Разработка нового метода использования нефтяных скважин

значимой связи между Х и У.

2) Прогноз неизвестных значений интересующих нас средних значений,

исследуемых результативных показателей У по заданным значениям

вводных переменных. Исследователя в данном случае не интересует

степень влияния отдельного фактора Хi, если факторов несколько, на

результат Уi .

3) Выявление причинных связей между переменными Х и результативными

показателями У.

Первая цель исследования, состоящая только в установление самого факта

статистического связи между явлениями, достигается вычислением абстрактных

чисел – коэффициентов, которые называются коэффициентами корреляции.

Коэффициент корреляции вычисляется по формуле (2.5).

[pic]

(2.5)

На практике приняты приделы качественной характеристики тесноты связи ,

представленные в таблице 2.7.

Таблица 2.7 Качественная характеристика тесноты связи

|Диапазон |0,1-0,3 |0,3-0,65|0,65-0,80|0,80-0,95 |>0,96 |

Значит чем больше R , тем точнее результаты [13,с.350].

В качестве оцениваемых параметров эффективности метода ГРП нами

выбраны

- технологический эффект (Эот);

- общий удельный эффект, т/скважино-операцию (Эоу);

- увеличение нефтеотдачи, %;

- интенсификация разработки, % (Ки);

- кратность увеличения дебита нефти.

Если установлено, что связь довольно тесная, то можно перейти к

достижению второй цели - оценке формы этой связи.

Вторая цель решается оценкой формы связи, которая характеризуется

функцией регрессии, т.е. типом функциональной зависимости, которым мы

приближенно пытаемся описать зависимость исследуемых нами явлений.

Полученное при этом уравнение регрессии используется для содержательного

описания изучаемого процесса, прогнозирования, выбора оптимального варианта

и т.д. Если в уравнение регрессии включены признаки-факторы, учитывающие и

возможное случайное поведение результативного признака, то такое выражение

представляет регрессионную модель явления или процесса. Наибольшее

применение получили уравнения регрессии, отражающие взаимосвязь одного

результативного признака с одним (парная регрессия) или несколькими

(множественная регрессия) признаками-факторами.

Данный метод лучше графического и табличного методов выявления

взаимосвязи, так как позволяет оценить эту связь количественно. При

построение регрессионной зависимости производится сглаживание экономических

показателей по сравнению со средним арифметическим. Для этого используют

метод наименьших квадратов. В качестве начальной гипотезы будем считать,

что [pic], т.е. форма регрессионной модели имеет линейный характер. Для

определения численных значений a0 и a1 будем использовать эмпирические

значения Xi и Yi.

На основе этих данных требуется подобрать функцию y = f (х) , которая бы в

некотором смысле наилучшем образом отражала зависимость между Х и Y .

Определить вид функции y = f (х) можно либо из теоретических

соображений , либо анализируя характер расположения точек на координатной

плоскости. Выбрав вид функции y = f ( х0 ,а0, а1…,аn), необходимо подобрать

входящие в ее выражение параметры а0, а1…,аn так, чтобы из всех функций

данного вида выделить ту, которая лучше других описывает зависимость между

изучаемыми величинами, т.е. обеспечивает наименьшее отклонение

экспериментальных значений зависимой переменной от значений, получаемых в

результате вычислений с помощью этой функции.

Одним из методов решения поставленной задачи является метод наименьших

квадратов [13.c.330-335]. Он заключается в следующем:

[pic]

(2.6)

Решим систему (2.6) в общем виде:

[pic] ,

(2.7)

[pic]

(2.8)

Определив значения а , а1 и подставив их в уравнение связи у = а0 +

а1х находим значение у , зависящие только от заданного значения х.

Для практического использования моделей регрессии большое значение их

адекватность, т.е. соответствие фактическим статистическим данным.

Корреляционно-регрессионный анализ обычно проводится для ограниченной по

объему совокупности. Поэтому показатели регрессии и корреляции – параметры

уравнения регрессии, коэффициенты корреляции и детерминации могут быть

искажены действием случайных факторов. Чтобы проверить насколько эти

показатели характерны для всей генеральной совокупности, не являются ли они

результатом стечения случайных обстоятельств, необходимо проверить

адекватность построенных статистических моделей.

В качестве критерия адекватности используем критерии Фишера,

выполняемый, по формуле (2.9).

[pic] ,

(2.9)

где S2yx - дисперсия обусловленная регрессией;

S2ост - остаточная дисперсия, называемая стандартной ошибкой.

Значение S2yx и S2ост вычисляются по формулам (2.10) и (2.11).

[pic] ,

(2.10)

[pic]

(2.11)

Значение Fкрит находят в таблицах [4,с.246].

Если Fp>=Fкрит при степенях свободы K1=n-d, где d число значащих

коэффициентов в уравнении регрессии и K2=n-d, где n - объем выборки и

уровни значимости x=0.05, то будет считать, что модель адекватна.

Для регрессионного моделирования мы выдвигаем следующие гипотезы о

формах связи:

Эот = а0 + а1х ,

(2.12)

где Эот – общий технологический эффект.

И = а0+ а1 х + а2 х2 ,

(2.13)

где И – интенсификация.

Эоу = а0+ а1 х + а2 х2 + а3х3 +а4х4 + а5х5 ,

(2.14)

где Эоу – общий удельный эффект, т/скважино-операцию.

Фактические формы данных моделей будут найдены в третьем разделе по

результатам статистических исследований.

2.3 Маркетинговое прогнозирование экономической эффективности

биополимера.

Конечно, доходы нефтяной промышленности, их рост или падение –

напрямую зависят от состояния цен на сырье, однако современная техника

позволяет нефтедобывающим компаниям получать солидную прибыль даже в

условиях постоянного снижения цен. В настоящее время большинство ведущих

нефтяных компаний мира добились столь значительного сокращения

производственных затрат, что добыча жидкого углеводородного сырья на новых

месторождениях будет для них рентабельной даже в том случае, если цены на

нефть упадут [12,с.30-35].

Впрочем, сказанное не нужно понимать в том смысле, что в условиях

падения цен на нефть все добывающие компании будут по прежнему преуспевать.

Но те, что постоянно совершенствуют технику добычи и э0ффективность

освоения месторождений, безусловно оставят позади других, которые не в

силах идти в ногу с ними.

Специалистами СП “МеКаМинефть” в течении длительного периода времени

разрабатывался материал (биополимер), оказывающий эффективное воздействие

на пласты разрабатываемых месторождений, т.к. значительные валютные

средства предприятий уходят на Запад на закупку не только оборудования,

инструмента и насосно- компрессорных труб но и материалов, только по

причине отсутствия координации деятельности однопрофильных предприятий и

аккумуляции средств для поддержки отечественных производителей .

С учетом больших перспектив применения биополимерных композиций

отечественного производства, положительного опыта лабораторных и

промысловых работ представляется необходимым дать экономическую оценку

технологической эффективности биополимерного воздействия на пласты

разрабатываемых месторождений с целью увеличения коэффициента извлечения

нефти.

На месторождениях ОАО “Славнефть – Мегионнефтегаз” в течении последних

трех лет проводятся опытно-промышленные работы по применению отечественных

водорастворимых биополимеров для выравнивания профиля приемистости

нагнетательных скважин о ограничения водопритоков. В качестве биополимера

использованы микробные полисахариды в виде постферментационной жидкост,

полученные по технологии, разработанной специалистами СП “МеКаМинефть”.

Положительные реезультаты этих работ, низкая цена биополимера и

отсутствие ресурсных ограничений для его производства значительно расширить

масштабы применения биополимера.

В результате этого нами был выполнен цикл исследований по применению

отечественного биополимера с целью увеличения коэффициенты извлечения нефти

путем организации биополимерного заводнения, результаты которого будут

приведены в следующей главе.

2. СТАТИСТИЧЕСКИЙ АНАЛИЗ ДЕЯТЕЛЬНОСТИ СП“МеКаМинефть” И РАЗРАБОТКА

ПРАКТИЧЕСКИХ РЕКОМЕНДАЦИЙ

3.1 Регрессионное моделирование эффективности гидроразрыва пласта

Анализ статистических данных проводился на предприятиях ОАО “Славнефть-

Мегионнефтегаз”, ОАО”Ноябрьскнефтегаз”, ОАО”Лукойл”,

АО“Нижневартовскнефтегаз”, АО”Черногорнефть”, СП”Черногорское”, ОАО «

Лукойл-Пермнефть », «Лукойл-Лангепаснефтегаз”» . Территориально экспертные

скважины рассредоточены на территории Западной Сибири и Западного

Казахстана.

Общее количество обследуемых скважин по Росси составило двадцать

шесть. Общее количество обследуемых скважин по Казахстану составило

семнадцать.

Статистические данные эффективности ГРП собраны за период его

использования на территории СНГ с 1993 года по 1998 год.

Всё применяемое оборудование произведено американской фирмой

“Stewart & Stevenson“. Разработка всех технологических операций

производится с использованием программного обеспечения фирмы “ Meyer Design

Software”. Использование метода ГРП проводилось в разное время года.

В таблице 3.1 приведены статистические данные по эффективности

технологического метода воздействия на нефтеносный пласт ГРП в Западной

Сибири.

В результате корреляционной обработки получены следующие данные по

тесноте статистической связи между технологическим эффектом,

интенсификацией , общим удельным эффектом и числом проведенных ГРП, которые

приведены в таблице 3.2.

Таблица 3.1 Показатели оценки эффективности ГРП в России

| | | |эффект,тыс.|т/скважино-| |,% |-ния |

|Мамонтовское |АС4 |42 |173,535 |4132 |225,84|47,6 |1,2 |

| | | | | |4 | | |

| |БС10 |60 |1068.713 |10486 |936,63|92,7 |1,9 |

| | | | | |2 | | |

| |БС11 |4 |29.194 |2980 |39,377|98,7 |2,2 |

|Мало-Балыкское|АС4 |322 |3301.4 |10253 |3298,5|100 |4,6 |

|Средне-Балыкск|БС10 |48 |143.032 |7299 |139,08|97,9 |11,3 |

|ое | | | | |7 | | |

|Правдинское |ЮС2 |83 |870.962 |17812 |822,18|100 |4,9 |

| | | | | |9 | | |

| |БС8 |14 |63.136 |4510 |72,222|92 |1,4 |

| |БС9 |1 | |763 |-6,26 |86 |0,3 |

|Хокряковское |ЮС1 |17 |219.51 |12912 |183,17|100 |5,8 |

| |БС110|3 |32.828 |10943 |32,828|97 |3,8 |

| |БС210|6 |22.285 |3714 |27,739|98,9 |5,9 |

|Приобское |АС12 |3 |13.320 |4440 |13,32 |91,1 |4,5 |

|Омбинское |ЮС2 |24 |63.377 |2641 |63,586|100 |3,3 |

|Приразломное |БС2 |234 |2490.367 |10641 |2497,5|100 |2,5 |

| | | | | |1 | | |

|Южно-Асомкинск|ЮС4-5|3 |9.587 |3196 |9,587 |71,4 |6,7 |

|ое | | | | | | | |

|Восточно-Сургу|ЮС1 |2 |2.104 |1052 |2,104 |50 |4,5 |

| |ЮС1 |1 | |800 |5,136 |69 |1,2 |

|Усть-балыкское|БС2 |1 |2.937 |2937 |2,937 |50,2 |1,2 |

|Угутское |ЮС31 |2 |38.893 |4321 |39,268|50 |5,2 |

| |ЮС21 |12 |26.758 |4795 |28,824|98 |3,6 |

| |ЮС11 |10 |3.878 |-1,256 |3,878 |96,2 |10,2 |

| |ЮС2 |1 |0 |600 |0 |100 |1 |

|Пакомасовское |ЮС2 |2 |40.381 |2174 |40 |100 |7,3 |

|Солкинское |ЮС0 |1 |1.114 |1114 |1,114 |100 |10,3 |

|Сылымское |ЮС1 |1 |3.141 |1150 |3,141 |100 |5 |

|Западно-Угутск|ЮС2 |8 |7.742 |968 |10,701|62,5 |2 |

|ое | | | | | | | |

Таблица 3.2 Данные корреляционной обработки

| |Х1 |У1 |У2 |У3 |

|Х1 |1 |0,98 |0,93 |0,72 |

|У1 |0,98 |1 |0,87 |0,78 |

|У2 |0,93 |0,87 |1 |0,82 |

|У3 |0,72 |0,78 |0,82 |1 |

где Х1 – число ГРП на скважинах Западной Сибири;

У1 – общий технологический эффект;

У2 – интенсификация;

У3 – общий удельный эффект.

Как следует из анализа корреляционной таблицы 3.2 , эффективность

метода ГРП по показателям общего технологического эффекта, интенсификации

и общего удельного эффекта находится в приделах от 0,72 до 0,98 , что

говорит о имеющейся тесной связи .

Аналогичные статистические исследования проведены на территории

Западного Казахстана на скважинах ОАО “Лукойла” , данные приведены в

таблице 3.3 .

В результате корреляционной обработки получены следующие данные по

статистической тесноте связи между технологическим эффектом,

интенсификацией , общим удельным эффектом и числом проведенных ГРП в

Западном Казахстане, которые приведены в таблице 3.4.

Таблица 3.3 Показатели оценки эффективности ГРП в Казахстане

|36 |7780 |685 |95.5 |3,8 |

|23 |5490 |318.5 |76 |2 |

|15 |6460 |297.5 |49 |2,2 |

|20 |7150 |102.2 |98.6 |2,5 |

|Продолжение таблицы 3.3. |

|4 |5240 |89.6 |98.9 |2 |

|4 |5380 |26.80 |88 |4,5 |

|14 |5340 |944 |100 |5 |

|43 |3380 |1001 |100 |2 |

|6 |3730 |15.67 |50 |2,4 |

|2 |2840 |35.8 |78 |2,8 |

|32 |4980 |587 |100 |2,5 |

|9 |3460 |605 |68.9 |5 |

|12 |4820 |795 |100 |3 |

|1 |5290 |322 |100 |2 |

|12 |3850 |880 |84.6 |5 |

|31 |6330 |1125 |100 |4,5 |

|10 |6440 |786 |100 |2,2 |

Таблица 3.4 Данные корреляционной обработки

| |Х2 |У4 |У5 |

|Х2 |1 |0,88 |0,76 |

|У4 |0,88 |1 |0,82 |

|У5 |0,76 |0,82 |1 |

где Х2 - число выполненных ГРП для Казахстана,

У4 - общий удельный эффект от ГРП,

У5 – общий технологический эффект от ГРП.

Как следует из анализа таблицы 3.4. эффективность метода ГРП ,

произведенного в Казахстане, по показателям общего технологического эффекта

(Эот) и общего удельного эффекта (Эоу ), находится в приделах от 0,76 до

0,88 , что говорит о наличии тесной связи .

Для прогнозной оценки эффективности данного метода с целью его

стратегического маркетингового продвижения, как по территории России и СНГ

,так и Дальнего Зарубежья , были разработаны и построены регрессионные

модели . Для разработки регрессионной модели по оценки формы связи между

производством ГРП и общим технологическим эффектом, была осуществлена

выборка статистического материала из таблицы 3.1 , которая представлена

таблицей 3.5. По результатам этой выборки построена регрессионная модель,

которая представлена следующим выражением:

Эот = -34,553 + 10,517х,

(3.1)

где Эот - общий технологический эффект.

Таблица 3.5 Статистические данные ГРП и общего технологического

эффекта

|Х1|42 |60 |4 |322 |46 |83 |14 |1 |17 |3 |6 |3 |24 |

|У2|173,|1069|29,2|3301|143 |871 |63 |-8 |220 |32,8|22,3|13 |63,4|

| |5 | | | | | | | | | | | | |

| |

|Продолжение таблицы 3.5. |

|X1|3 |2 |1 |1 |2 |12 |3 |1 |2 |1 |1 |234 |

|Y2|9,6 |2,1 |-1 |2,9 |39 |26,8|3,9 |0 |40 |1,1 |3 |2490|

Графическая модель данного уравнения регрессии иллюстрируется

рисунком 3.1.

Оценка адекватности данной модели по критерию Фишера позволила

сделать вывод, что данная форма регрессионной связи при уровне

доверительной вероятности 0,95 не отвергается так как

Fр = 2.4 > Fк = 2.0 ,

где Fр - расчетное значение критерия Фишера ,

Fк - при k = n – d – 1 = 23 – 2 – 1 =20 .

Рисунок 3.1 Регрессионная модель связи ГРП и общего технологического

эффекта

По результатам выборки таблицы 3.6 построена регрессионная модель связи

между ГРП и коэффициентом интенсификации, которая представлена следующим

выражением:

Ки = – 31,835 + 10,46х,

(3.2.)

где Ки - интенсификация разработки.

Таблица 3.6 Статистические данные ГРП и интенсификации

|Х1|42 |60 |4 |322 |46 |83 |14 |1 |17 |3 |6 |3 |24 |

|У2|226 |936,|39,4|3299|139 |822 |72,2|-6,3|183 |33 |27,7|13,3|63,6|

| | |6 | | | | | | | | | | | |

| |

|Продолжение таблицы 3.6. |

|X1|234 |3 |2 |1 |1 |2 |12 |3 |1 |2 |1 |1 |8 |

|Y2|2497|9,6 |2,1 |5,1 |2,9 |-1 |29 |4 |0 |40 |1 |3 |11 |

Графическая модель уравнения 3.2 , представлена рисунком3.2.

Рисунок 3.2 Регрессионная модель связи ГРП и интенсификации

Для оценки адекватности был рассчитан критерий Фишер, численное

значение которого для данной модели следующие:

Fp = 3,2 > Fк = 2,0

Следовательно, гипотеза о форме связи представляемая выражением3.2. не

отвергается с уровнем доверительной вероятности 0,95.

Страницы: 1, 2, 3, 4, 5, 6

МЕНЮ

Разработка нового метода использования нефтяных скважин

ИНТЕРЕСНОЕ