Ai-подход к борьбе со скважинными осложнениями Текст научной статьи по специальности «Энергетика и рациональное природопользование»

А1-ПОДХОД К БОРЬБЕ СО СКВАЖИННЫМИ ОСЛОЖНЕНИЯМИ

УДК 62-52

А.Н. Блябляс, Институт прикладной механики Уральского отделения РАН (г. Ижевск, РФ), sas5939@yandex.ru

В себестоимости добычи нефти затраты на преодоление осложняющих факторов в среднем составляют 25-40 % от эксплуатационных затрат. Мероприятия по борьбе со скважинными осложнениями реализуются по двум направлениям: предупреждение и периодическое устранение осложняющих факторов; адаптация промыслового скважинного оборудования и технологий к работе в условиях воздействия осложняющих факторов.

Борьба с осложнениями, возникающими при добыче, транспортировке и подготовке скважинной продукции, входит в число актуальных проблем всех нефтегазодобывающих компаний. К неблагоприятным явлениям относятся асфальтосмолопарафиновые отложения, влияние эмульсионной составляющей добываемой жидкости, отложение солей, механические примеси, коррозия нефтепромыслового оборудования и образование газогидратных пробок. Управление скважинными осложнениями, прогнозирование поведения нефтепромыслового оборудования и мониторинг интенсивности влияния осложняющих факторов - следующая ступень в технологиях борьбы со скважинными осложнениями. Такие технологии позволят комплексно управлять месторождениями в условиях осложнений, подбирать оптимальный метод борьбы, расчитывать технологическую и экономическую эффективность применяемых методик. Статья посвящена повышению эффективности борьбы со скважинными осложнениями. В ходе выполнения работы использованы эмпирические и общелогические методы исследования: системный подход, описание, моделирование, эксперимент и метод интерпретации данных. Автором сформирован и предложен алгоритм принятия решений по борьбе со скважинными осложнениями на основе имитационного моделирования с использованием комплекса ANSYS. На примере скв. № 321 Мишкинского месторождения (Удмуртская Республика, Российская Федерация) изложена методология создания автоматизированного дизайна, подтверждена работоспособность подхода, позволяющего повысить эффективность скважинных операций.

КЛЮЧЕВЫЕ СЛОВА: СКВАЖИННЫЕ ОСЛОЖНЕНИЯ, ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ, ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА, ОСЛОЖНЕННЫЙ ФОНД, ANSYS.

Сегодня, в период четвертой промышленной революции, нефтегазовая сфера начинает перестраиваться на новый технический уклад, все активнее внедряя в производство передовые цифровые технологии.

При разработке месторождений добывающие компании регулярно сталкиваются с такими осложняющими факторами, как асфальтосмолопарафиновые отложения (АСПО), отложения солей, влияние механических примесей, коррозия оборудования, образование газовых гидратов, влияние эмульсии. Каждое из этих явлений в большей или меньшей мере усложняет процесс добычи нефти

и повышает удельные затраты на тонну товарной продукции.

При борьбе со скважинными осложнениями участие человека до сих пор остается необходимым в работе с механизированным фондом скважин. Определение вида осложняющего фактора и выбор соответствующего способа борьбы с ним проводятся человеком, а не автоматически.

Сегодня решение об отнесении скважины к тому или иному виду осложнения принимается технологической службой по ряду утвержденных критериев: отказ оборудования(по установленной причине); рост линейного давления в выкидной линии; снижение

производительности насоса; рост нагрузок на головку балансира станка-качалки. Причиной отнесения к осложненному или потенциально осложненному фонду также может стать заключение комплексной лаборатории о выявлении сульфатвосстанавливаю-щих бактерий, сульфида железа или определения водородного показателя среды.

Основной трудностью при определении вида осложнения и принятия конкретного решения является анализ огромного массива данных, который может быть понят и трактован по-разному в зависимости от компетенций специалиста.

Blyablyas A.N., Institute of Applied Mechanics of the Ural Branch of the Russian Academy of Sciences (Izhevsk, Russian Federation), sas5939@yandex.ru

Application of artificial intelligence approach to the well complication control

In the cost of oil production, the costs of overcoming the complicating factors are on average 25-40 % of the operating costs. Measures to well complication control are implemented in two aspects: prevention and periodic elimination of complicating factors; adaptation of field well equipment and technologies to work in conditions of the complicating factors impact. Control of complications arising from during extraction, transportation and preparation of well production is one of the urgent problems of all oil and gas producing companies. Adverse events include the deposition of asphaltene-resin-paraffin deposits, the effect of the emulsion component of the produced liquid, the deposition of salts, mechanical impurities, the corrosion of oilfield equipment and the formation of gas hydrate plugs.

Managing well complications, predicting the behavior of oilfield equipment and monitoring the intensity of the impact of complicating factors is the next step in the technology to control well complications. This technology allows to make integrated management of fields with well complications, to select an effective way of their control, to calculate the technological and economic efficiency of selected methods.

The article is devoted to increasing the effectiveness of well complication control. The empirical and general-logic methods were used in the work: system approach, description, modeling, experiment, and data interpretation method.

The author has developed and proposed an algorithm for decision-making in the well complication control based on simulation modeling using the ANSYS software application. Using the example of the well No. 321 of the Mishkinskoe field (Udmurt Republic, Russian Federation), the methodology for creating an automated design is represented, the workability of the approach is confirmed, which makes it possible to increase the efficiency of well operations.

KEYWORDS: WELL COMPLICATIONS, EFFICIENCY INCREASE, INTELLIGENT SYSTEM, COMPLICATED STOCK, ANSYS.

ВЫБОР ОПРЕДЕЛЕНИЕ ПРИРОДЫ, ОПРЕДЕЛЕНИЕ РАСЧЕТ РАСЧЕТ ЭКОНОМИЧЕСКОЙ

СКВАЖИНЫ- ТИПА И МЕСТА ПРОЯВЛЕНИЯ СПОСОБА ОБРАБОТКИ МЕЖОЧИСТНОГО ЭФФЕКТИВНОСТИ. СРОК

КАНДИДАТА ОСЛОЖНЕНИЙ И ОБЪЕМА УСЛУГ ПЕРИОДА ОКУПАЕМОСТИ ТЕХНОЛОГИИ

Selection of Determination of the Determination of the Calculation of an Calculation of economic

a candidate nature, type and location of method of processing interclearning efficiency. Payback period of

well complications and scope of services period technology

►

Рис. 1. Последовательность операций при борьбе со скважинными осложнениями Fig. 1. Sequence of operations in the downhole complications control

Автоматизированный подход к определению осложняющего фактора позволит исключить вероятность ошибки исполнителя за счет обработки массива данных по заданному алгоритму. Тем не менее результатом работы программы будет лишь рекомендация с прогнозом возможных вариантов, а решение о ее применении в работе остается за специалистом.

Структуру алгоритма, методы решений и подходы к определению тех или иных скважинных осложнений можно выделить в отдельную задачу. При этом общая логическая последовательность действий представлена на рис. 1 и включает: выбор скважины-кандидата; определение природы, типа и места проявления осложнений; определение способа обработки и объема услуг; расчет межочистного периода; расчет экономической эффективности и срока окупаемости технологии.

В настоящей работе рассмотрен один из возможных вариантов решения поставленной задачи на конкретном объекте - представлена методология создания автоматизированного дизайна обработки от АСПО на примере

скв. № 321 Мишкинского месторождения (Удмуртская Республика, Российская Федерация). Проведены математический расчет и имитационное моделирование средствами автоматизированного проектирования (САПР) ANSYS 14.0 [1], сопоставлен расчетный вариант обработки объекта с существующим в настоящее время. Проведены опытные испытания, выполнена оценка эффективности и раскрыт потенциал автоматизированного проектирования при борьбе со скважинными осложнениями.

ВЫБОР СКВАЖИНЫ-КАНДИДАТА. РАСПОЗНАВАНИЕ ОБРАЗОВ

Ключевой задачей представляется определение первичных критериев для отнесения объекта

к осложненному фонду. Основной проблемой на данном этапе являются структурирование и анализ разрозненных данных (big data) из различных первичных источников (оперативная информация, истории работы станций управления,динамометрирование и т. д.). На данном этапе происходит распознавание образов по заданным наборам свойств и признаков, т. е. сравнение первичных данных с заданными критериями. Работа станка-качалки была исследована с помощью динамографа. Геометрический анализ динамограммы зафиксировал ее скругление по оси ординат, отображающей величины рабочих нагрузок, воспринимаемых головкой балансира этого станка

ОI I I I I I I I I I I I I I I I I I I —I-

О 0,2 0,4 0,6 0,0 1 1,2 1,4 1,6 1,8

Длина хода полированного штока, м Length of stroke of polished rod, m

Движение плунжера — - Максимальные и минимальные значения измеряемых величин Plunger movement Maximum and minimum values of measured values

Рис. 2. Результаты динамометрирования до обработки Fig. 2. Dynamometer test results before processing

Рис. 3. Автоматический поиск аналогии в существующей типовой базе видов

неисправностей работы насоса: 1-3 - нормальная работа насоса; 4-6 - утечки

в нагнетательной части насоса; 7-9 - утечки в приемной части насоса;

10,12 - утечки в приемной и нагнетательной частях насоса; 11 - влияние АСПО;

13-15 - влияние газа на работу насоса; 16-18 - прихват плунжера насоса

Fig. 3. Automatic search for analogies in the existing typical database of varieties

of faults of the pump: 1-3 - normal operation of the pump; 4-6 - leaks in the fluid end

of the pump; 7-9 - leaks in the receiving part of the pump; 10,12 - leaks in the receiving

and the fluid end parts of the pump; 11 - influence of asphaltene-resin-paraffin

deposits; 13-15 - influence of gas on pump operation; 16-18 - plunger sticking

(рис. 2). Кроме того, была отмечена большая разница между максимальными и минимальными нагрузками на головку балансира. Рост нагрузок более чем на 20 % от общего веса насосных штанг и скругленная динамограмма по осям ординат - основные критерии распознавания образа, свидетельствующие об отложениях АСПО на глубинном насосном оборудовании.

На следующем этапе происходит сравнение полученной ди-намограммы с базой эталонных форм. При распознавании образа анализируемой динамограммы используется база данных из 18 различных форм работы насосов. В зависимости от вида неисправности в глубинном насосном оборудовании форма динамо-граммы приобретает уникальный вид. При сопоставлении очертания полученных данных с данными из базы эталонных образов подбирается наиболее близкая геометрическая форма динамограммы, определяется потенциальный тип осложнения, в приведенном примере - запарафинивание (рис. 3).

ОПРЕДЕЛЕНИЕ ПРИРОДЫ, ТИПА И МЕСТА ПРОЯВЛЕНИЯ ОСЛОЖНЕНИЙ. ПРОГНОЗНАЯ АНАЛИТИКА

На этом этапе на основе анализа данных физико-химических свойств добываемой жидкости определяется возможность образования потенциального осложнения. На сегодняшний день существует множество методик расчета интервалов выпадения АСПО и солеотложений, в основе которых лежат уравнения состояния Пенга - Робинсона,уравнения скорости отложения АСПО и др. Данные методики показывают достаточно высокую корреляцию (до 86 % в зависимости от условий применения методики) с практическими исследованиями.

На территории Удмуртской Республики промышленная добыча нефти ведется более полувека. Продолжительная разработка

Таблица 1. Физико-химические свойства добываемой жидкости Мишкинского месторождения

Table 1. Physical and chemical properties of the produced liquid of the Mishkinskoe deposit

Параметр Parameter Значение Value

Месторождение Deposit Мишкинское Mishkinskoe

Пласт Reservoir Турнейский Turneyskiy

Т , °С пл' 29,8

Плотность нефти, г/см3 Oil density, g/sm3 0,921

Плотность нефти в пластовых условиях, г/см3 Reservoir density of oil, g/sm3 0,916

Кинематическая вязкость в пластовых условиях, мм2/с Reservoir kinematic viscosity, mm2/s 71,40

Динамическая вязкость нефти в пластовых условиях, мПа.с Oil dynamic viscosity in reservoir conditions mPa.s 65,40

Содержание АСПО в нефти, % Content of асфальтены asphaltenes 4,78

смолы resins 20,61

asphaltene-resin-paraffin deposits in oil, % парафины paraffins 5,05

асфальтены + смолы asphaltenes + resins 25,4

Соотношение (асфальтены + смолы)/парафины Ratio (asphaltenes + resins)/paraffins 5,0

Сера Sulfur 3,3

Примечание Note Сверхтяжелая, высоковязкая, высокосернистая, умеренно смолистая, среднеасфальтеновая, среднепарафинистая Ultraheavy, high-viscous, high-sulfur, medium tarry, medium asphaltenic, medium paraffin liquid

Группа месторождения Field group Средняя плотность нефти, вязкая, со средним содержанием АСПО Medium oil density, viscous liquid with medium content of asphaltene-resin-paraffin deposits

месторождений постепенно приводит к снижению температуры пласта, обводнению скважинной продукции и утяжелению углеводородного состава нефти. Месторождения ОАО «Удмуртнефть» находятся на поздней стадии разработки и характеризуются высокой (до 99 %) обводнен-

тываются уже более 45 лет. Для данных месторождений проблема борьбы с отложениями органического характера представляется особенно острой. Специфика осложняющих особенностей заключается в преобладании на территории республики карбонатных коллекторов с содержанием нефтей повышенной и высокой вязкости. Кроме того, в нефти в значительной степени присутствуют смолы и парафин.

На основе осмотра колонны на-сосно-компрессорных труб (НКТ) при предыдущем подъеме оборудования определены интервалы отложений АСПО, а также толщины отложений в начале и конце интервала отложений. Полученные значения хорошо коррелируют с расчетными значениями.

ОПРЕДЕЛЕНИЕ СПОСОБА ОБРАБОТКИ И ОБЪЕМ РАБОТ

По известным методикам автоматически рассчитывается масса АСПО в НКТ [2]:

тАСпо Каспо'РАСПО'

где УАСПО - объем АСПО в НКТ, м3; рАСПО - плотность АСПО, кг/м3 (в расчетах принимается равным 1000 кг/м3).

Ннач )*

"АСПО'

1/ — /иоконч . АСПО V АСПО

_ h°KOH4\2\ 1Q-6 АСПО > > lyJ '

|Нач АСПО

ностью продукции. Кроме того, нефть Удмуртии отличается повышенной вязкостью, высоким содержанием серы, асфальтенов, смол и парафинов (табл. 1). Такие месторождения, как Архангельское, Ижевское, Мещеряковское, Ельниковское, Киенгопское, Чу-тырское, Мишкинское, разраба-

где Н°£°"0Ч - глубина окончания интервала отложения АСПО, м; ^аспо - глубина начала интервала отложения АСПО, м; dш - наружный диаметр шаблона для НКТ, мм; dвн НКТ - внутренний диаметр НКТ, мм; Ь^чпо - толщина АСПО в начале интервала, мм; Ь°£°Н0Ч - толщина АСПО в конце интервала, мм.

В зависимости от физико-химических свойств и массы АСПО проводится анализ доступных и эффективных технологий с выбором наиболее эффективного способа. В данном случае рассмат-

Рис. 4. Геометрическая 3D-модель скважины с разбивкой на сеть конечно-разностных элементов; построено в САПР ANSYS 14.0; диаметр цилиндра 73 мм Fig. 4. Geometric 3D model of the well with a decomposition into a network of finite-difference elements; build in ANSYS 14.0; cylinder diameter is 73 mm

риваются только термические и химические способы удаления АСПО, так как механические средства удаления АСПО на объекте отсутствуют.

ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ В САПР И ВИЗУАЛИЗАЦИЯ АНАЛИТИЧЕСКИХ ДАННЫХ

Путевое охлаждение жидкости -основная причина образования АСПО. При движении добываемой жидкости по колонне НКТ от пласта к насосу и от насоса к устью скважины происходит быстрое ее охлаждение. Моделирование распределения тепловых потерь по глубине скважины важно для проведения технических мероприятий по их минимизации. САПР ANSYS благодаря мощному термодинамическому пакету легко считает уравнения теплового баланса. Основная задача на данном этапе состоит в разбиении геометрической модели скважины на сетку конечно-разностных элементов (рис. 4). На границе каждой ячейки задаются уравнения теплового баланса, уравнения скорости фазового перехода, уравнения энергии. Чем выше плотность сетки, тем выше точность расчета.

Исходные данные для расчета из предыдущих шагов автоматически переносятся в САПР ANSYS для расчета соответствующе-

а)а) б)b)

Рис. 5. Модель скважины с АСПО: а) до прогрева колонны; б) во время прогрева колонны

Fig. 5. Well model with asphaltene-resin-paraffin deposits: a) before the column heating; b) during the column heating

го способа по удалению АСПО. К шаблону скважины применяются исходные и полученные данные предыдущих шагов, моделируется скважина с осложнением. За счет встроенных решателей и внутренних баз данных термодинамических пакетов САПР ANSYS рассчитывает объем требуемого теплоносителя и температуру прогрева колонны НКТ в зависимости от температуры плавления отложений и выноса продуктов в выкидную линию скважины [3]. Встроенные пакеты визуализации САПР ДМБУБ позволяют оценить

интенсивность и скорость плавления АСПО, полноту выноса отложений в выкидную линию после растворения (рис. 5). В рассмотренном случае проведена оценка эффективности плавления отложений при закачке в затрубное пространство скважины теплоносителя на водной основе при Т = 70 °С в объеме 20 м3.

Сегодня при проведении термохимической обработки скважин объем теплоносителя принимается равным двум объемам скважины. Индивидуальный подход к каждому объекту позволит уйти от стандартных объемов закачки, что поможет снизить стоимость и повысить эффективность обработки.

В соответствии с расчетным объемом проведена термохимическая обработка скважины. После проведения термохимической обработки скважина была исследована силами подрядной организации (рис. 6, здесь по оси ординат зафиксированы рабочие нагрузки (т), воспринимаемые головкой балансира станка-качалки). Согласно анализу динамо-граммы можно сделать вывод о том, что работоспособность объекта восстановлена, влияния АСПО нет, о чем свидетельствует отсутствие скруглений на динамограм-ме. Рабочие нагрузки на головку балансира также снижены. Расчетный объем теплоносителя при промывке объекта снижен на 37 % по сравнению с установленным двукратным объемом скважины.

ОПРЕДЕЛЕНИЕ МЕЖОЧИСТНОГО ПЕРИОДА ПО ФАКТИЧЕСКИМ ОТЛОЖЕНИЯМ

Расчетный в имитационном моделировании межочистной период (МОП) для данного объекта был проверен на практике по фактическим отложениям АСПО внутри насосного оборудования и колонны труб НКТ. После отработки МОП скважина была остановлена, а затем осуществлен подъем оборудования без предварительной обработки от АСПО. Основная задача заключа-

Рис. 6. Результаты динамометрирования после термохимической обработки Fig. 6. Results of the dynamometer test after thermochemical treatment

лась в определении объема АСПО после отработки межочистного периода. При определении МОП по фактическим отложениям обязательна сдача образца отложений в комплексную лабораторию для определения компонентного состава отложения: процентного содержания асфальтенов, смол, парафинов, нефтепродуктов и механических примесей.

Интенсивность отложения АСПО была рассчитана и сравнивалась с расчетным объемом в САПР ANSYS. Критичным признается накопление АСПО толщиной в 6 мм. При подъеме максимальная толщина отложений составляет 2 мм (отсчитывается по радиусу НКТ), т. е. интенсивность отложения составила 0,033 мм/сут. До критичной величины отложений в 6 мм должно проходить 180 сут, поскольку это срок МОП. Таким образом, можно утверждать, что прогнозные результаты, рассчитанные во встроенных математических пакетах и решателях САПР АМБУБ 14.0, хорошо коррелируют с

практической работой скважины на конкретном объекте.

На интенсивность скважинных осложнений, в частности АСПО, оказывают влияние различные факторы, точно описать математически которые практически невозможно. К таким факторам относят газовый фактор, механические примеси, неравномерность шероховатости стенки трубы и прочие параметры, значения которых регулярно меняются во времени. Для этого следует создавать аварийный запас в межочистном периоде объекта, снижая расчетный МОП на 5-10 %, для того чтобы в случае невозможности обработки объекта по запланированному графику (отсутствие дорог в паводковый период) скважина не вышла из работоспособного состояния.

ЗАКЛЮЧЕНИЕ

Системный подход к борьбе со скважинными осложнениями и исключение человеческого фактора при определении типа

осложнений позволят повысить эффективность эксплуатации месторождений в осложненных условиях.

Аналогичный алгоритм достаточно просто разработать для всех типов насосных установок. На конкретном объекте, оборудованном штанговыми глубинными насосами, экспериментально приведен алгоритм расчета и реализован способ удаления АСПО с помощью термохимического метода. Расчет теплоносителя и имитационное моделирование позволили сократить объем закачиваемого агента на 37 %, что существенно снизило стоимость обработки объекта и ускорило выход скважины на установившийся режим работы. Автоматизация алгоритма и совместимость расчетных и графических платформ могут быть выделены в отдельную задачу. Результаты работы могут быть использованы при создании единой платформы для расчета работы скважин в осложненных условиях. ■

ЛИТЕРАТУРА

1. ANSYS 14.0 Delivers Capabilities for Improved Efficiency, Accuracy, Speed and Innovation in Product Development [Электронный ресурс]. Режим доступа: https://www.ansys.com/about-ansys/news-center/12-08-11-ansys-14-0-delivers-capabilities-for-improved-efficiency (дата обращения: 02.04.2018).

2. Галикеев И.А., Насыров В.А., Насыров А.М. Эксплуатация месторождений нефти в осложненных условиях. Ижевск: Парацельс Принт, 2015. 354 с.

3. Блябляс А.Н. Повышение эффективности химических методов при удалении АСПО в нефтепромысловых трубопроводных системах (на примере Киенгопского месторождения) // Экспозиция Нефть Газ. 2017. № 6 (59). С. 52-55.

REFERENCES

1. ANSYS 14.0 Delivers Capabilities for Improved Efficiency, Accuracy, Speed and Innovation in Product Development [Electronic source]. Access mode: https://www.ansys.com/about-ansys/news-center/12-08-11-ansys-14-0-delivers-capabilities-for-improved-efficiency (access date: April 2, 2018).

2. Galikeev I.A., Nasyrov V.A., Nasyrov A.M. Operation of Oil Fields in Complicated Conditions. Izhevsk, Paratsels Print LLC, 2015, 354 p. (In Russian)

3. Blyablyas A.N. Enhanced Treatment and Removal of Paraffi Wax and Asphaltene Deposits from Oilfield Pipelines (through the Example of Kiengopskoye Field). Ekspozitsiya Neft Gaz = Exposition Oil & Gas, 2017, No. 6 (59), P. 52-55. (In Russian)