بررسی روشهای موجود تخمین تراوایی مخازن هیدروکربوری با تمرکز ویژه بر نگارههای چاه
[پایاننامه]
Investigating the available methods to estimate the permeability of hydrocarbon reservoirs by focusing on well-logs
/حامد امرایی
: مهندسی نفت و گاز
، ۱۳۹۸
۱۴۴ص.
:
زبان: فارسی
زبان چکیده: فارسی
چاپی - الکترونیکی
مصور، جدول، نمودار
کارشناسی ارشد
مهندسی نفت- اکتشاف نفت
۱۳۹۸/۰۹/۰۱
صنعتی سهند
تراوایی، قابلیت هدایت جریان برای یک محیط متخلخل است .با توجه به اینکه، تراوایی از مهمترین و پیچیدهترین خصوصیات یک مخزن هیدروکربوری به حساب میآید .لزوم محاسبه و تخمین دقیق، سریع و کم هزینهی آن امری حیاتی میباشد .روشهای معمول اندازهگیری تراوایی از طریق آنالیز مغزه و تستهای چاهآزمایی است .اما عدم مغزهگیری در تمام چاههای یک میدان علاوه بر وجود مشکلاتی از قبیل صرف هزینه و زمان خیلی بالا غیرممکن بودن این عملیات در برخی چاهها مانند چاههای افقی میباشد .چاهآزمایی نیز بخاطر عواملی همچون توقف تولید در حین انجام تستها و هزینه بالا در همگی چاهها انجام نمیشود .اما تقریبا از تمامی چاههای یک میدان نمودارگیری انجام میگیرد .بنابراین استفاده از روشهایی که بتواند از روی نگارههای پتروفیزیکی این پارامتر را تخمین بزند بسیار مفید خواهد بود به نحوی که علاوه بر سرعت بالا و هزینه پایین دارای دقت خوبی نیز باشد .هدف از انجام این پایاننامه، در ابتدا انجام ارزیابی پتروفیزیکی، و سپس ارائه یک فلوچارت جامع از تخمین تراوایی با استفاده از نگارههای چاهپیمایی در یکی از میادین نفتی جنوب ایران و در نهایت معرفی یک مدل جدید جهت تخمین دقیق این پارامتر میباشد .برای رسیدن به این هدف از نگارههای متداول و معمول، موج استونلی، تخلخل و تراوایی مغزه مربوط به دو چاه از یک میدان نفتی استفاده شد و کارهای زیر به ترتیب روی دادهها انجام گرفت .پس از شناخت ابزار و کیفیت نگارهها، به بررسی خواص مخزنی سازند ایلام با استفاده از نگارههای موجود برای چاه های A و B میدان با استفاده از نرم افزارGeolog ۴.۷ به روش مالتیمین پرداخته شد .پارامترهای لیتولوژی، تخلخل موثر، حجم شیل و اشباع شدگی آب از نگارههای چاه پیمایی بدست آمد .نتایج حاصل از ارزیابی در هر دو چاه با گزارشات زمینشناسی و مهندسی نفت مقایسه شدند و تطابق کامل بین آنها نشاندهنده دقت و صحت کار بود .از گزارشهای زمینشناسی مشاهده شد که سازند ایلام در چاه Aبصورت عمده از آهک و مقدار کمی شیل و در چاه B از سنگآهک، شیل و مقدار کمی دولومیت تشکیل شده است .سپس تراوایی به روشهای آنالیزرگراسیونی چند متغیره، شبکه عصبی مصنوعی(ANN) با داده های نگارهها و مغزه و روشFZI -استونلی در بستر نرم افزارهای اکسل و ژئولاگ تخمین زده شد و با تراوایی حاصل از آنالیز مغزه مقایسه شدند .چون برای تخمین تراوایی از روشFZI -استونلی نیاز بود که در یک چاه هم موج استونلی و هم تراوایی حاصل از آنالیز مغزه وجود داشته باشد .در ابتدا به تخمین موج استونلی در چاههای فاقد موج مذکور و دارای تراوایی مغزه در میدان مورد مطالعه به کمک مجموعه کامل نگارههای پتروفیزیکی با روش شبکه عصبی مصنوعی (ANN) پرداخته شد .مشاهده شد که موج استونلی تخمین زده شده دارای مطابقت ۹۶ درصدی با موج واقعی است .ضریب همبستگی در تخمین تراوایی به روش آنالیز رگراسیونی با داده های مغزهR ۲=۷۰.۰، روش شبکه عصبی مصنوعیR ۲=۷۵.۰ وFZI -استونلیR۲=۸۵.۰ بدست آمد .در این پایاننامه، روش خوشه بندی بر مبنای Rock Pore Typing معرفی شد که توانست تراوایی بدست آمده از روشFZI -استونلی را ارتقاء و بهبود دهد .مدل معرفی شده در این پژوهش، با داشتن ضریب همبستگیR ۲=۹۳.۰ با دادههای واقعی( تراوایی حاصل از آنالیز مغزه) به عنوان بهترین مدل برای تخمین تراوایی در سازند ایلام میدان مورد مطالعه معرفی شد
Permeability is flow conductivity of a porous medium. Since permeability is one of the most important and most complex properties of a hydrocarbon reservoir, accurate, fast and inexpensive calculation and estimation of permeability is of vital issue. Common permeability measurement methods are through core analysis and well tests. However, coring is not possible in all wells of a field due to problems such as being expensive and being time consuming and impossibility of operation in some wells such as horizontal wells. Well test does not perform in all wells because of costliness and production cessation during testing, but logging carries out almost in all wells of a field.Therefore, Employing petrophysical logs, would be useful so that they are very fast and inexpensive with reasonable accuracy. The aim of this thesis is initially performing petrophysical evaluation and then providing a comprehensive flowchart for permeability estimation by logs in one of south Iranian oil fields and finally introducing a new model to accurately estimation of this parameter. To achieve this, common logs, the Stoneley wave, core porosity and permeability corresponded to two wells of an oil field were used and below steps were performed on data. After tools and logs quality control, reservoir properties of Ilam formation were investigated by Geolog 7.4 using available logs for A and B wells by multimin method. Lithology parameters, effective porosity, shale volume and water saturation have been acquired from well logs. The evaluation results of both wells were compared with geological and petroleum engineering reports and a good match indicated accuracy and validity of method. It was seen from geological reports that Ilam formation in well A has been mainly composed of limestone and little shale and in well B is mainly composed of limestone, shale and little dolomite. Permeability was then estimated by multiple regression analysis, Artificial Neural Network (ANN) using logs and core data and then by FZI-Stoneley method through Excel and Geolog. The results were compared with the permeability obtained from core analysis. Due to necessity of both Stoneley wave and permeability obtained from core analysis in permeability estimation utilizing FZI-Stoneley method, Stoneley wave log was estimated in wells with core permeability but without the aforementioned wave by complete set of petrophysical logs by Artificial Neural Network (ANN) method. It was observed that estimated Stoneley wave is in R2=0.96 correlution with the real wave. The correlation coefficient in permeability estimation by regression analysis was R2=0.70 with core data, by artificial neural network was R2=0.75 and was R2=0.85 by FZI-Stoneley. In this thesis, a Clustering method based on Rock Pore Typing was introduced which improved the permeability estimution by FZI-Stoneley method.The model introduced in this study, shows correlation coefficient R2 = 0.93 with core data.
ba
Investigating the available methods to estimate the permeability of hydrocarbon reservoirs by focusing on well-logs
تراوایی'
ارزیابی پتروفیزیکی
آنالیز رگراسیونی چند متغیره
شبکه عصبی مصنوعیANN))
FZI -استونلی
Permeability, Petrophysical evaluation, Multi regression, Artifical Neural Networks, FZI-Stoneley
تراوایی، ارزیابی پتروفیزیکی، آنالیز رگراسیونی چند متغیره، شبکه عصبی مصنوعی(ANN) ،FZI -استونلی