Литопетрофизическая кластеризация – альтернативный подход к прогнозу качества карбонатного коллектора

PROНЕФТЬ. Профессионально о нефти. – 2019 - № 4(14). – С. 32-37

УДК 552.5

Е.Н. Максимова, М.А. Тугарова, д.г.-м.н.
Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)

Электронные адреса: Maksimova.EN@gazpromneft-ntc.ru

Ключевые слова: карбонатный коллектор, литотипы, кластеризация, качество коллектора, фаменский ярус

В работе описано применение литопетрофизической кластеризации для карбонатных коллекторов. Методика дополняет стандартную интерпретацию результатов геофизических исследований скважин информацией о структуре породы в разрезе. Уточненная 3D геологическая модель позволит более корректно определить перспективные зоны для бурения.

Litho-petrophysical clustering – an alternative way for prognosis of carbonate reservoir quality

PRONEFT''. Professional'no o nefti, 2019, no. 4(14), pp. 32-37

E.N. Maksimova, M.A. Tugarova
Gazpromneft NTC LLC, RF, Saint-Petersburg

E-mail: Maksimova.EN@gazpromneft-ntc.ru

Keywords: carbonate reservoir, lithotypes, clustering, reservoir quality, famenian deposits

Current work is dedicated lo litho-petrophysical clustering method, which can be useful for carbonate reservoirs. Methodology updates the standard well log interpretation with information about the rock fabric. After the implementation in 3D geological model the results of algorithm application will provide more correct estimation of perspective drilling zones.

DOI: 10.24887/2587-7399-2019-4-32-37

Введение

В настоящее время, когда эпоха «простых» месторождений постепенно заканчивается, а вновь открываемые месторождения характеризуются сложным строением и сильной латеральной изменчивостью отложений, важными задачами становятся корректное выделение и прослеживание продуктивных толщин. Это особенно актуально при работе с карбонатными коллекторами, так как их фильтрационноемкостные свойства (ФЕС) одновременно могут зависеть как от седиментационной структуры отложений, которая является определяющей при формировании ФЕС, так и от вторичных процессов (перекристаллизация, доломитизация, выщелачивание и др.), усиливающих фациальную неоднородность. Совокупность данных факторов часто затрудняет стандартную интерпретацию результатов геофизических исследований скважин (ГИС), что может привести к несовпадению прогнозных и фактически работающих интервалов. 

Рассмотренная проблема характерна для пластов заволжского надгоризонта одного из месторождений Оренбургской области, где из всех выделенных толщин в работу было вовлечено около 30 % интервалов. Однако, несмотря на сложное строение, на ряде месторождений Волго-Уральской провинции заволжские пласты аккумулируют до 50 % запасов нефти [1], перспективных для освоения. Отсутствие уверенной оценки распространения по площади коллекторов с улучшенными ФЕС потребовало поиска новых технологий прогноза латеральной изменчивости разреза. В качестве решения была разработана методика литопетрофизической кластеризации, дополняющая стандартный подход к интерпретации данных ГИС и позволяющая проводить литологическое расчленение карбонатного разреза с учетом комплексной оценки данных петрофизики и петрографии. Это дает возможность про- гнозировать вертикальную и латеральную неоднородность карбонатных пластов для уточнения причин их неравномерной работы. В статье представлены разработанная последовательность действий, а также результаты применения методики.

Методика литопетрофизической кластеризации

Методика литопетрофизической кластериза- ции состоит из следующих основных этапов: 

1) оценка стандартного подхода к выделению коллекторов на объекте исследования;
2) анализ литопетрофизических особенностей разреза;
3) выявление методов ГИС, реагирующих на свечение керна в ультрафиолетовом свете; выделение кластеров;
4) сравнение результатов кластеризации с данными петрографического описания шлифов;
5) сопоставление распределения петротипов в скважинах; передача данных в 3D геологическую модель. В зависимости от сложности геологического строения разреза этапы методики могут дополняться различными видами работ, такими как анализ результатов интерпретации данных ядерно-магнитного каротажа или скважинных имиджей. Рассмотрим каждый из этапов более подробно.

Этап 1. Стандартный подход к выделению коллекторов. 

На первом этапе предлагается оценивать результаты применения стандартного подхода к выделению коллекторов с целью оценки неопределенностей при выборе граничной отсечки с учетом коэффициента динамической пористости. Так, граничное значение пористости для заволжских отложений изучаемого месторождения, определенное с учетом данных потоковых экспериментов [2], составило около 3,8 %, в то время как анализ данных термометрии показал, что при текущих условиях эксплуатации работают толщины с коэффициентом пористости более 5 % [3]. С другой стороны, различные механизмы фильтрации флюида в пласте могут быть также обусловлены коэффициентом проницаемости. Ряд специалистов предлагает принимать значение граничной проницаемости для нефтенасыщенных карбонатных коллекторов в пределах (0,4–2)⋅10-3 мкм2. При этом граничные значения коэффициента пористости могут варьироваться в диапазоне 6–8 % [2]. Таким образом, совокупное изменение значений пористости и проницаемости по разрезу может зависеть от структуры порового пространства известняков. В связи с этим была предпринята попытка разделения разреза на различные типы коллекторов по значениям пористо сти К п при коэффициенте проницаемости k пр = 1⋅10-3 мкм2 (рис. 1). Предварительная оценка методом материального баланса показала, что наилучшая сходимость фактических и расчетных пластовых давлений наблюдается в случае вовлечения в раз- работку запасов, сосредоточенных в коллекторах с наибольшими значениями коэффициента пористости (К п > 7,5 %), т.е. около 30 % нефтенасыщенных толщин. Тем не менее, вопрос эффективного вовлечения в разработку большей части запасов, сосредоточенных в петротипах 1 и 2 все еще являлся актуальным. Было принято решение о привлечении дополнительной информации, по- лученной по керну и ГИС, для уточнения геологических причин неравномерной работы коллекторов с различными ФЕС.

Этап 2. Анализ литопетрофизических особенностей разреза На втором этапе рекомендуется анализировать литологические и петрофизические особенности разреза.

Например, характер свечения керна в ультрафиолетовом свете может указывать на различные структурные особенности отложений либо на различный литологический состав для более сложных разрезов. В ходе анализа свечения керна заволжских отложений было выявлено, что в близкорасположенных скважинах, вскрывающих одну и ту же структуру и находящихся на расстоянии примерно 1–2 км, интенсивность и характер свечения керна различаются. В одной скважине может наблюдаться большее число интервалов с равномерным свечением, в то время как в другой может встречаться пятнистое свечение (рис. 2). В ходе разложения фотографии керна в ультрафиолетовом свете на RGB-каналы с помощью специального модуля в программном обеспеченнии (ПО) TechLog была получена кривая свечения (см. рис. 2), которая использовалась для количественной оценки интенсивности свечения. При анализе значений кривой свечения было выявлено, что в скважинах, в которых в процессе промыслово-геофизических исследований (ПГИ) методом термометрии фиксировался стабильный приток, наблюдалось более интенсивное и равномерное свечение керна. В связи с этим было высказано предположение, что интервалы с различным характером работы по данным ПГИ могут отличаться друг от друга структурой порового пространства, обусловливающей различные механизмы фильтрации углеводородов в пласте в ходе разработки. Вторичные преобразования и микротрещиноватость также способствуют появлению микронеоднородности, а, следовательно, пятнистого типа свечения.

18.PNG

19.PNG 

Этап 3. Выявление методов ГИС, реагирующих на свечение керна в ультрафиолетовом свете. 

На третьем этапе необходимо проанализировать реакцию методов ГИС на различный характер свечения керна в ультрафиолетовом свете для того, чтобы выбрать наиболее представительные кривые для проведения кластеризации. В результате анализа было выявлено, что в интервалах отбора керна на свечение реагируют: гамма-каротаж (ГК), плотностной гамма-гамма каротаж (ГГКп), нейтронный гамма-каротаж (НГК), акустический каротаж (АК), боковой каротаж (БК) в логарифмическом масштабе. Показания выбранных кривых ГИС оценивались с помощью специального модуля ПО TechLog – IPSOM. Данный модуль позволяет использовать самоорганизующиеся карты Кохенена (Self-Organizing Maps) для проведения иерархической кластеризации [4]. Суть метода заключается в последовательном анализе исходных кривых и группировании их показаний по принципу наибольшего совпадения. На выходе выдаются блоковая кривая распределения кластеров и кривая вероятности их появления в разрезе. Следует отметить, что на момент разработки методики анализ входных данных проводился для 21 скважины по всему разрезу от турнейских до фаменских отложений, так как по керну была установлена тенденция к повторению типов пород в разрезе. В ходе интерпретации были выделены три типа, различающиеся показаниями каротажей (рис. 3). 

Этап 4. Сравнение результатов кластеризации с данными петрографического описания шлифов. 

 На четвертом этапе предлагается проводить сопоставление результатов кластеризации с данными петрографического описания шлифов [3, 5] для выявления основных причин изменения качества коллектора. 

Выделенные по данным ГИС типы коллектора были соотнесены с ранее принятыми группами коллекторов по пористости (см. рис. 1). Следует отметить, что типы, выделенные по результатам изучения керна и ГИС, сопоставимы между собой. Например, петротип 3, имеющий улучшенные ФЕС и относящийся к поровому типу коллектора, явно выделяется как по керновым данным, так и с помощью метода кластеризации данных ГИС. Петротипы 1 и 2 часто перекрывают друг друга, что связано со структурной неоднородностью по- рового пространства карбонатов заволжско- го надгоризонта. 

20.PNG

Для литологической интерпретации и обоснования причин изменения ФЕС выделенных кластеров были использованы результаты петрографических исследований – мини- мально достаточные для дифференциации вещественно-структурных типов карбонатных пород-коллекторов. Шаблон числового петрографического описания карбонатных пород-коллекторов разработан в Научно-Техническом Центре «Газпром нефти» [5]. При сопоставлении было выявлено, что петротип 3, в котором сосредоточено около 30–40 % запасов, относится к зернистым полибиодетритовым и фораминиферово-полибиодетритовым известнякам, в которых иногда фиксируются интракласты. Петротипы 1 и 2 представлены интракластово – полибиодетритовыми и полибиодетритовыми известняками с микритовым матриксом. Это известняк с более сложной структурой порового пространства, для которого характерного пятнистое свечение в ультрафиолетовом свете, работающий нестабильно по данным ПГИ, но аккумулирующий до 60–70 % запасов углеводородов. Породы, относящиеся к неколлекторам, представлены преимущественно плотными сфероагрегатными и водорослевыми известняками с микритовым заполнением. Эти породы могут быть драйверами проводимости при наличии системы трещин. Петрографические исследования позволили выявить основные особенности структур пород, определяющие их ФЕС: общее содержание зерен (форменных элементов) любого генетического типа, соотношение количества зерен и микрита, размер зерен. Из вторичных процессов наиболее значимым оказывается наличие микротрещин, которые секут форменные элементы и соединяют насыщенные углеводородами участки между собой. Такие трещины в керне имеют преимущественно вертикальное распространение и, скорее всего, связаны с тектонической активностью. Сопоставление результатов кластеризации с данными петрографических исследований керна приведено на рис. 4. Подробная литологическая характеристика петротипов представлена в таблице. 

21.PNG

Этап 5. Сопоставление распределения петротипов в скважинах. 

Передача данных в 3D геологическую модель На последнем этапе необходимо предварительно оценить распределение петротипов в скважинах и сопоставить их число в разрезе с показателями разработки месторождения, например, с картой текущих отборов по скважинам с целью установления основных трендов распределения петротипов для дальнейшего концептуального и цифрового геологического моделирования. Для изучаемого месторождения в ходе построения схем корреляции вдоль и вкрест структуры были выявлены тенденции в работе определенных интервалов в заволжских пластах. Так, для пласта Зл1б наблюдалась устойчивая работа выделенных толщин в подошве интервала, а для пласта Зл2 стабильно работающими оказались как кровля, так и подошва нефтенасыщенной части (рис. 5). При сравнении результатов предварительной корреляции с картой текущих отборов по заволжским пластам было выявлено, что улучшение ФЕС прослеживалось локально в купольной части и в направлении с юго-востока на северо-запад, что также подтвердилось перераспределением петротипов в разрезе скважин. В процессе дальнейших исследований планируется провести сопоставление результатов петротипизации, сейсморазведки, специальных методов ГИС и показателей разработки месторождения. Такой комплексный анализ позволит более точно определить тренд для площадного прогнозированная появления зон с улучшенными ФЕС в 3D геологической модели.

22.1.PNG

22.2.PNG

23.PNG

Заключение

В процессе исследования был проанализирован широкий комплекс геолого-геофизической информации, который позволил разработать методику литопетрофизической кластеризации для прогноза качества карбонатного коллектора. Данный подход был впервые применен к изучению карбонатных отложений верхнего девона – нижнего карбона одного из месторождений Оренбургской области. Предложенная методика не только дополнила стандартный подход к интерпретации данных ГИС, но и дала возможность уточнить литолого-седиментационную модель месторождения. В разрезе выделены три петротипа, прослеживающихся по данным изучения керна и ГИС. Выявлены особенности структур пород, определяющие ФЕС: содержание зерен (форменных элементов), соотношение количества зерен и микрита, размер зерен. Из вторичных процессов значимое влияние оказывают микротрещины, соединяющие насыщенные нефтью участки. Полученные данные планируется встроить в 3D геологическую модель, что позволит проводить пространственную корреляцию выделенных петротипов по модели и анализировать изменчивость их свойств. Следующим этапом работы должна стать комплексная оценка характера вертикального и латерального распределения выделенных петротипов с учетом данных сейсморазведки, гидродинамических исследований скважин, показателей разработки месторождения с целью оптимизации стратегии разработки. 

В будущем также намечается обобщить и доработать описанную методику с учетом результатов, которые предполагается получить в процесса апробации подхода на аналогичных пластах других месторождений Оренбургской области. Кроме того, планируется адаптация алгоритма к другим карбонатным отложениям с более сложным вещественным составом и структурой порового пространства (например, к доманиковым отложениям).

Список литературы

    1. Разработка залежей с трудноизвлекаемыми запасами нефти Башкортостана / И.И. Абызбаев, А.Ш. Сыртланов, П.Ф. Викторов, Е.В. Лозин – Уфа: Китап, 1994. – 180 с.
    2. Петерсилье В.И., Пороскун В.И., Яценко Г.Г. Методические рекомендации по подсчету геологических запасов объемным методом. – Москва-Тверь: ВНИГНИ, НПЦ «Тверьгеофизика», 2003. – 259 с.
    3. Максимова Е.Н., Тугарова М.А., Стремичев Е.В. Литологическое обоснование петрофизической неоднородности карбонатных пород-коллекторов заволжского горизонта Балейкинского месторождения (Оренбургская область) // Нефтегазовая геология. Теория и практика. – 2019. – Т. 14. – № 1. – http://www.ngtp.ru/rub/2019/3_2019.html
    4. Skalinski M., Playton T. Petrophysical challenges in Giant Carbonate Tengiz Field, Republic of Kazakhstan // SPWLA Journal of Petrophysics. – 2015. – Vol. 56. – N 6. – 33 p.
    5. Тугарова М.А., Максимова Е.Н. Фациальный анализ карбонатных резервуаров на примере активов ПАО «Газпром нефть». В сб. научных трудов Эк- золит-2019. Фациальный анализ: теория и практика. – М.: МАКС Пресс, 2019. – С. 142–144.
    Reference

    1. Abyzbaev I.I., Syrtlanov A.Sh., Viktorov P.F., Lozin E.V., Razrabotka zalezhey s trudnoizvlekaemymi zapasami nefti Bashkortostana (Development of deposits with hard-to-recover oil reserves of Bashkortostan), Ufa: Kitap Publ., 1994, 180 p.
    2. Metodicheskie rekomendatsii po podschetu zapasov nefti i gaza ob’emnym metodom. Otsenka kharaktera nasyshchennosti po dannym GIS (Guidelines for the calculation of reserves of oil and gas by volumetric method. Assessment of the nature of saturation according to well logging): edited by Petersil’e V.I., Poroskun V.I., Yatsenko G.G., Moscow – Tver: Publ. of VNIGNI, 2003, 261 p.
    3. Maksimova E.N., Tugarova M.A., Stremichev E.V., Petrophysical study of the Zavolzh carbonate reservoir of Baleikin field (Orenburg region) (In Russ.), Neftegazovaya geologiya. Teoriya i praktika, 2019, V. 14, no. 1, URL: http://www.ngtp.ru/rub/2019/3_2019.html
    4. Skalinski M., Playton T., Petrophysical challenges in Giant Carbonate Tengiz Field, Republic of Kazakhstan, SPWLA Journal of Petrophysics, 2015, V. 56, no. 6, 33 p.
    5. Tugarova M.A., Maksimova E.N., Fatsial'nyy analiz karbonatnykh rezervuarov na primere aktivov PAO “Gazprom neft'” (Facies analysis of carbonate reservoirs by the example of Gazprom Neft assets), Collected papers “Ekzolit-2019. Fatsial'nyy analiz: teoriya i praktika” (Exolite 2019. Facies Analysis: Theory and Practice), Moscow: MAKS Press Publ., 2019, pp. 142–144.

Возврат к списку