Influence of heterogeneity indicators on productivity index prediction efficiency (on example of carbonate reservoir deposits in the Ural-Volga region)

Cover Page

Cite item

Full Text

Abstract

The purpose of the work is to present the analysis results of the research conducted to determine the influence degree of heterogeneity indicators on the efficiency of productivity index prediction using the differentiated analysis for three large stratigraphic units confined to carbonate reservoirs of the Volga-Ural oil and gas province. At the initial stage of solving the problem, two data samples were taken, which consisted of geological and field information of various completeness. Using the formulas received before, a search for analogous objects for a smaller sample of deposits was carried out. Next, having different input data, the authors obtained analytical dependences for predicting the cleaning time of the bottomhole formation zone for three large systems. The latter were later modified using widespread and single accounting of four parameters of complex heterogeneity characterizing porosity and permeability of productive formations. The application criteria were identified for the obtained models to solve the problems of oil field development. The conclusions regarding the cleaning mechanisms of the bottomhole formation zone and productivity index prediction in various geological systems were drawn. Particular attention was paid to the need for in-depth analysis of the hierarchical representation of the identified three systems: by tiers and horizons in order to find the patterns of parameter changes within small groups and a generalized assessment of the effect of heterogeneity on the productivity index.

About the authors

R. A. Gilyazetdinov

Institute of Oil and Gas of the Ufa State Petroleum Technological University, Oktyabrsky Branch

Email: gilyazetdinov_2023@mail.ru
ORCID iD: 0009-0002-1931-7035

L. S. Kuleshova

Institute of Oil and Gas of the Ufa State Petroleum Technological University, Oktyabrsky Branch

Email: markl212@mail.ru
ORCID iD: 0000-0003-2975-3666

References

  1. Каналин В.Г. Интерпретация геолого-промысловой информации при разработке нефтяных месторождений. М.: Недра, 1984. 184 с.
  2. Гилязетдинов Р.А., Кулешова Л.С., Мухаметшин В.Ш., Якупов Р.Ф., Гиззатуллина А.А., Сагитова З.Н. Комплексный подход к прогнозированию результатов идентификации залежей в условиях различной тектонической приуроченности объектов // SOCAR Proceedings. 2023. № 4. С. 31–41. https://doi.org/10.5510/OGP20230400913.
  3. Кулешова Л.С., Мухаметшин В.В., Гилязетдинов Р.А. Совершенствование научных подходов к эксплуатации малодебитных скважин в кратковременном периодическом режиме на заключительной стадии разработки месторождений с использованием геолого-статистического моделирования // Нефть. Газ. Новации. 2023. № 5. С. 22–26.
  4. Бахитов Р.Р. Применение алгоритмов машинного обучения в задачах прогноза коэффициента продуктивности скважин карбонатных месторождений // Нефтяное хозяйство. 2019. № 9. С. 82–85. https://doi.org/10.24887/00282448-2019-9-82-85. EDN: QLDUEN.
  5. Кулешова Л.С., Мухаметшин В.Ш., Рабаев Р.У., Султанов Ш.Х., Степанова Р.Р., Кобища Д.И. Оценка и использование коэффициента продуктивности для решения задач управления разработкой // SOCAR Proceedings. 2022. № 1. С. 19–26. https://doi.org/10.5510/OGP2022SI100641.
  6. Гилязетдинов Р.А., Кулешова Л.С., Мухаметшин В.В., Якупов Р.Ф., Грищенко В.А. Уточнение результатов решения задач разработки залежей Волго-Уральской нефтегазоносной провинции с использованием методов ранжирования геолого-статистических моделей // Науки о Земле и недропользование. 2023. Т. 46. № 4. С. 402–412. https://doi.org/10.21285/2686-9993-2023-46-4-402-412. EDN: KLCTFQ.
  7. Выжигин Г.Б. Влияние условий вскрытия пластов и заканчивания скважин на их продуктивность // Нефтяное хозяйство. 1985. № 5. С. 45–48.
  8. Назарова Н.Г., Казетов С.И., Ганиев А.Л., Уразаков К.Р. Методика расчета коэффициента продуктивности скважин неоднородных по проницаемости коллекторов // Нефть. Газ. Новации. 2018. № 4. С. 51–55. EDN: XNRQKT.
  9. Наугольнов М.В., Растегаева Е.В., Зулькарниев Р.З., Асмандияров Р.Н. Факторный анализ успешности геолого-технических мероприятий как инструмент повышения качества геолого-гидродинамических моделей // PROНЕФТЬ. Профессионально о нефти. 2019. № 1. С. 34–38. https://doi.org/10.24887/2587-7399-2019-1-34-38. EDN: EQAHBM.
  10. Хасанов М.М., Мухамедшин Р.К., Хатмуллин И.Ф. Компьютерные технологии решения многокритериальных задач мониторинга разработки нефтяных месторождений // Вестник инжинирингового центра ЮКОС. 2001. № 2. С. 26–29.
  11. Tavana M., Soltanifar M., Santos-Arteaga F.J. Analytical hierarchy process: revolution and evolution // Annals of Operations Research. 2023. Vol. 326. Iss. 2. P. 879–907. https://doi.org/10.1007/s10479-021-04432-2.
  12. Мирзаджанзаде А.Х., Степанова Г.С. Математическая теория эксперимента в добыче нефти и газа. М.: Недра, 1977. 229 с.
  13. Mukhametshin V.V., Kuleshova L.S. The role and significance of the stratigraphic factor in the identification of oil fields // Earth and Environmental Science: IOP conference series. Bristol: Institute of Physics, 2021. Vol. 867. P. 12015. https://doi.org/10.1088/1755-1315/867/1/012015.
  14. Закревский К.Е., Попов В.Л., Лепилин А.Е., Рыжиков Е.А. Геологические и технологические особенности создания гибких типовых шаблонов геологического моделирования // Нефтяное хозяйство. 2020. № 11. С. 38–43. https://doi.org/10.24887/0028-2448-2020-11-38-43.
  15. Мухаметшин В.В. Повышение эффективности управления объектами добычи нефти с использованием метода аналогий // SOCAR Proceedings. 2020. № 4. С. 42–50. https://doi.org/10.5510/OGP20200400464. EDN: LYTMHI.
  16. Мухаметшин В.Ш., Хакимзянов И.Н., Бахтизин Р.Н., Кулешова Л.С. Дифференциация и группирование сложнопостроенных залежей нефти в карбонатных коллекторах в решении задач управления разработкой // SOCAR Proceedings. 2021. № 1. С. 88–97. https://doi.org/10.5510/OGP2021SI100513.
  17. Mukhametshin V.Sh., Kuleshova L.S., Yakupov R.F., Vafin R.V., Gilyazetdinov R.A. Features of localization of remaining oil in terrigenous reservoirs and potential for their recovery at the final stage of field development // Energy, Ecologyand Technology In Agriculture: II International scientific and practical conference. Les Ulis: EDP Sciences, 2024. P. 1018. https://doi.org/10.1051/e3sconf/202448001018. EDN: OJPDIH.
  18. Мирзаджанзаде А.Х., Хасанов М.М., Бахтизин Р.Н. Моделирование процессов нефтегазодобычи. Нелинейность, неравновесность, неопределенность. Ижевск: Институт компьютерных исследований, 2004. 368 с.

Supplementary files

Supplementary Files
Action
1. JATS XML


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».