Применение кластеризации для петрофациального анализа на примере месторождения провинции Загрос

24.06.2018
Источник: Журнал «PROнефть»
Applying of clustering for petrofacial analysis on the example of the field in Zagros province

УДК 553.98.061.12/.17

В.В. Морозов, Н.А. Парфенов, О.А. Мельникова
Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)  

Электронный адрес: NIKYParfenov@gmail.com

Ключевые слова: петрофациальный анализ, кластеризация данных геофизических исследований скважин (ГИС), провинция Загрос

V.V. Morozov, N.A. Parfenov, O.A. Melnikova
Gazpromneft NTC LLC, RF, Saint-Petersburg
 
It is known the interest to carbonate fields is getting stronger. At the same time requirements of comprehensive approach to investigation for such fields are increased. Usage of typical metods of logs interpretation for carbonate formations can cause a high level of uncertainty in future. The main ghoal of petrophysics in terrigenous formations is geological while in carbonate formations petrophysics strongly influence on reservoir engineering. Significant heterogeneity in vertical and lateral directions increase the number of petrophysical parameters. Neglecting of these parameters can cause failure in yield achievement. There are three problems appeared during the field development became reasons for this work: 1. First problem connected with significant vary in wells yield (from 200 m3/day to 2000 m3/day). It is known facial analysis of carbonate formations is a complex problem due to different secondary processes. Therefore the next ghoal was set – try to find regularity in logs data. 2. Typical approach to net thickness estimation by porosity cut-off criteria had mistakes, thus, don’t suit for carbonate formations. The perforation of non-reservoir by logs interpretation was held relying on master log. As the result well inflow was increased. 3. The last problem was connected with intensive fall of reservoir pressure. Taking into account depletion regime of field development the reservoir pressure is a crucial parameter.

Keywords: petrofacial analysis, clustering of log data, Zagros province
 
DOI: 10.24887/2587-7399-2018-2-42-46

Введение 

В качестве объекта исследований было выбрано месторождение провинции Загрос. Рассматривались продуктивные пласты альбского яруса Mauddud/Sarvak. Свита Mauddud стратиграфически подразделяются на восемь пачек с индексами A, B, C, D, E, F, G, H. Изучаемые отложения представлены преимущественно чистыми известняками с редкими доломитизированными интервалами. Согласно классификации Р. Данхэма пласты сложены вакстоунами, пакстоунами и грейнстоунами. Тип пустотного пространства пород-коллекторов – порово-каверновый, трещины практически отсутствуют. По всему разрезу наблюдаются многочисленные стилолитовые швы, залеченные битумом.

Кластеризация данных геофизических исследований скважин

Месторождение вскрыто 17 скважинами с типовым для данного региона комплексом геофизических исследований скважин (ГИС): гамма-каротаж, нейтронный по тепловым нейтронам, гамма-гамма плотностной, литоплотностной, боковой, индукционный, акустический каротажи, кавернометрия. В отдельных скважинах проводились исследования азимутальным электрический микроимиджером, применялся ядерномагнитный каротаж, спектрометрический гамма-каротаж. Для комплексного анализа результатов каротажей была применена кластеризация данных ГИС. Ее суть заключается в разделении разреза на интервалы (кластеры), которые затем группируются по степени схожести параметров. В связи с тем, что может быть не один вариант разделения и распределения кластеров, при их группировке будет существовать диапазон неопределенностей. Для анализа выбираются кривые ГИС, которые отражают изменчивость литологических свойств пород. В то же время необходимо следить за сходимостью кластерной модели. Если в качестве исходных использовать большое число кривых или добавить лишние кривые, то ошибка модели будет увеличиваться. 

 

рис. 1. Кластеризация данных ГИС:

а – самоорганизующиеся карты Кохонена (SOM); б – распределение параметров ГИС

В настоящей работе в качестве параметров были выбраны кривые гамма-каротажа (GR), водородосодержание (TNPH), сопротивление в логарифмическом масштабе (RT), а также разность результатов кавернометрии и номинального диаметра ствола скважины (CALI) (рис. 1). Данные плотностного и акустического каротажей были исключены из выборки, так как ствол скважины имеет многочисленные вывалы, что негативно отражается на качестве этих методов ГИС. Аналитическим путем было определено, что оптимальное число групп кластеров равно шести. Каждая группа имеет характерное распределение данных ГИС (см. рис. 1).

Для привязки к геологии кластерных групп, выделенных с помощью математического аппарата, проанализируем каждую полученную группу и проведем сопоставление результатов с керновыми данными. На рис. 2 приведена зависимость газопроницаемости kпр от пористости Kп, полученная по данным анализа керна с учетом деления на кластеры. Поскольку керн из группы кластеров 6 отобран не был, на рис. 2 отображено пять групп.

Группы кластеров 1, 2 и 3 имеют преимущественно высокие значения пористости и проницаемости, по данным ГИС характеризуются низкими вывалообразованием и сопротивлением, а также повышенным водородо-содержанием. Кроме того, из этих интервалов получены притоки нефти. Таким образом, можно сделать вывод, что эти группы кластеров представляют собой коллекторы. Распределение фильтрационно-емкостных свойств (ФЕС) показывает, что группа кластеров 1 является наилучшим коллектором, 2 – коллектором со средними ФЕС, 3 – коллектором с ухудшенными ФЕС.

По результатам качественного анализа керна была проведена группировка образцов по степени кавернозности (рис. 3):

0 – монолит, 1 – с единичными крупными кавернами выщелачивания, 2 – с редкими мелкими кавернами, 3 – средней кавернозности, 4 – сильной кавернозности. Каверны в группах 2, 3, 4 обусловленны многочисленными остатками фораминифер. Сопоставляя степень кавернозности керна с выделенными группами кластеров (рис. 3) можно заметить следующую закономерность: группа кластеров 3 преимущественно имеет низкую кавернозность или монолитную структуру, в то время как группы кластеров 2 и1 практически полностью состоят из кавернозных образцов. Этот вывод также подтверждается распределением ФЕС на рис. 2.


рис. 2. Зависимость газопроницаемости kпр от пористости Kп с учетом деления на кластеры


рис. 3. Относительная доля групп кластеров при разной степени кавернозности

Дифференциация интервалов коллекторов по продуктивности

Следующим этапом анализа этих трех групп кластеров является сопоставление с фактической добычей. На рис. 4 представлено сопоставление дебитов скважин с проводимостью пласта kh (k – проницаемость; h – толщина пласта) по результатам интерпретации данных ГИС. В связи с тем, что в интервал перфорации может попадать несколько групп кластеров, ему присваивался тип согласно доминирующей группе. Из рис. 4 видно, что выделенные группы кластеров достаточно хорошо группируются по зонам. Кроме того, можно заметить существенное увеличение дебита (до 1500 м3/сут) при появлении в разрезе группы кластеров 1. Причина такого скачка дебита может быть связана с особенностями интенсификации добычи нефти.


рис. 4. Сопоставление дебитов скважин и проводимости пласта kh

с учетом деления на кластеры

Перед запуском скважины подвергаются солянокислотной обработке (СКО) в течение нескольких суток. При наличии в разрезе высокопроницаемых прослоев группы кластеров 1 большая часть кислоты фильтруется именно в них. В результате остальные группы 2 и 3 подвергаются СКО в меньшей степени, и стимуляция проходит неравномерно. Таким образом, рекомендуется разделять интервалы для СКО, чтобы избежать этого эффекта.

Выделение групп кластеров 1, 2, 3 позволило также уточнить эффективные толщины. На рис. 5 представлено сопоставление толщин коллекторов, выделенных стандартным методом Cut-off – «отсечка» по пористости, а также с помощью комплексирования результатов ГИС (кластерный анализ SOM). Из рис. 5 видно, что расхождение составляет более 20 %, причем наибольшая разница отмечается в пачках C, D, E, F, G. Выделяемые по кластеризации эффективные толщины в большинстве случаев соответствуют группе кластеров 3 и относятся к коллекторам с невысокими ФЕС. Тем не менее, после перфорации такого интервала в одной из скважин увеличился ее дебит.


рис. 5. Сопоставление эффективных толщин пластов Mauddud, выделенных методом отсечки Cut-off и кластеризации SOM

Следующие кластерные группы 4 и 5, согласно данным ГИС (см. рис. 1), имеют высокие сопротивления и большие показания кавернометрии. По керну эти группы характеризуются низкими значениями пористости (см. рис. 2) и монолитной структурой породы (см. рис. 3). Таким образом, можно сделать вывод, что группы кластеров 4 и5 представляют собой породы-неколлекторы с разной степенью вывалообразования. Причина сильного обрушения ствола скважины в интервалах этих пород связана с ориентацией стилолитов. В неколлекторах стилолитизация развивается по напластованию, в результате чего при бурении из-за резкого изменения напряжений в околоскважинном пространстве происходит разрушение породы вдоль стилолитов. В сочетании с микритовой структурой породы это приводит к обильному вывалообразованию. Раскрытие стилолитовых швов в таких породах при уменьшении давления может быть причиной появления участков керна повышенной проницаемости (см. рис. 2). 

Выделение битуминозных интервалов 

Последняя группа кластеров 6 не охарактеризована керном. Тем не менее по данным ГИС можно сделать достаточно уверенное заключение о геологической природе этой группы. Группа 6 имеет высокие сопротивления и уверенно выделяется по данным гамма-каротажа (см. рис. 1), следовательно,прослой является неколлектором. В одной из скважин был проведен спектральный гаммакаротаж, на основании которого можно сделать вывод о высоком содержании урана в этой петрофации (рис. 6). По данным кавернометрии интервал группы кластеров 6 не имеет вывалов, т.е. по своей структуре отличается от групп 4 и 5. Таким образом, группа кластеров 6 была приурочена к битуминозной породе. Анализ корреляции всех скважин показал, что описанная петрофация распространена во всех скважинах в кровле пласта Mauddud H (на рис. 6 представлена часть скважин). Это может свидетельствовать о запечатанной залежи, что в свою очередь может быть одной из причин быстрого падения давления в пласте.


рис. 6. Корреляция скважин с идентификацией битуминозного интервала 

Заключение

Использование кластеризации данных ГИС является достаточно быстрым и удобным способом их качественной интерпретации. Применение этого метода на исследуемом месторождении позволило:

– дифференцировать интервалы коллектора по продуктивности, что может послужить основанием для стадийной СКО, при дальнейшем использовании в геологической модели помочь в выборе наиболее перспективных зон бурения;

– выделить дополнительные интервалы коллектора, которые при вовлечении в добычу позволят повысить дебит скважин;

– определить и проследить битуминозные интервалы в подошве свиты Mauddud, наличие которых может быть причиной быстрого падения давления в процессе разработки месторождения.

Список литературы

1. Dunham Robert J. Classification of carbonate rocks according to depositional texture, in Ham, W. E., ed., Classification of Carbonate Rocks: AAPG Memoir 1, p. 108–121.

2. Geology of Iraq/ Saad Z. Jassim, Jeremy C. Goff// Published by Dolin, Prague and Moravian Museum, Brno. – 2006. – 341p.

3. Jafar Qomi Aveili. Sequence Stratigraphy and Sedimentary Environment of Sarvak Formation, in the Oil Field of Kuhmond (Southest of Iran) // Open Journal of Geology. – 2016. – V. 6. – P. 1344-1360.

4. P. Razin, F. Taati, F.S.P. van Buchem. Sequence stratigraphy of Cenomanian Turonian carbonate platform margins (Sarvak Formation) in the High Zagros, SW Iran: an outcrop reference model for the Arabian Plate // Geological Society, London, Special Publications, 2010, v. 329, p.187-218 

Reference

1. Dunham R.J., Classification of carbonate rocks according to depositional texture: edited by Ham W.E., Classification of Carbonate Rocks: AAPG Memoir 1, pp. 108–121.

2. Jassim S.Z., Goff J.C., Geology of Iraq, Published by Dolin, Prague and Moravian Museum, Brno, 2006, 341p.

3. Aveili J.Q., Sequence stratigraphy and sedimentary environment of Sarvak formation, in the oil field of Kuhmond (Southest of Iran), Open Journal of Geology, 2016, V.6, pp.1344-1360.

4. Razin P., Taati F., van Buchem F.S.P., Sequence stratigraphy of Cenomanian Turonian carbonate platform margins (Sarvak Formation) in the High Zagros, SW Iran: an outcrop reference model for the Arabian Plate, Geological Society, London, Special Publications, 2010, V. 329, pp. 187 218



Авторы статьи:  В.В. Морозов, Н.А. Парфенов, О.А. Мельникова
Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)

Источник:  Журнал «PROнефть»

Возврат к списку