Содержание к диссертации
Введение
1. Изучение влияния литолого-фациальных особенностей залежи на эффективность применения технологий воздействия на зону дренирования скважин
1.1. Анализ влияния литолого-фациальных особенностей залежи нефти на эффективность выработки запасов нефти с применением технологий воздействия на зону дренирования скважин .
1.2. Оценка эффективности гидравлического разрыва пласта в зависимости от фациальной неоднородности пласта Ю1 месторождений Когалымского региона
1.3. Фациальная диагностика осадочных пород на основе кластерного анализа макроописаний керна .
Выводы по главе 1 .
2. Методическое обоснование петрофизического обеспечения интерпретации геофизических исследований скважин .
2.1. Влияние интерпретации геофизического исследования скважин на распределение фильтрационно-емкостных свойств и эффективность разработки пласта
2.2. Разработка методики интерпретации петрофизических данных
Выводы по главе 2
3. Методическое обоснование геологического и гидродинамического моделирования для оценки распределения остаточных запасов нефти .
3.1. Статистическое моделирование фильтрационно-емкостных свойств гранулярных коллекторов
3.2. Оценка распределения остаточных запасов нефти с использованием итерационной методики построения геолого-гидродинамических моделей продуктивных пластов
3.3. Анализ применимости графоаналитических методов интерпретации гидродинамических исследований скважин
Выводы по главе 3
4. Геолого-технологическое обоснование применения методов воздействия на продуктивный пласт с учетом плотности текущих подвижных запасов, фильтрационных и фациальных особенностей продуктивного пласта .
4.1. Обоснование выбора метода воздействия на зону дренирования скважины по результатам индикаторных исследований
4.2. Обоснование системы заводнения в низкопроницаемых коллекторах
4.3. Обоснование комплексного подхода к увеличению нефтеотдачи пласта с реорганизацией системы разработки
4.4. Обоснование физико-химических методов и технологий воздействия .
4.4.1. Реогазохимическое воздействие
4.4.2. Комплексное физико-химическое воздействие
Выводы по главе 4
Основные выводы и рекомендации
Библиографический список использованной литературы .
- Оценка эффективности гидравлического разрыва пласта в зависимости от фациальной неоднородности пласта Ю1 месторождений Когалымского региона
- Фациальная диагностика осадочных пород на основе кластерного анализа макроописаний керна
- Разработка методики интерпретации петрофизических данных
- Оценка распределения остаточных запасов нефти с использованием итерационной методики построения геолого-гидродинамических моделей продуктивных пластов
Введение к работе
Актуальность работы. В условиях залежей нефти, характеризующихся высокой неоднородностью и сильной расчлененностью, обоснование проектных решений, направленных на увеличение технологической эффективности добычи углеводородов, должно включать всесторонний анализ геолого-технологических свойств и параметров, определяющих выработку запасов. Стандартные методики подсчета запасов и геолого-гидродинамического моделирования (ГГМ) оказываются недостаточными, поскольку они изначально ориентированы в большей степени на получение интегральных показателей. Для более точной локализации остаточных запасов и повышения эффективности геолого-технологических мероприятий (ГТМ) необходимы дополнительные исследования на основе усовершенствованных методик обработки геолого-геофизической и промысловой информации.
Актуальность данной проблемы обоснована поиском новых подходов к выработке малоподвижных текущих запасов нефти в условиях высокой обводненности добываемой продукции. Для повышения успешности геолого-технологических мероприятий необходимо комплексно и системно обосновывать проектные решения в пределах каждого отдельного участка залежи с остаточными запасами углеводородов, которые, в свою очередь, основываются на анализе и оценке влияния литолого-фациальной изменчивости продуктивных пластов на выработку запасов, оценке взаимосвязи фильтрационно-емкостных свойств (ФЕС) и характера насыщенности коллектора, статистическом и геолого-гидродинамическом моделировании, анализе энергетического состояния залежи и причин снижения производительности скважин, оценке эффективности технологий и методов воздействия на пласт и его призабойную зону.
Цель работы - разработка комплексного методического подхода к обоснованию принципов и технологий выработки остаточных запасов нефти из неоднородных сильнорасчлененных продуктивных пластов.
Основные задачи работы:
анализ влияния изменчивости литолого-фациальных условий на эффективность выработки запасов нефти из неоднородных сильнорасчлененных пластов;
определение причин некорректной интерпретации петрофизических данных и совершенствование методик по построению геолого-петрофизических и гидродинамических моделей месторождений углеводородов;
разработка метода моделирования фильтрационно-емкостных свойств гранулярных коллекторов;
разработка методики построения геолого-гидродинамических моделей (ГГДМ) для оценки распределения остаточных запасов нефти и планирования геолого-технологических мероприятий;
разработка методики оценки эффективности влияния системы заводнения на выработку запасов нефти.
Методы решения поставленных задач. Использованы общепринятые методики научных исследований, включающие обобщение результатов геологических, геофизических, гидродинамических и промысловых исследований. Основными методами изучения влияния ФЕС на движение флюидов в пористой среде являлись петрофизические методы, многомерный статистический анализ, геолого-гидродинамическое моделирование и др. Достоверность результатов исследований базируется на сходимости фактических и расчетных показателей разработки продуктивных объектов.
Научная новизна результатов работы
-
Усовершенствованы подходы в применяемых методиках обработки и интерпретации петрофизических данных, используемых в геолого-петрофизических и гидродинамических моделях месторождений углеводородов, оценена степень влияния литолого-фациальных особенностей на эффективность выработки запасов нефти для неоднородных пластов нефтяных месторождений Когалымского региона.
-
Разработана методика интерпретации гидродинамических исследований, заключающаяся в совместной интерпретации многократных гидродинамических исследований по группе близкорасположенных скважин с целью создания непротиворечивой модели пластовой системы.
-
Разработана итерационная методика построения геолого-гидродинамических моделей для оценки распределения остаточных запасов нефти и планирования геолого-технологических мероприятий.
-
Усовершенствована методика оценки и уточнения определения величины абсолютной проницаемости и величины остаточной водонасыщенности.
Основные защищаемые положения:
итерационная методика построения геолого-гидродинамических моделей для неоднородных сильнорасчлененных пластов и оценки степени влияния литолого-фациальных особенностей на эффективность выработки запасов нефти;
методика интерпретации многократных гидродинамических исследований по группе скважин, используемая при построении адекватных моделей пластовых систем;
методические подходы к обработке и интерпретации петрофизических данных, определению величин абсолютной проницаемости и остаточной водонасыщенности, используемых в геолого-петрофизических и гидродинамических моделях залежей углеводородов.
Соответствие диссертации паспорту научной специальности
Указанная область исследований соответствует паспорту специальности 25.00.17 «Разработка и эксплуатация нефтяных и газовых месторождений», а именно п. 1: Промыслово-геологическое (горно-геологическое) строение залежей и месторождений углеводородов и подземных хранилищ газа, пластовых резервуаров и свойства насыщающих их флюидов с целью разработки научных основ геолого-информационного обеспечения ввода в промышленную эксплуатацию месторождений углеводородов и подземных хранилищ газа.
Практическая ценность результатов работы
-
По результатам оценки степени влияния литолого-фациальной обстановки на эффективность выработки запасов нефти с применением технологий воздействия на пласт и его призабойную зону выполнено ранжирование эффективности методов увеличения нефтеотдачи (МУН) и обработки призабойной зоны (ОПЗ) согласно фациальной зональности.
-
Предложенные в диссертационной работе методы и технологии позволили вовлечь в процесс фильтрации малоподвижные текущие запасы нефти. Эффективность от рекомендуемых ГТМ составила 49,360 тыс. т дополнительной нефти, сокращение попутно добываемой воды – 1049,244 тыс. т при продолжительности эффекта 4…18 месяцев.
-
На основе гидродинамических и индикаторных исследований определены причины низкой эффективности системы заводнения и предложены новые подходы к выбору методов увеличения нефтеотдачи.
-
С целью совершенствования системы заводнения для условий неоднородных и расчлененных эксплуатационных объектов обоснован метод перекрестной схемы закачки с циклом 10 дней.
Личный вклад автора состоит в постановке задач, их решении; обосновании комплекса методических положений, учитывающих особенности выработки запасов нефти из неоднородных сильнорасчлененных пластов с учетом литолого-фациальных, гидродинамических, промысловых индикаторных исследований, обобщении их результатов, внедрении разработанных методик.
Апробация результатов работы. Основные положения и результаты диссертационной работы докладывались на международной научно-практической конференции «Инновационные технологии в геологии и разработке углеводородов» (Казань, 2009 г.); XIV, XV, XVI ежегодных научно-практических конференциях «Пути реализации нефтегазового и рудного потенциала Ханты-Мансийского автономного округа-Югра» (Ханты-Мансийск, 2010, 2012, 2013 гг.); III научно-практической конференции «Проблемы нефтегазового комплекса Западной Сибири и пути повышения его эффективности», посвященной 15-летию КогалымНИПИнефть (Тюмень, 2011 г.); научно-технических совещаниях и семинарах различного уровня в ОАО «ЛУКОЙЛ»; научно-методических семинарах научного совета ГАНУ «Институт нефтегазовых технологий и новых материалов», а также кафедры «Геология и разведка нефтяных и газовых месторождений» ФГБОУ ВПО УГНТУ (Уфа, 2013, 2014 гг.).
Публикации. Основные результаты диссертационной работы опубликованы в 23 научных трудах, в том числе 10 в ведущих рецензируемых научных журналах, рекомендованных ВАК Минобрнауки РФ.
Структура и объем работы. Диссертационная работа состоит из введения,
4 глав, основных выводов и рекомендаций, библиографического списка использованной литературы, включающего 89 наименований. Работа изложена на 118 страницах машинописного текста, содержит 55 рисунков, 10 таблиц.
Оценка эффективности гидравлического разрыва пласта в зависимости от фациальной неоднородности пласта Ю1 месторождений Когалымского региона
В Когалымском регионе выявлено более 40 залежей нефти в пласте Ю1 юрских отложений, из них 22 залежи находятся в разработке. Резервуары пласта Ю1 характеризуются значительной неоднородностью по площади. Этот факт вызывает определенные трудности при их разработке и, в частности, оказывает значительное влияние на эффективность геолого-технологических мероприятий, в первую очередь на гидравлический разрыв пласта.
Пласт Ю1 в пределах рассматриваемого региона делится на два самостоятельных объекта - пласты Ю1-1 и Ю1-2, из которых в песчано-алевритовых фациях наиболее развит первый. С ним и связаны все выявленные залежи нефти. Структурная карта по Ю1 представлена на рисунке 1.9.
Пласт Ю1-2, залегающий в нижней части горизонта Ю1, отделен от вышележащего пласта Ю1-1 глинистой перемычкой толщиной до 3…5 м, которая имеет немонолитное строение. В ее центральной части встречаются прослои алевролитов до 1 м толщиной, по своим характеристикам приближающиеся к коллекторам с ухудшенными фильтрационно-емкостными свойствами. Сам же пласт Ю1-2 имеет довольно прерывистый характер распространения, песчанистость разреза снижается, увеличивается глинистость, что приводит нередко к полному замещению песчаников алевролитами и глинами.
Пласт Ю1-1 характеризуется неоднородным строением. Его общая мощность изменяется от 7 до 21 м. В разрезе выделяются от 1 до 9 проницаемых прослоев, разделенных глинистыми породами. Эффективная мощность пласта варьируется от 2 до 16 м. Пористость пород-коллекторов изменяется от 12,4 % до 22,6 %, проницаемость - от долей единиц до 0,342 мкм2, среднесуточные дебиты нефти изменяются в пределах от 0 до 227,8 т/сут.
С целью изучения литолого-фациальных особенностей и неоднородности пласта Ю1 определены следующие месторождения центральной и западной частей Когалымского региона: Южно-Ягунское, Тевлинско-Русскинское, Равенское (рисунок 1.10).
Анализ кривых пс пласта Ю1 в пределах рассматриваемой территории показал (таблица 1.2), что по своей форме они подразделяются на пять групп, которые можно отнести к следующим фациям: - барьерных островов, обладающим наилучшими фильтрационно-емкостными свойствами; - вдольбереговых баров и прибрежных валов; - компенсационных и разрывных течений; - мелководного шельфа с относительно спокойным гидродинамическим режимом седиментации; - относительно глубоководного шельфа.
Для более корректной оценки эффективности ГРП принят показатель удельной относительной эффективности: Эуд = К2/(К1h), где К1 - коэффициент продуктивности до проведения ГРП; К2 - после мероприятия; h -эффективная перфорированная толщина. Эуд - показывает относительную эффективность одного перфорированного метра околоскважинной зоны. Удельная эффективность была рассчитана для пластов Ю1 на Южно-Ягунском и Тевлинско-Русскинском месторождениях на основе фациального анализа (таблицы 1.3, 1.4).
Изучение литолого-фациальных и коллекторских свойств отложений рассматриваемой территории позволило: исключить из анализа фацию относительно глубоководного шельфа, так как данная фация представлена неколлектором; фацию вдольбереговых баров и прибрежных валов рассматривать с фацией компенсационных и разрывных течений как единый объект анализа по причине того, что фильтрационно-емкостные и геологические свойства пластов данных фаций очень близки по своему значению, а также потому, что выполненные расчеты показали идентичные значения удельной эффективности ГРП [8].
Таким образом, условно выделили: фацию № 1 фацию барьерных островов фацию; № 2 фацию вдольбереговых баров и прибрежных валов и фацию компенсационных и разрывных течений; фацию № 3 фацию мелководного шельфа.
Помимо удельной эффективности (рисунок 1.11) была проведена оценка зависимости падения после ГРП среднесуточных дебитов во времени, которая позволила разделить фацию № 2 на две группы (рисунок 1.12). Зависимости были получены по фактическим данным с использованием методов математической статистики.
Фациальная диагностика осадочных пород на основе кластерного анализа макроописаний керна
На сегодняшний день общепризнано, что без учета закономерностей фациального строения невозможно ни получение качественных петрофизических зависимостей, ни правильная корреляция коллекторов. В настоящее время известно несколько методов изучения генезиса отложений с помощью реконструкции обстановок их формирования. В их основе лежит определение условий формирования породы на базе диагностических признаков. Неоднократно предпринимались попытки систематизации диагностических признаков в виде таблиц, в строках которых перечисляются литолого-генетические типы пород, характерные для тех или иных фациальных обстановок, а в столбцах отмечается наличие или отсутствие у этих пород определенного набора диагностических признаков [9].
Проблема заключается в том, что разные авторы используют существенно различную номенклатуру литолого-генетических типов пород и несколько разные наборы диагностических признаков. Еще большей проблемой является то, что проявление диагностических признаков в конкретном образце породы носит вероятностный характер. Некоторые признаки встречаются чаще, другие - реже, хотя даже редко встречающиеся признаки могут иметь важное диагностическое значение, если они характерны только для данного литолого-генетического типа. При этом количественные критерии, что следует понимать под терминами «часто», «редко» и т.п., отсутствуют.
Перечисленные факторы приводят к неоднозначности диагностирования фаций и литолого-генетических типов только по первичным признакам горных пород. Предполагается, что данная неоднозначность может быть уменьшена за счет анализа последовательности залегания фаций в разрезе и по латерали, геометрической формы геологических тел и т.д. Это требует от специалистов, занимающихся фациальным анализом, изучения огромного объема специальной литературы по обстановкам осадконакопления и длительного периода обучения. Но даже при соблюдении этих дополнительных условий нет гарантии, что диагностика фациальных обстановок будет сделана правильно. Доказательством этого служат продолжающиеся порою десятилетиями споры между различными группами специалистов о генезисе тех или иных отложений. Одним из путей решения названных выше проблем является широкое применение математических методов в геологии при проведении фациального анализа.
Теоретические основы предлагаемого подхода литолого-генетической типизации горных пород на основе кластерного анализа макроописаний керна
Предлагаемая методика литолого-генетической типизации горных пород на основе кластерного анализа макроописаний керна сочетает в себе математическую строгость анализа и возможность настройки с учетом существующих диагностических таблиц, а также типовых описаний осадков, характерных для различных фациальных обстановок, приведенных в различного рода атласах и монографиях [10].
Первая задача, которую необходимо было решить, - это преобразование полнотекстовых макроописаний керна к формализованному виду, пригодному к дальнейшей автоматической обработке на компьютере. Разумеется, традиционные макроописания керна никогда не потеряют своей актуальности прежде всего благодаря возможности передачи с их помощью сколь угодно сложной информации об изучаемых объектах. Однако, их недостатком является то, что одному и тому же объекту могут соответствовать внешне совершенно различные макроописания, сходство которых может быть выявлено только на основе углубленного анализа текста.
Преобразование макроописаний к формализованному виду описания любого образца заключается в перечислении характеризующих исследуемый образец признаков. Максимальное число возможных признаков ограничено заложенными в систему справочниками (основанными на общепризнанных классификациях горных пород, текстур, структур и т.п.) и составляет несколько сотен. Однако, как показывает опыт, из них активно используется около 200. Число признаков, используемых при формализованном описании одного образца, как правило, не превышает 20. Таким образом, каждому образцу ставится в соответствие множество его признаков, что позволяет пользоваться для дальнейшей обработки информации математическим аппаратом теории множеств. В частности, для любой пары образцов, которым соответствуют множества признаков А и В, можно определить множество признаков С = (А xor В), являющееся исключающим объединением множеств А и В. То есть множество С включает все те признаки, которые имеются в А или в В, но не в их обоих. Присвоим каждому признаку весовой коэффициент w 0 и определим расстояние R между образцами А и В как сумму весовых коэффициентов элементов множества С: R = w(Ci). Очевидно, что определенное таким образом расстояние является хорошей мерой отличия для двух образцов: чем оно больше, тем большим количеством значимых признаков отличаются образцы, а при R = 0 мы имеем полностью идентичные формализованные описания образцов.
После того как мера расстояния между образцами определена, возможно применение ко всей совокупности образцов стандартной процедуры кластерного анализа, в результате которой все образцы автоматически группируются в кластеры, отображаемые схематически в виде дендрограммы (рисунок 1.13), листьями которой являются описания слоев (образцов), а ветвями - литотипы, то есть группы описаний слоев со сходным набором диагностических признаков. Рисунок 1.13 - Сравнение двух дендрограмм в окне программы «Геозор»
Каждая фация (под фацией мы имеем в виду осадки, образовавшиеся в определенной палеогеографической обстановке) может быть представлена одним или несколькими литотипами. При этом один и тот же литотип с разной степенью вероятности может принимать участие в строении нескольких фаций (рисунок 1.14).
В некоторых случаях участие одного литотипа в строении сразу нескольких фаций обусловлено объективными причинами, связанными с повторяемостью одних и тех же обстановок осадконакопления в разных палеогеографических зонах. В других случаях оно может быть обусловлено недостаточной детальностью описания изучаемых образцов горных пород. При более детальном описании не исключено выявление дополнительных признаков, которые позволят обеспечить большую разрешающую способность фациального анализа [11].
Из сказанного видно, что потенциально очень большие возможности использования разработанного алгоритма кластерного анализа сильно зависят от выбранного набора диагностических признаков, степени детальности и качества имеющихся макроописаний. С другой стороны, результаты кластерного анализа зависят также от заданных весовых коэффициентов признаков. Поэтому для использования возможностей кластерного анализа в полном объеме требуется определенная настройка алгоритма путем подбора оптимального набора диагностических признаков и соответствующих им весовых коэффициентов.
Возможны различные подходы к настройке экспертной системы. Наиболее эффективным представляется использование для настройки/тестирования экспертной системы базы знаний, содержащей полнотекстовые и формализованные макроописания эталонных слоев (образцов), которые представляют собой либо описания конкретных образцов, фациальная обстановка осадконакопления которых известна, либо описания литотипов, характерных для тех или иных фациальных обстановок. Такая база знаний, содержащая около 1000 эталонных описаний, была составлена по материалам четырех атласов [1 - 4]. При правильно составленных формализованных описаниях и оптимальном подборе управляющих весовых коэффициентов признаков в каждом кластере должен находиться хотя бы один эталонный слой. Если же в одном кластере находятся несколько эталонных прослоев, то все они должны относиться к одной и той же фациальной обстановке осадконакопления.
Более тонкая настройка экспертной системы проводится путем создания собственной системы эталонных описаний слоев, представляющих по сути центроиды выделяемых на дендрограмме кластеров. Набор признаков центроидов определяется либо явным образом путем вычисления оптимального набора признаков, минимизирующего максимальное расстояние от центроида до всех входящих в кластер образцов (слоев), либо приблизительно на основе подсчета частот встречаемости диагностических признаков в соответствующих кластерах. При этом в эталонное описание центроида обычно включаются признаки, встречаемые более чем в 50 % случаев. Преимущество от использования эталонных слоев-центроидов заключается в существенном ускорении процедуры классификации новых образцов: при добавлении нового образца нет необходимости проводить заново связанную с большим объемом вычислений процедуру кластерного анализа, а достаточно вычислить расстояния от анализируемого образца до центроидов и выбрать из них ближайший.
Генетическая интерпретация кластеров делается на основе сравнения их с эталонными описаниями слоев и обобщенных литотипов из базы знаний, генезис которых предполагается установленным точно. Также база знаний используется для тестирования эффективности работы экспертной системы. Для этого вычисляется коэффициент эффективности распознавания, который определяется как отношение числа правильно диагностированных образцов к общему числу проанализированных образцов [9].
Результат расчетов выводится в программу Excel (рисунок 1.15) в виде среднего коэффициента эффективности и в виде диаграммы, на которой показана доля правильных ответов для каждого литотипа. При этом выделяются два рода ошибок: 1) образец данного литотипа не попал в свой класс; 2) в данный класс попали образцы других литотипов.
На кросс-плоте рисунка 1.15 можно более подробно проследить, по каким классам распределились образцы каждого литотипа (показан начальный этап настройки экспертной системы). Строки на кросс-плоте соответствуют исходным литотипам образцов; столбцы - классы, куда данные образцы были отнесены. На диагонали (со знаком минус) показано количество образцов, попавших в одноименный класс. Например, в литотипе ПГ-2 своему классу соответствует лишь 1 образец, 1 образец больше соответствует литотипу ПГ-5, 3 образца - МГ-2 и 1 - МА-3. В то же время к классу ПГ-2 присоединился один образец с исходным литотипом МГ-3.
Разработка методики интерпретации петрофизических данных
При построении корреляционной связи между коэффициентом пористости и ПС для некоторых месторождений Когалымского региона отмечается, что результирующая формула связи между двумя переменными очень сильно зависит от того, какую из переменных считать независимой, а какую - зависимой. В качестве примера на рисунке 2.3 показано сравнение двух вариантов зависимостей, получаемых при использовании линейной регрессии.
Таким образом, при использовании одних и тех же исходных данных (по конфигурации точек видно, что графики а и б являются зеркальным отображением друг друга) получаются совершенно разные регрессионные зависимости. Сравнение вариантов корреляционной зависимости Кп и ПС, рассчитанных по формуле линейной регрессии для случаев, когда в качестве независимой переменной используются Кп (линия тренда красного цвета (а); - ПС (линия тренда синего цвета (б)
Аналогичный результат получается, если вместо линейной регрессии применить полиномиальную регрессию 2-ого порядка, как показано на рисунке 2.4. Преимущество использования в качестве независимой переменной Кп заключается в том, что получающаяся кривая охватывает практически весь диапазон изменения параметров Кп и ПС. К сожалению, получаемые линии тренда проходят вдали от основного скопления точек.
При использовании в качестве независимой переменной ПС получающаяся кривая достаточно близко подходит к основному скоплению точек. Однако недостатком этой зависимости (показанной на рисунке 2.4, б) является то, что область изменения модельного Кп оказывается намного уже, чем реальный диапазон изменения пористости в исследованных образцах. Например, по результатам анализов мы видим, что имеется достаточно большое количество образцов пористостью более 24 %, однако при создании математической модели пласта мы получаем максимальную пористость не более 21 %. То есть уже на этапе построения петрофизической модели в значительной степени теряется информация о природной неоднородности резервуара. Впоследствии это может создать серьезные проблемы в процессе адаптации получаемой гидродинамической модели по истории разработки. Кроме того, на графике синего цвета (рисунок 2.4, б) значения коэффициента пористости, соответствующие увеличивающимся в промежутке от 45 до 65 мВ значениям ПС, увеличиваются, что противоречит общеизвестному факту увеличения значений ПС только при уменьшении коэффициента пористости. Сравнение вариантов корреляционной зависимости Кп и ПС, рассчитанных по формуле квадратичной регрессии для случаев, когда в качестве независимой переменной используется Кп (линия тренда красного цвета (а); ПС (линия тренда синего цвета (б)
Учитывая такую неоднозначность получаемых результатов, для построения оптимальных петрофизических связей между пористостью и ПС необходимо использовать методы конфлюэнтного анализа [21, 22]. Главное отличие конфлюэнтного анализа от обычного регрессионного заключается в том, что при конфлюэнтном анализе нет априорного разделения на независимые и зависимые переменные. При этом степень зависимости или независимости изменения той или иной переменной определяется в ходе анализа.
При построении геолого-петрофизической модели месторождений Когалымского региона использована программа конфлюэнтного анализа. График петрофизической зависимости, полученной с применением методики конфлюэнтного анализа (рисунок 2.5), позволил избежать недостатков исходных зависимостей, полученных на основе стандартного регрессионного анализа. Он проходит вблизи основного скопления точек и охватывает практически весь диапазон изменения параметров. Сравнение вариантов корреляционной зависимости Кп и ПС, рассчитанных по методу конфлюэнтного анализа и методу регрессии
С учетом геолого-петрофизической модели проведено сопоставления прогнозных и фактических дебитов на основе уточненной интерпретации (рисунок 2.6). Коэффициент корреляции по уточненной модели составляет R2 = 0,361, а относительная погрешность прогноза – 0,91, тогда как в первоначальном варианте R2 = 0,027 при относительной погрешности прогноза 1,23. Следует отметить, что относительная погрешность прогноза представляет собой отношение среднеквадратичной погрешности прогноза к стандартному отклонению фактических дебитов скважин от среднего дебита скважин по месторождению. Если полученная величина относительной погрешности прогноза больше единицы, это означает, что при использовании в качестве прогнозного дебита скважины среднего дебита по месторождению мы могли бы получить более качественный прогноз. Сопоставление прогнозных и фактических дебитов, рассчитанных на основе интерпретации «предшественников» (а) и на основе уточненной интерпретации с применением конфлюэнтного анализа б) Проблему интерпретации ГИС для тонкослоистого разреза рассмотрим на следующем примере. На рисунке 2.7 видно, что расположенные рядом скважины 1 и 2 имеют очень похожие кривые ПС. Очевидно, что эти скважины должны иметь также примерно одинаковые дебиты и удельные запасы. Однако при данном граничном значении ПС в скважине 1 мощность коллектора оказывается равной 30 м, а в скважине 2 - всего 10 м, т.е. в похожих скважинах при неизменном граничном значении ПС выделенные мощности коллекторов существенно различаются. Следовательно, построенную петрофизическую модель невозможно применить для прогнозирования работы скважин и площадного распределения запасов.
То же самое получается, если вместо ПС использовать среднее значение пористости. Рассмотрим наименьший интервал разреза, который может быть выделен на основе интерпретации данных ГИС (обычно 0,2 м). В настоящее время этот интервал характеризуется средней пористостью. При этом если вычисленная средняя пористость оказывается ниже граничного значения, приходится весь интервал рассматривать как неколлектор, даже если на самом деле интервал сложен тонким переслаиванием песчаников и глин и большая часть его представляет собой коллектор.
Предлагается характеризовать каждый интервал гистограммой распределения слагающих его пород по пористости. Причем эта гистограмма может быть получена экспериментально путем сопоставления данных лабораторных измерений пористости по керну и данных ГИС. На рисунке 2.8 каждому значению ПС соответствуют самые разные значения пористости по керну. Можно утверждать, что такой большой диапазон изменения пористости при заданном ПС обусловлен, прежде всего, неоднородным строением пластов и лишь в малой степени - погрешностями измерений пористости и ПС либо другими факторами. Поэтому в качестве первого шага предлагается ограничиться использованием гистограммы только из двух интервалов: - интервала изменения пористости от 0 до 0,104 (образцы такой пористостью для пластов Тевлинско-Русскинского месторождения почти со стопроцентной вероятностью могут быть отнесены к неколлекторам); - интервала изменения пористости от 0,104 и выше. По аналогии с подходом, принятым при построении гидродинамических моделей, каждый интервал разреза будем характеризовать двумя параметрами: - долей коллекторов (NTG); - средней пористостью коллекторов (Кп). Преимущество промежуточного подхода к описанию локальной неоднородности пласта заключается в возможности использования для обработки результатов интерпретации уже готовых программных продуктов, разработанных для целей гидродинамического моделирования. Результаты расчетов приведены на рисунке 2.8. Все образцы керна пористостью Кп 10,4 отмечены как неколлекторы. Для каждого интервала изменения пс с шагом 0,05 посчитана доля неколлекторов (красные точки на графике), и по ним построена линия тренда для доли неколлекторов. При использовании предлагаемой методики интерпретации скважины с похожими формами кривых ПС будут гарантированно иметь близкие значения коллекторских свойств. Рисунок 2.7 Проблема выбора граничного значения ПС Рисунок 2.8 Зависимость доли неколлекторов и средней пористости коллекторов для Тевлинско-Русскинского месторождения Вывод по главе 2 Некоторые широко используемые методики интерпретации петрофизических данных содержат в своей основе допущения, не всегда выполняющиеся в действительности. Рекомендации направлены на совершенствование теоретических основ применяемых методик и повышение качества создаваемых геолого-петрофизических и гидродинамических моделей месторождений углеводородов.
Оценка распределения остаточных запасов нефти с использованием итерационной методики построения геолого-гидродинамических моделей продуктивных пластов
Современное геолого-гидродинамическое моделирование и создаваемое на этой основе программное обеспечение постепенно становятся всё более мощными средствами анализа, контроля и регулирования процессов разработки нефтяных месторождений. В любом случае моделирование пластовой системы при наличии достаточно достоверной исходной информации позволяет принять решение по усовершенствованию разработки рассматриваемого объекта. Традиционно с помощью геолого-гидродинамического моделирования решается целый ряд задач, связанных с разработкой нефтяных месторождений: - подсчет начальных и остаточных запасов; - обоснование коэффициента извлечения (КИН) и прогноз уровней добычи нефти; - планирование и оценка эффективности внедрения различных систем разработки и методов увеличения нефтеотдачи и т.д. Исходные данные для этих расчетов берутся на основе: - прогнозирования фильтрационно-емкостных свойств путём интерпретации данных геофизических исследований скважин; - анализа результатов лабораторных исследований керна и флюидов; - прогнозирования гидродинамических свойств пласта; - непосредственных измерений гидродинамических характеристик системы «пласт-скважина» путём гидродинамических исследований скважин (ГДИС); - идентификации гидродинамических свойств пласта путём моделирования истории разработки.
К сожалению, значения одних и тех же параметров, полученные разными способами, могут различаться в разы, внося большую неопределенность в процесс решения задач проектирования разработки месторождения, причем эта неопределенность имеет тенденцию роста. Например, при выработанности запасов рассматриваемого эксплуатационного объекта на 90 % погрешность 10 % в определении хотя бы одного из исходных параметров пласта дает нам 100 % погрешности в определении остаточных запасов. Таким образом, задача уточнения распределения остаточных запасов на основе комплексной интерпретации ГИС и промысловых данных является одной из ключевых в построения ГДМ. Однако даже при значительном числе пробуренных скважин, что характерно в основном для длительно разрабатываемых месторождений, детальная гидродинамическая модель, согласованная с данными по всей совокупности скважин, не всегда позволяет сделать более достоверный прогноз, чем обычная, например, одно-двухмерная модель [29 - 33]. Главной причиной построения некачественных ГДМ является несовершенство стандартного графа обработки данных. По существу стандартный граф обработки всех имеющихся данных является линейным (рисунок 3.4): 1) на основе интерпретации ГИС геофизики определяют фильтрационно-емкостные характеристики пластов; 2) геологи коррелируют геологические тела и создают объемную модель залежи; 3) математики совместно с промысловыми геологами адаптируют гидродинамическую модель по данным разработки.
Выполнение данных этапов работ разными группами специалистов на основе анализа разных подмножеств исходных данных не позволяет обнаруживать и исправлять ошибки, допущенные на предыдущих этапах. Формальная адаптация гидродинамической модели, проведенная без тщатель ного анализа причин несоответствия прогнозных и фактических показателей разработки, в итоге мало чего дает для познания геологического строения месторождения. Имеется большая вероятность того, что вместо корректировки модели на каждом из перечисленных выше этапов в сторону её улучшения мы будем иметь лишь частичную (кажущуюся) компенсацию соответствующих ошибок. Но при этом могут быть внесены дополнительные, возможно еще более «вредные», ошибки.
Для реального исправления ошибок, допускаемых на каждом этапе, алгоритм создания оптимальной ГДМ должен быть итерационным. При этом на промежуточных циклах итерационного процесса появляются следующие дополнительные этапы (рисунок 3.4): 4) выявление ошибок исходной геологической модели; 5) корректировка петрофизических зависимостей и интерпретационной модели ГИС по данным разработки; 6) корректировка границ геологических тел по данным разработки. Чем больше вариантов рассмотрено, тем больше вероятность того, что принятый окончательный вариант ГДМ будет адекватен реальному объекту разработки. Однако в повседневной практике данный алгоритм построения оптимальной модели трудно реализовать, так как процесс гидродинамического моделирования является сложным и длительным, а общее время выполнения работ ограничено экономическими факторами. В связи с этим очевидна необходимость создания более оперативной, чем гидродинамическое моделирование, методики, которая позволяла бы многократно оценивать качество геологической модели на основе совместной обработки геолого-геофизических и промысловых данных, вносить необходимые корректировки в петрофизические зависимости и т.п. Применение методики позволит на практике реализовать итерационный алгоритм построения оптимальной ГДМ без существенного увеличения общей продолжительности работ. На рисунке 3.5 показана усовершенствованная схема построения оптимальной геолого-гидродинамической модели, в которой явным образом выделены два вида циклов: полные циклы, совпадающие с циклами, показанными на рисунке 3.4; краткие циклы, которые заменяют стандартную адаптацию геолого-гидродинамической модели геолого-промысловым анализом на основе реализации многомодельного подхода.
Основой для оценки плотности извлеченных запасов являются данные о плотности начальных запасов и об объемах накопленной добычи. При этом учитывается, что области дренирования скважин могут иметь сложную форму, зависящую от объемов добычи через каждую скважину. Типичный пример рассчитанной карты областей дренирования скважин показан на рисунке 3.7. Цифры около скважин обозначают объем накопленной добычи в тоннах.
Строятся карты прогнозных и фактических дебитов. Опыт применения методики показывает, что в качестве фактических дебитов лучше всего брать не текущий дебит скважины, а средний дебит за 6 месяцев непрерывной работы скважины. При этом для усреднения выбирается период, когда скважина работала с максимальными дебитами. При расчете прогнозного дебита учитываются фактически существовавшие в это время пластовые и забойные давления. При отсутствии достоверных данных по давлениям в качестве первого приближения депрессии на всех скважинах можно считать одинаковыми. Для устранения роли случайных ошибок карты сглаживаются, например, методом скользящего окна. Далее по сглаженным картам оценивается величина систематической погрешности прогноза дебитов, а по исходным значениям прогнозных и фактических дебитов в скважинах – величина случайной погрешности. Если систематическая погрешность сравнима по величине со случайной погрешностью, то существующая геологическая модель содержит систематические ошибки (например неправильные зависимости для интерпретации ГИС), которые могут быть изучены и откорректированы с помощью данной оперативной методики. Качество уточненной петрофизической модели оценивается по кросс-плоту прогнозных и фактических дебитов, а также по карте невязок. Как правило, анализ карты невязок позволяет сопоставить аномалии на карте с определенными структурными или фациальными зонами и учесть их при уточнении геолого-петрофизической модели. Типичный результат применения методики показан на рисунке 2.6 в главе 2. На левом графике показаны результаты первоначального варианта интерпретации, основанного на корреляции анализов керна и данных ГИС без учета результатов работы скважин. При этом среднеквадратичная погрешность прогноза составила 13,6 т/сут, а стандартное отклонение дебита - 11.0 т/сут. Таким образом, относительная погрешность прогноза составила 1,23. Это значит, что, полагая прогнозный дебит скважины равным среднему дебиту, мы бы получили более точный результат, чем при использовании для прогноза данных ГИС.
