Содержание к диссертации
Введение
Глава 1. Методическое обеспечение количественного определения газонасыщенности в обсаженных скважинах: состояние и прикладные возможности 18
1.1 Состояние и проблемы методического обеспечения ядерно-геофизических методов ГИС 18
Глава 2. Палеточное обеспечение методики количественного определения коэффициента газонасыщенности ядерно-геофизическими методами 28
2.1 Прямая задача для расчета нейтронных полей 28
2.2 Прямая задача для расчета гамма-полей 39
2.3 Ядерные поля в горизонтальных и наклонных скважинах 57
2.4 Палеточные зависимости для обработки данных ИННК, НГК и СГК в вертикальных скважинах 59
2.5 Методические возможности двухзондового ИННК для определения коэффициента текущей газонасыщенности 65
2.6 Обработка данных ИННК в горизонтальных и наклонных скважинах 74
2.7 Учет влияния технологических каверн на показания ядерно-геофизических методов 82
Глава 3. Нейросетевая технология как метод определения неизвестных геофизических параметров по данным ГИС 92
3.1 Принципы построения нейронных сетей 92
3.2 Основные типы нейронных сетей 94
3.3 Механизмы обучения нейронной сети
Глава 4. Решение задачи комплексной интерпретации данных гис и определения текущей газонасыщенности коллекторов с использованием нейросетевой технологии 107
4.1 Методика интерпретации СГК и определение минерального состава глин 107
4.2 Оценка текущей газонасыщенности коллекторов по данным ИННК на основе корреляции разрезов соседних скважин 118
4.3 Комплексная методика определения текущей газонасыщенности коллекторов по данным ИННК 127
Глава 5. Пакет программ для определения текущей газонасыщенности коллекторов по комплексу методов ГИС 143
5.1 Принципы программирования и проектирования пакетов прикладных программ для решения обратной задачи ГИС 143
5.2 Общая схема технологии определения минеральной модели глин и определения текущей газонасыщенности 144
5.3 Структура и функционирование модуля SgkProject 148
5.4 Структура и функционирование пакета АИНК43-Кг 150
5.5 Сводные научно-прикладные характеристики пакета АИНК43-Кг 155
Глава 6. Практическое применение методики в различных геолого-технических условиях 158
6.1 Определение коэффициента текущей газонасыщенности сеноманских отложений на месторождениях ЯНАО 158
6.2 Определение минерального состава глин Чаяндинского ГКМ 164
6.3 Определение коэффициента текущей газонасыщенности в карбонатном разрезе на Астраханском ГКМ 171
6.4 Определение коэффициента текущей газонасыщенности в карбонатном разрезе на Оренбургском ГКМ 176
6.5 Определение коэффициента текущей газонасыщенности при ГИС-контроле на подземных газохранилищах 182
Заключение 193
Литература
- Состояние и проблемы методического обеспечения ядерно-геофизических методов ГИС
- Ядерные поля в горизонтальных и наклонных скважинах
- Основные типы нейронных сетей
- Комплексная методика определения текущей газонасыщенности коллекторов по данным ИННК
Состояние и проблемы методического обеспечения ядерно-геофизических методов ГИС
Актуальность темы диссертации. Газовая отрасль России вносит существенный вклад в развитие минерально-сырьевой базы страны и составляет основу ее благосотояния. Процесс добычи газа сопровождается постоянным мониторингом состояния и контроля эксплуатации месторождений и подземных хранилищ газа. При длительной эксплуатации газовых залежей зачастую происходит их интенсивное обводнение, приводящее к уменьшению прогнозных запасов и дебитов. Поэтому одной из важнейших задач газовой геофизики сегодня является изучение и контроль промысловых характеристик процесса вытеснения газа.
При изучении процессов обводнения газовых залежей решаются следующие промысловые задачи:
Решение всех этих задач в действующих скважинах основано на методах определения текущей газонасыщенности в обсаженных газовых скважинах (в т.ч. со сложной многоколонной конструкцией), и чем надежнее и точнее будут эти методы, тем успешнее будут решены задачи мониторинга. В настоящее время растет доля бурящихся наклонно-направленных и горизонтальных скважин, а также боковых горизонтальных стволов уже пробуренных скважин и методы определения газонасыщенности на таких объектах требуют специальной доработки.
Количественные методики оценки текущей газонасыщенности по данным ядерно-геофизических методов, прежде всего нейтрон-гамма каротажа (НГК) и в меньшей степени импульсного нейтрон-нейтронного каротажа (ИННК), существуют достаточно давно, однако их применение на газовых месторождениях и подземных газохранилищах, входящих в структуру крупнейшего газодобывающего предприятия России, ОАО «Газпром», долгое время тормозилось их невысокой информативностью именно в газовых скважинах. Это обстоятельство не позволяло извлекать из измеренных данных максимум количественной информации о состоянии пласта, ограничиваясь лишь качественными оценками характера насыщения, что не устраивает ни заказчиков геофизических работ, ни сами производственные предприятия. Поэтому актуальной стала задача совершенствования технологии количественного определения коэффициента текущей газонасыщенности коллекторов (Кг) по данным импульсного нейтронного каротажа. Импульсный нейтрон-нейтронный каротаж (ИННК) является одним из самых эффективных методов при оценке текущей газонасыщенности в обсаженных газовых скважинах благодаря тому, что конструкция скважины, положение и заполнение колонн и межколонного пространства и все остальные помехи от «ближней зоны» оказывают на интерпретационные функционалы ИННК существенно меньшее влияние, чем на показания стандартных применяющихся методов типа стационарного НГК. Кроме значительно более высокой помехоустойчивости к вариациям всех параметров «ближней зоны», метод ИННК является более экологичным и безопасным в сравнении со стационарными нейтронными методами, поэтому он активно применяется при ГИС-контроле на месторождениях и подземных хранилищах газа (ПХГ). При циклической работе ПХГ, связанной с постоянными процессами закачки и отбора газа в пласты-коллекторы, зачастую возникают заполненные газом технологические каверны в заколонном прострастве, которые необходимо контролировать и которые являются помехой при определении газонасыщенности, что также необходимо учитывать.
Ядерные поля в горизонтальных и наклонных скважинах
На внутренних границах раздела сред у выполняются условия непрерывности поля и нормальной составляющей потока (условия сопряжения): Т.к. декремент затухания ai априори неизвестен (сам является характеристикой искомого решения), то точные граничные условия, не содержащие ai, оказываются нелинейными, т.е. неклассическими. Чтобы использовать стандартные алгоритмы решения уравнений математической физики, точные условия аппроксимируются линейными граничными условиями 3-рода с априори задаваемым декрементом ОІІ :
Значения коэффициентов а, для всех групп и сред вычисляются через групповые константы сред по приближенным формулам для асимптотики поля. Для сформулированных краевых задач ( 2.1-2.15 ) решение Ui существует, единственно, непрерывно, ограничено и
Одним из наиболее эффективных методов решения полученной системы разностно-алгебраических уравнений является метод неполной факторизации (МНФ) [35,36,77]. МНФ представляет сочетание быстрой операции векторной прогонки и схемы последовательных приближений. Быстродействие схемы МНФ в задачах ГИС объясняется тем, что матрица системы сеточных уравнений имеет, как правило, невысокий порядок в одном из направлений, обычно по азимутальному углу (р, что обусловлено геометрией ГИС и системой координат. В этом случае матричная прогонка, которая редко применяется из-за ее неэкономичности, становится не хуже обычной векторной прогонки [6, стр.27].
Методологической основой вычислительного алгоритма расчета полей гамма-квантов является идея комбинирования различных вычислительных схем, предложенная А.Л.Поляченко, которая заключается в декомпозиции всей задачи на естественную последовательность более простых и физически различных этапов переноса. Для каждого из этапов подбирается наиболее адекватный по точности и быстроте метод моделирования переноса с приоритетом критерия необходимой точности. Быстрые алгоритмы включаются в единую вычислительную схему непосредственно, т.е. в онлайновом режиме. Медленные же алгоритмы исключаются из работы в режиме on-line, а вместо них в алгоритм входят априори заготовленные по ним результаты, имеющие вид многомерных таблиц, аналитических аппроксимант, баз данных и других представлений, позволяющих работать с ними быстро. В итоге сборка алгоритмов для расчета полей гамма-квантов сохраняет точность на каждом этапе и приобретает высокую скорость в целом.
Описанные математические модели нейтронных решателей в целом сохраняются и для гамма-блока пакета. При моделировании переноса гамма-квантов учитываются комптоновское рассеяние, фотоэффект и образование электронно-позитронных пар. Исходная 29-групповая база данных по сечениям содержит и константы, описывающие эти процессы.
Применяемый для решения прямой задачи расчета спектра гамма-излучения (ГИ) специальный алгоритм основан на суммировании всех спектральных линий элементов, входящих во все геометрические зоны модели скважина-пласт. Пространственно-энергетическое распределение плотности источников ГИ рассчитывается отдельно для каждой ячейки a,b (здесь «а» определяет номер цилиндрической зоны, в которую входит ячейка, а «b» - номер слоя внутри цилиндра «а») и в случае СГК определяется содержанием естественных радионуклидов в каждой ячейке.
Полный спектр испускания [E0,U0el] одним элементом el гамма-излучения в общем случае состоит из двух исходных частей – линейчатого спектра наиболее интенсивных монолиний [E0L,U0Lel] («аналитических линий элемента») и регулярного непрерывного спектра
В специально созданной на основе табличных данных и монте-карловских расчетов базе данных (БД) для непрерывного спектра {E0C,U0Cel} весь диапазон энергий испускания Е0 от 0 до Еоmax разбит на равные окна шириной K0, и это разбиение едино для всех элементов БД. Обозначив через qC номера окон в порядке возрастания их энергии E0C, массив энергий {Е0С(qC)} в БД становится одномерным или одноиндексным. В БД для каждого элемента el и в каждом из окон qC задан суммарный выход непрерывного спектра квантов в нём (гистограмма), U0С(qCel). Т.о., массив выходов U0С(qCel) двухмерный или двухиндексный. Будем относить выход элемента el в qC-окне к средней энергии окна, которую обозначим Е0С(qC). Это порождает разбиение оси Е0 равномерной сеткой узлов {Е0С(qC)}, приуроченных к серединам окон: рассматриваемой задаче, дающих вклад в тек. qC-окно спектра испускания Спектр (2.18) обладает следующими свойствами: а) Сетка узлов (2.17) непрерывного спектра испускания – единая и равномерная для всех элементов (в отличие от линейчатого спектра), поэтому полное число испускаемых и обрабатываемых qC-линий равно NK0, причем выход каждой линии U0CМ(qCm) есть суммарный выход в данном окне от всех элементов среды m.
Основные типы нейронных сетей
Из-за различия в углах наклона, расстояние, пройденное прибором внутри пласта толщины 1 м при разных углах, будет разным, что может привести к ошибкам при построении нормированной функции восстановления, поэтому каротажные кривые для разных углов наклона необходимо привести к единой толщине, т.е. спроецировать их на перпендикулярную к границам пласта ось, соответствующую горизонтальной скважине, пересекающей плоско-параллельные границы пласта. Это достигается путем масштабирования шкалы глубины каротажной кривой H т.ч. внутри него. Разработанная система палеток (2.55), представляющих функцию восстановления, является обучающей выборкой, по которой, используя нейросетевую технологию, можно построить функцию восстановления для любого пласта с требуемой толщиной и углом наклона. Пример функции восстановления для однометрового пласта представлен на рис. 7. Как видно из рисунка, основные искажения возникают вблизи границы пласт-вмещающая порода, с удалением от которых функция восстановления стремится к 1, поэтому в маломощных пластах искажается вся часть кривой, попадающая в пласт, а в пластах большой толщины лишь ее участки вблизи границ.
Для корректной работы с функцией восстановления необходимо вначале определить толщины всех коллекторов, пересекаемых траекторией скважины. Точки пересечения траекторией скважины границ коллекторов определяются по каротажной кривой, а затем, с учетом данных инклинометрии, расстояния вдоль ствола скважины необходимо спроецировать на вертикальную ось и определить толщины пластов. Это делается следующим образом. Пусть {Zi, i}- шкала глубин инклинометра и углы отклонения оси скважины от вертикали в точках Zi (они совпадают с углами наклона пластов, поэтому обозначены здесь так же), Zк и Zп – значения кровли и подошвы пласта вдоль оси скважины. Тогда истинная толщина пласта по вертикали будет определяться
Восстановление исходной каротажной кривой за наклон скважины заключается в домножении ее на полученную функцию восстановления, причем здесь должны учитываться все пласты, которые могут оказать влияние на показания метода ГИС в данной точке. На практике это выражается в суммировании функций восстановления от всех пластов в разрезе, из которых могут оказать влияние близлежащие к данной точке траектории пласты, а остальные
Учет влияния технологических каверн на показания ядерно-геофизических методов. Слабосцементированные алевритовые пласты при определенных условиях подвержены разрушению. Данный факт фиксируется выносом песчаной и алевритовой фракции из скважины на поверхность и образованием пробок в стволе.
Газонасыщенные пласты с лучшими коллекторскими свойствами, несмотря на высокие значения пористости и проницаемости, благодаря повышенной концентрации элементов с большим сечением захвата обладают сравнительно низкими значениями времени жизни тепловых нейтронов (т, мкс). С увеличением глинистости пласта возрастает удельная поверхность породы, значения времени жизни уменьшаются. Неразрушенный пласт характеризуется линейной (в определенном диапазоне) зависимостью времени жизни тепловых нейтронов от газонасыщенности, увеличение времени жизни тепловых нейтронов без роста газонасыщенности свидетельствует о разрушении коллектора.
Анализ накопленного геофизического материала показал, что образование каверн происходит в основном в интервалах притока при общей недостаточной газодинамической связи пласта со скважиной, то есть в интервалах с наибольшей скоростью потока газа. При этом выделяемые каверны различны по объему.
На основе математического моделирования проводилась оценка влияния на показания метода ИННК величины каверны за эксплуатационной колонной диаметром 168 мм. Моделирование было направлено на определение влияния формы и размера каверны на показания малого зонда аппаратуры АИНК-43 и проводилось при постоянном объеме каверны в виде цилиндра с высотой 1 м и радиусом 25 см. Форма менялась таким образом, что вначале цилиндр был центрирован (т.е. симметричен относительно оси скважины), а затем эксцентричен так, что касался стенки скважины. Таким образом, была внесена резкая неоднородность по углу.
Результаты моделирования показали, что в заданных условиях (обсаженная скважина с колонной d=168 мм, газонаполненный алевролит с Кп=40%) погрешность, вносимая положением каверны относительно оси скважины и, соответственно, ее форма, составляет не более 3.5% (рис.10). Формы самих кривых представлены на рис.11. Ширина аномалии, отмеченная на ее полувысоте, соответствует протяженности каверны по глубине 1 м, при этом сама аномалия смещена вверх на 25 см, что обусловлено разным расположением источника и детектора относительно границ каверны на входе и выходе из нее.
Далее исследовался вопрос о влиянии радиального размера каверны на форму каротажной кривой при фиксированном значении протяженности каверны по глубине. Радиус скважины в расчете для удобства построения расчетной сетки был взят 10 см, радиус каверны отсчитывался от этой величины с шагом 5 см (т.е. полный размер составил 15, 20, 25, 30 см). Вид полученных каротажных кривых представлен на рис. 12,
Комплексная методика определения текущей газонасыщенности коллекторов по данным ИННК
После того, как содержания ЕРЭ компонент определены, уравнения (4.6) с уже известной матрицей А позволяют определить искомые содержания этих компонент Ci.
На рис. 21 представлен пример тестирования алгоритма на заданных значениях компонент глины – хлорита, монтмориллонита и иллита. Этот пример достаточно показателен, т.к. именно у этих минералов наблюдается очень широкий диапазон возможного изменения концентраций ЕРЭ, которые могут отличаться от принятого значения в несколько раз. Из рисунка видно, что расчетные значения отличаются от заданных не более чем на 15-20%. Достаточно большие расхождения между заданными и расчетными концентрациями компонент наблюдаются лишь в интервалах глубин 107.5-108 м и 108.3-109 м, характеризуемых высокими значениями содержания калия (POTA) и относительно низкими значениями содержания тория (THOR). В этом случае концентрация хлорита, обладающего значениями содержания калия на порядок меньшими, чем у других компонент занижено в 1.5 раза. Оценка текущей газонасыщенности коллекторов по данным ИННК на основе корреляции разрезов соседних скважин.
Задача определения текущей газонасыщенности продуктивных коллекторов в скважинах сложной многоколонной конструкции встает при проведении комплекса ГИС на газовых и газоконденсатных месторождениях и ПХГ. Такие скважины имеют несколько обсадных колонн и НКТ, что не позволяет получать достоверную информацию о составе флюидов в заколонном пространстве, используя только стандартный комплекс ГИС (основными методами в котором являются ГК(СГК) и НГК). Наиболее эффективным в технически сложных условиях многоколонных конструкций газовых скважин является метод ИННК, который обычно не включается в стандартный комплекс применяемых методов в силу дороговизны приборов и трудоемкости его обработки, поэтому измерения проводят зачастую лишь в нескольких скважинах. Однако эффективность ИННК делает целесообразной попытку обобщить результаты, полученные по отдельным скважинам, на всю площадь. Как показано в [7], конфигурация кривой отношения показаний на зондах прибора ИННК в целом повторяет конфигурацию кривой НГК, хотя сам метод является значительно более помехоустойчивым к влиянию конструктивных особенностей скважины, чем НГК. Кроме того, при 118 интерпретации ИННК необходимо использовать информацию, полученную по результатам обработки данных ГИС в открытом стволе (прежде всего, это пористость и глинистость). Таким образом, задача определения газонасыщенности по ИННК трансформируется в более общую задачу оценки текущего Кг по комплексу методов, проведенных в разное время (данные открытого ствола – при бурении, данные ИННК - текущие). Наиболее эффективной методикой решения такой задачи является технология искусственных нейронных сетей, которая позволяет выявить в группе кривых общие характеристики, в данном случае – значение Кг [9,19]. Это позволяет при корректной настройке алгоритма нейронной сети на основе зависимости сигнала ИННК от Кг выявить функцию влияния газонасыщенности на показания остальных методов контроля в разрезах тех скважин, где проводился ИННК, а затем обобщить ее и на разрезы всех остальных скважин той же конструкции, пробуренных в тех же отложениях (т.е. в условиях одного месторождения или ПХГ). Данная методика позволяет лишь оценить текущее значение Кг, более точную и достоверную информацию можно получить лишь при проведении исследований непосредственно в самой скважине. Исходная обучающая выборка, подаваемая на вход алгоритма для его настройки, содержит показания ряда методов ГИС, используемых при интерпретации, которым на выходе должна соответствовать искомая величина (коэффициент газонасыщенности). При этом, чем богаче обучающая выборка (т.е. чем больше различных значений искомых величин в ней встречается и чем больше векторов она содержит), тем более эффективным будет результат обучения. Обучающая выборка включает набор данных, полученных по стандартному комплексу ГИС (Кп по НГК, Апс (по измерениям в открытом стволе), ГК либо СГК, а искомая величина Кг определяется по методу ИННК.
Процедура оценки газонасыщенности с использованием метода ИННК показана на примере двух неокомских газовых скважин, в которых проводился одинаковый комплекс ГИС, а в скважине А был проведен еще и ИННК, по которому в ней определялся Кг. В скважине Б Кг определялся по комплексу Апс, ГК, НГК на основе нейронной сети, обученной на данных скважины А. Обе скважины в исследуемых интервалах разреза, пересекающих пласты БУ-8 – БУ-12 были перекрыты 168 мм-колонной и НКТ диаметром 101.6 мм. Корреляция разрезов этих скважин приведена на рис. 22.
Ядром технологии является алгоритм, основанный на действии нейронной сети с предварительным ранжированием входных данных. Использование близких по значению входных данных повышает точность работы нейронной сети, а ранжирование (кластеризация) проводится с помощью метода самоорганизации, относящегося к группе методов с обучением «без учителя». Если исходные значения изменяются в широком диапазоне, то метод самоорганизации разделит их на группы близких между собой векторов, кластеров
