The Method of Choosing Optimal Implementations for Multivariate Digital 3D Modeling of Oil Deposits

Abstract


Multivariate geological 3D modeling allows the most reliable consideration of the degree of uncertainty in the structure of oil deposits. At the same time, the task of selecting optimal settings for multivariate 3D modeling seems relevant, which involves the selection of criteria that limit the most probable implementations of the geological structure in the interwell space based on the uncertainty and existing heterogeneity of the geological environment. As a result, a model of reservoir distribution at each point in 3D space should be built that best matches the actual data. To study the heterogeneity of the geological structure of deposits, the work uses mathematical analysis methods based on experiment planning. A methodology for generating a set of lithological cubes with different variogram ranks is implemented. The problem of optimizing the selection of geological 3D models is reduced to probabilistic ranking based on the criteria of their convergence with the results of well drilling, interpretation data of 3D seismic exploration, actual well operation and lithological continuity of reservoirs. A comprehensive accounting of these criteria based on the additive formula allows calculating the extremum (Ores) with maximization of the ratio between the useful signal of the optimal response and interference.The possibilities of practical use of the developed methodology of geological multivariate 3D modeling are shown on the example of estimating the reserves of a real oil deposit. The step and ranges of change in the variogram ranks are consistently substantiated, after which 289 realizations of the geological 3D model are obtained by the kriging method. After calculating the complex criterion Ores, 49 3D models are characterized by a value of more than 0.9, which allows narrowing the sample of realizations.To obtain the final optimal version of 3D modeling, all realizations with Ores > 0.9 at each point of the three-dimensional lithology cubes are averaged. Analysis of the generated realizations shows that due to the low density of the well grid over the area of the deposit, the 3D models do not correlate well enough with the actual drilling results. In such conditions, the model quality is largely determined by the reliability of 3D seismic data, which is much better implemented for 3D models with Ores > 0.9. Models with low Ores values do not reflect the lithological consistency of the reservoir and, as a consequence, the dynamics of oil production at the site. The practical result of the studies performed was the selection of the most realistic geological 3D model based on multiple implementations.

Full Text

5

About the authors

D. V Potekhin

LUKOIL-Engineering LLC

Wang Lei

China University of Petroleum

S. V Galkin

Perm National Research Polytechnic University

S. G Ashikhmin

Perm National Research Polytechnic University

K. A Cherny

Perm National Research Polytechnic University

References

  1. Рябчевских, М.Ю. Концептуальная геолого-гидродинамическая модель фаменско-турнейской залежи как инструмент прогнозирования эффективности системы поддержания пластового давления на примере месторождения им. Сухарева / М.Ю. Рябчевских, А.С. Некрасов // Недропользование. – 2023. – № 23 (2). – С. 58–70. doi: 10.15593/2712-8008/2023.2.2
  2. Li, H. Well log and seismic data analysis for complex pore-structure carbonate reservoir using 3D rock physics templates / H. Li, J. Zhang // Journal of Applied Geophysics. – 2018. – № 151. – P. 175–183.
  3. Волосков, Д.С. Построение адаптивных гидродинамических моделей пониженного порядка на основе метода POD-DEIM / Д.С. Волосков, Д.А. Коротеев // Георесурсы. – 2023. – № 25 (4). – С. 69–81. doi: 10.18599/grs.2023.4.4
  4. Прогнозная оценка фильтрационной способности тонкослоистых коллекторов викуловской свиты по результатам исследования керна и ГИС / Т.Г. Исакова, Т.Ф. Дьяконова, А.Д. Носикова, Г.А. Калмыков, А.В. Акиньшин, В.М. Яценко // Георесурсы. – 2021. – № 23 (2). С. 170–178. doi: 10.18599/grs.2021.2.17
  5. Уточнение геологической модели юрских отложений с учетом результатов стохастической инверсии и фациального моделирования / М.А. Никанорова, Е.С. Королев, М.Ю. Шаповалов, Е.Н. Калинин, Н.А. Шадчнев, К.Ю. Бабинов // Георесурсы. – 2023. – № 25 (3). – С. 57–64. doi: 10.18599/grs.2023.3.8
  6. Seismic strategy for predicting highly profitable wells in the fractured-vuggy carbonate reservoirs / P. Yang, Z. Sun, X. Liang, H. Li, G. Dan // Petroleum Exploration and Development. – 2013. – № 40 (4). – P. 537–541.
  7. Iturrarán-Viveros, U. Artificial neural networks applied to estimate permeability, porosity and intrinsic attenuation using seismic attributes and well-log data / U. Iturrarán-Viveros, J.O. Parra // Journal of Applied Geophysics. – 2014. – № 107. – P. 45–54.
  8. Three-dimensional characterization of micro-fractures in shale reservoir rocks / C. Qi, X. Wang, W. Wang, J. Liua, J. Tuo, K. Liu // Petroleum Research. – 2018. – № 3 (3). – P. 259–268. doi: 10.1016/j.ptlrs.2018.08.003
  9. Ensemble history matching enhanced with data analytics – a Brown field study / E. Tolstukhin, E. Barrela, A.A. Khrulenko, J. Halotel, V.V. Demyanov // Petroleum Geostatistics. – 2019. – Vol. 2019. – P. 1–5. doi: 10.3997/2214-4609.201902201
  10. On the degree of influence of waterflooding on the oil recovery factor from productive formations of high-viscosity reservoirs X / A. Agzamov, G. Efendiyev, G.Zh. Moldabayeva, A. Syzdykov, R. Suleimenova, Sh. Tuzelbayeva, К. Zaurbekov // Complex Use of Mineral Resources. – 2023. – Vol. 326 (3). – P. 50–58. doi: 10.31643/2023/6445.28.
  11. AL-Obaidi, S.H. A new approach for enhancing oil and gas recovery of the hydrocarbon fields with low permeability reservoirs / S.H. AL-Obaidi, F.H. Khalaf // Petroleum & Petrochemical Engineering Journal. – 2023. – Vol. 7, iss. 2. – P. 1–8. doi: 10.23880/ppej-16000343.
  12. Муслимов, Р.Х. Новая классификация запасов и ресурсов нефти и горючих газов – движение вперед или вспять? / Р.Х. Муслимов // Георесурсы. – 2016. – № 18 (2). – С. 80–87. doi: 10.18599/grs.18.2.1
  13. Лобанов, Д.С. Опыт применения метода кривых падения добычи при оперативной оценке остаточных запасов нефтяных залежей, находящихся на поздних стадиях разработки / Д.С. Лобанов, С.В. Галкин // Геология, геофизика и разработка нефтяных и газовых месторождений. – 2023. – № 12 (384). – С. 46–51. doi: 10.33285/2413-5011-2023-12(384)-46-51
  14. Klayton, V. Deutsch geostatistical reservoir modeling / V. Klayton. – Oxford university, 2002. – 378 р.
  15. Dubrule, O. Geostatistics for seismic data integration in earth models / O. Dubrule. – SEG/EAGE Distinguished Instructor Series, 2005. – Vol. 6. – 296 р.
  16. Li, Y. An adaptive Kriging method with double sampling criteria applied to hydrogen preparation case / Y. Li, J. Shi, J. Shen // International Journal of Hydrogen Energy. – 2020. – № 45 (56). – P. 31689–31705.
  17. Fuhg, J.N. State of the Art and comparative review of adaptive sampling methods for kriging / J.N. Fuhg, A. Fau, U. Nackenhorst // Archives of Computational Methods in Engineering. – 2021. – № 28 (4). – P. 2689–2747.
  18. Varouchakis, E.A. Median polish Kriging and sequential Gaussian simulation for the spatial analysis of source rock data / E.A. Varouchakis // Journal of Marine Science and Engineering. –2021. – № 9 (7). – P. 717–726.
  19. Beltiukov, D.A. Creation a permeability array for simulation model of a complex carbonate reservoir with zonal heterogeneity / D.A. Beltiukov, A.A. Kochnev, S.V. Galkin // SOCAR Proceedings. – 2022. – Special Issue № 2. – P. 80–89. doi: 10.5510/OGP2022SI200747
  20. Концептуальное геолого-гидродинамическое моделирование на примере Командиршорской группы месторождений / Д.В. Огородов, А.Л. Южаков, С.В. Ладейщиков, И.С. Сабельников // Геология, геофизика и разработка нефтяных и газовых месторождений. – 2023. – № 10 (382). – С. 35–41. doi: 10.33285/2413-5011-2023-10(382)-35-41
  21. Shouri, H. Development of one-dimensional and three-dimensional geomechanical modeling of reservoir rock in oil fields / H. Shouri, K. Shahbazi, M. Abdideh // Modeling Earth Systems and Environment. – 2024. – № 10 (2). – P. 2271–2294.
  22. Conceptualizing a dual porosity occurrence in sandstones by utilizing various laboratory methods / D.S. Urakov, S.S. Rahman, S. Tyson, M. Jami, D.Yu. Chudinova, Sh.Kh. Sultanov, Y.A. Kotenev // SOCAR Proceedings. – 2021. – № 2. – С. 8–16.
  23. Култышева, С.Н. Эффективность стационарного и нестационарного режимов закачки горячей воды при разработке залежи высоковязкой нефти в карбонатных коллекторах месторождения республики Коми / С.Н. Култышева, А.В Распопов // Недропользование. – 2023. – Т. 23, № 2. – С. 85–92.
  24. Комплексная оценка геологической неоднородности пластовых систем при решении задачи регулирования процесса выработки запасов нефти / Ю.А. Котенев, Ш.Х. Султанов, А.В. Чибисов, В.М. Чиликин // Нанотехнологии в строительстве: научный интернет-журнал. – 2024. – Т. 16, № 5. – С. 473–484.
  25. Закревский, К.Е. Вариограммный анализ геологических тел / К.Е. Закревский, В.Л. Попов // Экспозиция Нефть Газ. – 2018. – № 1 (61). – С. 27–31.
  26. Особенности учета анизотропии проницаемости в гидродинамической модели / Р.И. Ермеков, В.П. Меркулов, О.С. Чернова, М.О. Коровин // Записки Горного института. – 2020. – Т. 243, № 3. – С. 299–304. doi: 10.31897/PMI.2020.3.299.
  27. Rogachev, M.K. Technology for preventing the wax deposit formation in gas-lift wells at offshore oil and gas fields in Vietnam / M.K. Rogachev, Van T. Nguyen, A.N. Aleksandrov // Energies. – 2021. – Vol. 14, no. 16. – Article ID 5016. doi: 10.3390/en14165016.
  28. Legkokonets, V.A. Multifactor analysis of well killing operations on oil and gas condensate field with a fractured reservoir / V.A. Legkokonets, Sh.R. Islamov, D.V. Mardashov // Topical issues of rational use of mineral resources: Proceedings of the International Forum-Contest of Young Researchers. London: CRC Press. – 2018. – P. 111–118.
  29. Дерюшев, А.Б. Применение многовариантного моделирования при распределении Кп с целью оценки достоверности построения трехмерных литолого-фациальных моделей на примере нижнетиманских отложений Кирилловского месторождения / А.Б. Дерюшев, Д.В. Потехин // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. – 2012. – № 11 (5). – С. 32–38.
  30. Litvinenko, V. The role of hydrocarbons in the global energy agenda: The focus on liquefied natural gas / V. Litvinenko // Resources. – 2020. – Vol. 5, no. 9. – Article ID 59. doi: 10.3390/resources9050059.
  31. Pyrcz, M.J. Stochastic surface-based modeling of turbidite lobes / M.J. Pyrcz, O. Catuneanu, C.V. Deutsch // AAPG Bull. – 2005. – Vol. 89, no. 2. – P. 177–191. doi: 10.1306/09220403112.
  32. Опыт моделирования конусов выноса на примере низкопроницаемого участка Приобского месторождения // И.И. Родионова, А.С. Петрук, А.Р. Мухаметов, Э.Р. Галеев, И.Г. Искевич, Д.С. Фазылов, П.С. Мумбер // Экспозиция Нефть Газ. – 2022. – № 2 (87). – С. 45–50.
  33. Сагирова, Л.Р. Влияние параметров вариограммы на куб песчанистости при фациальном моделировании газового месторождения Ямало-Ненецкого авт. окр. / Л.Р. Сагирова, И.И. Боков, Ш.Р. Исламов // Газовая промышленность. – 2022. – № 6 (834). – С. 18–27.
  34. Применение кросс-валидации при выборе вариограммы для моделирования куба пористости геологической 3D-модели / Ш.Р. Исламов, Л.Р. Сагирова, И.И. Боков, Г.В. Шелухов // Территория Нефтегаз. – 2023. – № 11–12. – С. 14–23.
  35. Оптимизация проектных решений разработки нефтегазовых залежей в условиях высоких геологических неопределенностей / И.А. Калиберов, Т.Э. Топалова, А.Е. Попов [и др.] // Экспозиция Нефть Газ. – 2024. – № 7 (108). – С. 76–83. doi: 10.24412/2076-6785-2021-7-76-83. – EDN RGPUMC.
  36. Ермаков, С.М. Стохастические вычислительные методы и планирование эксперимента / С.М. Ермаков, В.Б. Мелас // Вестник Санкт-Петербургского университета. Математика. Механика. Астрономия. – 2023. – № 10 (68), вып. 2. – С. 187–199. doi: 10.21638/spbu01.2023.201
  37. Осинцева, Е.А. Оптимальное планирование эксперимента на основе Винеровской деградационной модели с ковариатами с использованием условной информационной матрицы Фишера / Е.А. Осинцева, Е.В. Чимитова // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. – 2024. – № 67. – С. 83–93. doi: 10.17223/19988605/67/9
  38. Chimitova, E.V. Optimal design of reliability experiment based on the Wiener degradation model with covariates / E.V. Chimitova, E.A. Osintseva // Tomsk State University Journal of Control and Computer Science. – 2022. – № 59. – P. 23–33. doi: 10.17223/19988605/59/3
  39. Потехин, Д.В. Построение 3D-геологических моделей нефтяных залежей на основе метода вероятностных множественных реализаций / Д.В. Потехин // Геология, геофизика и разработка нефтяных и газовых месторождений. – 2023. – № 7 (379). – С. 12–18. doi: 10.33285/2413-5011-2023-7(379)-12-18
  40. Поднебесных, А.В. Определение коэффициента связности в сложных геологических моделях коллекторов / А.В. Поднебесных, А.Р. Хафизов, Д.Р. Султанов // Проблемы сбора, подготовки и транспорта нефти и нефтепродуктов. – 2022. – № 6 (140). – С. 83–100. doi: 10.17122/ntj-oil-2022-6-83-100. – EDN IVDIPI.
  41. Путилов, И.С. Разработка технологии многовариантного 3Д моделирования с контролем качества реализаций для повышения достоверности геологических моделей / И.С. Путилов, Д.В. Потехин // Нефтяное хозяйство. – 2015. – № 1. – С. 15–17.

Statistics

Views

Abstract - 2

PDF (Russian) - 0

Refbacks

  • There are currently no refbacks.

Copyright (c) 2025 Potekhin D.V., Lei W., Galkin S.V., Ashikhmin S.G., Cherny K.A.

This website uses cookies

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

About Cookies