabul2004@gmail.com
Федореев Юрий Георгиевич, магистрант, Российский государственный университет нефти и газа (национальный исследовательский университет) им. И.М. Губкина
Россия, 119296, Москва, ул. Ленинский проспект, 65к1
E-mail: fedoreev.4@gmail.com
Для цитирования:
Юшков А.Ю., Огай В.А., Хакимов Р.Н., Булычев Н.Д., Федореев Ю.Г. Повышение эффективности разработки газовых месторождений за счет перераспределения отборов между скважинами с использованием машинного обучения // Нефтяная провинция.-2025.-№4(44).-С. 221-234. - DOI https://doi.org/10.25689/NP.2025.4.221-234. - EDN EYXTCV