Прогнозирование темпов добычи нефти является важнейшим параметром для инженеров-нефтяников. Данный процесс является весьма сложным и занимает много времени поскольку необходимо проводить ежедневный непрерывный мониторинг производительности скважин. Ученые Пермского Политеха совместно с зарубежными коллегами разработали уникальную матмодель для прогнозирования нефтедобычи, изучая поведение потока углеводородов через дроссели, которые отвечают за регулирование давления подачи нефти из пласта. Технология поможет оценить остаток сырья, присутствующий в продуктивных пластах, оптимизировать производственные операции, управлять пластами и планировать бизнес.
Исследование опубликовано в журнале «Petroleum» 2023. Разработанные учеными матмодели обучаются и тестируются индивидуально на нефтяных скважинах, расположенных на норвежском континентальном шельфе, в центральной части Северного моря.
Поверхностные дроссели являются широко используемым оборудованием, устанавливаемым на устье скважин для регулирования подачи нефти. Они минимизируют различные проблемы, которые могут заключаться в заклинивании поверхностного оборудования, предотвращении избыточной добычи песка и конусообразовании. Поэтому матмодель учитывает поведение потока через дроссели. Кроме того, политехники использовали и анализировали популярные методы машинного обучения, а также данные месторождения за последние несколько лет для обучения и тестирования модели.
— Перед загрузкой данных в модель необходимо предварительно провести выборку — устранить шум, некондиционные и отсутствующие значения с нефтегазового месторождения. После чего необходимо нормализовать данные чтобы уменьшает влияние больших значений переменных-предсказателей на меньшие значения. Эти шаги помогают повысить точность прогнозирования алгоритмов при анализе, — рассказывает доцент кафедры нефтегазовых технологий, кандидат технических наук Дмитрий Мартюшев.
Тестирование матмодели показало, что эффективность превзошла другие существующие, значимые методы для прогнозирования добычи. Кроме того, предложенный подход интеллектуального моделирования является более выгодным поскольку обеспечивает лучшее обобщение данных для прогнозирования добычи нефти.