georesГеоресурсыGeoresources1608-50431608-5078Georesursy LLC10.18599/grs.2023.4.10geores-8Research ArticleСТАТЬИRESEARCH ARTICLESЧисленно-аналитическое моделирование добычи нефти горизонтальной скважиной из-под газовой шапки с автоматической адаптациейNumerical-analytical modeling of oil extraction from oil fields with a gas cap using horizontal wells with automatic history matchingШевченкоД. В.ShevchenkoD. V.

Денис Вячеславович Шевченко – кандидат физ.-мат. наук, доцент, заведующий кафедрой высшей  математики;

старший научный сотрудник

420111, Казань, ул. Московская, д. 42

Denis V. Shevchenko – Cand. Sci. (Physics and Mathematics), Head of the Department of Higher  Mathematics;

Senior Researcher

42, Moskovskaya st., Kazan, 420111

СаламатинА. А.SalamatinA. A.

Артур Андреевич Саламатин – кандидат физ.-мат. наук, старший научный сотрудник;

старший научный сотрудник

420008, Казань, ул. Кремлевская, д. 35

Artur A. Salamatin – Cand. Sci. (Physics and Mathematics), Senior Researcher;

Senior Researcher

35, Kremlevskaya st., Kazan, 420008

ЯруллинА. Д.YarullinA. D.

Айрат Данирович Яруллин – инженер

420111, Казань, ул. Карла Маркса, д. 5

Airat D. Yarullin – Engineer

5, Karl Marks st., Kazan, 420111

УсмановС. А.UsmanovS. A.

Сергей Анатольевич Усманов – заместитель директора НОЦ «Моделирование ТРИЗ»

420111, Казань, ул. Большая Красная, д. 4

Sergey A. Usmanov – Deputy Director, Hard-to-Recover Reserves Simulation Research and Educational Center, Institute of Geology and Petroleum Technology

4, Bolshaya Krasnaya st., Kazan, 420111

sausmanov@gmail.comСавельевВ. В.SavelievV. V.

Владислав Владимирович Савельев – инженер

420111, Казань, ул. Большая Красная, д. 4

Vladislav V. Savelev – Engineer

4, Bolshaya Krasnaya str., Kazan, 420111

СудаковВ. А.SudakovV. A.

Владислав Анатольевич Судаков – директор НОЦ «Моделирование ТРИЗ»

420111, Казань, ул. Большая Красная, д. 4

Vladislav A. Sudakov – Deputy Director of the Institute for Innovations, Director of Hard-to-Recover Reserves Simulation Research and Educational Center, Institute of Geology and Petroleum Technology

4, Bolshaya Krasnaya st., Kazan, 420111

РощектаевА. П.RoschektaevA. P.

Алексей Петрович Рощектаев – главный эксперт

190000, Санкт-Петербург, наб. реки Мойки, д. 75-79, литер Д

Alexey P. Roshchektaev – Chief Expert

75-79, build. D, Moyka River emb., Saint Petersburg, 190000

ЮдинЕ. В.YudinE. V.

Евгений Викторович Юдин – директор программ по разработке продуктов

190000, Санкт-Петербург, наб. реки Мойки, д. 75-79, литер Д

Evgeny V. Yudin – Product Development Program Director

75-79, build. D, Moyka River emb., Saint Petersburg, 190000

ВоробьевД. С.VorobyovD. S.

Даниил Сергеевич Воробьев – руководитель сектора интегрированного моделирования Центра  правления добычей

629002, Ямало-Ненецкий автономный округ, Салехард, ул. Мира, д. 43а

Daniil S. Vorobyev – Head of the Integrated Modeling Sector

43a, Mira st., Salekhard, 629002

СорокинаВ. В.SorokinaV. V.

Валерия Владимировна Сорокина – специалист

190000, Санкт-Петербург, наб. реки Мойки, д. 75-79, литер Д

Valeriya V. Sorokina – Specialist

75-79, build. D, Moyka River emb., Saint Petersburg, 190000

СвешниковаА. А.SveshnikovaA. A.

Анастасия Андреевна Свешникова – специалист

190000, Санкт-Петербург, наб. реки Мойки, д. 75-79, литер Д

Anastasia A. Sveshnikova – Specialist

75-79, build. D, Moyka River emb., Saint Petersburg, 190000

Казанский (Приволжский) федеральный университет; Казанский инновационный университет имени В.Г. ТимирясоваРоссияKazan Federal University; Kazan Innovation University named after V.G. TimiryasovRussian FederationКазанский (Приволжский) федеральный университет; ИММ – обособленное структурное подразделение ФИЦ КазНЦ РАНРоссияKazan Federal University; IME – Subdivision of FIC KazanSC of RASRussian FederationООО «Геопай»РоссияGeopy LLCRussian FederationКазанский (Приволжский) федеральный университетРоссияKazan Federal UniversityRussian FederationООО «Газпромнефть НТЦРоссияGazprom Neft NTC LLCRussian FederationООО «Газпромнефть-Ямал»РоссияGazprom Neft Yamal LLCRussian Federation2023280320242545868Copyright © Шевченко Д.В., Саламатин А.А., Яруллин А.Д., Усманов С.А., Савельев В.В., Судаков В.А., Рощектаев А.П., Юдин Е.В., Воробьев Д.С., Сорокина В.В., Свешникова А.А., 20242024Шевченко Д.В., Саламатин А.А., Яруллин А.Д., Усманов С.А., Савельев В.В., Судаков В.А., Рощектаев А.П., Юдин Е.В., Воробьев Д.С., Сорокина В.В., Свешникова А.А.Shevchenko D.V., Salamatin A.A., Yarullin A.D., Usmanov S.A., Saveliev V.V., Sudakov V.A., Roschektaev A.P., Yudin E.V., Vorobyov D.S., Sorokina V.V., Sveshnikova A.A.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/8

В статье представлена численно-аналитическая модель прорыва газа к скважине при разработке горизонтальными скважинами нефтяных месторождений с газовой шапкой. Используемая полуаналитическая модель позволяет описать процесс развития газового конуса и воспроизводить параметры добычи нефти и газа по скважине с применением настройки на фактическую историю добычи при помощи нескольких коэффициентов. Численная схема модели была реализована в виде расчетной библиотеки на языке программирования Python ver. 3.6.Алгоритм протестирован на залежах нефти с газовой шапкой Ямальской нефтегазоносной области и показал хорошие результаты при адаптации и прогнозных расчетах. Среднее время расчета одной итерации менее 10 с позволяет проводить многовариантные запуски расчета модели с использованием оптимизационных алгоритмов для автоматической настройки модели на фактические данные о добыче. Результаты использования автоматизированной настройки на историю добычи показали удовлетворительную сходимость с фактическими данными. Таким образом, созданный алгоритм позволяет снизить трудо- и времязатраты при расчете прогноза добычи, тем самым повышая эффективность принимаемых решений по оптимизации разработки.

The article describes a numerical-analytical model for gas breakthrough to a well during the development of oil fields with a gas cap using horizontal wells. The employed semi-analytical model allows describing the process of gas cone development and reproducing oil and gas production parameters from the well by matching to the actual production history using several coefficients. The numerical scheme of the model was implemented as a computational library in the Python 3.6 programming language.The algorithm was tested on oil deposits with a gas cap in the South Yamal oil and gas region and showed good results in history matching and forecasting calculations. The average calculation time of one iteration being less than 10 seconds allows for multiple model run scenarios using optimization algorithms for automatic calibration to actual production data. The results of the testing show the possibility of achieving satisfactory convergence using automated calibration to the production history. The developed algorithm reduces the workload of specialists in forecasting production, thereby enhancing the effectiveness of decisions made for development optimization.

месторождениегазовая шапкагоризонтальная скважинагазовый факторoil fieldgas caphorizontal wellgas-oil ratioРабота выполнена при поддержке Министерства науки и высшего образования Российской Федерации по соглашению № 075-15-2022-299 в рамках программы развития НЦМУ «Рациональное освоение запасов жидких углеводородов планеты».This work was supported by the Ministry of Science and Higher Education of the Russian Federation under agreement No. 075-15-2022-299 within the framework of the development program for a world-class Research Center “Efficient development of the global liquid hydrocarbon reserves”.ReferencesЛисковец О.А. (1965). Метод прямых. Дифференциальные уравнения, 1(12), с. 1662–1678.Davarpanah A, Mirshekari B. (2018). A simulation study to control the oil production rate of oil-rim reservoir under different injectivity scenarios. Energy Reports, 2018(4), pp. 664–670. https://doi.org/10.1016/j.egyr.2018.10.011Davarpanah A, Mirshekari B. (2018). A simulation study to control the oil production rate of oil-rim reservoir under different injectivity scenarios. Energy Reports, 2018(4), pp. 664–670. https://doi.org/10.1016/j.egyr.2018.10.011Dupuit J. (1863). Études Théoriques et Pratiques sur le Mouvement des Eaux dans les Canaux Découverts et a Travers les Terrains Perméables (Theoretical and Practical Studies on Water Movement in Open Channels and across Permeable Terrains); Second edition; Dunod: Paris, France, pp. 229–293.Dupuit J. (1863). Études Théoriques et Pratiques sur le Mouvement des Eaux dans les Canaux Découverts et a Travers les Terrains Perméables (Theoretical and Practical Studies on Water Movement in Open Channels and across Permeable Terrains); Second edition; Dunod: Paris, France, pp. 229–293.Gao F., Han L. (2012). Implementing the Nelder-Mead simplex algorithm with adaptive parameters. Computational Optimization and Applications. 51(1), pp. 259–277. https://doi.org/10.1007/s10589-010-9329-3Gao F., Han L. (2012). Implementing the Nelder-Mead simplex algorithm with adaptive parameters. Computational Optimization and Applications. 51(1), pp. 259–277. https://doi.org/10.1007/s10589-010-9329-3Liskovets O.A. (1965). Method of lines. Differential equations, 1:12, pp. 1662–1678. (In Russ.).Mjaavatten A., Aasheim R. (2006). A model for gas coning and rate-dependent gas/oil ration in an oil-rim reservoir. SPE Russian Oil and Gas Technical Conference and Exhibition, pp. 1–6. https://doi.org/10.2118/102390-MS2006Mjaavatten A., Aasheim R. (2006). A model for gas coning and rate-dependent gas/oil ration in an oil-rim reservoir. SPE Russian Oil and Gas Technical Conference and Exhibition, pp. 1–6. https://doi.org/10.2118/102390-MS2006Nash S.G. (1984). Newton-Type Minimization Via the Lanczos Method. SIAM Journal of Numerical Analysis, 21, pp. 770–778. https://doi.org/10.1137/0721052Nash S.G. (1984). Newton-Type Minimization Via the Lanczos Method. SIAM Journal of Numerical Analysis, 21, pp. 770–778. https://doi.org/10.1137/0721052Storn R., Price K. (1997). Differential Evolution – a Simple and Efficient Heuristic for Global Optimization over Continuous Spaces. Journal of Global Optimization, 11, pp. 341–359. https://doi.org/10.1023/A:1008202821328Storn R., Price K. (1997). Differential Evolution – a Simple and Efficient Heuristic for Global Optimization over Continuous Spaces. Journal of Global Optimization, 11, pp. 341–359. https://doi.org/10.1023/A:1008202821328

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