WWW.DISUS.RU

БЕСПЛАТНАЯ НАУЧНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

 

Разработка статистических моделей для определения конечного коэффициента извлечения не ф ти из недр (на примере территории пермского края)

На правах рукописи

Акимов Иван Александрович

РАЗРАБОТКА СТАТИСТИЧЕСКИХ МОДЕЛЕЙ

ДЛЯ ОПРЕДЕЛЕНИЯ КОНЕЧНОГО КОЭФФИЦИЕНТА

ИЗВЛЕЧЕНИЯ НЕФТИ ИЗ НЕДР

(на примере территории Пермского края)

25.00.12 – Геология, поиски и разведка горючих ископаемых

Автореферат

диссертации на соискание ученой степени

кандидата технических наук

Пермь 2007

Работа выполнена в Пермском государственном техническом университете

Научный руководитель: заслуженный деятель науки РФ,

доктор геолого-минералогических наук,

профессор Галкин Владислав Игнатьевич

Официальные оппоненты – доктор технических наук

Крысин Николай Иванович

(ООО «ПермНИПИнефть»)

– кандидат технических наук

Коноплев Александр Васильевич

(Пермский государственный университет)

Ведущее предприятие: – ФГУ ДП «КамНИИКИГС»

Защита состоится 7 ноября 2007 г. в 16 часов на заседании диссертационного совета Д 212.188.03 при Пермском государственном техническом университете по адресу:

614990, г. Пермь, Комсомольский проспект, 29, ауд. 423 б.

С диссертацией можно ознакомиться в научной библиотеке ПГТУ.

Автореферат разослан 5 октября 2007 г.

Ученый секретарь диссертационного совета,

доктор геолого-минералогических наук А. В. Растегаев

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы

В настоящее время в Пермском крае используется ряд отечественных и зарубежных методик для оценки коэффициента извлечения нефти из недр (КИН). Причем все эти методики составлены для более широких территорий, например, для Волго-Уральской нефтегазоносной провинции. Поэтому целесообразно оценить «работоспособность» применяемых методик путем сравнения их с утвержденными ЦКР Роснедра коэффициентами извлечения нефти в проектно-технологических документах (КИНПР) и обоснованными с применением геолого-гидродинамического моделирования.

В целом анализ показывает, что эти методики, обоснованные по состоянию разработки месторождений на период 1970-80 годов, фактически устарели, так как накопленные данные по выработке нефтяных объектов показывают, что использование этих методик в настоящем виде занижает КИНПР и необходима их корректировка.

Использование огромного, накопленного на текущий момент опыта разработки месторождений позволило построить адекватные математические модели для оценки конечной нефтеотдачи объектов разработки Пермского края.

Цель работы

Разработка математических моделей для определения КИН объектов разработки на основе вероятностно-статистического анализа геолого-промысловых данных.

Основные задачи исследований

1. Обоснование требований к обучающей выборке при построении моделей для определения КИН;

2. Научное обоснование необходимости оценки КИН в зависимости от типа коллектора, способа эксплуатации объектов разработки, нефтегазоносных комплексов, входящих в объект разработки пластов, нефтегеологического районирования территории;

3. Построение статистических моделей для определения КИН по геолого-промысловой информации.

Методы решения задач

Для решения поставленных задач использованы результаты геологического и гидродинамического моделирования, а также геолого-промысловая информация по разрабатываемым залежам месторождений Пермского края. Результаты проанализированы и обобщены с использованием статистических методов обработки экспериментальных данных.

Научная новизна

1. Впервые разработана методика формирования обучающей выборки при построении статистических моделей для определения значений КИН;

2. Впервые построены статистические модели определения КИН с учетом регионального изменения геолого-физических свойств пластов коллекторов и физико-химических характеристик нефтей;

3. Обоснована необходимость дифференцированной оценки КИН в зависимости от типа коллектора, способа эксплуатации объектов разработки, нефтегазоносных комплексов, входящих в объект разработки пластов;

4. Построены общие и дифференцированные статистические модели для определения КИН объектов разработки месторождений Пермского края, выполнен анализ их «работоспособности».

Защищаемые положения диссертации

1. Методика формирования обучающей выборки при построении моделей КИН;

2. Нефтегеологическое районирование изучаемой территории для построения статистических моделей определения КИН с учетом свойств пластов коллекторов и нефтей;

3. Математические модели для определения КИН объектов разработки месторождений Пермского края.

Практическая ценность работы

1. Создание и внедрение в практику методики оценки КИН объектов разработки месторождений Пермского края;

2. Повышение точности оценки извлекаемых запасов нефти месторождений Пермского края;

3. Использование полученных моделей при оперативных подсчетах запасов, контроле значений КИН, полученных при промышленном подсчете запасов, геолого-гидродинамическом моделировании объектов разработки, оценке запасов по международным классификациям.



Апробация работы

Результаты работы используются в ООО «ПермНИПИнефть» для расчета КИН при первом подсчете запасов и в ООО «ЛУКОЙЛ-ПЕРМЬ» при контроле проектных значений КИН.

Материалы диссертации докладывались и обсуждались на конференциях молодых ученых и специалистов ООО «ЛУКОЙЛ-ПЕРМЬ» (2004-2007 гг.), конференции молодых ученых и специалистов ОАО «ЛУКОЙЛ» (2005 г.), научно-практической конференции ООО «ПермНИПИнефть» (2006 г.), научно-практической конференции Горного Института Уральского отделения РАН (2004 г.), научно-практических конференциях ПГТУ (2002-2007 гг.)

Публикации

Основные положения диссертации изложены в 8 публикациях.

Объем работы

Диссертационная работа состоит из введения, четырех глав и заключения. Объем работы 121 страница, включая 94 рисунка, 46 таблиц, список литературы из 116 наименований.

Автор выражает благодарность научному руководителю, заслуженному деятелю науки РФ, доктору геолого-минералогических наук, профессору В. И. Галкину.

Искреннюю признательность за консультации и поддержку в работе над диссертацией автор выражает А. И. Савичу, С. В. Галкину.

СОДЕРЖАНИЕ РАБОТЫ

В первой главе дано краткое описание изучаемой территории по нефтегазоносным комплексам, а также приведено сопоставление КИНПР с КИН, рассчитанным по имеющимся математическим моделям.

В пределах Пермского края в тектоническом отношении выделяются следующие крупные структуры: Пермский свод (ПС), Башкирский свод (БС), Бымско-Кунгурская впадина (БКВ), Верхнекамская впадина (ВКВ), Висимская впадина (ВисВ), Ракшиская седловина (РакС) – находятся на платформенной части изучаемой территории; Соликамская депрессия (СолД), Косьвинско-Чусовская седловина (КЧС) и Юрюзано-Сылвинская депрессия (ЮСД) – приурочены к Предуральскому краевому прогибу; Передовые складки Урала (ПСУ).

Промышленная нефтегазоносность территории установлена в отложениях шести нефтегазоносных комплексов: в эйфельско-кыновских терригенных, в верхнедевонско-турнейских карбонатных, в визейских терригенных, в башкирско-серпуховских карбонатных, в московских терригенно-карбонатных, в верхнекаменноугольно-нижнепермских карбонатных отложениях.

В настоящее время при оценке КИН в Пермском регионе используется ряд аналитических методик. Нами оценена их эффективность применительно к месторождениям Пермского края, и проанализированы полученные по ним результаты с величинами, утвержденными государственными инстанциями.

Сопоставление значений рассчитанных по имеющимся статистическим моделям КИН с КИНПР показало, что имеющиеся на сегодняшний день методики фактически устарели, так как обоснованы по состоянию разработки месторождений на период 1970-80-х гг. Накопленные данные по выработке нефтяных объектов показывают, что использование имеющихся методик в настоящем виде занижает КИНПР и необходима их корректировка.

Во второй главе выполнено построение и анализ обобщенных статистических моделей для определения КИН. Разработана методика формирования обучающей выборки. Обоснована необходимость дифференцированной оценки КИН в зависимости от ряда факторов.

В настоящее время на территории Пермского края имеется информация по КИНПР и текущим КИНТ по 489 объектам разработки (n=489).

Если сопоставить КИНПР и КИНТ по всем данным, то величины характеризуются статистически значимой связью. Анализ корреляционного поля показывает, что оно имеет высокую степень неоднородности, особенно это относится к объектам с выработанностью запасов (В, %) менее 50% [5].

В диссертации разработана методика формирования обучающей выборки необходимой для изучения статистического влияния различных геолого-технологических показателей на величину КИНПР. Располагая наличием значимых корреляционных связей между КИНТ и КИНПР и отсутствием статистических различий в средних значениях между ними, при доверительной вероятности 0,95 построен ряд обобщенных статистических моделей для прогноза КИНПР. Определение необходимого количества объектов разработки для статистического анализа выполнено с учетом выработанности запасов (табл. 1).

Таблица 1

Статистическое обоснование выбора объектов разработки

для построения модели для определения КИНМ1

В, % n Стат. характеристики*) tР p Уравнение регрессии
КИНПР КИНТ
В>0 489 0,334±0,143 0,062-0,831 0,142±0,145 0,0001-0,821 17,64 0,000 КИНПР=0,265+0,486КИНТ r=0,626
В>50 167 0,382±0,126 0,100–0,831 0,305±0,129 0,089–0,821 5,503 0,000 КИНПР=0,122+0,853КИНТ r=0,857
В>70 107 0,387±0,138 0,100–0,831 0,349±0,136 0,089–0,821 2,056 0,041 КИНПР=0,046+0,977КИНТ r=0,967
В>71 105 0,389±0,138 0,100–0,831 0,352±0,136 0,089–0,821 1,998 0,047 КИНПР=0,043+0,983КИНТ r=0,968
В>72 104 0,388±0,138 0,1000,831 0,351±0,137 0,0890,821 1,927 0,056 КИНПР=0,043+0,980КИНТ r=0,971
В>73 102 0,387±0,138 0,100–0,831 0,352±0,137 0,089–0,138 1,807 0,073 КИНПР=0,041+0,982КИНТ r=0,974
В>74 100 0,389±0,139 0,100–0,831 0,354±0,137 0,089–0,821 1,746 0,083 КИНПР=0,038+0,987КИНТ r=0,975
В>75 97 0,389±0,141 0,100–0,831 0,355±0,139 0,089–0,821 1,645 0,102 КИНПР=0,036+0,991КИНТ r=0,977
В>95 36 0,410±0,179 0,100–0,831 0,209±0,079 0,098–0,316 0,022 0,982 КИНПР=–0,005+1,025КИНТ r=0,999

*) среднее значение ± отклонение

интервал изменения параметра

где n – количество наблюдений; r – коэффициент корреляции; tP – коэффициент Стьюдента; р – доверительная вероятность.

Анализ данных, приведенных в табл. 1 показывает, что условию отсутствия статистических различий в средних значениях удовлетворяют объекты разработки, у которых В>72% (рис. 1.а,б).

 а). при В > 0 (n = 489) б). при В > 72 % (n = 104) -0  а). при В > 0 (n = 489) б). при В > 72 % (n = 104) -1
а). при В > 0 (n = 489) б). при В > 72 % (n = 104)
Рис. 1. Поля корреляции между КИНПР и КИНТ

С помощью пошагового регрессионного анализа построена и проанализирована многомерная статистическая модель для определения КИН по данным 104 залежей. В построенной модели присутствуют 11 критериев, описывающих различные условия разработки 104 объектов:

КИНМ1=-0,218+0,000009QД+0,101КПЕСЧ+0,0286СП+1,170КП+0,0116РНАС+

+0,00074ГПР+0,000051SД-0,046DВНЗ-0,0029ССА-0,00039СГ+0,218КН; R=0,78, FР/Ft=1,07; где QД – начальные геологические запасы, приходящиеся на одну добывающую скважину, тыс.т/скв.; КПЕСЧ – коэффициент песчанистости пласта, д.е.; СП – содержание парафина в нефти, %; КП – коэффициент открытой пористости пласта, д.е.; РНАС – давление насыщения нефти, МПа; ГПР – гидропроводность пласта, мкм2см/мПас; SД – плотность сетки добывающих скважин, тыс.м2/скв., DВНЗ – доля водонефтяной зоны пласта, д.е.; ССА – содержание смол и асфальтенов в нефти, %; СГ – газосодержание пластовой нефти, м3/т; КН – коэффициент нефтенасыщенности, д.е.

Далее по формуле (КИНМ1), выполнены расчеты по тем объектам разработки, характеристики которых находятся в пределах интервалов варьирования использованных в обучающей выборке показателей. Например, по показателю DВНЗ можно выполнять расчеты только по тем объектам, значения которых находятся в интервале 0,014 – 1,00; по показателю КП – в интервале от 0,06 до 0,23 и.т.д. Всего данным геолого-промысловым условиям разработки соответствует 366 объектов.

 а). с учетом литологии б). с учетом системы разработки -2
а). с учетом литологии б). с учетом системы разработки
Рис. 2. Поля корреляции между КИНПР и КИНМ1




Анализ корреляционных полей показал, что наблюдаются различные соотношения для терригенных и карбонатных пород (рис. 2.а.), и объектов, разрабатываемых с системой поддержания пластового давления (ППД) и без нее (рис. 2.б).

Для терригенных пород корреляция между КИНПР и КИНМ1 является статистически значимой (r=0,52; tp>tt), для карбонатных пород – практически отсутствует (r=0,07; tp<tt). Кроме этого, из корреляционного поля видно, что значения КИНПР и КИНМ1 для терригенных пород расположены в основном при значениях КИНПР и КИНМ1 >0,3, тогда как для карбонатных пород, наоборот, при значениях КИНПР и КИНМ1 <0,4. Средние значения КИНПР и КИНМ1 для обоих вариантов являются статистически различными.

Для объектов, разрабатываемых с ППД, значение коэффициента корреляции r между КИНПР и КИНМ1 равно 0,62. Для объектов, разрабатываемых без ППД, корреляция между ними несколько меньше (r=0,43).

Все это показывает, что соотношения между КИНПР и КИНМ1 значительно отличаются в зависимости от условий разработки. Поэтому для достижения высоких корреляций между значениями КИНПР и КИНМ построены модели учитывающие тип коллектора и систему разработки.

Кроме этого выполненный анализ значений КИНПР и КИНМ1 показал, что на значения КИНПР наиболее сильно влияет наличие или отсутствие системы ППД, а на КИНМ – тип коллектора. Поэтому при оценке значений КИН более целесообразно использовать не только значение КИН, полученное при гидродинамическом моделировании, но и контролировать полученные значения с помощью КИН, полученных по геолого-технологическим характеристикам [7].

Далее в диссертации исследованы связи между КИНПР и КИНМ1 дифференцированно для объектов, разрабатываемых с ППД и без ППД, для терригенных и карбонатных объектов, в зависимости от тектонической принадлежности, а также нефтегеологического районирования [6].

Выполненный анализ «работоспособности» модели для определения КИНМ1 показывает, что при разработке многомерных статистических моделей необходимо строить дифференцированные модели по отдельным объектам разработки с учетом наличия или отсутствия системы ППД. Модели для этих условий приведены в табл. 2.

Только в тех случаях, когда нет достаточно данных для выполнения этих условий, можно использовать для оценок значений КИН интегрированные модели, учитывая, что их «работоспособность» будет значительно хуже. Поэтому, далее построим и проанализируем еще несколько обобщенных вариантов моделей: вариант 2 – для терригенных пород (КИНМ2), вариант 3 – для карбонатных пород (КИНМ3), вариант 4 – для объектов, разрабатываемых с ППД (КИНМ4), вариант 5 – для объектов, разрабатываемых без ППД (КИНМ5).

Таблица 2

Модели для определения КИНМ2-5

учитывающие тип коллектора и систему разработки

Условия применения Формула для определения КИНМ2-5 R Fp Ft
Терригенные объекты КИНМ2=-0,381+0,00397hН+0,000078QД+0,0278СП+0,390854КН+ 0,000454ГПР+1,493КП+0,0106РНАС–0,057DВНЗ–0,0245СС 0,77 1,12
Карбонатные объекты КИНМ3=0,902-0,00022SД-0,0044ССА+0,104КПР-0,0198ТПЛ+ +0,0217РПЛ-0,00064qН+0,000537QД-0,008hН-0,512КН-0,00041СГ+ +0,01064РНАС 0,86 0,61
Объекты с ППД КИНМ4=-0,022+0,00042qН+1,772КП+0,031КПЕСЧ+0,00051ГПР- -0,00108µ+0,0081РНАС-0,0036ТПЛ 0,78 1,80
Объекты без ППД КИНМ5=0,175+0,00003VД+1,359КП-0,0052ССА-0,1029DВНЗ+ +0,0234СП-0,000228SД 0,74 0,88

где hН - средневзвеш. эффективная нефтенасыщенная толщина, м; СС – содержание серы в нефти, %; qН – средний начальный дебит нефти, т/сут.; µ - вязкость пластовой нефти, мПас; ТПЛ – начальная пластовая температура, 0С; VД – объемная плотность сетки добывающих скважин, тыс.м3/скв. Остальные условные обозначения приведены выше.

Количество объектов обучения, по которым можно строить многомерные статистические модели определялось по разработанному ранее принципу для обобщенной модели.

Построенные многомерные модели для определения КИНМ2-5, несмотря на то, что в них использованы различные нефтегазоносные комплексы и объекты разработки, не противоречат индивидуальным корреляционным связям между КИНПР и используемым в моделях показателями.

Выполненный анализ «работоспособности» полученных моделей для определения КИНМ2-5 показал необходимость построения более дифференцированных моделей, в которых комплексно учитываются тип коллекторов и способ разработки.

В третьей главе выполнено построение и анализ моделей для определения КИН по типу коллектора и способу разработки. Рассмотрены следующие варианты: для терригенных пород с ППД – вариант 6 (КИНМ6), для карбонатных пород с ППД – вариант 7 (КИНМ7), для терригенных пород без ППД – вариант 8 (КИНМ8), для карбонатных пород без ППД – вариант 9 (КИНМ9). Эти модели приведены в табл. 3.

Обоснование количества объектов обучающей выборки выполнено согласно разработанному ранее принципу.

Таблица 3

Модели для определения КИНМ6-9

комплексно учитывающие и тип коллектора, и систему разработки

Условия применения Формула для определения КИНМ6-9 R Fp Ft
Терригенные с ППД КИНМ6=-0,182+0,000135SД+0,0246СП+0,000318ГПР+1,188КП- -0,0346СС+0,386КН 0,72 1,16
Карбонатные с ППД КИНМ7=0,155+0,00241qН+0,029КПЕСЧ-0,000009VД 0,71 2,28
Терригенные без ППД КИНМ8=0,067+0,000066SД+0,429КПЕСЧ+0,037КРАСЧ-0,04087hН+ +0,0373СС 0,88 2,03
Карбонатные без ППД КИНМ9=0,402-0,01044qН-0,036hН+0,000755QД+0,0075КРАСЧ+ +0,746КП-0,102DВНЗ 0,99 14,4

Анализ полученных девяти моделей показал, что для ограниченных по условиям разработки вариантов (6-9), связи между значениями КИНПР и КИНМ более тесные, чем при рассмотрении обобщенных вариантов (1-5). Кроме того, полученные модели для определения КИН обладают различной эффективностью использования для различных условий. Сопоставим значения КИНПР с КИНМ в зависимости от степени дифференциации объектов в обучающей выборке: КИНМ1кл – все объекты (класс 1 – соответствует значениям КИНМ1); КИНМ2кл – терригенные и карбонатные коллектора (класс 2 – включает значения КИНМ2 и КИНМ3); КИНМ3кл –с ППД и без ППД (класс 3 – включает значения КИНМ4 и КИНМ5); КИНМ4кл – в зависимости от типа коллектора и способа разработки (класс 4 – включает значения КИНМ6, КИНМ7, КИНМ8 и КИНМ9). Число объектов разработки, по которым рассчитаны значения КИНМ1-4кл – 286.

Выполненный анализ соотношений КИНПР и КИНМ1-4кл (рис. 3) показал, что для всех выборок, кроме второй, отсутствует статистическое различие между средними значениями КИНМ и КИНПР. Значения коэффициента корреляции r между КИНМ и КИНПР во всех случаях статистически значимы, но для выборки 2 значение r минимально. Для уравнения регрессии, построенного по данным выборки 4, наблюдается самая тесная корреляция. Для оценки влияния на КИНПР значений КИНМ1-4кл, полученных по этим выборкам, с помощью пошагового регрессионного анализа построена комплексная модель для определения КИНМК. Модель имеет следующий вид:

КИНМК=0,004+0,358КИНМ4кл+0,239КИНМ2кл+0,218КИНМ3кл+0,172КИНМ1кл;

R = 0,73; Fp/Ft = 18,9.

Формирование модели происходило первоначально по данным, полученным по более дифференцированным моделям, затем в нее были включены остальные значения КИНМ. Отметим, что в модели присутствуют все значения КИНМ, определенные по различным обучающим выборкам. Вероятно, именно это позволяет комплексно учесть все условия разработки изучаемых объектов.

истограммы и корреляционные поля значений КИНПР и КИНМ Анализ-5Рис. 3 Гистограммы и корреляционные поля значений КИНПР и КИНМ

Анализ «работоспособности» моделей показывает, что они могут быть использованы самостоятельно только в тех случаях, когда невозможно по каким-либо причинам оценить значение КИНМ по более «узким» моделям [6].

В четвертой главе выполнено построение и анализ моделей для определения КИН по нефтегазоносным комплексам в зависимости от способа разработки, нефтегеологического районирования, пластов входящих в объект разработки.

Фонд залежей Пермского края, разрабатываемых в терригенном девоне составляет всего 25 объектов. При этом по ряду объектов отсутствует необходимая информация для построения статистических моделей. В результате, лишь для 15 объектов есть необходимые данные для статистического анализа. Из них лишь 3 разрабатываются с ППД, 12 – на естественном режиме.

Определение количества объектов для построения статистических моделей с учетом степени выработанности запасов невозможно ввиду малого объема обучающей выборки. Поэтому при анализе использованы данные по низко выработанным к настоящему времени объектам.

При анализе коэффициентов r между значениями КИНПР и геолого-технологическими характеристиками объектов разработки можно сделать вывод, что наибольшими КИНПР в обучающей выборке характеризуются наиболее высоко залегающие пласты, объекты с минимальной нефтенасыщенностью КН и с минимальным начальным пластовым давлением РПЛ. На столь непредставительной статистической выборке нельзя построить надежно «работающие» многомерные статистические модели для определения КИНМ.

Вместе с тем, логичными выглядят связи с qН, СГ, DВНЗ. Попытка получить на основании этих показателей многомерную оценку привела к противоречивым результатам ввиду ограниченности объема обучающей выборки. В связи с этим, оценку КИН пластов терригенного девона целесообразно производить по аналогии с длительно разрабатываемыми объектами или по обобщенным моделям, приведенным выше.

Количество разрабатываемых турнейско-фаменских карбонатных объектов - 97. Из них 50 разрабатываются на естественном режиме и 47 – с ППД.

Формирование обучающей выборки выполнено приведенным ранее способом. Для построения многомерных зависимостей определения КИНМ можно использовать 16 объектов при В>67%.

Построенная модель обладает низкой «работоспособностью» ввиду малого объема обучающей выборки. Это предопределяет необходимость использования для построения моделей и данных по низко выработанным к настоящему времени объектам.

Разница средних значений КИНПР по объектам, разрабатываемым с системой ППД и без ППД не превышает 2%, что свидетельствует о необходимости использования данных вариантов в единой статистической группе. Анализ показал, что объекты с различной выработанностью близки по конечному КИН, что позволяет рассматривать их без учета степени выработанности запасов.

Очевидно, что в случае, когда В>100%, подсчитанные запасы не отражают реальной ситуации и нуждаются в корректировке. Поэтому такие объекты разработки исключены из обучающей выборки. Таким образом, для построения модели использованы данные по 92 объектам разработки. В результате для оценки КИН построена следующая модель:

КИНМ10=0,1310,043DВНЗ+0,0028hН+0,054КПР0,00018+0,00033СГ+

+0,0014РПЛ+0,0023qН+0,168КВЫТ+0,0007nОН+0,00011SД, R=0,65; где КВЫТ – коэффициент вытеснения, д. е.; nОН – общий фонд нагнетательных скважин, шт.

Основными информативными показателями, обеспечивающими работу многомерной статистической модели здесь являются КПР, SД, qН. Отметим, что повышение нижней границы возможных КИН (от 0,10 до 0,16), вероятно, указывает на то, что величину КИН=0,16 можно рассматривать как минимальное значение для турнейско-фаменских карбонатных объектов в Пермском крае. В диапазон больших невязок (более 0,10) попало 15 объектов обучения из 92.

Для визейских терригенных объектов разработки построение статистических моделей для определения КИН произведено по 229 залежам.

Анализ показал, что условию отсутствия статистических различий в средних значениях КИНПР и КИНТ могут удовлетворять объекты разработки, у которых В>69%, таких объектов 74. По этим данным построена модель (КИНМ11), приведенная в табл. 4 [2].

По этой модели выполнены расчеты по 154 объектам, удовлетворяющим интервалам варьирования использованных в модели показателей. Анализ корреляционного поля показал, что наблюдается различие в соотношении между КИНПР и КИНМ11 для объектов, разрабатываемых с системой ППД и без неё [8]. Поэтому построены модели определения КИН в зависимости от системы разработки.

Таблица 4

Модели для определения КИНМ11-28

визейских терригенных объектов разработки

Условия применения Формула для определения КИНМ11-28 Хар-ки модели
RО NО RПР NПР
Все объекты КИНМ11=-0,3039+0,009hН+0,854КН+0,0234СП- -0,044DВНЗ-0,0222dР-0,00004SНЭ 0,72 74 0,60 154
Объекты с ППД КИНМ12=-0,3245+0,0095hН+0,892КН-0,0547DВНЗ- -0,003+0,0144СП-0,0099dР-0,00001SНЭ 0,68 51 0,59 76
Объекты без ППД КИНМ13=-0,1959+0,267КПЕСЧ+0,586КН+0,0285СП- -0,3058КПР/-0,0581DВНЗ-0,0187dР 0,63 26 0,26 40
Гр.
I
КИНМ14=-0,052+2,7536КП+0,0075hН 0,81 7 0,67 10
Гр. II КИНМ15=0,028+0,014hН+0,375КН+0,0176СП-0,0128dР 0,69 37 0,63 82
Гр. II с ППД КИНМ16=0,387+0,0010hН+0,0124СП-0,0039 0,73 27 0,63 43
Гр. II без ППД КИНМ17=0,397+0,02320hН-0,0104ССА 0,77 13 0,36 44
Гр. III КИНМ18=0,188+0,0011ГПР+1,7629КП+0,2709КПЕСЧ- -0,037dР-0,1520DВНЗ 0,87 44 0,69 78
Гр. III с ППД КИНМ19=-0,209+4,0278КП+0,0007ГПР-0,0331dР 0,85 28 0,81 33
Гр. III без ППД КИНМ20=1,425-2,5848+1,2152КН+0,4439КПЕСЧ 0,81 18 0,52 46
Тл объекты КИНМ21=-0,2105+0,0386hН+0,5479КН+0,0210СП- -0,0114dР-0,0001SНЭ 0,72 30 0,59 48
Тл с ППД КИНМ22=0,1508+0,0316СП+0,0341hН 0,90 13 0,84 16
Тл без ППД КИНМ23=0,0885-0,0063+0,2825КН+0,0039QН 0,62 20 0,49 40
Бб объекты КИНМ24=0,4713-0,1741DВНЗ+0,0178СП 0,80 10 0,50 37
Тл-Бб КИНМ25=-0,2044+0,0073hН+0,6016КН+0,0281СП- -0,0193dР+0,1407КПЕСЧ 0,68 34 0,65 50
Тл-Бб с ППД КИНМ26=0,046+0,0097hН+1,6417КП+0,0302СП-0,0183dР 0,69 32 0,67 40
Мл объекты КИНМ27=-0,5621+0,000009VЗАЛ+1,0432КН 0,89 10 0,22 16
Тл-Бб-Мл с ППД КИНМ28=-1,9241+2,3486КН+1,9170КП 0,84 8 0,28 14

где RО и RПР – коэффициенты корреляции между значениями КИНПР и КИНМ для обучающей выборки (при NО) и для выборки применения (при NПР) соответственно; dР – разница между пластовым давлением и давлением насыщения, МПа; SНЭ – площадь нефтеносности, приходящаяся на одну эксплуатационную скв., тыс.м2/скв; – вязкость пластовой нефти, мПас.

Для построения модели по объектам, разрабатываемым с ППД (КИНМ12) можно использовать 51 объект разработки при В>75%. Из 126 объектов, разрабатываемых на естественном режиме (КИНМ13), согласно разработанному принципу могут быть использованы 26 при В>57% (табл. 4).

На величину КИНМ11,12,13 оказывают значительное влияние, как свойства нефтей, так и свойства коллекторов, которые закономерно изменяются в пределах исследуемой территории. Для учета этого влияния выполнено районирование территории по использованным в моделях КИНМ11,12,13 информативным показателям с помощью метода линейных дискриминантных функций.

Нефтегазоносность визейского терригенного комплекса контролируется положением относительно ККСП, что обусловлено структурным фактором (залежи нефти приурочены к структурам облекания турнейско-фаменских рифовых массивов). Однако неравномерное распределение объектов в различных зонах ККСП определяет невозможность районирования территории по этому признаку для построения моделей определения КИН.

В пределах тектонических элементов объекты разработки расположены более равномерно: 68 разрабатываемых объектов (30 %) приурочено к БС, 37 (16 %) – к ВКВ, 18 (8 %) – к СолД, 63 (28 %) – к БКВ, 21 (9 %) – к ПС, 19 (8 %) – к ВисВ и 3 (1 %) – к КЧС. Поэтому в качестве классификатора использовано тектоническое районирование. Районирование территории выполнено по следующим критериям:, КП, dP, hН, (пересчетный коэффициент, д. е.) и КН.

С помощью построенных линейных дискриминантных функций верно классифицировано 75% объектов разработки. Несовпадение реального местоположения объектов с прогнозным, происходит, в основном, на границе сопредельных тектонических элементов. Если сгруппировать эти территории в три группы, то к первой группе относятся 24 объекта, расположенные в Предуральском прогибе, а также сюда относятся Ярино-Каменноложское и Кухтымское месторождения. Ко второй группе (БКВ, ПС и ВисВ) отнесено 98 объектов, к третьей (БС и ВКВ) – 107.

Канонические уравнения линейной дискриминантной функции, с помощью которых получена верная принадлежность к группам, имеют следующий вид:

Fm1=22,037621,072033,9485КП+0,2404dP+0,1569hН5,3968+5,9643КН

Fm2=16,801927,264012,9669КП-0,4484dP-0,1560hН+12,7134+1,3497КН

По данным формулам 86 % объектов обучения принадлежат к своим группам. Статистические характеристики выделенных групп приведены в табл. 5. Схема районирования территории Пермского края для моделирования КИН визейских терригенных объектов разработки по геолого-промысловым данным приведена на рис. 4.

 Схема районирования территории Пермского края для моделирования КИН-6

Рис. 4. Схема районирования территории Пермского края

для моделирования КИН визейских терригенных объектов разработки

по геолого-промысловым данным

Из табл. 5 видно, что средняя плотность нефти и открытая пористость минимальны в первой группе, а максимальны – в третьей. По другим показателям также наблюдаются определенные тенденции.

Таблица 5

Статистические характеристики параметров использованных при

нефтегеологическом районировании визейских терригенных объектов

Пока-затель Группа 1 (ПКП) Группа 2 (БКВ+ПС+ВисВ) Группа 3 (БС+ВКВ)
min max среднее min max среднее min max среднее
, г/см3 0,798 0,861 0,829 0,720 0,905 0,850 0,823 0,941 0,889
КП, д. е. 0,090 0,180 0,140 0,120 0,230 0,169 0,140 0,240 0,198
dP, МПа 1,2 12,2 8,0 0,9 12,2 5,2 1,1 9,9 6,4
hН, м 1,4 20,0 6,7 0,8 12,8 3,7 0,8 12,0 3,8
, д. е. 0,566 0,912 0,793 0,633 0,998 0,865 0,810 0,994 0,942
КН, д. е. 0,750 0,918 0,859 0,640 0,930 0,849 0,610 0,957 0,848

С учетом выполненного районирования и системы разработки при помощи пошагового регрессионного анализа построены модели для определения КИНМ14-20 (табл. 5).

Для учета изменения свойств коллекторов и нефтей в зависимости от входящих в объекты разработки пластов построены модели для определения КИНМ21-28, приведенные в табл. 4.

Количество объектов разработки, используемых для построения статистических моделей (NО), тесно коррелирует с количеством всех объектов разработки (NПР), по которым выполнены расчеты r=0,92, а значения коэффициентов корреляции RО (при NО) и RПР (при NПР) имеют слабую связь (r=0,12). Сравнение значений RО и RПР показывает, что они сильно различаются, в основном, в тех случаях, когда уравнение регрессии для определения КИНМ строилось по ограниченному числу объектов разработки. При построении моделей для определения КИНМ при NО<20 не удается учесть все особенности влияния показателей на КИН [3].

 Гистограммы и корреляционные поля значений КИНПР и КИНМ Для оценки-7

Рис. 5. Гистограммы и корреляционные поля значений КИНПР и КИНМ

Для оценки влияния степени дифференциации объектов, на достоверность определения КИН, сгруппируем полученные в результате статистического анализа модели по классам: КИНМС1v1кл – все визейские терригенные объекты разработки (класс 1 – включает значения КИНМ11); КИНМС1v2кл – с ППД и без ППД (класс 2 – включает значения КИНМ12 и КИНМ13); КИНМС1v3кл – в зависимости от территориального районирования (класс 3 – КИНМ14, КИНМ15, КИНМ18); КИНМС1v4кл - с учетом районирования и системы разработки (класс 4 – КИНМ14, КИНМ16, КИНМ17, КИНМ19 и КИНМ20); КИНМС1v5кл – в зависимости от входящих в объект разработки пластов (класс 5 – КИНМ21, КИНМ24, КИНМ25, КИНМ27, КИНМ28); КИНМС1v6кл – в зависимости от входящих в объект разработки пластов и системы разработки (класс 6 – включает значения КИНМ22, КИНМ23, КИНМ24, КИНМ25, КИНМ26, КИНМ27, КИНМ28).

Для комплексной оценки используемых вариантов построена модель для определения КИНМС1vК визейских терригенных объектов разработки:

КИНМС1vК=-0,0762+0,6716КИНМС1v4кл+0,5259КИНМС1v6кл; R=0,90.

Сравнение корреляционных полей показывает, что наиболее тесная связь имеется между значениями КИНПР и КИНМ4кл, что и определило его включение в модель (рис. 5) на первом шаге ее построения.

Построение моделей для определения конечной нефтеотдачи визейских терригенных объектов необходимо выполнять по более дифференцированным моделям, с обязательным условием обоснования количества объектов, по которым строились эти модели [3, 4].

Анализируемый фонд эксплуатируемых окско-башкирских карбонатных и московских терригенно-карбонатных объектов разработки в Пермском крае, составил 133 залежи. Из них 62 разрабатываются без системы ППД. Высокая степень выработанности запасов не показывает существенных изменений в представлениях о величине КИНПР, что позволяет при анализе учитывать и низко выработанные к настоящему времени объекты.

Сравнение КИНПР по объектам, разрабатываемым с ППД и без, показывает, что разница в нефтеотдаче здесь составляет около 3%, что свидетельствует о возможности рассмотрения данных выборок в единой статистической группе. При этом необходимо также учитывать более высокую нефтеотдачу разрабатываемых с ППД пластов путем учета показателей, характеризующих ППД.

Минимальными значениями КИНПР характеризуются каширо-верейские объекты (КВ1), далее по мере роста КИНПР следуют объекты В3В4, затем объекты Бш, характеризующиеся более высокими КИНПР.

Во многих предшествующих работах приводятся данные о целесообразности рассмотрения башкиро-серпуховских и каширо-верейских объектов совместно. Подобное допущение позволяет увеличить объем обучающей выборки, тем самым, повысив достоверность статистических оценок.

Уже на этом этапе из статистической выборки исключены объекты с низкой кратностью запасов и относительно высоким годовым темпом отбора. В результате обучающая выборка составила 117 объектов разработки.

Анализ, выполненный для всех объектов разработки, показал, что параметры весьма слабо коррелируют с КИНПР. Попытка применения комплексной оценки всех параметров также показала отсутствие значимых коэффициентов множественной корреляции R при прогнозе КИНПР.

Таким образом, вышеприведенные данные доказывают, что построить обобщенную модель для определения КИНМ не представляется возможным. Поэтому построение моделей для определения КИНМ выполнено раздельно для башкиро-серпуховских и каширо-верейских объектов.

Для башкиро-серпуховских залежей условию отсутствия статистических различий в средних значениях КИНПР и КИНТ могут удовлетворять только 17 объектов разработки, у которых В>56%. Однако полученный коэффициент множественной корреляции R между значениями КИНПР и КИНМ не является статистически значимым. Аналогичные выводы получены для каширо-верейских объектов.

Ограничение анализируемого фонда предельной выработкой для окско-башкирских карбонатных и московских терригенно-карбонатных объектов невозможно ввиду малого объема обучающей выборки. Это предопределяет необходимость учета при анализе также и низко выработанных к настоящему времени объектов.

В результате в выборку для построения модели определения КИНМ по каширо-верейским залежам вошли 43 объекта разработки: КВ1, В3В4 и КВ1-В3В4. В выборку, составленную из башкиро-серпуховских залежей, вошли 74 объекта разработки: Бш и Бш-Срп.

Для каширо-верейских объектов разработки построена следующая многомерная модель:

КИНМ29=0,487+0,0047hН+0,107КП+0,33КПР/+0,00993,31КПП+0,00052

nОН-0,000021QД; R=0,62; n=43; где КПП – предельное значение пористости, д.е.

Диапазон прогнозных значений составляет от 0,17 до 0,48. Произошло повышение нижней границы КИНМ29 относительно КИНПР (от 0,10 до 0,17). Величину КИНМ29=0,17 можно рассматривать как минимальное значение для каширо-верейских объектов разработки в Пермском крае. В диапазон больших невязок (более 0,10 по абсолютной величине) попало 4 объекта обучения из 43.

По аналогичной схеме построена модель прогноза конечного КИН для башкиро-серпуховских объектов разработки:

КИНМ30=0,1160,049DВНЗ+0,0016hК+0,191КН+0,211КПР/+0,0013qН+

+0,00986nОН/QГ; R=0,59 (для объектов, разрабатываемых без ППД, значение nОН/QГ=0), где hК - средняя толщина коллектора, м.

Диапазон значений КИНМ30 от 0,20 до 0,50. Значение нижней границы КИНМ30 можно рассматривать как минимальное для Пермского края. В диапазон невязок более 0,15 по абсолютной величине попало 5 объектов, в диапазон более 0,10 – 4 объекта.

Залежей с промышленными запасами нефти в нижнепермских карбонатных отложениях на территории Пермского края всего девять. Основная часть промышленных скоплений располагается в Предуральском краевом прогибе. Одна залежь находится в пределах ВКВ.

Попытка построения модели по этим данным показала, что в связи с малым объемом анализируемой информации многомерные статистические связи становятся неустойчивыми, что проявляется в отсутствии физического смысла в полученной многомерной модели.

Дополнение выборки объектами разработки ряда территорий Волго-Уральской провинции (республика Башкортостан, Самарская и Оренбургская области) привело к увеличению обучающей выборки до 110 объектов разработки, из которых 30 – залежи свободного газа, 18 залежей имеют газовую шапку. В расширенную выборку вошли нижнепермские объекты разработки стратиграфически представленные сакмарским, артинским и кунгурским ярусами.

Таким образом, количество объектов разработки без залежей свободного газа и с учетом полноты имеющейся информации составило 50 объектов, эксплуатирующихся на текущий момент, или эксплуатировавшихся ранее.

Анализ показал, что условию отсутствия статистических различий в средних значениях КИНПР и КИНТ могут удовлетворять объекты разработки, у которых выработанность запасов В>52 %, их 26. Полученная многомерная статистическая модель (КИНМ31) приведена в табл. 6.

Выполнен расчет КИНМ31 по тем объектам разработки, характеристики которых соответствуют интервалам варьирования использованных показателей. Связь между значениями КИНПР и КИНМ31 оценивается RПР=0,36 (при NПР=32). Снижение корреляции между значениями КИНПР и КИНМ31 при NПР=32 можно объяснить тем, что участвовавшие при построении модели объекты не в полной мере описывают все многообразие геолого-физических особенностей нижнепермских залежей. Поэтому, для моделирования КИН использованы все нижнепермские объекты разработки (NО=50), многомерная модель для определения КИНМ32 приведена в табл. 6.

Таблица 6

Модели для определения КИНМ31-36

нижнепермских карбонатных объектов разработки

Условия применения Формула для определения КИНМ31-36 Хар-ки модели
NО RО Fp/Ft
Все объекты (В>52%) КИНМ31=0,872-0,000796hН-0,364КН-0,01405ТПЛ+ +0,669КПР/+0,000549СГ 26 0,70 3,73
Все объекты (В>0%) КИНМ32=0,660-0,046КПЕСЧ+0,146КП+0,26011КН-0,735+ +0,0066ССУМ-0,0047ТПЛ+0,102КПР/+0,000155СГ 50 0,53 2,02
Без газовой шапки КИНМ33=0,088-0,000112НСР+0,131КП+0,134КН+ +0,0037ССА-0,0058ТЗ 37 0,59 3,38
С газовой шапкой КИНМ34=0,349-0,091КПЕСЧ-0,0011ТПЛ+0,0193ГПР- -0,000325СГ 13 0,90 8,59
Пласты P1ar, P1s, P1s-ar КИНМ35=0,090-0,175КПЕСЧ+0,206КН+0,0291СП+ +0,000294СГ 35 0,58 3,74
Пласт Р1k КИНМ36=-1,688-0,000267НСР+0,529КН+2,008+0,00089 15 0,75 3,17

где ССУМ –содержание в нефти парафинов, серы, смол и асфальтенов, %; ТЗ – температура застывания нефти, 0С; НСР – средняя глубина залегания продуктивного пласта, м; остальные условные обозначения приведены выше.

Учитывая различие средних значений КИНПР нижнепермских объектов в зависимости от входящих в них пластов и наличия газовой шапки, построим модели для определения КИН нижнепермских залежей дифференцированно: КИНМ33 – без газовой шапки, КИНМ34 – с газовой шапкой, КИНМ35 – для артинско-сакмарских объектов (пласты P1ar, P1s, P1s-ar), КИНМ36 – для кунгурских объектов (пласт Р1k). Полученные методом пошагового регрессионного анализа многомерные статистические модели приведены в табл. 6.

Дальнейшая дифференциация объектов не имеет смысла в связи с ограниченным объемом обучающей выборки.

Для оценки влияния степени дифференциации объектов, на достоверность определения КИН, полученные в результате статистического анализа модели сгруппированы: КИНМР1кл – все нижнепермские карбонатные объекты (класс 1 – включает значения КИНМ32); КИНМР2кл – с газовой шапкой и без нее (класс 2 – КИНМ33, КИНМ34); КИНМР3кл – по пластам, входящим в объект разработки (класс 3 – КИНМ35, КИНМ36). Методом пошагового регрессионного анализа получена комплексная модель для определения КИНМРК нижнепермских карбонатных объектов разработки:

КИНМРК=-0,109+0,656КИНМР3кл+0,638КИНМР2кл+0,089КИНМР1кл;

R=0,76; N=50; Fp/Ft=21,22.

 Гистограммы и корреляционные поля значений КИНПР и КИНМ Сравнение-8

Рис. 6. Гистограммы и корреляционные поля значений КИНПР и КИНМ

Сравнение корреляционных полей показывает, что наиболее тесная связь имеется между значениями КИНПР и КИНМР3кл, что и определило его включение в комплексную модель (рис. 6) на первом шаге ее построения.

В результате проведенных исследований разработаны и проанализированы многомерные статистические модели для определения КИНМ по геолого-технологическим показателям объектов разработки месторождений Пермского края.

Для понимания «работоспособности» построенных моделей исследованы связи между КИНПР и КИНМ1-9 по 9 вариантам обобщенных статистических моделей в зависимости от условий их использования. Анализ показал, что при расчетах значений КИНМ по обобщающим моделям необходимо определить, не является ли значение КИНМ, полученное в пределах тектонического элемента или района, аномальным.

Построены модели по нефтегазоносным комплексам с учетом системы разработки, пластов входящих в объекты разработки, нефтегеологического районирования территории. Анализ показал, что построение моделей для определения КИНМ по геолого-технологическим показателям необходимо производить по более дифференцированным моделям, с обязательным условием обоснованности количества объектов, по которым строились эти модели.

Результаты выполненной работы могут быть использованы для расчета КИН на первых стадиях оценки месторождений, при расчете извлекаемых запасов, не эксплуатируемых в настоящий момент объектов разработки по зарубежным классификациям (SPE, SEC и др.), а так же для контроля значений КИН, полученных по другим моделям.

ЗАКЛЮЧЕНИЕ

  1. На большом фактическом материале обоснована возможность построения статистических моделей определения конечной нефтеотдачи объектов разработки по геолого-технологическим характеристикам.
  2. Предложен метод обоснования количества объектов обучающей выборки при условии статистического неразличия средних значений КИНПР и КИНТ в зависимости от степени выработанности запасов.
  3. Произведено нефтегеологическое районирование исследуемой территории для определения КИН визейских терригенных объектов разработки с учетом изменения свойств пластов и нефтей.
  4. Обоснована необходимость дифференцированной оценки КИН в зависимости от литологии залежей, способа эксплуатации объектов разработки, нефтегазоносных комплексов, стратиграфического состава объектов, нефтегеологического районирования территории.
  5. Построены и апробированы модели для определения КИН.

Основное содержание диссертации отражено в следующих работах:

  1. Акимов И. А. Анализ состояния структуры промышленных запасов нефти разрабатываемых месторождений Пермской области // Горное эхо, Горный институт УрО РАН, Пермь, 2004, № 4, с. 48-50.
  2. Галкин В. И., Акимов И. А. О связи текущего коэффициента извлечения нефти (КИНТ) с некоторыми геолого-технологическими характеристиками объектов, находящихся на завершающей стадии разработки // Проблемы геологии и разработки нефтяных залежей Пермского Прикамья, сб. науч. тр. ООО «ПермНИПИнефть», Пермь, 2006, с. 20-26.
  3. Акимов И. А. Построение математических моделей для определения коэффициента извлечения нефти на примере визейских терригенных объектов разработки в пределах Пермского края // Горные ведомости, Тюмень, 2007, с. 14-20.
  4. Акимов И. А. Алгоритм использования статистических моделей для определения коэффициента извлечения нефти (КИН) на примере визейских терригенных объектов разработки Пермского края // Геология, геофизика и разработка нефтяных и газовых месторождений, ВНИИОЭНГ, Москва, 2007, № 10, с. 54-57.
  5. Акимов И. А. Использование статистических моделей для определения конечной нефтеотдачи визейских терригенных объектов разработки Пермского края // Геология, геоинформационные системы, горнонефтяное дело, сб. науч. тр. ПГТУ, Пермь, 2007, с. 6-12.
  6. Галкин В. И., Галкин С. В., Савич А. И., Акимов И. А. О возможности построения статистических моделей определения коэффициентов извлечения нефти (КИН) по обобщенным данным условий разработки // Геология, геофизика и разработка нефтяных и газовых месторождений, ВНИИОЭНГ, Москва, 2007, № 9, с. 6-10.
  7. Галкин В. И., Галкин С. В., Савич А. И., Акимов И. А. О необходимости комплексного определения коэффициента извлечения нефти (КИН) различными методами (на примере Пермского края) // Геология, геофизика и разработка нефтяных и газовых месторождений, ВНИИОЭНГ, Москва, 2007, № 9, с. 24-27.
  8. Галкин В. И., Савич А. И., Акимов И. А., О необходимости дифференциации визейских объектов разработки при построении статистических моделей для определения коэффициентов извлечения нефти (КИН) // Известия высших учебных заведений. Нефть и газ, 2007, № 5, с. 8-12.


 





<
 
2013 www.disus.ru - «Бесплатная научная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.