Шандрыгин Александр Николаевич — доктор технических наук по специальности разработка нефтяных, газовых и газоконденсатных месторождений, главный научный сотрудник
Владение 15, строение 1, ул. Газовиков, пос. Развилка, Московская обл. 142717
SCOPUS: 6603416883
Alexander N. Shandrygin — Dr. of Sci. (Teсh.), Chief Researcher
15, bld. 1, Gazovikov str., Razvilka village, Moscow region 142717
SCOPUS: 6603416883
Саптарова Залина Ринатовна — ведущий инженер
4, ул. Большая Красная, г. Казань 420111
SCOPUS: 58029913900
Zalina R. Saptarova — Lead Engineer
18, Kremlevskaya str., Kazan 420008
SCOPUS: 58029913900
Муртазин Тимур Александрович — инженерпроектировщик
4, ул. Большая Красная, г. Казань 420111
Timur A. Murtazin — Designing engineer
4, Bolshaya Krasnaya str., Kazan 420111
Каюмов Зуфар Дамирович — инженер
4, ул. Большая Красная, г. Казань 420111
SCOPUS: 57217175738
Zufar D. Kayumov — Engineer
4, Bolshaya Krasnaya str., Kazan 420111
SCOPUS: 57217175738
Судаков Владислав Анатольевич — заместитель директора по маркетингу
7, ул. Чернышевского, г. Казань 420111
SCOPUS: 57191748649
Vladislav A. Sudakov — Deputy Director for Marketing
7, Chernyshevsky str., Kazan, 420111
SCOPUS: 57191748649
Усманов Сергей Анатольевич — заместитель директора по методической и образовательной деятельности
7, ул. Чернышевского, г. Казань 420111
Sergey A. Usmanov — Deputy Director for Methodological and Educational Activities
7, Chernyshevsky str., Kazan, 420111
Хашан Гассан Джавдат — инженер
4, ул. Большая Красная, г. Казань 420111
Ghassan D. Khashan — Engineer
4, Bolshaya Krasnaya str., Kazan 420111
Козлов Алексей Николаевич — специалист по учебно-методической работе
4, ул. Большая Красная, г. Казань 420111
Alexey N. Kozlov — Specialist teaching work
4, Bolshaya Krasnaya str., Kazan 420111
Введение. Разработка газоконденсатных месторождений (ГКМ) традиционным способом на истощение сопровождается безвозвратной потерей в пластах значительного количества конденсата и существенным снижением продуктивности газовых скважин. В настоящее время является актуальным поиск альтернативных подходов к разработке такого типа залежей с воздействием на пласт.
Цель. В мировой практике наиболее распространенный успешный опыт разработки ГКМ с воздействием на пласт связан с сайклинг-процессом для поддержания пластового давления, а также испарения углеводородов (УВ) из выпавшего конденсата в фильтрующийся через пласт сухой газ. В рамках данной работы решается задача дизайна и оптимизации сайклинга с определением доли возвращаемого в пласт сухого газа, времени начала и длительности закачки — тех параметров, от которых зависит экономическая эффективность разработки ГКМ.
Материалы и методы. Проведение серии расчетов на композиционной геолого-гидродинамической модели (ГГДМ) с варьируемыми: составом газоконденсатной смеси, величиной пластового давления на момент начала закачки, ее длительностью, а также доли возврата сухого газа обратно в пласт. Создание экономической модели для расчета чистого дисконтированного дохода для каждого сценария закачки. Обучение и тестирование нейросетевой модели.
Результаты. С использованием нейросетевых технологий созданы алгоритм и программа по подбору оптимальных объемов обратной закачки газа, времени начала закачки и ее длительности, включающих этапы: воспроизведение результатов расчетов ГДМ, определение сценария и показателей закачки газа, обеспечивающих максимальную экономическую эффективность сайклинга при данных экономических условиях.
Заключение. Разработанный алгоритм и программа представляют собой инструмент для оперативного подбора оптимального для данных геолого-физических характеристик залежи, состава и свойств пластового газа, а также экономических условий варианта реализации сайклинга, который затем может быть детально проработан с использованием полномасштабной ГГДМ залежи при проектировании и управлении процесса разработки ГКМ.
Background. The development of gas condensate fields (GCF) using conventional depletion-based approaches is accompanied by the irreversible loss of significant amounts of condensate within the reservoir and a substantial decline in gas well productivity. Currently, the search for alternative approaches to developing this type of reservoirs, involving reservoir management techniques, is a high-priority objective.
Aim. Gas cycling is an approach for GCF development, involving reservoir management, which is widely and successfully applied in global practice. This approach aims to maintain reservoir pressure and vaporize hydrocarbons from the condensed liquid back into the dry gas that flows through the reservoir. In this work, we address the problem of designing and optimizing gas cycling by determining the fraction of dry gas to be returned to the reservoir, the start time of injection, and the injection duration — the parameters that govern the economic effectiveness of GCF development.
Materials and methods. A series of simulations were performed using a compositional reservoir model, with variations in the composition of the gas condensate mixture, the reservoir pressure at the start of injection, the injection duration, and the fraction of dry gas returned to the reservoir. An economic model to calculate the net present value for each injection scenario was created. A neural network model was trained and tested.
Results. Neural network technologies were used to develop an algorithm and a software program to select the optimal volume of gas reinjection, the start time of injection, and its duration. The steps include reproducing the results of the reservoir simulations and determining the scenario and parameters of gas injection that provide maximum economic efficiency of the gas cycling process under given economic conditions.
Conclusion. The developed algorithm and software program represent a tool for a prompt selection of the optimal gas cycling implementation option for given geological and physical characteristics of the reservoir, the composition and properties of the reservoir gas, as well as economic conditions. This option can be further elaborated in detail using a full-scale reservoir model during the design and management of the GCF development process.
The authors declare that there are no conflicts of interest present.