close

Вход

Забыли?

вход по аккаунту

?

способ оценки дебита горизонтальной скважины

код для вставки
РОССИЙСКАЯ ФЕДЕРАЦИЯ
RU
(19)
(11)
2 300 632
(13)
C1
(51) МПК
E21B 47/10
(2006.01)
ФЕДЕРАЛЬНАЯ СЛУЖБА
ПО ИНТЕЛЛЕКТУАЛЬНОЙ СОБСТВЕННОСТИ,
ПАТЕНТАМ И ТОВАРНЫМ ЗНАКАМ
(12)
ОПИСАНИЕ ИЗОБРЕТЕНИЯ К ПАТЕНТУ
(21), (22) За вка: 2005138007/03, 06.12.2005
(72) Автор(ы):
Амерханов Марат Инкилапович (RU),
Ибатуллин Равиль Рустамович (RU),
Шутов Александр Анатольевич (RU),
Рахимова Шаура Газимь новна (RU)
(24) Дата начала отсчета срока действи патента:
06.12.2005
(45) Опубликовано: 10.06.2007 Бюл. № 16
2 3 0 0 6 3 2
Адрес дл переписки:
423236, Республика Татарстан, г. Бугульма,
ул. М. Джалил , 32, "ТатНИПИнефть", сектор
создани и развити промышленной
собственности
R U
2 3 0 0 6 3 2
(54) СПОСОБ ОЦЕНКИ ДЕБИТА ГОРИЗОНТАЛЬНОЙ СКВАЖИНЫ
(57) Реферат:
Предложение относитс к нефтедобывающей
промышленности, в частности к способам оценки
технологических
показателей
разработки
нефт ного месторождени горизонтальными
скважинами
(ГС).
Техническим
результатом
изобретени вл етс повышение эффективности
и точности способа оценки дебита нефт ной ГС за
счет расширени выбора исходных фактических
параметров пласта и ГС, вы влени основных
критериев, вли ющих на потенциальный дебит (ПД)
с помощью нейросетевой системы искусственного
интеллекта
(НСИИ),
адаптированной
на
фактическом материале конкретного нефт ного
месторождени . Дл этого способ включает
определение проницаемости и пористости пласта
по методам геофизических исследований ГС,
расчет ее ПД с учетом различных геологофизических условий, определение фактического
дебита и сравнение его с ПД. Дополнительно
определ ют
нефтенасыщенность
пласта,
рассто ние ГС до водонефт ного контакта пласта,
длину ствола ГС, тип и плотность растворов
вскрыти пласта и технологию освоени ГС.
Подбирают и ввод т исходные фактические
данные дл обучени НСИИ и выбирают
архитектуру НСИИ. Стро т обучающие выборки из
исходных фактических данных и осуществл ют
обучение НСИИ. Вы вл ют основные критерии, в
наибольшей степени, вли ющие на ПД нефт ной
ГС. Затем рассчитывают ее ПД с помощью
обученной НСИИ. 3 ил., 2 табл.
Страница: 1
RU
C 1
C 1
(73) Патентообладатель(и):
Открытое акционерное общество "Татнефть" им.
В.Д. Шашина (RU)
R U
(56) Список документов, цитированных в отчете о
поиске: RU 2159849 С2, 27.11.2000. SU 1221330
A1, 30.03.1986. SU 1404644 A1, 23.06.1988. RU
2211329 C1, 27.08.2003. SU 2258575 C1,
27.08.2005. US 4843878 A, 04.07.1989. US
5251286 A, 05.10.1993. GB 2235540 A,
06.03.1991. EP 0520903 A1, 30.12.1992.
БУЗИНОВ С.И. и др. Исследовани нефт ных и
газовых скважин и пластов. - М.: Недра, 1984,
с.59-62.
RUSSIAN FEDERATION
(19)
RU
(11)
2 300 632
(13)
C1
(51) Int. Cl.
E21B 47/10
(2006.01)
FEDERAL SERVICE
FOR INTELLECTUAL PROPERTY,
PATENTS AND TRADEMARKS
(12)
ABSTRACT OF INVENTION
(21), (22) Application: 2005138007/03, 06.12.2005
(72) Inventor(s):
Amerkhanov Marat Inkilapovich (RU),
Ibatullin Ravil' Rustamovich (RU),
Shutov Aleksandr Anatol'evich (RU),
Rakhimova Shaura Gazim'janovna (RU)
(24) Effective date for property rights: 06.12.2005
(45) Date of publication: 10.06.2007 Bull. 16
(73) Proprietor(s):
Otkrytoe aktsionernoe obshchestvo "Tatneft'"
im. V.D. Shashina (RU)
C 1
2 3 0 0 6 3 2
R U
intelligence
system
teaching
and
selecting
neuronet
intelligence
system
architecture;
forming teaching selections on the base of actual
input data and teaching neuronet intelligence
system; detecting main criteria, which exert
maximal influence on potential production rate of
oil
horizontal
well;
calculating
potential
production rate of horizontal well with the use
of trained neuronet intelligence system.
EFFECT: increased efficiency and accuracy of
horizontal
well
output
estimation
due
to
enhancement selection of actual input reservoir
and horizontal well parameters, possibility to
detect
main
criteria
exerting
influence
on
potential production rate with the
use of
neuronet
intelligence
system
adapted
to
particular oil field.
3 dwg, 2 tbl, 1 ex
Страница: 2
EN
C 1
(57) Abstract:
FIELD: oil production industry, particularly
survey of boreholes or wells to estimate oil
production data.
SUBSTANCE: method involves determining oil
reservoir permeability and porosity with the use
of geophysical horizontal well survey procedures;
calculating
potential
production
rate
thereof
with
taking
into
consideration
different
geological-and-physical
conditions;
determining
actual horizontal well output and comparing the
actual output with potential production rate;
additionally
determining
oil
saturation
of
reservoir, distance between horizontal well and
water-oil contact in reservoir, horizontal well
bore length, completion fluids type and density
and
horizontal
well
development
technology;
selecting and inputting actual data for neuronet
2 3 0 0 6 3 2
(54) HORIZONTAL WELL OUTPUT ESTIMATION METHOD
R U
Mail address:
423236, Respublika Tatarstan, g. Bugul'ma,
ul. M. Dzhalilja, 32, "TatNIPIneft'", sektor
sozdanija i razvitija promyshlennoj sobstvennosti
RU 2 300 632 C1
5
10
15
20
25
30
35
40
45
50
Изобретение относитс к нефтедобывающей промышленности, в частности к способам
оценки технологических показателей разработки нефт ного месторождени горизонтальными скважинами (ГС).
Известен способ оценки установившегос притока (дебита) жидкости к горизонтальным,
наклонным и многозабойным скважинам в однородном пласте ограниченной мощности
(Борисов Ю.П. и др. Разработка нефт ных месторождений горизонтальными и
многозабойными скважинами. М., Недра, 1964, стр.60-93).
Недостатком данного метода вл етс то, что авторами были сделаны многие
теоретические допущени , не были прин ты во внимание некоторые геолого-физические
параметры, вли ющие на приток жидкости к горизонтальным скважинам.
Известен способ определени проницаемости пород после обработки данных каротажа
с использованием нейронных сетей, которые имеют входной, промежуточный и выходной
уровни, а также устройства, позвол ющие с высокой степенью точности обрабатывать
информацию, полученную при каротажных исследовани х скважины (Пат. США № 5251286
G06F 15/18, оп. 05.10.93). Способ не решает задачу определени потенциального дебита
горизонтальной скважины.
Наиболее близким по технической сущности к предлагаемому способу вл етс способ
оценки дебитов нефтегазовых скважин (Пат. РФ № 2159849, Е21В 47/00, 49/00, оп.
27.11.2000. Бюл. № 33), включающий определение проницаемости, пористости пласта по
методам геофизических исследований скважин, расчет потенциального дебита скважины с
учетом различных геолого-физических условий, определение фактического дебита и
сравнение его с потенциальным.
Расчет потенциального дебита скважины осуществл ют по формуле Дюпюи с учетом
разницы пластового и забойного давлени и в зкости нефти и сравнивают фактический
дебит с потенциальным.
Недостатком данного способа оценки дебита вл етс то, что потенциальный дебит
скважины рассчитывают на основе детерминированной математической модели
разработки нефт ной залежи, построенной на формуле Дюпюи, котора не дает
удовлетворительной точности прогнозного результата. Необходимым условием
применени детерминированных моделей вл етс полное и детальное определение
пор дка действий некоторым набором известных функций и параметров, т.е. требует
полноты и точности исходных данных. В силу сложности природных объектов (нефт ного
месторождени ) практическа реализаци решени задачи таким способом представл етс затруднительной, т.к. при этом требуютс весьма сложные математические модели.
Разработка таких моделей представл ет собой весьма трудоемкий процесс, который может
занимать не один мес ц. Также недостатком вл етс то, что данное изобретение имеет
низкую эффективность способа оценки дебита горизонтальной скважины при неполной
информации о геолого-физических характеристиках пласта и параметрах работы скважины.
Технической задачей данного изобретени вл етс повышение эффективности и
точности способа оценки дебита горизонтальной нефт ной скважины за счет расширени выбора исходных фактических параметров пласта и скважины, вы влени основных
критериев, вли ющих на потенциальный дебит с помощью нейросетевой системы
искусственного интеллекта, адаптированной на фактическом материале конкретного
нефт ного месторождени .
Поставленна задача решаетс способом оценки дебита нефт ной скважины,
включающим определение проницаемости и пористости пласта по методам геофизических
исследований скважин, расчет потенциального дебита горизонтальной скважины с учетом
различных геолого-физических условий, определение фактического дебита и сравнение его
с потенциальным.
Новым вл етс то, что дополнительно определ ют нефтенасыщенность пласта,
рассто ние горизонтальной скважины до водонефт ного контакта (ВНК) пласта, длину
горизонтального ствола скважины, тип и плотность растворов вскрыти пласта и
технологию освоени скважины, подбирают и ввод т исходные фактические данные дл Страница: 3
DE
RU 2 300 632 C1
5
10
15
20
25
30
35
40
45
50
обучени нейросетевой системы искусственного интеллекта, выбирают архитектуру
нейросетевой системы, стро т обучающие выборки из исходных фактических данных,
осуществл ют обучение нейросетевой системы, вы вл ют основные критерии, в
наибольшей степени вли ющие на потенциальный дебит горизонтальной скважины,
рассчитывают потенциальный дебит горизонтальной скважины с помощью обученной
нейросетевой системы искусственного интеллекта.
Нейросетева система - это набор соединенных между собой самосто тельных узлов
анализа. Отличительное свойство нейросетей состоит в том, что они не программируютс ,
не используют никаких правил вывода дл решени задачи, а обучаютс делать это на
примерах. Это особенно актуально при работе с изучаемыми объектами,
характеризующимис большим числом входных параметров (проницаемость, пористость,
длина ГС и др.). Прогнозируемый результат будет тем точнее, чем шире критериальна база исходных данных, созданна на основе геолого-физических параметров нефт ного
месторождени . Нейросети способны принимать решени , основыва сь на вы вл емых
ими скрытых закономерност х в многомерных данных. Результат представл ет собой
многовариантную ранжированную классификацию.
По сравнению со способом оценки потенциального дебита на основе формулы Дюпюи
основным преимуществом способа оценки потенциального дебита горизонтальной
скважины с помощью нейросетевой системы искусственного интеллекта вл етс способность совокупного учета вли ни множества не доступных пр мому вы влению
функциональных зависимостей и оперативность осуществлени прогноза технологических
показателей по множеству скважин. В отличие от сложных математических моделей
нейросети включают в себ большое число простых вычислительных элементов,
работающих параллельно, которые способны приобретать, запоминать и использовать
опытное знание. Изначально параллельна природа этих сетей обеспечивает вычисление
с высокими скорост ми и обработку большого объема информации.
Программные средства основаны на нейронной сети Neuro Shell фирмы Ward Systems
Group, Inc.
Пример конкретного осуществлени способа оценки дебита горизонтальной скважины №
4686 Бавлинского месторождени . Способ осуществл етс следующей
последовательностью операций:
1. Определ ют по методам ГИС проницаемость, пористость и дополнительно
нефтенасыщенность пласта, рассто ние горизонтальной скважины до ВНК по всем
горизонтальным скважинам данного месторождени (табл.1).
2. Собирают фактические данные по длинам горизонтального ствола нефт ных скважин,
технологи м освоени , типам и плотност м растворов, используемых при вскрытии
продуктивного пласта, пластовым и забойным давлени м горизонтальных скважин данного
месторождени .
3. Ввод т эти исходные данные дл обучени нейросетевой системы искусственного
интеллекта.
4. Выбирают архитектуру нейронной сети. Дл обучени нейросетевой системы и оценки
потенциального дебита горизонтальной скважины были использованы два типа
архитектуры (алгоритма) нейронной сети: нейронный и генетический.
Приведены графические материалы, где показаны:
на фиг.1 - нейронный метод обучени ; на фиг.2 - генетический метод обучени ; на
фиг.3 - основные критерии, вли ющие на оценку потенциального дебита ГС.
Нейронный алгоритм дает меньшую точность, но более работоспособен при условии
неполноценности исходных данных (фиг.1). Генетический алгоритм более точен, но
критичен к неполноценности исходных данных (фиг.2). Нейронный метод дает точность
предсказани ~ 80%, а генетический алгоритм - 99,9%. Поэтому прогноз строитс по
обобщенным результатам и представл ет собой совокупный результат по обоим
алгоритмам.
5. Стро т обучающие выборки дл создани критериальной базы данных. По исходным
Страница: 4
RU 2 300 632 C1
5
10
15
20
25
30
35
фактическим данным создаетс критериальна база данных, по которой происходит
обучение нейросети. В данном конкретном примере использовали 10 исходных параметров
дл более 50 скважин данного месторождени , пробуренных на кизеловский горизонт
(табл.1).
6. Обучают нейросетевую систему. В процессе обучени нейросети определ ют степень
вли ни каждого параметра на итоговое решение и с учетом этого осуществл ют более
тонкую настройку нейронной сети. Затем обученна система проходит тестирование на
предмет распознавани данных, на которых она была обучена. Степень вли ни параметров настроенной сети на дебит горизонтальной скважины представлена в виде
ранжированной классификации (фиг.3), где:
Lgs - длина горизонтальной скважины,
Type rast - тип раствора вскрыти ,
Plotnost - плотность раствора вскрыти ,
Kpor - пористость пласта,
Koil - нефтенасыщенность пласта,
Kpron - проницаемость пласта
VNK - рассто ние до водонефт ного контакта,
Osvoenie - технологи освоени ,
Ppl - пластовое давление,
Pzab - забойное давление.
Как видно из графика (фиг.3), наиболее важными критери ми, вли ющими на точность
оценки прогнозного дебита горизонтальной скважины № 4686, вл ютс длина
горизонтального ствола скважины, коэффициент проницаемости и нефтенасыщенность
пласта. Следующими по значимости вли ни на потенциальный дебит ГС критери ми
вл ютс : рассто ние горизонтальной скважины до ВНК, технологи освоени скважины и
коэффициент пористости пласта. Способ оценки дебита горизонтальной скважины тем
эффективнее и точнее, чем больше подобных критериев (геолого-физических параметров).
7. Рассчитывают потенциальный дебит горизонтальной скважины № 4686. Результат
представлен в табл.2. Потенциальный дебит составил 5,6 т/сут. После начала
эксплуатации ГС был получен фактический дебит 5,8 т/сут. Точность оценки
потенциального дебита ГС по предлагаемому способу составила 96,6%, а по прототипу менее 80%.
Таким образом, предлагаемый способ позвол ет увеличить эффективность и точность
оценки потенциального дебита горизонтальной нефт ной скважины. Точный прогноз
потенциального дебита горизонтальной скважины необходим при составлении проектов
разработки нефт ных месторождений и в процессе эксплуатации их при прогнозировании
добычи нефти как дл отдельных скважин, так и суммарной добычи нефти дл группы
скважин.
Таблица 1
40
45
№ скв.
Горизонт
Дебит Длина Тип
Плотность Пористость, Нефтенасыщенность, Проницаемость, ВНК, Технологи Пласт.
Забойное
нефти, ГС, м раствора раствора, %
%
мД
м
освоени давление, давление,
т/сут
МПа
МПа
г/см 3
3061 Кизеловский
0,3
270
2
1,02
9
55,9
1,6
12,4
6
10,4
5,8
3560 Кизеловский
0,6
187
1
1,35
11,5
62,5
2,1
16,7
1
6,3
4,0
3056 Кизеловский
1,7
251
2
1,02
9,9
61,6
2,8
13,2
4
6,7
4,4
3064 Кизеловский
2,1
100
2
0,98
9,8
61,6
1,6
14,9
5
7,8
7,2
3532 Кизеловский
2,5
209
1
1,18
12,2
64,1
4,0
13,2
1
6,1
5,5
3322 Кизеловский
2,5
339
2
1,02
10,8
67,3
2,7
11,5
4
8,1
6,6
3222 Кизеловский
2,5
247
2
1,02
9,3
63,8
2,7
12,8
1
7,7
5,4
..................... ..................... ..................... .....................
50
3514 Кизеловский
5,9
330
1
1,23
9,5
64,5
10,0
8,7
2
9,9
3,8
3200 Кизеловский
5,9
354
3
1,02
9,5
57,7
10,3
18,1
7
7,0
4,4
3201 Кизеловский
6,3
273
1
1,20
11,5
64,0
10,9
10,7
1
6,6
5,7
4546 Кизеловский
6,3
517
2
1,02
11,1
65,6
0,8
23,2
6
8,1
7,0
4629 Кизеловский
8,6
376
2
1,02
10,2
62,0
0,6
12,1
4
5,8
5,4
4580 Кизеловский
11,1
637
3
1,02
12,4
62,6
10,0
27,7
6
9,2
7,0
Страница: 5
RU 2 300 632 C1
Таблица 2
Потенциальный Фактический Длина Тип
Плотность Пористость, Нефтенасыщенность, Проницаемость, ВНК, Технологи Пласт.
Забойное
дебит нефти,
дебит
ГС, м раствора раст-ра,
%
%
мД
м
освоени давление, давление,
т/сут
нефти, т/сут
г/см
МПа
МПа
5,6
5,8
184
3
1,02
11,9
64,85
2,15
8,4
7
11
4,9
5
10
15
Формула изобретени Способ оценки дебита горизонтальной нефт ной скважины, включающий определение
проницаемости, пористости пласта по методам геофизических исследований скважин,
расчет потенциального дебита скважины с учетом различных геолого-физических условий,
определение фактического дебита и сравнение его с потенциальным, отличающийс тем,
что дополнительно определ ют нефтенасыщенность пласта, рассто ние горизонтальной
скважины до водонефт ного контакта пласта, длину горизонтального ствола скважины, тип
и плотность растворов вскрыти пласта и технологию освоени скважины, подбирают и
ввод т исходные фактические данные дл обучени нейросетевой системы искусственного
интеллекта, выбирают архитектуру нейросетевой системы, стро т обучающие выборки из
исходных фактических данных, осуществл ют обучение нейросетевой системы, вы вл ют
основные критерии, в наибольшей степени вли ющие на потенциальный дебит
горизонтальной скважины, рассчитывают потенциальный дебит горизонтальной скважины с
помощью обученной нейросетевой системы искусственного интеллекта.
20
25
30
35
40
45
50
Страница: 6
CL
RU 2 300 632 C1
Страница: 7
DR
RU 2 300 632 C1
Страница: 8
Документ
Категория
Без категории
Просмотров
0
Размер файла
219 Кб
Теги
1/--страниц
Пожаловаться на содержимое документа