Вестник ТюмГУ. Физико-математическое моделирование. Нефть, газ, энергетика.


Выпуск:

2021. Том 7. № 4 (28)

Название: 
Метод итерационного поиска оптимального варианта разработки месторождения


Для цитирования: Юшков А. Ю. Метод итерационного поиска оптимального варианта разработки месторождения / А. Ю. Юшков, Д. Н. Глумов, Б. Р. Магизов, А. А. Шахов // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. 2021. Том 7. № 4 (28). С. 124-146. DOI: 10.21684/2411-7978-2021-7-4-124-146

Об авторах:

Юшков Антон Юрьевич, кандидат технических наук, доцент кафедры разработки и эксплуатации нефтяных и газовых месторождений, Тюменский индустриальный университет; главный менеджер, Тюменский нефтяной научный центр; ayyushkov@tnnc.rosneft.ru; ORCID: 0000-0002-6160-0689

Глумов Дмитрий Николаевич, начальник управления геологии и разработки новых и зарубежных активов, Тюменский нефтяной научный центр; dnglumov@tnnc.rosneft.ru

Магизов Булат Ростямович, главный специалист управления геологии и разработки месторождений востока ЯНАО, Тюменский нефтяной научный центр; brmagizov@tnnc.rosneft.ru

Шахов Антон Алексеевич, ведущий специалист управления геологии и разработки новых и зарубежных активов, Тюменский нефтяной научный центр; aashakhov@tnnc.rosneft.ru

Аннотация:

Трехмерное гидродинамическое моделирование является стандартным инструментом для прогнозирования разработки месторождений углеводородов (УВ). Актуальность работы связана с необходимостью внедрения в инженерную практику быстрых и доступных оптимизационных алгоритмов, позволяющих сократить затраты машинного времени на обоснование лучших и эффективных решений по разработке. Авторами предложен новый экспресс-метод поиска оптимального варианта разработки залежей. Метод работает с дискретными наборами возможных вариаций искомых параметров разработки (например, число скважин, тип заканчивания, темп отбора запасов УВ и др.) и минимизирует количество запусков гидродинамического симулятора пласта на прогноз, необходимого для технико-экономической оценки различных комбинаций параметров и нахождения как локальной, так и глобальной оптимальной комбинации.

По сравнению с другими методами его преимуществом является простота и реализуемость в «ручном» режиме при небольшом числе варьируемых параметров, что может быть полезным для практических задач. Метод использует принцип итераций и апробирован на нескольких примерах, включающих результаты гидродинамического моделирования, проведено сравнение с известными алгоритмами оптимизации — в некоторых задачах метод позволяет найти оптимум быстрее. Например, в задаче поиска оптимального расположения горизонтальных стволов итерационный поиск оказался быстрее метода «рой частиц». С другой стороны, метод не позволяет надежно определять оптимумы сложных целевых функций, имеющих несколько локальных оптимумов. Тестирование проведено на функциях Химмельблау и Розенброка: в первом случае найдены все пять локальных оптимумов, во втором случае — семь из двенадцати.

Список литературы:

  1. Гмурман В. Е. Теория вероятностей и математическая статистика / В. Е. Гмурман. М.: Высшая школа, 2003. 479 с.

  2. Жуланов Е. Е. Экономика нефтяной и газовой промышленности / Е. Е. Жуланов. Пермь: Изд-во Перм. гос. техн. ун-та, 2009. 154 с.

  3. Климов В. Ю. Выбор устойчивой системы разработки — путь повышения ценности актива / В. Ю. Климов // PROНЕФТЬ. Профессионально о нефти. 2017. № 1 (3). С. 60-66.

  4. Матренин П. В. Методы стохастической оптимизации: учеб. пособие / П. В. Матренин, М. Г. Гриф, В. Г. Секаев. Новосибирск: Новосиб. гос. техн. ун-т, 2016. 67 с.

  5. Правила подготовки технических проектов разработки месторождений углеводородного сырья: утв. Приказом Минприроды России от 20 сентября 2019 г. № 639. М.: Министерство природных ресурсов и экологии Российской Федерации, 2019.

  6. Сергиенко А. Б. Тестовые функции для глобальной оптимизации / А. Б. Сергиенко. Красноярск: Изд-во Сиб. гос. аэрокосмич. ун-та им. М. Ф. Решетнева, 2015.

  7. Юшков А. Ю. Выбор оптимального варианта разработки газовых и газоконденсатных объектов на основе теории укрупненной скважины / А. Ю. Юшков, А. С. Романов, В. С. Филатов // Сборник научных трудов ООО «Тюменский нефтяной научный центр». № 2. Тюмень: Тюменский дом печати, 2016. С. 140-149.

  8. Kennedy J. Particle swarm optimization / J. Kennedy, R. Eberhart // Proceedings of ICNN’95 — International Conference on Neural Networks. 1995. Vol. 4. Pp. 1942‑1948. DOI: 10.1109/ICNN.1995.488968

  9. Melanie M. An Introduction to Genetic Algorithms / M. Melanie. Cambridge; London: The MIT Press, 1998. Pp. 35-81.

  10. Späth H. Mathematical Algorithms for Linear Regression / H. Späth. Elsevier Science, 2014.