Разработка нового метода использования нефтяных скважин (стр. 10 из 15)
Одним из методов решения поставленной задачи является метод наименьших квадратов [13.c.330-335]. Он заключается в следующем:
(2.6)Решим систему (2.6) в общем виде:
, (2.7)
(2.8)Определив значения а , а1 и подставив их в уравнение связи у = а0 + а1х находим значение у , зависящие только от заданного значения х.
Для практического использования моделей регрессии большое значение их адекватность, т.е. соответствие фактическим статистическим данным. Корреляционно-регрессионный анализ обычно проводится для ограниченной по объему совокупности. Поэтому показатели регрессии и корреляции – параметры уравнения регрессии, коэффициенты корреляции и детерминации могут быть искажены действием случайных факторов. Чтобы проверить насколько эти показатели характерны для всей генеральной совокупности, не являются ли они результатом стечения случайных обстоятельств, необходимо проверить адекватность построенных статистических моделей.
В качестве критерия адекватности используем критерии Фишера, выполняемый, по формуле (2.9).
, (2.9)где S2yx - дисперсия обусловленная регрессией;
S2ост - остаточная дисперсия, называемая стандартной ошибкой.
Значение S2yx и S2ост вычисляются по формулам (2.10) и (2.11).
, (2.10) 
(2.11)Значение Fкрит находят в таблицах [4,с.246].
Если Fp>=Fкрит при степенях свободы K1=n-d, где d число значащих коэффициентов в уравнении регрессии и K2=n-d, где n - объем выборки и уровни значимости x=0.05, то будет считать, что модель адекватна.
Для регрессионного моделирования мы выдвигаем следующие гипотезы о формах связи:
Эот = а0 + а1х , (2.12)
где Эот – общий технологический эффект.
И = а0+ а1 х + а2 х2 , (2.13)
где И – интенсификация.
Эоу = а0+ а1 х + а2 х2 + а3х3 +а4х4 + а5х5 , (2.14)
где Эоу – общий удельный эффект, т/скважино-операцию.
Фактические формы данных моделей будут найдены в третьем разделе по результатам статистических исследований.
2.3 Маркетинговое прогнозирование экономической эффективности биополимера.
Конечно, доходы нефтяной промышленности, их рост или падение – напрямую зависят от состояния цен на сырье, однако современная техника позволяет нефтедобывающим компаниям получать солидную прибыль даже в условиях постоянного снижения цен. В настоящее время большинство ведущих нефтяных компаний мира добились столь значительного сокращения производственных затрат, что добыча жидкого углеводородного сырья на новых месторождениях будет для них рентабельной даже в том случае, если цены на нефть упадут [12,с.30-35].
Впрочем, сказанное не нужно понимать в том смысле, что в условиях падения цен на нефть все добывающие компании будут по прежнему преуспевать. Но те, что постоянно совершенствуют технику добычи и э0ффективность освоения месторождений, безусловно оставят позади других, которые не в силах идти в ногу с ними.
Специалистами СП “МеКаМинефть” в течении длительного периода времени разрабатывался материал (биополимер), оказывающий эффективное воздействие на пласты разрабатываемых месторождений, т.к. значительные валютные средства предприятий уходят на Запад на закупку не только оборудования, инструмента и насосно- компрессорных труб но и материалов, только по причине отсутствия координации деятельности однопрофильных предприятий и аккумуляции средств для поддержки отечественных производителей .
С учетом больших перспектив применения биополимерных композиций отечественного производства, положительного опыта лабораторных и промысловых работ представляется необходимым дать экономическую оценку технологической эффективности биополимерного воздействия на пласты разрабатываемых месторождений с целью увеличения коэффициента извлечения нефти.
На месторождениях ОАО “Славнефть – Мегионнефтегаз” в течении последних трех лет проводятся опытно-промышленные работы по применению отечественных водорастворимых биополимеров для выравнивания профиля приемистости нагнетательных скважин о ограничения водопритоков. В качестве биополимера использованы микробные полисахариды в виде постферментационной жидкост, полученные по технологии, разработанной специалистами СП “МеКаМинефть”.
Положительные реезультаты этих работ, низкая цена биополимера и отсутствие ресурсных ограничений для его производства значительно расширить масштабы применения биополимера.
В результате этого нами был выполнен цикл исследований по применению отечественного биополимера с целью увеличения коэффициенты извлечения нефти путем организации биополимерного заводнения, результаты которого будут приведены в следующей главе.
3 СТАТИСТИЧЕСКИЙ АНАЛИЗ ДЕЯТЕЛЬНОСТИ СП“МеКаМинефть” И РАЗРАБОТКА ПРАКТИЧЕСКИХ РЕКОМЕНДАЦИЙ
3.1 Регрессионное моделирование эффективности гидроразрыва пласта
Анализ статистических данных проводился на предприятиях ОАО “Славнефть-Мегионнефтегаз”, ОАО”Ноябрьскнефтегаз”, ОАО”Лукойл”, АО“Нижневартовскнефтегаз”, АО”Черногорнефть”, СП”Черногорское”, ОАО « Лукойл-Пермнефть », «Лукойл-Лангепаснефтегаз”» . Территориально экспертные скважины рассредоточены на территории Западной Сибири и Западного Казахстана.
Общее количество обследуемых скважин по Росси составило двадцать шесть. Общее количество обследуемых скважин по Казахстану составило семнадцать.
Статистические данные эффективности ГРП собраны за период его использования на территории СНГ с 1993 года по 1998 год.
Всё применяемое оборудование произведено американской фирмой “Stewart & Stevenson“. Разработка всех технологических операций производится с использованием программного обеспечения фирмы “ Meyer Design Software”. Использование метода ГРП проводилось в разное время года.
В таблице 3.1 приведены статистические данные по эффективности технологического метода воздействия на нефтеносный пласт ГРП в Западной Сибири.
В результате корреляционной обработки получены следующие данные по тесноте статистической связи между технологическим эффектом, интенсификацией , общим удельным эффектом и числом проведенных ГРП, которые приведены в таблице 3.2.
Таблица 3.1 Показатели оценки эффективности ГРП в России
| Месторождение | Пласт | Чис- ло ГРП | Общий технологи-ческий эффект,тыс.тонн | Общий удельный эффект, т/скважино-операцию | Интен сификация | Ус- пеш- ность,% | Крат- ность увеличе-ния дебитов |
| Мамонтовское | АС4 | 42 | 173,535 | 4132 | 225,844 | 47,6 | 1,2 |
| БС10 | 60 | 1068.713 | 10486 | 936,632 | 92,7 | 1,9 | |
| БС11 | 4 | 29.194 | 2980 | 39,377 | 98,7 | 2,2 | |
| Мало-Балыкское | АС4 | 322 | 3301.4 | 10253 | 3298,5 | 100 | 4,6 |
| Средне-Балыкское | БС10 | 48 | 143.032 | 7299 | 139,087 | 97,9 | 11,3 |
| Правдинское | ЮС2 | 83 | 870.962 | 17812 | 822,189 | 100 | 4,9 |
| БС8 | 14 | 63.136 | 4510 | 72,222 | 92 | 1,4 | |
| БС9 | 1 | 763 | -6,26 | 86 | 0,3 | ||
| Хокряковское | ЮС1 | 17 | 219.51 | 12912 | 183,17 | 100 | 5,8 |
| БС110 | 3 | 32.828 | 10943 | 32,828 | 97 | 3,8 | |
| БС210 | 6 | 22.285 | 3714 | 27,739 | 98,9 | 5,9 | |
| Приобское | АС12 | 3 | 13.320 | 4440 | 13,32 | 91,1 | 4,5 |
| Омбинское | ЮС2 | 24 | 63.377 | 2641 | 63,586 | 100 | 3,3 |
| Приразломное | БС2 | 234 | 2490.367 | 10641 | 2497,51 | 100 | 2,5 |
| Южно-Асомкинское | ЮС4-5 | 3 | 9.587 | 3196 | 9,587 | 71,4 | 6,7 |
| Восточно-Сургутское | ЮС1 | 2 | 2.104 | 1052 | 2,104 | 50 | 4,5 |
| ЮС1 | 1 | 800 | 5,136 | 69 | 1,2 | ||
| Усть-балыкское | БС2 | 1 | 2.937 | 2937 | 2,937 | 50,2 | 1,2 |
| Угутское | ЮС31 | 2 | 38.893 | 4321 | 39,268 | 50 | 5,2 |
| ЮС21 | 12 | 26.758 | 4795 | 28,824 | 98 | 3,6 | |
| ЮС11 | 10 | 3.878 | -1,256 | 3,878 | 96,2 | 10,2 | |
| ЮС2 | 1 | 0 | 600 | 0 | 100 | 1 | |
| Пакомасовское | ЮС2 | 2 | 40.381 | 2174 | 40 | 100 | 7,3 |
| Солкинское | ЮС0 | 1 | 1.114 | 1114 | 1,114 | 100 | 10,3 |
| Сылымское | ЮС1 | 1 | 3.141 | 1150 | 3,141 | 100 | 5 |
| Западно-Угутское | ЮС2 | 8 | 7.742 | 968 | 10,701 | 62,5 | 2 |
Таблица 3.2 Данные корреляционной обработки