Моделирование ГРП на жидкости, вспененной газом / Матмоделирование

 

Цель проекта
Разработка и верификация моделей для повышения эффективности гидроразрыва пласта в низкопроницаемых коллектора.


Ключевые задачи

  1. Моделирование роста трещины с учетом реологии пены 
  2. Оптимизация плана закачки и состава жидкости 
  3. Оценка проводимости трещины после ГР 

Результаты

  • Разработаны уникальные модели, подтвержденные публикациями в международных журналах.
  • Увеличена песконесущая способность жидкости и конечная проводимость трещины.
  • Показана возможность повышения эффективности добычи на 15-20%.

Применяемые технологии и методы
2D и Pseudo3D моделирование, уравнения состояния для многокомпонентных сред.  

Статус проекта   
Завершен.Результаты используются для планирования ГРП.

 

 

Инструмент прокси-моделирования энергетического состояния залежи / Цифровые двойники

Цель проекта
Создание оперативного инструмента для автоматизированного построения и актуализации карт пластовых давлений и проницаемости.


Ключевые задачи

  1. Интеграция данных с различных скважин (ВС, ГРП, ГС).
  2. Учет двухфазной фильтрации и геологических особенностей (разломы). 
  3. Оценка взаимного влияния скважин (MPI). 

Результаты

  • Сокращение времени построения актуальных карт изобар с нескольких недель до одного дня.
  • Повышение точности контроля разработки месторождения.

Применяемые технологии и методы
2D и Pseudo3D моделирование, уравнения состояния для многокомпонентных сред.    

Статус проекта   
Внедряется.

 

 

Прогноз производительности скважин в неоднородных коллекторах /  Матмоделирование

Цель проекта
Разработка быстрого и точного метода расчета продуктивности скважин и распределения давления.


Ключевые задачи

  1. Определение взаимного влияния скважин и построение матрицы продуктивностей.
  2. Интерпретация гидродинамических исследований скважин (ГДИС). 
  3. Планирование производительности новых скважин.

Результаты

  • Скорость расчетов в несколько раз выше, чем у полномасштабных 3D-моделей.
  • Повышение точности прогноза на 20-25% по сравнению с аналитическими методами.

Применяемые технологии и методы
Численно-аналитические алгоритмы, учет произвольной неоднородности пласта.    

Статус проекта   
Внедрено в промышленную эксплуатацию..

 

 

Оптимизация эксплуатации скважин с выносом песка /  Матмоделирование

Цель проекта
Увеличение межремонтного периода скважин и сокращение затрат на ремонт оборудования.
 

Ключевые задачи

  1. Автоматизированный подбор внутрискважинных фильтров.
  2. Моделирование переноса песка и прогноз осложнений (эрозия, пересыпание забоя). 
  3. Оптимизация вывода скважины на режим.

Результаты

  • Увеличение времени работы скважины между промывками на 30%.
  • Снижение скин-эффекта и издержек на подъем нефти на 15-20%.
  • Улучшение планирования ремонтов оборудования.


Применяемые технологии и методы
Гидродинамическое моделирование, реология дисперсных систем.    

Статус проекта   
Внедрено в промышленную эксплуатацию.

 

 

Инструмент вероятностных расчетов запускного дебита скважин /  Аналитика данных

Цель проекта
Создание надежного инструмента для оценки дебита новых скважин с учетом неопределенности исходных данных. 

Ключевые задачи

  1. Анализ и обработка экспериментальных данных.
  2. Разработка аналитических и численных методик расчета. 
  3. Оценка рисков и неопределенности. 

Результаты

  • Создан прототип инструмента для оценки диапазона возможных дебитов.
  • Повышена надежность планирования добычи и экономических расчетов.


Применяемые технологии и методы
Вероятностное моделирование, подбор плотностей распределения.    

Статус проекта   
Разработка прототипа завершена. На стадии тестирования. 

 

 

Применение ИИ для оценки эффективности нефтегазовых активов /  Искусственный интеллект

Цель проекта
Разработка системы на основе Value of Information (VOI) для оценки экономической целесообразности проведения ПГИ и РИР.  

Ключевые задачи

  1. Построение вероятностных моделей поиска дефектов и зон кратно сниженной проницаемости (ЗКП).
  2. Прогноз дебитов после проведения ремонтно-изоляционных работ (РИР). 
  3. Интеграция экономической модели для расчета VOI. 

Результаты

  • Создан алгоритм принятия решений о проведении ПГИ на основе объективных экономических критериев. 
  • Снижение риска неэффективных капиталовложений в мониторинг и ремонт скважин.


Применяемые технологии и методы
Вероятностное моделирование, машинное обучение для прогнозирования дебитов.     

Статус проекта   
Внедряется в пилотном режиме.  

 

 

Пространственная интерполяция сейсмических данных на основе PINN /  Искусственный интеллект

Цель проекта
Повышение детализации и достоверности сейсмических данных за счет генерации трасс в узлах редкой сети наблюдений.   

Ключевые задачи

  1. Восстановление пропущенных сейсмотрасс.
  2. Позволяет снизить затраты на полевые работы без потери качества данных. 

Результаты

  • Создан алгоритм, превосходящий классические методы интерполяции по точности.  
  • Снижение риска неэффективных капиталовложений в мониторинг и ремонт скважин.


Применяемые технологии и методы
Физические нейронные сети (Physics-Informed Neural Networks, PINN).     

Статус проекта   
Разработка.  

 

 

Шумоподавление на сейсмограммах с использованием CNN /  Искусственный интеллект

Цель проекта
Создание алгоритма для автоматического подавления различных типов шумов на сейсмограммах.    

Ключевые задачи

  1. Улучшение соотношения сигнал/шум.
  2. Повышение четкости и читаемости сейсмических данных. 

Результаты

  • Разработана и обучена CNN, эффективно фильтрующая шумы.  
  • Ускорение и автоматизация процесса предобработки сейсмических данных.


Применяемые технологии и методы
Сверточные нейронные сети (CNN), преобразование Фурье.     

Статус проекта   
Разработка.  

 

 

Автоматическая интерполяция ГИС в межскважинном пространстве на основе моделей Transformer /  Искусственный интеллект в геофизике

Цель проекта

Создание системы для автоматического анализа данных ГИС и прогнозирования свойств пласта
в межскважинном пространстве.    

Ключевые задачи

  1. Предсказание кривых ГИС.
  2. Восстановление пропущенных данных каротажа.
  3. Мультимодальный анализ данных. 

Результаты

  • Повышена скоростьи объективность интерпретации.
  • Получена возможность прогнозировать свойства коллектора в зонах с отсутствием данных.


Применяемые технологии и методы
Модели Deep Learning (Трансформеры с механизмом внимания, LSTM, CNN).

Статус проекта
 
Опытно-промышленные испытания.