Содержание к диссертации
Введение
1 Современное состояние исследований в области экспертных и интеллектуальных систем 13
1.1 Назначение экспертных систем 13
1.2 Специфика и преимущества экспертных систем 16
1.3 Архитектура экспертных систем 18
1.4 Области применения и примеры экспертных систем 20
1.5 Интеллектуальные системы в области оценки МУН 25
1.6 Выводы 32
2 Разработка технологии принятия решений по выбору МУН в условиях нечетких исходных данных 34
2.1 Использование разнородной информации при принятии решений 34
2.2 Современные методы увеличения нефтеотдачи 35
2.2.1 Структура запасов нефти 35
2.2.2 Классификация методов увеличения нефтеотдачи 37
2.2.3 Состояние исследований и опыт в области МУН 41
2.2.4 Этапы проектирования и внедрения МУН 45
2.3 Системный подход в принятии решений 48
2.4 Принятие решений в условиях неопределенности 50
2.4.1 Источники неопределенности 50
2.4.2. Виды неопределенностей при принятии решений 52
2.4.3 Методы и подходы к принятию решений и обработке информации 54
2.5 Получение исходной информации и среда принятия решений 60
2.5.1 Способы получения исходной информации о пласте 62
2.5.2 Получение входной информации о пласте с помощью измерительных приборов 64
2.5.3 Качество расчетов при математическом моделировании 66
2.5.4 Характеристика среды принятия решений 73
2.6 Неопределенности при выборе методов увеличения нефтеотдачи 74
2.7 Реализация системного подхода при выборе МУН 76
2.7.1 Этапы системных исследований 77
2.8 Применение теории нечетких множеств 79
2.8.1 Анализ сложных систем 79
2.8.2 Формализация описания различных видов неопределенности 80
2.8.3 Основные понятия теории нечетких множеств 81
2.8.4 Методы построения функций принадлежности и ее физический смысл 83
2.9 Применение теории нечетких множеств для задач выбора МУН 87
2.10 Создание базы знаний и базы данных по применимости МУН 91
2.10.1 Анализ критериев применимости МУН 93
2.10.2 Формирование функций принадлежности для оценки МУН 94
2.10.3 Описание разработанной базы знаний 97
2.10.4 Анализ опыта применения МУН 98
2.10.5 Формирование и корректировка критериев 108
2.11 Выводы 112
3 Разработка и программная реализация экспертной системы для выбора МУН 114
3.1 Основные этапы разработки экспертной системы 114
3.1.1 Участники разработки ЭС для выбора МУН 114
3.1.2 Организация работы по наполнению баз данных и знаний 115
3.2. Фактический материал, положенный в основу ЭС 116
3.3 Алгоритм принятия решений по выбору МУН 116
3.3.1 Концептуальная модель оценки применимости 124
3.3.2 Расчет коэффициента применимости 126
3.3.3. Учет неоднородности при оценке МУН 130
3.4 Дополнительные возможности экспертной системы 132
3.5 Выводы 135
4 Принцип функционирования и интерфейс разработанной экспертной системы 136
4.1. Описание работы экспертной системы 136
4.2 Этапы оценки МУН в разработанной экспертной системе 138
4.3 Поиск месторождений-аналогов 145
4.4 Основные характеристики и преимущества разработанной ЭС 150
4.5 Перспективы использования разработанной экспертной системы 150
4.5 Выводы 155
5 Апробация разработанной экспертной системы на нефтяных месторождениях Томской области 156
5.1 Обоснования достоверности результатов ЭС 156
5.2 Анализ месторождений Томской области 156
5.3 Использование экспертной системы в проектах 162
5.4 Выводы 168
Заключение 169
Список литературы 171
Приложения 183
- Области применения и примеры экспертных систем
- Качество расчетов при математическом моделировании
- Этапы оценки МУН в разработанной экспертной системе
- Анализ месторождений Томской области
Введение к работе
Актуальность темы исследования. Задача выбора и принятия решений, в такой сложноструктурированной информационной системе как нефтяной пласт, требует анализа и обработки значительных объемов разнородной информации, для учета системных связей и закономерностей функционирования ее элементов. Планирование мероприятий по применению методов увеличения нефтеотдачи (МУН) является сложным процессом и требует комплексного подхода для его реализации, включающего проведение системных исследований. Необходимость применения методов системного анализа обуславливается большим объемом, разрозненностью и разнородностью информации в данной области.
Совершенствование алгоритмов и методик выбора методов увеличения нефтеотдачи и их более четкая формализация позволяет повысить эффект от применяемого метода. На нынешнем этапе развития нефтяной отрасли анализ информации для качественного принятия решения по выбору МУН является важнейшей и в то же время слабо изученной проблемой. В России до сих пор недостаточно развиты алгоритмы и программы подбора необходимых МУН, созданные для геологических условий рассматриваемого объекта.
Процесс поиска эффективных методов и определения оптимально подходящего из них значительно усложняется вследствие неоднозначности критериев выбора, неточностей и неполноты входных данных, а также необходимости обработки как количественной, так и качественной информации. Пластовые системы вместе с насыщающими их флюидами представляют собой сложную систему, в которой физическая неопределенность объекта связана как со стохастической неопределенностью (ситуация случайности), так и с невозможностью точного определением конкретных физических параметров среды (ситуация нечеткости), и выбор МУН представляет процедуру принятию решений в нечеткой среде.
В этой связи, анализ и обработка информации для разработки алгоритмов и программ, реализующих экспертную систему, обладающую достаточной гибкостью в принятии решений по выбору методов увеличения нефтеотдачи в условиях нечетких входных данных, является актуальной задачей.
Объектом исследования являются связи и взаимовлияния компонентов системы «пласт-метод увеличения нефтеотдачи» функционирующие в условиях нечеткой информации. Рассматриваются физический объект «пласт», представляющий собой систему с набором параметров, и физический объект «агент воздействия».
Предметом исследования выступают аналитический и численный анализы разнородной информации, с целью описания поведения исследуемого объекта и создания алгоритмов оценки применимости методов увеличения нефтеотдачи пластов, обеспечивающих подбор наиболее эффективных решений.
Целью диссертационной работы является разработка алгоритмов и программ, реализующих экспертную систему для оперативного выбора и оценки применимости методов увеличения нефтеотдачи пластов в условиях нечетких входных данных, на основе анализа, обработки и систематизации разнородной информации.
Для достижения поставленной цели были сформулированы следующие задачи исследования.
1. Провести анализ алгоритмов и систем принятия решений, в том числе по оценке применимости МУН.
-
Выполнить комплексный анализ накопленной информации по МУН, включающий проведение системных исследований.
-
Разработать базу данных, включающую в себя предшествующий опыт внедрения методов увеличения нефтеотдачи. Создать базу знаний, включающую в себя описания, ограничения и рекомендации для основных методов увеличения нефтеотдачи.
-
Осуществить анализ информации по опыту внедрения МУН ведущими нефтедобывающими компаниями международного уровня, с целью определения и корректировки критериев применимости МУН. Вывести критерии применимости для основных методов увеличения нефтеотдачи в условиях нечетких входных данных.
-
Разработать структуру экспертной системы, технологию оценки МУН и реализующие ее алгоритмы, способные работать в условиях нечеткости исходных данных.
-
Программно реализовать алгоритмы оценки применимости МУН -технологию принятия решений, позволяющую повысить эффективность решения задач выбора оптимального метода на нефтяных месторождениях в условиях нечетких входных данных.
-
Провести апробацию созданных алгоритмов реализующих экспертную систему, выведенных критериев применимости при решении задач выбора МУН на месторождениях Томской области.
Методы исследования базируются на использовании методов системного анализа, аналитического моделирования, теории вероятностей и математической статистики, методов вычислительной математики, теории нечетких множеств и теории принятия решений.
Достоверность и обоснованность результатов обеспечивалась сопоставлением решений, полученных с помощью разработанных алгоритмов, с результатами реальных примеров внедрения методов увеличения нефтеотдачи, лабораторных исследований и математического моделирования. Полученные результаты и экспериментальные данные опубликованы в различных журналах, в том числе и в изданиях из перечня российских рецензируемых журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание степеней доктора и кандидата наук. Получено свидетельством о государственной регистрации разработанных базы данных и алгоритмов реализующих программу для ЭВМ.
Научная новизна результатов работы:
1. На основе систематизации и структурирования результатов применения МУН
на нефтяных месторождениях в мире и в России созданы входящие в состав
экспертной системой (ЭС) актуальные база данных «Мировые и отечественные
МУН» и база знаний, конкретизированы критерии применимости МУН.
2. Впервые на базе методов теории нечетких множеств, использования
комплексного подхода при анализе экспертной и статистической информации для
оценки всех влияющих геолого-физических свойств каждого из заложенных в
программе методов увеличения нефтеотдачи, сформированы функции
принадлежности, позволяющие получать более корректные решения сложных задач
выбора МУН в условиях нечетких входных данных.
3. Предложен алгоритм принятия решений по выбору МУН в нечеткой среде,
позволяющий осуществлять выбор оптимального МУН для конкретных геолого-
промысловых условий разработки месторождения в условиях нечетких входных данных.
4. Разработано специальное программное обеспечение, реализующее экспертную систему «Матрица применимости МУН», интегрирующее новый алгоритм принятия решений по выбору МУН в нечеткой среде, новые базы данных и знаний.
Положения, выносимые на защиту.
-
Сформированные на основе комплексного анализа информации и теории нечетких множеств функции принадлежности по 15 МУН, учитывающие актуализированную информацию в области МУН, позволяют осуществить оценку применимости МУН и ранжировать методы по приоритетности в условиях нечетких входных данных.
-
Предложенная многоэтапная технология (алгоритм) принятия решений по выбору МУН в нечеткой среде, сочетающая в себе оценку применимости методов на основе теории нечетких множеств, использование лингвистической и статистической информации в области МУН, позволяет более корректно осуществить выбор наиболее эффективного МУН для конкретных геолого-физических условий пласта.
-
Разработанный алгоритм оценки и специальное программное обеспечение «Матрица применимости МУН», реализующие нечеткую экспертную систему оценки применимости МУН и интеграции знаний в области МУН, позволяют оперативно осуществлять оценку применимости методов для конкретных геолого-физических свойств пласта и выбирать оптимальный метод для применения в условиях нечетких входных данных с меньшими временными затратами.
-
Предложенные решения, для новых проектов применения МУН на месторождениях Томской области, полученные с помощью разработанного программного комплекса, позволили более корректно и эффективно выбрать перспективные методы и подготовить рекомендации для их реализации.
Практическая ценность работы. В результате поэтапно реализованного системного подхода к обработке информации разработано специальное программное обеспечение, реализующее экспертную систему, для оценки применимости МУН.
Предложенный в работе комплексный подход к оценке МУН позволяет оперативно оценивать степень их применимости, получать рекомендации и ссылки на литературу, тем самым ускоряя процесс принятия решения, за счет снижения времени на поиск и анализ информации о применимости МУН для конкретных геолого-физических характеристик пласта. Содержащиеся в программе модули позволяют проводить анализ информации по опыту применения технологий, сравнивать с месторождениями-аналогами, что дает возможность произвести целостную оценку применимости метода.
Результаты диссертационной работы были использованы при разработке производственной программы применения МУН на месторождениях Томской области. Предложенный алгоритм выбора МУН в настоящее время активно используется в ОАО «ТомскНИПИнефть» (г. Томск) при выполнении проектов разработки нефтяных месторождений.
Реализация результатов работы. Работа выполнялась на кафедре информационно-измерительной техники Национального исследовательского Томского политехнического университета. Разработанные в диссертации методические, алгоритмические и информационные средства, реализованные в
экспертной системе, были использованы при оценке и выборе МУН для целевых месторождений Томской области. Результаты исследования в виде программно-методического комплекса используются на предприятии ОАО «ТомскНИПИнефть» для принятия решений по выбору МУН, а так же в учебном процессе в Томском политехническом университете при обучении студентов специальности «Нефтегазовое дело».
Разработанная экспертная система дополнительно содержит модуль поиска месторождений-аналогов, который базируется на геолого-физических и промышленных данных 537 месторождений различных геологических условий.
Личный вклад. В диссертационной работе использованы результаты, в которых автору принадлежит определяющая роль. Разработана технология оценки МУН в нечеткой среде, собраны и сформированы основные части базы знаний (БЗ) и базы данных (БД) используемые в ЭС. Сформирована основная часть функций принадлежности для оценки МУН в нечеткой среде. Автор лично провел вычислительные эксперименты по применимости МУН на месторождениях Томской области. База данных разработана в 2011-2012 гг. коллективом авторов Ю.М. Кононов, Е.Н. Иванов, Ю.А. Сивов, А.Т. Росляк на основе открытых мировых литературных источников о проектах внедрения МУН. При разработке базы данных автор осуществлял подбор и расположение материалов базы данных, разработку рубрикатора, корректировку БД, проверку качества данных. При создании экспертной системы автор выполнял разработку нечеткого алгоритма оценки МУН и формирование базы знаний.
Апробация работы. Основные положения диссертации докладывались и обсуждались на международных, всероссийских и региональных конференциях, в том числе на: международной НПК «Робототехника и искусственный интеллект» (РИИ-2012), (Железногорск, 2012); XIV и XV Международном научном симпозиуме студентов и молодых ученых имени академика М.А. Усова «Проблемы геологии и освоения недр», (Томск, 2012, 2011); XVI и XVII Международной НПК «Современные техника и технологии» (Томск, 2012, 2011); Всероссийской конференции с международным участием «Фундаментальные проблемы разработки месторождений нефти и газа», (Москва, 2011); Международной НПК «Увеличение нефтеотдачи - приоритетное направление воспроизводства запасов углеводородного сырья», (Казань, 2011); IV Научно-практической конференции «Математическое моделирование и компьютерные технологии в процессах разработки месторождений, добычи и переработки нефти», (Уфа, 2011); всероссийской НПК «Неразрушающий контроль: электронное приборостроение, технологии, безопасность», (Томск, 2012); всероссийской конференции «Ресурсоэффективные системы в управлении и контроле: взгляд в будущее», (Томск, 2012); IV, V и VI региональной научно-технической конференции молодых специалистов ОАО «ТомскНИПИнефть», (Томск, 2013,2012,2011).
Публикации. Основные положения и результаты диссертационной работы опубликованы в 15 работах, в том числе: 2 статьи в изданиях из перечня российских рецензируемых журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание степеней доктора и кандидата наук; одно свидетельство об официальной регистрации базы данных; одно свидетельство об официальной регистрации программ для ЭВМ; одна статья в рецензируемом журнале
не вошедшем в перечень журналов рекомендованных ВАК; 10 публикаций в трудах и материалах международных и российских конференций.
Структура и объем работы. Диссертация изложена на 209 страницах машинописного текста, состоит из введения, пяти глав, заключения, списка используемой литературы, включающего 103 наименования, и приложений. Основное содержание диссертации изложено на 182 страницах, включает 72 рисунка и 20 таблиц.
Области применения и примеры экспертных систем
Востребованность экспертных систем объясняется их способностью воспринимать знания от человека (эксперта) в определенной предметной области и обеспечивать доступ к ним. Такие функции все более необходимы при принятии решений во многих сферах деятельности, например, при управлении сложными объектами (роботами, космическими аппаратами, энергосистемами, атомными электростанциями и т. п.). А также в диагностике заболеваний, при проектировании микросхем и идентификации неисправностей в электронных схемах, при решении задач оптимального размещения финансовых средств, при выборе системы разработки месторождения и технологии воздействия на пласт [57].
Полезным свойством экспертной системы является способность системы по требованию объяснять ход своих рассуждений понятным для пользователя образом.
Наряду с базой данных и базой знаний неотъемлемым элементом экспертных систем является некоторая управляющая структура. Управляющая структура определяет, какое из правил должно быть проверено следующим, и поэтому ее часто называют интерпретатором правил.
Экспертные системы эффективно применяются в различных областях: медицине (MYCIN; INTERNIST, CADUSEUS), геологии (PROSPECTOR), вычислительной технике (R1/XCON), химии (DENDRAL), авиации (TIMM), юриспруденции (JUDITH), экономике и менеджменте (FliPSiDE; Splendors; PMIDSS; ШІТЕР-ЗКСПЕРТ), математическом анализе (E-STAT, SESSA) и других. Характеристики некоторых систем представлены в таблице 1.1.
Характеристики экспертных систем определяются сферой их применения и конкретным назначением [13], обзоры таких систем представлены в [1, 20, 36,42,56,57,65]:
MYCIN (США, Стэндфордский университет) — система медицинского назначения, используется для диагностики заболеваний, одна из первых и наиболее известных ЭС, начала применяться с середины 70-х годов.
JUDITH (Германия, Гейдельбергский и Дармштадтский университеты) -юридических система, разработана в 1975 году, позволяет юристам формировать экспертные заключения по гражданским делам.
INTERNIST (США, Питтсбургский университет) - система медицинского назначения, на основании истории болезни помогает врачам ставить диагнозы по профилю нескольких сотен сложных заболеваний, применяется с начала 80-х годов.
PROSPECTOR (США, Стэнфордский университет) - геологоразведочная система. Система вовлекала геолога в диалог и на основании информации, введенной с географических карт и подготовленных обзоров, позволяла находить местоположение природных ископаемых. В 1984 году система точно предсказала залежи молибдена в Британской Колумбии (Канада) [57].
METHOD - система для задач выбора метода воздействия на нефтяную залежь, использует критериальную базу для выработки рекомендаций по выбору метода в зависимости от геологических условий месторождения [20].
PROSPECT EXPLORER - ЭС, использующая нейросетевые вычислительные технологии для помощи геологам в обнаружении аномалий.
TIMM (США, разработчик General Research) - система военного назначения, оказывает помощь пилоту вертолета во время боевых действий.
Management Advisor (консультант менеджера) - система разработана фирмой Paladin Software, Inc. в 1986 г. Помогает руководителю в планировании его коммерческой деятельности.
XCON (Carnegie-Melon University) - система предназначена для определения конфигурации компьютеров при их продаже. Покупатель заказывает ЭВМ с определенными характеристиками, а ЭС позволяет оптимально подобрать комплектующие блоки (тип дисплея, объем ОЗУ, тип процессора, тип звуковой карты, объем видеопамяти).
EXPERTAX (Coopert and Lybrand) - финансовая система, предлагающая рекомендации ревизорам и налоговым специалистам в подготовке расчетов по налогам и подготовке финансовых деклараций. База знаний отражает опыт свыше 20 экспертов.
MindDecider - многофункциональная ЭС, созданная для более легкого принятия решений в различных областях повседневной жизни. Основные функции: создание списка дел, бытовое бюджетирование и планирование, выбор лучшего места работы, выбор достойного образования, выбор инвестиционных возможностей, покупка лучшего дома, лучшего автомобиля и т. д. Программа разработана в России, г. Томск [82].
ПЛАНЕКС - система консультации и обучения планирования и анализа [36].
Существует ряд специализированных ЭС, используемых в сфере экономики и менеджмента. К ним относятся следующие.
FliPSiDE (разработчик Case Western Reserve University) — система логического программирования финансовой экспертизы. Даная система позволяет решать такие задачи, как мониторинг состояния рынка ценных бумаг; мониторинг состояния текущего портфеля ценных бумаг; обзор будущих условий рынка; планирование и организация продаж.
Splendors - система управления портфелем ценных бумаг. Данная система относится к классу систем реального времени и использует специализированный язык высокого уровня Profit.
PMIDSS (разработчик Финансовая группа Нью-Йоркского университета) - система поддержки принятия решений при управлении портфелем инвестиций. В число решаемых системой задач входят: выбор портфеля ценных бумаг, долгосрочное планирование инвестиций.
ИНТЕР-ЭКСПЕРТ (НПО «Центрпрограммсистем»). Эта система является русифицированным вариантом гибридной оболочки GURU, разработанной фирмой Micro Data Base System, и ориентирована в основном на решение экономических задач.
К инструментальным средствам, используемым для разработки ЭС, относятся следующие коммерческие оболочки.
ACQUIRE - система обнаружения знаний и оболочка экспертной системы. Это законченная среда для разработки и поддержки интеллектуальных прикладных программ. Система содержит в себе методологию пошагового представления знаний. Модель приобретения знаний основана на распознавании образов.
Crystal - ЭС для ПК, снабженная интеллектуальным интерфейсом. Имеется возможность создания гибридных ЭС. В состав оболочки включена обширная библиотека встроенных функций. В базу знаний может входить не более 300 правил.
G2 - графическая объектно-ориентированная среда для создания интеллектуальных прикладных программ. Позволяет создавать нейросетевые прикладные программы, системы передачи и обработки данных о движущихся объектах в режиме реального времени.
HUGIN - пакет программ для конструирования моделей, основанных на системах экспертных оценок в областях, характеризующихся существенной неопределенностью. HUGIN содержит удобную для использования дедуктивную систему вывода, основанную на вероятностных оценках, которую можно применить к сложным сетям с причинно-следственными вероятностными связями между объектами.
Качество расчетов при математическом моделировании
Проанализируем точность расчетов КИН и извлекаемых запасов нефти на математических моделях пласта, используемых в России и за рубежом, а также погрешности, которыми обладают данные расчеты [41, 63].
При расчетах на математических моделях пласта учитываются различные факторы: пористость и трещиноватость коллектора, капиллярные и гравитационные силы, сжимаемость пласта и флюидов, переменное давление насыщения и т. д. Фильтрационные (гидродинамические) модели используют для прогнозирования уровней добычи нефти, газа, воды и закачки рабочих агентов.
Современное развитие вычислительной техники позволяет осуществлять расчеты, как для двумерных, так и трехмерных областей с большим числом узлов сеточной модели, аппроксимирующей конкретное месторождение. Достигается учет специфики моделируемого объекта, эксплуатируемого большим числом скважин. К настоящему времени разработано большое число программ для моделирования пластовых систем, которые могут являться основой фильтрационной модели. Среди таких программ наибольшее распространение получили программы двух и трехфазной трехмерной фильтрации. В этих программах рассматриваются либо два либо три фильтрующих флюида - вода, нефть и вода, нефть, газ соответственно.
Исходные данные, получаемые о пласте
Этап создания цифровых фильтрационных моделей начинается после построения адресной геолого-математической модели и проведения необходимого анализа геолого-промысловой информации и данных геофизического контроля об объектах разработки. От качества представления эксплуатационного объекта в конечном итоге зависят правильность выбора математической модели и результаты расчетов.
Для того чтобы приступить к математическому моделированию процессов объекта разработки, требуется большой объем данных о свойствах пласта, флюидов. Если отсутствуют данные о параметрах пласта или данные по истории эксплуатации месторождения, сложно провести достоверное моделирование процесса его разработки. Чем сложнее модель, тем требуется более детальное описание пласта и фильтрующихся фаз. При этом для правильного моделрования интересующей области пласта число необходимых данных определяется выбранной фильтрационной моделью. Если такие данные отсутствуют, то следует осуществить выбор упрощенной модели. Получение требуемого объема данных весьма трудоемкий, но необходимый процесс. Для построения фильтрационной модели используются следующие группы данных.
1. Геометрия пласта.
2. Свойства породы.
3. Свойства флюидов.
4. Взаимодействие элементов:
- порода - флюиды - например, кривые капиллярных давлений;
- флюиды - флюиды - например, кривые относительных проницаемостей.
5. Начальное давление в пласте и начальное распределение насыщенностей.
6. Данные о расположении и работе скважин.
7. План добычи по скважинам:
- данные по истории разработки для подгонки по истории;
- ограничения по скважинам при выполнении прогнозных расчетов. Исходные данные для математического моделирования, а также составления геолого-физической характеристики пластовой системы получаются из источников указанных в таблице 2.2. Все перечисленные исходные данные являются также входными данными для оценки МУН.
Что касается определения качества данных по различным источникам для моделирования нефтяных пластов, то такая зависимость наглядно представлена в таблице Тиммермана «качество исходных данных» (табл. 2.3) [64, 101].
Более подробно описание источников данных, анализ данных, параметры, входящие в модель резервуара приведены в [63, 64]. Описание модели резервуара непрерывно уточняется, по мере получения новых промысловых данных в процессе изучения и математического моделирования.
Требования к точности исходных данных
Исходные данные для фильтрационного моделирования по их происхождению разделяются на три типа [41, 63]:
- передаваемые из геолого-математической модели;
- полученные в результате промысловых исследований и испытаний;
- определяемые в лабораторных исследованиях.
Точность данных первого типа зависит от погрешности:
- геофизических (каротажных) исследований;
- данных сейсморазведки 2D и 3D;
- определения структурно-геометрических параметров объекта разработки;
- определения контуров нефте- и газоносности;
- выделения коллекторов продуктивного пласта;
- определения интервалов перфорации.
Степень достоверности перечисленных данных зависит от числа контрольных точек, в которых получена информация о пласте.
Объем части пласта, из которой отбирается керновый материал, охватываемый геофизическим данными очень мал (табл. 2.4). Все данные имеют различные погрешности в диапазоне 5...20 %, поэтому интегральную погрешность данных, получаемых из геолого-математической модели, можно оценить в 20 % (приемлемая погрешность определения балансовых запасов углеводородов). Точность данных второго типа определяется, прежде всего, результатами гидродинамических испытаний скважин, охваченный объем пласта колеблется от 33 до 100 %. Поэтому данные этого типа являются более достоверными и приемлемая погрешность оценивается в интервале 10...20 % (гидропроводность, пьезопроводность, скин-фактор).
Наиболее точно определяются данные третьего типа в лабораторных условиях. Это данные определения вязкости пластовых флюидов (погрешности до 2...3 %), фазового равновесия (до 10 %), относительных фазовых проницаемостей и капиллярного давлений (10 %) и т. д. В то же время некоторые из этих данных охватывают очень небольшую часть продуктивного пласта, поэтому интегральная погрешность оценивается в 10...20 %.
В итоге общая интегральная погрешность входных данных для построения фильтрационной модели составляет не менее 15...20 % [41].
Этим обстоятельством определяется необходимость проведения исследовательских работ по уточнению коллекторских и других параметров модели объекта разработки с использованием фактических данных по отборам и закачке флюидов в скважинах.
Этапы оценки МУН в разработанной экспертной системе
После ввода пользователем геолого-физических данных исследуемого пласта, вычисляются коэффициенты, и отображается оценка применимости МУН на исследуемом месторождении (рис. 4.2). По умолчанию для удобства пользования (а также быстрого тестирования или обучения) при запуске ЭС в полях ввода информации заданы средние параметры для юрских отложений Томской области.
Дальнейшие этапы детального анализа выполняются в специальных модулях программы.
Первоначально, для установки интервалов применимости по нескольким геолого-физическим параметрам влияние свойств пласта на метод визуализируется с помощью лепестковых диаграмм. Лепестковые диаграммы позволяют сделать более наглядным двумерное представление и, таким образом, начать переход к многомерному представлению (рис.4.3).
На данном этапе рекомендуется использовать модуль интеграции знаний, заложенный в программе. Модуль интеграции знаний включает краткое тезисное описание методов, технические и некоторые экономические ограничения по методам, а также ссылки на литературу. Это позволяет систематизировать многочисленные знания по методам увеличения нефтеотдачи для дальнейшего анализа [25, 26, 29].
Модуль «Таблица подсечных параметров»
Далее, переходя в модуль «Таблица подсечных параметров»-«описание», визуализируется в цветовой шкале степень влияния свойства пласта на эффективность метода. Данный модуль дает возможность увидеть степень принадлежности каждого из оцениваемых свойств пласта заданной функции и выявить степень влияния каждого свойства на выбранный метод - это существенно облегчает анализ. Таким образом, визуализируется какие конкретные свойства и с какой степенью оказывают положительное либо отрицательно влияние на выбранный метод (рис. 4.4). Программа может объяснять последовательность выбора МУН и принятия решения о применимости/неприменимости метода на исследуемом пласте.
При нажатии на «Свойство пласта», выводятся рекомендации и ограничения относительно выбранного свойства для метода, а также ссылки на литературу.
Модуль «кросс плот»
Модуль «кросс плот» позволяет выводить интересующее свойство пласта для анализа информации и сопоставления исследуемого месторождения с опытом внедрения МУН, заложенным в БД, на график «свойство пласта -№ проекта» (рис. 4.5).
В результате визуализируется диапазон распределения значений выбранного свойства, при котором внедрялся анализируемый метод. Это позволяет оценить, находятся ли свойства исследуемого пласта в диапазоне распределения свойств и по опыту успешного внедрения метода выбрать наиболее подходящий.
На рисунке 4.5 изображен пример оценки закачки ШФЛУ. Синими точками изображены значения плотности нефти, при которых успешно внедрялся метод, оранжевой точкой изображен пользовательский проект (то есть значение плотности нефти исследуемого месторождения). Видно, что пользовательский проект находится в основном диапазоне значений успешного применения метода.
Модуль «Статистика»
В данном модуле с использованием аппарата математической статистики рассчитываются интервалы применимости на основе мирового опыта применения МУН по проектам, заложенным в БД. Модуль выполняет следующие функции (рис. 4.6):
- вывод статистики по данным, содержащимся в БД по геолого физическим свойствам;
расчет «Подходящего», «Возможного» интервалов применимости и вывод процента концентрации проектов в этих интервалах;
- расчет набора статистических параметров (среднеарифметическое, минимальное и максимальное значения, среднеквадратическое отклонение, коэффициент вариации и др.).
Дополнительные возможности программы
С помощью модуля «Статистика» в программе имеется возможность формировать интервалы применимости по свойствам на основе информации, заложенной в базе данных. На основе этих данных могут быть сформированы функции принадлежности. При пополнении БД новыми проектами применения МУН существует возможность вывести интервалы применимости на основе мирового опыта и проверить совпадают ли сформированные критерии с новыми статистическими данными, а в случае необходимости скорректировать критерии.
Во вкладке «Описание МУН» пользователь может ознакомиться с вводной информацией по МУН, основными физическими процессами, происходящими при их применении, возможными рекомендациями и ограничениями (рис. 4.7). Это облегчает использование программы, а также позволяет проводить обучение начинающих специалистов в области МУН.
Анализ месторождений Томской области
Экспертная система была использована для анализа месторождений Томской области, в том числе проанализированы месторождения, где уже проводили работы по применению МУН (реализованные на примере физико-химических, потокоотклоняющих методов) [28, 29], а также рассмотрены примеры полномасштабного применения МУН, таких как закачка газа.
Усредненные геолого-физические свойства по ряду исследуемых месторождений представлены в приложении 6.
Для оценки перспектив выбора методов увеличения нефтеотдачи на месторождениях Томской области проведен статистический анализ по 147 залежам ОАО «Томскнефть» ВНК. Статистический анализ включал в себя сопоставление усредненных геолого-геофизических свойств нефтяных пластов Томской области с наиболее благоприятными интервалами значений пластовых характеристик для применения МУН согласно систематизированным данным по мировому промысловому опыту [28, 66]. Результат сравнительного анализа отражает процент залежей ОАО «Томскнефть» ВНК с геолого-физическими свойствами, схожими со значениями свойств месторождений, где уже проводили успешные работы по применению методов увеличения нефтеотдачи в России и в мире (табл. 5.1).
Как показывает анализ (табл. 5.2) в ЭС, среди третичных МУН перспективными являются газовые методы: закачка диоксида углерода, водогазовое воздействие несмешивающееся и частично смешивающееся, закачка ШФЛУ, а также термогазовое воздействие. Значительная глубина пластов для этих методов играет положительную роль, так как способствует лучшей растворимости газа в нефти. Термические методы, такие как закачка пара и внутрипластовое горение, не находят применения на данных месторождениях в связи с низкой вязкостью нефти и сравнительно высокой температурой пластов.
Среди вторичных МУН более перспективной является циклическая закачка, нежели форсированный отбор жидкости. Потокоотклоняющие технологии на основе ПГС «Темпоскрин», полимер-дисперсных и гелевых систем показали высокий коэффициент применимости на пластах АВ2 Западно-Полуденного и АВі Советского месторождения, которые имеют меньшую пластовую температуру и более высокую проницаемость, чем другие месторождения.
В некоторых случаях потокоотклоняющие методы (№ 12-15, табл. 5.2) дают отрицательные значения коэффициентов применимости и даже близкие к минус 0,5, что указывает на низкую эффективностью или неэффективность метода. Это связано со значительной глубиной, высокой температурой пластов и неподходящей проницаемостью. На практике потокоотклоняющие технологии показывали незначительную эффективность, в некоторых случаях по результатам оценки МУН, иногда приходилось прибегать к дополнительной разработке термоустойчивых модифицированных составов закачиваемого агента для повышения эффективности метода.
Для каждого исследуемого месторождения программа выдала месторождения-аналоги. Чаще всего на аналогах применялись газовые и термогазовые технологии.
Для оценки обоснованности решений выдаваемых ЭС, проведено сравнение результатов анализа с результатами оценки эффективности применения МУН на месторождениях Томской области за 2010-2011 гг. [28, 60, 61]. Результаты, полученные с помощью ЭС, подтвердили показатели эффективности применяемых методов, что указывает на достоверность решений выдаваемых ЭС. Так при оценке пласта ABi Советского месторождения ПОТ показали высокий коэффициент применимости (0,94), в реальности по результатам оценки эффективности получен положительный как технологический, так и экономический эффект: дополнительная добыча на одну скважино-операцию составила 1,6 тыс. т, продолжительность эффекта от 0,5 до 1,5 лет. В случае пласта АВ2 Западно-Полуденного месторождения коэффициент применимости ПОТ составил 0,99, по результатам оценки также получен положительный технологический и экономический эффект: дополнительная добыча 2,8 тыс. т. на одну скважино-операцию, продолжительностью до 2 лет (рис. 5.1).
На графиках видна положительная динамика изменения обводненности продукции после проведения работ по применению МУН.
Положительный эффект от воздействия на данных участках подтверждается и по данным ежесуточной отчетности. Ряд скважин рекомендован для повторного проведения МУН с расширением участка воздействия.
Технологическая эффективность мероприятий по применению МУН, реализованных потокоотклоняющими технологиями, выполненными в 2010 году на месторождениях Томской области согласно отчету [60] представлена в таблице 5.3.
С другой стороны ПОТ, примененные на Приграничном месторождении, показали низкую технологическую эффективность 0,15 тыс. т. на одну скважино-операцию, продолжительность эффекта 4 месяца, анализ в ЭС показал коэффициент применимости по ПОТ в районе минус 0,25, то есть на границе «применим с низкой эффективностью» и «не применим» [25, 26]. При предварительной оценке перспектив данного месторождения с помощью ЭС, ранее была возможность отказаться от применения ПОТ на начальном этапе принятия решения, в результате не нести финансовые потери на применение технологии на данном месторождении.
Оценка Первомайского месторождения, находящегося на границе Томской и Тюменской областей, показала высокий коэффициент применимости термогазового воздействия (0,98), что было подтверждено результатами лабораторных исследований - отмечено значительное увеличение коэффициента вытеснения (снижение остаточной нефтенасыщенности с 0,35 до 0,18) [12].
