Методы прогнозирования пластовой вязкости нефти в условиях неполной исходной промысловой информации

Фрейман, О.А.; Еремин, Н.А.

Авторы: Фрейман О.А., Еремин Н.А.
Сборник: Сб. докл. 11-я Международная научно - практическая конференция "Интеллектуальное месторождение: инновационные технологии от пласта до магистральной трубы", 10.10. 2023 г. (г. Сочи). Сочи, Краснодарский край, 2023 г
Глава в коллективной монографии
Год издания: 2023
Место издания: ООО «Научно-производственная фирма «Нитпо» Краснодар: ООО «Научно-производственная фирма «Нитпо»
Первая страница: 61
Последняя страница: 64
Аннотация: Freiman O.A., Eremin N.A. Methods for Predicting Reservoir Viscosity of Oil Under Conditions of Incomplete Initial Field Information // Collection of documents of the 11th International Scientific and practical Conference "Intellectual field: innovative technologies from stratum to header pipe", 10.10. 2023 (Sochi). Sochi, Krasnodar Territory, 2023 / Nitpo Scientific and Production Company LLC - Krasnodar: Nitpo Scientific and Production Company LLC, 2023. – pp. 61-64 (107 p.). ISBN 978-5-905924-43-9Oil viscosity is one of the main parameters for solving numerous reservoir problems and one of the most difficult to predict using classical heavy oil correlations. Experimental determination of oil viscosity requires a lot of time and expense, therefore, the development of an accurate and fast prediction model is an urgent problem. This article discusses 2 methods of forecasting: classical correlation and machine learning. More than 5,000 reservoir data were used to develop and test models. We used data on the properties of oils, the viscosity of which varies over a wide range. This study provides an insight into the characteristics of various relationships that have been used in the literature to determine oil viscosity. The results show that the dependence f (, T) has the best characteristics. The proposed model is able to reliably simulate the trend of oil viscosity with changes in oil density and temperature.Keywords: PVT-properties, reservoir properties, viscosity, machine learning, neural networks, optimization of the field development process, oil and gas, artificial intelligence.Фрейман О.А., Еремин Н.А. Методы прогнозирования пластовой вязкости нефти в условиях неполной исходной промысловой информации // Сб. докл. 11-я Международная научно - практическая конференция "Интеллектуальное месторождение: инновационные технологии от пласта до магистральной трубы", 10.10. 2023 г. (г. Сочи). Сочи, Краснодарский край, 2023 г. / ООО «Научно-производственная фирма «Нитпо» – Краснодар: ООО «Научно-производственная фирма «Нитпо», 2023. – С. 61-64 (107 с.). ISBN 978-5-905924-43-9 Вязкость нефти является одним из основных параметров для решения многочисленных проблем разработки залежей и одним из самых сложных для прогнозирования с помощью классических корреляций тяжелой нефти. Экспериментальное определение вязкости нефти требует много времени и затрат, следовательно, разработка точной и быстрой модели прогнозирования является актуальной проблемой. В этой статье рассмотрены 2 способа прогнозирования: классическая корреляция и машинное обучение. Для разработки и тестирования моделей было использовано более 5000 пластовых данных. Использованы данные о свойствах нефтей, вязкость которых меняется в широком диапазоне. В этом исследовании дано представление о характеристиках различных зависимостей, которые использовались в литературе для определения вязкости нефти. Результаты показывают, что зависимость f (, T) имеет наилучшие характеристики. Предлагаемая модель способна достоверно имитировать тренд вязкости нефти с изменениями плотности нефти и температуры.Ключевые слова: PVT-свойства, пластовые свойства, вязкость, машинное обучение, нейронные сети, оптимизация процесса разработки месторождения, нефть и газ, искусственный интеллект.Заключение: В данной статье демонстрируется сравнение применения алгоритмов машинного обучения и классических корреляций для прогнозирования вязкости нефти на основе различных функциональных форм. Исследование показало, что машинное обучение является более эффективным инструментом для прогнозирования вязкости нефти, и этот метод может применяться для снижения стоимости лабораторных измерений. Было обнаружено, что, поскольку машинное обучение объединяет достоинства базовых алгоритмов известных моделей нейросетевого моделирования, его возможности в более точном прогнозировании вязкости нефти могут совершенствоваться. Кроме того, машинное обучение может повысить точность моделирования вязкости нефти при неполной и нечёткой исходной информации.Список использованных источников:1. Брусиловский А.И. Научно обоснованный инженерный метод определения компонентного состава и PVT свойств пластовых углеводородных смесей при неполной исходной информации // PROНЕФТЬ. Профессионально о нефти. – 2016. – № 1. – С. 68-74.2. Дунюшкин И.И., Мищенко И.Т., Елисеева Е.И. Расчеты физико-химических свойств пластовой и промысловой нефти и воды. М.: ФГУП Из-во «Нефть и газ» РГУ нефти и газа им. И.М. Губкина, 2004. – 448 с.3. Ющенко Т.С., Брусиловский А.И. Эффективный метод построения и адаптации PVT-моделей пластовых флюидов газоконденсатных месторождений и газовых шапок нефтегазоконденсатных залежей // Нефтяное хозяйство. – 2015. – № 1. – С. 56-60.4. Muhammad Ali Al-Marhoun, Salih o. Duffuaa, Sidqi A. Abu-Khamsin Viscosity correlations for Saudi Arabian crude oils // SPE the Middle East Oil Show, March 1987, Bahrain. Paper SPE-15720-MS.5. Al-Fattah S.M. Artificial-Intelligence Technology Predicts Relative Permeability of Giant Carbonate Reservoirs // SPE Offshore Europe Conference, 4–7 September 2007, Aberdeen, Scotland, U.K. Paper SPE 109018.6. Naseri A., Yousefi S.H., Sanaei A., Gharesheikhlou A.A. A neural network model and an updated correlation for estimation of dead crude oil viscosity // Braz. J. Pet. Gas. 2012. P. 6.7. Hadavimoghaddam F., Mishchenko I. Introducing A New Correlation Method to Predict PVT Properties of Russian And Iranian Crude Oils // Program Student Technical Conference (STC). 7–8 November 2018, Freiberg.
Добавил в систему: Еремин Николай Александрович

	ИСТИНА	Войти в систему Регистрация
	ФНКЦ РР
	Главная Поиск Статистика О проекте Помощь

ИСТИНА

ФНКЦ РР

Методы прогнозирования пластовой вязкости нефти в условиях неполной исходной промысловой информациистатья

Прикрепленные файлы