Fracture Modeling of a Carbonate Reservoir: A Case Study of the East Urikhtau Field

Capa

Citar

Texto integral

Resumo

Background: Fracture Modeling of carbonate reservoirs plays a key role in predicting well productivity and enhancing field development efficiency. The East Urikhtau field, located in the eastern flank zone of the Pre-Caspian Depression, features a complex tectonic structure with an extensive system of faults and fractures. These geological features significantly impact the filtration and storage properties of carbonate reservoirs, making advanced geological modeling techniques necessary. A comprehensive fracture model allows a more precise evaluation of structural heterogeneities and their effect on hydrocarbon migration and accumulation.

Aim: A three-dimensional fracture model of a carbonate reservoir was developed to identify highly fractured zones and evaluate their correlation with well productivity. This model is essential for improving the accuracy of reservoir filtration-capacity property predictions and designing effective strategies for the field’s further development.

Materials and methods: Modern geological modeling techniques were applied in this study, including FMI data interpretation, core analysis, seismic attributes, and Discrete Fracture Network (DFN) modeling. Initial geological and geophysical data were processed using Petrel software, utilizing Ant Tracking and Distance to Object methods to determine fracture orientations and intensities. The developed trend model served as the foundation for discrete fracture modeling, enabling the quantitative assessment of fracture intensity and the identification of the most promising zones for further development.

Results: The results of this study demonstrate that the developed fracture model facilitated the detailed identification of highly fractured zones and established their correlation with well productivity. It was found that the most intensely fractured zones are located near faults, as confirmed by fluid flow rate analysis. The application of Ant Tracking and DFN methods reduced uncertainties in the inter-well space and improved predictions of the reservoir’s filtration-capacity properties.

Conclusion: The developed methodology allows for a more detailed characterization of the geological structure, enhances the accuracy of well productivity forecasting, and optimizes development planning. The obtained data can be used for designing new wells and adjusting field development strategies for reservoirs with dual porosity and permeability.

Sobre autores

Anuar Kereyev

Atyrau branch of KMG Engineering

Email: a.kereyev@kmge.kz
ORCID ID: 0009-0009-7494-0584
Cazaquistão, Atyrau

Almira Aldebek

Atyrau branch of KMG Engineering

Email: a.aldebek@kmge.kz
ORCID ID: 0009-0004-2233-4412
Cazaquistão, Atyrau

Vladislav Bondaruk

Atyrau branch of KMG Engineering

Email: v.bondaruk@kmge.kz
ORCID ID: 0009-0008-6791-7290
Cazaquistão, Atyrau

Altynbek Mardanov

Atyrau branch of KMG Engineering

Autor responsável pela correspondência
Email: a.mardanov@kmge.kz
ORCID ID: 0000-0002-8342-3046
Cazaquistão, Atyrau

Bibliografia

  1. Abilkhassimov KB. Osobennosti formirovaniya prirodnykh rezervuarov paleozoyskikh otlozheniy Prikaspiyskoy vpadiny i otsenka perspektiv ikh neftegazonosnosti. Moscow: Publishing House of the Academy of Natural Sciences; 2016. 244 p. (In Russ).
  2. Romm ES. Fil’tratsionnye svoystva treshchinovatykh gornykh porod. Moscow: Nedra; 1966. 271 p. (In Russ).
  3. Gudok NS, Bogdanovich NN, Martynov VG. Opredeleniye phizicheskikh svoystv neftevodosoderzhashchikh porod: uchebnoye posobiye dlya vuzov. Moscow: Nedra 2007. (In Russ).
  4. Bulach MK, Belonovskaya LG. Metodicheskiye rekomendatsii po izucheniyu i prognozu kollektorov nefti i gaza slozhnogo tipa. Leningrad: VNIGRI; 1989. 103 p. (In Russ).
  5. Bagrintseva KI. Conditions for the formation and properties of carbonate oil and gas reservoirs. Moscow: RGGU, 1999. 285 p. (In Russ).
  6. Dalyan IB. Osobennosti tektoniki podsolevykh kompleksov vostochnoy okrainy Prikaspiyskoy vpadiny v svyazi s neftegazonosnost’yu. Russian Oil and Gas Geology. 1996;6:8–17.
  7. Brazhnikov OG. Perspektivy neftegazonosnosti Prikaspiyskoy vpadiny s pozitsii tektoniki plit [dissertation]. Moscow; 1993. Available from: https://earthpapers.net/perspektivy-neftegazonosnosti-prikaspiyskoy-vpadiny-s-pozitsii-tektoniki-plit. (In Russ).
  8. Kozaev AA, Shchukovsky RM, Zakrevsky KY. Modelirovaniye treshchinovatosti. Praktikum po DFN v Petrel 2016–2019. Moscow: MAI; 2019. 94 p. (In Russ).
  9. Zholtaev GZ, Kulumbetova GY. Kharakteristika karbonatnykh i terrigennykh podsolevykh otlozheniy vostoka Prikaspiyskoy vpadiny. Nedra Povolzh’ya i Prikaspiya. 2019;98:65 –77. doi: 10.24411/1997-8316-2019-19805. (In Russ).
  10. Azhgaliev DK. Utochneniye modeli stroeniya podsolevoy tolshchi vostochnoy bortovoy zony Prikaspiyskoy vpadiny. Russian Oil and Gas Geology. 2019;6:31–40. doi: 10.31087/0016-7894-2019-6-31-40.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
2. Figure 1. Schematic regional profile through the eastern flank

Baixar (454KB)
3. Figure 2. Tectonic zoning scheme of the Eastern part of the Pre-Caspian Depression [1]

Baixar (679KB)
4. Figure 3. East Urikhtau field. Well B-2. Comparison of geophysical well logging and core

Baixar (1MB)
5. Figure 4. Limit values for porosity and permeability

Baixar (287KB)
6. Figure 5. PWF measurement and derivative in semi-logarithmic coordinates. Well B-1

Baixar (244KB)
7. Figure 6. Fracture modeling workflow

Baixar (507KB)
8. Figure 7. Visualization of initial FMI data by wells and stereograms

Baixar (924KB)
9. Figure 8. Visualization of the seismic attribute Ant Tracking

Baixar (798KB)
10. Figure 9. Trend cube: Distance to object

Baixar (312KB)
11. Figure 10. Example of fracturing with intensity measurement

Baixar (400KB)
12. Figure 11. Intensity cube

Baixar (448KB)
13. Figure 12. Fracture intensity maps for KT-I and KT-II zones

Baixar (647KB)
14. Figure 13. Discrete Fracture Network (DFN)

Baixar (1009KB)

Declaração de direitos autorais © Kereyev A.B., Aldebek A.Y., Bondaruk V.V., Mardanov A.S., 2025

Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição–NãoComercial–SemDerivações 4.0 Internacional.

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».