Повышение продуктивности и реанимация скважин

vk.com/club152685050 | vk.com/id446425943

ГЛАВА

11

ПРОГНОЗИРОВАНИЕ ЭФФЕКТИВНОСТИ СКВАЖИННЫХ ОБРАБОТОК

Для осуществления высоких технико-экономических показателей разработки необходимо определение научно обоснованных критериев организации технологических мероприятий, применение автоматизированной системы целевой обработки масштабной геолого-промысловой информации, оперативно представляющей объекты для проведения работ и устанавливающей конкретные технические рекомендации по назначению технологии обработок скважин, целесообразности сочетания виброволнового воздействия с каким-либо реагентным воздействием и оптимальному режиму обработки по конкретной скважине.

Технологический эффект виброволнового воздействия определяется совокупным влиянием множества разнородных геолого-физических и технологических параметров, таких, например, как проницаемость, пористость, глинистость и карбонатность пласта, вязкость пластового флюида, толщина продуктивных интервалов пласта, забойное и пластовое давление, начальная и текущая продуктивность, режимы виброволнового воздействия и др. Поэтому для исследования данного процесса и адекватного выбора прогнозирования его показателей необходимо использовать компьютерные модели, построенные с использованием методов многофакторного статистического анализа.

В гл. 11 описывается прогнозное моделирование, осуществленное в рамках системного подхода к выбору объектов, назначению технологических операций, реагентов, общей орга-

334

vk.com/club152685050 | vk.com/id446425943

низации внедренческих работ, реализованное при ОПР и внедрении технологий на Ново-Елховском месторождении АО "Татнефть".

На основе накопленной информации по исходным геологофизическим и технологическим параметрам проведенных вышеописанных опытно-промышленных работ осуществляли прогнозное моделирование процесса обработки ПЗП с использованием метода главных компонент [58].

Преимущества данного подхода особенно проявляются на начальных этапах пробного моделирования при необходимости учета в модели большого количества факторов и недостатке числа "наблюдений". Применение метода главных компонент позволяет заменять совокупность большого числа взаимосвязанных признаков на некоторую совокупность относительно малого числа некоррелированных параметров – обобщенных факторов процесса главных компонент с сохранением всей информации об изменчивости процесса.

Для моделирования процесса обработки нагнетательных скважин, вскрывающих девонские и бобриковские пласты Но- во-Елховского месторождения, было определено восемь переменных – факторов процесса, оказывающих влияние на показатель процесса – приращение коэффициента удельной приемистости. Это – удельная максимальная приемистость скважины по истории работы, удельная приемистость на момент перед обработкой, отношение значения пластового давления к гидростатическому, общая толщина продуктивных интервалов, коэффициент вариации толщин продуктивных интервалов, средневзвешенный коэффициент пористости, коэффициент депрессии режима виброволновой обработки, число комплексирования с реагентными операциями. Коэффициент удельной приемистости – коэффициент приемистости, отнесенный к 1 м толщины продуктивного интервала пласта, наиболее адекватно учитывает эффект осуществляемого воздействия непосредственно на среду коллектора призабойной зоны скважины. Коэффициент депрессии режима обработки, отношение забойного давления режима виброволнового воздействия к гидростатическому давлению глубины интервала перфорации определяют характер процесса очистки призабойной зоны (количественное выражение режима депрессии или репрессии на пласт). Коэффициент вариации толщин продуктивных интервалов скважины и другие подобные параметры ка-

335

vk.com/club152685050 | vk.com/id446425943

чественно оценивают неоднородность пластов и изменчивость геолого-промысловых параметров объекта.

В табл. 11.1 представлены исходные данные по проведенным на Ново-Елховском месторождении виброволновым обработкам нагнетательных скважин с различными геологофизическими и технологическими условиями.

На первом этапе осуществляется корреляционный анализ

Таблица 11.1

Исходные данные модели технологической эффективности процесса обработки нагнетательных скважин, вскрывающих пласты девонского и бобриковского горизонтов Ново-Елховского нефтяного месторождения

vk.com/club152685050 | vk.com/id446425943

исходного материала. Результаты расчетов выборочных

337

vk.com/club152685050 | vk.com/id446425943

Таблица 11.2

Корреляционная матрица

vk.com/club152685050 | vk.com/id446425943

коэффициентов корреляции и их критерии надежности, оценивающие достоверность полученных коэффициентов корреляции, приведены в виде корреляционной матрицы и матрицы критериев надежности (табл. 11.2 и 11.3).

Анализ полученных результатов показывает, что существует зависимость между выбранными показателем эффективности виброволнового воздействия и геолого-технологическими факторами. При этом также наблюдается существенная корреляция между факторами процесса, т.е. данные обладают свойствами мультиколлинеарности. Это затрудняет проведение анализа и определение коэффициентов корреляционных моделей. Трудно установить, какие факторы влияют наиболее существенно и определить степень этого влияния. В результате регрессионного анализа получена линейная зависимость, прогнозирующая показатель при заданных значениях факторов. Критериями надежности данной модели являются мера идентичности и коэффициент множественной корреляции, характеризующие часть дисперсии показателя, которую описывает данная регрессия, F – отношение, характеризующее меру надежности данного выражения (в сравнении с процентилями распределения Фишера), оценка несмещенности и доверительные интервалы (вычисленные с помощью распределения Стьюдента), характеризующие ошибки предсказания. Числовые значения этих критериев приведены в табл. 11.4.

Наличие большого числа факторов (восемь) при небольшом числе наблюдений (23 скважины) делает необходимым для увеличения надежности прогнозной модели отбрасывание некоторого их числа, однако затруднительно определить влияние этого отсечения методом регрессионного анализа. Это вызвало необходимость следующего этапа моделирования – применения метода главных компонент.

На этом этапе появляется задача замены исходных взаимосвязанных признаков на некоторую совокупность не-

Таблица 11.4

Результаты регрессионного анализа по исходным факторам процесса

Искомое уравнение регрессии для показателя y: y = –0,22+ –0,1612х6+ +0,03х7

Мера идентичности: 0.09 Коэффициент множественной корреляции: 0,30 F-критерий: 0,97

Критерий несмещенности: 0,269 Доверительный интервал (90 %): 0,394 Попадание: 91,304

339

vk.com/club152685050 | vk.com/id446425943

коррелированных параметров. Число этих новых переменных в целях увеличения надежности регрессионной модели желательно уменьшить, но при этом достаточно большая часть информации об изменчивости исследуемого процесса должна быть в них сохранена. Данная задача решается методом главных компонент, который позволяет сжать исходную информацию, описать исследуемый процесс меньшим, по сравнению с исходным набором параметров, числом обобщенных факторов

– главных компонент. Эти новые переменные отражают внутренние, объективно существующие закономерности, не поддающиеся непосредственному наблюдению.

Вкачестве исходной информации для метода используется полученная ранее корреляционная матрица (см. табл. 11.2), применяемая как ступень для дальнейшего анализа исходных признаков. Задача заключается в линейном преобразовании m

признаков X1, X2, ..., Xm в новый набор случайных величин K1, K2, ..., Km, что делает их некоррелированными и располагает в порядке убывания их дисперсий. При этом подавляющую долю дисперсии, которая характеризует изменчивость процесса, обычно содержат первые несколько компонент. Выделенные компоненты рассчитываются для исходных объектов, при этом по группируемости объектов – скважин в координатах главных компонент извлекается ценная дополнительная информация, позволяющая классифицировать объекты по заданному признаку. Регрессионная модель, в которой в качестве переменных факторов используются главные компоненты, позволяет устранять отмеченные выше трудности.

Врезультате проведенного компьютерного анализа было извлечено восемь компонент процесса. Полученная матрица весов переменных – исходных факторов, входящих в главные компоненты, собственные значения главных компонент и вклады компонент в общую дисперсию приведены в табл. 11.5. Первая компонента объясняет 34 % всей дисперсии, вторая – 22 %. Основную долю дисперсии процесса (72 %) описывают три первые главные компоненты. Отметим, что относительно малое число первых главных компонент, накапливающих основную дисперсию процесса, еще раз свидетельствует о сильной коррелированности исходных факторов.

340

vk.com/club152685050 | vk.com/id446425943

Таблица 11.5

Результаты анализа процесса обработок скважин методом главных компонент

Анализ матрицы весов главных компонент позволил провести классификацию обобщенных факторов процесса. Так, в первую главную компоненту с наибольшими весами входят коэффициент пластового давления, общая толщина продуктивных интервалов, коэффициент вариации толщин продуктивных интервалов и средневзвешенный коэффициент пористости. Ее можно классифицировать как обобщенную гидропроводность скважины. Вторая главная компонента с наибольшими весами включает коэффициент депрессии режима виброволновой обработки, число комплексирования с реагентными операциями. Ее следует классифицировать как обобщенный фактор виброволнового режима обработки. Третья главная компонента процесса с наибольшими весами включает число комплексирования с физико-химическими мероприятиями и факторы, определяющие "восприимчивость" скважины к проведению физико-химического воздействия, – максимальную приемистость и удельную приемистость скважины на момент перед воздействием. Ее можно классифицировать как обобщенную характеристику физико-химического компонента воздействия.

Каждая главная компонента выражается через исходные факторы процесса в виде

341

vk.com/club152685050 | vk.com/id446425943

kr = 1 (a1rx1+ a2rx2 + ....+ amr xm) Vr

где air – элементы матрицы весов главных компонент (см. табл. 11.5); xi – переменные факторы процесса; Vr – собственные значения главных компонент.

В табл. 11.6 представлены главные компоненты, рассчитанные для набора исходных факторов промысловых объектов.

На основе полученных результатов извлекается ценная информация по "распознаванию" промысловых объектов по признаку эффективности для проведения виброволновых обработок скважин. На рис. 11.1 представлено распределение обработанных нагнетательных скважин девонских и бобриковских пластов в координатах первых главных компонент. Видно, что все скважины весьма отчетливо разделяются на три группы: группу скважин с высоким эффектом (приращение коэффици-

Таблица 11.6

Главные компоненты, рассчитанные по исходным факторам процесса обработки нагнетательных скважин

342

vk.com/club152685050 | vk.com/id446425943

ента удельной приемистости ∆Kпр > 0,3), группу скважин со средним эффектом (приращение ∆Kпр от 0,09 до 0,24) и группу скважин с низким эффектом воздействия (∆Kпр < 0,09).

Данный результат позволяет с достаточной надежностью осуществлять оптимальный выбор скважин для проведения высокоэффективных обработок, а также назначать необходимые режимные операции по требуемой депрессии на пласт и необходимости дополнительных химреагентных воздействий.

Следующим этапом моделирования является регрессионный анализ на основе определенных главных компонент. Полученные результаты представлены в табл. 11.7. Сравнение данных таблицы с соответствующими данными, установленными в результате регрессионного анализа по исходным факторам, показывает увеличение надежности по F-критерию и уменьшение доверительных интервалов, отвечающим одина-

Рис. 11.1. Распределение скважин в координатах главных компонент модели эффективности виброволновых обработок нагнетательных скважин с ис-

пользованием технологий ВДХВ и ВПВ:

1 – группа скважин сильного эффекта обработки (∆Kпр > 0,3); 2 – группа скважин среднего эффекта обработки (∆Kпр от 0,09 до 0,24); 3 – группа скважин слабого

эффекта обработки (∆Kпр < 0,09)

343