Вероятностная оценка проницаемости отложений верхней части Тюменской свиты Шаимского нефтегазоносного района

Обложка

Цитировать

Полный текст

Аннотация

Работа посвящена проблеме повышения надежности расчета куба проницаемости при построении трехмерной геологической модели. Общераспространенный способ механического переноса зависимостей между пористостью и проницаемостью, полученных на основании аппроксимации данных исследования керна, дает слишком расплывчатый результат, так как не учитываются ни различия размеров ячеек и образцов, ни большой разброс значений анализируемых зависимостей. Вместо этого предлагается с помощью стохастических методов для каждой элементарной ячейки рассчитывать гистограммы проницаемости. Вначале анализируются результаты определения петрофизических свойств, выполненного в лабораторных условиях. Для пород с близкими значениями пористости рассчитываются вероятности встречаемости пород, проницаемость которых превышает ряд пороговых значений. Затем для каждой пороговой величины проницаемости определяются эмпирические зависимости вероятности превышение данного значения от пористости. На следующем этапе осуществляется адаптация полученных результатов для масштаба ячейки. Используется метод Монте-Карло. Каждая ячейка представляется в качестве совокупности большого количества пород, размеры которых близки аналогичным параметрам образцов. Каждой виртуальной породе с помощью генератора случайных чисел задается пористость с таким расчетом, что сохраняется среднее значение пористости ячейки. Для каждой условной породы рассчитываются вероятности превышения соответствующих пороговых значений проницаемости. На основании куба пористости для каждой ячейки автоматически рассчитывается вероятность существования всех диапазонов проницаемости. Приводятся примеры реализации предлагаемой методики при изучении терригенных отложений тюменской свиты Шаимского нефтегазоносного района.

Об авторах

Павел Николаевич Страхов

Российский университет дружбы народов

Email: strakhov-pn@rudn.ru
ORCID iD: 0000-0002-9990-4514

доктор геолого-минералогических наук, профессор департамента недропользования и нефтегазового дела, Инженерная академия

Российская Федерация, 117198, Москва, ул. Миклухо-Маклая, д. 6

Анастасия Андреевна Маркелова

Российский университет дружбы народов

Автор, ответственный за переписку.
Email: markelova-aa@rudn.ru
ORCID iD: 0000-0002-5437-3510

аспирант, лаборант-исследователь, департамент недропользования и нефтегазового дела, Инженерная академия

Российская Федерация, 117198, Москва, ул. Миклухо-Маклая, д. 6

Список литературы

  1. Fedorova M, Kirzeleva O, Kataev O. Tyumen formation. Methodology for creating conceptual geological models. Oil & Gas Journal Russia. 2016;(11):60–63. (In Russ.)
  2. Varlamov AI, Gogonenkov GN, Melnikov PN, Cheremisina EN. Development of digital technologies in petroleum industry and subsoil use in Russia: current state and future considerations. Russian Oil and Gas Geology. 2021;(3):5–20. (In Russ.) https://www.doi.org/10.31087/00167894-2021-3-5-20
  3. Karnaukhov AM. Prospects for the digitalization of research activities in geological exploration. Petroleum Geology – Theoretical and Applied Studies. 2017;12(4). (In Russ.) https://www.doi.org/10.17353/2070-5379/44_2017
  4. Khisamov RS, Bachkov AP, Voitovich SE, Grunis EG, Alekseev RA. Artificial intelligence is an important tool for the modern geologist. Russian Oil and Gas Geology. 2021; (2):37–45. (In Russ.) https://www.doi.org/10.31087/00167894-2021-2-37-45
  5. Potekhin DV, Putilov IS. Rationale for the application of methods for interpreting hydrodynamic studies of wells with different bottomhole designs. Geology, Geophysics and Development of Oil and Gas Fields. 2022;(4):28–32. (In Russ.)
  6. Blévec T, Dubrule O, John CM, Hampson GJ. Geostatistical Earth modeling of cyclic depositional facies and diagenesis. AAPG Bulletin. 2020;104:711–734. https://www.doi.org/10.1306/05091918122
  7. Salmachi A, Dunlop EC, Rajabi M, Yarmohammadtooski Z, Begg S. Investigation of permeability change in ultradeep coal seams using time-lapse pressure transient analysis: a pilot project in the Cooper Basin, Australia. AAPG Bulletin. 2019;103:91–107. https://www.doi.org/10.1306/05111817277
  8. Khanin AA. Oil and gas reservoir rocks and their study. Moscow: Nedra Publ.; 1969. (In Russ.)
  9. Strakhov PN, Koloskov VN, Bogdanov OA, Sapozhnikov AB. Study of heterogeneities of oil and gas deposits. Moscow: ITs RGU nefti i gaza Publ.; 2018. (In Russ.)
  10. Melnik IA. Determination of statistical intensity of secondary geochemical processes based on well logging data. Oil Industry. 2022;(1):16–20. (In Russ.) https://www.doi.org/10.24887/0028-2448-2022-1-16-20
  11. Strakhov PN, Belova AA, Markelova AA, Strakhova EP. Accounting for productive deposits heterogeneity in geological modeliling in order to improve an efficiency of water-alternated-gas injection. Oil Industry. 2021;(2): 46–49. (In Russ.) https://www.doi.org/10.24887/00282448-2021-2-46-49
  12. Bogdanov OA. Isolation of reservoirs with a littlechanged nature of the saturation of productive deposits during the development of gas deposits. Science and Technology in the Gas Industry. 2016;(3):40–45. (In Russ.)
  13. Kapustin K, Grushevenko D. Evaluation of longterm production capacity and prospects of the oil and gas industry of Russian Federation. E3S Web of Conferences – Energy Systems Research (Irkutsk, 2019). 2019;114. (In Russ.) https://www.doi.org/10.1051/e3sconf/201911402001
  14. Ates H, Bahar A, El-Abd S, Charfeddine M, Kelkar MG, Datta-Gupta A. Ranking and upscaling of geostatistical reservoir models using streamline simulation: a field case study. SPE Reservoir Evaluation & Engineering. 2005;8(1):22–32. https://www.doi.org/10.2118/81497-PA
  15. Sapozhnikov AB. The need to update the principles of geological exploration in order to optimize the discovery and development of hydrocarbon deposits. Subsurface Use of the XXI Century. 2019;(3):20–24. (In Russ.)
  16. Larue DK, Allen JP, Beeson D. Fluvial architecture and four-dimensional saturation modeling of a steam flood. AAPG Bulletin. 2020;104(5):1167–1196. https://www.doi.org/10.1306/12031919080

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

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».