ТОМСКИЙ Кирилл Олегович – к.т.н., доцент, зав. каф., докторант ИПНГ РАН
ResearcherID: AAP3745-2020
Scopus Author ID: 57191432762
г. Якутск
Kirill O. TOMSKY – Cand. Sci. (Engineering), Associate Professor, Head of Department
Yakutsk
ИВАНОВА Мария Сергеевна – к.х.н., доцент
ResearcherID: 7202135803
Scopus Author ID: 7202135803
г. Якутск
Maria S. IVANOVA – Cand. Sci. (Chemistry), Associate Professor
ResearcherID: 7202135803
Scopus Author ID: 7202135803
Yakutsk
ЕГОРОВ Валентин Владимирович – зав. лаб.
г. Якутск
Valentin V. EGOROV – head of laboratory
Yakutsk
В настоящее время проблема снижения эффективности систем поддержания пластового давления (ППД) на поздних стадиях разработки месторождений с высокой неоднородностью коллектора является серьезной для нефтегазовой отрасли. В настоящей работе рассматривается Среднеботуобинское нефтегазоконденсатное месторождения (СБНГКМ), которая характеризуется высокой неоднородностью коллектора, обводнённостью продукции некоторых скважин более 95% и низкой эффективностью закачки воды. В работе впервые была применена оптимизация заводнения методом линий тока для условий одного из крупнейших месторождений Якутии – СБНГКМ. Целью работы является повышение эффективности ППД путём перераспределения закачки между нагнетательными скважинами с использованием гидродинамического моделирования линий тока. Материалы исследования включают трёхмерную гидродинамическую модель пласта Бт центрального блока СБНГКМ в программном обеспечении (ПО) тНавигатор, исторические данные по 37 добывающим и 15 нагнетательным скважинам за период 2010 – 2021 гг. Реализован алгоритм перераспределения закачки с увеличением объёмов в высокоэффективные скважины на 20 – 30 % и сокращением в низкоэффективные на 15 – 40 %. Результаты показали рост средней эффективности закачки на 41 %, снижение обводнённости на 3,2 % и прирост накопленной добычи нефти на 65 414 тонн за 10 – летний прогнозный период. Практическая значимость подтверждена увеличением конечного коэффициента извлечения нефти (КИН) на 1.7 % без капитальных затрат. Перспективы исследования связаны с разработкой адаптивных алгоритмов автоматической оптимизации на основе машинного обучения и интеграцией систем реального мониторинга фильтрационных параметров. Внедрение предложенной методики позволяет существенно повысить экономическую эффективность разработки сложнопостроенных коллекторов на поздней стадии эксплуатации за счет рационального использования существующей инфраструктуры скважин и водных ресурсов.
Currently, the problem of reducing the efficiency of reservoir pressure maintenance systems at late stages of field development with highly heterogeneous reservoirs is a serious one for the oil and gas industry. This paper considers the Srednebotuobinskoye oil and gas condensate field (SBNGKM), which is characterized by highly heterogeneous reservoir, water cut in some wells exceeding 95%, and low water injection efficiency. In this paper, waterflooding optimization using the streamline method was applied for the first time for the conditions of one of the largest fields in Yakutia – SBNGKM. The objective of the work was to increase the efficiency of reservoir pressure maintenance by redistributing injection between injection wells using hydrodynamic modeling of streamlines. The research materials included a three-dimensional hydrodynamic model of the Bt formation of the SBNGKM central block in the tNavigator software, historical data on 37 production and 15 injection wells for the period 2010-2021. An algorithm for redistributing injection with an increase in volumes in highly efficient wells by 20-30% and a decrease in low-efficiency wells by 15–40% was implemented. The results showed an increase in average injection efficiency by 41%, a decrease in water cut by 3.2% and an increase in cumulative oil production by 65,414 tons over a 10-year forecast period. Practical significance is confirmed by an increased ultimate oil recovery factor by 1.7% without capital expenditures. The prospects of the study are associated with the development of adaptive algorithms for automatic optimization based on machine learning and the integration of real monitoring systems for filtration parameters. The implementation of the proposed methodology can significantly increase the economic efficiency of developing complex reservoirs at a late stage of operation due to the rational use of the existing well infrastructure and water resources.
The authors declare that there are no conflicts of interest present.