georesГеоресурсыGeoresources1608-50431608-5078Georesursy LLC10.18599/grs.2022.1.1geores-150Research ArticleРАЗРАБОТКА И ЭКСПЛУАТАЦИЯ МЕСТОРОЖДЕНИЙ ПОЛЕЗНЫХ ИСКОПАЕМЫХУправление добычей нефти на основе нейросетевой оптимизации режимов работы скважин на участке опытно-промышленных работ пласта ЮВ1 Ватьеганского месторождения ТПП «Повхнефтегаз»Oil production management based on neural network optimization of well operation at the pilot project site of the Vatyeganskoe field (Territorial Production Enterprise Povkhneftegaz)БриллиантЛ. С.BrilliantL. S.

Леонид Самуилович Бриллиант – кандидат тех. наук, академик РАЕН, член ЦКР Роснедра, генеральный директор

625000, Тюмень, ул. Герцена, д. 64

Leonid S. Brilliant – PhD (Engineering), Director General

64, Gertsen st., Tyumen, 625000

ДулкарнаевМ. Р.DulkarnaevM. R.

Марат Рафаилевич Дулкарнаев – кандидат тех. наук, заместитель генерального директора по разработке месторождений – главный геолог

628484, Когалым, ул. Прибалтийская, д. 20

Marat R. Dulkarnaev – PhD (Engineering), Deputy Director General for Field Development – Chief Geologist

20, Pribaltiyskaya st., Kogalym, 628484

ДанькоМ. Ю.DankoM. Yu.

Михаил Юрьевич Данько – заместитель генерального директора по науке

625000, Тюмень, ул. Герцена, д. 64

Mikhail Yu. Danko – Deputy Director General for Science

64, Gertsen st., Tyumen, 625000

ЕлишеваА. О.ElishevaA. O.

Александра Олеговна Елишева – директор департамента анализа и проектирования разработки нефтегазовых месторождений

625000, Тюмень, ул. Герцена, д. 64

Aleksandra O. Elisheva – Director of the Department of Analysis and Design of Oil and Gas Field Development

64, Gertsen st., Tyumen, 625000

ElishevaAO@togi.ruНабиевД. Х.NabievD. K.

Динар Халитович Набиев – заведующий лабораторией

625000, Тюмень, ул. Герцена, д. 64

Dinar K. Nabiev – Head of the Laboratory

64, Gertsen st., Tyumen, 625000

ХуторнаяА. И.KhutornayaA. I.

Анастасия Игоревна Хуторная – ведущий инженер

625000, Тюмень, ул. Герцена, д. 64

Anastasiya I. Khutornaya – Leading Engineer

64, Gertsen st., Tyumen, 625000

МальковИ. Н.MalkovI. N.

Иван Николаевич Мальков – инженер I категории

625000, Тюмень, ул. Герцена, д. 64

Ivan N. Malkov – Engineer

64, Gertsen st., Tyumen, 625000

ООО «Тюменский институт нефти и газа»РоссияTyumen Oil & Gas InstituteRussian FederationООО «ЛУКОЙЛ-Западная Сибирь» ТПП «Повхнефтегаз»РоссияООО LUKOIL-Zapadnaya Sibir TPE PovkhneftegazRussian Federation202214042024241315Copyright © Бриллиант Л.С., Дулкарнаев М.Р., Данько М.Ю., Елишева А.О., Набиев Д.Х., Хуторная А.И., Мальков И.Н., 20242024Бриллиант Л.С., Дулкарнаев М.Р., Данько М.Ю., Елишева А.О., Набиев Д.Х., Хуторная А.И., Мальков И.Н.Brilliant L.S., Dulkarnaev M.R., Danko M.Y., Elisheva A.O., Nabiev D.K., Khutornaya A.I., Malkov I.N.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.geors.ru/jour/article/view/150

Оптимизация разработки «зрелых» месторождений в алгоритмах машинного обучения на сегодняшний день является одной из актуальных проблем. Ставится задача по продлению эффективной эксплуатации скважин, оптимизации управления производством на поздней стадии разработки месторождений. На основании поставленной задачи в статье приводится обзор возможных решений в вопросах управления заводнением.Технология управления добычей рассматривается как альтернатива интенсификации разработки, которая ассоциируется с увеличением темпов отбора жидкости и предполагает поиск решений, направленных на снижение обводненности продукции скважин. Практическая реализация «Нейросетевой технологии управления добычей» включает в себя этапы: оценка, выбор, прогнозная аналитика. Результат – цифровой технологический режим скважин, соответствующий поставленной цели и решению оптимизационной задачи в алгоритмах искусственного интеллекта с использованием программно-аппаратного комплекса (ПАК) «Атлас – Управление заводнением».«Нейросетевые технологии управления добычей» успешно апробированы на опытно-промышленном участке объекта ЮВ1 1 Ватьеганского месторождения. В статье приведен тщательный и детальный анализ проведённых работ, описаны алгоритмы и результаты расчетов прокси-модели на примере опытно-промышленного участка, а также интеграция функционала ПАК «Атлас» и организация рабочего процесса со специалистами промысла территориально-производственного предприятия «Повхнефтегаз».

Optimization of the “mature” fields development in machine learning algorithms is one of the urgent problems nowadays. The task is set to extend the effective operation of wells, optimize production management at the late stage of field development. Based on the task set, the article provides an overview of possible solutions in waterflooding management problems. Production management technology is considered as an alternative to intensification of operation, which is associated with an increase in the produciton rate and involves finding solutions aimed at reducing the water cut of well production. The practical implementation of the “Neural technologies for production improvement” includes the following steps: evaluation, selection, predictive analytics. The result is a digital technological regime of wells that corresponds to the set goal and the solution of the optimization problem in artificial intelligence algorithms using the software and hardware complex “Atlas – Waterflood Management”.“Neural technologies for production improvement” have been successfully tested at the pilot project site of the productive formation of the Vatyeganskoe field. The article provides a thorough and detailed analysis of the work performed, describes the algorithms and calculation results of the proxy model using the example of the pilot area, as well as the integration of the “Atlas – Waterflood Management” and the organization of the workflow with the field professionals of the Territorial Production Enterprise Povkhneftegaz.

разработка месторожденийнейросетевая оптимизациятехнологический режиммашинное обучениеоптимизационная задачауправление заводнениемдобыча нефтиуправление добычей нефтиПАК «Атлас»field developmentneural network optimizationtechnological regimemachine learningoptimization problemflood controloil productionoil production managementReferencesАрефьев С.В., Юнусов Р.Р., Валеев А.С., Корниенко А.Н., Дулкарнаев М.Р., Лабутин Д.В., Бриллиант Л.С., Печеркин М.Ф., Кокорин Д.А., Грандов Д.В., Комягин А.И. (2017). Методические основы и опыт внедрения цифровых технологий оперативного планирования и управления режимами работы добывающих и нагнетательных скважин на участке ОПР пласта ЮВ1 Ватьеганского месторождения ТПП «Повхнефтегаз» (ООО «ЛУКОЙЛ-Западная Сибирь»). Недропользование XXI век, 6(69), с. 60–81.Albertoni, Alejandro & Lake, Larry (2003). Inferring Interwell Connectivity Only From Well-Rate Fluctuations in Waterfloods. SPE Reservoir Evaluation & Engineering, 6, pp. 6–16. https://doi.org/10.2118/83381-PAБриллиант Л.С. (2018). Цифровые решения в управлении добычей на «зрелых» нефтяных месторождений. Нефть. Газ. Новации, 4, с. 61–64.Arefiev S.V., Yunusov R.R., Valeev A.S., Kornienko A.N., Dulkarnaev M.R., Labutin D.V., Brilliant L.S., Pecherkin M.F., Kokorin D.A., Grandov D.V., Komyagin A.I. (2017). Methodical foundations and experience in the implementation of digital technologies for operational planning and management of the operating modes of production and injection wells in the OPR area of the Yuv1 reservoir of the Vatjeganskoye deposit of the Povkhneftegaz TPP (OOO Lukoil-Western Siberia). Nedropolzovanie XXI vek, 6(69), pp. 60–81. (In Russ.)Бриллиант Л.С., Дулкарнаев М.Р., Данько М.Ю., Елишева А.О., Цинкевич О.В. (2020). Архитектура цифровых решений управления режимами эксплуатации скважин в задачах эффективной разработки зрелых месторождений нефти. Недропользование XXI век, 4(87), с. 98–107.Brilliant L.S. (2018). Digital Solutions for Production Management at Mature Oil Fields. Neft. Gaz. Novatsii, 4, pp. 61–64. (In Russ.)Бриллиант Л.С., Завьялов А.С., Данько М.Ю. (2020). Способ оперативного управления заводнением пластов. Патент РФ № 2715593 от 02.03.2020.Brilliant L.S., Dulkarnaev M.R., Danko M.Yu., Elisheva A.O., Tsinkevich O.V. (2020). Challenges of efficient brownfield development: architecture of digital solutions in control of well operation conditions. Nedropolzovanie XXI vek, 4(87), pp. 98–107. (In Russ.)Бриллиант Л.С., Комягин А.И., Бляшук М.М., Цинкевич О.В., Журавлёва А.А. (2017). Способ оперативного управления заводнением пластов. Патент РФ № 2614338 от 24.03.2017.Brilliant L.S., Komyagin A.I., Blyashuk M.M., Tsinkevich O.V., Zhuravleva A.A. (2017). The method of operational control of waterflooding. Patent RF 2614338; publ. 24.03.2017.Бриллиант Л.С., Печеркин М.Ф., Бляшук М.М., Цинкевич О.В., Алексеев А.С. (2019). Развитие практических решений в задачах Управления Заводнением на основе нейросетевой оптимизации режимов работы нагнетательных скважин. Недропользование XXI век, 4(80), с. 114–123.Brilliant L.S., Pecherkin M.F., Blyashuk M.M., Tsinkevich O.V., Alekseev A.S. (2019). Development of Practical Solutions for Water Flood Control Problems Based on Neural Network Optimization of Injection Wells Operating Modes. Nedropolzovanie XXI vek, 4(80), pp. 114–123. (In Russ.)Бриллиант Л.С., Смирнов И.А., Комягин А.И., Потрясов А.В., Печоркин М.Ф., Барышников А.В. (2015). Способ оперативного управления заводнением пластов. Патент РФ № 2565313 от 20.10.2015.Brilliant L.S., Smirnov I.A., Komyagin A.I., Potryasov A.V., Pechorkin M.F., Baryshnikov A.V. (2015). The method of operational control of waterflooding. Patent RF 2565313; publ. 20.10.2015.Мееров М.В., Литвак Б.Л. (1972). Оптимизация систем многосвязного управления. М.: Наука, 344 с.Brilliant L.S., Zaviyalov A.S., Danko M.Yu. (2020). The method of operational control of waterflooding. Patent RF 2715593; publ. 02.03.2020.Михайлов В.Н., Волков Ю.А., Дулкарнаев М.Р. (2011). Итерационная методика построения геолого-гидродинамических моделей для оценки распределенияостаточных запасов нефти и планирования геолого-технологических мероприятий». Георесурсы, 3(39), с. 43–48.Gopa, Konstantin, Yamov, Sergey, Naugolnov, Mihail, Perets, Dmitrii, and Maksim Simonov (2018). Cognitive Analytical System Based on DataDriven Approach for Mature Reservoir Management. Paper presented at the SPE Russian Petroleum Technology Conference. Moscow. https://doi.org/10.2118/191592-18RPTC-MSМихайлов B.Н., Дулкарнаев М.Р., Волков Ю.А. (2012). Проблемы и опыт проектирования разработки длительно эксплуатируемых залежей нефти на примере Ватьеганского месторождения Западной Сибири. Труды межд. научно-практ. конф.: Высоковязкие нефти и природные битумы: проблемы и повышение эффективности разведки и разработки месторождений. Казань: Фэн, с. 255–257.Guo, Zhenyu, Reynolds, Albert C., & Zhao, Hui (2018). Waterflooding optimization with the INSIM-FT data-driven model. Computational Geosciences (Dordrecht Online), 22(3), pp. 745–761. http://dx.doi.org/10.1007/s10596-018-9723-yНехорошкова A.A., Данько М.Ю., Завьялов A.C., Елишева А.О. (2019). Критический анализ метода прокси-моделирования INSIM-FT (Interwell Numerical SimulationFront Tracking models) на синтетических моделях и реальном месторождении. Нефть. Газ. Новации, 12(229), с. 49–55.Meerov M.V., Litvak B.L. (1972). Optimization of Multiconnected Control Systems. Moscow: Nauka, 344 p. (In Russ.)Потрясов А.А., Бриллиант Л.С., Печеркин М.Ф., Комягин А.И. (2016). Автоматизация процессов управления заводнением на нефтяном месторождении. Недропользование XXI век, 6(63), с. 112–121.Mikhaylov V.N., Volkov Yu.A., Dulkarnaev M.R. (2011). Iterative technique of geological hydrodynamic modeling for the estimation of residual oil reserves distribution and planning of geological and technological works. Georesursy, 3(39), pp. 43–48. (In Russ.)Ручкин А.А, Степанов С.В, Князев А.В, Степанов А.В, Корытов А.В, Авсянко И.Н. (2018). Исследование особенностей оценки взаимовлияния скважин на примере модели CRM. Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика, 4, с. 148–168.Mikhaylov B.N., Dulkarnaev M.R., Volkov Yu.A. (2012). Problems and experience in development design of long-term exploited oil deposits on the example of the Vatyeganskoe field in Western Siberia. Proc. Conf.: Highviscosity oil and natural bitumen: problems and improving the efficiency of exploration and field development. Kazan: Fen, pp. 255–257. (In Russ.)Степанов С.В., Соколов С.В., Ручкин А.А., Степанов А.В., Князев А.В., Корытов А.В. (2018). Проблематика оценки взаимовлияния добывающих и нагнетательных скважин на основе математического моделирования. Вестник Тюменского государственного университета. Физикоматематическое моделирование. Нефть, газ, энергетика, 3, с. 146–164.Naugolnov, Mikhail, and Rustam Murtazin (2019). Reservoir ValueEngineering for West Siberian Oil Fields. Paper presented at the SPE Annual Caspian Technical Conference. Baku. https://doi.org/10.2118/198374-MSAlbertoni, Alejandro & Lake, Larry (2003). Inferring Interwell Connectivity Only From Well-Rate Fluctuations in Waterfloods. SPE Reservoir Evaluation & Engineering, 6, pp. 6–16. https://doi.org/10.2118/83381-PANaugolnov, Mikhail, Teplyakov, Nikolay, and Maxim Bolshakov (2018). Cost-Engineering Waterflooding Management Methods. Paper presented at the SPE Russian Petroleum Technology Conference. Moscow. https://doi.org/10.2118/191580-18RPTC-MSGopa, Konstantin, Yamov, Sergey, Naugolnov, Mihail, Perets, Dmitrii, and Maksim Simonov (2018). Cognitive Analytical System Based on Data-Driven Approach for Mature Reservoir Management. Paper presented at the SPE Russian Petroleum Technology Conference. Moscow. https://doi.org/10.2118/191592-18RPTC-MSNekhoroshkova A.A., Danko M.Yu., Zavyalov A.C., Elisheva A.O. (2019). Critical analysis of the proxy modeling method INSIM-FT (Interwell Numerical SimulationFront Tracking models) on synthetic models and a real field. Neft. Gaz. Novatsii, 12(229), pp. 49–55. (In Russ.)Guo, Zhenyu, Reynolds, Albert C., & Zhao, Hui (2018). Waterflooding optimization with the INSIM-FT data-driven model. Computational Geosciences (Dordrecht Online), 22(3), pp. 745–761. http://dx.doi.org/10.1007/s10596-018-9723-yPotryasov A.A., Brilliant L.S., Pecherkin M.F., Komyagin A.I. (2016). Automation of waterflooding control processes in an oil field.. Nedropolzovanie XXI vek, 6(63), pp. 112–121. (In Russ.)Naugolnov, Mikhail, and Rustam Murtazin (2019). Reservoir ValueEngineering for West Siberian Oil Fields. Paper presented at the SPE Annual Caspian Technical Conference. Baku. https://doi.org/10.2118/198374-MSRuchkin A.A, Stepanov S.V, Knyazev A.V, Stepanov A.V, Korytov A.V, Avsyanko I.N. (2018). Applying CRM Model to Study Well Interference. Tyumen State University Herald. Physical and Mathematical Modeling. Oil, Gas, Energy, 4, pp. 148–168. (In Russ.)Naugolnov, Mikhail, Teplyakov, Nikolay, and Maxim Bolshakov (2018). Cost-Engineering Waterflooding Management Methods. Paper presented at the SPE Russian Petroleum Technology Conference. Moscow. https://doi.org/10.2118/191580-18RPTC-MSStepanov S.V., Sokolov S.V., Ruchkin A.A., Stepanov A.V., Knyazev A.V., Korytov A.V. (2018). Considerations on Mathematical Modeling of Producer-Injector Interference. Tyumen State University Herald. Physical and Mathematical Modeling. Oil, Gas, Energy, 3, pp. 146–164. (In Russ.)

The authors declare that there are no conflicts of interest present.