Автор: Галеев А.А. , Синицына Т.И.
Опыт применения алгоритмов машинного обучения для автоматизации процесса поиска скважин-кандидатов для гидравлического разрыва пласта
DOI: 10.24412/2076-6785-2024-7-70-75
Аннотация
В условиях постоянно растущих объемов данных по месторождениям актуальным становится вопрос автоматизации процесса обработки и структуризации знаний об изучаемом объекте разработки с последующим выделением основных характеристик, позволяющих выбирать и обосновывать методы повышения нефтеотдачи на месторождениях. Одним из таких методов является проведение геолого-технических мероприятий (ГТМ), в частности, гидравлический разрыв пласта (ГРП).
В данной работе поставлена цель поиска оптимального решения задачи выбора и обоснования скважин-кандидатов для ГРП на примере месторождения имени Малыка. На данном месторождении насчитывается более тысячи скважин по трем эксплуатационным объектам (более двух тысяч пластопересечений). Ежегодно проводится, в среднем, около 50 операций ГРП и поиск оптимальных скважин — это важная задача для инженеров-разработчиков.
Для выбора оптимального метода поиска скважин-кандидатов на ГРП в текущем исследовании выполнен сравнительный анализ существующих подходов к оценке продуктивности скважин. Полученные результаты позволили сделать вывод о применимости гибридной модели, показавшей более высокую точность прогноза в сравнении с другими подходами. В основе такой модели лежит концепция физически-информированного машинного обучения.
Основные этапы работы включали в себя разработку автоматизированной системы сбора и подготовки геолого-промысловой информации, тестирование различных моделей машинного обучения и сравнение с результатами физико-математического моделирования.
В результате выполненной задачи подобран оптимальный алгоритм прогнозирования продуктивности скважин после ГРП, который применим для оперативных расчетов по большому количеству скважин. Разработанный алгоритм включен в систему поиска скважин-кандидатов на ГРП, реализованную на базе языков программирования VBA и Python. На текущий момент выполняется опытно-промышленная апробация результатов работы.
Материалы и методы
Поставленные задачи решаются с применением физико-математического моделирования и алгоритмов машинного обучения. Для автоматизации сбора и предобработки промысловых данных, обучения ML-моделей и расчета ожидаемых параметров работы скважин используются средства программирования VBA и Python.
Ключевые слова
геолого-технические мероприятия, автоматизация, гидравлический разрыв пласта, машинное обучение
Вернуться к списку статей
Аннотация
В условиях постоянно растущих объемов данных по месторождениям актуальным становится вопрос автоматизации процесса обработки и структуризации знаний об изучаемом объекте разработки с последующим выделением основных характеристик, позволяющих выбирать и обосновывать методы повышения нефтеотдачи на месторождениях. Одним из таких методов является проведение геолого-технических мероприятий (ГТМ), в частности, гидравлический разрыв пласта (ГРП).
В данной работе поставлена цель поиска оптимального решения задачи выбора и обоснования скважин-кандидатов для ГРП на примере месторождения имени Малыка. На данном месторождении насчитывается более тысячи скважин по трем эксплуатационным объектам (более двух тысяч пластопересечений). Ежегодно проводится, в среднем, около 50 операций ГРП и поиск оптимальных скважин — это важная задача для инженеров-разработчиков.
Для выбора оптимального метода поиска скважин-кандидатов на ГРП в текущем исследовании выполнен сравнительный анализ существующих подходов к оценке продуктивности скважин. Полученные результаты позволили сделать вывод о применимости гибридной модели, показавшей более высокую точность прогноза в сравнении с другими подходами. В основе такой модели лежит концепция физически-информированного машинного обучения.
Основные этапы работы включали в себя разработку автоматизированной системы сбора и подготовки геолого-промысловой информации, тестирование различных моделей машинного обучения и сравнение с результатами физико-математического моделирования.
В результате выполненной задачи подобран оптимальный алгоритм прогнозирования продуктивности скважин после ГРП, который применим для оперативных расчетов по большому количеству скважин. Разработанный алгоритм включен в систему поиска скважин-кандидатов на ГРП, реализованную на базе языков программирования VBA и Python. На текущий момент выполняется опытно-промышленная апробация результатов работы.
Материалы и методы
Поставленные задачи решаются с применением физико-математического моделирования и алгоритмов машинного обучения. Для автоматизации сбора и предобработки промысловых данных, обучения ML-моделей и расчета ожидаемых параметров работы скважин используются средства программирования VBA и Python.
Ключевые слова
геолого-технические мероприятия, автоматизация, гидравлический разрыв пласта, машинное обучение
