Д. геол . - минерал. н. Гридин В. А., геол . -минерал. н. Еремина Н. В., Кузнецова А. А., геол . -минерал. н. Стерленко З. В.

Северо-Кавказский Федеральный Университет, г. Ставрополь , Российская Федерация

ПРИМЕНЕНИЕ КЛАСТЕРНОГО МЕТОДА ПРИ АНАЛИЗЕ ГЕОЛОГО-ПРОМЫСЛОВЫХ ДАННЫХ ГОРИЗОНТА ЗЕЛЁНАЯ СВИТА СЕВЕРО-СТАВРОПОЛЬСКОГО ПХГ В КОМПЬЮТЕРНОЙ ПРОГРАММЕ STATISTICA

Ключевые слова: адаптивная модель, кластерный анализ, подземное газовое хранлище , Statistica .

Проводимые на подземных газовых хранилищах мероприятия по регулированию режимов эксплуатационных скважин носят адаптивный характер и затрагивают всю сложную взаимосвязанную и взаимодействующую систему элементов, составляющих разрабатываемую залежь. Разбиение по ряду технологических показателей всего фонда скважин на отдельные группы из-за снижения объема обрабатываемой информации существенно упрощает и удешевляет весь процесс управления. Кроме того, становится эффективным детальный анализ целесообразности проведения мероприятий внутри каждой группы и планирование их в рамках всей системы в целом.

В качестве осуществляемого метода, основанного на системном подходе, предлагается группирование скважин по их потенциальным возможностям, отражающим величину отобранных и закачанных объёмов газа за цикл в резервуар зелёной свиты Северо-Ставропольского Подземного Хранилища Газа [2, с. 173].

Для решения задачи выделения гру пп скв ажин по принципу однородности работы были использованы современные методы анализа данных, а именно кластерный анализ, применяемый в статистических исследованиях при классификации объектов, и реализованный в компьютерной программе Statistica . Диагностическим признаком являлось отношение величины закачанного газа в скважину за цикл к величине отобранного за соответствующий цикл. Использовались данные по 155 скважинам за 10 циклов отбора и закачки (с Х по ХХ). Учитывая тот факт, что использовался один признак, стандартизация данных не проводилась.

В работе был использован итеративный метод группировки K - MEANS CLASTERING .

Принципиально метод K - MEANS CLASTERING работает следующим образом:

1. Вначале задается некоторое разбиение данных на кластеры; вычисляются центры тяжести кластеров.

2. Происходит перемещение точек: каждая точка помещается в ближайший к ней кластер.

3. Вычисляются центры тяжести новых кластеров.

4. Шаги 2 и 3 повторяются, пока не будет найдена стабильная конфигурация, то есть кластеры не будут изменяться.

Оценка количества кластеров, на которые будет выполняться разбиение, проводится исходя из следующих принципов:

· Групп не должно быть слишком много, что может существенно увеличить трудозатраты на обработку результатов кластеризации.

· Слишком малое количество групп приведет к объединению разнородных данных, тем самым, снизив возможности дифференциации и геолого-технологического обоснования типов режима скважин [1, c . 4].

В результате применения анализа геолого-промысловых данных все скважины были сгруппированы в 5 классов. Процентное соотношение количества скважин по группам в результате кластеризации показано на рис. 1.

Каждый кластер характеризуется определенной величиной средних значений исследуемого признака (рис . 2 и табл . 1).

Проведенный анализ статистических характеристик диагностического признака кластеров показывает, что в среднем каждая группа характеризуется определенной приуроченностью к участкам резервуара горизонта зеленая свита.

Рис. 1. Распределение скважин по кластерам, в %

Рис. 2. График средних значений исследуемого признака для выделенных кластеров

По результатам кластерного анализа выделяются 2 крупные группы скважин (табл. 2).

Таблица 1 . Статистические характеристики диагностического признака по кластерам

№ класса	Среднее	Среднеквадра ­ ти ­ ческое стандартное отклонение	Минимум/мак ­ симум	Коэф ­ фи ­ циент вариации	Коли ­­ чес ­ тво скважин
1	2,18	1,00	1,17 ÷ 4,4	0,46	6
2	2,27	1,47	1,2 ÷ 6,4	0,65	5
3	1,53	0,33	1,06 ÷ 2,08	0,22	23
4	0,97	0,26	0,52 ÷ 1,41	0,27	25
5	0,53	0,27	0 ÷ 0,97	0,51	23

Таблица 2. Распределение скважин по кластерам

Группы	I	II	III	IV	V
Номера скважин	206 272 273 274 286 287	177 306 320 321 327	169 170 173 176 178 179 202 203 207 214 215 218 221 223 224б 246 250 271 307 315 325 328 329б	167 168 180 203 205 208 210 212 213 216 217 238 239 249 252 263 265 290 295 314 326 335 339 341 347	211 231 234 241 247 248 267 269 270 289 291 293 294 308 309 312 317 318 331 334 342 343 344
Число скважин	6	5	23	25	23

Первая, на долю которой приходится 48% скважин, характеризуется тем, что в скважинах на протяжении исследуемых циклов объем отобранного газа превышает объем закачанного (четвертый и пятый кластеры). Величина среднего значения диагностического признака 0,97 и 0,53 соответственно. Территориально скважины пятого кластера оконтуривают залежь с севера-востока и юга-востока непрерывной узкой дугой, повторяя конфигурацию контура ГВК в этой части залежи (рис . 3). Скважины четвертого кластера в виде двух вытянутых полос преимущественно субширотного простирания примыкают к зоне распространения скважин пятого кластер на севере и на юге. В центре залежи выделяется небольшой участок четвертого кластера, окруженный скважинами первого и третьего кластеров.

Рис. 3. Северо-Ставропольское ПХГ. Схема зонирования резервуара зеленой свиты по однородности режима работы скважин

в циклах отбора и закачки газа за период с X по XX циклы на 19.04.00

Вторая группа представлена первым, вторым и третьим кластерами. Во всех скважинах этой группы объем отобранного газа меньше, чем объем закаченного во всех изученных циклах.

Наибольшее количество скважин приходится на третий кластер – 28%. Величина среднего значения исследуемого признака (1,53) показывает превышение количества закаченного газа над отобранным в 1,5 раза. Территориально скважины занимают центральную область резервуара Подземного Хранилища Газа.

Величины средних значений исследуемого признака для первого и второго кластеров 2,18 и 2,27 соответственно, что свидетельствует о превышении количества закаченного газа над отобранным более чем в 2 раза.

По графику (рис . 2) для двух кластеров, выделенных по результатам исследования наименьшего количества скважин, прослеживаются следующие тенденции:

– снижение величины диагностического признака для первого кластера с 4,5 до 1,5 за период с 10 по 20 циклы эксплуатации ПХГ;

– увеличение величины исследуемого признака для второго кластера за этот же период с 2 до 6,5;

Территориально скважины второго кластера локализуются в виде субширотновытянутой полосы на юге резервуара, а скважины первого кластера в северной части центральной зоны.

Таким образом, было установлено, что скважины с лучшей газодинамической связью в циклах отборов и закачек приурочены к периферии ПХГ, что, по-видимому, связано с остаточными запасами газа на начало создания ПХГ и созданием тоннельных путей миграции газа после оттеснения пластовой воды. Этим можно объяснить приуроченность кластера скважин с превышением объёмов отборов над объёмами закачки в среднем в два раза (пятый кластер) к периферии ПХГ на востоке резервуара.

В перспективе наиболее важным представляется изучение геолого-технологических предпосылок при обосновании количества групп. Таким образом планируется выяснить, какими геологическими и технологическими условиями характеризуется представленный объект (эффективные толщины и физико-емкостные свойства пласта, продолжительность работы скважин в циклах, конструкции скважин и др.). Кроме того, для диагностирования принадлежности скважин, расположенных на западе резервуара, к выделенным кластерам необходимы данные с ХХ цикла по настоящий период.

Регулярно проводимые расчеты по данной методике позволят следить за динамикой изменения потенциальных возможностей эксплуатационных скважин, переходящих из одной группы в другую, что может способствовать построению адаптивной модели процесса эксплуатации для всего фонда скважин. Для решения этой задачи необходимы геолого-промысловые данные по всем скважинам ПХГ.

Список использованных источников:

1. Арефьев С. В. Применение кластерного анализа при фациальной диагностике / С. В. Арефьев, Е. А. Щергина // Вестник недропользоват е ля Ханты-Мансийского Автономного Округа . – 2009 . – № 20 . – С . 1 – 10.

2. Гридин В. А. Научно-методическое обоснование тектонодинамических и техногенных факторов формирования природных резервуаров УВ (на примере подземных хранилищ газа ЮФО): дис . на соиск . ученой степени докт . геолого-минералогических наук: спец . 25.00.12 / В . А . Гридин . – Ставрополь, 2007.