Перспективы оптимизации работы установок подготовки нефти на примере компании ТНК-ВР. Оптимизация подготовки нефти


Комплексная оптимизация процесса подготовки нефти на промыслах - Бурение и Нефть

Журнал входит в перечень ВАК

(495) 979-13-33, (495) 971-65-84, (925) 384-93-11, (909) 670-44-09, тел./факс: (499) 613-93-17

Complex optimization of oil treatment process at fields

G. KANEVETS, Ukrainian Academy of Sciences of technological cybernetics, Ukraine, Kharkov cityM. BERLIN, CJSC «SRIDS «InjGeo», Russia, Krasnodar city

В статье на примере проектирования систем подготовки нефти (далее – СПН) применено и развито новое научное направление исследований, заключающееся в создании и развитии идеологии (системных методов, математических моделей и алгоритмов) комплексной оптимизации технологических процессов, схем, режимов и оборудования СПН на основе феноменологи­ческого подхода.

With example of oil treatment system projecting there is used and developed new scientific direction of surveys consisting in creation and development of ideology of complex optimization of technological processes, schemes, regimes and equipment.

Если вас интересует полный текст статьи, Вы можете заказать ее в издательстве.

  1. Каневец Г.Е. Обобщенные методы расчета теплообменников. Киев: Наукова думка, 1979. 352 с.
  2. Каневец Г.Е., Берлин М.А. Принципы автоматизированного проектирования и оптимизации химико-технологических производств. Киев: Общество «Знание» УССР, 1981. 30 с.
  3. Каневец Г.Е., Зайцев И.Д., Головач И.И. Введение в автоматизированное проектирование теплообменного оборудования. Киев: Наукова думка, 1985. 232 с.
  4. Назаренко Р.Н. Сравнение некоторых эволюционных методов оптимизации сложных систем. Харьков, Сб. трудов ХНУРЕ, 2000.
  5. International workshop on combination of genetic algorithms and neural networks (1992; Baltimore, Md), June 6, 1992. / COGANN-92; Ed. L.P. Whitley, J.P. Schoffer. - Los Alamatic (Ca) et al.: IEEE computer. soc. press, 1992, VIII. 262 p.
  6. Анил К. Джейн, Жианчанг Мао, Моиуддин К.М. Введение в искусственные нейронные сети // Открытые системы. 1997. №4. Электронная версия.
  7. Исаев С.А. Генетические алгоритмы – эволюционные методы поиска. //http://www.chat.ru/~saisa/index.html.
  8. Исаев С.А. Генетические алгоритмы. //http://www.chat.ru/~saisa/index.html.
  9. Исаев С.А. Популярно о генетических алгоритмах. //http://www.chat.ru/~saisa/ index.html.
  10. Исаев С.А. Обоснованно о генетических алгоритмах. http://www.chat.ru/~saisa/ index.html.
  11. Редько В.Г. Эволюционный подход к исследованию естественных и созданию искусственных «биокомпьютеров» // Нейрокомпьютер. 1994. № 1/2. С. 38 – 49.
  12. Отчет по научно-исследовательской работе «Создание аналитического обзора информационных источников по применению нейронных сетей для задач газовой технологии», Копосов А.И., Щербаков И.Б., Кисленко Н.А., Кисленко О.П., Варивода Ю.В. и др. ВНИИГАЗ, 1995.
  13. Берлин М.А. Принципы построения системы. Оптимизации газоперерабатывающих заводов // Химическая технология, Киев.1976. №6. С. 30 – 33.
  14. Обобщенная технологическая схема газоперерабатывающих заводов // М., Нефтяное хозяйство. 1981. №34. С.51 – 54.
  15. Берлин М.А. Обобщенная схема газоперерабатывающих заводов. Математическое моделирование и системный анализ технологических процессов. Киев, Наукова думка, 1981. С. 6 – 10.
  16. Берлин М.А. Обобщенная технологическая схема переработки газа способом низкотемпературной абсорбции. М., Труды ВНИПИГазпереработка, 1980. Вып. 6. Переработка нефтяных газов. С. 52 – 62.
  17. Берлин М.А. Правила синтеза технологических схем низкотемпературной ректификации. М., Труды ВНИПИГазпереработка, 1980. Вып. 6. С. 63 – 68.
  18. Кузнечиков В.А., Берлин М.А., Гаврилова В.П. «Эвристический алгоритм синтеза технологических схем газоперерабатывающих заводов». М., Труды ВНИПИГазпереработка, 1980. Вып. 6. С. 38 – 44.
  1. G.Ye. Kanevets. Summarized methods of heat-exchangers computing. – Kiev: Naukova dumka, 1979. – 352 pages.
  2. G.Ye. Kanevets, M.A. Berlin. Principles of automated projecting and optimization of chemical-technological productions. – Kiev: UkrSSR “Knowledge” Society, 1981. – 30 pages.
  3. G.Ye. Kanevets, I.D. Zaytsev, I.I. Golovach. Introduction into automated projecting of heat-exchange equipment. – Kiev: naukova dumka, 1985. – 232 pages.
  4. R.N. Nazarenko. Comparison of some evolution methods of complicated systems optimization. – Kharkov, Collection of works of KhNURYe, 2000.
  5. International workshop on combination of genetic algorithms and neural networks (1992; Baltimore, Md), June 6, 1992. / COGANN-92; Ed. L.P. Whitley, J.P. Schoffer. – Los Alamatic (Ca) et al.: IEEE computer. soc. press, 1992, VIII. -262 pages.
  6. Anil C. Jane, Zhianchang Mao, Moiuddin K.M. Introduction into synthetic neuron networks. – “Open systems”, #4, 1997. Electronic version.
  7. S.A. Isaev. Genetic algorithms - evolution methods of search. = //http://www.chat.ru/~saisa/index.html.
  8. S.A. Isaev. Genetic algorithms. - //http:www.chat.ru/~saisa/index.html.
  9. S.A. Isaev. Popularly about genetic algorithms. //http://www.chat.ru/~saisa/index.html.
  10. S.A. Isaev. Substantiatedly about genetic algorithms. –http://www.chat.ru/~saisa/index.html.
  11. V.G. Red’ko. Evolution approach to survey of natural “bio-computers” and creation of synthetic ones. – Neuron-computer, 1994, #1/2. –Pp.38-49.
  12. Report on scientific-research work “Creation of analytical review of information sources on using neuron networks for gas technology tasks”. A.I. Koposov, I.B. Shcherbakov, N.A. Kislenko, O.P. Kislenko, Yu.V. Varivoda et al., VNIIGAZ, 1995.
  13. M.A. Berlin. “Principles of system construction. Optimization of gas-processing plants”. –Kiev, “Chemical technology”, 1976, #6, Pp.30-33.
  14. ”Summarized technological scheme of gas-processing plants” M., “Oil economy”, 1981, 34, Pp.51-54.
  15. M.A. Berlin. “Summarized scheme of gas-processing plants” Mathematical simulation and systemic analysis of technological processes. Kiev, “Naukova dumka”, 1981, Pp.6-10.
  16. M.A. Berlin. “Summarized technological scheme of gas processing by means of low-temperature absorption”. – M., Works/VNIPIGazpererabotka, 1980, issue 6, “Processing of petroleum gases”. Pp.52-62.
  17. ”Synthesis rules of technological schemes of low-temperature rectification”. Ibidem, Pp.63-68.
  18. V.A. Kuznechikov, M.A. Berlin, V.P. Gavrilova. “Euristic synthesis algorithm of technological schemes of gas-processing plants”. Ibidem, Pp.38-44.

Комментарии посетителей сайта

Авторизация

Каневец Г.Е.

д.т.н., профессор, член Королевского общества Великобритании, президент Украинской академии наук технологической кибернетики, Украина, г. Харьков

Берлин М.А.

д.т.н., профессор, ученый секретарь

ЗАО «НИПИ «ИнжГео»

Ключевые слова: подготовка нефти на промыслах, комплексная оптимизация, автоматизированное проектирование, алгоритм синтеза технологических схем, характеристический потоковый граф

Keywords: oil treatment at fields, complex optimization, automated projecting, synthesis algorithm of technological schemes, characteristic flux graph

Просмотров статьи: 2687

burneft.ru

2.1 Основные технические показатели установки подготовки нефти Черновского месторождения нефти. Оптимизация существующей технологии обессоливания нефти и повышения качества ее подготовки

Похожие главы из других работ:

Автоматизация системы управления технологическим процессом цеха подготовки и перекачки нефти Алехинского месторождения

2. Автоматизация процесса подготовки и перекачки нефти

...

Автоматическая групповая замерная установка АГЗУ модель "Спутник АМ-40-14-400"

Общая характеристика объекта - установки подготовки нефти

Наименование объекта Автоматизированная групповая замерная установка (здесь и далее, как АГЗУ). Назначение объекта. Автоматическая групповая замерная установка АГЗУ модель «Спутник АМ-40-14-400» предназначена для сбора...

Оптимизация существующей технологии обессоливания нефти и повышения качества ее подготовки

1.1 Физико-химические свойства нефти, газа, воды поступающих на УПН Черновского месторождения нефти

В настоящее время поступление нефти на УПН Черновского месторождения осуществляется по системам промысловых трубопроводов с Быгинского, Погребняковского, Сосновского, Центрального, Черновского, Южно - Лиственского месторождений...

Оптимизация существующей технологии обессоливания нефти и повышения качества ее подготовки

1.1.1 Физико-химические свойства нефти, газа, воды Быгинского месторождения нефти

Свойства флюидов, насыщающих продуктивные пласты Быгинского месторождения, представлены по данным исследования глубинных и поверхностных проб нефти, отобранных в 1985-2007 гг. и выполненных в лаборатории ОАО «Удмуртгеология»...

Оптимизация существующей технологии обессоливания нефти и повышения качества ее подготовки

1.1.2 Физико-химические свойства нефти, газа и воды Погребняковского месторождения нефти

По результатам исследований и расчётов плотность пластовой нефти - 919,2 кг/м3, давление насыщения нефти газом при пластовой температуре - 2,79 МПа, газосодержание при однократном разгазировании пластовой нефти - 4,51 м3/т...

Оптимизация существующей технологии обессоливания нефти и повышения качества ее подготовки

1.1.3 Физико-химические свойства нефти, газа и воды Сосновского месторождения нефти

По результатам исследований и расчётов плотность пластовой нефти - 876,0 кг/м3, давление насыщения нефти газом при пластовой температуре - 4,3 МПа, газосодержание при однократном разгазировании пластовой нефти - 14,3 м3/т...

Оптимизация существующей технологии обессоливания нефти и повышения качества ее подготовки

1.1.5 Физико-химические свойства нефти, газа и воды Черновского месторождения нефти

Плотность нефти в пластовых условиях - 0.876 г/см3; динамическая вязкость - 17.0 мПас; объемный коэффициент - 1.037; газосодержание - 16.2 м3/т; давление насыщения - 5.1 МПа. плотность нефти в стандартных условиях - 0.886 г/см3, вязкость нефти при t = 20 C - 29.7 мм2/сек...

Оптимизация существующей технологии обессоливания нефти и повышения качества ее подготовки

1.1.6 Физико-химические свойства нефти, газа и воды Южно-Лиственского месторождения нефти

Плотность нефти в пластовых условиях в среднем составляет 0,872 г/см3, динамическая вязкость - 27,5 мПа·с, объемный коэффициент - 1,018, газосодержание - 6,1 м3/т, давление насыщения - 4,2 МПа...

Оптимизация существующей технологии обессоливания нефти и повышения качества ее подготовки

1.3 Общие сведения об установке подготовки нефти Черновского месторождения

Установка подготовки нефти Черновского нефтяного месторождение расположена в Воткинском районе Удмуртской Республики, в 60 км северо-восточнее г. Ижевска и в 15 км северо-западнее г. Воткинска. Ближайшие населенные пункты: Пашур-Вишур - в 1...

Оптимизация существующей технологии обессоливания нефти и повышения качества ее подготовки

2.2 Технико-эксплуатационная характеристика установки подготовки нефти Черновского месторождения

Водогазонефтяная эмульсия с Черновского, Быгинского, Сосновского, Центрального, Южно-Лиственского...

Применение принципа кавитации для улучшения процессов разделения фаз в групповых замерных установках

3.3 Патент № 2283681. Установка подготовки нефти

Изобретение относится к области совместного сбора, подготовки и транспорта нефти, газа и воды и может быть использовано в нефтегазодобывающей промышленности...

Проектное решение по разработке месторождения

2.4. Свойства и состав нефти и нефтяного газа Хохряковского месторождения

Характеристика пластовых газонасыщенных нефтей Хохряковского месторождения изучена на образцах глубинных проб из скважин пласта ЮВ11-2-3 и пласта ЮВ2...

Расчет материального баланса установки подготовки нефти

2.1 Описание установки подготовки нефти ”Хитер-Тритер”

Водонефтяная эмульсия, поступающая с кустов скважин, трудно поддается разделению на фазы за счет только лишь гравитационной силы. Для решения этой проблемы нагревают жидкость и создают дополнительные условия...

Расчет материального баланса установки подготовки нефти

2.2 Принцип работы установки подготовки нефти ”Хитер-Тритер”

Процесс обработки нефти, осуществляемый на установках подготовки нефти конструкции Малони, базируется на многолетней апробированной конструктивной практике...

Сбор и подготовка попутного газа на Барсуковском месторождении

4.2 Характеристика системы сбора и подготовки нефти, газа и воды

Рекомендуемая система обустройства предусматривает герметизированную напорную трубопроводную сеть совместного сбора и транспорта продукции скважин до дожимной насосной станции (ДНС). Эта система обеспечивает подготовку...

prod.bobrodobro.ru

от продуктивного пласта до пункта подготовки нефти и газа

Министерство образования и науки РФ

Дагестанский государственный технический университет

Факультет МП

Кафедра нефтегазодобычи

Реферат

на тему:

Оптимизация добычи: от продуктивного пласта до пункта подготовки нефти и газа

Выполнил: Раджабов Ф.Т.

Проверил: Гаджиева Н.М.

Махачкала 2013 г.

Содержание

Введение

.Оптимизация добычи: от продуктивного пласта до пункта подготовки нефти и газа

2.Традиционные методы

.Современные решения

Литературный список

Введение

На месторождениях нефти и газа происходит цифровая революция. Управление их разработкой уже подверглось преобразованиям, чтобы иметь возможность справляться с увеличившимися объемами данных, проводить их быструю оценку и совершенствовать методы управления. В настоящее время делается следующий шаг. Новое программное обеспечение моделирования последовательностей операций охватывает все объекты и процессы на месторождении, начиная от продуктивного пласта и заканчивая пунктом подготовки нефти и газа, что помогает добиваться лучших экономических результатов.

Добывать нефть и газ, конечно же, нелегко и недешево. Затраты на добычу особенно высоки для удаленных сухопутных и глубоководных морских месторождений. Поскольку растущие затраты сопровождаются снижением спроса, добывающие компании ищут способы выжать все до последней капли из имеющихся месторождений и оптимизировать разработку новых. Главным фактором обеспечения прорыва в эффективности на этом пути является расширение применения интеллектуальных цифровых технологий.

.Оптимизация добычи: от продуктивного пласта до пункта подготовки нефти и газа

Цифровые технологии становятся все сложнее и охватывают уже практически все виды деятельности на месторождениях. Например, использование систем дистанционных измерений или картографической визуализации основных параметров стало повседневной практикой. Эти технологии возникли в 1980-х гг., а в последние 15 лет их развитие значительно ускорилось (рис. 1). К настоящему времени предложено несколько терминов для обозначения интенсивного применения цифровых технологий на нефтяных и газовых месторождениях, из которых наиболее удачным является выражение «интеллектуальное месторождение» (intelligent field).

Рис. 1. Эволюция цифровых технологий

Новым в этом применении цифровых технологий нефтегазодобывающими компаниями является то, что концепция интеллектуального месторождения объединяет различные технологии для решения задач в масштабе всей системы.

Выгоды от «интеллектуализации» месторождений огромны. Имеются прогнозы, что эта технология позволит увеличить мировую добычу нефти на 20 млрд м3 (125 млрд. барр.) за ближайшие 5-10 лет. Хотя полная доработка отдельных компонентов концепции интеллектуального месторождения потребует еще некоторого времени, целый ряд их уже активно внедряется. Примером новой технологии, обеспечивающей реальные выгоды, является комплексное моделирование месторождения. Эта технология связывает традиционные средства, такие как программное обеспечение моделирования продуктивного пласта ECLIPSE, с другими известными моделями систем добычи в одно сквозное решение. Эту технологию можно применять как для повышения добычи на существующих месторождениях, так и при концептуальном проектировании для оптимизации разработки новых месторождений.

В настоящей статье рассматривается комплексное моделирование процесса разработки, - как оно работает и как используется для решения проблем нефтегазодобычи. Различные аспекты применения интеллектуальных технологий проиллюстрированы практическими примерами разработки месторождений в Мексике, на шельфе Индии, в Северном море и США. Перед тем, как подробно обсудить технологию комплексного моделирования месторождений, мы рассмотрим традиционные методы проектирования разработки.

.Традиционные методы

В 2006 г. нефтегазодобывающая отрасль вложила в информационные технологии около 3% от общего объема доходов - 2 млрд. долларов США - на аппаратное и программное обеспечение и услуги. Этот комплекс информационных технологий включает отдельные программы моделирования пласта, трубопроводной сети, пунктов подготовки нефти и газа и экономических показателей. С годами точность и надежность таких программ существенно повысилась. Теперь моделировать сложные пласты стало легче; появилась возможность моделирования многофазных потоков в трубах и оптимизации работы важного оборудования, такого, как компрессоры.

Хотя моделирующие программы хорошо описывают отдельные компоненты промысловой системы, при попытке последовательного применения этих программ для анализа в масштабе всего месторождения возникают осложнения. Так, обмен данными между отдельными компонентами системы разработки и подразделениями разного профиля осуществляется зачастую в виде электронных таблиц, не учитывающих эффектов взаимодействия этих компонентов (рис. 2). Изменение в любом из компонентов системы влечет за собой каскад изменений в предыдущих и последующих компонентах, и для правильного представления подобного взаимодействия может потребоваться существенное видоизменение стадий моделирования, что может оказаться затруднительным, если вообще возможным.

Рис. 2. Традиционное моделирование добычи

Применение традиционных методов проектирования разработки месторождений связано с двумя существенными проблемами. Первая из них состоит в том, что все модели, следующие в технологической цепочке за моделью пласта, являются статическими. Они описывают состояние лишь в один единственный момент времени в период эксплуатации месторождения, и для анализа состояния в другой момент времени необходимо заново настраивать эти модели. Вторая проблема связана с тем, что традиционные методы не могут учитывать динамичный характер планирования разработки месторождения. Например, дебит существующей скважины может измениться в результате бурения новых скважин и нарушить исходный план. Кроме того, после таких событий, как замена компрессора или реализация различных программ вторичной добычи, обмен исходными данными между моделями, скорее всего, приведет к ошибкам. Эти недостатки традиционного анализа в масштабе месторождения могут привести к массе осложнений, включая неоправданное бурение или установку оборудования с заниженными или завышенными параметрами.

Решение указанных проблем моделирования в масштабе всего месторождения и составляет часть интеллектуализации месторождений. Переход от последовательных процессов с фиксированными моментами времени к динамическим процессам в реальном времени позволяет полностью учесть эффекты прямой и обратной связи. Основной характеристикой интеллектуального месторождения является возможность более широкого использования междисциплинарных граничных условий для согласованного моделирования смежных объектов систем разработки и добычи глобально по всему месторождению. Применение динамической обработки данных в реальном времени для моделирования влияния взаимосвязанных событий, как в прошлом, так и в будущем, подготовило почву для прогнозирования показателей разработки месторождения с возможностью адаптации к изменению эксплуатационных условий. В этой концепции - суть комплексного моделирования разработки.

3.Современные решения

Комплексное моделирование системы разработки является результатом развития хорошо известного метода - узлового анализа системы добычи NODAL. Этот метод используется для изучения сложных взаимодействующих систем, таких, как трубопроводные сети, электрические цепи и системы нефтедобычи. В данной процедуре необходимо выбрать опорную точку (узел), чтобы разделить систему. За такой узел в системе добычи нефти или газа может быть принята одна из нескольких точек - как правило, забой или устье скважины. Компоненты, предшествующие узлу по технологической цепочке, называются секцией притока, а следующие за ним - секцией оттока. Например, перфорационные каналы, предшествующие узлу на устье скважины, - это часть секции притока, а трубопровод на пункт подготовки нефти и газа - часть секции оттока.

Где бы ни находился узел, всегда должны удовлетворяться два граничных условия. Поток, входящий в узел, и поток, выходящий из него, должны быть равны, а на узле может действовать только одно давление. Для входящего и выходящего потоков строятся кривые давления и расходов. Точка пересечения этих кривых представляет собой решение задачи, удовлетворяющее обоим граничным условиям по расходу и давлению.

Расширение применимости анализа NODAL от отдельных скважин на более сложные системы не ново. Первое такое предложение было сделано в 1971 г. Оно продемонстрировало, как можно связать модели пласта и наземной инфраструктуры, чтобы получить согласованное решение для системы сбора газового месторождения. Его реализация стала основанием для последующих предложений. Новой отличительной чертой комплексного подхода стало внедрение коммерческого программного обеспечения, позволяющего объединить отдельные модели пластов, трубопроводов, пунктов подготовки и экономических показателей с целью разработки оптимального решения. Здесь речь идет не о нескольких моделирующих программах, объединенных в единый комплекс, а о вычислительной платформе, связывающей воедино модели объектов разработки и обслуживающие их компьютерные сети.

Такой объединяющий подход к моделированию процесса разработки отражен в программном пакете комплексного моделирования месторождения Avocet, который предоставляет сопряженное решение, связывающее пласт (программа моделирования пласта ECLIPSE), скважину и наземную инфраструктуру (программа анализа системы добычи PIPESIM) с пунктом подготовки нефти и газа (программа моделирования подготовки нефти и газа HYSYS) в единое пространство управления разработкой месторождения. В дополнение к этим коммерческим программам моделирования эксперты могут создавать модули, описывающие конкретные процессы в их области знания, или модули, предназначенные для использования внутри компании, которые затем можно интегрировать в глобальную модель разработки. Программа Avocet поддерживает стратегии реализации, позволяющие взаимодействовать специалистам, обслуживающим разные объекты. Модельная среда на одном компьютере может контролировать работу пластовых, трубопроводных, нефтегазоподготовительных и экономических приложений, установленных на удаленных компьютерах, и взаимодействовать с ними. Интерфейс позволяет пользователю графически связывать отдельные модели и просматривать результаты на каждом этапе процедуры выработки оптимального решения (рис. 3).

Этот подход обеспечивает пошаговое итерационное решение для прогнозирования характеристик месторождения на протяжении всего периода его разработки. Как и при анализе NODAL, здесь на каждом шаге по времени в узле проводятся два итерационных расчета с учетом существующих граничных условий. Один расчет определяет дебиты и давления, достижимые в продуктивном пласте, а второй - те же самые параметры, но в системе добычи. Оба расчета повторяются до тех пор, пока дебиты и давления во всей сопряженной системе не станут согласованными (рис. 4). Затем моделирующая программа делает следующий шаг по времени и повторяет процедуру, работая в таком режиме до тех пор, пока не будет достигнут желаемый срок эксплуатации месторождения.

Рис. 3. Интерфейс программы комплексного моделирования месторождения Avocet

программный цифровой автоматизация нефтегазодобывающий

На каждом временном шаге системные ограничения распространяются на предыдущие и последующие участки в моделях и соответствующих моделирующих программах. Хотя для разработки решений Avocet и использует этот общий подход, окончательная комбинация моделирующих программ будет зависеть от сложности и характера решаемой задачи.

Самым трудным узлом для сопряжения является забой скважины, и для большинства систем сопряжение на забое потребует наиболее продолжительных расчетов. По мере того, как точка сопряжения перемещается к устью и в другие части системы, продолжительность расчетов обычно сокращается. При анализе очень сложных месторождений сопряжение на забое скважин может быть нецелесообразным или невозможным, и может возникнуть необходимость переместить точку сопряжения к поверхности.

Рис. 4. Сопряжение и согласование сети

Наряду с местоположением точки сопряжения на продолжительность и сходимость расчетов влияет и выбор ограничений на состав флюидов. Для продуктивных пластов, в которых влияние состава флюидов на характеристики потока не критично, можно использовать трехкомпонентную конечно-разностную модель ECLIPSE Blackoil, предполагающую, что пласт содержит трехфазную систему, состоящую из нефти, газа и воды. Если закачиваемые жидкости смешиваются с пластовыми углеводородами, можно рассмотреть возможность применения четырехкомпонентной системы моделирования пласта.

Для сложных углеводородных систем применимо также явное композиционное моделирование, которое может быть целесообразным, когда для описания глубинной изменчивости поведения пластового флюида требуется уравнение состояния. Такая модель может оказаться наиболее подходящей для систем, содержащих конденсаты, легкие летучие или тяжелые нефти, а также включающих процессы вытеснения, осуществляемые путем закачки газа, и другие вторичные методы добычи. Она обладает достаточной гибкостью для соединения нескольких продуктивных пластов, для которых созданы разные компонентные модели, с наземной сетью (рис. 5). Все эти возможности и другие ограничения определят, насколько хорошо настроена Avocet для решения поставленной задачи. После правильного конфигурирования модели она укажет ясный путь к сквозной оптимизации разработки месторождения. Эффекты прямой и обратной связи между структурными элементами модели учитываются при получении сходящегося решения. Открытая архитектура исключает проблемы, связанные с использованием различных версий программного обеспечения, а возможность обмена данными с удаленными компьютерами позволяет осуществлять междисциплинарное взаимодействие и оптимально использовать вычислительное аппаратное обеспечение. Все эти факторы в целом обуславливают эффективность решения задач нефтегазодобычи. Например, одним из самых рентабельных способов увеличить отдачу из разрабатываемого месторождения является оптимизация добычи путем комплексного моделирования его разработки.

Рис. 5. Продуктивные пласты с разными композиционными моделями

4.На пути к интеллектуальному месторождению

Хотя технология получения и передачи данных в реальном времени существует уже несколько лет, ее принятие нефтедобывающей промышленностью происходит медленно. Ее роль в отрасли растет по мере осознания важности повышения нефтеотдачи. Этому также способствует одновременное развитие все более мощных и менее дорогих систем, работающих в реальном времени. Например, компания ВР назвала интеллектуальное месторождение «месторождением будущего» и работает над превращением этой концепции в реальность. Компания ВР объединила комплексное моделирование месторождения с системой картографической визуализации параметров на своем месторождении Ред-Оук-Вест (Red Oak West) в бассейне Аркома (Arkoma).

Оператором этого месторождения, расположенного около Уилбертона на юго-востоке Оклахомы (США), является компания BP North American Gas. На нем пробурено около 800 газодобывающих скважин, а общая протяженность трубопроводов, охватывающих площадь длиной 32 км (20 миль) и шириной 10 км (6 миль), составляет 400 км (250 миль). Здесь также находятся семь компрессорных станций и свыше 70 мобильных устьевых компрессоров. В прошлом оптимизация разработки подобных месторождений означала очень трудоемкое изучение больших объемов данных по сотням скважин, получаемых из множества источников. В рамках инициативы «Месторождение будущего» компания ВР успешно вывела Ред-Оук-Вест на передний край реализации концепции интеллектуального месторождения. Слияние системы SCADA с программным пакетом Avocet Integrated Asset Modeler позволило осуществить оптимизацию разработки в масштабе месторождения и визуализацию карт параметров.

Интерактивная комплексная модель месторождения Ред-Оук-Вест может работать как в оперативном отслеживающем режиме для мониторинга текущих работ, так и автономно для оценки альтернативных стратегий добычи. Кроме диалогового моделирования, компания ВР разработала инструмент визуализации данных по месторождению Ред-Оук-Вест под названием MAPS, давший инженерам возможность следить за показателями разработки большого месторождения (рис. 6). Это позволило быстро выявлять скважины, работающие ниже своего потенциала, и определять эксплуатационные проблемы, такие, как скопление жидкостей или отказ оборудования.

Рис. 6. Картографическая визуализации показателей бассейна Аркома

Хотя ключевым аспектом программы было повышение добычи компания ВР нашла в ней для себя и другие преимущества. Был улучшен контроль целостности системы путем использования визуальных индикаторов и анимации для обследования трубопроводов на предмет коррозии, эрозии и скорости потока. Компания обнаружила, что MAPS можно применять не только для мониторинга характеристик скважин и трубопроводов и параметров их целостности, но также и для регистрации перемещений персонала и оборудования, предназначенного для промысловых операций, таких как техническое обслуживание, бурение или аварийная эвакуация.

Хотя в направлении к интеллектуализации месторождений действует множество движущих факторов, операторы, скорее всего, будут заинтересованы в основном снижением затрат и повышением добычи. Существенное повышение ценности проектов станет для них главным импульсом для принятия на вооружение технологий, формирующих мир интеллектуальных месторождений (рис. 7). Ключевое положение в этом мире занимает комплексное моделирование разработки.

Рис. 7. Потенциал интеллектуального месторождения

Комплексное моделирование системы разработки является частью парадигмы перехода к цифровым технологиям, изменяющим облик месторождений нефти и газа. Начавшись 25 лет назад в виде слабой волны преобразований, этот переход набрал силу и сейчас, образно говоря, представляет собой настоящий вал. Ядром комплексного моделирования разработки и всех связанных с ним технологий, формирующих интеллектуальное месторождение, являются интеграция данных и обмен ими. Последовательные рабочие процессы уходят в прошлое, и их место занимают компоненты новой концепции, в рамках которой разнопрофильная информация эффективно интегрируется и распространяется по объектам в разных регионах мира. Эти технологии устраняют барьеры и расширяют взаимодействие; они направлены в большей степени на предупреждение негативных событий, нежели на ликвидацию их проявлений. Комплексное моделирование разработки займет ключевое положение на интеллектуальных месторождениях на пути отрасли к реализации возможностей оптимизации в реальном времени.

Список литературы:

1.Автоматизация и метрология нефтегазовом комплексе / Материалы конференции // Научно-практическая конференция 23 мая 2011г.-Уфа

2.Билибин С.И. - Технология создания и сопровождения трехмерных цифровых геологических моделей нефтегазовых месторождении - М: 2010г

.Е.И. Громаков - Автоматизация нефтегазовыми технологическими процессами: учебно-методическое пособие - Томск:2010.-173 с.

yamiki.ru

Перспективы оптимизации работы установок подготовки нефти на примере компании ТНК-ВР - Статья

Цель предлагаемой оптимизации - минимизировать унос легких компонентов нефти в газовый поток за счет создания экспертной системы, реализующей математическую модель процесса сепарации пластовой нефти и выдающей рекомендации персоналу на промыслах.

Авторы

Тэги

Тематические рубрики

Предметные рубрики

В этом же номере:

Резюме по документу**

НОВЕЙШИЕ ТЕХНОЛОГИИ В РОССИИ И СНГ ПЕРСПЕКТИВЫ ОПТИМИЗАЦИИ РАБОТЫ УСТАНОВОК ПОДГОТОВКИ НЕФТИ НА ПРИМЕРЕ КОМПАНИИ ТНК-ВР <...> В. З. Ямпольский, А. А. Новиков, А. А. Хамухин, А. В. Марчуков, Институт «Кибернетический центр» Томского политехнического университета Дана оценка уноса в газовый поток легких компонентов жидкой нефти за счет неоптимальной работы установок подготовки нефти. <...> Показано, что этот ресурс вполне сопоставим по результатам с таким проводимым компанией ТНК-ВР мероприятием, как оптимизация работы центробежных электронасосов, которая по ее данным дает совокупный прирост около 20 млн брл/год (в нефтяном эквиваленте). <...> Был предложен экономичный путь для повышения оптимизации большого числа установок с помощью, создания экспертной системы, реализующей математическую модель процесса сепарации пластовой нефти на веб-сервере и содержащей рекомендации персоналу на промыслах Установки подготовки нефти (УПН) являются конечным звеном преобразования скважинной продукции в товарную нефть, соответствующую ГОСТ Р 51858-2002. <...> Они выполняют ряд полезных функций, из которых в настоящей статье рассматривается одна – окончательное отделение (сепарация) растворенных газов из жидкой фазы с целью стабилизации товарной нефти для ее дальнейшей транспортировки по магистральным нефтепроводам или другим транспортом. <...> Побочным эффектом работы УПН является сепарация не только растворенного газа, но и легких компонентов жидкой нефти, попадающих в газовый поток на выходе и далее на факел. <...> Кроме этого в газовый поток будет уноситься и часть жидкой нефти, находящейся в мелкодисперсном состоянии. <...> Но даже при наличии таких систем факельные установки являются необходимым технологическим звеном работы УПН и потери легких фракций в них неизбежны, если эту проблему не решать. <...> 2 Цель предлагаемой оптимизации – минимизировать унос легких компонентов нефти в газовый поток за счет создания экспертной системы, реализующей <...>

** - вычисляется автоматически, возможны погрешности

Похожие документы:

ruaest.ru