تعیین زون تولیدی به دو روش حد برش و خوشه‌بندی داده‌های لاگ در یک مخزن گازی کربناته

نوع مقاله: مقاله پژوهشی

نویسندگان

1 بخش مطالعات پتروفیزیک، اداره زمین‌شناسی، شرکت ملی حفاری ایران NIDC

2 پژوهشکده مطالعات مخازن و توسعه میادین پردیس پژوهش و توسعه صنایع بالادستی نفت، پژوهشگاه صنعت نفت تهران، ایران

چکیده

زون تولیدی در توالی یک چاه، شامل فواصلی از سازند مخزنی است که دارای بالاترین میزان تجمع هیدروکربن است.در مطالعة حاضر که در توالی یک مخزن گازی کربناته صورت گرفت، زون‌های تولیدی با دو روش کاملا متفاوت مشخص شدند. در روش اول که عموماّ از این روش برای تعیین زون‌های تولیدی استفاده می‌شود، با استفاده از تعیین حد برش برای دو پارامتر پتروفیزیکی، تخلخل مؤثرو اشباع آب مؤثر این فواصل مشخص شد و در روش دوم با استفاده از خوشه‌بندی داده‌های لاگ و استفاده از روش نوین MRGC این زون‌ها مشخص شدند. حدود برش برای پارامترهای تخلخل مؤثر و اشباع آب مؤثر به ترتیب 3= <PHIE= و 55=>SWE درصد در نظر گرفته شدند. در روش خوشه‌بندی، دو مدل که در یکی از آنها لاگ‌های خام و در مدل دیگری لاگ‌های ارزیابی شده مد نظر بود، مورد استفاده قرار گرفتند. با توجه به میزان تجمع هیدروکربن در رخساره‌های تفکیک شده در دو مدل، مدلی که لاگ‌های ارزیابی شده مد نظر بود دقت بالاتری نشان داد. در نهایت هر دو روش خوشه‌بندی و حد برش از لحاظ دقت تعیین زون‌های تولیدی، بررسی شدند. با توجه به اینکه دو روش سازوکاری کاملا متفاوت داشتند، دقت هر دو روش در تعیین زون های تولیدی بسیار بالا مشاهده شد. درنتیجه برای تعیین زون‌های تولیدی علاوه بر روش معمول حد برش،می‌توان از روش خوشه‌بندی MRGC نیز استفاده نمود.
 

کلیدواژه‌ها


عنوان مقاله [English]

Determining Pay Zone Using Clustering of Petro-physical Log Data and Cut-off Methods in a Carbonate Gas Reservoir

نویسندگان [English]

  • Hassan Bagheri 1
  • Farhad Khoshbakht 2
1 Petrophysical study section, Geology department, National Iranian Drilling Company (NIDC), Tehran, Iran
2 Department of Reservoir Study and Field Development, Research Institute of Petroleum Industry (RIPI), Tehran, Iran
چکیده [English]

The best reservoir intervals, i.e. pay zone in a well interval, include some sections of a reservoir formation with the highest hydrocarbon volume and the lowest water volume. In the present study, in the interval of a carbonate gas reservoir, pay zones were determined using two completely different methods. In the first method of pay zone determination, i.e. cut-off method, intervals were specified by determining cut off for two petro-physical parameters of porosity (PHIE) and effective water saturation (SWE). In the second method, namely clustering method, the zones were determined by combining clustering log data and new method of multi-reference graph cut (MRGC). Based on National Iranian Oil Company (NIOC) standards, in the first method, cut offs were considered 3 and 55 for PHIE and SWE of a gas reservoir respectively. In the clustering method, two models were applied; in one model, raw data were considered, while in the other one the evaluated logs were taken into account. With respect to the accumulation of hydrocarbon in the isolated facies in the two models, the model with evaluated logs showed higher accuracy. Finally, the accuracy of determining pay zones in the two models was investigated and compared. Given that the two methods were completely different, the accuracy of both methods to determine pay zones was observed at a very high level; the two methods were also highly consistent. As a result, in addition to cut-off method, clustering method can also be used to determine pay zones.

کلیدواژه‌ها [English]

  • Pay Zone
  • Log Data
  • Clustering
  • Cut off
  • Carbonate Reservoir
[1]. Masoudi P., Zahedi A., Moradzadeh A., Alirezaei F., and Zamanzadeh S. M., “Estimation of in place hydrocarbon volume in multilayered reservoirs using deterministic and probabilistic approaches”, Energy Exploration and Exploitation 29(5), pp. 543–558, 2011.##

[2]. موحد ب.، کهنسال قدیم وند ن. و زمان‌نژاد م. ر.، "ارزیابی پتروفیزیکی سازندهای کنگان و دالان فوقانی – چاه Sp.x در میدان گازی پارس جنوبی"، پایگاه اطلاعات علمی جهاد دانشگاهی (SID)، 6 (21)، 185- 169، 1390.##

[3]. Worthington P. F., “Net pay-what is it? what does it do? how do we quantify it? how do we use it?”, SPE Reservoir Evaluation  &Engineering, Vol. 13, pp. pp. 812- 822, 2010.##

[4]. Werma A. K., Cheadle B. A., Routray A., Mohanty W. K. and Mansinha L., “Porosity and permeability estimation using neural network approach from wel log data,GeoConvention”, pp. 1-6, 2012.##

[5]. Worthington P. F. and Cosentino L., “The role of cut-offs in integrated reservoir studies”, SPE Reservoir Evaluation & Engineering, Vol. 8, pp.pp. 276- 290, 2005.##

[6] Worthington, P. F.,  2008,  "The Application of Cutoffs in Integrated Reservoir Studies," SPEReservoir Evaluation & Engineering, Vol. 11, pp. pp. 968- 975. ##

[7] Masoudi P., Tokhmechi B., Ansari-Jafari M. and Moshiri B., “Application of fuzzy classifier fusion in determining productive zones in oil wells, ENERGY EXPLORATION & EXPLOITATION, Vol. 30, Nu. 3, pp. 403–416, 2012.##

[8]. Serra O. and H. T. Abbott , “The contribution of loggingdata to sedimentology and stratigraphic”, SPE 9270, 55th AnnualFall Technical Conference and Exhibition, Dallas, Texas, pp. 19, 1980.##

[9]. Kumar B., Kishore M., “Electrofacies classification a critical approach”, 6th International Conference & Exposition on Petroleum Geophysics, New Delhi, India, pp 822-825, 2006.##

[10]. Rabiller P., “Facies prediction and data modeling for reservoir characterization”, 1st ed., RabillerGeoconsulting, 2005.##

[11]. کدخدائی ایلخچی ع.، رضائی، م. ر.، معلمی س. ع. و شیخ‌زاده، الف.، تخمین گونه‌های سنگی و تراوایی در میدان گازی پارس جنوبی با استفاده از تکنیک خوشه‌سازی میان مرکز فازی و مدل‌سازی فازی، نهمین همایش انجمن زمین‌شناسی ایران، دانشگاه تربیت معلم تهران، ص. 690- 678، 1384.##

[12]. Askari A. A. and Behrouz T., “A fully integrated method for dynamic rock type characterization development in one of iranian off-shore oil reservoir”, Journal of Chemical and Petroleum Engineering, University of Tehran, Vol. 45, No. 2, PP. 83-96, 2011.##

[13]. Ye S. J., and Rabiller Ph., A new tool for electrofacies analysis: multi resolution graph based clustering”, SPWLA, 41 Annual Logging Symposium, June 4-7, 2000.##

[14]. رحیمی بهار ع. الف. و پرهام س.، "تجزیه و تحلیل رخساره های الکتریکی بر اساس رخساره های رسوبی"، نشریة علمی پژوهشی رخساره های رسوبی، دانشگاه فردوسی مشهد، 5 (1)، 61-74، 1391..##

[15]. Khoshbakht F., and Mohammadnia M., “Assessment of clustering methods for predicting permeability in a heterogeneous carbonate reservoir”, Journal of Petroleum Science and Technology, Vol. 2, No. 2, 50-57, 2012.##