Ключевые слова: автоматизация, геолого-промысловый анализ, потери дебита нефти, возвратные потери, потери по жидкости, потери по обводненности.
Рассматриваемое месторождение является одним из крупнейших месторождений в мире и в настоящее время находится на поздней стадии разработки, для которой характерны высокий объем попутно добываемой воды, рост эксплуатационных затрат, снижение эффективности геолого-технических мероприятий и дальнейшее снижение доли добываемой нефти в продукции скважин. Подобная динамика не является уникальной особенностью конкретного актива, а отражает фундаментальные закономерности выработки запасов, с которыми сталкиваются в конечном счете все месторождения с традиционными запасами нефти. Однако в условиях масштабов месторождения проблема управления падающей добычей принимает особую остроту и методологическую значимость. Соответственно, важным направлением развития актива является работа по повышению эффективности разработки.
По состоянию на начало 2026 года действующий фонд добывающих скважин месторождения превышает 6 000 единиц. При столь значительном количестве скважин и объектов эксплуатации задача оперативного мониторинга состояния разработки трансформируется из рутинной технологической процедуры в сложную многопараметрическую проблему управления большими данными (Big Data). Ключевым условием эффективного недропользования на поздней стадии является своевременная идентификация отклонений в работе добывающего фонда, точное определение причин снижения дебита нефти и оперативная интерпретация динамики промысловых параметров [1]. При значительном фонде скважин традиционные методы анализа, основанные на «ручной» обработке информации инженером-геологом, крайне трудозатратны, подвержены субъективным ошибкам и характеризуются низкой скоростью принятия решений. В этой связи разработка и внедрение алгоритмов автоматизированного определения причин потерь добычи приобретает не просто актуальное, а критически важное значение для поддержания рентабельности эксплуатации месторождения.
В рамках стандартного геолого-промыслового анализа (ГПА) существует методологически выверенный алгоритм, позволяющий дифференцировать причины снижения дебита: отдельно по снижению дебита жидкости (снижение продуктивности пласта или энергетического состояния, рост забойного давления) и росту обводненности (например, прорыв воды). При этом корректная диагностика предполагает не изолированное рассмотрение целевой скважины, а комплексную оценку состояния соседнего фонда (реагирующих добывающих и нагнетательных скважин), включая анализ интерференции и влияние системы поддержания пластового давления (ППД).
Безусловно, точными инструментами для выявления источников обводнения и причин снижения приемистости пласта остаются прямые методы исследований: промыслово-геофизические исследования (ПГИ), трассерные индикаторные исследования, гидропрослушивание. Однако данные методы сопряжены со значительными экономическими издержками, обусловленными как высокой стоимостью самих работ, так и технологическими потерями в добыче из-за вынужденных остановок скважинного оборудования на период исследований. В условиях оперативного производственного мониторинга диагностические решения должны базироваться в первую очередь на интерпретации существующего потока ретроспективных и актуальных суточных данных эксплуатационной отчетности, накопленных по каждой скважине.
Высокая ресурсоемкость ручной обработки указанного массива данных, умноженная на масштаб фонда месторождения, сформировала явную производственную и научную потребность в создании автоматизированной системы поддержки принятия решений. Настоящая работа посвящена разработке и обоснованию алгоритма, позволяющего в автоматическом режиме выявлять причины потерь дебита нефти на основе оперативного анализа промысловых данных без привлечения дорогостоящих физических замеров на первом этапе диагностики.
Цель и методология исследования
Целью настоящей работы является разработка и программная реализация алгоритмизированного подхода к автоматическому определению причин потерь дебита нефти на основе оперативной интерпретации промысловых данных. Для достижения поставленной цели был выполнен комплексный анализ информационных потоков и экспертных процедур, применяемых в рутинной практике ГПА.
В основу методологии положена формализация существующего процесса принятия решений, а именно: перевод экспертного ручного анализа динамики работы скважин в строгую последовательность логических и математических операций. Выбор в пользу «классической» алгоритмизации (в противовес методам машинного обучения на основе нейронных сетей) обусловлен требованием интерпретируемости результатов и управляемости логики. При работе с фондом свыше 6 000 скважин крайне важно понимать, почему программа присвоила скважине ту или иную причину, и иметь возможность оперативно корректировать пороговые значения критериев без переобучения сложной модели. Это делает предложенный подход простым, доступным для реализации в рамках существующей ИТ-инфраструктуры промысла и прозрачным для инженера-геолога.
В рамках подготовительного этапа исследования был составлен исчерпывающий перечень диагностируемых причин, который для удобства программной обработки и визуализации был классифицирован в четыре группы:
-
Общие причины (изменение режима работы окружающего фонда, естественная выработка запасов).
-
Потери по жидкости (снижение продуктивности призабойной зоны, механические причины ограничения притока).
-
Потери по обводненности (прорыв закачиваемых или подошвенных вод, заколонные перетоки).
-
Некорректные замеры (выявление недостоверной или нестационарной динамики, связанной с метрологическими погрешностями или временными техническими ограничениями).
Каждая детализированная причина в рамках указанных групп была подвергнута экспертному ранжированию по критерию возвратности/невозвратности потерь (согласно классификации, представленной в работе автора [2]). Под возвратными причинами в контексте данной работы понимаются потери дебита нефти, которые при условии своевременного проведения соответствующих геолого-технических мероприятий (ГТМ) и применении существующих технологий воздействия на пласт теоретически могут быть предотвращены или полностью/частично устранены. Данная градация заложена в основу алгоритма для последующей приоритизации скважин-кандидатов на проведение ремонтных работ или оптимизацию режимов.
Информационная база и исходные данные
Для корректной работы алгоритма и воспроизведения логики ручного анализа специалиста определен перечень обязательных источников данных, задействованных в качестве входных параметров:
-
Корпоративный программный комплекс «РН-КИН»: используется для получения статической информации и PVT-свойств (координаты устья и забоя, объект разработки, характер и состояние работы скважины, плотность нефти в пластовых и поверхностных условиях, объемные коэффициенты нефти и воды).
-
Мониторинг разработки месторождения (МРМ) «Шахматка»: источник динамических рядов суточных показателей (приемистость нагнетательных скважин, дебит жидкости, обводненность весовая и объемная, забойное и буферное давления, давление на приеме насоса, результаты анализа устьевых проб (ХАЛ)).
-
Информационная система «OIS Ремонты скважин»: база данных исторических ремонтов и проведенных ГТМ (для учета влияния мероприятий на интерференцию и очистки динамики от антропогенного вмешательства).
-
База данных «Технологический режим»: значения текущего и начального пластового давления.
Логика работы алгоритма
Алгоритмический подход предполагает анализ не изолированной скважины, а элемента участка разработки. В рамках выполнения итерационного цикла каждая скважина действующего фонда последовательно принимается за анализируемую (целевую). Относительно нее производится пространственно-временной анализ динамики показателей соседнего окружения (ближайших добывающих и нагнетательных скважин) с учетом:
-
синхронности/асинхронности трендов падения или роста отборов жидкости;
-
взаимовлияния в системе ППД (реакция на изменение объемов закачки в соседних нагнетательных скважинах);
-
влияния фактора проведения ремонтных работ (ГТМ, смена насоса, обработка призабойной зоны (ОПЗ)) как на самой скважине, так и на соседних.
Таким образом, в последующих разделах статьи детально описывается структура этого алгоритма, условия ветвления логики (если-то-иначе) и принципы обработки временных рядов, позволяющие исключить человеческий фактор при диагностике и сократить временные затраты на анализ с нескольких дней до нескольких минут на весь фонд скважин.
Материалы и методы
Теоретической и методической базой настоящего исследования послужили фундаментальные положения ГПА причин обводнения и падения добычи, подробно изложенные в работах автора [2] и других исследователей [3]. В рамках данной работы на основе актуального состояния фонда скважин месторождения была разработана уточненная классификация причин потерь дебита нефти, представленная в таблице 1.
ТАБЛИЦА 1. Классификация причин потерь дебита нефти
Обоснование выбора метода анализа данных
Для каждой идентифицированной причины была разработана собственная ветвь алгоритмической логики. Принципиальным методологическим решением стал отказ от использования методов машинного обучения (ML) и нейросетевых моделей. Данное решение продиктовано стремлением обеспечить полную детерминированность и интерпретируемость получаемого результата. Внедрение моделей «черного ящика» в процессы оперативного мониторинга фонда в 6000+ скважин сопряжено с рисками неопределенности, присущими всем алгоритмам ML (вероятностная природа вывода, зависимость от качества и объема обучающей выборки) [4–5]. Предложенный в работе подход, напротив, базируется на воспроизведении четкой логики эксперта-аналитика, что позволяет гарантировать повторяемость результата и возможность точечной настройки критериев.
На начальном этапе разработки методики была проведена проверка применимости классических аналитических инструментов визуальной интерпретации промысловых данных, в частности – диагностических графиков Чена [6–7]. Целью проверки являлась оценка возможности масштабирования данного подхода для автоматического определения двух характерных причин обводнения: конусообразования и НЭК / заколонной циркуляции (ЗКЦ).
1. Анализ конусообразования. Согласно теоретическим положениям [7], при образовании конуса подошвенной воды динамика водонефтяного фактора (ВНФ) характеризуется плавным монотонным ростом, в то время как производная ВНФ (d(ВНФ)/dt) демонстрирует резкое падение (рис. 1).
РИСУНОК 1. График Чена образования конуса [7]
Из промысловой базы данных были отобраны 6 скважин с ранее геофизически подтвержденным фактом конусообразования, чьи режимы работы и конструктивные особенности в наименьшей степени искажали «чистоту» процесса. В результате детального анализа временных рядов ВНФ и его производной было установлено, что только одна скважина из 6 продемонстрировала соответствие теоретической модели. На остальных пяти скважинах наблюдалась стохастическая или противоречивая динамика, не позволяющая сделать однозначный диагностический вывод (примеры на рис. 2).
РИСУНОК 2. Примеры полученных графиков Чена на промысловых данных
2. Анализ НЭК/ЗКЦ. Теоретическая модель для случаев заколонного перетока предполагает наличие стабильного участка на графике ВНФ, сменяющегося резким экспоненциальным ростом и синхронным резким скачком производной ВНФ (рис. 3) [7].
РИСУНОК 3. График Чена НЭК/ЗКЦ [7]
Для проверки данной гипотезы выборка была расширена до 20 скважин, характеризующихся явными признаками НЭК или ЗКЦ по данным технического контроля. Достоверная динамика, соответствующая теоретической, подтвердилась лишь для 8 скважин из 20. В остальных случаях (12 скв., 60 %) наблюдалась неинформативная или зашумленная динамика (рис. 4).
РИСУНОК 4. Примеры полученных графиков Чена на промысловых данных
Совокупная точность диагностических графиков Чена по двум рассмотренным категориям причин на реальных промысловых данных рассматриваемого месторождения составила всего 35 % (9 подтвержденных случаев из 26 проанализированных). Столь низкая прогностическая способность и высокая зависимость от субъективной трактовки графика оператором делают данный метод непригодным для автоматизации в масштабах месторождения с высоким темпом отбора проб и зашумленностью суточных данных.
В связи с выявленной несостоятельностью прямых аналитических графиков для решения поставленной задачи был разработан иной подход. В его основе лежит алгоритмическое сравнение ретроспективных суточных данных с последовательным накоплением критериев.
Суть метода заключается в следующем: при фиксации отклонения того или иного технологического параметра (дебита жидкости, обводненности, забойного давления) за пределы установленного статистического допуска, программа помечает данную временную метку. Далее алгоритм переходит в режим верификации: проводится проверка дополнительных связанных параметров (динамика соседнего окружения, режимы закачки, история ремонтов) для подтверждения или опровержения первичной гипотезы о причине снижения дебита нефти.
Применение данного подхода, основанного на формализации рутинных логических операций специалиста и исключающего субъективную интерпретацию визуальных образов, позволило повысить достоверность автоматического определения причин до 85 %. Данный показатель был подтвержден в ходе опытно-промышленной эксплуатации алгоритма на контрольной выборке скважин.
Структура программного комплекса
Интерфейс программного комплекса представляет из себя окно (рис. 5), которое разделено на две основные части. Слева (под номером 1) – панель управления с командами, с помощью которых можно сформировать отчет и визуализировать причины в отдельности без формирования итогового файла. Справа (под номером 2) – окно информации с результатами.
РИСУНОК 5. Интерфейс программного комплекса
Разработанный программный комплекс реализует последовательную обработку промысловых данных и структурно декомпозирован на три функциональных модуля: (1) отбор скважин-кандидатов, (2) подготовка данных и анализ окружения, (3) алгоритмическая идентификация причин.
МОДУЛЬ 1.
Отбор скважин-кандидатов
Начальный этап работы программы заключается в формировании исходного информационного массива. Данные выгружаются из корпоративных источников и проходят процедуру предварительной валидации и нормализации. После загрузки файлов выполняется факторный анализ динамики добычи, в рамках которого производится количественная оценка потерь дебита нефти. Расчет осуществляется раздельно по двум компонентам: потери по жидкости (формула 1) и потери по обводненности (формула 2).
где Qж – дебит жидкости, м3/сут; Qн – дебит нефти, т/сут; (i) – параметр на конец анализируемого периода; (0) – параметр на начало анализируемого периода.
Анализируемый период выбирается исходя из загруженных данных. Он может варьироваться от двух дней до количества загружаемой динамики. Если суточная динамика по скважинам выгружена за год, то максимальный анализируемый период может быть один год.
Таким образом за первый шаг программа выбирает скважины с потерями дебита нефти по жидкости и по обводненности за выбранный промежуток времени.
МОДУЛЬ 2.
Подготовка данных и анализ окружения
Второй модуль реализует пространственно-временной анализ окружения для каждой скважины, идентифицированной на предыдущем шаге. На основе координат привязки (пласт, блок разработки) для каждой анализируемой скважины определяется перечень соседних скважин (добывающих и нагнетательных). Далее производится сбор и анализ динамики их работы за рассматриваемый период, включая:
-
факты остановок и запусков;
-
проведение ГТМ;
-
изменение режимов работы (смена типоразмера насоса, изменение устьевых параметров);
-
стабильность работы нагнетательного фонда (динамика приемистости).
МОДУЛЬ 3.
Алгоритмическая идентификация причин
Данный модуль является ядром системы и воспроизводит логику экспертного ГПА в автоматизированном режиме. Алгоритм последовательно проверяет гипотезы о причинах снижения дебита на основе формализованных критериев.
Общие причины
Интерференция добывающих скважин
В основу диагностики интерференции положен анализ реакции целевой скважины на изменение режима работ соседних добывающих скважин (остановки или проведение ГТМ). Критическим параметром при оценке взаимовлияния является время отклика пласта – интервал, в течение которого на целевую скважину передается возмущение от воздействия на соседнем объекте.
Для определения времени отклика было выполнено многовариантное гидродинамическое моделирование на синтетических секторных моделях. В расчетах варьировались фильтрационно-емкостные свойства (ФЕС) (проницаемость, пористость, нефтенасыщенность, эффективная нефтенасыщенная толщина пласта) и формы кривых относительных фазовых проницаемостей. Следует подчеркнуть, что полученная зависимость носит эмпирический характер и справедлива для исследованного диапазона ФЕС. В качестве примера – для моделей со средней проницаемостью 150 мД, пористостью 0,22 д. ед., начальной нефтенасыщенностью 0,65–0,8 д. ед. и эффективной нефтенасыщенной толщиной 5–10 м – установлено следующее соотношение времени отклика от расстояния между скважинами:
-
расстояние до 200 м: время отклика до 15 суток;
-
расстояние 200–300 м: время отклика до 30 суток;
-
расстояние свыше 300 м: время отклика пропорционально увеличивается.
На основе данной эмпирической зависимости алгоритм выполняет кросс-анализ: при совпадении даты изменения режима на соседних скважинах и последующего (в пределах расчетного времени отклика) снижения дебита целевой скважины факт интерференции считается подтвержденным. В итоговую таблицу заносится запись с указанием величины потерь дебита нефти по жидкости и по обводненности, номер влияющей скважины и описания зафиксированного события.
Интерференция нагнетательных скважин
Аналогичный принцип временного отклика применяется для оценки влияния нагнетательного фонда. Анализируются изменения приемистости и проведение ГТМ (ОПЗ, дострелы, ограничение закачки) на соседних нагнетательных скважинах.
ГТМ и смена ЭЦН
Для программы ГТМ интерпретируется как период с нулевыми значениями добычи, маркированный соответствующим кодом вида ремонта. Алгоритм анализирует изменение дебита жидкости (ΔQж) и дебита нефти (ΔQн) в периоды «до» и «после» ГТМ:
-
ΔQж ↓ и ΔQн ↓ при Рзаб = const → причина: снижение коэффициента продуктивности (кольматация ПЗП);
-
ΔQж ↑ и ΔQн ↓ → причина: прорыв воды по высокопроницаемым каналам (характерно после ГРП или ОПЗ). Данная динамика также соответствует причине НЭК/ЗКЦ, поэтому для более достоверной идентификации причины требуется подтверждение результатами ПГИ.
При анализе смены насоса дополнительно диагностируются:
-
рост депрессии (несоответствие напора насоса притоку);
-
неоптимальная работа ЭЦН (работа в «левой зоне» напорно-расходной характеристики);
-
снижение коэффициента продуктивности.
Потери по жидкости
Снижение коэффициента продуктивности
Снижение коэффициента продуктивности может быть следствием постепенной кольматации ПЗП, либо результатом смены насосного оборудования или проведения ГТМ. Ключевым признаком при диагностировании данной причины является синхронное снижение дебита жидкости и дебита нефти, сопровождающееся снижением забойного давления.
Для исключения ложных срабатываний алгоритм реализует следующую логику:
-
Предобработка данных: выполняется усреднение замеров дебита жидкости, нефти и забойного давления по суточной динамике. Это необходимо для подавления шумов и фильтрации выбросных (недостоверных) значений.
-
Верификация тренда: алгоритм анализирует усредненные значения и ищет точку начала устойчивого снижения. Ключевое условие – после верифицированной даты изменения показателей оба параметра (дебит жидкости и дебит нефти) не должны демонстрировать положительной динамики, подтверждая стабильный нисходящий тренд.
Снижение пластового давления и недостаточная компенсация
Следующая причина снижения жидкости – это снижение пластового давления. Корректное выявление данной причины сопряжено с неопределенностями, связанными с отсутствием 100%-ого охвата замерами пластового давления на добывающем фонде. Поэтому зачастую в условиях нефтяного промысла для оценки пластового давления используют его индикатор – компенсацию отборов [8]. В связи с этим в реализованном инструменте использован алгоритм оценки изменения пластового давления на основе анализа текущей компенсации. Если у добывающей скважины нет соседних нагнетательных скважин, нет влияния аквифера, то причиной снижения дебита жидкости является «отсутствие компенсации отборов». У скважин с наличием соседних нагнетательных скважин рассчитывается компенсация отборов. При снижении компенсации отборов со снижением дебита нефти и дебита жидкости, определяется причина «снижение компенсации отборов», при условии выявления изменения темпов падения по жидкости. В случае если компенсации менее 100 % и отсутствует влияние аквифера, то определяется причина «недостаточная компенсация отборов».
Рост забойного давления и неоптимальная работа ЭЦН
Одна из основных причин потерь дебита нефти по жидкости – рост забойного давления. Это приводит к росту противодавления на пласт и уменьшению притока жидкости к забою. В этом случае диагностируется неоптимальная работа ЭЦН в «левой зоне», приводящая к снижению коэффициента полезного действия, перегреву и снижению дебита нефти.
Потери по обводненности
НЭК/ЗКЦ
Диагностика НЭК/ЗКЦ основана на поиске характерного признака – аномального роста давления на приеме насоса. Был проведен ретроспективный анализ эксплуатационных параметров всех скважин с подтвержденным НЭК за период 2023–2025 гг. Установлено, что в 96 % случаев наличие НЭК сопровождается скачкообразным ростом давления на приеме более чем на 5 атм относительно среднего фонового значения. При этом средняя величина скачка составила 60 атм (более чем в 60 % случаев). Также вместе с ростом давления на приеме наблюдается рост дебита жидкости и обводненности в 100 % случаев.
Алгоритм реализует следующую логику:
-
поиск выброса по давлению на приеме (ΔP > 5 атм);
-
верификация роста дебита жидкости в ту же дату по данным МРМ или телеметрии;
-
проверка условия: после скачка давления на приеме не должно снижаться до исходного уровня (устойчивый характер нарушения);
-
проверка дополнительного условия: изменение показателей не связано с изменением режимов работы нагнетательных скважин в окружении.
Прорыв от системы ППД
Частая причина потерь дебита нефти по обводненности – прорыв от системы ППД. В рамках оценки прорыва воды от системы ППД оценивается комплексное влияние нагнетательных скважин-окружения: анализ взаимовлияния нагнетательных и добывающих скважин и контроль компенсации. Если выявлено влияние увеличения закачки на соседней нагнетательной скважине на рост обводненности и дебита жидкости с учетом времени отклика и текущей компенсации отборов, определяется причина «влияние ППД».
Некорректные замеры
Идентификация некорректных замеров
Для повышения достоверности результатов работы инструмента в алгоритм интегрирован блок фильтрации некорректных данных. Скважина определяется как имеющая «некорректные замеры» при выявлении одного из следующих условий:
-
Отсутствие данных по обводненности в МРМ (ХАЛ) в течение 7 и более суток подряд (исключая периоды остановок).
-
Отсутствие данных по дебиту жидкости по телеметрии в течение трех и более суток.
-
Расхождение значений обводненности по данным ХАЛ и МРМ более чем на 10 % (абсолютных).
-
Отклонение дебита жидкости по данным МРМ от данных телеметрии более чем на 20 % за отчетный период.
Скважины, попадающие под данные критерии, исключаются из процедуры автоматической классификации причин и направляются на дополнительный ручной контроль качества замеров.
Апробация инструмента
Разработанный программный инструмент прошел опытно-промышленную апробацию на одном из месторождений Западной Сибири применительно к эксплуатационному объекту – БВ₁₀₋₁₁. Целью апробации являлась верификация корректности работы алгоритмов на независимой выборке данных, не использовавшейся при первоначальной настройке логики, и количественная оценка эксплуатационных характеристик инструмента.
В рамках тестирования сформирован репрезентативный фонд скважин объекта БВ₁₀₋₁₁, данные по которому загружены в программный комплекс. Параллельно с автоматической обработкой выполнялся независимый ГПА того же фонда скважин высококвалифицированным специалистом-экспертом. Результаты, полученные двумя методами (программным и экспертным), были сопоставлены по двум ключевым метрикам: достоверность диагностики и временные затраты.
Сравнительный анализ показал, что достоверность автоматизированно