اثر خواص هندسی شکاف بر جریان و حساسیت سنجی دینامیک پارامترهای شکاف در مخازن شکاف دار

نوع مقاله : مقاله پژوهشی

نویسندگان

مهندسی مخازن هیدروکربنی، انستیتو مهندسی نفت، دانشکده مهندسی شیمی، دانشکدگان فنی دانشگاه تهران، ایران

چکیده

در این تحقیق به مطالعه جامع پارامترهای هندسی شکاف و حساسیت‌سنجی آنها بوسیله مدل گسسته شکاف و روش المان محدود پرداخته‌ایم. هدف ما در این مقاله آنالیز سه‌بعدی شکاف در مخزن است. ما به دنبال اثرگذارترین پارامترهای شکاف بر رفتار جریانی سیال مخزن هستیم. در این مطالعه با طراحی آزمایشاتی اثرگذاری پارامترهای شکاف را بر رفتار جریان سیال مخزن در دو حالت شکاف منفرد و شبکه شکاف بررسی کردیم. در این شبیه‌سازی‌ها با ثابت نگه داشتن همه پارامترها بجز یکی و تغییر گام به گام آن، روند تغییرات جریان سیال با تغییر یک به یک پارامترهای شکاف اندازه‌گیری و آنالیز شد. نتایج بررسی‌ها بازه حساسیت پارامترهای هندسی شکاف را تعیین و جایگاه نسبی هر کدام را از نظر اثرگذاری بر جریان سیال مخزن مشخص کرد. طبق آنالیزها بازه حساسیت شدت شکافدار شدن بین 6 تا 30 شکاف می‌باشد. این بازه برای شیب و جهتگیری شکاف به ترتیب بین 0 تا 90 و 0 تا 135 درجه است. همچنین بیشترین تغییرات در جریان سیال را در طول شکاف بین 0.14 تا 0.84 متر و بازشدگی شکاف بین 0.1 تا 0.01 میلیمتر می‌بینیم. آنالیز تغییرات تراوایی دینامیک بر حسب پارامترهای شکاف نشان داد که بازشدگی شکاف تنها پارامتری است که با کاهش آن نه تنها اثر مثبت شکاف ناچیز میشود بلکه شکاف میتواند نقش منفی به عنوان مانع را در برابر جریان سیال ایفا کند. آنالیز حساسیت‌سنجی نشان داد که برای یک شکاف بازشدگی و جهت‌گیری مهم‌ترین پارامترها هستند ولی در شبکه شکاف شدت شکافدار شدن و بازشدگی شکاف‌ها اثرگذارترین پارامترها بر جریان سیالات مخزنی هستند.

کلیدواژه‌ها


عنوان مقاله [English]

Effect of Fracture Geometric Properties on Fluid Flow and Dynamic Characteristics in Fractured Reservoirs

نویسندگان [English]

  • Ali Sobhani Oghaz
  • Mohammad Emami Niri
Institute of Petroleum Engineering, School of Chemical Engineering, College of Engineering, University of Tehran, Iran
چکیده [English]

In this research, we studied fracture parameters comprehensively and analyzed their sensitivity by the use of discrete fracture model and finite-element method. This paper seeks to find the most effective fracture parameters on fluid flow behavior in reservoirs. The experiments are conducted in two states of single and multi-fracture networks to analyze the effectiveness of the fracture parameters. During the experiments, all the related parameters were held constant except one, and then that variable parameter was changed step by step. The flow behavior was measured in these steps and the dependency of flow on each of the other fracture parameters was analyzed. Results indicate that the sensitivity interval of fracture intensity is between 6 to 30 fractures per cubic meters. This interval for fracture dip and orientation is 0˚ to 90˚ and 0˚ to 135˚, respectively. Also, high changes in flow behavior occur when the fracture length is between 0.14 to 0.84 meters, and the fracture aperture ranges between 0.01mm to 0.1mm. Quantitative analysis of the obtained results showed that aperture is the only parameter that alters the crack behavior (from improving fluid flow to weakening it). Furthermore, sensitivity analysis revealed that for a single fracture, the aperture and orientation are the most important parameters, while the fracture intensity and aperture are the most effective ones for the multi-fracture network.
 

کلیدواژه‌ها [English]

  • Fracture Reservoir
  • Fracture Parameters
  • Single Fracture
  • Multi-fracture Network
  • Dynamic Permeability
  • Sensitivity Analysis
[1]. Akbari N, Moallemi A, Khoshbakht F (2017) Determination of fractures’ properties in an oil field by utilizing estimation methods, Journal of Petroleum Research, 27, 96-1: 16-26. ##  
[2]. Sobhi G, Alizadeh N, Kiani M, Bashiri G (2007) Investigation and Comparison of Recovery Factors of Water and Gas Injection into One of the Fractured Reservoirs in South of Iran, Journal Petrolum Research (in persian), 17, 56, 94–105. ##
[3]. Moinfar A, Varavei A, Sepehrnoori K, Johns R T (2013) Development of a coupled dual continuum and discrete fracture model for the simulation of unconventional reservoirs, in SPE Reservoir Simulation Symposium, 2, 978–994. doi: 10.2118/163647-ms. ##
[4]. Barenblatt G I, Zheltov I P, Kochina I N (1960) Basic concepts in the theory of seepage of homogeneous liquids in fissured rocks [strata], Journal of applied mathematics and mechanics, 24, 5, 1286–1303, 1960, doi: 10.1016/0021-8928(60)90107-6. ##
[5]. Johns R T, Jalali-Yazdi Y (1989) Comparison of pressure transient response in intensely and sparsely fractured reservoirs, SPE California Regional Meeting, 513–518: 1991, doi: 10.2118/18800-ms. ##
[6]. Moinfar A, Narr W, Hui M H, Mallison B, Lee S H (2011) Comparison of discrete-fracture and dual-permeability models for multiphase flow in naturally fractured reservoirs, in SPE Reservoir Simulation Symposium, 2: 1410–1426, doi: 10.2118/142295-ms. ##
[7]. Wei S, Kao J, Jin Y, Shi C, Xia Y, Liu S (2021) A discontinuous discrete fracture model for coupled flow and geomechanics based on FEM, Journal of Petroleum Science and Engineering, 204: 1–14, 2021, doi: 10.1016/j.petrol.2021.108677. ##
[8]. Long J C S, Witherspoon P A (1985) The relationship of the degree of interconnection to permeability in fracture networks, Journal of Geophysical Research: Solid Earth, 90: 3087–3098, 1985. ##
[9]. Mi L, Jiang H, Li J, Li T, Tian Y (2014) The investigation of fracture aperture effect on shale gas transport using discrete fracture model, Journal of Natural Gas Science and Engineering, 21: 631–635, doi: 10.1016/j.jngse.2014.09.029. ##
[10]. Liang B, Jiang H, Li J, Gong C (2016) A systematic study of fracture parameters effect on fracture network permeability based on discrete-fracture model employing Finite Element Analyses, ournal of Natural Gas Science and Engineering, 28: 711–722, doi: 10.1016/j.jngse.2015.12.011. ##
[11]. Namdari S, Baghbanan A, Habibi M J (2016) Effects of matrix permeability and fracture density on flow pattern in dual porous rock masses, in ISRM International Symposium - EUROCK, 549–552. doi: 10.1201/9781315388502-94. ##
[12]. Aghli G, Soleimani B, Tabatabai S S, Zahmatkesh I (2017) Calculation of fracture parameters and their effect on porosity and permeability using image logs and petrophysical data in carbonate Asmari reservoir, SW Iran, Arab. Arabian Journal of Geosciences, 10, 12: 1–14, doi: 10.1007/s12517-017-3047-4. ##
[13]. Gong J, Rossen W R (2017) Modeling flow in naturally fractured reservoirs: effect of fracture aperture distribution on dominant sub-network for flow, Petroleum Science, 14, 1: 138–154, doi: 10.1007/s12182-016-0132-3. ##
[14]. Karatalov N, Stefaniak A, Vaughan L (2017) DFN modeling aided reservoir characterization, in Abu Dhabi International Petroleum Exhibition and Conference, 1–13, doi: 10.2118/188641-ms. ##
[15]. Kong B, Chen S (2018) Numerical simulation of fluid flow and sensitivity analysis in rough-wall fractures, Journal of Petroleum Science and Engineering, 168, 546–561, doi: 10.1016/j.petrol.2018.04.070. ##
[16]. Zhang X, Sanderson D J (2002) Numerical modelling and analysis of fluid flow and deformation of fractured rock masses. ##
[17]. Hürxkens C C M J (2011) The sensitivity of the 3D connectivity in a multi-scale fracture network to variations in distribution parameters: a case study from petra, Jordan, [Online], Available: http://repository.tudelft.nl/view/ir/uuid%3A4c621d54-7484-447a-a46a-3d47e8a5bca3. ##
[18]. Jafari A, Babadagli T (2013) Relationship between percolation-fractal properties and permeability of 2-D fracture networks, International Journal of Rock Mechanics and Mining Sciences, 60: 353–362, doi: 10.1016/j.ijrmms.2013.01.007. ##
[19]. Ran Q, Wang Y, Sun Y, Yan L, Tong M (2014) Identification and prediction of fractures in volcanic reservoirs, in volcanic gas reservoir characterization, Elsevier, 203–271. doi: 10.1016/b978-0-12-417131-2.00006-5. ##
[20]. Van Golf-Racht T D (1982) Fracture detection and evaluation,” in Developments in Petroleum Science, 12, 51–109. doi: 10.1016/S0376-7361(08)70336-4. ##
[21]. Fox A, Forchhammer K, Pettersson A, La Pointe P, Lim D H (2012) Geological discrete fracture network model for the olkiluoto site, Eurajoki, Finland, 31. ##