| Освітній рівень | Третій (доктор філософії) |
| Програма навчання | Вибіркова |
| Галузь знань | 18 Виробництво та технології |
| Спеціальність | 185 Нафтогазова інженерія та технології |
| Освітня програма | Нафтогазова інженерія та технології |
| Обсяг дисципліни | 5 кредити ECTS (150 академічних годин) |
| Види аудиторних занять | лекції (38 академічних годин), практичні роботи (22 академічних годин), самостійна робота (90 академічних годин) |
| Форма контролю | Екзамен |
Мета навчальної дисципліни
Моделювання процесів видобутку з пласта на поверхню є важливим інструментом, який може бути використаний для моделювання, а також прогнозування видобутку із звичайних, нетрадиційних та природних тріщинуватих колекторів. Тип імітаційної моделі пласта, що використовується, є важливим у цьому процесі. Для моделювання пласта можна використовувати моделі блек ойл та композиційну. Моделювання за допомогою блек ойл простіше і менш трудомістке, ніж композиційне моделювання.
Однак наскільки точні результати моделювання на блек ойл порівняно з результатами композиційного моделювання? Чи можемо ми дозволити собі поставити під загрозу точність прогнозів видобутку, використовуючи простіші та менш трудомісткі методи моделювання пласта? Чи можна певною мірою довіряти результатам? Результати однофазного (на основі аналітичних рівнянь дифузії) та двофазного моделювання блек ойл (кінцеві різниці), а також результати композиційного моделювання були проаналізовані та порівняні у окремо вибраних польових дослідженнях.
Крім того, ми досліджуємо надійність рішення. Після виконання моделювання виникає запитання "Наскільки добре рішення?" Невелика помилка у підрахунку матеріального балансу вказує на те, що загальний об'єм флюїду підрахований правильно, але не гарантує правильності його розподілу. Якщо отриманий розподіл флюїду викликає сумніви, необхідний систематичний аналіз. Змінні, що впливають на розподіл насичення, пов'язані із застосованою дискретизацією часу та простору. Таким чином, для правильного математичного аналізу слід дослідити чутливість результатів до часово-просторової дискретизації.
Таким чином, підготовка за програмою актуальна для фахівця з інших галузей, крім нафтової інженерії, який хотів би у подальшому будувати кар'єру у нафтогазовій інженерії.
Завдання навчальної дисципліни
Навчальна програма надає не тільки дуже корисні приклади, але також відповідне обговорення керівних принципів у роботі за обраним проектом (наприклад, фронтальне заводнення із врахуванням гравітаційних ефектів та без нього). Крім того, вправи у межах проекту моделювання фільтрації супроводжуються простим симулятором пласта, де можна відтворити багато подібних прикладів. Найголовніше, що зміст курсу наголошує на важливості того, щоб починати з найосновнішої моделі для вирішення вашої інженерної задачі. Найчастіше рівняння аналітичної моделі можуть стати рішенням у результаті правильного розуміння фізики фільтрації у пористих середовищах.
Далі, дослідження охоплюють поєднання елементів пласта, методи кількісної оцінки невизначеності в позиціонуванні свердловини (з різними траєкторіями). Учасники курсу повинні знати про використання геостатистики та методів Монте-Карло при моделюванні фільтрації вуглеводнів. У межах курсу вибрані приклади задач та їх рішень забезпечать інженерам-нафтовикам велику практику в галузі вирішення задач, зміцнять їх стратегії пошуку рішень, критичного мислення та підготують їх до унікальних задач, з якими вони зіткнуться у галузі інженерного моделювання фільтрації.
Передумови для вивчення дисципліни
Загальні знання фізики пласта та розуміння геології та геофізики:
петрофізика; поглиблена фізика пласта; ПВТ характеризація флюїдів; випробування свердловин, аналіз геопромислових даних;
Фізика і математика пористого середовища
Теорія фільтрації, Математика – теорія гомогенізації; Математичне та чисельне моделювання фільтрації у пористому середовищі
Математична статистика
Варіограми; Крігінг; Стохастичне моделювання; Геостатистика та метод Монте Карло
Оцінки ризиків:
Проксі моделювання, Нейронні мережі; Штучний інтелект
Невизначеності даних
Невизначеність та інтегровані дані
Маючи фізичні залежності за керуючий принцип, ми можемо побудувати імітаційну модель пласта, наповнюючи її іншою детальною інформацією, включаючи властивості гірських порід, властивості флюїдів, початкові та граничні умови колектора тощо. Імітаційна модель пласта - це дистиляція величезної кількості багатомасштабних даних значної кількості різних досліджень.
Програмні результати навчання
У результаті вивчення навчальної дисципліни аспірант повинен
знати: Процедури верифікації та прогнозу роботи пласта, умови видобутку та пластові умови у конкретних умовах розробки або експлуатації. Бути обізнаними із різноманітними додатками для моделювання фільтрації у польових умовах. Вибрати серед багатьох підходів до прогнозування виробничих показників найбільш ефективний. Використовувати програмні засоби моделювання фільтрації з іншими традиційними методами як матеріальний баланс, який, як вказує його назва, базується на балансі маси. Це також можна сприймати це як нульвимірне наближення, оскільки повний опис пласта не є необхідним. Крім того, це наближення розглядає незалежне від часу значення ємності пласта (без змін у пористому середовищі) як відносно прості термодинамічні репрезентації флюїда, які однозначно визначають весь пласт. Цей підхід добре працює у багатьох ситуаціях, включаючи первинні етапи розробки та заводнення.
вміти:
-
правильне інтерпретувати фундаментальний процес, що відбувається у пласті, так званої «фільтрації рідини у пористих середовищах». Уміти вибирати різне програмне забезпечення для флюїдів, що фільтруються через проникну породу, дістаються до стовбура свердловини і потім подаються до сепаратора по трубах. Крім того, знання з інтеграції даних, тобто побудови імітаційної моделі пласта, залучення до перегляду даних з усіх різних ресурсів. У додачу до перевірки правильності та узгодженості даних і формування "огляду" пласта.
-
знати, що прогноз видобутку зі свердловини, який виконується під час моделювання, дає прогноз продуктивності пласта.
-
забезпечувати проведення аналізу, щоб визначити найкращі рішення проблем верифікації моделі. Розраховувати та зменшувати операційні ризики для нових або існуючих родовищ. Створювати точні прогнози за допомогою автоматизованих робочих процесів.
-
розуміти, що описати родовище без значної кількості невизначеності надзвичайно складно і важко. Основні причини, через які не можливо вимірювати властивості безпосередньо, є те, що геологічна структура формується природним осадженням у поєднанні з дуже складними геологічними процесами. Навіть геометричний простір пласта дуже складно описати. Бути знайомими з інструментами прийняття рішень, оскільки інформація, запропонована моделюванням, допоможе менеджменту приймати рішення з різних інженерних або економічних питань.