В ПАО «НК «Роснефть» развитие технологии цифрового исследования керна («Цифровой керн») сосредоточено главным образом в ООО «Тюменский нефтяной научный центр» (ООО «ТННЦ»), входящем в корпоративный научно-промышленный комплекс. Согласно стратегии «Роснефть – 2022» создание технологического преимущества компании в сегменте «Разведка и Добыча» будет обеспечено тиражированием существующих и ускоренным развитием прорывных, в том числе цифровых, технологий. К проектам «прорывной» цифровизации относятся контроль и управление строительством скважин (промышленный интернет и роботизированные буровые), оперативный мониторинг и рефлексная система управления месторождением (единая информационная среда).
Одной из первоочередных задач является развитие технологий в области цифровых исследований керна, в том числе создание соответствующих программных продуктов. Это позволит повысить эффективность геолого-разведочных работ, снизить погрешность планирования показателей, увеличить добычу углеводородов, осуществляя на новом качественном уровне подбор технологий разработки залежей с трудноизвлекаемыми запасами, уменьшить себестоимость добываемой продукции.
В статье представлена история развития технологии «Цифровой керн» в ООО «ТННЦ», показаны имеющиеся разработки, реализованные к настоящему времени. ООО «ТННЦ» имеет на вооружении современное лабораторное оборудование, используемое для цифровых исследований керна. Например, с помощью компьютерного томографа были оцифрованы в формате 3D сотни образцов керна различных типов коллекторов, отсканировано и оцифровано более 5 пог. км полноразмерного керна месторождений компании. Изучаются также цифровые снимки, полученные методом растровой электронной микроскопии (РЭМ). В рамках сотрудничества с российскими компаниями в ООО «ТННЦ» накоплен опыт микро- и нанотомографического исследования керна. Уникальный эксперимент с использованием томографии при решении задач определения коэффициентов вытеснения для сложных карбонатных трещинно-кавернозных пород позволил получить визуальное подтверждение влияния темпов отбора на конечный коэффициент извлечения нефти в кавернозных коллекторах.
В статье также рассмотрен опыт ООО «ТННЦ» в области математического моделирования течений нескольких жидких фаз на микроуровне в оцифрованных и смоделированных породах, а также опыт создания программных продуктов для реализации целей технологии «Цифровой керн».
Список литературы
1. Костин Д.К., Кузнецов Е.Г., Вилесов А.П. Опыт ООО «ТННЦ» по изучению керна с помощью рентгеновского компьютерного томографа / Научно-технический вестник ОАО «НК «Роснефть». – 2014. – № 3. – С. 18–22.
2. Инновационные подходы к изучению гетерогенных анизотропных коллекторов отложений туронского возраста для достоверной оценки их фильтрационно-емкостных свойств / А.В. Мальшаков, И.О. Ошняков, Е.Г. Кузнецов [и др.] // Нефтяное хозяйство. – 2016. – № 11. – С. 18–22.
3. Расчетный метод получения относительных фазовых проницаемостей на основе решения обобщенных уравнений Бернулли для системы поровых каналов / А.Е. Алтунин, С.В. Соколов, С.В. Степанов [и др.] // Нефтепромысловое дело. – 2013. – № 8. – С. 40–46.
4. Бембель Г.С., Степанов С.В. Математическое моделирование четочного двухфазного течения в системе капиллярных каналов // Автоматизация, телемеханизация и связь в нефтяной промышленности. – 2015. – № 6. – С. 30–38.
5. Степанов С.В., Шабаров А.Б., Бембель Г.С. Вычислительная технология для определения функции межфазного взаимодействия на основе моделирования течения в капиллярном кластере // Вестник Тюменского государственного университета. Физико-математическое моделирование. – Нефть, газ, энергетика. – 2016. – Т. 2. – № 1. – С. 63–71.
6. Жижимонтов И.Н., Степанов С.В., Свалов А.В. Применение стохастистического порово-сетевого моделирования для получения уточненной зависимости пористость-абсолютная проницаемость на примере неокомских отложений месторождения Западной Сибири // Нефтяное хозяйство. – 2017. – № 9. – С. 96–98.
7. Цифровой анализ керна: проблемы и перспективы / С.В. Степанов, Д.П. Патраков, В.В. Васильев [и др.] // Нефтяное хозяйство. – 2018. – № 2. – С. 18–22.
