An integrated workflow for MICP-based rock typing: A case study of a tight-gas sandstone reservoir in the Baltic Basin (Poland)

• Autorzy: Topór Tomasz

Identyfikatory

DOI

10.18668/NG.2020.04.01

Warianty tytułu

PL

Metodologia wyznaczania klas podobieństw (rock types) w oparciu o dane MICP na przykładzie zwięzłych piaskowców typu tight-gas z basenu bałtyckiego

• Języki publikacji: EN

Abstrakty

EN

One of the most important tasks in the characterization of unconventional tight-gas sandstone reservoirs is a proper evaluation of rock types (RT). Rock typing based on pore structure has a great potential to capture fluctuations in storage potential, and fluid transport within the formations studied. This study presents a newly adapted workflow to formulate rock types in tight-gas sandstone reservoirs based on similarities in pore structure. Rock types are identified using the k-means clustering method (unsupervised learning) on pore structure parameters derived from measuring mercury injection capillary pressure (MICP). The parameters associate opened porosity, proportions of macro-, meso-, micro-, and nanopores, and selected MICP-derived permeability. The correlation between pulse decay permeability and permeabilities calculated from MICP analysis revealed that Swanson permeability is the most useful permeability estimation for rock typing. The cluster analysis performed on 178 samples revealed four rock types (RT1–RT4) of unique pore system characteristics that significantly differ in macro-, meso-, micro-, and nanopore content. The clusters’ tendency was evaluated using the Hopkins statistic. The optimal number of clusters was determined using the Elbow method as an internal validation technique. Rock types 1 and 2 (RT1 and RT2) showed a highly tight character with a Swanson permeability of < 0.1 mD and an opened porosity of < 5%. Samples from RT3 and RT4 revealed more conventional characteristics with a Swanson permeability of > 0.1 mD and an opened porosity of > 5%. The variability in the pore structure between designated rock types was also captured using Computerized Analysis of Microscopic Images (CAMI) on the thin-sections from the most representative samples of the individual rock types. Pore structure characteristics (opened porosity and pore-throat distribution) with Swanson permeability and rock types were integrated into an array log to locate the most perspective intervals within the formation under study.

PL

Jednym z kluczowych zadań w charakterystyce niekonwencjonalnych piaskowców typu tight gas jest prawidłowe wyznaczenie klas podobieństw, tzw. rock types. Rock typing oparty na charakterystyce systemu porów posiada duży potencjał wyznaczania stref o pożądanych własnościach zbiornikowych i filtracyjnych w badanej formacji. Praca pokazuje metodologię wyznaczania klas podobieństw na podstawie charakterystyki systemu porów w formacjach zwięzłych piaskowców. Klasy podobieństw zostały wyznaczone za pomocą metody k-średnich w oparciu o wyselekcjonowane parametry przestrzeni porowej: porowatość otwartą, frakcje makro-, mezo-, mikroi nanoporów oraz przepuszczalność Swansona. Wszystkie parametry zostały wyznaczone na podstawie danych MICP. Korelacja pomiędzy przepuszczalnością otrzymaną metodą pulse decay i przepuszczalnościami wyliczonymi z MICP pokazała, że najbardziej wiarygodną metodą szacowania przepuszczalności do rock typingu jest metoda Swansona. Analiza klastrowa przeprowadzona na 178 próbkach pozwoliła na wyznaczenie 4 typów skał (rock types RT1–RT4) cechujących się odmienną charakterystyką systemu porów, w której dominowały makro-, mezo-, mikro- lub nanopory. Tendencja do tworzenia klastrów została oceniona za pomocą metody/statystyki Hopkinsa. Optymalna liczba klastrów została wyznaczona przy użyciu wewnętrznych metod walidacyjnych (metoda „elbow”). Próbki należące do typów 1 i 2 (RT1 i RT2) charakteryzują się silnie zwięzłym charakterem z przepuszczalnością Swansona < 0,1 mD i porowatością otwartą < 5%. Próbki z klas 3 i 4 (RT3 i RT4) posiadają bardziej konwencjonalny charakter z przepuszczalnością Swansona > 0,1 mD i porowatością otwartą > 5%. Zmienność pomiędzy wyznaczonymi klasami została również zaobserwowana w wynikach analizy obrazu mikroskopowego (CAMI), która została wykonana na płytkach cienkich dla najbardziej reprezentatywnych próbek z poszczególnych klas. Zintegrowanie otrzymanych wyników dotyczących struktury porowej (porowatość otwarta, rozkład porów), przepuszczalności Swansona oraz klas podobieństw zostało wykorzystane do wskazania stref o najlepszych własnościach zbiornikowych i filtracyjnych w badanej formacji.

Słowa kluczowe

EN

tight gas sandstones; rock typing; MICP; machine learning

PL

piaskowce typu tight-gas; klasy podobieństwa skał; MICP; uczenie maszynowe

• Wydawca: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
• Czasopismo: Nafta-Gaz
• Rocznik: 2020
• Tom: R. 76, nr 4
• Strony: 219--229
• Opis fizyczny: Bibliogr. 31 poz.

Twórcy

autor

Topór Tomasz

• Oil and Gas Institute – National Research Institute

Bibliografia

• Aliyev E., Saidian M., Prasad M., Russell B., 2016. Rock typing of tight gas sands. A case study in Lance and Mesaverde formations from Jonah field. Journal of Natural Gas Science and Engineering, 33:1260–1270. DOI:10.1016/j.jngse.2015.12.045.
• Amaefule J.O., Altunbay M., Tiab D., Karsey D.G., Keelan D., 1993. Enhanced Reservoir Description: Using Core and Log Data to Identify Hydraulic (Flow) Units and Predict Permeability in Uncored Intervals/Wells. Society of Petroleum Engineers. DOI: SPE-26436-MS.
• Archie G.E., 1950. Introduction to Petrophysics of Reservoir Rocks. AAPG Bulletin, 34: 943–961. http://archives.datapages.com/data/bulletns/1949-52/data/pg/0034/0005/0900/0943.htm?doi=10.1306%2F3D933F62-16B1-11D7-8645000102C1865D (accessed: October 2019).
• Brown A.A., 2015. Interpreting Permeability from Mercury Injection Capillary Pressure Data: AAPG Annual Convention and Exhibition, Denver, Colorado, 31 May–3 June 2015, 41660: 3–5.
• Comisky J.T., Newsham K., Rushing J.A., Blasingame T.A., 2007. A Comparative Study of Capillary-Pressure-Based Empirical Models for Estimating Absolute Permeability in Tight Gas Sands: Society of Petroleum Engineers. DOI:10.2118/110050-MS.
• Dolson J., 2016. Understanding oil and gas shows and seals in the search for hydrocarbons. Springer, 1–486. DOI: 10.1007/978-3-319-29710-1.
• Guise P., Grattoni C., Fisher Q.J., Schiffer A., 2017. Stress Sensitivity of Mercury. International Symposium of the Society of Core Analysts, Vienna, Austria, 27–30 August 2017, 1–12.
• Hartigan J.A., Wong M.A., 1979. Algorithm AS 136: A K-Means Clustering Algorithm. https://www.labri.fr/perso/bpinaud/userfiles/downloads/hartigan_1979_kmeans.pdf (accessed: May 2019).
• Jones S.C., 1997. A Technique for Faster Pulse-Decay Permeability Measurements in Tight Rocks. SPE Formation Evaluation, 12:19–26. DOI: 10.2118/28450-PA.
• Katz A.J., Thompson A.H., 1987. Prediction of Rock Electrical Conductivity from Mercury Injection Measurements. Journal of Geophysical Research, 92: 599–607.
• Kennedy R.L., Knecht W.N., Georgi D.T., 2012. Comparisons and Contrasts of Shale Gas and Tight Gas Developments, North American Experience and Trends. Society of Petroleum Engineers. DOI: 10.2118/160855-MS.
• Krakowska P., Puskarczyk E., Habrat M., Madejski P., Jędrychowski M., 2018. Parametry geometryczne przestrzeni porowej niskoporowatych piaskowców kambryjskich wyznaczone na podstawie wyników badań laboratoryjnych na próbkach z rdzeni wiertniczych. NaftaGaz, 11:783–788. DOI: 10.18668/NG.2018.11.01.
• Lan Y., Davudov D., Ghanbarnezhad Moghanloo R., 2017. Interplay between permeability and compressibility in shale samples. Journal of Petroleum Science and Engineering, 159: 644–653. DOI:10.1016/j.petrol.2017.09.072.
• Law B.E., Curtis J.B., 2002. Introduction to Unconventional Petroleum Systems: AAPG Bulletin, 86: 1851–1852. DOI: 10.1306/61EEDDA0-173E-11D7-8645000102C1865D.
• Leśniak G. 1999. Application of computer analysis of microscopic images in petrophysical investigations. Przegląd Geologiczny, 47: 644–651.
• Ma Y.Z., Moore W.R., Gomez E., Clark W.J. and Zhang, Y., 2015. Tight Gas Sandstone Reservoirs, Part 1: Overview and Lithofacies. Elsevier Inc., 405–427. DOI: 10.1016/B978-0-12-802238-2.00014-6.
• Mirzaei-Paiaman, A., Ostadhassan, M., Rezaee, R., Saboorian-Jooybari, H., and Chen, Z., 2018. A new approach in petrophysical rock typing. Journal of Petroleum Science and Engineering, 166:445–464. DOI: 10.1016/j.petrol.2018.03.075.
• Naik G.C., 2005. Tight Gas Reservoirs – An Unconventional Natural Energy Source for the Future. 1–32.
• Pittman E.D., 1992. Estimating Pore Throat Size in Sandstones from Routine Core-Analysis Data). AAPG Bulletin, 76: 191–198. http://www.searchanddiscovery.com/documents/pittman/ (accessed: May 2019).
• Purcell W.R., 1949. Capillary Pressures – Their Measurement Using Mercury and the Calculation of Permeability Therefrom. Journal of Petroleum Technology, 1: 39–48. DOI: 10.2118/949039-G.
• R Core Team, 2018. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. Vienna. https://www.r-project.org.
• Rabiller P., 2017. Combining porosimetry and Purcell permeability modeling to calibrate FZI and define a dynamic permeability cut off. Society of Core Analysts, 1–9.
• Rushing J.A., Newsham K.E., Blasingame T.A., 2008. Rock Typing: Keys to Understanding Productivity in Tight Gas Sands. Society of Petroleum Engineers. DOI: 10.2118/114164-MS.
• Skalinski M., Kenter J.A., Jenkins S., Tankersley T., 2011. Updated Rock Type Definition and Pore Type Classification of a Carbonate Buildup, Tengiz Field, Republic of Kazakhstan (Russian). Society of Petroleum Engineers. DOI: 10.2118/139986-ru.
• Skalinski M., Kenter J.A.M., 2014. Carbonate petrophysical rock typing: integrating geological attributes and petrophysical properties while linking with dynamic behaviour: Geological Society, London, Special Publications, 406: 229–259. DOI: 10.1144/sp406.6.
• Such P., Leśniak G., 2003. Parametry przestrzeni porowej skał. Kraków, Prace Instytutu Górnictwa Naftowego i Gazownictwa, 119: 63.
• Such P., Leśniak G., 2006. Warunki konieczne i wystarczające dla up-scalingu danych petrofizycznych. Nafta-Gaz, 11: 565–570.
• Such P., Leśniak G., Budak P., 2007. Kompleksowa metodyka badania właściwości petrofizycznych skał. Prace Instytutu Górnictwa Naftowego i Gazownictwa, 142: 69.
• Swanson B.F., 2007. A Simple Correlation Between Permeabilities and Mercury Capillary Pressures. Journal of Petroleum Technology, 33: 2498–2504. DOI: 10.2118/8234-pa.
• Washburn E.W., 1921. Note on a Method of Determining the Distribution of Pore Sizes in a Porous Material. Proceedings of the National Academy of Sciences of the United States of America, 7: 115–6. DOI: 10.1073/pnas.7.4.115.
• Webb P.A., 2001. An Introduction to the Physical Characterization of Materials by Mercury Intrusion Porosimetry with Emphasis on Reduction and Presentation of Experimental Data. Micromeritics Instrument Corp., 22: 1–23. DOI: 10.1177/004057368303900411.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).