Details

Данная работа посвящена разработке подхода к автоматизации подбора и внедрения корреляционных зависимостей в рамках построения PVT-моделей. Основное внимание уделено анализу существующих эмпирических зависимостей (корреляций) и сравнению их точности при расчётах PVT-параметров: давления насыщения, газосодержания, сжимаемости, объемного коэффициента, вязкости, плотности. Задачи, решаемые в процессе исследования: 1. Сбор и систематизация основных эмпирических корреляций, используемых в практике построения PVT-моделей. 2. Программная реализация библиотеки с набором PVT-корреляций. 3. Разработка модуля оценки точности используемых корреляций. 4. Разработка подхода к автоматизированной интеграции наиболее точных, для конкретных кейсов, корреляций. Работа выполнена на базе теоретических и численных методов, с акцентом на практическую реализацию алгоритма выбора корреляций в зависимости от входных данных и цели расчёта. Разработанная методология может применяться как при построении новых PVT-моделей, так и при ретроспективной оценке существующих расчётов, в том числе в задачах проектирования и оптимизации геолого-технических мероприятий. Для достижения поставленных целей были использованы современные информационные технологии и инструменты: язык программирования Python; библиотеки: NumPy, pandas; система управления проектами на базе Jupyter Notebook, а также облачные хранилища и средства визуализации: Matplotlib.

This work is devoted to the development of an approach for automating the selection and integration of empirical correlations within the framework of PVT model construction. The focus is on analyzing existing empirical correlations and comparing their accuracy in calculating key PVT parameters: saturation pressure, solution gas-oil ratio, compressibility, formation volume factor, viscosity, and density. The research objectives included: 1. Collection and systematization of the main empirical correlations used in practical PVT modeling. 2. Software implementation of a library containing a set of PVT correlations. 3. Development of a module for evaluating the accuracy of the implemented correlations. 4. Design of an approach for automated integration of the most accurate correlations for specific cases. The study is based on theoretical and numerical methods, with an emphasis on the practical implementation of an algorithm for selecting appropriate correlations depending on the input data and the objective of the calculation. The developed methodology can be applied both to the creation of new PVT models and to retrospective evaluation of existing ones, including tasks related to the design and optimization of geological and technical measures. To achieve these goals, modern information technologies and tools were used: the Python programming language; libraries such as NumPy and pandas; project management in Jupyter Notebook; as well as cloud storage and data visualization tools like Matplotlib.