1دانشکده مهندسی معدن و متالورژی، دانشگاه یزد، ایران/معاونت زمین‌شناسی گسترشی، شرکت ملی مناطق نفتخیز جنوب، اهواز، ایران
2دانشکده مهندسی معدن و متالورژی، دانشگاه یزد، ایران
چکیده
هرزروی سیال حفاری در سازند‌های مخزنی در میادین نفتی می‌تواند باعث هدر رفتن سرمایه و آسیب‌های جدی به لایه‌های بهره‌ده هیدروکربوری گردد. به‌دلیل وجود هرزروی‌های شدید در سازند‌های مخزنی، ارائه راه حل‌های پیشگیرانه از این پدیده نا مطلوب، اهمیت ویژه‌ای دارد. بر این اساس در این تحقیق به بررسی و پیش‌بینی هرزروی سیال حفاری در مخزن آسماری و مدل‌سازی مناطق بحرانی هرزروی با استفاده از روش زمین‌آماری کریجینگ شاخص در یکی از میادین نفتی جنوب غرب پرداخته شده است. بدین منظور ابتدا وضعیت توزیع داده‌های هرزروی در کل مخزن با توجه به اطلاعات 363 حلقه چاه حفاری شده در میدان به‌دست آمده و با استفاده از الگوریتم کریجینگ شاخص و در نظر گرفتن حد آستانه بحرانی برای هرزروی، داده‌های مذکور بصورت باینری تبدیل و توسط واریوگرافی مورد تجزیه و تحلیل قرار گرفته است، سپس با ساخت یک مدل بلوکی، احتمال وجود هرزروی‌های بحرانی در کل مخزن به روش کریجینگ شاخص تخمین زده شده است. تخمین‌های به‌دست آمده نشان می‌دهد که هرزروی‌ها در مخزن آسماری از تغییرپذیری بالایی برخوردار بوده و نقاط بحرانی هرزروی (با هرزروی بالای bbl/hr 100) در بخش شمال غربی در قطاع 2 و جنوب شرقی میدان در قطاع 9، به‌خصوص در زون‌های عمیق‌تر پراکنده شده است.
Applying Indicator Kriging in Modeling of Regions with Critical Drilling Fluid Loss in Asmari Reservoir in an Oil Field in Southwestern Iran
چکیده [English]
Loss of drilling fluid in the reservoir formations in oil fields can cause loss of investments and serious damages to the hydrocarbon producible formations. Due to presence of severe losses in some reservoir formations, proposing preventing solutions for this undesirable phenomenon has significant importance. On the basis of mentioned matter, this research is focused on the study and prediction of fluid loss in Asmari formation and modeling critical loss zones using geostatistical method of indicator kriging in one of the southwestern oil fields. For this purpose, at the first step, the distribution of fluid loss was determined throughout the reservoir using data of 363 oil wells. Then using indicator kriging algorithm with supposing a critical limit for fluid loss, the data was transformed to binary and using variography, the variability and anisotropy of data were analyzed. At the final step, by building a block model, the probability of presence of critical losses was estimated throughout the reservoir using indicator kriging. The estimated results show that the fluid loss has high variability in Asmari formation and critical loss points (higher than 100 Bbl/h) are located in northwest parts in sector 2 and in southeast parts in sector 9, especially dispersed in deeper zones.
کلیدواژه ها [English]
Indicator Kriging, Modeling, Fluid loss, Asmari Reservoir, Block Model
مراجع
[1]. طاهری، ک.، اشجعی، ع.، "مدل‌سازی و شبیه‌سازی هرزروی گل حفاری در مخزن آسماری میدان مورد مطالعه،" گزارش پ شماره 8718، مدیریت امور فنی، بایگانی زمین شناسی گسترشی، ص 183، 1395.##
[2]. Chit forosh A., Makvandi A. and Homaei M., “Three-dimensional model (3d) asmari formation,” National Iranian South Oil Company, Iran, 2011.##
[3]. Edward Hohn M., “Geostatistics and petrolum geology,” Publisher Springer Netherlands, ed. 2ed, Pages 151-179, 1999.##
[4]. Reid P. and Ssantos H., “Novel drillin, completion and workover fluids for depleted zones: avoiding losses formation damage and stuck pipe,” Drilling Technology Conference & Exhibition Held in Abu Dhabi, UAE, Society of Petroleum Engineers, SPE 80406, p. 9, 2003.##
[5]. Yong S. and Jienian Y., “Characterization and prevention of formation damage for fractured carbonate reservoir formation with low permeability,” Journal of Petroleum Science and Engineering, China University Petrolum, Beijing 102249, China, pp 326-333, 2008.##
[6]. Oluwagbenga O., Oseh J., Oguamah I., Ogungbemi O. and Adeyi A., “Evaluation of formation damage and assessment of well productivity of oredo field, edo state, nigeria,” American Journal of Engineering Research (AJER), Vol. 4, Issue 3, pp. 1-10, 2015.##
[7]. Goovaerts P., AvRuskin G., Meiliker J., Slotnick M., Jacquez G. and Nriagu J., “Geostatistical modeling of the spatial variability of arsenic in groundwater of southeast Michigan,” Water Resources Research. Vol. 41, pp. 1-19, 2005.##
[8]. Hu K., Huang Y., Li H., Li B., Chen D. and White R. E., “Spatial variability of shallow groundwater level, electrical conductivity and nitrate concentration, and risk assessment of nitrate contaminationin north China plain,” Environment International. Vol. 31, pp. 896-903, 2005.##
[9]. Lee J. J., Jang C. S., Wang S. W. and Liu C. W., “Evaluation of potential health risk of arsenic-affected groundwater using indicator kriging and dose response model,” Science of the Total Environment. Vol. 384, pp. 151-162, 2007.##
[10]. Adhikary P., Chandrasekharan H., Debashis Ch. and Kalpana K., “Assessment of groundwater pollution in West Delhi, India using geostatistical approach,” Environ. Monit. Assess. Vol. 167, pp. 599-615, 2010.##
[11] Kasmaee S. and Torab F. M., “Risk reduction in sechahun iron ore deposit by geological boundary modification using multiple indicator kriging,” Journal of Central South University, Vol. 21, pp. 201-217, 2014.##
[12] Amanipoor H., Ghafoori M. and Lashkaripour G. R., “The application of geostatistical methods to prepare the 3d petrophysical model of oil reservoir,” Open Journal of Geology, Vol. 3, pp. 7-18, 2013.##
[13]. چیت فروش ا.، مکوندی ع.، همایی م. و سراج م.، "مطالعه جامع مخازن آسماری و بنگستان میدان مورد مطالعه، بخش شکستگی‌ها،" گزارش پ شماره 8062، مدیریت امور فنی- بایگانی زمین شناسی گسترشی، ص450، 1391.##
[14]. چیت فروش ا.، مکوندی ع. و همایی م.، "ساخت مدل سه بعدی زمین‌شناسی مخزن آسماری میدان مورد مطالعه،" گزارش پ شماره 6621، مدیریت امور فنی، بایگانی زمین‌شناسی گسترشی، ص 170، 1388.##
[15]. Ahmed T., Reservoir Engineering Handbook, 4th Edition, Publishing Elsevier, p. 1454, 2010.##
ابتدای صفحه