Influence Evaluation of Geological and Physical Characteristics of Reservoirs with a Complex Geological Structure on the Conditions of Hydrocarbons Inflow

Abstract


The relevance of research was due to the predominance of deposits with a complex geological structure in the total volume of hydrocarbon assets put into commercial development. The use of standard approaches in such conditions often does not allow to reliably describe the fluid inflow to wells and, as a result, to choose effective tools to control their productivity. The complexity of the implementation of technological processes for the development of reserves determined the expediency of using probabilistic-statistical methods for their modeling. It should be noted that the construction of multidimensional statistical models was supplemented by studies on the dimensionless assessment of the impact of each of the indicators on the well flow rate and subsequent comparison of these effects. Mathematically substantiated the differences in the patterns of fluid inflow to wells with different wellbore designs (conditionally vertical and horizontal), identified factors that affect the formation of flow rates. It was established that one of the key factors determining the value of the flow rate of both horizontal and vertical wells was the radius of the drainage zone. To determine it, it was advisable to use the van Pullen formula, as the permeability in determining the radius of the drainage zone, it was necessary to use the value obtained by processing the pressure recovery curve using the tangent method. Individual (linear) probabilistic models were obtained for each of the indicators used, characterizing the probability of classifying a well as a high- or low-rate well. A series of multivariate statistical models were built that allow determining the flow rates of horizontal and vertical wells in difficult geological and technological conditions with a high degree of reliability.

Full Text

Введение Реализация технологических процессов добычи углеводородного сырья в настоящее время сопровождается постоянным ухудшением структуры запасов разрабатываемых объектов. Так, в промышленную разработку вводятся залежи, представленные сложнопостроенными коллекторами, насыщенными многофазными углеводородными системами. Одним из таких примеров можно считать турнейско-фаменскую залежь Жилинского месторождения. Отнесение данного объекта разработки к категории сложнопостроенных, с трудноизвлекаемыми запасами обусловлено несколькими факторами. Во-первых, залежь представлена известняками сферово-сгустковыми, основная масса которых состоит из неравномерно перекристаллизованного разнозернистого кальцита с микрозернистыми сгустками и комочками водорослевого либо раковинного происхождения, с рассеянными сферами и редким детритом остракод. Пористость пород связана с выщелачиванием и перекристаллизацией, поры внутриформенные (по сферам) и межформенные, межзерновые, угловатые, неправильные, каверновидные, распределены неравномерно. Наблюдаются трещины редкие субвертикальные и наклонные, затухающие, участками многочисленные по наслоению и разнонаклонные пересекающиеся [1, 2]. С точки зрения фазового состояния объект отнесен к категории нефтегазоконденсатных. При этом установление отметки газонефтяного контакта (ГНК) сопровождалось затруднениями: его положение первоначально принято по данным испытаний двух скважин и соответствовало глубине первого нефтенасыщенного пропластка. Комплекс исследований методом MDT, проведенный в нескольких скважинах для решения других промысловых задач, позволил уточнить и скорректировать положение ГНК, при этом разница между отметками составила 8 м. Газонасыщенность пластовой нефти принята равной 230 м3/т, вязкость в пластовых условиях составляет 0,72 мПа·с. Начальный период эксплуатации скважин характеризуется различной динамикой газового фактора. По данным первых инструментальных измерений его величина изменяется в диапазоне от 14 до 1700 м3/т, в среднем составляя 690 м3/т. Таким образом, геологическое строение рассматриваемого объекта осложнено как фазовым состоянием насыщающего флюида, так и структурой пустотного пространства. Столь сложное геологическое строение объекта в совокупности с территориальным совмещением Жилинского месторождения с уникальным Верхнекамским месторождением калийных солей обусловливает целесообразность максимально детального подхода по изучению и управлению процессами фильтрации и по рациональной выработке ресурсов [3]. Ввод залежи в промышленную эксплуатацию условно вертикальными и горизонтальными скважинами характеризуется значительной дифференциацией их начальных дебитов, несмотря на относительно небольшие размеры залежи (0,7-2,8×5,3 км) и схожесть геолого-физических условий в зонах дренирования. Значения начальных дебитов жидкости изменяются в диапазоне от 15 до 76 м3/сут, в среднем составляя 44 м3/сут. При этом диапазон изменения эффективных толщин не столь значителен, а ввод всех скважин в течение непродолжительного времени позволяет считать энергетику в зонах их отбора условно одинаковой. Также следует отметить, что на начальных этапах разработки зафиксировано неравномерное (от 1 до 30 %) обводнение продукции скважин. В связи с этим научный и практический интерес представляет задача исследования индивидуальных условий притока флюидов к добывающим скважинам сложнопостроенной турнейско-фаменской залежи Жилинского месторождения. Аналитических решений (уравнений притока) в трещинно-порово-кавернозных коллекторах, насыщенных нефтегазоконденсатом и неравномерно обводненных, в настоящее время не существует. А известные уравнения [4-7], учитывающие хотя бы некоторые из обозначенных факторов, весьма сложны, и их практическое применение является весьма затруднительным. В данной статье представлен способ описания притока жидкости, основанный на построении и анализе многомерных статистических моделей (уравнений множественной регрессии). Преимуществом данного, по сути - вероятностно-статистического метода исследования, является возможность достаточно простого и достоверного описания процессов, происходящих в сложных системах, к которым относятся объекты добычи углеводородного сырья. В отличие от аналитических решений, основанных на «навязывании» представлений, имеющихся у исследователей, исследуемому объекту и последующему «подгону» этого объекта под представления посредством ввода уточняющих коэффициентов, физический смысл которых зачастую недостаточно обоснован. Вероятностно-статистические методы работают по другому принципу. Их задача заключается в описании реальных процессов на основе тщательной математической обработки характеризующего их фактического материала [8]. Таким образом, решение поставленной задачи сводится к построению и анализу многомерных моделей определения дебитов скважин, основанных на использовании промыслового материала - фактических геолого-технологических показателей эксплуатации скважин на рассматриваемом объекте. Для максимальной достоверности разрабатываемых моделей притока в качестве исходных данных приняты параметры, характеризующие первые для скважин гидродинамические исследования (ГДИ). Использование параметров, определенных по первым ГДИ, позволит описать процессы фильтрации в условиях, максимально приближенных к начальному естественному состоянию объекта, не нарушенному техногенным влиянием. Построению многомерных статистических моделей дебитов для решения различных задач нефтегазового инжиниринга посвящены работы [8-10]. Классические многомерные статистические модели прогноза дебитов, построенные в данных работах, являются статистически значимыми, но характеризуются ощутимой ошибкой расчетов. При этом влияние показателей на процесс формирования дебитов определяется только исходя из порядка включения в результирующую модель. В настоящей работе построение многомерных статистических моделей дополнено исследованиями по безразмерной оценке влияния каждого из показателей на дебит скважины и последующим сравнением этих влияний. С этой целью построены индивидуальные (линейные) вероятностные модели по каждому из используемых показателей, характеризующие вероятность отнесения скважины к категории высоко- или низкодебитных в зависимости от данного показателя. Высокодебитными предложено считать скважины, чья производительность превышает среднее по залежи значение (44 м3/сут), низкодебитными - скважины с дебитом меньше среднего. Соответственно, по величине дебита вся выборка разделена на два класса: класс 1 включает высокодебитные скважины, класс 2 - низкодебитные. Следует отметить, что несмотря на существенную дифференциацию дебитов, средние значения остальных используемых геолого-технологических показателей для двух выделенных классов статистические не являются различными, что установлено с использованием t-критерия Стьюдента. Значимые различия между средними для двух классов значениями установлены только для такого показателя, как забойное давление. То есть статистические неразличные значения геолого-технологических показателей формируют столь разные по величине значения дебитов. Данный факт еще раз свидетельствует о целесообразности детального исследования условий притока жидкости к скважинам рассматриваемого объекта, что выполнено в настоящей статье с применением вероятностно-статистических методов. Индивидуальные вероятностные модели по геолого-технологическим показателям эксплуатации скважин Уравнение регрессии Область применения / диапазон вероятностей Уравнение регрессии Область применения / диапазон вероятностей 0,5-27,0 % 0,435-0,761 1,88-2,96 % 0,443-0,604 0,34-0,72 мПа∙с 0,271-0,817 312,0-13861,0 м 0,379-0,967 1,42-1,87 0,218-0,949 48,3-13861,0 м 0,456-0,829 0,6-6,0 м 0,430-0,552 42,3-8102,9 0,429-0,894 14,2-1698,8 м3/т 0,482-0,525 4,19-208,5 мкм2 0,429-0,904 9,99-22,35 МПа 0,035-0,820 -7,62 - -0,002 отн.ед. 0,262-0,726 5,97-19,65 МПа 0,043-0,921 316-1656 0,365-0,955 6,7-12,3 % 0,001-0,844 49,7-3597,9 м / m 0,460-0,816 0-1 0,487-0,517 37,0-2103,3 0,382-0,982 0,0047-0,8 мкм2 0,420-0,916 1150,0-9081,0 м 0,442-0,855 -7,24 - -2,29 отн.ед. 0,390-0,644 - - Систематизация исходных данных При построении моделей в качестве зависимого признака (прогнозируемого параметра) используется дебит жидкости Q (м3/сут), в качестве независимых факторов - вязкость пластовой нефти μ (мПа·с), обводненность добываемой продукции W (%), объемный коэффициент нефти b (б/р), газовый фактор Гф (м3/т), пластовое и забойное давления Рпл, Рзаб (МПа), пористость m (%) и проницаемость k (мД) коллектора, эффективная нефтенасыщенная толщина пласта h (м), показатели состояния призабойной зоны (S, d) и значения радиуса зоны дренирования (Рдр). Трещиноватость коллектора, диагностированная по данным обработки кривых восстановления давления (КВД), учтена посредством введения соответствующего индекса Tp. Значение Tp = 1 соответствует наличию естественной трещиноватости коллектора в зоне дренирования, Tp = 0 - ее отсутствию. Аналогичным образом учтена конструкция забоя скважин. Значение Ик = 1 свидетельствует о горизонтальном окончании ствола скважины, нулевое значение этого индекса введено для условно вертикальных скважин. Фильтрационные параметры продуктивных пластов для каждой скважины определены при специально выполненной интерпретации первых КВД с использованием разных методов. Используемая проницаемость характеризует удаленную зону пласта и определена методом касательной и в программном комплексе Kappa Workstation (модуль Saphir) [11]. Состояние призабойной зоны учтено величиной скин-фактора, выявленного методом касательной и в Saphir, а также безразмерным диагностическим признаком d, определенным по методу детерминированных моментов давления [12-15]. Отдельно следует отметить, что в ходе описываемых в статье исследований изучено влияние на дебиты такого важного параметра, как размер (радиус) зоны дренирования [16-20]. Практически все аналитические уравнения притока включают данный параметр, однако исследованию его фактических значений уделяется мало внимания. В данной работе значения радиуса зоны дренирования определены по формулам Чекалюка ван Пуллена [21, 22], Собби [23, 24] и в Saphir [25-32]. Радиусы по Чекалюку, ван Пуллену и Собби рассчитаны дважды: с использованием проницаемостей, определенных по методу касательной (КС), и в Saphir (S). Методология выполненных вероятностно-статистических исследований Первый этап решения поставленной задачи сведен к построению индивидуальных вероятностных моделей зависимости дебитов от каждого из принятых в качестве исходных данных геолого-технологических показателей [33-35]. Алгоритм построения моделей кратко можно описать следующим образом. Предварительный этап включал сравнение плотностей распределения каждого из показателей (обозначены как x) для двух выделенных классов, при этом оптимальные диапазоны (интервалы) вычислены по формуле Стерджесса. На следующем этапе в каждом интервале вычислены вероятности соответствия значения данного показателя к классу высокодебитных скважин Р(х). По величинам Р(х) и х рассчитаны парные коэффициенты корреляции r и построены уравнения регрессии. Все построенные таким образом линейные вероятностные модели приведены в таблице. Представленные в таблице линейные вероятностные модели позволяют оценить индивидуальную информативность каждого из показателей в формировании повышенного дебита жидкости. Следует отметить, что все построенные модели «работают» верно, так как во всех случаях значения вероятностей находится в диапазоне 0,0-1,0. Минимальное значение вероятностей получено по Р(m), максимальное по - То есть фактором, оказывающим наибольшее влияние на приток жидкости, является размер зоны дренирования, определенный по формуле ван Пуллена, наименьшее - коэффициент пористости. Данный вывод вполне физичен и соответствует представлениям подземной гидромеханики: практически все известные аналитические формулы дебита включают размер зоны дренирования и не используют коэффициент пористости [36-40]. Соответственно, построенные индивидуальные вероятностные модели не противоречат физике описываемого процесса. Для учета совместного влияния показателей на вероятность формирования повышенных значений дебита предлагается использовать комплексный показатель Pкомп, который определяется по формуле: (1) где - индивидуальные вероятности принадлежности к классу скважин с повышенными дебитами. Подход, основанный на вычислении безразмерного показателя, комплексно учитывающего влияние нескольких показателей на прогнозируемую величину, описан в работах [8, 10]. Для удобства практического определения комплексного показателя построены многомерные статистические модели, в которых в качестве исходных данных используются привлеченные геолого-технологические показатели. Модели построены совместно для всех скважин, а также дифференцированно для скважин с горизонтальным окончанием ствола и условно вертикальных. Для оценки статистической значимости построенных моделей использованы такие показатели, как коэффициент множественной корреляции (R), уровень значимости (p) и стандартная ошибка (S0). Общая модель имеет следующий вид: (2) при R = 0,999, p < 0,00404, S0 = 0,0028 доли ед. Для вертикальных скважин модель имеет следующий вид: (3) при R = 0,999, p < 0,00036, S0 = 0,014 доли ед. Для горизонтальных скважин модель имеет следующий вид: (4) при R = 0,999, p < 0,00022, S0 = 0,00016 доли ед. Необходимо отметить, что все модели являются статистически значимыми. Диапазоны применимости всех построенных моделей в полной мере соответствуют фактическим условиям фильтрации флюидов на рассматриваемом месторождении. Следует отметить, что модели, построенные дифференцированно для скважин различной конструкции, демонстрируют более высокие статистические оценки. Следовательно, отличающийся вид построенных моделей подтверждает факт различных условий притока к горизонтальным и вертикальным скважинам. При этом анализ построенных многомерных уравнений позволяет установить, какие факторы определяют приток к горизонтальным и вертикальным скважинам в условиях рассматриваемого месторождения. Так, вероятность повышенных дебитов вертикальных скважин определяется свойствами флюида и трещиноватостью коллектора, для горизонтальных - только его строением и свойствами. Выполненные исследования позволили объяснить значительную дифференциацию дебитов скважин, работающих, на первый взгляд, в схожих геолого-физических условиях. Подтвержденный факт различия условий притока обусловливает необходимость дифференциации дальнейших исследований для вертикальных и горизонтальных скважин, что учтено при решении главной задачи исследования - построении многомерных статистических моделей определения дебитов скважин. Первая модель, построенная для всех скважин без учета их конструкции, имеет следующий вид: (5) при R = 0,999, p < 0,0522, S0 = 1,32 м3/сут. Для вертикальных скважин, модель имеет следующий вид: (6) при R = 0,999, p < 0,00115, S0 = 0,04 м3/сут. Для горизонтальных скважин модель имеет следующий вид: (7) при R = 0,999, p < 0,00118, S0 = 0,02 м3/сут. Уравнение (5) не является статистически значимым, несмотря на высокое значение коэффициента R, что подтверждает нецелесообразность использования одних и тех же принципов описания притока к вертикальным и горизонтальным скважинам в условиях рассматриваемого месторождения. Модели (6) и (7) являются статистически значимыми и могут применяться для определения дебитов скважин различной конструкции. Следует отметить, что на втором месте в обеих моделях присутствует радиус зоны дренирования, определенный по формуле ван Пуллена. Все известные аналитические уравнения притока учитывают размеры зоны влияния, однако соответствующий параметр всегда логарифмируется, что нивелирует влияние его изменения на результирующую величину дебита скважины. Представленные в данной работе многомерные статистические модели демонстрируют существенно более значительный вклад размеров области дренирования на количество добываемого флюида. Наибольший вклад в формирование дебита горизонтальных скважин оказывает газовый фактор, он первым и с отрицательным знаком включается в модель. Данный вывод косвенно свидетельствует о различиях в процессах разгазирования нефти в зонах отбора вертикальных и горизонтальных скважин. Модель (7) на последнем шаге включает показатель d - безразмерный диагностический признак, характеризующий свойства призабойной зоны пласта и определяемый при обработке КВД методом детерминированных моментов давления. При этом в модель не вошли значения скин-фактора, определенные методом касательной и в модуле Saphir. Данный вывод свидетельствует, что в условиях притока к горизонтальным скважинам скин-фактор является весьма сложным показателем [41-45], и целесообразность его использования для оценки состояния призабойной зоны пласта следует изучать дополнительно. Заключение Настоящая работа посвящена вероятностно-статистической оценке закономерностей притока жидкости в индивидуальных геолого-физических условиях объекта разработки, представленного карбонатным коллектором со сложной структурой пустотного пространства и высокой газонасыщенностью пластовой нефти. Основным инструментом является многомерное статистическое моделирование, дополненное безразмерной (вероятностной) оценкой индивидуального влияния широкого перечня геолого-технологических параметров на закономерности притока углеводородов. Оригинальный подход, заключающийся в построении индивидуальных вероятностных линейных уравнений, позволил объяснять значительную дифференциацию дебитов скважин в схожих, на первый взгляд, геолого-технологических условиях. Статистически обоснованы различия в закономерностях притока флюидов к скважинам с различной конструкцией ствола (условно вертикальным и горизонтальным), выделены факторы, влияющие на формирование дебитов. Построена серия многомерных статистических моделей, позволяющих с высокой степенью достоверности определять дебиты горизонтальных и вертикальных скважин в сложных геолого-технологических условиях.

About the authors

Andrey S. Chukhlov

LUKOIL-PERM LLC

Olga L. Salnikova

PJSC Permneftegeofizika

Vasily I. Chernykh

LUKOIL-Engineering LLC

References

  1. Мартюшев Д.А., Зайцев Р.А. Влияние петрофизических параметров рифогенных карбонатных коллекторов нефтяных месторождений турнейско-фаменских отложений Верхнего Прикамья на продуктивность добывающих скважин // Известия Томского политехнического университета. Инжиниринг георесурсов. - 2019. - Т. 330, № 11. - С. 77-85. doi: 10.18799/24131830/2019/11/2350
  2. Путилов И.С., Разницын А.В. Выделение петрофизических типов карбонатных пород по данным ядерного магнитного резонанса с учетом их литологических особенностей // Известия Томского политехнического университета. Инжиниринг георесурсов. - 2020. - Т. 331, № 9. - С. 186-198. doi: 10.18799/24131830/2020/9/2822
  3. Мартюшев Д.А. Оценка влияния напряженного состояния горных пород на проницаемость коллекторов // Известия Томского политехнического университета. Инжиниринг георесурсов. - 2020. - Т. 331,- № 8. - С. 24-33. doi: 10.18799/24131830/2020/8/2765
  4. Максимов В.М. Обобщенный закон многофазной фильтрации и новые эффекты поверхностных явлений при двухфазных течениях в пористой среде // Георесурсы. - 2019. - Т. 21, № 1. - С. 86-91. doi: 10.18599/grs.2019.1.86-91
  5. Kozeny-Carman constant of porous media: Insights from fractal-capillary imbibition theory / Wei Wei, Jianchao Cai, Junfeng Xiao, Qingbang Meng, Boqi Xiao, Qi Han // Fuel. - 2018. - Vol. 234. - P. 1373-1379. doi: 10.1016/j.fuel.2018.08.012
  6. Pressure transient analysis in fractured reservoirs with poorly connected fractures / Hongyang Chu, Xinwei Liao, Zhiming Chena, Xiaoliang Zhao, Wenyuan Liu, Jiandong Zou // Journal of Natural Gas Science and Engineering. - 2019. - Vol. 67. - P. 30-42. doi: 10.1016/j.jngse.2019.04.015
  7. The relation between petrophysical and transport properties of the Boom Clay and Eigenbilzen Sands / E. Jacops, B. Rogiers, L. Frederickx, R. Swennen, R. Littke, B.M. Krooss, A. Amann-Hildenbrand, C. Bruggeman // Applied Geochemistry. - 2020. - Vol. 114. - P. 104527. doi: 10.1016/j.apgeochem.2020.104527
  8. Jamiu Oyekan Adegbite, Hadi Belhaj, Achinta Bera Investigations on the relationship among the porosity, permeability and pore throat size of transition zone samples in carbonate reservoirs using multiple regression analysis, artificial neural network and adaptive neuro-fuzzy interface system // Petroleum Research. - 2021.
  9. Шумилов А.В. Исследование притока жидкости в скважинах с горизонтальным окончанием ствола вероятностно-статистическими методами // Нефтяное хозяйство. - 2019. - № 12. - С. 136-139. doi: 10.24887/0028-2448-2019-12-136-139
  10. Мартюшев Д.А., Пономарева И.Н., Исследование особенностей выработки запасов трещинно-поровых коллекторов с использованием данных гидродинамических исследований скважин // Нефтяное хозяйство. - 2017. - № 10. - С. 102-104. doi: 10.24887/0028-2448-2017-10-102-104
  11. Пономарева И.Н., Мартюшев Д.А. Оценка достоверности определения фильтрационных параметров пласта на основе анализа добычи и кривых стабилизации давления // Нефтяное хозяйство. - 2019. - № 8. - С. 111-113. doi: 10.24887/0028-2448-2019-8-111-113
  12. Диагностические критерии выделения фильтрационных потоков в процессе гидродинамических исследований горизонтальных скважин / В.Л. Сергеев, В.Х. Донг, Д.Э. Хагай, А.В. Игнатенко // Известия Томского политехнического университета. Инжиниринг георесурсов. - 2020. - Т. 331, № 2. - С. 181-187. doi: 10.18799/24131830/2020/2/2504
  13. Абросимов А.А., Шеляго Е.В., Язынина И.В. Обоснование репрезентативного объема данных фильтрационно-емкостных свойств для получения статистически достоверных петрофизических связей // Записки горного института. - 2018. - Т. 233. - С. 487-491. doi: 10.31897/pmi.2018.5.487
  14. Закиров Т.Р., Храмченков М.Г. Моделирование двухфазных течений жидкостей в пористой среде в режиме доминирования капиллярных сил // Георесурсы. - 2020. - Т. 22, № 1. - С. 4-12. doi: 10.18599/grs.2020.1.4-12
  15. Zhiqiang Fan, Rishi Parashar Transient flow to a finite-radius well with wellbore storage and skin effect in a poroelastic confined aquifer // Advances in Water Resources. - 2020. - Vol. 142. - P. 103604. doi: 10.1016/j.advwatres.2020.103604
  16. Investigation radii in multi-zone composite reservoirs / Ren-Shi Niea, Hao Zhoua, Zhangxin Chenb, Jian-Chun Guoa, Yu Xiong, Yang-Yang Chen, Wen-Fa He // Journal of Petroleum Science and Engineering. - 2019. - Vol. 182. - P. 106262. doi: 10.1016/j.petrol.2019.106262
  17. Complex relationship between porosity and permeability of carbonate reservoirs and its controlling factors: A case study of platform facies in Pre-Caspian Basin / Ling He, Lun Zhao, Jianxin Li, Ji Ma, Ruilin Lui, Shuqin Wang, Wenqi Zhao // Petroleum Exploration and Development. - 2014. - Vol. 41, iss. 2. - P. 225-234. doi: 10.1016/S1876-3804(14)60026-4
  18. A new-generation Embedded Discrete Fracture Model calibration workflow applied to the characterization of complex naturally fracture reservoir / Hongbing Xie, Mauricio Fiallos Torres, Penyu Cheng, Wei Yub, Yuzhong Xin, Jijun Miao, Muwei Cheng // Petroleum Research. - 2021. doi: 10.1016/j.ptlrs.2021.06.001
  19. Sina Lohrasb, Radzuan Junin Estimation of pore volumes to breakthrough number in limestone cores by derivation of an empirical model // Petroleum Research. - 2021. doi: 10.1016/j.ptlrs.2021.02.002
  20. New correlations to calculate vertical sweep efficiency in oil reservoirs using nonlinear multiple regression and artificial neural network / Sayed Gomaa, Ramadan Emara, Omar Mahmoud A.N. El-hoshoudy // Journal of King Saud University - Engineering Sciences. - 2021. - № 7. doi: 10.1016/j.jksues.2021.07.010
  21. Jianchun Guo, Yong Xiao, Heng Wang Stimulation for minimizing the total skin factor in carbonate reservoirs // Journal of Natural Gas Science and Engineering. - 2014. - Vol. 21. - P. 326-331. doi: 10.1016/j.ngib.2014.10.011
  22. Petrophysical characterization of low-permeable carbonaceous rocks: Comparison of different experimental methods / Mohammadebrahim Shabani, Bernhard M. Krooss, Maximilian Hallenberger, Alexandra Amann-Hildenbrand, Reinhard Fink, Ralf Littke // Marine and Petroleum Geology. - 2020. - Vol. 122. - P. 104658. doi: 10.1016/j.marpetgeo.2020.104658
  23. Sedimentary diagenesis and pore characteristics for the reservoir evaluation of Domanik formations (Semiluksk and Mendymsk) in the central part of Volga-Ural petroleum province / Yousef Ibrahem, V.P. Morozov, V. Sudakov, I. Idrisov, A.N. Kolchugin // Petroleum Research. - 2021. doi: 10.1016/j.ptlrs.2021.08.002
  24. Mercy Achang, Jack C. Pashin, X. Cui The influence of particle size, microfractures, and pressure decay on measuring the permeability of crushed shale samples // International Journal of Coal Geology. - 2017. - Vol. 183. - P. 174-187. doi: 10.1016/j.coal.2017.09.012
  25. Chork C.Y., Jian F.X., Taggart I.J. Porosity and permeability estimation based on segmented well log data // Journal of Petroleum Science and Engineering. - 1994. - Vol. 11, iss. 3. - P. 227-239. doi: 10.1016/0920-4105(94)90042-6
  26. Permeability and porosity prediction using logging data in a heterogeneous dolomite reservoir: An integrated approach / Zhao Zhang, Heng Zhang, Jie Li, Zhongxian Cai // Journal of Natural Gas Science and Engineering. - 2021. - Vol. 86. - P. 103743. doi: 10.1016/j.jngse.2020.103743
  27. Relationships between permeability, porosity and effective stress for low-permeability sedimentary rock / Jiangtao Zheng, Liange Zheng, Hui-Hai Liu, Yang Ju // International Journal of Rock Mechanics and Mining Sciences. - 2015. - Vol. 78. - P. 304-318. doi: 10.1016/j.ijrmms.2015.04.025
  28. A new empirical model for enhancing well log permeability prediction, using nonlinear regression method: Case study from Hassi-Berkine oil field reservoir - Algeria / H.E. Belhouchet, M.S. Benzagouta, A. Dobbi, A. Alquraishi, J. Duplay // Journal of King Saud University - Engineering Sciences. - 2021. - Vol. 33, iss. 2. - P. 136-145. doi: 10.1016/j.jksues.2020.04.008
  29. Hydrocarbon migration in fracture-cave systems of carbonate reservoirs under tectonic stresses: A mechanism study / Chenjun Huang, Geyun Liu, Kaibo Shi, Jinyin Yin, Jinrui Guo, Chongzhi Tao // Petroleum Research. - 2020. - Vol. 5, iss. 2. - P. 124-130. doi: 10.1016/j.ptlrs.2019.09.001
  30. Application of fractal theory to predict the coal permeability of multi-scale pores and fractures / Zheng Zhao, Xiaoming Nia, Yunxing Cao, Yanxia Shi // Energy Reports. - 2021. - Vol. 7. - P. 10-18. doi: 10.1016/j.egyr.2020.11.014
  31. Anisotropy of the effective porosity and stress sensitivity of coal permeability considering natural fractures / Kun Xiao, Zetian Zhang, Ru Zhang, Mingzhong Gao, Jing Xie, Anlin Zhang, Yang Liu // Energy Reports. 2021. - Vol. 7. - P. 3898-3910. doi: 10.1016/j.egyr.2021.06.067
  32. The crucial geometric distinctions of microfractures as the indispensable transportation channels in hydrocarbon-rich shale reservoir / Yijin Zeng, Shuheng Du, Xu Zhang, Baoping Zhang, Honglei Liu // Energy Reports. 2020. - Vol. 6. - P. 2056-2065. doi: 10.1016/j.egyr.2020.07.004
  33. Ahmed N. Al-Dujaili, Mehdi Shabani, Mohammed S. AL-Jawad Identification of the best correlations of permeability anisotropy for Mishrif reservoir in West Qurna / oil Field, Southern Iraq // Egyptian Journal of Petroleum. - 2021. - Vol. 30, iss. 3. - P. 27-33. doi: 10.1016/j.ejpe.2021.06.001
  34. Upscaling permeability anisotropy in digital sandstones using convolutional neural networks / Arman Najafi, Javad Siavashi, Mohammad Ebadi, Mohammad Sharifi, Jalal Fahimpour, Dmitry Koroteev // Journal of Natural Gas Science and Engineering. - 2021. - Vol. 96. - P. 104263. doi: 10.1016/j.jngse.2021.104263
  35. Behnam Karimi-Khajelangi, Majid Noorian-Bidgoli Numerical study of the effect of rock anisotropy on stresses around an opening located in the fractured rock mass // Journal of Petroleum Science and Engineering. - 2022. - Vol. 208, part D. - P. 109593. doi: 10.1016/j.petrol.2021.109593
  36. Image processing and machine learning based cavings characterization and classification / Jian Jin, Yan Jin, Yunhu Lu, Huiwen Pang // Journal of Petroleum Science and Engineering. - 2022. - Vol. 208, part C. - P. 109525. doi: 10.1016/j.petrol.2021.109525
  37. Mohammad Reza Delavar. Hybrid machine learning approaches for classification and detection of fractures in carbonate reservoir // Journal of Petroleum Science and Engineering. - 2022. - Vol. 208, part A. - P. 109327. doi: 10.1016/j.petrol.2021.109327
  38. Le Luo, Shiqing Cheng. In-situ characterization of nonlinear flow behavior of fluid in ultra-low permeability oil reservoirs // Journal of Petroleum Science and Engineering. - 2021. - Vol. 203. - P. 108573. doi: 10.1016/j.petrol.2021.108573
  39. Мартюшев Д.А., Лекомцев А.В., Котоусов А.Г. Определение раскрытости и сжимаемости естественных трещин карбонатной залежи Логовского месторождения // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. - 2015. - Т. 14, №16. - С. 61-69. doi: 10.15593/2224-9923/2015.16.7
  40. Мартюшев Д.А., Чумаков Г.Н. Оценка размеров зон дренирования скважин по данным гидродинамических исследований // Нефть, газ и бизнес. - 2013. - № 11. - С. 46-48.
  41. Харламов С.Н., Джангхорбани М., Филиппов К.А. Математическое моделирование и методы исследования гидродинамической очистки горизонтальных скважин // Известия Томского политехнического университета. Инжиниринг георесурсов. - 2021. - Т. 332, № 8. - С. 53-73. doi: 10.18799/24131830/2021/8/3305
  42. Чучалина К.Ю., Коровин М.О. Особенности петрофизических свойств сложнопостроенных карбонатных толщ по комплексным геофизическим исследованиям // Известия Томского политехнического университета. Инжиниринг георесурсов. - 2021. - Т. 332, № 7. - С. 107-113. doi: 10.18799/24131830/2021/07/3268
  43. Елесин А.В., Кадыров А.Ш., Никифоров А.И. Идентификация поля проницаемости трехмерного пласта с использованием результатов геофизических исследований скважин // Георесурсы. - 2021. - Т. 23, № 1. - С. 106-111. doi: 10.18599/grs.2021.1.11
  44. Разницын А.В., Путилов И.С. Разработка методического подхода к выделению петрофизических типов сложнопостроенных карбонатных пород по данным лабораторного изучения керна // Недропользование. - 2021. - Т. 21, № 3. - С. 109-116. doi: 10.15593/2712-8008/2021.3.2
  45. Шевченко О.Н. Исследование течения флюида к горизонтальной скважине // Недропользование. - 2021. - Т. 21, № 2. - С. 64-70. doi: 10.15593/2712-8008/2021.2.3

Statistics

Views

Abstract - 28

PDF (Russian) - 24

Refbacks

  • There are currently no refbacks.

Copyright (c) 2022 Chukhlov A.S., Salnikova O.L., Chernykh V.I.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies