Сравнительный анализ методик выделения и оценки параметров зон трещиноватости
карбонатных коллекторов по данным микросканирования скважин (на примере
месторождений Западной и Восточной Сибири)
Целью работы является проведение анализа результатов методов
микроимиджеров, используя информацию с трех месторождений Западной и
Восточной Сибири.
Расчеты выполнены в программных пакетах Mathcad и Statistica,
применен метод кластеризации k-средних для кластеризации трещин на
месторождении, выполнено сравнение результатов исследований FMI и UBI.
Результаты и методики проведенного исследования могут быть
использованы при построении геологических моделей. Определены
превалирующие углы азимутов падения трещин и углы падения.
Проанализирована связь между результатами исследования и геологической
информацией о тектонических процессах.
Влияние на экономическую эффективность разработки
месторождения определяется полученной информацией о распределении
типов трещин, которые были сгруппированы по классификации Нельсона. От
определенных превалирующих азимутов и углов падения зависит
анизотропия проницаемости коллектора.
Введение
Нефтегазовые компании в настоящее время обладают высоким
интересом к исследованию карбонатных трещиноватых коллекторов.
Исключением не являются и российские компании, оперирующие на
месторождениях Западной и Восточной Сибири. Пользуясь новейшими
разработками в области получения и интерпретации данных о зонах
трещиноватости в карбонатных коллекторах, были разработаны и
опробованы многочисленные методы получения информации о параметрах
естественных трещин в толщах пород трещиноватых месторождений.
Данная работа посвящена методам исследования FMI и UBI. Целью
работы является проведение анализа результатов этих методов, используя
информацию с трех месторождений Западной и Восточной Сибири.
Для достижения поставленной цели необходимо поставить и
выполнить нижеперечисленные задачи:
1. привести геологическое описание месторождений, данные с
которых использованы в работе;
2. привести физические основы методов FMI и UBI;
3. выбрать классификацию зон трещиноватостей для дальнейшего
проведения кластеризации трещин, чьи параметры были
определены при помощи микроимиджеров;
4. выбрать алгоритм кластеризации и использовать его для
проведения группировки трещин по выбранной классификации;
5. привести статистическую информацию о полученных
результатах группирования;
6. проанализировать различия между параметрами, трещин,
определяемыми методами FMI и UBI;
7. привести статистическую информацию о параметрах трещин,
полученных с помощью методов FMI и UBI;
8. сделать выводы о двух разных применяемых микроимиджерах;
9. привязать полученные результаты к геологической ситуации.14
Актуальность работы подчеркивается необходимостью отрасли в
достоверности информации об оцениваемых параметрах трещин:
проницаемости;
пористости;
азимутов падения трещин;
углов падения трещин.
В работе предлагается механизм проведения кластеризации трещин,
полученных с данных микроимиджеров, по их параметрам кажущейся
пористости и кажущейся плотности для проведения анализа качества
трещиноватого коллектора. Вторым разделом является проведение анализа
результатов микроимиджеров FMI и UBI с применением аналогичной схемы
кластеризации данных.
Используемые методики анализа трещин могут быть применены при
анализе эффективности разрабатываемого месторождения, при построении
геологических моделей карбонатных коллекторов, например, в пакете Petrel
компании Schlumberger. Для геологического моделирования значимость
работы определяется возможностью использования методик и результатов
исследования в стохастическом распределении трещин по пласту-коллектору
с оцененными параметрами и возможностью применения распределения
трещин с внешним ко-кригингом. В последнем случае применяется
задаваемый тренд по оцененным параметрам трещиноватости по каждой
отдельной скважине.
Для проведения расчетов были использованы программные
вычислительные пакеты Mathcad и Statistica. Все полученные результаты в
наглядном графическом виде представлены работе. Для сравнения
статистических параметров была использована табличная форма
представления информации.
В работе было приведено описание физических основ методов
микроимиджеров FMI и UBI, приведено геологическое описание
карбонатных трещиноватых коллекторов месторождения U, J и K, по
которым была предоставлена информация для проведения исследования.
Был выбран метод кластеризации трещин по их параметрам
кажущихся пористости и проницаемости, выбранным методом явился метод
k-средних. Была выбрана классификация трещин Нельсона, к которой и были
приведены имеющиеся трещины, обнаруженные методом FMI в скважине
W107 месторождения U.
Поточечное сравнение результатов данных микроимиджеров FMI и
UBI со скважин W203, W204, W206, W207 не дало хорошей сопоставимости,
но схожесть результатов обнаруживается при предварительном проведении
группирования трещин используемым методом кластеризации k-средних по
их параметрам азимутов падения и углов падения. Получено разбиение
трещин на четыре подгруппы, внутри каждой из которых выполняется
условие общей схожести данных.
Для месторождения J установлено, что превалирующая часть
азимутов падения трещин совпадает с азимутами простирания тектонических
сдвиговых разломов, имеющих северо-западное или, что то же самое, юговосточное направления простирания. Наибольшая проницаемость ожидается
вдоль направления простирания естественных трещин, то есть по
направлению на юго-запад или северо-восток.
Большая детальность исследования может быть получена при
большем количестве исходных данных. Для сравнительного анализа
результатов FMI и UBI были использованы данные с четырех скважин
месторождения J, так как данных с остальных скважин недостаточно. Для
проведения кластеризации по азимутам падения и углам падения трещин
были применены данные только из трех скважин месторождения J, а именно,83
со скважин W203, W206, W207, так как данных с остальных скважин, опять
же, оказалось недостаточно.
Рассмотрены источники рисков при анализе трещиноватости и
возможных способы уменьшения этих рисков. Для уменьшения степени
неопределенности рекомендуется всегда применять оба метода
микроимиджеров: FMI и UBI.
В главе социальная ответственность приведены основные сведения о
производственной безопасности для работников нефтегазовой отрасли и для
окружающей среды.
Багринцева К.И. Атлас карбонатных коллекторов
месторождений нефти и газа Восточно-Европейской и
Сибирской платформ / К.И.Багринцева, А.Н.Дмитриевский,
Р.А.Бочко. – М., 2003. – 263 с.
2. Баранова М.И. Сдвиговые дислокации в районе Куюмбского
газонефтяного месторождения / М.И. Баранова. – Новосибирск,
2011. – 57 с.
3. Кокин Ю.П. Экономика труда / Ю.П. Кокин, П.Э. Шлендер. –
М., 2010 – 686 с.
4. Полозов М.Б. Экология нефтегазодобывающего комплекса /
М.Б. Полозов. – Ижевск, 2012. – 174 с.
5. Alsabt, K. An Efficient K-Means Clustering Algorithm / K. Alsabt,
S. Ranka, V. Singh. – Syracuse, 1998. – 7 p.
6. Häring, I. Risk Analysis and Management: Engineering Resilience /
I. Häring. – Singapore, 2015. – 365 p.
7. Mohamad, I.B. Standardization and Its Effects on K-Means
Clustering Algorithm / I.B. Mohamad, D. Usman. – 2013. – 5 p.
8. Liu, H. Principles and Applications of Well Logging / H. Liu. –
Chengdu, 2017. – 349 p.
9. Nelson, R.A. Geologic Analysis of Naturally Fractured Reservoirs /
R.A. Nelson. – Houston, 2001. – 350 p.
10.Poppelreiter, M. Dipmeter and Borehole Image Log Technology / M.
Poppelreiter, C. Garcia-Carballido, M.A. Kraaijveld. – Tulsa, 2010.
– 92 p.
11.Shafiezadeh, M. A New Approach towards Precise Planar Feature
Characterization Using Image Analysis of FMI Image: Case Study of
Gachsaran Oil Field Well No. 245 / M. Shafiezadeh, M. Ziaee, B.
Tokhmchi. – 2014. – 8 p.85
12.Weber, T.A. On the (Non-)Equivalence of IRR and NPV / T.A.
Weber. – Lausanne, 2013. – 15 p.
13.Borehole Imaging Tools – Principles and Applications / P. Gaillot,
T. Brewer, P. Pezard, E. Yeh. – 2007. – 4 p.
14.Three-dimensional Quantitative Fracture Analysis of Tight Gas
Sandstones Using Industrial Computed Tomography / J. Lai, G.
Wang, Z. Fan, J. Chen, Z. Qin, C. Xiao, S. Wang, X. Fan. – 2017. –
13 p.