Оценка и классификация невовлекаемых запасов по критерию сложности разработки (на примере Салымской группы месторождений)

15.05.2020

PROНЕФТЬ. Профессионально о нефти. – 2020 - № 1 (15).

УДК 622.276.1/.4

М.В. Наугольнов, С.И. Габитова, Р.И. Муртазин, В.Ю. Климов
Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)
Ф.В. Гришко, И.Я. Эдельман
Cалым Петролеум Девелопмент Н.В.

Электронные адреса: Naugolnov.MV@gazpromneft-ntc.ru, Gabitova.SI@gazpromneft-ntc.ru

Ключевые слова: остаточные извлекаемые запасы (ОИЗ), критерий сложности разработки (RCI), коэффициент извлечения нефти (КИН), модель Эль–Хатиба, характеристики вытеснения, латеральная неоднородность кол- лектора

Предложен подход к оценке и классификации остаточных невовлекаемых запасов на основе критерия сложности разработки. Введено понятие невовлекаемых запасов. Для оценки возможных извлекаемых запасов был проведен сценарный расчет коэффициента извлечения нефти (КИН) по модели Эль-Хатиба на основе статистического метода – характеристик вытеснения. Авторами разработан экспресс-метод оценки и классификации невовлекаемых запасов на основе комплексного индекса сложности разработки RCI. Для оперативной оценки запасов, авторами предлагается использовать модель RCI с тремя параметрами: проницаемость пласта, запускная обводненность, которая определяется начальной нефтенасыщенностью, степенью Corey по нефти, воде, максимальной относительной проницаемостью для нефти и для воды, эффективностью заводнения, определяемой через коэффициенты вертикальной неоднородности (Дикстра-Парсонса) и латеральной неоднородности. Кроме того, предложен новый способ оценки эффективности заводнения – определение накопленного перетока жидкости через единицу порового объема с использованием гидродинамического симулятора. Далее на основе полученных критериев возможна оценка остаточных извлекаемых запасов: с увеличением критерия возрастает сложность разработки. Предложенный универсальный подход к оценке и классификации геологических запасов дает возможность выбрать оптимальную систему разработки.

Evaluation and classification of proved and undeveloped ooip by reservoir complexity index (in case of salym brown oil fields)

PRONEFT''. Professional'no o nefti, 2020, no. 1 (15).

M.V. Naugolnov, S.I. Gabitova, R.I. Murtazin, V.Yu. Klimov
Gazpromneft NTC LLC, RF, Saint-Petersburg

E-mail: shvarev_ng@spbstu.ru, markovnicholas@gmail.com

Keywords: remaining recoverable reserves, reservoir complexity index (RCI), recovery factor (RF), El-Khatib model, characteristic of desaturation, lateral heterogeneities of reservoir

The proposed approach allows to evaluate and classify residual non-recoverable OOIP basing on the criterion of development complexity. The concept of uninvolved reserves is introduced. To evaluate possible recoverable reserves, a scenario calculation of the oil recovery factor was performed, according to the El-Khatib model based on the statistical method - displacement characteristics. Authors developed an express method for evaluation and classification of non-recoverable reserves based on a comprehensive RCI development complexity index. For a quick evaluation of reserves, authors propose to use the RCI model with three parameters: permeability of the formation, initial water cut, which is determined by the initial oil saturation, Corey coefficient for oil, water, maximum relative oil and water permeabilities and waterflooding efficiency, determined through the vertical non-uniformity coefficients (Dykstra- Parsons) and lateral heterogeneity. Also, a new method is proposed to evaluate of the waterflooding effectiveness - find the accumulated fluid flow through a unit of pore volume using a hydrodynamic simulator (keywords FLOWO and FLOWW). Further, based on the obtained parameters, it is possible to estimate the residual recoverable reserves: with an increase in the criterion, the complexity of development increases. In conclusion, a universal approach has been developed for the evaluation and classification of geological reserves for the further selection of the optimal development system.

DOI: 10.24887/2587-7399-2020-1-44-48

Введение

В настоящее время большая часть месторождений Западной Сибири находится на заключи- тельной стадии разработки, при этом значительная доля их запасов не вовлечена в процесс добычи. Высокая расчлененность и неоднородность пластов, осложненное геологическое строение, неравномерное вытеснение нефти водой, а также несовершенная проектная система разработки являются факторами, снижающими коэффициент извлечения нефти (КИН) и завышающими остаточные извлекаемые запасы (ОИЗ). Геологические особенности (параметры пласта, флюида и др.) определяют категорию за- пасов, в зависимости от которой формируется стратегия разработки и проводятся индивидуально подобранные геолого-технические мероприятия (ГТМ). В связи с этим возникают сложности при создании унифицированного подхода к вовлечению таких запасов. В данной статье рассмотрено создание экс- пресс-инструмента для корректной оценки ОИЗ, невовлекаемых запасов и дальнейшей классификации запасов в зависимости от сложности разработки.

Количественная оценка величины остаточных извлекаемых и невовлекаемых запасов

Существуют аналитические и численные моде- ли для оценки ОИЗ. Первые используют пред- варительно усредненные данные по региону, из-за чего велика погрешность определения величин ОИЗ и КИН. Вторые – гидродинамические модели, осложнены наличием неопределенности в геологии, высокими трудовыми и вычислительными затратами. В связи с этим актуально создание инструмента, позволяющего оперативно оценивать величину нево- влекаемых запасов и ОИЗ, а также определять их категорию с целью дальнейшего анализа работы скважин. Невовлекаемые запасы – разница между из- влекаемыми запасами, рассчитанными при условии идеальной системы разработки с максимально возможным КИН, и запасами, которые извлекаются при текущей системе разработки с КИН, достигаемым при 98%-ной обводненности. Величина невовлекаемых запасов определяется по формуле НЗ=STOIIP(КИНmax– КИНтек), (1) где STOIIP– начальные геологические запасы, м3; КИНmax – максимально возможный КИН; КИНтек – КИН при текущей системе разработки. Максимально возможный КИН КИНmax=К выт К охв, (2) где К выт – коэффициент вытеснения; К охв– коэффициент охвата, стремящийся к единице – предельный технически реализуемый КИН без учета экономических ограничений. Для оценки КИН аналитическим способом были использованы промыслово-статистические методы – характеристики вытеснения. Последние представляют собой зависимости между величинами отборов нефти, воды и жидкости. При прогнозировании используются интегральные характеристические кривые на основе на- копленных показателей разработки, так как они обладают более высокой точностью при кратко- срочном прогнозировании в отличие от дифференциальных кривых вытеснения из-за незначительных относительных колебаний накопленных показателей. Были сформированы три сценария с использованием модели Эль-Хатиба за счет варьирования максимальной водонасыщенности S wmax, относительной фазовой проницаемости и среднего квадратического отклонения в распределении проницаемости s [1]: оптимистичный, пессимистичный и базовый. КИН рассчитывается по предложенной Эль-Хатибом модели

ф3.JPG

где E D – коэффициент вытеснения; F wo – водо- нефтяной фактор; k rw, k ro – максимальная относительная проницаемость соответственно для воды и нефти, м2; V DP – коэффициент Дикстра- Парсонса; mw, mо – динамическая вязкость соответственно воды и нефти, мПа⋅с. На рис. 1 показаны три сценария определения ОИЗ. Cиней линией показан сценарий при идеальной системе разработки. Тренд желтого цвета построен для описания пессимистичного

15.JPG

сценария разработки месторождения, при котором добывается только часть возможно вовлекаемых запасов при текущем эксплуатационном фонде, тренд зеленого цвета описывает средний сценарий разработки, когда происходит добыча всех вовлекаемых запасов. При оптимиcтичном сценарии разработки (линия красного цвета) добываются запасы, вовлекаемые с использованием текущего эксплуатационного фонда и с учетом применения ГТМ для охвата запасов, не вовлекаемых текущей системой разработки. Идеальный КИН достигается за счет извлечения вовлекаемых и невовлекаемых (включающих нерентабельные) запасов. Чтобы убедиться в корректности использования метода, было проведено сравнение значений КИН, определенных по модели Эль-Хатиба и гидродинамической модели (ГДМ) (рис. 2). Из рис. 2 видно, что аналитический и численный методы показывают хорошую сходимость. Следовательно, при оперативной оценке КИН в условиях отсутствия ГДМ можно применять метод Эль-Хатиба.

16.JPG

Классификация остаточных извлекаемых запасов по индексу сложности разработка RCI

Максимальная добыча ОИЗ за счет достижения максимального (идеального) КИН возможна при изменении текущей системы разработки. Несмотря на то, что большая часть ОИЗ сосредоточена в целиках нефти, находящихся в за- стойных зонах, оставшаяся часть может акку- мулироваться в интервалах с высокой обвод- ненностью, находящихся вблизи водонефтяно- го контакта, либо в пластах, промытых водой нагнетательных скважин, пластах с низкими фильтрационно-емкостными свойствами или изолированных песчаных телах. Перечисленные варианты запасов предполагают классификацию ОИЗ для выбора оптимальной системы разработки. Например, в не- которых работах [2–4] использовался показатель – комплексный индекс сложности разработки RCI, настроенный на выбранные регион и систему разработки, однако унифицированной методики расчета RCI предложено не было. RCI можно представить в виде функции, зависящей от ряда параметров, косвенно и напрямую влияющих на КИН и накопленные показатели добычи. При формировании методики оценки RCI в основу легла работа [5]. Для оперативной оценки запасов авторы предлагают использовать модель RCI с тремя параметрами: проницаемость, запускная обводненность и эффективность заводнения. Запускная обводненность Fw определяется параметрами кривых фазовых проницаемостей таких как, степень Corey для нефти, воды, максимальная относительная фазовая проницаемость для нефти, воды, остаточная и начальная нефтенасыщенности,

ф4.JPG

где kw, ko – относительная фазовая проницаемость соответствено для воды и нефти; Sw – водонасыщенность; So – нефтенасыщенность; mw, mo – вязкость соответственно воды и нефти. Эффективность заводнения определяется при помощи коэффициентов латеральной и вертикальной неоднородности проницаемости коллектора. Латеральная неоднородность – доля охвата пласта сеткой скважин Ea. В настоящее время наиболее широко применяемый метод оценки охвата базируется на приближенных зависимостях, построенных на основе обобщения результатов численных экспериментов и геостатистического моделирования вертикальной и латеральной неоднородности по результатам интерпретации данных геофизических исследований скважин [6]. Определение накопленного перетока жидкости через единицу порового объема с использованием гидродинамического симулятора (FLOWO и FLOWW) – новый метод оценки эффективности заводнения, предлагаемый авторами. Латеральная неоднородность определяется коэффициентом вариации Дикстра – Парсонса VDP [7]. Для каждого из параметров подбиралось индивидуальное распределение балла сложности для исследуемых месторождений. При тиражировании подхода в других регионах распределения могут быть уточнены.
Таким образом, функция RCI зависит от балла сложности по величине абсолютной проницаемости пласта Sk, запускной обводненности SFw, прокачанному поровому объему SVPOR [8] 

ф5.JPG

ф6.JPG

где αi – весовой коэффициент признака; Si – балл сложности признака (от 1 до 5); RRF – приведенная на единицу линейного объема (эффективной толщины) накопленная добыча нефти, тыс. т/м. В таблице приведены значения параметров при переходе к баллу сложности.

17.JPG

При этом проводилась минимизация функционала невязки

ф7.JPG

где RRFRCI – приведенная на 1 м эффективной толщины накопленная добыча по найденной зависимости; RRFmodel – приведенная на 1 м эффективной толщины накопленная добыча, рассчитанная с помощью ГДМ. Для решения системы уравнений (9) наиболее удачным (интерпретируемым) методом оказалась линейная модель стохастического градиентного спуска SGD, в соответствии с которой 

ф8.JPG

Тогда система уравнений (9) принимает следующий вид:

ф9.JPG

19.JPG

18.JPG

Взаимосвязь RCI и RRF показана на рис. 3. RCI принимает значения от 1 до 5. С увеличением сложности разработки ОИЗ увеличивается RCI. Таким образом, при известных значениях про- ницаемости, прогнозируемой запускной обвод- ненности и гидродинамической связанности пласта, представленной в виде эффективности заводнения, можно оценивать сложность любо- го объекта разработки при помощи полученной регрессионной зависимости. Пример реализации оценки RCI представлен на рис. 4, а в виде карты для одного из пластов исследуемого месторождения. Синим цветом показаны зоны с высоким, светло-зеленым – со средним, темно-зеленым – с низким RCI. На рис. 4, б приведена карта невовлекаемых запа- сов: темно-коричневым цветом показаны зоны с высоким, светло-коричневым – с низким содер- жанием невовлекаемых запасов. В результате оценки ОИЗ при помощи RCI можно классифицировать не вовлекаемые в разработку запасы. Так, при рассмотрении участка месторождения на рис. 4 можно утверждать, что невовлекаемые запасы можно классифицировать по RCI. Гистограмма на рис. 5 показывает распределение величины невовлекаемых запасов и соответствующих RCI. Согласно данной гистограмме в блоках В1, В2, В4, В5 наблюдается большое количе- ство невовлекаемых запасов c низким RCI и RCI >3. Данные блоки могут быть выбраны для проведения таких ГТМ, как гидроразрыв пласта

20.JPG

зарезка боковых стволов, оптимизация системы заводнения в зонах с пониженным RCI. Блок L4 отличается значительными невовлекаемыми запасами повышенной категории сложности (RCI>3), что обусловлено повышенной обводненностью и низкой проницаемостью. Следовательно, для извлечения невовлекаемых запасов блока L4 имеет смысл сконцентрироваться на задачах по оптимизации заводнения, перераспределения фильтра- ционных потоков и проведении ГТМ на базовом фонде, не требующих значительных капиталь- ных вложений. Таким образом, скрининг и дальнейший анализ различных зон месторождений может быть осуществлен при помощи предложенного авторами метода категоризации запасов с использованием критериев сложности разработки.

Заключение

Рассмотренный в статье подход к оценке ОИЗ позволяет классифицировать различные зоны месторождений при помощи индекса сложности разработки RCI для дальнейшего бэнчмаркинга. Авторами предложено оценивать RCI пласта при помощи трехпараметрической модели для классификации геологических запасов. Сформированы распределения индексов сложности параметров. Метод может быть использован при оценке и классификации остаточных извлекаемых и невовлекаемых запасов с незначительными поправками при корректном учете геологи ческих особенностей разрабатываемого ме сторождения.

Список литературы

    1. El-Khatib N.A.F. Waterflooding performance of communicating stratified reservoirs with log-normal permeability distribution // SPE-59071-PA-1999. – https://doi.org/10.2118/59071-PA.
    2. Laurence W.M., Roy T.K. Rapid assessment of potential recovery factor: A new correlation demonstrated on UK and USA fields // SPE-134450-MS. – 2010. – https://doi.org/10.2118/134450-MS.
    3. Shell International E&P Inc.: Novel benchmark and analogue method to evaluate heavy oil projects / L. Jia, A. Kumar, R. Bialas [et al.] // SPE-184101-MS. – 2016. – https://doi.org/10.2118/184101-MS.
    4. Xiao Qi Yeoh. Thin oil rim reservoir development. – https://core.ac.uk/download/pdf/77002440.pdf
    5. Naugolnov M.V., Bolshakov M.S. Mijnarends R., New approach to estimate reservoir complexity index for West Siberian fields (In Russ.) // SPE-187780-MS. – 2017. – https://doi.org/10.2118/187780-RU.
    6. Express Method of oil recovery ratio estimation on the basis of oil reservoir statistical characteristics / A. Roschektaev, A. Yakasov, V. Krasnov, K. Toropov // SPE- 136139-MS. – 2010. – https://doi.org/10.2118/136139-MS.
    7. Dykstra H., Parsons R.L. The prediction of oil recovery by waterflooding. – In Secondary recovery of oil in the United States, 2nd Ed., API. – 1950. – Р. 160–174.
    8. Naugolnov M.V., Murtazin R.I. Reservoir value-engineering for West Siberian oil fields // SPE-198374-MS. – 2019.

    Reference

    1. El-Khatib N.A.F., Waterflooding performance of communicating stratified reservoirs with log-normal permeability distribution, SPE-59071-PA, 1999, https://doi.org/10.2118/59071-PA.
    2. Laurence W.M., Roy T.K., Rapid assessment of potential recovery factor: A new correlation demonstrated on UK and USA fields, SPE-134450-MS, 2010, https://doi.org/10.2118/134450-MS.
    3. Jia L., Kumar A., Bialas R., Lanson T.P., Jing X.D., Novel benchmark and analogue method to evaluate heavy oil projects, SPE-184101-MS, 2016, https://doi.org/10.2118/184101-MS
    4. Xiao Qi Yeoh, Thin oil rim reservoir development, https://core.ac.uk/download/pdf/77002440.pdf
    5. Naugolnov M.V., Bolshakov M.S. Mijnarends R., New approach to estimate reservoir complexity index for West Siberian fields (In Russ.), SPE-187780-MS, 2017, https://doi.org/10.2118/187780-RU.
    6. Roschektaev A., Yakasov A., Krasnov V., Toropov K., Express method of oil recovery ratio estimation on the basis of oil reservoir statistical characteristics, SPE-136139-MS, 2010, https://doi.org/10.2118/136139-MS.
    7. Dykstra H., Parsons R.L., The prediction of oil recovery by waterflooding, In: Secondary recovery of oil in the united states, 2nd Edition, API, 1950, pp. 160–174.
    8. Naugolnov M.V., Murtazin R.I., Reservoir value-engineering for West Siberian oil fields (In Russ.), SPE-198374-MS, 2019.

Возврат к списку