Integrated model "reservoir-well" based on D-CRMP

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

The active use of integrated modeling in reservoir engineering of oil fields has led to research to overcome the problems of its practical application. Typically, a 3D hydrodynamic model is used as a component characterizing the fluid flow in the reservoir. The downsides of the model are high computational complexity and low reliability of the initial data. Therefore, the objectives of the study are to construct an integrated reservoir-well model that does not have these drawbacks and to verify its adequacy. The article presents an integrated model for fast decision-making in the development of oil fields, as well as for analysis of the characteristics of the inter-well space, which doesn't require prior information about the reservoir. The integrated model is based on a representation of the analytical capacitance-resistance model (CRM), which considers shutdown periods of production wells. Oil flow rates are calculated using the Koval method. The pressure distribution in wells is calculated using a correlation similar to that used in the tNavigator software. A comparison was made between the calculation results obtained using the integrated model based on D-CRMP and the calculations in the tNavigator.

Авторлар туралы

V. Lebedev

Tyumen Branch of the Khristianovich Institute of Theoretical and Applied Mechanics SB RAS; Industrial University of Tyumen

Email: vilebedev.72@gmail.com

E. Musakaev

Tyumen Branch of the Khristianovich Institute of Theoretical and Applied Mechanics SB RAS; NS Digital LLC

N. Musakaev

Tyumen Branch of the Khristianovich Institute of Theoretical and Applied Mechanics SB RAS; Industrial University of Tyumen

S. Rodionov

Tyumen Branch of the Khristianovich Institute of Theoretical and Applied Mechanics SB RAS

Әдебиет тізімі

  1. State-of-the-Art Literature Review on Capacitance Resistance Models for Reservoir Characterization and Performance Forecasting / R. W. de Holanda, E. Gildin, J. L. Jensen. – Text : electronic // Energies. – 2018. – Vol. 11. – URL: https://doi.org/10.3390/en11123368.
  2. Salehian, M. Reservoir characterization using dynamic capacitanceresistance model with application to shut-in and horizontal wells / M. Salehian, M. Çınar. – doi: 10.1007/s13202-019-0655-4. – Direct text // Journal of Petroleum Exploration and Production Technology. – 2019. – Vol. 9. – P. 2811–2830.
  3. Cao, F. Oil-Rate Forecast by Inferring Fractional-Flow Models From Field Data With Koval Method Combined With the Capasitance/Resistance Model / F. Cao, H. Luo, L. W. Lake. – doi: 10.2118/173315-PA. – Direct text // SPE Reservoir Evaluation & Engineering. – 2015. – Vol. 18. – P. 534–553.
  4. Kraft, D. A software package for sequential quadratic programming / D. Kraft. – Koln : DLR German Aerospace Center – Institute for Flight Mechanics, 1988. – 33 p. – Direct text.
  5. Решение обратной задачи в рамках модели D-CRMP с учетом прогнозных свойств / Н. Г. Мусакаев, С. П. Родионов, В. И. Лебедев, Э. Н. Мусакаев. – doi: 10.31660/0445-0108-2023-2-62-82. – Текст : непосредственный // Известия высших учебных заведений. Нефть и газ. – 2023. – № 2. – C. 62–82.
  6. Сопровождение разработки нефтяных месторождений с использованием моделей CRM : монография / С. В. Степанов, А. Д. Бекман, А. А. Ручкин, Т. А. Поспелова. – doi: 10.54744/TNSC.2021.53.50.001. – Тюмень : ИПЦ «Экспресс», 2021. – 300 с. – Текст : непосредственный.
  7. Sayarpour, M. Development and Application of Capasitance-Resistive Models to Water/CO2 Floods : PhD dissertation / M. Sayarpour ; University of Texas. – Austin, 2008. – URL: https://repositories.lib.utexas.edu/handle/2152/15357. – Text : electronic.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».