Оперативная оценка экономического потенциала месторождений на раннем этапе разработки на основе популяционных алгоритмов оптимизации

Abstract

Актуальность исследования связана с необходимостью оперативного подбора оптимальной системы разработки, одним из ключевых параметров которой является расположение фонда скважин. Как правило, для оценки экономической потенциала объекта используются детерминистические подходы, основанные на ограниченном количестве геологических реализаций (перцентили 10, 50, 90) или критерии рентабельности и последующей аналитической оценкой профилей добычи скважин. Данные подходы не позволяют полноценно оценить систему и принять обоснованные решения при планировании системы разработки месторождения в условиях высокой геологической изменчивости и неопределенности. Увеличить количество оцениваемых геологических реализаций можно за счет ремасштабирования гидродинамической модели. Предполагается, что усовершенствованный подход с использованием популяционных алгоритмов оптимизации позволит производить автоматический подбор фонда для различных геологических реализаций и снизить затраты при проектировании вариантов разработки месторождений. Цель: совершенствование подходов оперативного подбора параметров оптимального расположения и длины скважин добывающего фонда на основе оптимизационных алгоритмов для оценки экономического потенциала объекта разработки и обоснования оптимального проектного решения. Объект: пласт нефтегазоконденсатного месторождения Восточной Сибири. Методы: математическое моделирование, оптимизационные алгоритмы и статистические методы. Результаты. Предлагаемый подход включает ремасштабирование модели и использование популяционных оптимизационных алгоритмов для исключения недостатков общепринятого подхода. Выделенный подход позволил находить оптимальный фонд скважин с минимальной погрешностью объемов добываемого целевого флюида, что обеспечило также высокую сходимость экономических расчетов по сравнению с детальной мелкоячеистой моделью. Метод роя частиц обеспечил сопоставимые результаты при меньшем числе итераций в сравнении с генетическим алгоритмом, однако позволил производить оптимизацию в более короткие сроки. Расхождение между моделями для основных показателей остался в пределах допустимых значений (нефть до 12 %, чистая приведенная стоимость менее 5 %). Средний цикл оптимизации занял 400 итераций и 130 минут. Предлагаемый подход с ремасштабированием модели позволил ускорить процесс поиска оптимального фонда скважин приблизительно в 10 раз

Relevance. The necessity of operative selection of the optimal development system, one of the key parameters of which is the location of the well stock. At present deterministic approaches based on a limited number of geological realizations (percentiles of 10, 50, 90 or profitability criteria) followed by analytical evaluation of well production profiles are used for economic evaluation of the object potential. These approaches do not allow fully evaluating the system and making reasonable decisions when planning the field development system under conditions of high geological variability and uncertainty. It is possible to increase the number of estimated geologic realizations by upscaling the simulation model. It is assumed that the proposed approach with population optimization algorithms will allow automatic selection of the stock under geological uncertainty in order to probabilistically assess the economic potential of the object and reduce costs while designing field development options. Aim. Improvement of approaches for operational selection of parameters of optimal location and length of producing wells based on optimization algorithms to assess the economic potential of the development object and justify the optimal design solution. Object. Reservoir of oil and gas condensate field in Eastern Siberia. Methods. Mathematical modelling, optimization algorithms and statistical methods. Results. The proposed approach includes upscaling of the model and usage of population optimization algorithms to eliminate the disadvantages of the conventional approach. The selected approach allowed finding the optimal well stock with minimal error of volumes of produced target fluid compared to full-scale precise 3D model, which also provided high convergence of economic calculations. The particle swarm optimization method provided comparable results with a smaller number of iterations compared to the genetic algorithm, but allowed for shorter optimization times. The discrepancy between the models for the main indicators remained within acceptable values (oil up to 12%, net present value less than 5%). The average optimization cycle took 400 iterations and 130 minutes. The proposed approach with upscaling of the simulation model to find the optimal well stock reduced the calculation time by 10 times