В статье рассмотрены результаты реализации и апробации методов исследования взаимовлияния скважин по динамическим промысловым данным на основе нескольких подходов к анализу. В ПК «РН-ГДИС» реализованы прототипы программных модулей, включающие емкостно-резистивную модель (Capacitance-Resistance Model Injector-Producer Pair Based Representation – CRMIP), и метод многопараметрической линейной регрессии (Multivariate Linear Regression – MLR). На вход программного модуля подаются динамические данные эксплуатации скважин. Далее для количественной оценки степени взаимовлияния скважин решается задача оптимизации, и вычисляются коэффициенты взаимовлияния. Коэффициенты, полученные с применением реализованных методов, переводятся в единое пространство ответов. Полученные ответы обобщаются в сводной таблице, на основе которой выдается решение о наличии или отсутствии взаимовлияния скважин, достоверность которого зависит от результатов совмещения промысловых и расчетных данных.
Разработанные методики предварительно апробированы на синтетических данных, полученных на основе гидродинамического моделирования в корпоративном гидродинамическом симуляторе «РН-КИМ». Перед анализом промысловых данных выполняется препроцессинг данных, который включает алгоритмы приведения исходных данных к единой временной сетке с учетом дискретности замеров и типа данных. Методы CRMIP и MLR показали удовлетворительную сходимость с результатами гидродинамического моделирования, также получено хорошее согласование результатов апробации исследования взаимовлияния скважин на промысловых данных с экспертными оценками специалистов.
Результаты исследований взаимовлияния скважин могут быть использованы при настройке гидродинамических моделей, интерпретации гидродинамических исследований скважин с учетом окружающих скважин, позволят повысить эффективность управления эксплуатвцией скважин и снизить риски газонефтеводопроявлений при зарезке боковых стволов.
Список литературы
1. Features of Gas Well Testing in Reservoir with Low Permeability / A. Davletbaev, E. Zhilko, R. Islamov [et al.] // SPE-176704. – 2015. –
http://dx.doi.org/ 10.2118/176704-RU
2. Исследование развития трещин автоГРП на опытном участке Приобского месторождения с линейной системой разработки / В.В. Мальцев, Р.Н. Асмандияров, В.А. Байков // Нефтяное хозяйство. – 2012. – № 5. – С. 70–73.
3. К вопросу выбора длительности режимов при гидродинамических исследованиях скважин на установившихся режимах закачки в низкопроницаемых коллекторах / Г.Ф. Асалхузина, А.Я. Давлетбаев, И.Л. Хабибуллин, Р.Р. Ахметова // Вестник Тюменского государственного университета. – 2020. – № 1 (21). – С. 135–149. – DOI: 10.21684/2411-7978-2020-6-1-135-149
4. Реализация подсистемы гидродинамических исследований скважин в информационной системе «РН-КИН» на примере ООО «РН-Юганскнефтегаз» / Г.Ф. Асалхузина, А.Г. Биккинина, А.Я. Давлетбаев, И.В. Костригин // Нефтяное хозяйство. – 2020. – № 2. – С. 94–98. – DOI: 10.24887/0028-2448-2020-2-94-98
5. Dinh A., Tiab D. Inferring interwell connectivity from well bottomhole-pressure fluctuations in waterfloods // SPE-106881. – 2008.
6. Application of transfer functions to model water injection in hydrocarbon reservoir / M. Sayyafzadeh, P. Pourafshary, M. Haghighi, F. Rashidi // Journal of Petroleum Science and Engineering. – 2011. – V. 78. – № 1. – P. 139–148.
7. Holanda R. W. d. Capacitance Resistance Model in a Control Systems Framework: a Tool for Describing and Controlling Waterflooding Reservoirs // College Station. – Texas. – Texas A&M University, 2015. – 156 p.
8. A Capacitance Model to Infer Interwell Connectivity from Production and Injection Rate Fluctuations / A.A. Yousef, P.H. Gentil, J.L. Jensen, L.W. Lake //
SPE-95322-PA. – 2006.
9. Sayarpour M. Development and Application of Capacitance-Resistive Models to Water/CO2 Floods. – Texas: University of Texas. – 2008. – 218 p.
10. Пичугин О.Н., Санников И.Н., Никифоров С.В. Прогнозирование эффективности гидроразрыва пласта на основе проблемно-ориентированного подхода // Нефтяное хозяйство. – 2007. – № 5. – С. 88–91.
11. Бухмастова С.В., Фахреева Р.Р., Питюк Ю.А. Разработка инструмента для численного анализа взаимовлияния скважин // SPE-196848-RU. – 2019.
12. Statistics for petroleum engineers and geoscientists / J.L. Jensen, L.W. Lake, P.W.M. Corbett, D.J. Goggin. – Upper Saddle River, 1997. – 390 p.
13. Банди Б. Методы Оптимизации. – London: Edward Arnold, 1994. – 136 p.
14. Бахрушин В.Е. Методы оценивания характеристик нелинейных статистических связей // Системные технологии. – 2011. – Т. 73. – № 2. – С. 9–14.
15. Байков В.А., Бадыков И.Х., Борщук О.С. Цифровая экспериментальная лаборатория фильтрации // Научно - технический вестник ОАО «НК «Роснефть». – 2012. – № 28. – С. 43–47.
16. Assessing Efficiency of Multiwell Retrospective Testing MRT in Analysis of Cross-Well Interference and Prediction of Formation and Bottom- Hole Pressure Dynamics // SPE-196839-MS. – 2019. –
https://doi.org/10.2118/196839-RU.
.
