tumnigИзвестия высших учебных заведений. Нефть и газOil and Gas Studies0445-01083033-8174Industrial University of Tyumen10.31660/0445-0108-2023-2-62-82tumnig-1112Research ArticleБУРЕНИЕ СКВАЖИН И РАЗРАБОТКА МЕСТОРОЖДЕНИЙDRILLING OF WELLS AND FIELDS DEVELOPMENTРешение обратной задачи в рамках модели D-CRMP с учетом прогнозных свойствD-CRMP history matching considering predictive propertiesМусакаевН. Г.MusakaevN. G.

Мусакаев Наиль Габсалямович, доктор физико-математических наук, профессор, главный научный сотрудник; профессор кафедры разработки и эксплуатации нефтяных и газовых месторождений

г. Тюмень

Nail G. Musakaev, Doctor of Physics and Mathematics, Professor, Chief Researcher; Professor at the Department of Development and Exploitation of Oil and Gas Fields

Tyumen

РодионовС. П.RodionovS. P.

Родионов Сергей Павлович, доктор физико-математических наук, главный научный сотрудник

г. Тюмень

Sergey P. Rodionov, Doctor of Physics and Mathematics, Chief Researcher

Tyumen

ЛебедевВ. И.LebedevV. I.

Лебедев Владимир Иванович, инженер-исследователь; аспирант

г. Тюмень

Vladimir I. Lebedev, Research Engineer; Postgraduate

Tyumen

vilebedev.72@gmail.comМусакаевЭ. Н.MusakaevE. N.

Мусакаев Эмиль Наилевич, кандидат технических наук, научный сотрудник; специалист по интегрированному моделированию

г. Тюмень

Emil N. Musakaev, Candidate of Engineering, Researcher; Integrated Modeling Specialist

Tyumen

Тюменский филиал Института теоретической и прикладной механики им. С. А. Христиановича СО РАН; Тюменский индустриальный университетРоссияTyumen Branch of Khristianovich Institute of Theoretical and Applied Mechanics of SB RAS; Industrial University of TyumenRussian FederationТюменский филиал Института теоретической и прикладной механики им. С. А. Христиановича СО РАНРоссияTyumen Branch of Khristianovich Institute of Theoretical and Applied Mechanics of SB RASRussian FederationТюменский филиал Института теоретической и прикладной механики им. С. А. Христиановича СО РАН; ООО «НефтьГазИсследование»РоссияTyumen Branch of Khristianovich Institute of Theoretical and Applied Mechanics of SB RAS; NS Digital LLCRussian Federation202327052023026282Copyright © Мусакаев Н.Г., Родионов С.П., Лебедев В.И., Мусакаев Э.Н., 20232023Мусакаев Н.Г., Родионов С.П., Лебедев В.И., Мусакаев Э.Н.Musakaev N.G., Rodionov S.P., Lebedev V.I., Musakaev E.N.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://tumnig.tyuiu.ru/jour/article/view/1112

В работе представлено тестирование программы, реализующей модель D-CRMP. Модель D-CRMP входит в семейство аналитических моделей «емкости — сопротивления» (CRM), которые предназначены главным образом для оперативного регулирования системы заводнения. Отличие модели D-CRMP заключается в ее способности учитывать периоды остановок добывающих скважин при адаптации модели. Решение обратной задачи основано на использовании алгоритмов имитации отжига и последовательного квадратичного программирования методом наименьших квадратов из библиотеки SciPy. В работе рассматривается особенность решения уравнения D-CRMP, связанная с ошибками в прогнозе добычи пластовой жидкости после выхода добывающей скважины из периода проcтоя. Производится выбор целевой функции и ограничений, являющихся предпочтительными при применении упомянутых алгоритмов для адаптации модели D-CRMP. Обозначен метод выбора лучшей модели при использовании для их построения алгоритма, основанного на работе генератора псевдослучайных чисел. Выбор осуществляется с учетом прогнозных свойств моделей. Подробно рассмотрен подход к построению доверительных интервалов, основанный на F-тесте. Проведена их оценка.

The article presents results of tests of software that implements the D-CRMP model. D-CRMP is a version of the analytical capacitance-resistance model (CRM) that is primarily used for waterflood characterization and reservoir management. The difference of D-CRMP lies in its ability to take into account the shut-in periods of production wells during history matching. The optimization problem is solved by means of simulated annealing and sequential least-squares quadratic programming from the SciPy library. The study considers the feature of solving the D-CRMP equation related to the errors in the reservoir liquid production forecast when previously shut-in well starting its production. The selection of the objective function and constraints, which are preferable when using the mentioned algorithms for D-CRMP history matching, is made. A method for choosing the best model is indicated when using an algorithm, which is dependent on pseudorandom number generator. The choice is made taking into account the predictive properties of the models. An approach to calculating confidence intervals based on the F-test is considered in detail. Evaluation of confidence intervals is caried out.

регулирование разработки нефтяных месторожденийпрогноз добычи углеводородованалитическая модельCapacitance Resistance Modelоптимизационная задачаалгоритм SLSQPалгоритм имитации отжигаSciPyF-тестreservoir engineeringproduction forecastanalytical modelCapacitance Resistance Modeloptimization problemSLSQP algorithmsimulated annealing algorithmSciPyF-testРабота выполнена в рамках государственного задания (№ госрегистрации 121030500156-6).Работа выполнена в рамках государственного задания (№ госрегистрации 121030500156-6).ReferencesSalehian, M. Reservoir Characterization Using Dynamic CapacitanceResistance Model with Application to Shutin and Horizontal Wells / M. Salehian, M. Çınar. – DOI: 10.1007/s1320201906554. – Direct text // Journal of Petroleum Exploration and Production Technology. – 2019. – Vol. 9. – P. 2811–2830.Salehian, M., & Çınar, M. (2019). Reservoir Characterization Using Dynamic Capacitance-Resistance Model with Application to Shut-in and Horizontal Wells. Journal of Petroleum Exploration and Production Technology, 9, pp. 2811-2830. (In English). DOI: 10.1007/s13202-019-0655-4AlYousef, A. A. Investigating Statistical Techniques to Infer Interwell Connectivity from Production and Injection Rate Fluctuations : PhD dissertation / A. A. AlYousef. – Austin : University of Texas, 2006. – 540 p. – Direct text.Yousef, A. A. (2006). Investigating Statistical Techniques to Infer Interwell Connectivity from Production and Injection Rate Fluctuations: PhD dissertation. Austin, University of Texas, 540 p. (In English).StateoftheArt Literature Review on Capacitance Resistance Models for Reservoir Characterization and Performance Forecasting / R. W. Holanda, E. Gildin, J. L. Jensen [et al.]. – DOI: 10.3390/en11123368. – Direct text // Energies. – 2018. – Vol. 11, Issue 12. – P. 33–68.Holanda, R. W., Gildin, E., Jensen, J. L., Lake, L. A. & Kabir., C. S. (2018). State-of-the-Art Literature Review on Capacitance Resistance Models for Reservoir Characterization and Performance Forecasting. Energies, 11(12), pp. 33-68. (In English). DOI: 10.3390/en11123368Сопровождение разработки нефтяных месторождений с использованием моделей CRM : монография / С. В. Степанов, А. Д. Бекман, А. А. Ручкин, Т. А. Поспелова. – Текст : непосредственный. – Тюмень : ИПЦ «Экспресс», 2021. – 300 с.Stepanov, S. V., Bekman, A. D., Ruchkin, A. A., &, Pospelova, T. A. (2021). Soprovozhdenie razrabotki neftyanykh mestorozhdeniy s ispol'zovaniem modeley CRM. Tyumen, IPC "Ekspress" Publ., 300 p. (In Russian).Мусакаев, Э. Н. Эффективное решение задач идентификации моделей пластовых систем и управления заводнением нефтяных месторождений : специальность 05.13.18 «Математическое моделирование, численные методы и комплексы программ» : диссертация на соискание ученой степени канд. техн. наук / Мусакаев Эмиль Наильевич ; Российский государственный университет нефти и газа им. И.М. Губкина. – Москва, 2021. – 111 с. – Текст : непосредственный.Musakaev, E. N. (2021). Effektivnoe reshenie zadach identifikatsii modeley plastovykh sistem i upravleniya zavodneniem neftyanykh mestorozhdeniy. Diss. … kand. techn. nauk. Moscow, 111 p. (In Russian).Tsallis, C. Generalized Simulated Annealing / C. Tsallis, D. A. Stariolo. – DOI: 10.1016/S03784371(96)002713. – Direct text // Physica A : Statistical Mechanics and its Applications. – 1996. – Vol. 233. – P. 395–406.Tsallis, C. D. & Stariolo, A. (1996). Generalized Simulated Annealing. Physica A: Statistical Mechanics and its Applications, 233, pp. 395-406. DOI: 10.1016/S0378-4371(96)00271-3. (In English).Weber, D. B. The Use of CapacitanceResistance Models to Optimize Injection Allocation and Well Location in Water Floods : PhD dissertation / D. B. Weber. – Austin : University of Texas, 2009. – 275 p. – Direct text.Weber, D. B. (2009). The Use of Capacitance-Resistance Models to Optimize Injection Allocation and Well Location in Water Floods: PhD dissertation. Austin, University of Texas, 275 p. (In English).Bonamente, M. Statistics and Analysis of Scientific Data / M. Bonamente. – DOI: 10.1007/9781493965724. – USA : Springer, 2013. – 301 p. – Direct Text.Bonamente, M. (2013). Statistics and Analysis of Scientific Data. USA, Springer, 301 p. (In English). DOI: 10.1007/978-1-4939-6572-4Ekstrøm, C. T. Introduction to Statistical Data Analysis for the Life Sciences / C. T. Ekstrøm, H. Sørensen. – 2nd edition. – Boka Raton : Taylor & Francis Group, 2015. – 506 p. – Direct Text.Ekstrøm, C. T., & Sørensen, H. (2015). Introduction to Statistical Data Analysis for the Life Sciences. 2nd edition. Boka Raton, Taylor & Francis Group, 506 p. (In English).

The authors declare that there are no conflicts of interest present.