Preview

Известия высших учебных заведений. Нефть и газ

Расширенный поиск

Оптимизация параметров системы разработки на основе многовариантных гидродинамических расчетов и нейронной прокси-модели

https://doi.org/10.31660/0445-0108-2025-2-98-108

Аннотация

Рассмотрен подход к определению оптимальных параметров системы разработки пласта, базирующийся на серии многовариантных гидродинамических расчетов, направленных на адаптацию модели и последующий прогноз технологических показателей, а также на привлечении нейросетевого анализа. Целесообразность такого алгоритма обуславливается необходимостью повышения точности и надежности получаемых результатов уже на раннем этапе проектирования разработки за счет одновременного учета геологических и гидродинамических неопределенностей. Программное обеспечение «тНавигатор» было выбрано в качестве основного инструмента, поскольку обладает большим набором соответствующих задаче опций. С помощью алгоритма латинского гиперкуба выполнена многовариантная адаптация исходного варианта гидродинамической модели, за счет анализа получаемого качества настройки выбраны представительные реализации для запуска базового прогноза. По итогам базового прогноза с привлечением накопленной функции распределения определены пессимистичный / базовый / оптимистичный сценарии для перехода к оптимизационным расчетам по поиску наилучшей системы разработки с помощью алгоритма дифференциальной эволюции. Контроль качества и уточнение полученных параметров оптимума реализован за счет построения нейронной прокси-модели. По итогам работы сформирован порядок действий по получению искомых оценок, сочетающий в себе достаточно широкий диапазон неопределенности, определяющий многообразие получаемых решений и сокращающий машинное время, затрачиваемое на расчет.

Об авторе

Д. В. Балин
Тюменский индустриальный университет
Россия

Балин Даниил Валерьевич, аспирант кафедры разработки и эксплуатации нефтяных и газовых месторождений

Тюмень



Список литературы

1. Попков, В. И. Интегрированное геолого-гидродинамическое моделирование в системном управлении разработкой нефтегазовых месторождений / В. И. Попков, В. П. Шакшин. – Текст : непосредственный // Вестник Самарского государственного технического университета. Серия: физико-математические науки – 2009. – № 1(18). – С. 239–250.

2. Козырев, Н. Д. Оценка влияния параметров неопределенности на прогнозирование показателей разработки / Н. Д. Козырев, А. Ю. Вишняков, И. С. Путилов. – DOI 10.15593/2712-8008/2020.4.5. – Текст : непосредственный // Недропользование. – 2020. – Т. 20, № 4. – C. 356–368.

3. Подходы к выбору реализаций при вероятностном моделировании геологической модели и анализ влияния на прогнозный профиль добычи / С. А. Андронов, Е. А. Горенкова, А. А. Гомонов, И. А. Максименко. – DOI 10.51890/2587-7399-2023-8-4-25-32. – Текст : непосредственный // PRONEFT. Профессионально о нефти. – 2023. – Том 8, № 4 (30). – С. 25–32.

4. Казанская, Д. А. Интегрированное геолого-гидродинамическое моделирование в ПО «тНавигатор» / Д. А. Казанская, С. С. Красников. – Текст : непосредственный // Актуальные тренды научно-технологического и операционного развития нефтегазовой отрасли : сборник материалов 8-й научно-практической конференции, Тюмень, 23–25 сентября 2024 года. – Москва : Геомодель Развитие, 2024. – С. 207–210.

5. Пыриков, В. А. Повышение эффективности закачки на основе геолого-технологического моделирования с учетом результатов нейросетевой оптимизации / В. А. Пыриков. – Текст : непосредственный // Онлайн-форум «Инновации для повышения эффективности сопровождения нефтегазовых активов» : сборник докладов, Москва, октябрь 2024 г. – С. 200–202.

6. Садыков, Р. М. Подбор оптимального числа симуляций Монте-Карло при вероятностном подсчете ресурсов углеводородного сырья / Р. М. Садыков. – DOI 10.54859/kjogi108590. – Текст : непосредственный // Вестник нефтегазовой отрасли Казахстана. – 2022. – Т. 4, № 4. – С. 32–44.

7. Mohamed, L. History matching and uncertainty quantification: multi-objective particle swarm optimization approach / L. Mohamed, M. Christie, V. Demyanov. – Text : electronic // Conference SPE 143067-MS, 23-26 May, Vienna, Austria. – 2011. – https://doi.org/10.2118/143067-MS

8. Умановский, А. В. Графовые нейронные сети для прокси-моделирования гидродинамики пласта / А. В. Умановский. – DOI 10.21684/2411-7978-2022-8-3-155-177. – Текст : непосредственный // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. – 2022. – Т. 8, № 3(31). – С. 155–177.

9. Щелоков, А. С. Изучение изменения скорости обучения алгоритмом «упругого» распространения ошибки PRROP / А. С. Щелоков, А. А. Турчак, А. В. Салтыков. – Текст : непосредственный // Неделя науки Санкт-Петербургского государственного морского технического университета. – 2020. – Т. 1, № 3–1. – С. 3–9.


Рецензия

Для цитирования:


Балин Д.В. Оптимизация параметров системы разработки на основе многовариантных гидродинамических расчетов и нейронной прокси-модели. Известия высших учебных заведений. Нефть и газ. 2025;(2):98-108. https://doi.org/10.31660/0445-0108-2025-2-98-108

For citation:


Balin D.V. Optimization of field development scheme parameters using multivariant simulation and neural proxy-model. Oil and Gas Studies. 2025;(2):98-108. (In Russ.) https://doi.org/10.31660/0445-0108-2025-2-98-108

Просмотров: 92


ISSN 0445-0108 (Print)