Creation of a PVT model for a reservoir under data uncertainty

Cover Page

Cite item

Full Text

Abstract

Background: PVT modeling is a critical step in reserve estimation and reservoir simulation of oil and gas fields. Accurate reproduction of fluid properties under different pressure–temperature conditions increases confidence in calculations and improves production forecasts. The accuracy of a PVT model largely depends on the quality of laboratory fluid data, while inconsistencies or errors in experimental results can reduce the reliability of calculated parameters.

Aim: To evaluate the quality and reliability of laboratory data on reservoir fluids from the Cretaceous horizons and to validate consistent PVT regions for model development.

Materials and methods: The quality and reliability of laboratory studies were evaluated using PVTsim software and methodological guidelines for validating reservoir fluid properties, where fluid composition and properties were analyzed based on equations of state.

Results: Analysis of bottomhole and recombined samples showed clear relationships between reservoir fluid properties. Several PVT regions with distinct characteristics were identified. Comparison of simulation results with laboratory data revealed discrepancies, particularly in the measured density of Albian horizon oil. Reservoir oil parameters were adjusted using the PVT model.

Conclusion: This approach removed unreliable laboratory data, provided a more accurate description of reservoir fluid properties, and updated calculation parameters to refine resource estimates.

About the authors

Nadezhda K. Dukessova

KMG Engineering

Email: n.dukessova@kmge.kz
ORCID iD: 0009-0009-7198-731X
Kazakhstan, Astana

Klara M. Kunzharikova

KMG Engineering

Email: k.kunzharikova@kmge.kz
ORCID iD: 0009-0002-5121-0123

Cand. Sc. (Engineering)

Kazakhstan, Astana

Gulbakyt Zh. Abekesh

KMG Engineering

Author for correspondence.
Email: g.abekesh@kmge.kz
ORCID iD: 0009-0006-2242-739X
Kazakhstan, Astana

Gaukhar Zh. Bektas

KMG Engineering

Email: g.bektas@kmge.kz
ORCID iD: 0000-0002-5991-7978
Kazakhstan, Astana

Laura M. Bissikenova

KMG Engineering

Email: l.bissikenova@kmge.kz
ORCID iD: 0009-0008-6294-7773
Kazakhstan, Astana

Gyuzel G. Yeltay

KMG Engineering

Email: g.yeltay@kmge.kz
ORCID iD: 0000-0003-3547-767X
Kazakhstan, Astana

References

  1. Yushchenko TS, Brusilovsky AI. A step-by-step approach to creating and tuning PVT-models of reservoir hydrocarbon systems based on the state equation. Georesources. 2022;24(3):164–181. doi: 10.18599/grs.2022.3.14. (In Russ).
  2. Brusilovskiy AI, Yushchenko TS. Two-phase deposits: Methodology approach to the identification of composition and PVT properties of reservoir hydrocarbon fluids using limited initial information. PROneft. Professionally about Oil. 2016;(1):68–74. (In Russ).
  3. KMG Engineering. Regulation on the justification of the properties and composition of reservoir fluid. Astana, 2022.
  4. Bylinkin GP, Guzhikov PA. Zavisimost’ svoystv plastovoy nefti ot vida razgazirovaniya. Russian Oil and Gas Geolody. 2008;3:31–36. (In Russ).
  5. Guzhikov PA, Kunzharikova KM, Uteubayeva YY. Methodological approaches to justification of reservoir oil properties for estimation of reserves. Kazakhstan journal for oil & gas industry. 2020;2(2):71–79. doi: 10.54859/kjogi95660.
  6. Bylinkin GP, Brusilovskiy AI. Novyy podkhod k otsenke stepeni nasyshchennosti plastovykh neftyanykh I gazokondensatnykh smesey I kriteriyev ikh phazovogo sostoyaniya. Russian Oil and Gas Geolody. 1991;9:14–18.

Supplementary files

Supplementary Files
Action
1. JATS XML
2. Figure 1. Saturation pressure vs. gas–oil ratio for the Aptian horizon: рек. – рекомбинированные пробы / recombined samples; экспер. – экспериментальные / experimental samples, К1а – аптский горизонт / Aptian horizon

Download (282KB)
3. Figure 2. Reservoir oil density vs. gas–oil ratio for the Aptian horizon

Download (258KB)
4. Figure 3. Saturation pressure vs. gas–oil ratio for the Albian horizon

Download (186KB)
5. Figure 4. Reservoir oil density vs. gas–oil ratio for the Albian horizon

Download (184KB)
6. Figure 5. Saturation pressure vs. depth

Download (215KB)
7. Figure 6. Gas–oil ratio vs. depth

Download (203KB)
8. Figure 7. Saturation pressure vs. gas–oil ratio, 1st PVT-region

Download (243KB)
9. Figure 8. Reservoir oil density vs. gas–oil ratio, 1st PVT region

Download (249KB)
10. Figure 9. Saturation pressure vs. gas–oil ratio, 2nd PVT-region

Download (190KB)
11. Figure 10. Reservoir oil density vs. gas–oil ratio, 2nd PVT region

Download (208KB)

Copyright (c) 2025 Dukessova N.K., Kunzharikova K.M., Abekesh G.Z., Bektas G.Z., Bissikenova L.M., Yeltay G.G.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 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».