Уточнение результатов решения задач разработки залежей Волго-Уральской нефтегазоносной провинции с использованием методов ранжирования геолого-статистических моделей

Целью представленного исследования являлся комплексный анализ данных о геолого-физических свойствах пластов и насыщающих их флюидов Волго-Уральской нефтегазоносной провинции с использованием методов ранжирования геолого-статистических моделей. Проведенный дискриминантный анализ по качественным критериям (тип коллектора и стратиграфическая приуроченность) позволил выявить во всех случаях зоны неопределенности, которые оказывают влияние на эффективность принятия управленческих решений в условиях объектов-аналогов. На основании этого для шести моделей произведены уточнение и актуализация результатов по принципу расчета значений ранговой уникальности тремя методами как для каждой модели по отдельности, так и для систем моделей в рамках использования их в пределах полученных распределений объектов в осях канонических дискриминантный функций. Сформулированы рекомендации теоретического и практического назначения касательно использования геолого-статистических моделей в рамках эксплуатации залежей Волго-Уральской нефтегазоносной провинции. Полученные результаты могут быть использованы при решении широкого круга практических задач проактивного управления ресурсами, что позволит эффективно определить наилучшую стратегию для успешного извлечения остаточных и трудноизвлекаемых запасов нефти. При помощи предложенной таблицы ранжирования параметров можно с высокой долей вероятности определить наиболее неустойчивые параметры и нивелировать фактор неоднородности и неравновесности промысловых данных. На основании результатов исследования установлено, что при реализации идентификации принадлежности объектов к той или иной группе в осях канонических дискриминантных функций происходит формирование зоны неопределенности, которая способствует повышению рисков принятия неэффективных управленческих решений при разработке различных по категории активов недропользователей. При помощи методов ранжирования геолого-статистических моделей предложен алгоритм построения иерархичной системы, которая позволяет как значительно расширить область применения результатов геолого-статистического моделирования в нефтегазовом деле, так и снизить риск получения непредставительных результатов.

1. Yakupov R.F., Mukhametshin V.V., Kuleshova L.S., Mingulov I.Sh. Developing an algorithm for solving a material balance equation in the context of information // Journal of Physics: Conference Series. 2021. Vol. 2032. P. 012053. https://doi.org/10.1088/1742-6596/2032/1/012053.

2. Хасанов М.М., Мухамедшин Р.К., Хатмуллин И.Ф. Компьютерные технологии решения многокритериальных задач мониторинга разработки нефтяных месторождений // Вестник инжинирингового центра ЮКОС. 2001. № 2. С. 26–29.

3. Мухаметшин В.В. Повышение эффективности управления объектами добычи нефти с использованием метода аналогий // SOCAR Proceedings. 2020. № 4. С. 42 –50. https://doi.org/10.5510/OGP20200400464. EDN: LYTMHI.

4. Хатмуллин И.Ф., Хатмуллина Е.И., Хамитов А.Т., Гималетдинов Р.А., Мезиков С.Е. Идентификация слабо выработанных зон на месторождениях с трудноизвлекаемыми запасами // Нефтяное хозяйство. 2015. № 1. С. 74–79. EDN: TIJUET.

5. Mukhametshin V.Sh., Andreev V.E., Yaskin S.A. Designing measures to increase oil recovery based on the identification and grouping of deposits // IOP Conference Series: Earth and Environmental Science. 2020. Vol. 579. P. 012013. https://doi.org/10.1088/1755-1315/579/1/012013.

6. Кулешова Л.С., Мухаметшин В.Ш. Поиск и обоснование применения инновационных методов добычи углеводородов в осложненных условиях // SOCAR Proceedings. 2022. № 1. С. 71–79. https://doi.org/10.5510/OGP-2022SI100647.

7. Krakowska P., Puskarczyk E., Jędrychowski M., Habrat M., Madejski P., Dohnalik M. Innovative characterization of tight sandstones from Paleozoic basins in Poland using X-ray computed tomography supported by nuclear magnetic resonance and mercury porosimetry // Journal of Petroleum Science and Engineering. 2018. Vol. 166. P. 389–405. https://doi.org/10.1016/j.petrol.2018.03.052.

8. Mukhametshin V.Sh. Calculation and forecast of current and final oil recovery from wells during depletion // Journal of Physics: Conference Series. 2021. Vol. 2032. P. 012047. https://doi.org/10.1088/1742-6596/2032/1/012047.

9. Закревский К.Е., Попов В.Л., Лепилин А.Е., Рыжиков Е.А. Геологические и технологические особенности создания гибких типовых шаблонов геологического моделирования // Нефтяное хозяйство. 2020. № 11. С. 38–43. https://doi.org/10.24887/0028-2448-2020-11-38-43. EDN: XLGAQA.

10. Нагульнов М.В., Растегаева Е.В., Зулькарниев Р.З., Асмандияров Р.Н. Факторный анализ успешности геолого-технических мероприятий как инструмент повышения качества геолого-гидродинамических моделей // PROНЕФТЬ. Профессионально о нефти. 2019. № 1. С. 34 –38.

11. Mukhametshin V.V., Kuleshova L.S. The role and significance of the stratigraphic factor in the identification of oil fields // IOP Conference Series: Earth and Environmental Science. 2021. Vol. 867. P. 012015. https://doi.org/10.1088/1755-1315/867/1/012015.

12. Грищенко В.А., Асылгареев И.Н., Бахтизин Р.Н., Мухаметшин В.В., Якупов Р.Ф. Методический подход к мониторингу эффективности использования ресурсной базы при разработке нефтяных месторождений // SOCAR Proceedings. 2021. № 2. С. 229–237. https://doi.org/10.5510/OGP2021SI200604.

13. Дмитриевский А.Н. Ресурсно-инновационная стратегия развития экономики России // Нефтяное хозяйство. 2017. № 5. С. 6–7. EDN: YNWVTF.

14. Еремин Н.А., Королёв М.А., Степанян А.А., Столяров В.Е. Особенности цифровой трансформации активов при реализации инвестиционных нефтегазовых проектов // Газовая промышленность. 2019. № 4. С. 108–119. EDN: ISLUFM.

15. Mukhametshin V.Sh. Rationale for the production of hard-to-recover deposits in carbonate reservoirs // IOP Conference Series: Earth and Environmental Science. 2020. Vol. 579. P. 012012. https://doi.org/10.1088/1755-1315/579/1/012012.

16. Орлова И.О., Захарченко Е.И., Скиба Н.К., Захарченко Ю.И. Методический подход к классификации месторождений и поиску месторождений-аналогов // Геология, геофизика и разработка нефтяных и газовых месторождений. 2014. № 12. С. 16–18. EDN: TCBTLR.

17. Mukhametshin V.Sh., Tyncherov K.T., Rakhimov N.R. Geological and statistical modeling of oil recovery of carbonate formations // Journal of Physics: Conference Series. 2021. Vol. 1753. P. 012080. https://doi.org/10.1088/1742-6596/1753/1/012080.

18. Tavana M., Soltanifar M., Santos-Arteaga F.J. Analytical hierarchy process: revolution and evolution // Annals of Operations Research. 2023. Vol. 326. Iss. 2. P. 879–907. https://doi.org/10.1007/s10479-021-04432-2.

19. Заде Л., Беллман Р. Принятие решений в расплывчатых условиях. М.: Мир, 1976. 142 с.

20. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. 168 с.

21. Мирзаджанзаде А.Х., Степанова Г.С. Математическая теория эксперимента в добыче нефти и газа. М.: Недра, 1977. 229 с.