Интегральное моделирование на сегодняшний день является стандартным методом оптимизации разработки нефтегазовых месторождений, когда речь идет об учете взаимовлияния объектов подземной и наземной инфраструктуры [1–4]. Особенно оно становится актуальным, когда моделирование включает экономическую оценку на перспективу разработки месторождений. При этом, как правило, основное внимание уделяется моделированию пласта, поскольку от качества прогноза добычи нефти зависит точность оценки доходной части экономики нефтяного месторождения.
Признавая важность интегрального моделирования для прогнозирования разработки месторождения на средне- и долгосрочную перспективу, следует отметить, что оно может применяться и для решения краткосрочных задач (до одного года). В качестве такой задачи в настоящей работе предлагается рассмотреть задачу прогнозирования изменения энергоэффективности нефтяного месторождения.
Проблема энергоэффективности в последние годы является одной из наиболее актуальных в нефтегазовой сфере, но не всегда решается комплексно. Так, например, при планировании программы энергосбережения механизированной добычи нефти, на долю которой приходится порядка 70 % всех энергозатрат месторождения, слабо учитывается влияние предлагаемых энергосберегающих технологий и мероприятий на скважине на энергоэффективность других скважин и объектов наземной инфраструктуры. С другой стороны, часто не принимаются во внимание изменения, влияющие на скважины, но напрямую не связанные со скважинным оборудованием и режимом работы скважин, такие как проведение геолого-технических мероприятий, изменение режимов работы объектов поверхностной инфраструктуры.
Под интегральной моделью энергоэффективности цифрового актива будем понимать разновидность цифровой интегральной модели — единой цифровой модели месторождения, предназначенной для расчета энергопотребления каждого объекта (скважины, объекты поверхностного обустройства), учитывающей взаимовлияние объектов друг на друга и ориентированной на оптимизацию энергопотребления. Специфическими особенностями такой модели являются:
• приоритет энергоэффективности в качестве критерия мониторинга и оптимизации интегральной модели;
• сравнительно небольшой (от одного месяца до полугода) горизонт прогнозирования, предполагающий, что инфраструктура месторождения за период моделирования не изменится;
• акцент на моделировании механизированной добычи. Как основного потребителя электроэнергии месторождения.
В общем случае интегральная модель энергоэффективности цифрового актива включает в себя пять основных элементов: пласт, механизированную добычу, систему сбора, систему подготовки и систему поддержания пластового давления (ППД). И связывающий их воедино алгоритм. Элементы интегральной модели представлены «цифровыми двойниками» — математическими моделями, которые способны адаптироваться на промысловые данные и проводить прогнозные расчеты на заданном горизонте времени.

В настоящей работе для моделирования механизированной добычи используются разработанные ранее с участием авторов «цифровые двойники» добывающих скважин, оборудованных установками электроцентробежных (УЭЦН) и скважинных штанговых насосов (ШСНУ) с детализацией энергозатрат по узлам оборудования [5]. Для описания системы сбора, транспортировки и подготовки скважинной продукции создаются графы, моделирующие конфигурацию наземных трубопроводов с расположенными в их вершинах технологическими объектами (замерные установки, водозаборные скважины, насосы, теплообменники и т.д.), в которых рассчитываются перепады давлений и температур. Пласт описывается сравнительно простыми моделями, основанными на методе материального баланса и аппроксимации исторических данных, которые позволяют прогнозировать изменение пластового давления и обводненностей для ячеек заводнения и добывающих скважин.
Связывающий алгоритм с заданным временным шагом (обычно выбирается 1 месяц) последовательно запускает на расчет «цифровые двойники» и обеспечивает обмен данными между ними. Основными объектами исследования в силу специфики задачи являются насосные установки для добычи нефти, насосы внутренней перекачки и системы ППД, компрессоры, теплообменники: все потребители электроэнергии на месторождении представлены «цифровыми двойниками», позволяющими рассчитывать энергозатраты.
Целью настоящей работы является подтверждение применимости интегральной модели энергоэффективности к реальному месторождению и оценка влияния сценарных условий на изменение его энергетических показателей.
В качестве объекта для моделирования, на примере которого строилась интегральная модель энергоэффективности, было выбрано одно из месторождений Башкирии, которое является в достаточной степени автономным (объект системы подготовки обслуживает только добывающие скважины данного месторождения) и многие годы разрабатывается в режиме заводнения (добывающий фонд представлен УЭЦН и УСШН, а вода для закачки в продуктивные пласты месторождения поступает из системы подготовки после отделения ее от нефти и от водозаборных скважин).
Для анализа влияния мероприятий, проводимых на механизированном фонде скважин, на энергоэффективность месторождения было рассмотрено несколько сценариев:
• базовый сценарий: режимы работы добывающих, нагнетательных и водозаборных скважин, объектов подготовки и ППД в течение периода расчета не изменяются и соответствуют параметрам стартового периода;
• оптимизация режима работы скважины: в начале каждого нового расчетного месяца на всех скважинах производится изменение частоты тока УЭЦН или числа качаний ШСНУ, исходя из критерия достижения технологического потенциала или минимального удельного расхода электроэнергии (УРЭ);
• отключение высокообводненных скважин: в начале каждого нового расчетного месяца происходит остановка скважин механизированного фонда с высокой обводненностью.
В последующих разделах приводится более подробное описание «цифровых двойников» для каждого элемента цифрового актива, презентация связывающего алгоритма и результаты расчетов по приведенным выше сценариям.

Несмотря на то, что элементы цифрового актива (пласт, механизированная добыча, системы сбора, подготовки и ППД) влияют друг на друга, это влияние не всегда является прямым. Так, например, пласт оказывает непосредственное влияние только на процессы механизированной добычи (через пластовое давление и обводненность скважин) и систему ППД (пластовое давление). Влияние пласта на другие элементы осуществляется опосредованно. Взаимодействие элементов цифрового актива может быть сведено к последовательному бинарному влиянию так, как это показано на рисунке 1.

Исходя из этого можно сформулировать понятия цифровых двойников каждого элемента цифрового актива.
Цифровая модель пласта — модель пласта, которая на основе динамических данных о добыче (дебиты воды и нефти) и закачке (приемистость на нагнетательных скважинах) на месторождении позволяет рассчитывать пластовое давление и обводненность на добывающих скважинах.
Основные принципы построения модели пласта:
• пластовое давление в ячейках заводнения определяется с помощью метода материального баланса (рис. 2);
• обводненность вычисляется на основе балансовой модели (экстраполяция истории изменения накопленной добычи нефти от водонефтяного фактора).

Цифровая модель механизированной добычи нефти — объединенная модель группы скважин, которая позволяет на основе известных значений параметров пласта (пластовые давления и обводненности) и системы сбора (линейные давления) рассчитывать дебиты жидкости и забойные давления и определять расход газожидкостной смеси и обводненность нефти на групповых замерных установках (ГЗУ) для учета в трубопроводной системе.
Основные принципы моделирования механизированной добычи:
• фактические и прогнозные параметры технологического режима работы нефтяной скважины с УЭЦН и ШСНУ определяются с помощью «цифрового двойника» [5-7];
• для насосного оборудования проводится детализация энергозатрат по узлам.
Цифровая модель системы сбора скважинной продукции — объединенная модель связанных трубопроводов, предназначенная для определения линейного давления на ГЗУ для добывающих скважин в зависимости от расхода газожидкостной смеси и обводненности продукции этих скважин.
Основные принципы моделирования системы сбора:
• система сбора представляет собой ориентированный граф в виде дерева с корнем, который является входной точкой в систему, и листьями, которые соответствуют ГЗУ;
• расчет производится при условии, что поток газожидкостной смеси движется всегда по направлению от ГЗУ к пункту подготовки нефти, при этом на входе в него задаются давление и температура газожидкостной смеси, а на ГЗУ задаются массовый расход углеводородной смеси и объемный расход воды, а также компонентный состав углеводородной смеси;
• для моделирования фазовых превращений в системе нефть-газ на элементарных участках труб используется приближение нелетучей нефти без учета массообмена, а в точках соединения участков труб и точках ветвления дерева — композиционная модель;
• для моделирования перепада давлений в трубе используется приближение
Беггса-Брилла, а для расчета изменения температуры — корреляция Алвеса [8]. При расчете равновесного состояния системы нефть-газ используется уравнение Соаве-Ридлиха-Квонга [9].
Применительно к моделируемому месторождению система нефтесбора включает 13 ГЗУ, работающих на 59 скважин, 25 трубопроводов и 11 точек ветвления (рис. 3).

Цифровая модель системы поддержания пластового давления — объединенная модель водозаборных скважин и связанных трубопроводов, предназначенная для определения приемистости нагнетательных скважин.
Основные принципы моделирования системы ППД:
• система ППД представляет собой несвязанный ориентированный граф в виде деревьев, корнями которых являются водоисточники (водозаборные скважины, насосы бустерной установки (НБУ) и блочной кустовой насосной станции (БКНС)), и листьями, которые соответствуют ячейкам заводнения;
• для моделирования водозаборных скважин применяется модель «цифрового двойника» скважины с УЭЦН;
• для моделирования перепада давлений в трубопроводах используется приближение Беггса-Брилла, а для расчета изменения температуры – корреляция Алвеса;
• распределение потоков воды на делителях и гребенках фиксируется для базового месяца расчета с учетом известных приемистостей нагнетательных скважин.
Для моделируемого месторождения система ППД включает 3 водозаборные скважины, 2 источника сброса воды в системе подготовки (НБУ и БКНС), 3 трубопровода, 10 делителей-гребенок и 29 нагнетательных скважин, которые работают на 14 ячеек заводнения (рис. 4).

Цифровая модель системы подготовки скважинной продукции — объединенная модель связанных объектов (насосы, сепараторы, трубопроводы и проч.), которая на основе известных расходов углеводородной смеси и воды на входе рассчитывает расход воды в системе ППД и параметры энергоэффективности входящих в нее источников энергопотребления.
Основные принципы моделирования системы подготовки:
• система подготовки представляет собой связанный ориентированный граф, который содержит один источник (он же сток для системы сбора) и несколько стоков, из которых только два (БКНС и НБУ) являются источниками для системы ППД;
• для моделирования каждого типа объекта (насос, теплообменник, отстойник, сепаратор, трубопровод, клапан, сумматор, делитель) используется собственный «цифровой двойник»;
• энергопотребление рассчитывается только для насосов и теплообменников.
Для моделируемого месторождения система подготовки в общей сложности содержит 13 насосов, 7 теплообменников, 5 отстойников, 4 сепаратора, 7 трубопроводов, 10 клапанов, 20 точек ветвления-сумматоров и 12 делителей потока (рис. 5).

Связывающий цифровые двойники алгоритм функционирования интегральной модели цифрового актива выглядит следующим образом:
1. Для базового месяца, с которого стартует расчет, происходит адаптация параметров «цифровых двойников» на фактические данные. Для механизированных скважин она заключается в определении поправочных коэффициентов для расчета напора и КПД электроцентробежных насосов и коэффициентов утечек в клапанной паре и коэффициента растяжения штанговой колонны для ШСНУ таким образом, чтобы расчетные дебит жидкости и потребляемая мощность совпали с замерными значениями. Адаптация цифровой модели системы сбора проводится с помощью варьирования местного сопротивления путем изменения эффективного внутреннего диаметра труб для обеспечения согласования линейных давлений на ГЗУ и давления и температуры на входе в пункт подготовки нефти. Остальные объекты: теплообменники, сепараторы, отстойники и т.д. Адаптировались путем варьирования их характеристик (перепады давлений, температур, КПД) таким образом, чтобы обеспечить согласование с замерными параметрами для базового месяца. После адаптации параметров «цифровых двойников» на замерные данные базового месяца они фиксировались и в ходе прогнозных расчетов уже не изменялись.
2. Осуществляется последовательный пересчет цифровых моделей пласта, механизированной добычи, системы сбора, системы подготовки и системы ППД на данных базового месяца. Рассчитывается энергопотребление объектов цифрового актива.
3. По результатам расчета формируется технологический режим первого прогнозного месяца, который также участвует в формировании истории изменения параметров для модели пласта, после чего повторяются действия из п. 2.
4. Расчет продолжается до тех пор, пока не будет достигнут целевой расчетный месяц.

Для примера функционирования цифровой модели рассмотрим базовый сценарий, когда считается, что режимы работы добывающих, нагнетательных и водозаборных скважин, объектов подготовки и ППД в течение периода расчета не меняются и соответствуют параметрам базового месяца. В качестве базового месяца здесь выбран июнь 2022 г., горизонт прогнозирования – 5 месяцев, шаг расчета — один месяц. Параметры пласта изменяются в соответствии с историческими трендами и расчетными значениями добычи и закачки.
На рисунке 6 представлено изменение энергопотребления за месяц и УРЭ по одной из скважин механизированного фонда и всему механизированному фонду в целом. Из графиков видно, что значения энергопотребления и УРЭ изменяются немонотонно. Это связано с тем, что добыча и закачка для ячеек заводнения не согласованы между собой в настоящем и прошлом (т.е. пластовые давления и обводненности по каждой ячейке заводнения имеют свои тренды), что ведет к изменению параметров всей системы, даже если зафиксировать параметры подземного и наземного оборудования.

Для сравнения на рисунках 7 и 8 показаны расчеты для двух других сценариев: оптимизация механизированного фонда и отключение высокообводненных скважин для механизированного фонда и системы ППД соответственно.

Как следует из представленных графиков, оптимизация добычи приводит к росту энергопотребления и УРЭ для скважин механизированного фонда (дополнительная добыча на пределе технологического потенциала, как правило, связана с непропорциональным увеличением энергозатрат), но при этом УРЭ для скважин ППД ниже, чем для базового сценария. Отключение высокообводненных скважин, наоборот, приводит к снижению энергопотребления механизированного фонда (5 скважин из 59 «выпадают» из расчета), но в данном случае УРЭ оказывается выше, чем для базового сценария. Для ППД базовый сценарий и сценарий с отключением высокообводненных скважин дают примерно одинаковые результаты по энергопотреблению и УРЭ.