Двуреченское месторождение: Двуреченское месторождение Томская обл • ГеоНедра

Содержание

Анализ эффективности проведенных геолого-технических мероприятий на Двуреченском нефтяном месторождении (Томская область)

Please use this identifier to cite or link to this item:
http://earchive.tpu.ru/handle/11683/66405

Title:	Анализ эффективности проведенных геолого-технических мероприятий на Двуреченском нефтяном месторождении (Томская область)
Authors:	Алероев, Исрапил Эльбердович
metadata.dc.contributor.advisor:	Деева, Вера Степановна
Keywords:	месторождения; нефти; геолого-технические мероприятия; методы увеличения нефтеотдачи; интенсификация притока; field; oil; geological and technical measures; enhanced oil recovery methods; inflow intensification
Issue Date:	2021
Citation:	Алероев И. Э. Анализ эффективности проведенных геолого-технических мероприятий на Двуреченском нефтяном месторождении (Томская область) : бакалаврская работа / И. Э. Алероев ; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа природных ресурсов (ИШПР), Отделение нефтегазового дела (ОНД) ; науч. рук. В. С. Деева. — Томск, 2021.
Abstract:	Объектом исследования являются: продуктивные пласты Ю11, Ю12, Ю1М и Ю13 васюганской свиты верхней юры Двуреченского месторождения. Цель работы: проанализировать эффективность применяемых ГТМ на Двуреченского месторождении. Задачи: изучить проводимые на месторождении ГТМ, оценить их эффективность, выявить наиболее эффективные методы. В процессе выполнения работы был обоснован вариант, рекомендуемый к применению, и его экономическая эффективность. В результате исследования: были выявлены наиболее эффективные, и наиболее часто проводимые ГТМ, а также рассчитана экономическая эффективность от проведения рекомендуемого варианта разработки. The object of study is: productive formations J11, J12, J1M and J13 of the Vasyugan suite of the Upper Jurassic of the Dvurechenskoye field. Purpose of the work: to analyze the efficiency of the applied geological and technical measures at the Dvurechenskoye field. Objectives: to study the geological and technical measures carried out at the field, assess their effectiveness, and identify the most effective methods. In the process of performing the work, the option recommended for use and its economic efficiency were justified. As a result of the study: the most effective and most frequently carried out geological and technical measures were identified, and the economic efficiency from the recommended development option was calculated.
URI:	http://earchive.tpu.ru/handle/11683/66405
Appears in Collections:	Выпускные квалификационные работы (ВКР)

Show full item record

Google Scholar

ТОМСКНЕФТЬ / Рекорды предприятия

56 лет назад сложно было представить, каким высокотехнологичным предприятием станет АО «Томскнефть» ВНК. За прошедшие годы многое выпало на долю томской нефти — мы переживали трудные времена спадов и окрыляющие моменты подъёмов. Но северяне верили и продолжают верить, что наше предприятие — одно из самых передовых в отрасли. А профессия нефтяника остаётся одной из самых престижных в Томской области.

Самая старая работающая скважина АО «Томскнефть» ВНК

находится на Советском месторождении (Александровский район). Скважина под порядковым номером 27Р была введена в эксплуатацию 14.06.1966 г. и на сегодняшний день даёт около 4 тонн нефти в сутки.

Скважина-рекордсмен по объёму полученного газа

находится на Лугинецком месторождении. С момента разработки скважина номер 275 пополнила «закрома» предприятия более чем на миллиард кубометров газа.

Самый опытный оператор по добыче нефти и газа

трудится в ЦДНГ-10. Александр Рогожкин вступил в ряды «Томскнефти» 11 сентября 1974 года — почти 48 лет назад. За многолетний и добросовестный труд Александр Николаевич удостоен 30 наград и поощрений различного уровня, в том числе — почётного звания «Заслуженный работник нефтяной и газовой промышленности».

Максимальный уровень добычи нефти

предприятием был достигнут в 2004 году — 18856 тысяч тонн. В январе этого же года установлен и рекорд по среднесуточной добыче — 53216 тонн. Основной прирост был связан с вводом в разработку Двуреченского месторождения

Самая глубокая скважина «Томскнефти»

(её номер — 2022) находится на Крапивинском месторождении (Каргасокский район). Пробуренный забой составляет 4203 метра. А в 2018 году на кустовой площадке №36 этого промысла была пробурена многозабойная горизонтальная скважина длиной 4250 метров. Пока для нас это тоже рекорд.

Крупнейший резервуарный парк АО «Томскнефть» ВНК

находится на УПН ЦТП Советского месторождения (Александровский район). Общий объём действующего резервуарного парка составляет 45 000 м³

Самая короткая скважина

(номер 419Р) пробурена на Северном месторождении. Её глубина — 1250 метров. А вот из действующего фонда самой «миниатюрной» считается 184-я, глубина которой 1380 метров.

Самое большое по площади месторождение «Томскнефти»

Советское. Его площадь — 674,6 квадратных километров.

Самое маленькое в «Томскнефти»

Волковское месторождение. Его площадь составляет всего 0,51 квадратных километра.

Самым протяжённым и труднодоступным

для обслуживания трубопроводом является магистральный нефтепровод Васюганский ЦПС — НПС «Раскино». Трасса этого 172-километрового трубопровода проходит по территории Каргасокского и Александровского районов Томской области.

Скважина-рекордсмен по объёму полученной нефти

также находится на Советском месторождении. Ствол под номером 267 дал предприятию свыше 1 миллиона 227 тысяч тонн черного золота. Рекордсменка продолжает трудиться, только теперь — в нагнетательном фонде родного промысла.

Самое большое по численности

Цех текущего обслуживания, ремонта трубопроводов и ликвидации последствий аварий №1. Цех обслуживает Советское, Нижневартовское, Западно-Полуденное, Малореченское, Чкаловское, Григорьевское, Приграничное месторождения.

Самые «ответственные» трубопроводы

«Томскнефть» — одно из немногих нефтедобывающих предприятий в России, обслуживающих сразу два стратегических трубопровода. Это магистральный нефтепровод протяжённостью 172 километра и магистральный газопровод, длина которого — 169 километров.

Emerging Fields – ef3-3 – MATH+

Оптимальные транспортные (OT) расстояния между вероятностными мерами или гистограммами фиксируют геометрическую природу сложных данных изображения и играют все более важную роль в изображении, т.е. в поиске изображений, кластеризации, классификации, сегментации и т. д. Проект направлен на разработку теоретически и вычислительно надежных процедур для визуализации на основе подхода ОТ. Рассматриваются два конкретных приложения: сегментация изображений и классификация изображений с целью анализа медицинских изображений.

Общее введение в ОТ

Учитывая базисное пространство и функцию стоимости транспортировки, подход ОТ определяет расстояние между двумя объектами как расстояние между двумя вероятностными мерами в базисном пространстве. Рассмотрим пример двух изображений в оттенках серого. В этом случае базисное пространство можно определить как пиксельную сетку этого изображения. Тогда для каждого пикселя интенсивность можно рассматривать как массу, расположенную в этом пикселе. Нормируя интенсивность каждого пикселя, разделив ее на общую массу изображения, получают дискретную вероятностную меру (или гистограмму) на пространстве пиксельной сетки. Тогда квадрат евклидова расстояния между двумя пикселями можно принять за стоимость перевозки единицы массы между этими двумя пикселями. Учитывая два изображения, которые теперь моделируются как меры вероятности, цель состоит в том, чтобы перенести первое изображение во второе. Для этого транспортный план [1] определяется как мера прямого произведения базисного пиксельного пространства на себя, т. е. матрица с элементами, суммирующими до 1. Каждая строка этой матрицы соответствует пикселю первого изображения и сообщает, какая часть массы переносится от этого пикселя к каждому пикселю второго изображения, см. рис.

При этом каждый столбец этой матрицы соответствует пикселю второго изображения и говорит, какая часть массы переносится в этот пиксель от каждого пикселя первого изображения. Обратите внимание, что это определение является симметричным, поскольку один и тот же план транспортировки может использоваться для транспортировки второго изображения к первому.

Задан квадрат евклидова расстояния в виде стоимости транспортировки (т. е. для каждой пары пикселей стоимость транспортировки единицы массы от пикселя на первом изображении до пикселя на втором) и плана транспортировки (т. е. для каждой пары пикселей, масса, которая переносится от пикселя на первом изображении к пикселю на втором), можно вычислить общую стоимость транспортировки первого изображения на второе, просуммировав индивидуальные затраты на каждую пару пикселей и найдя общую Стоимость. Теперь план транспортировки можно варьировать, чтобы найти минимально возможную общую стоимость перевозки. Квадратный корень из этой минимальной стоимости перевозки называется 9. 0015 Расстояние Монжа-Канторовича или Вассерштейна на пространстве вероятностных мер. Это частный случай оптимального расстояния перевозки. Теория оптимального переноса доказывает, что этот минимум достигается и действительно является расстоянием, удовлетворяющим всем аксиомам расстояния. Выше мы в основном рассматривали пример изображений. Но это расстояние определяется между общими вероятностными мерами.

Сегментация изображения

Мы опираемся на подход [2], где предлагается характеризовать сегменты изображения их гистограммами признаков. Рассмотрим, например, изображения в градациях серого, интенсивность которых разделена на несколько интервалов, называемых бинами. Затем для данного сегмента изображения гистограмма представляет собой вектор с размерностью, равной количеству ячеек, и компонентов, равных доле пикселей, имеющих интенсивность, попадающих в соответствующую ячейку. Поскольку пропорция оценивается, вектор гистограммы представляет собой дискретное распределение вероятностей. Затем можно определить термин подгонки данных, который при минимизации дает сегментацию изображения. Это делается в контролируемых условиях, сначала берется часть пикселей, которые, как известно, принадлежат объекту на изображении, и строится гистограмма этой подобласти объекта. Тогда цель состоит в том, чтобы найти все пиксели от объекта, минимизируя расстояние OT между гистограммой всей области объекта и гистограммой подобласти. Регуляризация полной вариации используется вместе с этим термином подгонки данных, чтобы оштрафовать большой периметр сегментированного объекта. Целью этого подпроекта является расширение этой структуры в нескольких направлениях. Первый из них позволяет использовать непрерывное пространство изображения, что дает независимые от разрешения алгоритмы с использованием бесконечномерной оптимизации, например. полугладким методом Ньютона. Затем применяется обобщенная регуляризация полной вариации, чтобы учесть пространственно-зависимую регуляризацию, которая адаптируется к локальным особенностям изображения и способна, например, для сегментации тонких линий. Дальнейшим направлением является использование неуравновешенного оптимального транспорта для перехода к неконтролируемой установке.

Классификация изображений

В этом подпроекте барицентры OT используются для определения типичного объекта в наборе данных случайных изображений. Например, в задаче классификации с двумя классами можно определить средний объект для первого класса и для второго. Затем для нового объекта производится классификация по ближайшему среднему объекту. Задача состоит в правильном определении этого среднего для сложных объектов, таких как изображения. В [3] эмпирически показано, что барицентр ОТ, определяемый как минимизатор суммы расстояний ОТ до всех объектов в наборе, дает приемлемый средний объект. Тем не менее, нахождение этого минимизатора требует больших вычислительных ресурсов, поскольку добавляется еще один уровень оптимизации и требуется найти минимум суммы минимумов, поскольку само расстояние OT задается задачей минимизации. Вопросы статистического вывода также должны быть рассмотрены. Например, правда ли, что по мере роста размера выборки барицентр сходится к истинному среднему объекту. Этот подпроект направлен на предложение вычислительно эффективных численных методов для нахождения барицентра Вассерштейна, основанных на парадигме распределенной оптимизации, имеющей дело с распределенными наборами данных и допускающей только локальные связи между узлами в вычислительной сети. Другая цель — изучить статистический вывод с помощью OT, например. установление центральной предельной теоремы для барицентра случайной выборки мер.

Литература

Канторович Л. О перемещении масс. ДАН. науч. СССР (NS), 37:199–201, 1942.
Пападакис, Н., Рабин, Дж.: Сегментация изображений суставов на основе выпуклой гистограммы с регуляризованными оптимальными транспортными затратами. Журнал математических изображений и зрения, 59 (2): 161–186, 2017.
Кутури, М., Дусе, А.: Быстрое вычисление барицентров Вассерштейна. В: Син, Э.П., Джебара, Т. (ред.) Материалы 31-й Международной конференции по машинному обучению. Труды исследования машинного обучения, том. 32, стр. 685–69.3, 2014.

В. Двуреченский сельскохозяйственный институт

ТОО «АТС Заречный», ТОО «Карабалыкские АСЭС», ТОО «Олжа агро»

Базы стажировки: Белгородский государственный национальный исследовательский университет (Белгород), Новосибирский государственный аграрный университет (Новосибирск), Самарский гос. Аграрный университет (Самара), ВНИИ маслосемян им. Биология растений и биотехнология «в условиях Костанайской области» Исполнители: Ахмет А. З., к.с.-х.н., Жарлыгасов К.С.-с.х.н., Климов Н.Е.К.С.-с.х.наук.

Ученые кафедры активно участвуют в реализации инициативной темы «Разработка инновационных технологий возделывания сельскохозяйственных культур в степной зоне Северного Казахстана». Данная научная работа проводится по следующим направлениям:
Картофелеводство в Северном Казахстане. Исполнитель: Ахмет А. З., кандидат сельскохозяйственных наук; ожидаемые результаты — создание сортов картофеля, обеспечивающих прибавку клубневой продуктивности на 20-25%, обладающих повышенной устойчивостью к болезням и вредителям.
Создание системы безвирусного семеноводства картофеля в Костанайской области.Исполнитель: Екатеринская Е.М., к.б.н., Ожидаемые результаты:Сокращенная схема репродукции семенного материала картофеля на безвирусной основе с использованием современных методов биотехнологии и термотерапии.Повышение в выходе картона на 20-25%.
Совершенствование системы семеноводства многолетних трав и бобовых культур на семена в условиях 2-й зоны Костанайской области. Исполнитель: Оразбаев К.Ш., К.С.-Х. Н.; ожидаемые результаты — увеличить урожай семян люцерны на 10-15 %, пырея на 15-20 %, эспарцета на 20-25 %.
Научные основы биологической функции полевых севооборотов в подзоне южного чернозема Костанайской области. Исполнитель: Шилов М.П., к.с.-х.н.; Ожидаемые результаты — выявить набор и чередование зерновых и масличных культур в севооборотах по принципу плодообмена на фоне современных агротехнологий возделывания.
Плодородие почв и продуктивность зерновых культур при нулевой и минимальной технологии обработки черноземов юга Костанайской области. Исполнитель:Шилов М.П., К.С.-Х. Н.; ожидаемые результаты — определить параметры плодородия черноземов южных и их изменение под влиянием No-Till и Mini-Till.
Комплексные способы защиты зерновых и овощных культур в Северном Казахстане. Исполнитель: Шилова Н. И., старший преподаватель. Ожидаемые результаты — разработать систему комплексной защиты сельскохозяйственных культур, повышающую урожайность сельскохозяйственных культур на 25-40 %.
Испытание удобрений нового поколения в условиях ТОО «Костанайский НИИСХ». Исполнители: Калимов Н.Э., Жарлыгасов Ж. Б.

Ожидаемые результаты — разработать способ подкормки яровой пшеницы, повышающий урожайность и качество зерна яровой пшеницы.

Разработка элементов технологии производства экологически чистого зерна в Костанайской области. Автор: Касьянов П.
Двуреченское месторождение: Двуреченское месторождение Томская обл • ГеоНедра