Новый подход в планировании базовой добычи с автоматизацией методики поскважинного расчета
https://doi.org/10.51890/2587-7399-2021-6-2-45-49
Аннотация
В статье рассмотрена автоматизация методики поскважинного расчета прогнозных показателей базовой добычи нефти, жидкости и обводненности на основе данных месячного эксплуатационного рапорта (МЭР) и текущих остаточных извлекаемых запасов (ОИЗ). Для аппроксимации фактических кривых показателей добычи используются кривая Арпса и корреляции Кори. Сравнительный анализ фактических данных с ретропрогнозом по данной методике на нескольких месторождениях показал высокую точность при небольшом времени выполнения расчетов.
Об авторах
А. А. Рыбаковская
Санкт-Петербургский политехнический университет Петра Великого
Россия
Россия
И. В. Фахретдинов
Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)
Россия
Россия
А. А. Прохоров
Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)
Россия
Россия
Т. Ч. Фатхуллин
Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)
Россия
Россия
А. Н. Звада
Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)
Россия
Россия
И. А. Скварко
ПАО «Cлавнефть-Мегионнефтегаз»
Россия
Россия
Список литературы
1. Arps J.J. Analysis of Decline Curves // AIME. – 1945. – V. 160. – Pp. 228–247. https://doi.org/10.2118/945228-G
2. Doublet L.E., Pande P.K., McCollum T.J., Blasingame T.A. Decline Curve Analysis Using Type Curves–Analysis of Oil Well Production Data Using Material Balance Time: Application to Field Cases // Society of Petroleum Engineers. – 1994, January 1. https://doi.org/10.2118/28688-MS
3. Габитова С.И., Давлетбакова Л.А., Климов В.Ю. Методика прогнозирования темпов падения нефти проектных скважин на основе алгоритма машинного обучения // PROНЕФТЬ. Профессионально о нефти. – 2020 – № 4 (18). – С. 69–74. https://doi.org/10.7868/S2587739920040102
4. Ling K., He J. Theoretical Bases of Arps Empirical Decline Curves // Society of Petroleum Engineers. – 2012, January 1. https://doi.org/10.2118/161767-MS.
5. Teplyakov N., Slabetskiy A., Sarapulov N. [et al.] Application of Machine Learning Methods for Modeling the Current Indicators of Operating Wells Stock of PJSC Gazprom Neft / // SPE-191585-18RPTC-MS. – 2018.
Рецензия
Для цитирования:
Рыбаковская А.А., Фахретдинов И.В., Прохоров А.А., Фатхуллин Т.Ч., Звада А.Н., Скварко И.А. Новый подход в планировании базовой добычи с автоматизацией методики поскважинного расчета. PROНЕФТЬ. Профессионально о нефти. 2021;6(2):45-49. https://doi.org/10.51890/2587-7399-2021-6-2-45-49
For citation:
Rybakovskaya A.A., Fakhretdinov I.V., Prokhorov A.A., Fatkhullin T.Ch., Zvada A.N., Skvarko I.A. Automation of the forecasting process for wells base production. PROneft. Professionally about Oil. 2021;6(2):45-49. (In Russ.) https://doi.org/10.51890/2587-7399-2021-6-2-45-49
Просмотров:
191
Послать статью по эл. почте 