Full Text

Введение В настоящее время большой объем добычи в Пермском крае приходится на карбонатные залежи, приуроченные к органогенным постройкам. Такие коллекторы чаще всего характеризуются сложным неоднородным строением [1, 2]. Неоднородность обусловлена сложностью диагенетических преобразований, в результате которых можно наблюдать образование сети пор размером от макропор до пор менее 1 мкм [3]. Также различные палеогеоморфологические условия осадконакопления обусловливают разнофациальный характер отложений. Известно, что детализированное изучение фаций горных пород актуально при разбуривании и рациональной разработке залежей углеводородов [4-7]. Фациальная зональность карбонатных рифовых комплексов является важной естественной причиной неоднородности резервуаров [8-10]. Так, авторы работы [11] в результате детального анализа выделенных фаций и петрофизической типизации пород Бангестанской толщи на нефтяном месторождении Ахваз определили три фации с более высоким «качеством» коллектора и, соответственно, более высокими значениями фильтрационно-емкостных характеристик. В работе Carrasquilla и др. [12] отмечена важность комплексирования результатов фациального анализа различными методами и интегрирование полученных данных с помощью искусственного интеллекта для более точной оценки потенциала карбонатного коллектора в бассейне Кампус, Юго-Восточная Бразилия. Kakemema и др. [13] на основе петрофизических свойств, характеристик осадочных фаций и их диагенетических модификаций удалось идентифицировать пять единиц гидравлического потока с наилучшими значениями пористости, проницаемости и пропускной способности в триасовом карбонатном коллекторе на месторождении Южный Парс, бассейн Персидского залива. В работе [14] на примере месторождения Пермского края, приуроченного к рифовому карбонатному резервуару, отмечается, что в различных литолого-фациальных зонах вторичные преобразования пород происходят по-разному. Следовательно, фильтрационно-емкостные свойства коллектора, запасы месторождения, дебиты скважин и накопленная добыча нефти могут напрямую зависеть от литолого-фациальной зональности (ЛФЗ) [1, 15-17]. Неоднородность свойств карбонатных коллекторов как по вертикали, так и по латерали, фациальная изменчивость, сложная структура пор и различные фильтрационно-емкостные характеристики обусловливают необходимость постоянного мониторинга энергетического состояния залежи, в частности динамики пластового давления. Целью данного исследования является анализ изменения пластового давления в скважинах с момента их ввода в эксплуатацию по различным ЛФЗ Т-Фм-Фр объекта разработки одного из нефтяных месторождений севера Пермского края. Объект исследования Объектом исследования является залежь Т-Фм-Фр одного нефтяного месторождения, которое расположено в Пермском крае в северной части Соликамской депрессии. Соликамская депрессия, в свою очередь, расположена в области распространения единого крупного Камско-Кинельского прогиба с широким развитием рифовых построек позднедевонского Рис. 1. Литолого-фациальная схема исследуемого месторождения: 1 - добывающая скважина; 2 - нагнетательная скважина; 3 - внешний контур нефтеносности; 4 - фациальная зона нижней части тылового шлейфа рифа; 5 - фациальная зона верхней части тылового шлейфа рифа; 6 - фациальная зона биогермного ядра; 7 - фациальная зона склона рифа Рис. 2. График накопленной добычи жидкости по ЛФЗ с начала разработки месторождения возраста, местоположение которых контролируется различными тектоническими блоками. Исследуемая залежь Т-Фм-Фр приурочена к рифовому карбонатному массиву. Коллектор представлен известняками биоморфно-детритовыми и водорослево-комковатыми, вверху кавернозными и кавернозно-пористыми, ниже - с кавернами и секущими трещинами, в том числе с битумом. В результате фациального анализа в пределах месторождения выделено четыре ЛФЗ [18, 19], характеризующих развитие органогенно-карбонатной постройки: биогермное ядро (БЯ), верхняя и нижняя части тылового шлейфа рифа (ВШ и НШ), склон рифа (рис. 1). Данные ЛФЗ являются характерными для месторождений северной части Соликамской депрессии [20, 21]. Выделение данных зон обусловлено определенными условиями осадконакопления. Фациальные зоны характеризуются различным литологическим составом, типом коллектора и, как следствие, различными фильтрационно-емкостными характеристиками и величиной накопленной добычи жидкости (НДЖ) (рис. 2). Данная дифференциация по накопленной добыче жидкости может быть обусловлена различным фондом добывающих и нагнетательных скважин, геолого-технологическими условиями разработки, темпами разбуривания, типом вскрываемого коллектора, а также эффективностью применяемой системы поддержания пластового давления (ППД). Данные фонда скважин и средние значения фильтрационно-емкостных характеристик по ЛФЗ приведены в табл. 1. Фильтрационно-емкостные характеристики Т-Фм-Фр объекта разработки (kпр - коэффициент проницаемости зоны дренирования пласта, Кп - коэффициент пористости) приведены по результатам гидродинамических исследований скважин. Анализ изменения пластового давления по ЛФЗ в процессе разработки залежи Пластовое давление (Рпл) является важнейшим параметром при мониторинге энергетического состояния залежи [22]. По величине пластового давления осуществляется прогноз добычи углеводородов, моделирование разработки в целом, а также производительность скважин. Чаще всего величина пластового давления определяется в результате гидродинамических исследований скважин (ГДИ). Но для проведения ГДИ требуется продолжительная остановка скважины, что зачастую приводит к недоборам жидкости [23-25]. В связи с этим в последнее время возникает потребность в создании косвенных методов определения пластового давления, исключающих технологический этап продолжительной остановки скважин [26, 27]. К таким методам можно отнести определение пластового давления на этапе бурения или ремонта скважины [28], определение Рпл с помощью модификации метода материального баланса, используемого при подсчете запасов [29, 30]. Комплексирование накопленных данных эксплуатации скважин и применение определенных методов математической и статистической обработки также относится к косвенным методам определения пластового давления без остановки скважины на ГДИ [31-38]. С появлением искусственного интеллекта (ИИ) в нефтяной промышленности наблюдается рост его использования в разведке, разработке и добыче для сокращения затрат и времени на принятие решений [39, 40]. В частности, новым направлением принято считать применение машинного обучения и ИИ при оценке энергетического состояния залежи [41]. В данной работе использованы величины пластового давления, рассчитанные с помощью методов искусственного интеллекта [23, 41]. Методика определения Рпл реализована в программном продукте Data Stream Analytics (DSA) (модуль «Оценка и прогноз энергетического состояния залежи») [42, 43]. Благодаря данной программе при наличии минимального набора фактических исходных параметров возможно получить достоверные значения пластового давления по каждой скважине в различные периоды разработки залежи. График прогноза Рпл в программе DSA по одной из добывающих скважин исследуемого месторождения представлен на рис. 3. Как видно на рис. 3, расчетное пластовое давление характеризуется высокой степенью корреляции (r = 0,89) с точечными замерами при остановке скважины на ГДИ. Соответственно, на основе рассчитанных значений можно проводить анализ энергетического состояния залежи в различные периоды разработки. Программа также позволяет осуществлять расчет значений пластового давления на перспективный период. В целях анализа изменения пластового давления в процессе разработки залежи по различным ЛФЗ создана единая база данных по исследуемому месторождению, содержащая накопленную добычу жидкости (НДЖ) и нефти (НДН) с начала эксплуатации Таблица 1 Данные фонда скважин по ЛФЗ и средние значение фильтрационно-емкостных характеристик ЛФЗ Количество добывающих скважин, ед. Количество нагнетательных скважин, ед. kпр, мД Кп, % БЯ 12 2 8,54 7,92 ВШ 18 4 73,5 9,3 НШ 21 7 41,3 8,91 Склон рифа 10 6 6,7 9,71 Рис. 3. Пример расчета Рпл скв. №460. Объект Т-Фм-Фр скважины и изменение пластового давления с момента запуска скважины (∆Рпл). На рис. 4 приведены гистограммы распределения исследуемых параметров и статистические характеристики по ЛФЗ. Анализируя рис. 2, 4 (а) установлено, что фация верхней части тылового шлейфа рифа (ЛФЗ 2) характеризуется максимальным показателем накопленной добычи жидкости. Коллектор представлен известняками серыми, желтовато- и темно-серыми, сгустково-детритовыми и комковатыми, кавернозно-пористыми, с тонкими протяженными трещинками. Благодаря палеокарстовому выщелачиванию в породах данной ЛФЗ образуются вертикальные участки развития каверн, переходящих в извилистые субвертикальные полости [21]. Средние коэффициенты пористости и проницаемости по фации равны 9,3 % и 75,3 мД соответственно. Стоит отметить, что коллектор данной ЛФЗ отличается максимальным средним значением kпр, мД. Изменение пластового давления во всех ЛФЗ характеризуется нормальным распределением и примерно одинаковым средним значением. Из всех ЛФЗ выделяется фация склона рифа, где диапазон изменения пластового давления варьируется от -5 и до 5 МПа, что говорит о значительной величине компенсации пластового давления благодаря системе ППД. После анализа и комплексирования накопленных данных в программе STATISTICA [44, 45] выполнялся анализ по параметрическому t-критерию Стьюдента и непараметрическому U-критерию Манна - Уитни. t-критерий Стьюдента обычно используется для определения статистической значимости различий средних величин и может применяться как в случаях сравнения независимых выборок, так и при сравнении связанных совокупностей. Чем больше значение t-критерия, тем с большей уверенностью мы можем утверждать, что средние величины изменения пластового давления по ЛФЗ различны. а б в Рис. 4. Гистограммы распределения: а - НДЖ и статистические характеристики по литолого-фациальным зонам; б - НДН и статистические характеристики по литолого-фациальным зонам; в - ∆Рпл и статистические характеристики по литолого-фациальным зонам; 1 - биогермное ядро; 2 - верхняя часть тылового шлейфа рифа; 3 - нижняя часть тылового шлейфа рифа; 4 - склон рифа Так как формула расчета t-критерия включает в себя средние значения, то в некоторых случаях (при наличии большого числа выбросов в выборках) данный критерий может давать некорректные значения. Поэтому в данной работе дополнительно произведены расчеты непараметрического U-критерия Манна - Уитни. При вычислении U-критерия Манна - Уитни каждому значению от меньшего к большему в обеих выборках присваивался ранг. Далее определялось то, насколько мала зона перекрещивающихся значений Таблица 2 Результаты анализа по статистическим критериям Параметр Кол-во скважин Ср. знач. параметра Статистическая характеристика t-критерий p-уровень значимости U-критерий p-уровень значимости Ф1 Ф2 Ф1 Ф2 Ф1-Ф2 ∆Рпл, МПа 12 18 3,02 2,6 0,64 0,53 0,14 0,88 НДЖ, т 49552,90 180757,2 -2,48 0,02 -2,31 0,02 НДН, т 43933,14 143445,7 -2,23 0,04 -2,31 0,02 Ф2 Ф3 Ф2 Ф3 Ф2-Ф3 ∆Рпл, МПа 18 24 2,6 1,97 1,29 0,2 1,35 0,17 НДЖ, т 180757,2 94167,06 2,07 0,04 1,74 0,08 НДН,т 143445,7 60497,07 2,47 0,02 1,69 0,09 Ф3 Ф4 Ф3 Ф4 Ф3-Ф4 ∆Рпл, МПа 24 10 1,97 1,3 0,83 0,41 0,04 0,96 НДЖ, т 94167,06 153777,1 -1,47 0,15 -1,11 0,26 НДН, т 60497,07 86025,4 -1,27 0,21 -1,15 0,25 Ф1 Ф4 Ф1 Ф4 Ф1-Ф4 ∆Рпл, МПа 12 10 3,02 1,3 1,66 0,11 0,76 0,45 НДЖ, т 49552,90 153777,1 -2,33 0,03 -2,07 0,04 НДН, т 43933,14 86025,4 -1,71 0,1 -1,68 0,09 Примечание: красным выделены статистически значимые (различные) показатели. между двумя вариационными рядами. Чем меньше значение критерия, тем вероятнее, что различия между значениями параметра в выборках достоверны. Также для проверки гипотезы о том, что ∆Рпл различно по ЛФЗ, для всех критериев определен p-уровень значимости при сравнении средних значений исследуемых показателей. Значение p-уровня больше 5 % свидетельствует о том, что значимых различий среди двух выборок по ЛФЗ не обнаружено. Результаты сравнения средних значений исследуемых параметров в выборках по ЛФЗ, выполненного по t-критерию Стьюдента и U-критерию Манна - Уитни приведены в табл. 2. Исследуемые литолого-фациальные зоны в результате попарного корреляционного анализа характеризуются статистически значимым t-критерием Стьюдента по параметрам накопленной добычи жидкости (НДЖ) и накопленной добычи нефти (НДН) с начала эксплуатации. U-критерий Манна - Уитни также показывает статистически значимые различия между ЛФЗ по данным параметрам. При этом в результате сравнения средних значений в выборках по ЛФЗ 3 и 4 выявлено, что все исследуемые параметры не являются статистически различными. Параметр ∆Рпл не является статистически значимым при определении обоих критериев и свидетельствует, что во всех ЛФЗ выработка запасов нефти характеризуется примерно одинаковым изменением пластового давления с начала ввода в эксплуатацию скважины. Заключение Настоящая статья посвящена статистическому анализу величины изменения пластового давления с начала эксплуатации скважин по выделенным в результате литолого-фациального анализа зонам. Для решения поставленной задачи были использованы величины ∆Рпл, рассчитанные с помощью методов искусственного интеллекта в программе Data Stream Analytics (модуль «Оценка и прогноз энергетического состояния залежи»). Для сравнения средней величины ∆Рпл по литолого-фациальным зонам в программе STATISTICA выполнялся расчет параметрического t-критерия Стьюдента и непараметрического U-критерия Манна - Уитни. В результате выполненного анализа установлено, что особенности фациальной обстановки несущественно влияют на величину изменения пластового давления в условиях сложнопостроенного карбонатного коллектора, приуроченного к рифовому резервуару. В дальнейшем, при подборе системы ППД, рационально рассматривать все фациальные зоны в совокупности, как единый объект разработки.

About the authors

P. O. Chalova

Perm National Research Polytechnic University

References

Statistics

Views

Abstract - 34

PDF (Russian) - 25

PDF (English) - 21

Refbacks

• There are currently no refbacks.