Мерега Олег Сергеевич, аспирант
Архангельск
Oleg S. Merega, Postgraduate
Arkhangelsk
Еремин Николай Александрович, доктор технических наук, профессор, заведующий Аналитическим центром энергетической политики и безопасности
Москва
Nikolai A. Eremin, Doctor of Engineering, Professor, Head of the Analytical Center for Energy Policy and Security
Moscow
Для современного состояния добычи нефти характерно снижение доли запасов, приуроченных к традиционным коллекторам. В этой связи растет актуальность разработки объектов сложного и очень сложного строения. Среди данных объектов значительная доля запасов нефти сосредоточена в низкопроницаемых коллекторах, разработка которых традиционными площадными методами теряет свою экономическую эффективность. Целью работы является создание прогнозного инструмента для подбора оптимальных параметров системы разработки с применением горизонтальных скважин и многостадийного гидроразрыва пласта (МГРП). Для решения данной задачи была обучена модель полносвязной нейронной сети, предсказывающая параметры профиля добычи в зависимости от начальных геолого-физических условий и параметров системы разработки. Архитектура полученной нейронной сети включает в себя 3 линейных слоя по 300 нейронов на каждом. Обучающей выборкой для модели стали результаты многовариантных расчетов на синтетической гидродинамической модели, имитирующей работу элемента разработки с помощью горизонтальной скважины с МГРП на режиме истощения. Разрабатываемая модель может быть полезна при решении задачи проектирования системы разработки на новых или не разбуренных участках нефтяных месторождений с низкими проницаемостями.
The current state of oil production is characterized by a decline in the proportion of reserves located in conventional reservoirs. The development of complex and highly complex reservoirs is becoming increasingly important. A significant proportion of oil reserves are concentrated in low-permeability reservoirs that are no longer economically viable to develop using traditional field methods. The aim of the work is to create a predictive tool for the selection of optimal parameters of the development system using horizontal wells and multistage hydraulic fracturing of reservoirs. To solve this problem, a fully connected neural network model was trained that predicts the parameters of the production profile as a function of the initial geological and physical conditions and the parameters of the development system. The architecture of the resulting neural network includes 3 linear layers of 300 neurons each. The training sample for the model was the results of multivariate calculations on a synthetic hydrodynamic model simulating the operation of a development element using a horizontal well with multistage hydraulic fracturing in depletion mode. The developed model can be useful in solving the problem of designing a development system in new or undrilled areas of low-permeability oil fields.
The authors declare that there are no conflicts of interest present.