Автоматический подбор зон для бурения нагнетательных скважин-кандидатов

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Возрастающая сложность в поиске точек для бурения нагнетательных скважин на поздних этапах разработки месторождений АО НК «КазМунайГаз», обусловленная уплотнением сетки действующих скважин и неравномерностью выработки запасов, является на сегодняшний день актуальной проблемой. Разработки в области геопространственного анализа и искусственного интеллекта послужили стимулом к поиску новых подходов для решения этой задачи.

Цель. Исследование направлено на разработку инновационного подхода к автоматическому определению наиболее перспективных зон для бурения нагнетательных скважин, основанного на комплексном анализе больших объемов данных с применением продвинутых алгоритмов.

Материалы и методы. В работе используются методы сбора и анализа производственных и геологических данных, применяются пространственные алгоритмы для мультифакторного анализа и методы нормализации данных, включая скорректированный межквартильный диапазон для определения выбросов.

Результаты. Описываются результаты, демонстрирующие ранжирование ячеек по потенциалу для бурения на основе комплексного анализа, а также присвоение уникальных кодов каждой ячейке для улучшения точности принятия решений.

Заключение. Заключительная часть подводит итоги, подчеркивая важность интеграции различных методов и подходов. Отмечаются направления для дальнейших исследований, включая анализ неточностей данных, учет дополнительных параметров, выявление эффективных пропластков, применение методов машинного обучения и расширение тестирования подхода на других месторождениях.

Об авторах

Айдана Аскаркызы Бекен

КМГ Инжиниринг

Автор, ответственный за переписку.
Email: a.beken@kmge.kz
Казахстан, Астана

Актан Ермекович Ибраев

КМГ Инжиниринг

Email: ak.ibrayev@kmge.kz
Казахстан, Астана

Жасулан Талгатбекович Жетруов

КМГ Инжиниринг

Email: zh.zhetruov@kmge.kz
ORCID iD: 0000-0003-3639-4390
Казахстан, Астана

Азамат Серикович Елемесов

КМГ Инжиниринг

Email: ayelemessov@kmge.kz
Казахстан, Астана

Асель Талгатовна Жолдыбаева

КМГ Инжиниринг

Email: a.zholdybayeva@kmge.kz
ORCID iD: 0000-0002-1015-0593
Казахстан, Астана

Список литературы

  1. Wei B. Well Production Prediction and Visualization Using Data Mining and Web GIS : master's thesis. Calgary : University of Calgary, 2016. doi: 10.11575/PRISM/28686.
  2. Xu X., Shao Y., Fu J., et al. The Application of GIS in The Digital Oilfield Construction // 2nd International Conference on Computer Science and Electronics Engineering; Март 2013. Режим доступа: https://www.atlantis-press.com/proceedings/iccsee-13/4443. Дата обращения 12.08.2023.
  3. Khan H., Srivastav A., Kumar Mishra A., Anh Tran T. Machine learning methods for estimating permeability of a reservoir // Int J Syst Assur Eng Manag. 2022. Vol. 13. P. 2118–2131. doi: 10.1007/s13198-022-01655-9.
  4. Ruizhi Z., Cyrus S., Ray J. Machine learning for drilling applications: A review // Journal of Natural Gas Science and Engineering. 2022. Vol. 108. doi: 10.1016/j.jngse.2022.104807.
  5. Ramzey H., Badawy M., Elhosseini M., A. Elbaset A. I2OT-EC: A Framework for Smart Real-Time Monitoring and Controlling Crude Oil Production Exploiting IIOT and Edge Computing // Energies. 2023. Vol. 16, N 4. doi: 10.3390/en16042023.
  6. Schiozer D.J., Souza dos Santos A.A., Graça Santos S.M., Von Hohendorff Filho J.C. Model-based decision analysis applied to petroleum field development and management // Oil & Gas Science and Technology – Revue d’IFP Energies Nouvelles. 2019. Vol. 74. doi: 10.2516/ogst/2019019.
  7. Hubert M., Vandervieren E. An adjusted boxplot for skewed distributions // Computational Statistics & Data Analysis. 2008. Vol. 52, N 12. P. 5186–5201. doi: 10.1016/j.csda.2007.11.008.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рисунок 1. Расчет критерия работы скважин с низким забойным давлением

Скачать (118KB)
3. Рисунок 2. Расчет производственных показателей за 3 мес. для действующего фонда скважин

Скачать (22KB)
4. Рисунок 3. Карта наземной инфраструктуры и ячеек с потенциальными точками бурения

Скачать (506KB)
5. Рисунок 4. Определение скважин первого радиуса окружения

Скачать (116KB)
6. Рисунок 5. Параметры ячеек

Скачать (455KB)
7. Рисунок 6. Распределение с границами доверительного интервала двух методов

Скачать (250KB)
8. Рисунок 7. Распределение компенсации

Скачать (123KB)
9. Рисунок 8. 50 наиболее подходящих секторов по точке сетки разработки

Скачать (237KB)
10. Рисунок 9. 20 наиболее подходящих секторов по точке сетке разработки

Скачать (40KB)
11. Рисунок 10. Секторы на X горизонте

Скачать (381KB)

© Бекен А.А., Ибраев А.Е., Жетруов Ж.Т., Елемесов А.С., Жолдыбаева А.Т., 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 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».