Пример использования интегрированного моделирования для оптимизации (в принципе конечно можно обойтись и без IPM).
Ровно год назад решили провести оптимизацию одного из наших месторождений с целью увеличить добычу нефти, сэкономить на опексах и тем самым увеличить конечный NPV.
Для начала сфокусировались на одном из пластов (всего их 5), самом проблемном. Месторождение мелкое, текущие запасы оптимизируемого пласта около 1 MM bbl. Пласт представлен высокопроницаемым песчаником, нефтенасыщенная толщина около 6 метров, подстилаемых водой. Вязкость нефти около 7 сП в пластовых условиях, вязкость воды 0.92 сП.
На настоящий момент пласт разрабатывается 2-мя горизонтальными скважинами, пробуренными в конце 2008 года с длиной горизонтальной секции около 300 метров, по сути представляющие собой открытый ствол. Горизонтальные секции закончены нецементируемыми щелевыми/проперфорированными фильтрами. Первые месяцы после окончания бурения и ввода в добычу скважины эксплуатировались фонтанным способом с дебитами около 160 м3/сут, затем спустя несколько месяцев по мере роста обводненности в скважины были спущены ЭЦН с дебитами 300 и 250 м3/сут.
Очевидно, что вследствие малых нефтенасыщенных толщин и подошвенной воды скважины достаточно быстро обводнились. В обеих скважинах вода появилась спустя несколько дней после ввода в работу. К настоящему моменту, спустя 2 года, обводненность составляет порядка 85%. При этом, следует отметить, что сбор продукции со скважин осуществляется трубопроводами, на пункт налива нефти, где производится дегазация нефти, а далее жидкость без предварительного сброса воды доставляется автотранспортом до УПСВ, находящемся на расстоянии около 90 км, что приводит к высоким операционным затратам, напрямую зависящим от объемов добываемой жидкости.
Оптимизация отборов жидкости и стала основной задачей. Цель оптимизации, как уже упоминалось – максимизация суммарного NPV и добычи нефти.
Проведя некоторую работу с существующей гидродинамической моделью, выяснилось, что скважина №1 лучше реагирует (на модели) изменением обводненности на изменение дебита по жидкости. При этом при снижении добычи жидкости до 30-50% от текущего уровня происходило увеличение дебита нефти по сравнению с текущими дебитами спустя несколько месяцев за счет уменьшения обводненности. При бОльшем снижении низкие значения обводненности не компенсировали значительное снижение дебита по жидкости. На второй скважине снижение эффекта конусообразования выражено не так явно. Снижение обводненности происходило лишь на несколько процентов при значительном сокращении дебита. В основном проиходило лишь снижение темпов роста обводненности.
Поиск оптимальных режимов решили произвести в интегрированной модели в Resolve, включающей в себя настроенную на историю добычи гидродинамическую модель (Eclipse), модели скважин (Prosper), модель наземной инфраструктуры (GAP), экономическую модель с заданными в ней целевыми функциями (Excel).
В качестве целевых функций использовались различные варианты –
- NPVi –> max – текущее значение NPV
- DNCFi –> max- текущее значение чистого дисконтируемого потока
- OPEXi –> min
- Cum. Oil –> max
- WCT –> min
- Различные комбинации вышеперечисленных функций
Поиск оптимального решения происходил в области ограниченной по дебитам, давлениями на сепараторе.
Основная проблема состояла в том, что из-за использования в Resolve оптимизатора SLP (Sequential Linear Programming), применяемого для оптимизации нелинейных задач путем линеаризации целевой функции, оптимальное решение часто оказывалось на углах границы областей ограничивающей множество допустимых значений входных параметров. Особенно если эта область была достаточно большой. В нашем случае это ограничения на минимальные и максимальные значения дебитов жидкости каждой скважины. Для уменьшения этого эффекта приходилось ограничивать область – сокращать диапазон изменения дебитов, что приближало задачу к линейной, но при этом значительно ограничивало область поиска решения.
После нескольких пробных запусков удалось найти подходящую целевую функцию и оптимальный диапазон ограничений. При этом диапазон можно было со временем изменять.
В результате анализа удалось определить, что для достижения максимального значения NPV необходимо снизить дебит в первой скважине примерно до 50% от текущего, и спустя некоторое время еще раз снизить до 30%. Что подтвердило результаты расчетов, выполненных в Eclipse без применения IPM. На второй скважине наблюдались незначительные изменения режимов, т.к. происходило лишь изменение динамики роста обводненности скважины.
Этот анализ был проведен ровно год назад. Менеджмент достаточно скептически относится к решению снизить добычу, даже, несмотря на то, что это снизит OPEX, но все же в краткосрочной перспективе также снизит добычу. В итоге в скв. #1 дебит был снижен с 220 до 170 м3/сут (77% от начального уровня), режим работы второй скважины оставили без изменений около 360 м3/сут.
Обводненность в первой скважине до снижения дебита составляла около 88%, т.е. при дебите по жидкости 220 м3/сут получаем около 26 м3/сут нефти. После снижения спустя 6 месяцев обводненность начала снижаться, при этом установился устойчивый тренд на снижение. Сейчас обводненость около 82% – т.е. нефть около 30 м3/сут. При этом за счет снижения жидкости были сокращены затраты на перевозку жидкости.
В этом году в интегрированную модель были добавлены остальные пласты месторождения и добавлено еще одно, работающее на тот же ПНН.
Результат оптимизации – увеличение NPV проекта на $0.5MM, за счет дальнейшего снижения дебита на первой скважине и на единственной скважине второго месторождения, также расположенной в водонефтяной части.
При этом суммарная модель позволила оценить целесообразность строительства УПСВ на данном объекте, что увеличило NPV проекта на несколько миллионов долларов. При этом максимальные значения NPV достигались, до завершения строительства при сохранении низких темпов отбора по 2-м вышеупомянутым скважинам, а после завершения строительства и пуска в эксплуатацию – форсированные отборы.
