В настоящее время цифровизация является глобальным технологическим трендом во всем мире и распространяется на все сферы деятельности. Нефтяные компании ведут активную работу в данном направлении с целью автоматизации процессов. Разработан программный модуль, позволяющий проводить комплексный анализ данных для планирования и оценки эффективности нестационарного заводнения на месторождении, включающий определение оптимального периода полуцикла и расчет фактического и прогнозного эффектов от применения нестационарного заводнения. Программный модуль реализован на языке Python с возможностью интеграции в программный комплекс для проектирования и мониторинга процессов разработки месторождений, что дает возможность легко выбирать анализируемый район и загружать информацию по скважинам, блокам или ячейкам заводнения как напрямую из рабочего окна программного комплекса, так и подгружаемым списком. На основе загруженных данных проводится расчет рекомендуемого периода временной остановки закачки по скважине/группам скважин, расчет прогнозного эффекта от этой остановки (сокращение непроизводительных отборов), а также эффективное планирование программы капитального ремонта скважин (КРС), входящих в фонд поддержания пластового давления (ППД). Программный модуль широко применяется при решении практических задач планирования программы КРС на фонде ППД на месторождениях группы компаний «Газпром нефть». Применение данного программного модуля позволяет автоматизировать рутинные операции по сбору и анализу данных для принятия более быстрых и качественных решений, касающихся управления разработкой месторождения.
Список литературы
1. Сургучев М.Л. Об увеличении нефтеотдачи неоднородных пластов // Тр. ВНИИ. – М.: Гостоптехиздат, 1959. – Вып. 19. – С. 102-110.
2. Абрамова Л.Ю. Метамодели нейролингвистического программирования на примере исключений // Инновации. Наука. Образование. - 2022. - № 51. -
С. 2112-2117.
3. Алексашина А.А. Информационные технологии решения задач линейного программирования // Современная школа России. Вопросы модернизации. - 2022. - № 6 (43). - С. 78-79.
4. Базилевский М.П. Способ определения параметра M в задаче частично-булевого линейного программирования для отбора регрессоров в линейной регрессии // Вестник Технологического университета. - 2022. - Т. 25. - № 2. - С. 62-66. - https://doi.org/10.55421/1998-7072_2022_25_2_62
5. Жорняк А.Г., Морозова Т.А. Специализированный дистрибутив Python(x,y) языка программирования Python для научных и инженерных вычислений // Научно-технический вестник Поволжья. - 2022. - № 7. - С. 39-42.
6. Уиллхайт Г.П. Заводнение пластов. - М.-Ижевск: Институт компьютерных исследований, НИЦ «Регулярная и хаотическая динамика», 2009. – 788 с.
