ПРИМЕНЕНИЕ ТЕХНОЛОГИИ ЦИФРОВОГО АНАЛИЗА КЕРНА ДЛЯ ИЗУЧЕНИЯ ФИЛЬТРАЦИОННО-ЕМКОСТНЫХ СВОЙСТВ И СТРУКТУРЫ ВЫСОКОПРОНИЦАЕМЫХ ПОРОД ПОДЗЕМНЫХ ХРАНИЛИЩ ГАЗА

Обложка

Цитировать

Полный текст

Аннотация

В работе представлены результаты исследований порового пространства высокопористых пород-коллекторов подземного хранилища газа (ПХГ) с помощью методов цифрового анализа снимков компьютерной микротомографии. Применена разработанная методика комплексного неразрушающего анализа структурных и фильтрационно-емкостных свойств, а также численного моделирования гидродинамических процессов средствами ПО GeoDict. Выполнена оценка структурных неоднородностей и трещиноватости пород. Созданы 3D модели внутреннего пространства образцов на базе разномасштабных снимков. Рассчитаны значения открытой и закрытой пористостей, геодезической извилистости, проведен анализ характеристик путей перколяции в исследуемых породах для различных направлений интрузии. Сделаны выводы об однородности распределения путей перколяции по объему породы. Исследовано пространственное распределение пористости в породах, проведен порометрический анализ породы. Проведено численное моделирование процессов фильтрации на полученных структурах в рамках приближения Стокса для трех выделенных направлений в породе. Показано отсутствие выраженной зависимости изменения фильтрационных свойств в выделенных направлениях от количественных характеристик порового пространства. Сделан вывод о степени анизотропии фильтрационно-емкостных свойств пород. Показано хорошее соответствие измеренных в ходе цифрового анализа характеристик с натурными данными и экспериментально полученными лабораторными значениями. Описанная методика позволяет упростить получение данных о характеристиках крупнозернистых пород-коллекторов, и призвана расширить подходы к неразрушающему анализу кернового материала. Полученные данные о свойствах коллектора необходимы для разработки эксплуатационных моделей ПХГ, уточнения интегральных свойств пласта и наполнения гидродинамических моделей объектов хранения и добычи углеводородов.

Об авторах

Валерий Владимирович Химуля

Институт проблем механики им. А.Ю. Ишлинского РАН

Автор, ответственный за переписку.
Email: valery.khim@gmail.com
ORCID iD: 0000-0003-2116-6483
лаборатория геомеханики, кандидат физико-математических наук 2021

Список литературы

  1. Алиев З. С. и Котлярова Е. М. Приближенный метод создания и эксплуатации ПХГ в неоднородных по тол- щине пластах с использованием горизонтальных скважин // Экологическая ответственность нефтегазовых предприятий. — Амирит, 2017. — EDN: ZBVNGD.
  2. Гарайшин А. С. и Кантюков Р. Р. Выбор пласта-аккумулятора для захоронения промышленных стоков Арбузовского ПХГ // Георесурсы. — 2017. — Т. 1, № 19. — С. 82—89. — doi: 10.18599/grs.19.1.13. — EDN: YRWLOV.
  3. Гришин Д. В. Комплексная технология повышения производительности скважин подземных хранилищ газа в условиях разрушения пласта-коллектора : дис. канд. / Гришин Д. В. — 2019. — EDN: GYWDSR.
  4. Карев В. И., Коваленко Ю. Ф., Химуля В. В. и др. Физическое моделирование метода направленной разгрузки пласта // Газовая промышленность. — 2021. — № 7. — С. 66—73. — EDN: QJFUXF.
  5. Кривощеков С. Н. и Кочнев А. А. Определение емкостных свойств пород-коллекторов с применением рентгеновской томографии керна // Master’s journal. — 2014. — Т. 1. — С. 120—128. — EDN: SKFCHR.
  6. Максимов В. М., Дмитриев Н. М. и Антоневич Ю. С. Эффекты тензорного характера относительных фазовых проницаемостей при взаимном вытеснении газа водой в анизотропных пластах // Георесурсы, геоэнергетика, геополитика. — 2010. — 1(1). — С. 25—34. — EDN: SIYMFR.
  7. Химуля В. В. и Барков С. О. Анализ изменения внутренней структуры низкопроницаемых пород-коллекторов средствами компьютерной томографии при реализации метода направленной разгрузки пласта // Актуальные проблемы нефти и газа. — 2022. — № 39. — С. 27—42. — doi: 10.29222/ipng.2078-5712.2022-39.art3.
  8. Химуля В. В., Барков С. О. и Шевцов Н. И. Цифровое исследование характеристик порового пространства и структурных свойств коллектора газоконденсатного месторождения на основе микротомографии // Процессы в геосредах. — 2024. — № 1. — С. 2332—2340. — EDN: CSQXZO.
  9. Backeberg N. R., Iacoviello F., Rittner M., et al. Quantifying the anisotropy and tortuosity of permeable pathways in clay-rich mudstones using models based on X-ray tomography // Scientific Reports. — 2017. — Vol. 7, no. 1. — doi: 10.1038/s41598-017-14810-1.
  10. Bali A. and Singh Sh. N. A Review on the Strategies and Techniques of Image Segmentation // 2015 Fifth International Conference on Advanced Computing & Communication Technologies. — IEEE, 2015. — P. 113–120. — doi: 10.1109/ACCT.2015.63.
  11. Chen M., Bai M. and Roegiers J.-C. Permeability tensors of anisotropic fracture networks // Mathematical Geology. — 1999. — Vol. 31, no. 4. — P. 335–373. — doi: 10.1023/A:1007534523363.
  12. Clavaud J.-B., Maineult A., Zamora M., et al. Permeability anisotropy and its relations with porous medium structure // Journal of Geophysical Research: Solid Earth. — 2008. — Vol. 113, B1. — doi: 10.1029/2007JB005004.
  13. Daish C., Blanchard R., Gulati K., et al. Estimation of anisotropic permeability in trabecular bone based on microCT imaging and pore-scale fluid dynamics simulations // Bone Reports. — 2017. — Vol. 6. — P. 129–139. — doi: 10.1016/j.bonr.2016.12.002.
  14. Holzer L., Marmet Ph., Fingerle M., et al. Tortuosity and Microstructure Effects in Porous Media: Classical Theories, Empirical Data and Modern Methods. — Springer International Publishing, 2023. — doi: 10.1007/978-3-031-30477- 4.
  15. Khimulia V. V. Digital Examination of Pore Space Characteristics and Structural Properties of a Gas Condensate Field Reservoir on the Basis of CT Images // Proceedings of the 9th International Conference on Physical and Mathematical Modelling of Earth and Environmental Processes. — Springer Nature Switzerland, 2024. — P. 23–34. — doi: 10.1007/978-3-031-54589-4_3.
  16. Khimulia V. V., Karev V., Kovalenko Yu., et al. Changes in filtration and capacitance properties of highly porous reservoir in underground gas storage: CT-based and geomechanical modeling // Journal of Rock Mechanics and Geotechnical Engineering. — 2024. — Vol. 16, no. 8. — P. 2982–2995. — doi: 10.1016/j.jrmge.2023.12.015.
  17. Kovářová K., Ševčík R. and Weishauptová Z. Comparison of mercury porosimetry and X-ray microtomography for porosity study of sandstones // Acta Geodynamica et Geomaterialia. — 2012. — Vol. 9, no. 4. — P. 168–178.
  18. Krivoshchekov S., Kochnev A., Kozyrev N., et al. Factoring Permeability Anisotropy in Complex Carbonate Reservoirs in Selecting an Optimum Field Development Strategy // Energies. — 2022. — Vol. 15, no. 23. — P. 8866. — doi: 10.3390/en15238866.
  19. Linden S., Wiegmann A. and Hagen H. The LIR space partitioning system applied to the Stokes equations // Graphical Models. — 2015. — Vol. 82. — P. 58–66. — doi: 10.1016/j.gmod.2015.06.003.
  20. Math2Market GmbH. FlowDict: Single-Phase Fluid Flow. — 2024a. — URL: https://www.math2market.com/geodict- software/geodict-base-modules/simulation/flowdict (visited on 06/02/2024).
  21. Math2Market GmbH. GeoDict - The Digital Material Laboratory. — 2024b. — URL: https://www.math2market.de (visited on 06/02/2024).
  22. Mostaghimi P., Blunt M. J. and Bijeljic B. Computations of Absolute Permeability on Micro-CT Images // Mathematical Geosciences. — 2012. — Vol. 45, no. 1. — P. 103–125. — doi: 10.1007/s11004-012-9431-4.
  23. Pelissou C., Baccou J., Monerie Y., et al. Determination of the size of the representative volume element for random quasi-brittle composites // International Journal of Solids and Structures. — 2009. — Vol. 46, no. 14/15. — P. 2842–2855. — doi: 10.1016/j.ijsolstr.2009.03.015.
  24. Shreyamsha Kumar B. K. Image denoising based on non-local means filter and its method noise thresholding // Signal, Image and Video Processing. — 2012. — Vol. 7, no. 6. — P. 1211–1227. — doi: 10.1007/s11760-012-0389-y.
  25. Stenzel O., Pecho O., Holzer L., et al. Predicting effective conductivities based on geometric microstructure characteristics // AIChE Journal. — 2016. — Vol. 62, no. 5. — P. 1834–1843. — doi: 10.1002/aic.15160.
  26. Taud H., Martinez-Angeles R., Parrot J. F., et al. Porosity estimation method by X-ray computed tomography // Journal of Petroleum Science and Engineering. — 2005. — Vol. 47, no. 3/4. — P. 209–217. — doi: 10.1016/j.petrol.2005.03.009. Versteeg H. K. and Malalasekera W. An Introduction to Computational Fluid Dynamics: The Finite Volume Method. —Pearson (England) : Pearson Education Limited, 2007.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Химуля В.В., 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».