НЕФТЯНАЯ ПРОВИНЦИЯ
рецензируемое научное издание сетевого распространения
Нефтяная провинция № 4(44) 2025

Комплексный подход к моделированию взаимовлияния скважин с использованием физически обоснованных графовых нейронных сетей


Гайсин А.А., Низаев Р.Х.
DOI: https://doi.org/10.25689/NP.2025.251-265

Аннотация

Для эффективной разработки нефтяных месторождений необходим корректный учёт взаимодействия между нагнетательными и добывающими скважинами. Коэффициент взаимовлияния является ключевым параметром, характеризующим степень воздействия закачки воды на добычу нефти. Традиционные методы его определения: аналитические расчёты, промысловые исследования и гидродинамическое моделирование – обладают рядом ограничений: от упрощённых физических допущений до высокой вычислительной сложности. В этой связи применение методов машинного обучения, особенно графовых нейронных сетей (GNN), открывает новые возможности для более точного и быстрого определения взаимовлияния скважин с учётом сложной структуры системы разработки.

Ключевые слова:

коэффициент взаимовлияния, графовая нейронная сеть, алгоритмы, линии тока, машинное обучение, гидродинамическое моделирование

Список литературы

1. Z. Zhu, Z. Lei, Z. Chen Waterflood Management Using Hybrid Approach of Streamline-Based Interwell Flux Information and Finite Volume Reservoir Simulation // Advances in Civil Engineering. – 2018. – № 1. – 12 p.

2. Анализ результатов трассерных исследований на примере пласта АС1-3 Северо-Ореховского месторождения / В.Ф. Дягилев [и др.] // Известия высших учебных заведений. Нефть и газ. – 2018. – № 4. – С. 44-51.

3. C. Tian, R.N. Horne Inferring interwell connectivity using production data // SPE Annual Technical Conference and Exhibition, Sep 26-28, 2016, Dubai, UAE. – 2016. – 11 p. – SPE-181556-MS.

4. D.A. Martiushev, P.Iu. Iliushin Express assessment of the interaction between the production and injection wells in the tournasian-famennian deposits of Ozernoe field // Bulletin of PNRPU. Geology. Oil & Gas Engineering & Mining. – 2016 – Vol. 15, № 18. – Р. 33-41.

5. Graph attention networks / P. Velickovic [et аl.] // ICLR 2018 : сonference paper. – 2018 – 12 p.

Сведения об авторах

Гайсин Альмир Айвазович, аспирант, кафедра разработки и эксплуатации нефтяных и газовых месторождений, ГБОУ ВО «Альметьевский государственный технологический университет» - «Высшая школа нефти», инженер центра моделирования, Институт «ТатНИПИнефть» ПАО «Татнефть» им. В.Д. Шашина им. В.Д. Шашина
Россия, 423462, Альметьевск, ул. Ленина, 2
E-mail: GaysinAA@tatneft.ru

Низаев Рамиль Хабутдинович, доктор технических наук, профессор кафедры разработки и эксплуатации разработки нефтяных и газовых месторождений, ГБОУ ВО «Альметьевский государственный технологический университет» - «Высшая школа нефти», ведущий научный сотрудник отдела разработки нефтяных месторождений, Институт «ТатНИПИнефть» ПАО «Татнефть» им. В.Д. Шашина
Россия, 423462, Альметьевск, ул. Ленина, 2
E-mail: nizaev@tatnipi.ru

Для цитирования:

Гайсин А.А., Низаев Р.Х. Комплексный подход к моделированию взаимовлияния скважин с использованием физически обоснованных графовых нейронных сетей // Нефтяная провинция.-2025.-№4(44).-С. 251-265. - DOI https://doi.org/10.25689/NP.2025.251-265. - EDN ZWSOOR

© Общественная организация «Волго-Камское региональное отделение Российской Академии естественных наук», 2015-2025 Материалы журнала доступны под лицензией Creative Commons Attribution 4.0 License (https://creativecommons.org/licenses/by/4.0/