Новый подход к количественной оценке продуктивности многоствольной «рыбьей кости» скважины

Скважины типа «рыбья кость» — это новая эксплуатационная технология, применяемая для увеличения продуктивности скважин и доступа к труднодоступным геологическим пластам и нетрадиционным коллекторам. Основные преимущества этой технологии по сравнению с гидроразрывом пласта — более низкая стоимость и сокращенное время операций. Многоствольные скважины формы «рыбья кость» продемонстрировали лучшую продуктивность по сравнению с многофракционными горизонтальными скважинами в относительно низкопроницаемых коллекторах. В настоящей работе предложен новый подход для прогнозирования эффективности «рыбьей кости» без использования интеллектуальных систем завершения или донных клапанов в горизонтальных ответвлениях. Очень мало работ посвящено многоствольным скважинам «рыбья кость», пробуренным в сухих газовых коллекторах, и разработано лишь несколько эмпирических моделей для оценки притоковой характеристики скважин, добывающих из двухфазных пластов; однако эти модели игнорируют количество боковых отверстий («ребер») и предполагают постоянное падение давления по горизонтальным ответвлениям, поэтому применение таких моделей может приводить к существенным ошибкам оценок. Основная цель данного исследования — представить надежную модель для оценки продуктивности многоствольных скважин «рыбья кость», добывающих из анизотропных и гетерогенных газовых коллекторов. Исследованы несколько методов искусственного интеллекта для количественной оценки продуктивности таких скважин в более широком диапазоне условий без введения неопределенностей и сложности, свойственных другим численным методам. Предложенные модели изучают значимость параметров пласта, числа ответвлений, отношения проницаемостей (Kh/Kv), длины ответвлений и расстояния между ними для продуктивности скважины «рыбья кость». Для разработки и валидации надежности модели было использовано более 250 наборов данных. Скорость добычи оценивается с использованием искусственной нейронной сети (ANN), адаптивной нейро-нечеткой системы вывода (ANFIS), обобщенной регрессионной нейронной сети (GRNN) и сети с радиальной базисной функцией (RBF). Модели требуют параметров пласта и конфигурации ствола для определения дебита без необходимости применения донных систем завершения. Кроме того, по модели искусственной нейронной сети была извлечена математическая формула; эта формула была проверена на двух скоростных испытаниях из реального газового месторождения и показала приемлемую погрешность 7%. Результаты работы предоставляют эффективный инструмент для количественной оценки продуктивности сложных скважин «рыбья кость» и могут помочь в доработке коммерческого программного обеспечения для расчета продуктивности скважин с целью сокращения расхождений между моделированием и полевыми данными, что приведет к более точному определению оптимального режима добычи.