ОЦІНКА СТУПЕНЯ СКЛАДНОСТІ ВИЛУЧЕННЯ ВАЖКОВИДОБУВНИХ НАФТ НА ОСНОВІ ЇХНЬОЇ КЛАСИФІКАЦІЇ
DOI:
https://doi.org/10.17721/1728-2713.88.11Ключові слова:
щільність, в'язкість, Проникність, нечіткий кластер, важковидобувні запаси, ступінь складності вилучення, нафтовіддачаАнотація
Розглянуто результати застосування кластерного аналізу при оцінці ступеня складності вилучення запасів нафти та його впливу на показник ефективності. З цією метою виконано кластеризацію із застосуванням алгоритму нечіткого кластер-аналізу. Слід зазначити, що поряд з родовищами важких і високов'язких нафт велика частка важковидобувних запасів приурочена також і до умов з дуже низькими значеннями проникності колекторів. Зібрані дані про в'язкості, густини нафти і проникність порід в умовах залягання нафт з різних родовищ Казахстану. За результатами даної класифікації проведено статистичний аналіз показників різних типів важковидобувних нафт. У процесі аналізу для кожного виділеного класу нафт визначалася узагальнена характеристика, що включає в'язкість, щільність нафти і проникність колекторів в умовах залягання. Узагальнена характеристика являє собою лінійне перетворення зазначених трьох характеристик. Результати були статистично оброблені. При цьому автори спробували встановити і проаналізувати взаємозв'язок між ступенем складності видобутку важковидобувних нафт і коефіцієнтом нафтовіддачі. У процесі аналізу розраховувалися середні значення коефіцієнта нафтовіддачі й показника ступеня складності видобутку важковидобувних нафт усередині кожного кластера і будувалася залежність між ними. Зазначена залежність, побудована по осереднених точках, близька до ступеневої, причому, як і слід було очікувати, зі збільшенням ступеня складності видобування нафти коефіцієнт нафтовіддачі падає. Отримані оцінки ступеня складності видобування нафти дозволяють ранжувати різні типи нафт за їхньою в'язкістю, щільністю і проникністю порід в умовах залягання, що можна використовувати для порівняння типів важковидобувних нафт за величиною показника якості. Методи розв'язання проблеми, пов'язаної з важковидобувними високов'язкими і важкими нафтами, повинні бути спрямовані на зниження в'язкості нафти у пласті: закачування гарячої води/пари у пласт, застосування електричних обігрівачів та ін. Мета. Оцінка ступеня складності вилучення запасів і його впливу на ефективність розробки родовищ. Методика. Рішення поставлених у роботі завдань здійснювалося методами математичної статистики і теорії нечітких множин. При цьому були використані: методика обробки результатів, кореляційний аналіз, а також алгоритм нечіткого кластер-аналізу. Результати. У результаті досліджень отримано чотири класи запасів, кожен з яких характеризує ступінь складності вилучення запасів; запропоновано параметр для кількісної оцінки ступеня складності, що включає щільність і в'язкість нафти, проникність колекторів в умовах залягання; отримано залежність між цим параметром і коефіцієнтом нафтовіддачі. Наукова новизна. Виконано класифікацію важковидобувних запасів, засновану на нечіткому кластер-аналізі, запропоновано параметр для кількісної оцінки ступеня складності вилучення запасів; отримано залежність, що дозволяє оцінювати нафтовіддачу пласта за ступенем складності вилучення запасів. Практична значимість. Отримані результати дозволяють провести класифікацію важковидобувних запасів і приймати рішення щодо вибору методів впливу на пласт у різних геологічних умовах.
Посилання
Akhmetov, D.A., Efendiyev, G.M., Karazhanova, M.K., Koylibaev, B.N. (2018). Classification of Hard-to-recover Hydrocarbon Reserves of Kazakhstan with the Use of Fuzzy Cluster-analysis. 13th International Conference on Application of Fuzzy Systems and Soft Computing, ICAFS 2018. 27-28 August 2018, Warsaw, Poland, 865–872.
Antoniadi, D.G., Savenyuk O.V. (2013). Analysis of the structure of hard-torecover reserves and growth trends. GeoEngineering, 18, 2, 76–80. [in Russian]
Bezdek, J.C., Ehrlich, R, Full, W. (1984). FCM: The fuzzy c-means clustering algorithm. Computers & Geosciences, 10, 2–-3, 191–203.
Dolynskiy, I. (2017). Geoinformation expert-modeling complex of research of regional models in geology. Visnyk of Taras Shevchenko National University of Kyiv. Geology, 79, 4, 86–91. [in Ukrainian]
Efendiyev, G.M., Mammadov, P.Z., Piriverdiyev I.A., Mammadov, V.N. (2018). Estimation of the lost circulation rate using fuzzy clustering of geological objects by petrophysical properties. Visnyk of Taras Shevchenko National University of Kyiv. Geology, 81, 2, 28–33.
Koilybayev, B.N., Strekov, A.S., Bissembayeva, K.T., Mammadov, P.Z., Akhmetov, D.A., Kirisenko, O.G. (2018). Decision-making on restriction of water inflows into oil wells in dependence on the type of initial information. 13th International Conference on Application of Fuzzy Systems and Soft Computing, ICAFS 2018, 27-28 August 2018, Warsaw, Poland, 859–864.
Lisovsky, N.N., Khalimov, E.M. (2009). On the classification of hard-torecover reserves. Bulletin of TsKR Rosnedra, 6, 33-35. [in Russian]
Maksutov, R., Orlov, G., Osipov, A. (2005). The development of highviscosity oil reserves in Russia. Energy Technologies, 6, 36–40. [in Russian]
Muslimov, R.H. (2016). New classification of reserves and resources of oil and combustible gases – moving forward or backwards? Georesources, 18, 2, 80–87. Retrieved from https://cyberleninka.ru/article/n/novaya-klassifikatsiya-zapasov-iresursov-nefti-i-goryuchih-gazov-dvizhenie-vpered-ili-vspyat [in Russian]
Nvizug-Bi, L.K., Savenok, O.V. (2015). Hard-to-recover hydrocarbon reserves, important resources in the territory of the Federal Republic of Nigeria. Proceedings of the XXI International Scientific and Practical Conference, current state of natural and technical sciences, 41–46. Retrieved from https://cyberleninka.ru/article/n/ekonomicheskaya-znachimost-razrabotkiosvoeniya-i-dobychi-bituma-iz-bituminoznogo-peska-i-tyazheloy-nefti-vnigerii [in Russian]
Sabeti, H., Javaherian, A. (2009). Seismic Facies Analysis Based on K-means Clustering Algorithm Using 3D Seismic Attributes. Shiraz 2009 - First International Petroleum Conference & Exhibition, 4-6 May 2009, Iran, Shiraz. Retrieved from https://www.researchgate.net/publication/286973601_Seismic_Facies_Analysis_ Based_on_K-means_Clustering_ Algorithm_Using_3D_Seismic_Attributes
Vyzhva, S., Solovyov, I., Kruhlyk, V., Lisny, G. (2018). Prediction of high porosity zones in clay rocks at the eastern Ukraine. Visnyk of Taras Shevchenko National University of Kyiv. Geology, 80, 1, 33-39. [in Ukrainian]
Yashchenko, I.G., Polishchuk, Yu.M (2016). Hard-to-recover oils and analysis of their properties based on classification by oil quality. Bulletin of the Russian Academy of Natural Sciences (West-Siberian Branch), 19, 3744. [in Russian]
Zaichenko, Yu.P., Gonchar, M.A. (2007). Fuzzy cluster analysis methods in problems of automatic classification in the economy. News of the National Technical University of Ukraine "Kyiv Polytechnic Institute". Ser.: Informatics, control and obscuration technology, 47, 198-206. Retrieved from http://nbuv.gov.ua/UJRN/Vkpi_iuot_2007_47_22
Zhang, L. (2015). Improvement of K-means algorithm and its applications in analysis of geological exploration seismic data. Electronic Journal of Geotechnical Engineering, 20, 12, 4423–4434.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2023 Вісник Київського національного університету імені Тараса Шевченка. Геологія
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
Ознайомтеся з політикою за посиланням: https://geology.bulletin.knu.ua/licensing
