Содержание к диссертации
Введение
1. Методы повышения эффективности создания трехмерных геолого-гидродинамических моделей нефтегазовых месторождений 12
1.1. Исходная информация для моделирования нефтегазовых месторождений 12
1.2. Задачи обработки и анализа геофизической информации при разведочном бурении скважин 14
1.3. Методы и алгоритмы обработки геофизической информации 19
1.3.1. Методы кластеризации 19
1.3.2. Деревья решений 23
1.3.3. Статистические подходы анализа данных 27
1.3.4. Метод ближайших соседей 36
1.3.5. Нейронные сети 38
1.3.6. Методы нечеткого логического вывода 45
1.4. Проблема компьютерного моделирования месторождений 48
1.5. Гидродинамическое моделирование на базе метода линий тока 49
1.5.1. Наглядная визуализация потока флюидов 52
1.5.2. Моделирование в масштабе всего месторождения 52
1.5.3. Эффективность и скорость вычислений 53
1.5.4. Возможность постепенного усложнения физических свойств потока 56
1.5.5. Поток несжимаемой жидкости и управление скважинами 58
1.5.6. Новая (специфическая для метода линий тока) информация 59
1.6. Постановка цели и задач исследований 60
2. Методика экспресс-оценки запасов углеводородов по результатам з геофизических исследований скважин с применением нечетких деревьев решений 62
2.1. Метод классификации, основанный на деревьях решений с веро-ятностным и возможностным критериями разбиения 62
2.2. Метод построения нечетких деревьев решений 70
2.3. Оценка начальных запасов нефти и газа на основе объемного метода 80
2.4. Применение дискретного вейвлет-преобразования для проведения геофизической интерпретации 82
2.5. Параметрическая настройка дерева решений для задачи литоло-гического разделения 91
2.6. Методика оценки продуктивности скважины 100
2.7. Полученные результаты и выводы 106
3. Методические аспекты геолого-технологического моделирования нефтегазовых месторождений 108
3.1. Укрупненные этапы создания трехмерных геолого- гидродинамических моделей нефтегазовых месторождений 108
3.2. Геологическое моделирование 113
3.2.1. Методика и результаты интерпретации данных керна и ГИС 114
3.3. Построение трехмерной геологической модели месторождений... 121
3.3.1. Обоснование объёмных сеток параметров модели 121
3.3.2. Построение структурной модели 122
3.3.3. Построение литологической модели и распределение ФЕС 124
3.3.4. Построение модели насыщения пласта флюидами 128
3.4. Подсчет запасов нефти 129
3.5. Цифровая фильтрационная модель 129
3.5.1. Математические модели расчета фильтрационных процессов на месторождении 129
3.5.2. Исходные данные для построения цифровой фильтраци онной модели 131
3.5.3. Требования к точности исходных данных 132
3.6. Полученные результаты и выводы 132
4. Применение метода линий тока при комплексной интерпретации данных 135
4.1. Методика ранжирования геостатистических моделей пласта 135
4.1.1. Методика ранжирования 136
4.1.2. Рабочий пример месторождения 141
4.2. Методика ремасштабирования геологической модели коллектора 150
4.2.1. Процедура ремасштабирования 152
4.2.2. Рабочие примеры месторождений 154
4.3. Методики качественной оценки эффективности схемы размеще ния скважин 164
4.3.1. Методика баланса схемы расположения скважин 164
4.3.2. Методика оценки эффективности нагнетания 165
4.3.3. Методика оценки эффективности добычи 167
4.4. Полученные результаты и выводы 168
Заключение 170
Список литературы
- Методы и алгоритмы обработки геофизической информации
- Оценка начальных запасов нефти и газа на основе объемного метода
- Методика и результаты интерпретации данных керна и ГИС
- Методика ремасштабирования геологической модели коллектора
Введение к работе
Актуальность темы. Двадцать первый век приносит новые проблемы для мировой экономики. Динамичный глобальный рынок требует изменения существующей парадигмы в нефтяной отрасли, поскольку потребность в нефти продолжает доминировать в общемировой сфере энергопотребления.
Моделирование месторождений является одной из многих современных технологий, используемых при разработке и добыче нефти. Оно используется для сравнения различных механизмов добычи и предоставляет базу для экономического анализа потенциальных сценариев подготовки месторождения. Кроме того, к данному типу моделирования предъявляются все большие требования, т.к. нефтегазовые площади стареют, и процесс добычи становится все более сложным. Успешное, экономически обоснованное использование современных технологий интенсификации добычи нефти и повышения нефтеотдачи обеспечивается путем создания компьютерных цифровых геолого-гидродинамических моделей пластовых систем и протекающих в них процессов. Существующие коммерческие программные пакеты для проведения моделирования представляют широкий набор инженерных средств, обеспечивающих принятие оптимального решения в управлении месторождением. Однако точность выдаваемых ими прогнозов в большой степени зависит от разрешающей способности модели. Из-за существующих вычислительных ограничений, высоко-детализированную сетку геологической модели подвергают осреднению до сетки с сотнями тысяч блоков. Одно из решений усовершенствования симулятора основано на достижениях компьютерного прогресса в области аппаратных средств ЭВМ. Второй подход состоит в том, чтобы непосредственно улучшить эффективность моделирования. При таком решении остается возможность использования стандартных компьютерных средств, но с получением достаточно точных прогнозов за меньшее время.
В сложных условиях залегания углеводородов на больших глубинах в тонких пластах-коллекторах при многокомпонентном литологическом составе и сложной структуре порового пространства возрастают требования к качеству интерпретации результатов геофизических исследований скважин (ГИС). Одним из направлений повышения геологической эффективности и оперативности использования материалов ГИС является автоматизация процессов сбора обработки и интерпретации информации с использованием ЭВМ. При наличии эмпирической базы данных возможно использование методов извлечения знаний из данных и применение обучающихся информационных систем. Так как задачи интерпретации ГИС имеют в своей основе сложные функциональные зависимости, то для их решения нашли применение системы нейронных систем, нечеткой логики. При разработке интеллектуальных компьютерных систем предпочтение отдается методам, допускающим представление знаний в виде набора некоторых понятных человеку правил.
В целом, применение математических методов теории интеллектуальных систем для интерпретации данных ГИС, позволяющее сократить временные затраты и повысить надежность результатов оценки продуктивности скважин, разработка и применение методов непосредственного улучшения компьютерного моделирования месторождений, а также их интегрирования с уже существующими технологиями, являются актуальными задачами.
Объектом исследования является геолого-технологическое моделирование нефтяного пласта, а также данные геофизических исследований скважин, представленные в цифровом виде.
Предметом исследования являются математическое описание алгоритмов и методов интерпретации каротажных диаграмм, определение продуктивных коллекторов и их классификация на основе метода нечетких деревьев решений и вейвлет-преобразования, а также применение МЛТ при комплексной интерпретации данных.
Методы исследования. В работе применялись теоретические и экспериментальные методы исследования.
При решении задачи распознавания литологической структуры разреза скважины использовалась модель нечеткого дерева решений. Настройка параметров нечетких деревьев осуществлялась на комбинациях методов каротажа, входящих в состав стандартного набора методов ГИС, снимаемых на скважине. Для получения дополнительной информации о границах коллекторов геофизические сигналы обрабатывались с применением дискретного вейвлет-преобразования. Результаты работы исследовались на предмет адекватности выделенных нефте-газонасыщенных, водонасыщенных и непродуктивных участков разреза скважины экспертным оценкам.
Цифровые геологические модели исследуемых примеров месторождений отстроены на программном продукте IRAP RMS фирмы ROXAR в виде трехмерной детерминированной геологической- модели. При моделировании пластов использовалась трехмерная дискретная сетка геометрии угловой точки (Comer Point) с равной мощностью ячеек по оси Z. Построение гидродинамической модели проводилось с использованием пакета программ расчетного комплекса 3DSL фирмы StreamSim Technologies.
Достоверность и обоснованность полученных в работе результатов и выводов подтверждена сопоставительным анализом разработанных несуществующих математических моделей и методов, а также итогами проведения вычислительного эксперимента.
Математические модели, алгоритмы и прикладные программы, используемые в работе, основаны на положениях теории обычных и нечетких множеств, теоретических основах функционального анализа, теории статистического анализа, теории информации, теории вероятности, вычислительной гидродинамики, подземной гидромеханики и флюидодинамике, нефтегазовой геологии.
Достоверность экспериментальных результатов обеспечена- использованием большого объема экспериментального материала по ГИС, моделированием фильтраций флюидов в существенно отличающихся по строению пластах при различных начальных и граничных условиях, хорошей согласованностью прогнозируемых и реальных эксплутационных характеристик.
На защиту выносятся результаты разработки и применения эффективных вычислительных технологий для геолого-технологического моделирования и разработки нефтегазовых месторождений, в том числе:
- метод и алгоритм построения деревьев решений с нечеткими условиями и нечетким логическим выводом для решения задач геофизической классификации, аппроксимации и прогнозирования;
- методика экспресс-оценки запасов углеводородов с применением нечетких деревьев решений;
- обоснование для проведения геофизической интерпретации дискретным вейвлет-преобразованием;
- алгоритм методики оценки продуктивности газовых и нефтяных скважин по показаниям геофизических методов;
- методика ранжирования геостатистических моделей пласта на основе применения МЛТ;
- методика ремасштабирования геологической модели коллектора на основе применения МЛТ;
- методики качественной оценки эффективности размещения схемы расположения скважин на основе применения МЛТ;
- результаты численных расчетов и экспериментов с использованием данных реальных месторождений.
Научная новизна результатов диссертационного исследования, полученных лично автором, заключается в следующем:
- развит алгоритм построения бинарного дерева решений с новым информационным критерием выбора атрибута и условием для ветвления, основанном на возможностной мере нечеткости;
- разработан новый метод классификации и аппроксимации, использующий для генерации правил возможностное дерево решений и нечеткий логический вывод по Сугено;
- создана новая методика определения нефтегазонасыщенности и продуктивности скважин по результатам интерпретации ГИС с совместным применением метода нечетких деревьев и вейвлет-преобразования;
- предложена методика ранжирования геостатистических моделей пласта, базирующаяся на иерархическом принципе учета неопределенностей в исходных данных, в которой критериями ранжирования являются функция коэффициента охвата, вычисляемая с помощью времени пролета вдоль линии тока, и функция первоначального объема нефти при нормальных условиях (STOIIP);
- разработана методика ремасштабирования геологической модели коллектора в вертикальном направлении с сохранением существенных неоднородных особенностей коллектора путем укрупнения слоев с близкими по среднему значению коэффициентами охвата, вычисляемого на основе МЛТ-моделирования;
- для качественной оценки эффективности схемы размещения скважин предложены три методики баланса схемы расположения скважин, оценки эффективности нагнетания и оценки эффективности добычи путем расчета с помощью МЛТ объема пористого пространства коллектора, ассоциированного с каждой отдельной скважиной.
Практическая значимость работы определяется тем, что применение системы интерпретации ГИС на основе метода нечетких деревьев позволяет существенно сократить временные затраты при решении задачи литологиче-ской классификации. Разработанные в работе методики и алгоритмы экспресс-интерпретации данных ГИС позволяют существенно автоматизировать труд геофизика-интерпретатора с одновременным повышением качества интерпретации. Применение системы повышает уровень достоверности и согласованности данных, используемых в качестве исходных при построении геологических, гидродинамических и других моделей месторождений. Система интерпретации может функционировать на вычислительных средствах с ограниченными возможностями.
1азработанный в диссертации новый подход к генерации и ранжированию геостатистических реализаций коллектора позволяет в рамках комплексной интерпретации данных при геолого-технологическом моделировании определять пессимистические, вероятные и оптимистические сценарии разработки с учетом неопределенностей в будущих прогнозах. Авторская методология выбора оптимальной процедуры вертикального ремасштабирования может быть успешно применена в реальных промысловых исследованиях, что позволит существенно снизить затраты на адаптацию по истории моделей месторождений. Предложенные авторские методики качественной оценки эффективности схемы размещения скважин могут использоваться для оптимизации эксплуатационных характеристик месторождения.
Реализация работы в производственных условиях. Результаты исследования протестированы в ходе верификации геолого-геофизических и промысловых данных, геолого-технологического моделирования и разработки ряда нефтегазовых месторождений Западной Сибири. Работа может быть использована предприятиями нефтегазодобывающей отрасли, организациями, занимающимися построением цифровых моделей на основе геолого-геофизической и промысловой информации.
Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на: Международных научно-технических конференциях «Информационные технологии в инновационных проектах» (Ижевск, 2003-2004); VI Международный конгресс по математическому моделированию (Нижний Новогород, 2004); Международной конференции «Компьютерное моделирование» (Санкт-Петербург, 2003-2004); 4-м научном симпозиуме «Геоинформационные технологии в нефтепромысловом деле» - секции «А» 6-го международного конгресса нефтегазопромышленников России (Уфа, 2005); Международных симпозиумах «Надежность и качество» (Пенза, 2005-2007); 33-й международной конференции «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2006); 6th international conference «Vibroengineering 2006» (Каунас, Литва, 2006); 34-й Международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2007); VIII Международной научно-технической конференции «Искусственный интеллект - 2007» (пос. Дивноморское, 2007); Международной научно-технической конференции «Многопроцессорные вычислительные и управляющие системы» (пос. Дивноморское, 2007).
Публикации. Основные научные результаты по теме диссертации опубликованы в 16 научных работах общим объемом 7,94 п.л. Автор имеет 7 научных трудов в издании, выпускаемом в РФ и рекомендуемом ВАКом для публикации основных результатов диссертаций.
Структура диссертационной работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы и приложения с актом о внедрении и использовании результатов работы, изложенные на 192 стр. машинописного текста. В работу включены 80 рис., 4 табл. и список литературы из 168 наименований.
Методы и алгоритмы обработки геофизической информации
Методы кластерного анализа позволяют разделить изучаемую совокупность объектов на группы «схожих» объектов, называемых кластерами, разнести записи в различные группы, или сегменты. Кластеризация в чем-то аналогична классификации, но отличается от нее тем, что для проведения анализа не требуется иметь выделенную целевую переменную. Ее удобно использовать на начальных этапах исследования, когда о данных мало что известно [41]. В большинстве других методов Knowledge Discovery in Databases (KDD) исследование начинается, когда данные уже предварительно расклассифицированы, хотя бы на обучающее множество данных и данные, по которым проверяется найденная модель или для которых надо предсказать целевую переменную. Для этапа кластеризации характерно отсутствие каких-либо различий как между переменными, так и между записями. Напротив, ищутся группы наиболее близких, похожих записей. Когда кластеры обнаружены, используются другие методы DM, чтобы попытаться установить, а что означает такое разбиение на кластеры, чем оно вызвано.
Для решения задачи классификации результатов геофизических измерений применяются алгоритмы ненаблюдаемого обучения нейронных сетей, являются менее требовательными к объему данных. Будем использовать нейросети, обучаемые по правилу Кохонена [88] - самоорганизующиеся карты. Размерность входного слоя нейронов определяется размерностью вектора признаков Х = (х,,..,хт). Число выходных нейронов равно числу предполагаемых классов.
Алгоритм Кохонена предусматривает корректировку весовых коэффициентов связей между нейронами на основании их значений от предыдущей итерации: где j/-1 - выход нейрона /, соединенного с нейроном j связью с весом wtj; а — коэффициент скорости обучения; (7, - степень соседства; к, t - номер итерации и слоя, соответственно.
Обучение заключается в минимизации разности между входными сигналами нейрона, поступающими с выходов нейронов предыдущего слоя ук х и его весовыми коэффициентами [143]. Коррекция весовых коэффициентов производится для нейрона-победителя, т.е. для нейрона, максимально похожего на входной образ. Выбор такого нейрона осуществляется либо по максимуму скалярного произведения вектора весовых коэффициентов с вектором входных значений, либо по минимуму расстояния между ними D} = л/ (ук х - wtJ)2 .
При использовании обучения по алгоритму Кохонена нормализации входные образы нормализуются так же, как и начальные значений весовых коэффициентов: х, , = і » w„=-r В случае использования самоорганизующиеся карт после выбора из слоя к нейрона j с минимальным расстоянием Dj обучается по формуле не только этот нейрон, но и его соседи, расположенные в окрестности R: Gt = expf-D? /R2 J. Величина R на первых итерациях большая, так что обучаются все нейроны, но с течением времени она уменьшается до нуля. Таким образом, чем ближе конец обучения, тем точнее определяется группа нейронов, отвечающих каждому классу образов. Если обозначить Т - заданное число итераций, то R = R0-AR-, а = а0+Аа-, где AR,Aa - коэффициенты, регулирующие изменение радиуса и скорости обучения. Данный алгоритм называется обучением без учителя и позволяет выделить классы объектов с похожими свойствами.
Другой разновидностью кластеризации является метод нечеткой самоорганизации C-means. В данном алгоритме [88] вводится величина и (0 и 1), характеризующая степень принадлежности подаваемого на вход сети вектора Ху к центру С,. Алгоритм подбора центров кластеров является итерационным, Ї-й центр С, вычисляется по формуле
Оценка начальных запасов нефти и газа на основе объемного метода
На этапе проведения поис ково-разведочных работ проводит- С ся предварительная оценка запасов нефти и газа. По данным разве дочного бурения определяются за пасы категории С2 не опробован ных продуктивных пластов. Запа сы этой категории определяются по результатам бурения, керна и Рис. 2.7. Схема расположения соседних скважин геофизических исследований скважин [5; 40]. Продуктивные пласты нефтяных, газовых и газоконденсатных месторождений характеризуются пористостью, проницаемостью, насыщенностью нефтью, газом и водой [48]. Пористость горной породы1 определяется отношением суммарного объема всех пустот в породе ко всему объему — коэффициентом пористости. Под эффективной пористостью понимается поровое пространство, занятое пластовой жидкостью. Для оценки объема содержащихся в породе углеводородов необходимо знание величины коэффициента эффективной пористости [78; 85].
Начальные запасы нефти на основе объемного метода определяются формулой [114]: Q = Fhkpkn6pn, (2.8) где F — горизонтальная проекция площади залежи; h — среднее значение эффективной нефтенасыщенной толщины пласта; к - коэффициент открытой пористости; кп - коэффициент нефтенасыщенности; в, рп - усадка и плотность нефти.
Формула (2.8) получена осреднением характеристик по рассматриваемому объему Киз интегрального выражения: Q= \ePnkpkndV, (2.9) V где к , кп - локальные коэффициенты пористости и нефтенасыщенности.
При наличии системы из М скважин, определяющих свойства рассматриваемого объема в каждой точке с координатами х(, yt, z, і = 1, М, формула (2) заменяется следующей: й = Орп кр{хру )кп{хрУ] , (2.10) где AFj - площадь треугольника, вершинами которого являются скважины (рис. 2.7); JV - количество треугольников, покрывающих рассматриваемую залежь.
Точка G соответствуют центру тяжести треугольника ABC. Длины сторон треугольника определяются известными координатами вершин - скважин: aik =V(X/ -)2 +{Уі -УкТ l = l,k = 2,3;1 = 2,к = 3. Площадь треугольника: AFj = П(П-а]2)(П-а13)(П-а2з), П = ап +а13 +а23. Для полученного треугольного элемента характеристики пласта Р. = (к ,кп) находятся как взвешенные расстоянием до вершин величины: З 0.2 j=2 Pk"jk Pk = 3 Следовательно, для подсчета величины запаса нефти в залежи необходимо знать изменение характеристик пласта , -[ рЛЛ по высоте скважины z. Аналогичным способом по объемному методу определяются запасы газового месторождения: ./=1 Плотность газа вычисляется по пластовому давлению р и температуре Т и приводится к стандартным условиям рс,Тс: Р Тс D р = — —, где R — газовая постоянная. s R Т р g
Характеристики пластов (коэффициенты пористости, нефтенасыщенно-сти, газонасыщенности), использующиеся в формулах (2.10), (2.11), необходимо определить через показания геофизических методов [54; 87].
Записанные каротажные сигналы содержат случайные высокочастотные составляющие. Для повышения качества интерпретации целесообразно очистить сигнал от шума. Максимальная частота определяется дискретностью записи показаний геофизических приборов. Чрезмерное подавление высокочастотных составляющих также нежелательно, так как они могут нести информацию о структуре разреза скважины.
Одним из направлений обработки сигналов с разложением на составляющие с разными частотами является применение вейвлет-преобразований. Идея применения вейвлетов для многомасштабного анализа заключается в том, что разложение сигнала производится по базису, образованному сдвигами и разно масштабными копиями функции-прототипа. Свертка сигнала с одним из вейвле-тов позволяет выделить характерные особенности сигнала в области локализации этого вейвлета, причем чем больший масштаб имеет вейвлет, тем более широкая область сигнала будет оказывать влияние на результат свертки. Согласно принципу неопределенности, чем лучше функция сконцентрирована во времени, тем больше она размазана в частотной области. При перемасштабировании функции произведение временного и частотного диапазонов остается постоянным и представляет собой площадь ячейки в частотно-временной (фазовой) плоскости. Преимущество вейвлет-преобразования заключается в том, что оно покрывает фазовую плоскость ячейками одинаковой площади, но разной формы. Это позволяет хорошо локализовать низкочастотные детали сигнала в частотной области (преобладающие гармоники), а высокочастотные — во временной (резкие скачки, пики и т.п.). Вейвлет-преобразование дает наиболее наглядную и информативную картину результатов эксперимента, позволяет очистить исходные данные от шумов и случайных искажений и подметить некоторые особенности данных и направление их дальнейшей обработки и анализа.
Методика и результаты интерпретации данных керна и ГИС
Комплекс и качество проведенных геофизических исследований Общие методы исследований, выполненные в масштабе 1:500 включают: - стандартную электрометрию (КС, ПС), - радиометрию (НГМ, ГМ), - резистивиметрию, - кавернометрию (KB).
Детальные исследования представлены обязательным и дополнительным комплексами, выполненными в масштабе 1:200. Обязательный комплекс исследований включает: - стандартную электрометрию (КС, ПС), - боковое электрическое зондирование (БЭЗ), - микрозондирование (МКЗ), - боковой и индукционный методы (БМ, ИМ), - кавернометрию (KB), - радиометрию (НГМ, ГМ), (ННК-т в скв. 3370), - инклинометрию, - резистивиметрию.
Дополнительно к обязательному комплексу проведены исследования акустическим, ядерно-магнитным, микробоковым, импульсными нейтронными методами.
Проведён анализ качества геофизического материала и оценена возможность его использования для определения характера насыщения пластов и подсчётных параметров.
При бурении и проведении промыслово-геофизических работ на глинистом растворе, при соблюдении технологии вскрытия и подготовки скважин к исследованиям, качество материалов ГИС и эффективность их интерпретации достаточно высокое
При выполнении комплекса ГИС в скважинах с полимер солевыми, минерализованными растворами или некачественными промывочными жидкостями информативность ГИС и качество интерпретации снижается.
В целом, в техническом отношении качество геофизического материала позволяет использовать его для трехмерного геологического моделирования. Детальность масштабов регистрации, скорость записи соответствуют требованиям, предъявляемым к исходным данным для количественной обработки и интерпретации.
Комплекс промыслово-геофизических исследований позволил решить следующие геолого-промысловые задачи: - провести детальное литологическое расчленение разреза скважин, выделить пласты-коллекторы, оценить их эффективную толщину; - определить значения пористости и нефтенасыщенности коллекторов в каждом пластопересечении; - определить характер насыщения пластов-коллекторов.
Петрофизическое обоснование методики интерпретации ГИС
Сведения об освещенности керном продуктивных пластов, методиках и объемах выполненных работ по анализу керна
Несмотря на сплошной отбор керна, освещенность нефтенасыщенной части пластов непредставительна. Освещенность отдельных прослоев составляет 3,1-30 % и только в единичных случаях достигает 80 %.
Открытую пористость и объемную плотность при подсчете и пересчете определяли методом И. А. Преображенского, насыщая образцы керосином в вакуумной камере и взвешивая их на аналитических весах (погрешность оценки не более 5 %).
Газопроницаемость пород измеряли методом стационарной фильтрации азота (погрешность оценки не более 10 %).
Начальную водонасыщенность (ов) моделировали в капилляриметрах, представляющих собой камеру с укрепленной в ней тонкопористой керамической мембраной, насыщенной минерализованной водой. При давлениях ниже капиллярных, существующих в каналах мембраны, она обладает свойствами пропускать только смачивающую фазу, в данном случае воду.
Начальную нефтенасыщенность (SH) образцов определяли косвенным методом через остаточную водонасыщенность как
Остаточную водонасыщенность моделировали методом полупроницаемой мембраны.
Определение граничных значений фильтрационно-емкостных характеристик коллекторов по величине остаточной нефтенасыщенности
Коэффициент остаточной нефтенасыщенности (S0H) получен на основании результатов лабораторных экспериментов по определению коэффициента вытеснения Квт на составных моделях с различной проницаемостью. Эксперименты осуществлялись в соответствии с требованиями РД. Остаточная нефте-насыщенность была определена по окончании эксперимента, когда фактическая обводненность приблизилась к 100 %. При этом численное значение для образцов модели определялось по формуле: где SQB - остаточная водонасыщенность керна в начале эксперимента (создавалась на групповых капилляриметрах при давлении Р = 0,16-ь0,18 МПа).
По рассчитанному значению S0H были получены значения критической водонасыщенности, при которой фазовая проницаемость для нефти равна нулю: крв =1_ о.Г По величине S по петрофизическим зависимостям 5 =/( :), S0B =/(У), где ф - коэффициент пористости и k — коэффициент проницаемости, определены граничные значения пористости и проницаемости.
Методика ремасштабирования геологической модели коллектора
При геостатистическом определении коллекторских свойств часто практикуется создание большого числа реализаций модели продуктивного пласта для оценки неопределенности описания пласта и прогноза эксплутационных характеристик. Однако только малая доля этих моделей может использоваться для комплексного гидродинамического моделирования, требующего достаточно больших вычислительных затрат. Альтернатива этому состоит в ранжировании множества «правдоподобных» моделей пласта в соответствии с определенным критерием качества, который бы адекватно отражал взаимосвязь между явлениями неоднородности и фильтрации. В принципе, можно генерировать множество геостатистических реализаций с относительно минимальными затратами, однако может оказаться, что их ранжирование даже при использовании быстрых МЛТ-симуляторов будет требовать не меньших накладных расходов. Цель заключается в создании управляемого числа реализаций и предоставлении геологу информации о возможных неопределенностях в описании коллектора. Мы предлагаем «иерархическую методологию» учета неоднородностей продуктивного пласта.
На сегодняшний момент существует несколько способов ранжирования множества реализаций. Например, на основе наибольшего порового объема, наивысшей средней проницаемости, лучшего воспроизведения статистических данных и т.п. В результате, может использоваться некоторый вариант порогового критерия связности по проницаемости для вычисления эффективного порового объема и последующего ранжирования реализаций. Недостатком таких простых методов является то, что они не учитывают динамический режим фильтрации.
В данном исследовании наш подход к ранжированию базируется на использовании в качестве критерия связности время пролета линии тока, получаемого МЛТ-симулятором. Поскольку время пролета характеризует распространение фронта флюида в различные моменты времени, то данный параметр позволяет вести прямые измерения объемного коэффициента охвата коллектора для любой степени неоднородности и схемы размещения скважин. Кроме того, предлагаемый критерий связности часто демонстрирует сильную корреляцию с отдачей при заводнении, а значит, может использоваться для ранжирования стохастических моделей коллектора.
Благодаря МЛТ-симулятору, большое число реализаций могут ранжироваться за короткое время с получением коэффициента охвата, который представляет собой количественный индикатор (коэффициент) связности. Очень важным является то, что для ранжирования различных реализаций этот параметр должен определяться заранее, в зависимости от выбора которого ранжирование может осуществляться по-разному. Таким параметром может быть суммарная добыча нефти за 10 лет, обводненность через 15 лет, коэффициент охвата через 20 лет или что-то в этом роде. При этом необходимо найти такую характеристику пластовой системы, которая будет способствовать эффективной идентификации пессимистической реализации из оптимистических с точки зрения динамики эксплуатации пласта. Результатом ранжирования является выбор от трех до пяти реализаций для дальнейших исследований.
Методика ранжирования
Один из возможных способов ранжирования реализаций на базе критерия связности - времени пролета линии тока хорошо описан в [126]. Предлагаемый подход имеет много общего с указанным методом, но, тем не менее, обладает и рядом отличий.
1. Существующие в литературе методики не придают значения необходимости обновлять поле давления при МЛТ-моделировании для целей ранжи рования. В нашем подходе для учета изменения насыщенностей при вытеснении нефти водой периодически осуществлялась коррекция давления, и определялись новые положения линий тока на каждом шаге обновления.
2. Другое важное отличие связано с методикой создания реализаций, генерируемых для ранжирования. Ряд авторов рассматривали неопределенности только в геостатистических параметрах, т.к. их целью было только продемонстрировать использование линий тока для ранжирования множества реализаций. Однако в нашем рабочем примере также исследовались неопределенности в структуре пласта, каротажных данных, пространственной целостности и др. В исследовании предлагается альтернативная «методика создания реализаций», базирующаяся на иерархическом принципе. Создание множеств реализаций должно охватывать весь диапазон возможных неопределенностей, которые считаются важными для определенного практического исследования.
Иерархический подход (детальные модели) МЛТ-симулятор 1) коэффициент охвата на базе времени пролета 2) STOIIP Рис. 4.1 Методика ранжирования
3. Предлагаемый критерий ранжирования представляет собой не только функцию коэффициента охвата, которая отражает особенности коллектора, но также включает функцию первоначального объема нефти при нормальных условиях (STOIIP), который показывает количество нефти в коллекторе. Эти два параметра позволяют выбрать из реализаций те, которые приведут к пессимистическому, оптимистическому и вероятному сценариям разработки месторождения.
Наш подход иллюстрируется на рис. 4.1. В начале реализации генерируются на основе иерархического принципа. На втором этапе для полученных реализаций проводится МЛТ-моделирование. Результаты моделирования затем анализируются, и реализации ранжируются в соответствии с выбранным критерием. Далее подробно описаны каждые из этапов.
