Алексей Александрович Глушаков – младший научный сотрудник
119296, Москва, Ленинский проспект, д. 65, корп. 1
Aleksey A. Glushakov – Junior Researcher
65, Build. 1, Leninsky Av., Moscow, 119296
Алексей Игоревич Архипов – кандидат техн. наук, старший научный сотрудник
119296, Москва, Ленинский проспект, д. 65
Aleksey I. Arhipov – Cand. Sci. (Engineering), Senior Researcher
65, Build. 1, Leninsky Av., Moscow, 119296
Иван Владимирович Афанаскин – кандидат техн. наук, независимый исследователь, член Евразийского Союза экспертов по недропользованию (ЕСО ЭН)
117218, Москва, Нахимовский просп., д. 36, к. 1
Ivan V. Afanaskin – Cand. Sci. (Engineering), Independent Researcher
36, Build. 1, Nakhimovsky Av., Moscow, 117218
Рассмотрены основные виды CRM-моделей (Capacitance Resistive Model). Преимуществом CRM-моделей перед другими типами моделей является исключение из рассмотрения пластового давления, информация о котором обычно носит несистемный, разрозненный, а часто и недостоверный характер. Особое внимание в работе уделено многослойным CRM-моделям, описывающим поток в слоистых пластах. По литературным данным описаны три модели, наиболее близкие к предлагаемой в данной работе.Предложена авторская модель взаимодействия скважин при заводнении нефтяного пласта с двойной проницаемостью (частный случай слоисто-неоднородного пласта) в рамках концепции CRM-моделирования. Отличия предлагаемой модели от моделей других авторов состоят в следующем: 1) модель учитывает возможные перетоки между слоями за счет вертикальной фильтрации поперек напластования; 2) модель учитывает двухфазный характер фильтрации при заводнении, благодаря использованию дифференциального уравнения сохранения объема воды в пластовых условиях, такой подход является наиболее точным и физически обоснованным; 3) дифференциальные уравнения модели решаются с помощью численных методов; 4) рассматривается система, состоящая из двух слоев с разными фильтрационно-емкостными свойствами.Проведено тестирование предложенного подхода на модельных и фактических данных. В модельном примере при сравнении различных показателей разработки, рассчитанных с помощью CRM-модели и с помощью гидродинамического симулятора, коэффициент детерминации составляет не менее 0.9. Это является хорошим результатом и говорит о высоком уровне совпадения кривых. В фактическом примере при сравнении рассчитанных с помощью CRM-модели и фактических показателей разработки коэффициент детерминации составляет не менее 0.7. Это, как и в предыдущем случае, является хорошим результатом для фактических данных и говорит о высоком уровне совпадения расчетных и фактических кривых.
The main types of CRM models (Capacitance Resistive Model) are considered. The advantage of CRM models over other types of models is the exclusion from consideration of reservoir pressure, information about which is usually unsystematic, scattered, and often unreliable. Particular attention in the work is paid to ML-CRM models that describe flow in layered formations. According to the literature, three models are described that are closest to the proposed one in this paper.The author’s model of interaction between wells during waterflooding of an oil reservoir with double permeability (layered heterogeneous reservoir) is proposed within the framework of the CRM modeling concept. Differences of the proposed model from models of other authors: 1) the model takes into account possible flows between layers due to vertical filtration across the bedding; 2) the model takes into account the two-phase nature of filtration during waterflooding, thanks to the use of a differential equation for the conservation of water volume in reservoir conditions, this approach is the most accurate and physically justified; 3) differential equations of the model are solved using numerical methods; 4) a system consisting of two layers with different filtration and capacitance properties is considered.The proposed model was tested on model and actual data. In the model example, when comparing various development indicators calculated using the CRM model and using a hydrodynamic simulator, the coefficient of determination is at least 0.9. This is a good result and indicates a high level of coincidence of the curves. In the actual example, when comparing those calculated using the CRM model and actual development indicators, the coefficient of determination is at least 0.7. This is also a good result for the actual data and indicates a high level of agreement between the calculated and actual curves.
The authors declare that there are no conflicts of interest present.