CC BY
4
УДК 553.044
ВНЕДРЕНИЕ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ АВТОМАТИЗАЦИИ ПРОЦЕССОВ ПРОГНОЗА ДОБЫЧИ
И.П. Ситдикова, Н.В. Абдулкина, И.В. Валиуллин, А.А. Прилуцкий
Прогнозирование разработки месторождений является одним из ключевых параметров при оценке новых активов. Технология быстрой подготовки профилей добычи для разных сценариев разработки за разумные сроки предоставляет важную информацию при проведении оценки рассматриваемых для приобретения нефтегазовых активов. В статье представлены программные модули для оценки исторической динамики базовой добычи и прогноза добычи имеющегося фонда скважин. Данный анализ является одним из основных компонент в алгоритме действий по оценке активов наряду с анализом запасов, инфраструктуры и оценкой потенциала от геолого-технических мероприятий для повышения добычи оцениваемого актива, интегрированного в блок экономического анализа.
Ключевые слова: прогнозирование добычи, оценка месторождений, анализ добычи, снижение добычи, прогноз обводнения.
Введение
Геологические исследования и разработка месторождений являются важными аспектами современной энергетике. Ресурсная база нефтегазовой промышленности постепенно истощается и все большую роль в развитии нефтегазовых компаний играет разведка и приобретение новых месторождений [1, 2]. В этой связи весьма актуальным становится вопрос экспрессной оценки привлекательности активов, рассматриваемых для приобретения. Перед инженерами компаний ставится сложная задача за сжатый срок провести всестороннюю оценку имеющейся информации о месторождении и оценить прибыльность его разработки. Традиционные подходы прогноза добычи на основе 3Э геолого-гидродинамического моделирования для подобной задачи неприменимо вследствие отсутствия времени на построение и адаптацию полноценной 3Э модели [3].
В связи с этим для оперативного построения профилей добычи был разработан экспрессный подход, базирующийся на анализе имеющейся истории работы актива, и подготовлено программное обеспечение (ПО), состоящее из комплекса модулей при оценке активов [4].
Рассмотрим результаты внедрения разработанного программного обеспечения в части прогноза базовой добычи.
Задача работы
Процесс подготовки и анализа информации при пополнении ресурсной базы компании является достаточно трудоемким и затратным. В связи с этим возникает необходимость в автоматизации операционной деятельности, особенно в процессе оценки привлекательности активов. Одна
из ведущих добывающий компаний Российской Федерации решила воспользоваться стратегией цифровизации производственных процессов, что позволило подготовить инструмент, направленный на улучшение производственных показателей.
Задача данного исследования состоит в оценке эффективности применения нового программного обеспечения для прогнозирования параметров разработки месторождения.
Новое программное обеспечение для подсчета параметров разработки месторождения представляет собой инновационное решение, основанное на проверенных временем алгоритмах и новых технологиях. Оно обладает функциональностью, позволяющей учитывать разнообразные параметры и факторы, влияющие на добычу и разработку месторождения, а также предоставляет возможности для прогнозирования и анализа будущих изменений и рисков [4, 5]. Эти оценки могут быть полезными для специалистов и исследователей, занимающихся проблемами разработки и добычи природных ресурсов.
Методология решения Рассматриваемое интегрированное программное обеспечение представляет собой разработку, которая функционирует как независимая платформа, обеспечивающая геологов и инженеров удобным и гибким инструментом для оперативного анализа и прогнозирования параметров разработки месторождений.
Анализ темпов падения добычи методом Арпса Модуль программного обеспечения для анализа падения базовой добычи предоставляет возможность анализировать темпы падения добычи на основе модели Арпса (Arps' decline curve analysis). Используя доступные данные о добыче, программное обеспечение вычисляет и анализирует коэффициенты снижения добычи и определяет будущие тренды [6, 7]. Это позволяет пользователям более точно оценивать долгосрочные перспективы разработки месторождения и принимать соответствующие решения.
Методы анализа падения добычи, формализованные Арпсом, представляют собой широко применяемый стандарт для анализа и прогнозирования профилей добычи [8]. Метод анализа падения по Арпсу применяется только при достижении течения состояния контура питания пласта и основан на следующих предположениях: постоянное пластовое давление, неизменный скин-эффект со временем и постоянная область дренирования. Несмотря на то, что зачастую данные предположения в реальности не соблюдаются, но если темп их изменения от времени не меняется, то данный подход позволяет готовить прогноз добычи [9].
Один из важных аспектов этого метода прогнозирования заключается в определении номинального темпа падения добычи, который представляет собой изменение дебита за единицу времени в уравнении (1). Этот параметр играет значительную роль в оценке и прогнозировании
процесса добычи и является ключевым фактором при разработке стратегий разработки месторождений:
( Л ( Л
V ч У
] = V ' = V ' (1)
& ч '
где ] - номинальный темп падения добычи, 1/сут.; ч - дебит, м3/сут.
Арпс предложил уравнение общего дебита в зависимости от времени и уравнение для накопленной добычи. В общем виде кривые падения могут быть выражены следующим образом:
qt = qi (1 + )-1/Ъ (2)
?
где qt - дебит к моменту времени t, м3/сут; qi - начальный дебит добычи, м3/сут; Ъ - постоянная Арпса для кривой падения добычи; Di - начальный темп снижения добычи, 1/сут; t - единица времени, сут.
) = чЪ (ч1-ъ - Ч1-ъ) ] "1(1 - Ъ)-1, (3)
где 2^) - накопленная добыча, м3.
Значение постоянной Арпса, обозначаемой как Ъ, варьируется в диапазоне от 0 до 1 и определяет тип кривой падения [10]. В зависимости от условий, различные значения Ъ указывают на определенные характеристики:
если давление в эксплуатационных скважинах превышает давление насыщения или скважины работают с однофазными флюидами, то Ъ=0;
если давление в эксплуатационных скважинах ниже давления насыщения или скважины работают в режиме растворенного газа с влиянием краевой воды, то Ъ=0,5;
для газовых месторождений значение Ъ находится в диапазоне от 0,4 до 0,5.
Одновременно постоянная Арпса Ъ является адаптивным параметром, который позволяет настраивать фактический темп падения добычи нефти во времени.
Выделены три основных типа падения добычи.
1. Экспоненциальное падение соответствует случаю, когда Ъ=0.
2. Гиперболическое падение характеризуется значениями Ъ в диапазоне от 0 до 1.
3. Гармоническое падение возникает, когда Ъ=1.
Разработанное программное обеспечение предоставляет реализацию всех трех типов прогнозирования профиля добычи в соответствии с методом Арпса. Для этого используются математические формулы, зависимости и графические линии [11].
Входные данные, необходимые для расчета, включают фактическую добычу нефти и фактическую добычу жидкости. Результатом расчета являются прогнозная добыча нефти и прогнозная добыча жидкости.
Прогнозный расчет выполняется с шагом в 1 месяц, хотя этот шаг может быть изменен в зависимости от длительности анализируемого периода. Результаты расчета представляются в виде таблицы и графика, отображаемых в основном окне программы. На рис. 1 показан пример графика, где фактические данные по добыче нефти представлены синими точками.
Рис. 1. Скриншот ПО с анализом и прогнозированием базовой добычи
методом Арпса
Для пользователя достаточно загрузить входные данные и нажать кнопку "расчет". Программа автоматически подбирает необходимые параметры аппроксимации и выводит таблицу и график с результатами, которые передаются в следующий модуль для оценки нефтегазового актива или могут быть экспортированы в табличном виде. Рассмотрим следующий подход для подготовки прогнозов добычи за сжатое время.
Анализ динамики обводнения по функции Баклея-Лаверета
и логарифму водонефтяного фактора Иногда подход с анализом добычи методом Арпса сложно применим вследствие проведения большого количества мероприятий по повышению добычи или значительных изменений забойного давления скважин. Для того, чтобы осуществлять прогнозирование добычи в подобных условиях разработанное программное обеспечение включает функции для анализа динамики обводнения в месторождении. Используется модель Баклея-Лаверета и логарифм водонефтяного фактора (ВНФ) для определения объема и скорости обводнения во времени. Путем анализа этих данных программное обеспечение позволяет пользователям оценить эффективность разработки месторождения, а также спрогнозировать будущую динамику обводнения [12, 13].
Применение функции Баклея-Лаверета
Фактические кривые относительных фазовых проницаемостей, полученные в результате физического моделирования процессов вытеснения нефти водой при керновых исследованиях, являются основой для модели Баклея-Леверетта.
Модель Баклея-Леверетта основана на следующих допущениях:
Процесс вытеснения представлен в одномерном течении, которое может быть прямолинейно-параллельным или плоскорадиальным.
Участвующие жидкости несжимаемы и несмешиваемы (взаимно нерастворимы).
Капиллярное давление и влияние силы тяжести считаются пренебрежимо малыми.
Функция Баклея-Леверетта, также известная как функция распределения потоков фаз f(S), представляет собой отношение скорости фильтрации вытесняющей фазы к общей скорости фаз. Она равна объемной доле потока вытесняющей жидкости (воды) в общем потоке двух фаз. Уравнение, описывающее данную функцию, представлено ниже:
f (S) =-^-= f * -, (4)
и (S) + U (S) * + К(S) w
krw (S ) -Mo
где vo(S), vw(S) - скорости фильтрации нефти и воды, м/сут; kro(S), krw(S) -относительные фазовые проницаемости по нефти и воде, д. ед.; ¡io, juw -динамическая вязкость нефти и воды, Пас.
Фигуры, представляющие кривую функции f(S) и ее производную f'(S) при различных отношениях вязкостей фаз, приведены на рис. 2 а и рис. 2 б соответственно. С увеличением насыщенности функция f(S) монотонно возрастает от 0 до 1. Из рис. 2 можно сделать вывод, что при росте отношения вязкостей кривая f(S) смещается вправо, что приводит к увеличению эффективности вытеснения. Например, использование пен и загустителей, которые увеличивают вязкость воды, подаваемой на месторождение, может существенно повысить нефтеотдачу.
Отношение вязкостей воды и нефти вместе с относительными фазовыми проницаемостями (ОФП) оказывает влияние на скорость распространения фронта заводнения.
Кривые ОФП могут быть созданы путем аппроксимации фактических точек ОФП по воде и по нефти степенной зависимостью соответственно. Такая зависимость называется корреляцией Кори (Corey):
kw (Sw) = k
max
rw
f S,., - S,.
1 - S - S
V ^wcr ^or У
(5)
Ka (Sw ) - К
1 - S - S
. ^wcr ar У
(6)
где krw (Sw ) - относительная проницаемость по воде; kra (Sw ) - относительная проницаемость по нефти; krWax - максимальная относительная проницаемость по воде при остаточной нефтенасыщенности; krmax - максимальная относительная проницаемость по нефти при остаточной водонасыщенности; sw - насыщенность водой; swcr - остаточная водонасыщенность (по данным капилляриметрии); Sar - остаточная нефте-насыщенность (по данным капилляриметрии); na и nw - показатели степени, характеризующие форму кривизны ОФП.
а) Ч
Рис. 2. Реализованные в ПО подходы по анализу обводненности с помощью подхода Баклея-Лаверета
В разработанном программном обеспечении использован прогностический алгоритм, основанный на функции Баклея-Левретта, для прогнозирования базовой добычи на основе фактической динамики обводнения. Для расчета используются следующие входные данные: фактическая добыча нефти, фактическая добыча жидкости, извлекаемые запасы нефти, относительные фазовые проницаемости по нефти и воде (максимальные значения и степени кривизны), а также физические свойства флюидов (вязкости, объемные коэффициенты) [14].
Результаты расчета включают прогнозную обводненность при постоянной добыче жидкости в зависимости от коэффициента выработки и прогнозную добычу нефти при постоянной добыче жидкости. Расчеты выполняются с заданным шагом, обычно в месячном разрезе, и результаты представляются в виде таблиц и графиков. Скриншот модуля программного обеспечения для анализа обводнения и примеры графиков, демонстрирующие фактические данные по обводненности и добыче нефти, представлены на рис. 3: на графике слева - прогноз динамики обводнения на анализируемом участке с помощью подхода Баклея-Леверетта, на графике спра-
ва - прогноз динамики добычи на основе динамики обводнения с помощью подхода Баклея-Лаверета на анализируемом участке.
Максимальные значения и степени кривизны относительных фазовых проницаемостей могут быть модифицированы на основе лабораторных анализов керна и адаптированы с использованием исторических данных об обводненности. Параметры относительных фазовых проницаемостей подбираются таким образом, чтобы наилучшим образом описать динамику фактического обводнения (показана оранжевым пунктиром на рис.3).
В случае отсутствия исторических данных о добыче, можно использовать лабораторные значения относительных фазовых проницаемостей (или аналогичные значения), а начальную добычу рассчитать с использованием уравнения Дюпюи для установившегося режима притока.
Рис. 3. Скриншот ПО с анализом и прогнозированием базовой добычи с помощью подхода Баклея-Лаверета
Данный подход требует информации об относительных фазовых проницаемостях для нефти и воды, которая не всегда доступна. Поэтому в программном обеспечении реализован дополнительный подход по анализу водонефтяного фактора.
Анализ динамики водонефтяного фактора (ВНФ)
Для прогнозирования базовой добычи на основе фактической динамики обводнения также реализовано использование статистических методов, основанных на характеристиках вытеснения. Однако следует отметить, что прогностическая способность таких характеристик вытеснения
достаточно надежна только при обводненности месторождения свыше 60 %. При анализе месторождений, находящихся на ранних стадиях разработки, рекомендуется использовать результаты лабораторных исследований керна и пластовых флюидов, проведенных на этих месторождениях или аналогичных месторождениях [15].
При высокой обводненности месторождения наиболее эффективным методом для прогнозирования добычи является использование графика зависимости водонефтяного фактора от накопленной добычи нефти, а не от обводненности.
Уравнение для нахождения обводненности:
ЖС = Ом , (7)
Оа + м
где Ом - дебит воды, м3/сут; Оо+м - сумма дебитов нефти и воды, м3/сут. Уравнение для водонефтяного фактора:
ЖС О
ВНФ(ЖОК) = . (8)
1 - ЖС Оо
Суть метода заключается в том, что для прогнозирования добычи нефти выбирается прямолинейный участок зависимости водонефтяного фактора (интервал обучения). Данный метод предполагает, что добыча жидкости на месторождении остается постоянной. Рекомендуется выбирать интервал для "обучения", в котором действующий фонд скважин остается неизменным, чтобы зависимость водонефтяного фактора не искажалась в результате изменений в фонде скважин, таких как прекращение эксплуатации скважин или появление новых скважин с разными уровнями обводненности.
Прогнозирование базовой добычи по фактической динамике обводнения с использованием логарифма водонефтяного фактора реализовано в программном обеспечении с помощью автоматического расчета формул и построения зависимостей и графиков.
Входные данные для расчета включают: фактическую добычу нефти; фактическую добычу жидкости. Результаты расчета включают:
прогнозное значение водонефтяного фактора при постоянной добыче жидкости в зависимости от накопленной добычи нефти;
прогнозную добычу нефти при постоянной добыче жидкости; извлекаемые запасы нефти при значении водонефтяного фактора равном 50 и обводненности 98 %.
Прогнозный расчет выполняется с шагом в 1 месяц. При необходимости шаг расчета может быть изменен. Результаты представляются в виде таблицы и графиков. Примеры графиков приведены на рис. 4, где фактические данные по водонефтяному фактору и добыче нефти обозначены си-
ними точками, красными - прогнозные значения. На левом графике представлен прогноз динамики обводнения на анализируемом участке с помощью ВНФ, на правом - прогноз динамики добычи на основе динамики обводнения с помощью подхода по анализу динамики ВНФ на анализируемом участке.
0141201
сп седа т сада
01ЛЦ01! 01 «го« от »да» 05 от да
01 МЛ)»
01 изо»
01 12Л0« 01-512010
421.4 4214
Рис. 4. Скриншот ПО с анализом и прогнозированием базовой добычи с помощью подхода по анализу ВНФ
Таким образом, при наличии информации об исторической динамике обводнения на анализируемом месторождении или выбранном участке оперативно готовится прогноз динамики добычи.
При отсутствии обводнения требуются другие подходы, в частности - метод материального баланса.
Метод материального баланса Одной из главных особенностей программного обеспечения является его способность прогнозировать параметры разработки месторождения на основе концепции материального баланса. Программное обеспечение использует данные о геологической структуре, свойствах пласта, объеме запасов и других факторах для моделирования и прогнозирования будущих изменений в добыче и других параметрах. Это позволяет пользователям разрабатывать более точные и эффективные планы разработки, а также принимать обоснованные решения на основе прогнозных данных.
Материальный баланс является эффективным инструментом, применяемым в процессе разработки нефтяных резервуаров. Его использование требует учета следующих основных условий.
1. Необходимо учесть добываемую жидкость путем суммирования данных по скважинам для получения общей истории добычи.
2. Для успешного применения материального баланса необходимо иметь доступ к данным об истории среднего пластового давления. Этот метод лучше всего применим в случае небольших градиентов давления в коллекторах.
3. PVT-свойства (физические свойства нефти, газа и воды) выражаются с помощью модели нелетучей нефти "Black Oil". В этой модели растворимость газа в нефти и объемный коэффициент нефти зависят от давления. Допущение состоит в том, что газ не растворяется в воде. При расчете материального баланса данные допущения исключают рассмотрение летучей нефти и газового конденсата.
Применение материального баланса позволяет оценить начальный объем углеводородов, продуктивность и связующие водоносные горизонты на основе анализа истории давления и добычи. При определенных параметрах возможно прогнозирование добычи нефти.
Наша программа позволяет также варьировать другие параметры, которые могут быть неопределенными или не точными, например, начальное давление в пласте или сжимаемость пласта. Пользователь может выбирать фиксированные значения или изменять их комбинации.
Уравнение материального баланса утверждает, что при падении давления в пласте нефть, газ и вода должны расширяться [16]. Объем этого расширения в пластовых условиях, вместе с изменением объема пор и любой закачкой жидкости, должен быть равен общей добыче жидкости, также выраженной в единицах измерения при пластовых условиях.
Уравнение материального баланса (9) для нефтяной залежи может быть записано следующим образом:
+ (NBti+ NmBti) cwApSw + 1 - S,„
N(Bt -Bti) + NBti
r B - B .
g g.
B,
+ v, ^ m tiJ + We + WB + GtBgi= (9)
с/ Ар (Щ+ МтБа) 1 -
= ^А + Мр (Яр - я30) вё + ЖрВк,
где N - объем углеводородов, м3; Bt - объемный коэффициент всех флюидов; Bti - объемный коэффициент при начальных условиях; ш - отношение объема газовой шапки при пластовых условиях к объему пластовой нефти; Вё - объемный коэффициент газа; Вёг - объемный коэффициент газа при начальных условиях; см - сжимаемость воды; Ар - изменение давления от начального пластового, атм; 8м - насыщенность водой; с/ - сжимаемость породы; Ви - объемный коэффициент всех флюидов при начальных условиях; Же - приток из водоносного горизонта, м3; Ж г - объем воды при начальных условиях, м3; Вмг - объемный коэффициент воды при начальных
условиях, м3 ; О - объем газа при начальных условиях, м3; Ыр - добыча нефти, м3; Бг - объемный коэффициент всех флюидов; Яр - накопленное газосодержание; Я^о - содержание растворенного газа в нефти; Жр - накопленная добыча нефти, м3; Бм - объемный коэффициент воды.
Хотя текущее пластовое давление в уравнении выше явно представлено только в виде Ар в терминах расширения пласта и воды. Также необходимо определить текущие объемные коэффициенты пласта и общий объем притока воды. Поэтому для определения пластового давления на каждом временном шаге требуется итеративный расчет.
В данной работе используется метод Ньютона-Рафсона для определения текущего пластового давления на каждом временном шаге на основе истории добычи, размера водоносного горизонта, продуктивности водоносного горизонта и начального объема углеводородов [11]. Затем рассчитанная история давления может быть согласована с фактическими измерениями давления путем изменения объемов водоносного горизонта или начального объема углеводородов. Корректировка может быть выполнена до достижения приемлемого соответствия истории.
Для расчета притока воды из водоносного горизонта программа использует аналитическую модель водоносного горизонта, известную как модель Фетковича. Эта модель приближает неустойчивый водоносный горизонт Херста и ван Эвердингена [10]. Модель Фетковича была выбрана по двум причинам. Во-первых, она обладает простыми и понятными вычислениями. Во-вторых, модель Фетковича может быть непосредственно использована во многих современных гидродинамических симуляторах.
Максимальный объем доступной воды представляет собой количество воды, которое водоносный горизонт будет поставлять, если давление упадет до нуля. Этот объем является произведением объема пор ¥ад водоносного горизонта при начальном давлении рг и общей сжимаемости водоносного горизонта вад'.
Жег = ^ад ' рг ' сад (10)
Предполагая значение сжимаемости водоносного горизонта, можно рассчитать среднее давление рад в водоносном горизонте в любой момент времени на основе доли всей доступной воды, которая вышла из водоносного горизонта:
рад = рг
- ж
Ж
V УГ ег У
(11)
где Же - накопленный приток из водоносного горизонта, м3.
Индекс продуктивности водоносного горизонта использован для оценки мгновенного притока воды. В данной программе использование индекса продуктивности водоносного горизонта и термина "объем доступной воды", упомянутого ранее, является параметрами адаптации, которые служат для описания характеристик водоносного горизонта по уравнению
qaq Jaq ( Paq Ргез )
(12)
где qaq - мгновенный приток воды, м3/сут.; Jaq - индекс продуктивности водоносного горизонта, м3/атм.сут.; р^ - пластовое давление, атм.; рaq -среднее давление в водоносном горизонте, атм.
После алгебраической обработки и интегрирования указанных уравнений получено выражение, описывающее приток воды за единицу времени ЛЖеп при постоянном изменении давления:
= Жег/ рг (Рп-1 - рЯп)
1
_ JpiK ^
Ш ■
(13)
где А1п - временной шаг, сут; J - индекс продуктивности водоносного горизонта, м3/атм.сут.; рп-1 - давление водоносного горизонта в начальный момент времени, атм; р^ - давление нефтеносного горизонта в конечный момент времени, атм.
Прогнозный расчет выполняется с шагом в 1 месяц. При необходимости шаг расчета может быть изменен. Результаты представляются в виде таблицы и графиков. Пример скриншота ПО с анализом и прогнозированием базовой добычи с помощью метода материального баланса показан на рис. 5, где на левом графике отображена настройка на динамику пластового давления с учетом текущих отборов, на правом - прогноз добычи.
ЧЕК-ЛИСТ геология КИН АНАЛИЗ ППД БАЗОВАЯ Д06ЫЧА вДКЛ€Я-ЛЕМРЕТТА 1 6АКЛЕЯ-ЛЕМРЕТТА 2 МАТВАЛАНС
ГТМ РАЗРАБОТКА
ТЭО РИСКИ
Рис 5. Скриншот ПО с анализом и прогнозированием базовой добычи с помощью метода материального баланса
Данный метод позволяет готовить прогноз добычи даже в условиях отсутствия обводнения.
Аналитиком для каждого оцениваемого актива подбирается наиболее подходящий способ подготовки прогноза базовой добычи в зависимости от геологических параметров и имеющихся исходных данных.
Заключение
В рамках проекта по автоматизации оценки новых активов разработаны модули программного обеспечения для прогнозирования базовой добычи. Программное обеспечение опробовано и показало хорошие результаты за счет гибкости настроечных параметров аналитических зависимостей, позволяющих быстро достичь хорошей адаптации к историческим данным и подготовить прогнозную динамику добычи. Данная информация передаётся в следующие модули для расчета экономической привлекательности приобретения анализируемых нефтегазовых активов или экспортируется для подготовки промежуточных отчетов о динамике добычи.
Список литературы
1. Бузинов С.Н., Умрихин И.Д. Исследование нефтяных и газовых скважин и пластов. М.: Недра, 1984. 265c.
2. Вероятностно-статистическая оценка запасов и ресурсов по международной классификации SPE-PRMS Георесурсы // Р.С. Хисамов, А.Ф. Сафаров, А.М. Калимуллин, А.А. Дрягалкина / Сб. науч. тр. Georesources. Материалы конф. 2018. Т. 20. № 3. Ч.1. С. 158-164. DOI: https://doi.org/10.18599/grs.
3. Ахметзянов А.В., Кушнер А.Г., Лычагин В.В. Математические модели управления разработкой нефтяных месторождений: монография. М.: ИПУ РАН, 2017, 124 с.
4. Программа для оценки привлекательности внешних активов. Свидетельство о государственной регистрации программы для ЭВМ №2023616108. Опубл. 22.03.2023. Заявка №2023614258.
5. Rose P. R. Risk Analysis and management of petroleum exploration ventures // American Association of Petroleum Geologists. 2001. Vol. 12. P. 1748.
6. Желтов Ю.П. Разработка нефтяных месторождений: учеб. для вузов. 2-е изд., перераб. и доп. М.: ОАО «Издательство» «Недра», 1998. 365 с.
7. Форест Г. Добыча нефти. М.: ЗАО «Олимп-Бизнес», 2003. 416 с.
8. Веревкин А.П., Кирюшин О.В., Соловьев В.Я. Об оптимизации процессов добычи нефти в динамике // Территория Нефтегаз. 2007. № 10.
9. Кузнецов Д. В., Кулешов В. Е., Могутов А. С. Подсчёт запасов нефти и растворённого газа: учеб. пособие. Ухта: УГТУ, 2013. 112 с.
10. Уолш М, Лейк Л. Первичные методы разработки месторождений углеводородов. Москва-Ижевск: Институт компьютерных исследований, НИЦ "Регулярная и хаотическая динамика", 2008. 672 с.
11. Мирзаджанзаде А. Х. Математическая теория эксперимента в добыче нефти и газа. М.: Недра, 1977. 233 с.
12. Дон Уолкотт. Разработка месторождениями при заводнении. Москва, 2001. 143 с.
13. Gavrilov A.G., Ovchinnikov M.N., Shtanin A.V. Geological structures recognition and evaluation of water saturation in oil fields by the hydrody-namical methods // Proc.Int.Conf. Geometrization of Physics IV. Kazan. October 4-8, 1999. Р.208-210.
14. Хисамов Р.С. Газизов А.А. Увеличение охвата продуктивных пластов воздействием. M.: ОАО «ВНИИОЭНГ», 2003. 568 с.
15. Бершанский Я.М., Кулибанов В.Н., Мееров М.В., Першин О.Ю. Управление разработкой нефтяных месторождений. М.: Недра, 1983. 304 с.
16. B.C. Craft and M.F. Hawkins. Applied Petroleum Reservoir Engineering - Revised by Ronald E. Terry. 1990. 431 p.
Сиитдикова Ирина Петровна, канд. техн. наук, доцент, зав. кафедрой, sitdiko-va_ip@,mail.ru, Россия, Республика Татарстан, Альметьевск, Альметьевский государственный нефтяной институт,
Абдулкина Наталья Владимировна, ст. преподаватель, n.abdulkina@,agni-rt.ru, Россия, Республика Татарстан, Альметьевск, Альметьевский государственный нефтяной институт,
Валиуллин Ильсур Вазихович, канд. техн. наук, вед. науч. сотрудник, [email protected], Россия, Республика Татарстан, Альметьевск, Альметьевский государственный нефтяной институт,
Прилуцкий Александр Александрович, лаборант, s.prilutskii2@,gmail. com, Россия, Москва, РГУ нефти и газа имени И.М. Губкина
IMPLEMENTATION OF SOFTWARE TO AUTOMATE PRODUCTION FORECASTING
PROCESSES
I.P. Sitdikova, N.V. Abdulkina, I.V. Valiullin, A.A. Prilutsky
Field development forecasting is one of the key parameters in the evaluation of new assets. The technology to quickly prepare production profiles for different development scenarios in a reasonable amount of time provides important information when evaluating oil and gas assets considered for acquisition. The article presents software modules for assessing the historical dynamics of base production and forecasting the production of the existing well stock. This analysis is one of the main components in the asset appraisal algorithm, along with the analysis of reserves, infrastructure and the assessment of the potential from geologi-
cal and technical measures to increase the production of the asset being assessed, integrated into the economic analysis block.
Key words: production forecasting, reservoir assessment, production analysis, production decline, water-cut forecasting.
Sitdikova Irina Petrovna, candidate of technical sciences, associate professor, head of chair, [email protected] , Russia, Republic of Tatarstan, Almetyevsk, Almetyevsk State Petroleum Institute,
Abdulkina Natalia Vladimirovna, senior lecturer, n.abdulkina@,agni-rt.ru, Russia, Republic of Tatarstan, Almetyevsk, Almetyevsk State Petroleum Institute,
Valiullin Ilsur Vazikhovich, candidate of technical sciences, leading sci. employee, [email protected] , Russia, Republic of Tatarstan, Almetyevsk, Almetyevsk State Oil Institute,
Prilutsky Alexander Alexandrovich, laboratory assistant, [email protected] , Russia, Moscow, Gubkin Russian State University of Oil and Gas
Reference
1. Buzinov S.N., Umrishin I.D. Investigation of unwashed and gas mixtures and formations. M.: Nedra, 1984. 265c.
2. Probabilistic and statistical assessment of reserves and resources according to the international classification of the SMNR Georesources // R.S. Khisamov, A.F. Safarov, A.M. Kalimullin, A.A. Dryagalkina / Sb. scientific tr. Geo resources. Materials of the conference 2018. Vol. 20. No. 3. Part 1. pp. 158-164. DOI: https://doi.org/10.18599/grs
3. Akhmetzyanov A.V., Kushner A.G., Lychagin V.V. Mathematical models of oil field development management: monograph. M.: IPU RAS, 2017. 124 p.
4. A program for assessing the attractiveness of external assets. Certificate of state registration of the computer program No. 2023616108. Published on 03/22/2023. Application No.2023614258.
5. Rose P. R. Risk analysis and management of oil exploration enterprises // American Association of Petroleum Geologists. 2001. Volume 12. pp. 17-48.
6. Zheltov Yu.P. Development of oil fields: textbook. for universities. 2nd ed., reprint. and additional M.: JSC "Publishing House"Nedra", 1998. 365 p.
7. Forest G. Oil production. Moscow: Olymp-Business CJSC, 2003. 416 p.
8. Verevkin A.P., Kiryushin O.V., Solovyov V.Ya. On optimization of oil production processes in dynamics // Territory of Neftegaz, 2007. No. 10.
9. Kuznetsov D. V., Kuleshov V. E., Mogutov A. S. Calculation of oil and dissolved gas reserves: textbook. stipend. Ukhta: UGTU, 2013. 112 p.
10. Walsh M, Lake L. Primary methods for the development of hydrocarbon deposits. Moscow-Izhevsk: Institute of Computer Research, SIC "Regular and chaotic dynamics", 2008. 672 p.
11. Mirzajanzade A. H. Mathematical theory of experiment in oil and gas production. M.: Nedra, 1977. 233 p.
12. Don Walcott. Development of deposits during flooding. Moscow, 2001. 143 p.
13. Gavrilov A.G., Ovchinnikov M.N., Shtanin A.V. Recognition of geological structures and assessment of water saturation of oil fields by hydrodynamic methods // Materials of the international Conference. Geometrization of physics IV. Kazan. October 4-8, 1999,
pp.208-210.
14. Isamov R.S., Gazizov A.A. Improving production efficiency. Moscow: JSC "VNIIOENG", 2003. 568 p.
15. Bershansky Ya.M., Kulibanov V.N., Meerov M.V., Pershin O.Yu. Management of oil field development. M.: Nedra, 1983. 304 p.
16. B.S. Kraft and M.F. Hawkins. Applied Oil Reservoir Engineering — redesigned by Ronald E. Terry. 1990. 431 pages.
