Об этом сообщила пресс-служба университета.
Изучение фильтрационных свойств нефтеносных пластов в скважинах позволяет получить данные о фильтрационных параметрах пласта, гидродинамической связи между скважинами и пластами, состоянии околоствольной части коллектора и др. Для оценки фильтрационных свойств пластов сегодня применяют несколько традиционных методов, которые имеют серьезные технологические и экономические ограничения:
- гидродинамические исследования требуют полной остановки добычи на 3-7 суток,
- геофизические методы анализируют лишь область в радиусе 2-3 метров, хотя основные фильтрационные процессы происходят в более удаленных местах, остающихся незамеченными при анализе данных с месторождения.
В основе новой технологии лежит большая база данных из 3500 гидродинамических исследований скважин, собранная и систематизированная экспертами для последующего машинного обучения. В каждом из них содержится комплекс параметров:
- свойства пласта и нефти,
- эксплуатационные показатели до остановки добычи (например, количество воды),
- динамика восстановления давления.
Чтобы создать «умную» программу, ученые использовали принцип, похожий на обучение нейросети для распознавания изображений. Только вместо фотографий они показывали алгоритму тысячи графиков давления внутри пласта и все соответствующие им параметры скважин. Это необходимо для того, чтобы интеллектуальная система научилась сама выявлять взаимосвязь между различными показателями пласта, строить графики на основе этих данных и определять по ним проницаемость горной породы.
«В результате, интеллектуальная система научилась создавать «цифрового двойника» скважины. Раньше, чтобы узнать, в каком состоянии находится пласт, инженерам приходилось останавливать работу скважин. Теперь этого делать не нужно: эксперт загружает в систему актуальные, регулярно снимаемые показатели с месторождения. На основе этих вводных программа за несколько часов сама строит графики и предсказывает, как бы вело себя давление, если бы добычу остановили для традиционного исследования. ИИ сам анализирует все данные и выдает точное значение проницаемости удаленной зоны пласта», — рассказал Д. Мартюшев, д.т.н., профессор кафедры «Нефтегазовые технологии».
Теперь, как только в систему вводят информацию о конкретном месторождении, она изучает ее и рассчитывает проницаемость, то есть определяет, насколько легко нефть может пройти через породу. Высокий показатель означает, что пласт хорошо пропускает жидкость, а низкий, что есть препятствия для движения.
Для проверки эффективности работы системы ученые использовали данные с существующих месторождений, которые не участвовали в обучении программы. Они сравнивали проницаемость, рассчитанную по результатам реальных остановок скважин, с показателями, которые выдала система. Точность прогнозов программы достигла 99,7%. Это значит, что виртуальные показатели практически не отличаются от тех, что получают при настоящих испытаниях.
«Разработанный программный комплекс представляет собой законченное решение для мониторинга фильтрационных параметров пластов. Оперативность системы составляет несколько часов вместо 7-10 суток, требуемых для традиционных исследований, что позволяет нефтяным компаниям значительно повысить экономическую эффективность разработки месторождений», — отметил Д. Мартюшев.
Предложенная технология представляет собой законченное решение для оперативного мониторинга фильтрационных параметров пластов. Она позволяет непрерывно отслеживать их состояние без остановки добычи, что значительно повышает экономическую эффективность разработки месторождений. Точность прогнозов на уровне 99,7% обеспечивает надежную основу для принятия технологических решений, что в перспективе может стать отраслевым стандартом для мониторинга.
Напомним, что ранее специалисты ПНИПУ разработали технологию повышения нефтеотдачи на основе ультразвуковой обработки призабойной зоны пласта. Новый подход обеспечивает очистку породы от парафиновых пробок без прекращения эксплуатации скважины и без использования реагентов.
