Регламент по созданию постоянно действующих геологотехнологических моделей нефтяных и газонефтяных месторождений Оценка качества запасов на основе анализа геологических неопределенностей Самотлорского месторождения
 Скачать 1.34 Mb.
|
|
Анализ достоверности оценки ФЕС. Выполняется анализ полученных результатов оценки ФЕС и делается вывод о достоверности определения свойств коллекторов по каждой залежи путем сравнения с данными керна, гидродинамических исследований, разными вариантами обработки, предыдущими подсчетами запасов и пр. Приводятся результаты статистической обработки основных параметров - эффективной толщины, коэффициентов пористости, нефтегазонасыщенности, проницаемости - в виде статистических распределений и в табличной форме в виде диапазонов изменения и средних значений параметров. Оценка достоверности моделей продуктивных пластов. В разделе излагается методика оценки достоверности запасов углеводородов. На основе сопоставления данных бурения и сейсморазведки дается оценка возможной величины погрешности в определении площадей нефтеносности. По результатам оценки тесноты связей керн-ГИС, погрешностей определения исходных геофизических и петрофизических параметров определяются погрешности величин пористости и нефтенасыщенности. Эти оценки уточняются на основе результатов сравнения величин пористости и нефтенасыщенности, полученных расчетом по пластопересечениям в скважинах, со значениями этих величин, полученных при осреднении карт этих полей в модели. Дается экспертная оценка величин погрешностей определения эффективных нефтенасыщенных толщин и параметров, характеризующих свойства флюидов - плотность, пересчетный коэффициент. С учетом величин погрешностей отдельных подсчетных параметров определяется величина интегральной оценки начальных балансовых запасов. Полученные в результате создания геологической цифровой модели двухмерные или трехмерные сетки геологических параметров, величины балансовых запасов передаются далее в пакеты, преобразующие исходные геологические данные для программ гидродинамического моделирования. Если построение ПДГТМ выполнялось ранее, дается сравнение достоверности полученных результатов с результатами работ прошлых лет. Анализируются причины изменения достоверности построенной модели месторождения. Оценка качества запасов на основе анализа геологических неопределенностей Самотлорского месторождения Основными факторами, определяющими наличие рисков неподтверждения величины запасов, являются качество исходных данных, геологические неопределенности и технология выполнения работы. К наиболее важным показателям качества информации относятся полнота или достаточность данных для моделирования, достоверность (точность), актуальность и согласованность информации. Таким образом, качество исходной информации определяется произведением основных его показателей [1]. Среди целого ряда исходных данных можно выделить наиболее значимые, к которым относятся полнота и качество сейсмических исследований, результаты испытания скважин, геофизических исследований скважин (ГИС), инклинометрии, лабораторных анализов керна и пластовых флюидов, степень согласованности геологических моделей на границах с соседними лицензионными участками. Кроме проблемы качества исходных данных, существует огромный спектр неопределенностей геологических параметров, обусловленных фациальной изменчивостью и неоднородностью продуктивных пластов, таких как эффективная нефтена-сыщенная толщина, коэффициенты: пористости, проницаемости, расчлененности, положение межфлюидных контактов (ГВК, ГНК, ВНК), граничные и критические значения параметров и др. В процессе создания геологических моделей также существует большое число неопределенностей, связанных с уровнем развития программного и технического обеспечения, отсутствием четких методических рекомендаций в отношении подходов и приемов моделирования различных стратиграфических либо генетических групп пластов, которые связаны с особенностями формирования продуктивных отложений и типов коллекторов. Практически не существует четких методических подходов к моделированию насыщенности, и имеются многие другие проблемы технологического процесса. Кроме того, несовершенная система принятия коэффициента извлечения нефти по месторождению вносит неопределенность, связанную с начальными извлекаемыми запасами Вероятность риска принятия некорректного решения зависит от целого ряда существующих проблем и неоднозначностей, наиболее значимыми из которых являются качество используемой информации и неопределенности геологического характера. Рассмотрим процесс выявления неопределенностей на примере конкретного месторождения. Самотлорское месторождение, расположенное в 30 км к северо-востоку от г. Нижневартовска, является многопластовым газонефтяным, находится на поздней стадии разработки, когда появляется возможность проверки достоверности утвержденной геологической модели. Промышленная нефтегазоносность доказана по 33 пластам. Наряду с этим существует возможность выявления грубых ошибок в первоначальной оценке геологических и извлекаемых запасов, а также уточнения запасов по отдельным участкам или объектам в связи с накоплением общей информации о месторождении в процессе его разработки. Более подробно рассмотрим основные неопределенности, которые были выявлены в ходе проектных работ и вошли в группу риска на Самотлорском месторождении. Сейсмические исследования. Неравномерная изученность сейсморазведкой 3D или ее отсутствие приводит к неоднозначности структурных построений, кроме того, отсутствует обобщенная сейсмическая модель всего месторождения, увязанная с соседними лицензионными участками. Зоны неоднозначности в первую очередь приурочены к границам площадей различных съемок 2D, 3D и отождествляются с зонами прогибов между локальными поднятиями. Неоднозначности при испытании скважин. Испытания скважин относятся к прямым методам получения информации о пластах, но часто, особенно на первых этапах освоения месторождения, не дают однозначных результатов из-за несоблюдения технологий испытания, предусмотренных регламентными документами. Неоднозначность возникает по следующим причинам: - испытания в процессе бурения проводятся по большим интервалам, и при получении притока в неоднородном разрезе невозможно установить отдающие интервалы, что затрудняет оценку характера насыщения и граничных значений нефте и водонасыщенности; - при совместных испытаниях в колонне путем перфорации нескольких участков разреза с разными фильтрационно-емкостными свойствами и неясным по ГИС характером насыщения; - если испытания в открытом стволе выполняются на второстепенных объектах с получением неоднозначных результатов, то, как правило, к ним возвращаются гораздо позднее - после выработки легкоизвлекаемых запасов; - противоречивость результатов испытаний скважин и интерпретации материалов ГИС. Проблемы ГИС. Комплекс ГИС во многих скважинах является недостаточным, что может снизить качество выделения эффективных толщин, оценки пористости и характера насыщения: - отсутствие диаграмм микрометодов затрудняет выделение плотных тонких прослоев, что приводит к ошибкам определения эффективной толщины отложений; - отсутствие по большинству скважин таких исследований, как акустический каротаж, гамма-гамма каротаж, двухзондовый нейтрон-нейтронный каротаж, вызывает необходимость оценивать пористость только по методу ПС на основе часто непредставительного керна, что может приводить к существенным погрешностям определения пористости и нефтенасыщенности; - на газонефтяных месторождениях при наличии массивной нефтяной залежи с газовой шапкой при отсутствии повторных измерений стационарным нейтронным методом в колонне и малом объеме испытаний газонефтяной контакт надежно не устанавливается, поэтому при подсчете запасов могут быть ошибки с любым знаком; - большая часть скважин на месторождении пробурена с промывкой глинистым раствором при повышенной репрессии на пласт, что приводит к формированию зон глубокого проникновения в коллекторы и соответственно снижению достоверности определения нефтенасыщенности. Неопределенности данных инклинометрии. Согласно РД 15339.0-04700 «Регламент по созданию постоянно действующих геолого-технологических моделей нефтяных и газонефтяных моделей» погрешность определения абсолютных отметок возникает из-за погрешностей инклинометра и растяжения кабеля. При структурных построениях скважины с удлинением менее 30-33 м считаются «субвертикальными», все остальные - теоретически имеют различную погрешность определения абсолютных отметок, величина которой может достигать ± 20 м. Недоизученость кернового материала и пластовых флюидов. По керну в первую очередь исследуются объекты, представленные мощными коллекторами с высокими ФЕС и однозначным характером насыщения. По малозначимым объектам, которые часто не представлены керном, параметры принимаются по аналогии с мощными объектами, что снижает достоверность и приводит к ошибкам при подсчете запасов. На практике используется разрозненный керн из скважин, исследованных ограниченным комплексом ГИС, наиболее полные и качественные геофизические исследования выполняются в скважинах, в которых керн не отобран. В результате часто нефтенасыщенность определяется по керну только чистых коллекторов и недооценивается глинистая часть разреза. Это завышает нефтенасыщенность К и, как следствие, запасы углеводородов по месторождению. Согласованность геологических моделей на границах с соседними лицензионными участками. Анализ геологической информации за пределами лицензионного участка свидетельствует о существенном несоответствии геологических моделей в зоне сочленения с соседними лицензионными участками, а также о недопустимом различии уровней ВНК одноименных пластов. Для решения данной проблемы требуется совместная заинтересованность всех соседних недропользователей. Резкая фациальная изменчивость пластов. Анализ литологического строения продуктивных пластов и выявление закономерностей развития фаций по всей территории Самотлорского месторождения позволят сделать вывод о существенной литологической изменчивости всех продуктивных пластов. Однако наибольшей изменчивостью как литерали, так и по разрезу характеризуется верхний пласт АВ. В настоящее время существует грубая фациальная модель данного пласта, согласно которой в его пределах по результатам ГИС выделены четыре типа фаций (I-IV), резко различающихся по геолого-статистическому разрезу. Отмечается смена фациальных ассоциаций и уменьшение эффективной толщины с юго-востока на северо-запад вплоть до полной глинизации пласта (рис. 2.)  Рисунок 2. Карта фациальных зон пласта АВ Тип I представлен массивными песчаниками с незначительными глинистыми перемычками. Продуктивные интервалы характеризуются высокими коллекторскими свойствами. Тип II характеризуется коллекторами типа «рябчик», выделяются массивные интервалы с прослоями глинистого материала. Тип III содержит в разрезе неколлекторы толщиной до 4-8 м, суммарная эффективная толщина пласта составляет 50-60% общей толщины пласта. Тип IV отличается преобладанием неколлекторов, эффективная толщина которых составляет менее 40% толщины пласта. С целью формализации и определения количественных характеристик каждого выделенного типа был предложен комплексный параметр, определяемый как  (1.4)где K – усредненная проводимость пласта; kпр – проницаемость; hэф – эффективная толщина пласта; Kрасч – коэффициент расчлененности. Данные параметры наилучшим образом согласуются как с геологическими особенностями объекта, так и с основными показателями разработки (дебитом, закачкой, коэффициентами охвата и вытеснения) (рис.3). Выполненный анализ позволил выделить в пределах пласта четыре типа коллекторов по проводимости и построить карту проводимости верхнего пласта АВ. Петрофизические параметры ухудшаются от первого к четвертому типу. Выделенные зоны проводимости хорошо согласуются с четырьмя типами фаций по грубой фациальной модели. В дальнейшем планируется работы по созданию новой фациальной модели и последующей детализации геологической основы с учетом выявленных фациальных неоднородностей.  Рисунок 3. Статистическое распределение комплексного параметра К (рисунок а) и карта зон проводимости (б) верхнего пласта АВ. Неопределенности ВНК. Резкая фациальная изменчивость продуктивного пласта АВ является причиной существования различных по высоте переходных зон толщиной от 15 до 30 м в зависимости от пористости коллекторов, что приводит к неоднозначности определения характера насыщения и обоснования ВНК в пределах размытой переходной зоны (рис.4). Сложность строения переходной зоны влияет на результаты испытания продуктивных интервалов, в ходе которых получают смешанные притоки флюидов в различных пропорциях (нефть + вода). Даже чисто в нефтяной зоне из интервалов выше утвержденного ВНК на 5-15 м получены притоки воды, воды с пленкой нефти и водонефтяные притоки. Вследствие отмеченного, все краевые части месторождения относительно насыщения можно отнести к зоне неопределенности.  Рисунок 4. Модель переходной зоны группы пластов АВ Таким образом, в ходе проектных работ были выявлены участки залежей, имеющие риски неподтверждения начальных геологических запасов нефти по всем группам пластов. По всем выявленным участкам рассчитана степень изменения запасов и оценено качество начальных геологических запасов с учетом выявленных неопределенностей. Наибольшим риском обладают краевые зоны пластов группы АВ, имеющие самую большую площадь нефтегазоносности среди всех продуктивных отложений месторождения. Выявленные участки в отношении насыщенности соответствуют водонефтяным зонам и неравномерно изучены бурением. Максимально возможное отклонение запасов именно этой группы пластов экспертно оценивается в пределах 25%, в том числе за счет следующих фактором: - неоднозначности структурной модели. Запасы в зоне прогибов между основными локальными поднятиями могут изменяться не более 5%; - неоднозначности петрофизической модели, особенно в области коллекторов с низкой проводимостью, не более 5%; - неоднозначности получаемых результатов испытаний и неопределенности граничных значений нефть – вода, не более 5%; - неоднозначности ВНК вследствие существования больших переходных зон. Возможно изменение геометрии залежей и соответственно нефтенасыщенных объемов не более 10%. Зависимость переходной зоны от водонасыщенности по данным капилярометрии Технология расчета и последующей оценки приведена на примере одного из участка верхнего пласта АВ, расположенного в северной части Самотлорского месторождения. Данный участок характеризуется следующими неопределенностями: - расположен в краевой части месторождения; - в структурном отношении приурочен к прогибу между локальными поднятиями; - существует неоднозначность петрофизической модели относительно выделения коллекторов в связи с резкой фациальной изменчивостью; - отмечается противоречивость результатов испытаний и интерпритации данных ГИС (получены притоки нефти с водой и притоки воды из интервалов, расположенных на 15-20 м выше утвержденного ВНК); -имеются некачественные испытания скважин; - неоднозначность положения контура нефтеносности в связи с неопределенностью модели насыщения. Для обоснования данных расчетов за основу взята зависимость переходной зоны от водонасыщенности для породы с коэффициентом Kпор<0.25. Регрессионный и корреляционный анализ – статистические методы исследования [7]. Это наиболее распространенные способы показать зависимость какого-либо параметра от одной или нескольких независимых, самостоятельных переменных. На практике эти две методики часто применяются вместе. Уравнение регрессии Y (зависимая переменная) на X (независимая переменная) имеет следующий вид;  (2.1)где  - среднее значение всех возможных значений, применяемых случайной величиной Y; - функция регрессии.Основной задачей регрессионного анализа является установление вида данной функции, как её можно выразить аналитически. Для нахождения коэффициентов регрессии используют метод наименьших квадратов (МНК). Его суть заключается в том, чтобы отклонения xi были минимальны, постоянны.  (2.2)где  – значение случайной величины Y; – значения вычисленные по уравнению регрессии.Основная задача корреляционного анализа является оценка тесноты связи между переменными Y и X. Для этого служит коэффициент детерминации (одна из характеристик).  (2.3)где r2- коэффициент детерминации. Он показывает на сколько % точно найденное уравнение регрессии оценивает исходные данные. Основными изучаемыми видами функций регрессии является: -линейная;  (2.4)где a, x - то же, что и в формуле (8) -гипербола; (основные линии регрессии)  (2.5)где a, x - то же, что и в формуле (8) -парабола; (квадратичная регрессионная зависимость)  (2.6)где a, x - то же, что и в формуле (8) -экспонента;  (2.7)где a, x - то же, что и в формуле (8) e – экспонента Провести регрессионный анализ можно как математическими вычислениями, так и с помощью компьютерной программы Microsoft Office, Excel. Результат регрессионного анализа в Excel позволяет выделять приоритеты. И основываясь на главных факторах, прогнозировать, планировать развитие приоритетных направлений, принимать управленческие решения. Построение регрессионной модели в Excel, я выполню на примере зависимости переходной зоны от водонасыщенности по данным капиллярометрии. Результаты измерений для породы с коэффициентом пористости <0.25 представлены в таблице 2 Таблица 2. Исходные данные
Модель линейной регрессии имеет следующий вид:  (2.8)где а – коэффициенты регрессии; х – влияющие переменные; к – число факторов. В моём примере в качестве Y выступает водонасыщенность. Влияющий фактор – высота переходной зоны (X). В Excel используя надстройку «пакет анализа» рассчитываю параметры модели линейной регрессии. Ниже в таблице 3 представлена регрессионная статистика. Таблица 3. Регрессионная статистика.
Величина R-квадрат коэффициент детерминации, называемая также мерой определенности, характеризует качество полученной регрессионной прямой Это качество выражается степенью соответствия между исходными данными и регрессионной моделью (расчетными данными). Мера определенности всегда находится в пределах интервала [0;1]. В большинстве случаев значение R-квадратнаходится между этими значениями, называемыми экстремальными, то есть между нулем и единицей. Если значение R-квадрата близко к единице, это означает, что построенная модель объясняет почти всю изменчивость соответствующих переменных. И наоборот, значение R-квадрата, близкое к нулю, означает плохое качество построенной модели. В моём примере мера определенности равна – 0,97, или 97%. Это означает, что расчетные параметры модели на 97% объясняют зависимость между изучаемыми параметрами. Множественный R - коэффициент множественной корреляции R - выражает степень зависимости независимых переменных (X) и зависимой переменной (Y). Множественный Rравен квадратному корню из коэффициента детерминации, эта величина принимает значения в интервале от нуля до единицы. В простом линейном регрессионном анализе множественный R равен коэффициенту корреляции. Скорректированный коэффициент множественной детерминации (множественный коэффициент корреляции) R = 0,833787. Оба коэффициента указывают на весьма высокую (более 92%) детерминированность результата Y в модели фактором X полученное уравнение достаточно хорошо описывает изучаемую взаимосвязь между факторами. Таблица 4. Дисперсионный анализ.
Задача дисперсионного анализа состоит в проверке нулевой гипотезы Н0 о статистической незначимости уравнения регрессии в целом и показателя тесноты связи. Дисперсионный анализ, представленный в таблице 4, показывает, что уравнение является незначительным при уровне значимости α = 0,00000013. Значения скорректированного и нескорректированного линейных коэффициентов множественной детерминации приведены в таблице 2 в рамках регрессионной статистики. Остаток — это отклонение отдельной точки (наблюдения) от линии регрессии (предсказанного значения). Таблица 5. Показатели регрессионного анализа.
В таблице 5 даны коэффициент регрессии b (-0,009) и смещение по оси ординат, то есть константа a (0,653462). Исходя из расчетов, можем записать уравнение регрессии таким образом:  Направление связи между переменными определяется на основании знаков (отрицательный или положительный) коэффициентов регрессии (коэффициента b). Если знак при коэффициенте регрессии - положительный, связь зависимой переменной с независимой будет положительной. В нашем случае знак коэффициента регрессии положительный, следовательно, связь также является положительной. Если знак при коэффициенте регрессии - отрицательный, связь зависимой переменной с независимой является отрицательной (обратной). Коэффициент – 0,653462 показывает, каким [6] будет значение у Y, в моём случае при всех остальных факторах равных нулю. То есть на значение анализируемого параметра не влияют другие факторы. Коэффициент (-0,009) показывает весомость переменной Х на Y. То есть как водонасыщенность в пределах данной модели влияет на высоту переходной зоны (это малая степень влияния). Корреляционный анализ [8] помогает установить, есть ли между показателями в одной или двух выборках связь. Если связь имеется, то влечет ли увеличение одного параметра повышение (положительная корреляция) либо уменьшение (отрицательная) другого. Корреляционный анализ помогает аналитику определиться, можно ли по величине одного показателя предсказать возможное значение другого. Коэффициент корреляции обозначается r. Варьируется в пределах от +1 до -1. Классификация корреляционных связей для разных сфер будет отличаться. При значении коэффициента 0 линейной зависимости между выборками не существует. Представленная (на рисунке 5) корреляция величин, характеризует уровень корреляционной связи между переходной зоной и водонасыщенностью.  Рисунок 5. Корреляция величин высоты переходной зоны Н от водонасыщенности Kв по данным капиллярометрии. Анализ уровня взаимосвязи между водонасыщенностью и переходной зоной в данном виде показывает значительную корреляцию рассматриваемых параметров - коэффициент линейной детерминации равен 0,9771 или, другими словами, 97% рассмотренных случаев подтверждают существование зависимости переходной зоны от водонасыщенности по данным капилярометрии. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||