Развитие технологий моделирования PVT-свойств в блоке разведки и добычи ПАО «Газпром нефть»

27.09.2018
Источник: Журнал «PROнефть»
Nology development PVT simulations in the upstream division of Gazprom neft company

УДК 681.518

Д.А. серебрякова, А.С. Маргарит
Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)

Электронный адрес: Serebryakova.DA@gazpromneft-ntc.ru

Ключевые слова: PVT-моделирование, фазовое состояние, анализ данных, корреляция

D.А. Serebryakova, A.S. Margarit 
Gazpromneft NTC LLC, RF, Saint-Petersburg

In the world practice the increasing attention is paid to PVT simulations. The share of hydrocarbon fields, the fluids of which are characterized by complex behavior when changing geological and physical conditions, increases. Number of publications, devoted to PVT-modeling, grows with every year, the complexity of models increases. On the one hand, this helps to increase the accuracy of the forecast and to adopt an optisolution in the design and development of deposits, on the other - often slows the process of preparation of PVT of data

Keywords: PVT simulations, phase behavior, data analysis, correlation

DOI: 10.24887/2587-7399-2018-3-75-77

Введение

В мировой практике PVT-моделированию уделяется все большее внимание в связи с увеличением доли месторождений углеводородов, флюиды которых характеризуются сложным поведением при изменении геолого-физических условий. Число публикаций, посвященных PVT-моделированию, растет с каждым годом, сложность моделей повышается. С одной стороны, это помогает увеличить точность прогноза и принять оптимальное решение при проектировании и разработке месторождений, с другой – часто замедляет процесс подготовки PVTданных.

Технологии PVT-моделирования и их совершенствование 

На мировом рынке представлены различные коммерческие программы, использующие PVT-моделирование, как узкоспециализированные (созданные только для PVT-моделей), так и решающие в комплексе задачи моделирования и аналитики. При работе с каждой программой пользователи нередко сталкиваются с проблемой выбора настроечных параметров при отсутствии четких и доступных рекомендаций, что связано как с отсутствием однозначных и емких регламентов работы, так и с постепенным учеличением числа инструментов. Таким образом, специалисты каждого направления нефтяного инжиниринга, так или иначе использующие информацию о физико-химических свойствах флюидов, часто не имеют инструмента PVT-моделирования, удовлетворяющего требованиям, необходимым для потокового применения в работе.

Композиционное моделирование основано на уравнениях термодинамики и уравнениях состояния. При большом числе параметров и требовании к углубленности знаний при работе в композиционных симуляторах инженерам, не занимающимся непосредственно PVT-моделированием, но нуждающимся в достоверных данных, трудно выполнить настройку PVT-модели. В связи с этим остро стоит задача создания максимально автоматизированного инструмента.

Для принятия оптимальных решений при проектировании и разработке месторождений необходимы интегрированные модели, построенные по единой методике PVT-моделирования. В связи с этим в Научно-Техническом Центре «Газпром нефти» создается инструмент PVT-моделирования с целью:
– автоматизации процедуры проверки качества PVT-данных;
– обеспечения разработчиков механизмом для снятия неопределенностей в PVT–свойствах;
– создания единой методики моделирования PVT-свойств и выбора способа эксплуатации.

Исходя из этого определена функциональная область разрабатываемого инструмента (см. рисунок).

Функциональная область разрабатываемого в компании инструмента PVTмоделирования

Из рисунка видно, что ядром инструмента является так называемый «стандартный» симулятор PVT. «Стандартный» симулятор PVT работает по базовому принципу «качество выходных данных непосредственно зависит от качества входных данных». На входе симулятор имеет набор типовых данных, далее по функциональным зависимостям находит однозначное решение, которое и выдает пользователю в виде PVT-таблиц.

Существуют два направления принципиального улучшения результатов PVT-моделирования:
1) повышение качества входных данных;
2) совершенствование функциональных зависимостей внутри симулятора.
При этом практика показывает, что влияние человеческого фактора необходимо по возможности минимизировать.

Рассмотрим основные модули симулятора PVT.

Верификация данных. Качество входных данных зависит от различных факторов: условий отбора проб, проведения лабораторных исследований, интерпретации полученных результатов, настроек внутри симулятора и решений инженера, создающего PVT-модель, о том, какая информация является априорной, где допустим разброс значений и каков его диапазон, как должны быть расставлены приоритеты для оперативного получения оптимального набора выходных параметров. Для решения задачи контроля качества данных все эти факторы можно разбить на блоки.

Первичный анализ заключается в проверке условий отбора проб, физичности данных и их непротиворечивости друг другу. В рамках проекта Data Science разрабатываются более сложные правила проверок, основанные на методах машинного обучения на пробах флюидов, информация по которым принимается за достоверную. Параллельно возможно применение алгоритмов композиционного PVT-симулятора с целью получения дополнительных физически обоснованных правил.

Оценка неопределенностей. В основном предполагается, что вероятностная оценка может быть проведена на основе данных, качество которых уже проверялось. В противном случае по различным причинам, например, из-за большого числа непредставительных проб, использования значений, взятых по аналогии, но информация об этом отсутствует, можно получить результат, не соответствующий действительности. Однако следует отметить, что первичная оценка неопределенностей должна быть проведена и до этапа верификации данных. При этом главной целью обеих процедур являются окончательное формирование входных данных, отбор представительных проб и вероятностная оценка результатов.

Восстановление данных. В этом модуле решаются задачи рекомбинации сепараторных проб, восстановление составов частично разгазированных проб. Здесь же реализованы корреляции свойств с остальными данными, т.е. модуль «Верификация данных» на выходе дает не только сигнал о корректности или некорректности результатов, но и рекомендует возможные значения.

В компании «Газпром нефть» накоплен значительный опыт по восстановлению данных на основе результатов неполных экспериментов, в частности в работе [1] описаны подходы к уточнению PVT-свойств частично разгазированных проб нефтей двухфазных залежей.

Автоадаптация. Выполнение рутинных операций по настройке моделей выполняется в модуле «Автоадаптация». К настоящему времени основное число моделей флюидов создается по разработанным алгоритмам, однако в большинстве коммерческих программных продуктов это не предусмотрено. Для автоматизации процессов проверки входных данных и подготовки конечных моделей нужны четкие алгоритмы, симбиоз которых в итоге даст инструмент для принятия оперативных решений, касающихся PVTданных. В работе [2] описан последовательный алгоритм настройки моделей для нефтяных систем, в работе [3] – для газоконденсатных систем. В Научно-Техническом Центре «Газпром нефти» разрабатывается нормативно-методологическая документация по моделированию PVT-свойств. Используя имеющиеся собственные разработки и мировой опыт в создании нового композиционного симулятора, можно получить уникальный инструмент для моделирования PVTсвойств.

Мировой опыт является основой для дальнейшего развития и создания собственного гибкого инструмента PVT-моделирования. Так, анализ существующих корреляционных зависимостей модели Black oil [4] позволил снять неопределенность параметров на этапе выбора зависимостей для расчета газосодержания, объемного коэффициента нефти и плотности выделяющегося из нефти газа при снижении давления ниже давления насыщения. Кроме того, анализ помог создать новые, физически обоснованные связи [5], которые могут быть использованы как приоритетные.

Таким образом разрабатываемый инструмент позволяет:
– минимизировать человеческий фактор на всех этапах подготовки данных до получения готовой модели;
– унифицировать и сделать прозрачным процесс принятия решений при моделировании флюидов;
– расширять собственную функциональную область.

Потенциалом развития инструмента является направление по предупреждению осложнений, связанных с асфальтосмолопарафиновыми отложениями, газогидра тами и др. 

Заключение

В ходе работы выполнена верхнеуровневая оценка влияния качества информации о PVT-свойствах флюидов на экономическую рентабельность разработки для объектов с различными физико-химическими свойствами нефти. Для основных PVT-параметров была задана дисперсия. Далее выбиралась оптимальная система разработки для каждой комбинации PVT-параметров, затем – наиболее вероятная оптимальная система разработки. Параллельно определялась оптимальная система разработки на уточненных PVT-данных, которая часто не совпадала с наиболее вероятной в случае дисперсии PVT-данных. Таким образом, на объектах с различными типами нефти плановый показатель NPV на год может не достичь экономического предела 0,5–2,9 %. Сравнительный расчет на типовых объектах разработки компании показал, что модели, подготовленные с использованием создаваемого композиционного PVT-симулятора, имеют очень малые отклонения от аналогичных моделей, построенных с применением стороннего коммерческого программного обеспечения (см. таблицу).

Список литературы

1. Брусиловский А.И., Промзелев И.О. О методических подходах к уточнению PVT-свойств пластовой нефти двухфазных залежей // Вести газовой
науки. – 2013. – № 1 (12). – С. 41–45.
2. Nugaeva A.N., Brusilovsky A.I. New Approach of Integrated Validation of Reservoir Oil Properties in Reserves Estimation and Field Development Planning. SPE- 117391-MS. – 2008.
3. Yushchenko T.S., Brusilovsky A.I. Efficient Engineering Method for Creating Adequate PVT-Model of Natural Gas Condensate Mixture Using Equation of State. SPE-171238-MS& – 2014.
4. Analysis of Black Oi Correlations for PVT Properties Estimation / A. Odegov, R. Khabibullin, M. Khasanov [et al.] // SPE-176596-MS. – 2015.
5. Serebryakova D. Сalculation Algorithm for Oil PVT-Properties // SPE-181980-MS. – 2015.

Reference

1. Brusilovskiy A.I., Promzelev I.O., On methodological approaches to refinement of PVT-properties of reservoir oil of two-phase deposits (In Russ.), Vesti gazovoy nauki, 2013, no. 1, pp. 41-45.
2. Nugaeva A.N., Brusilovsky A.I., New approach of integrated validation of reservoir oil properties in reserves estimation and field development planning
(In Russ.), SPE 117391-MS, 2008.
3. Yushchenko T.S., Brusilovsky A.I., Efficient engineering method for creating adequate PVT-model of natural gas condensate mixture using equation of state
(In Russ.), SPE 171238-MS, 2014.
4. Odegov A., Khabibullin R., Khasanov M., Brusilovsky A., Krasnov V., Analysis of Black Oil correlations for PVT properties estimation (In Russ.), SPE 176596-MS, 2015.
5. Serebryakova D., Сalculation algorithm for oil PVT-properties (In Russ.), SPE 181980-MS, 2016.

Авторы статьи:  Д.А. серебрякова, А.С. Маргарит   
Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)

Источник:  Журнал «PROнефть»

Возврат к списку