Wyniki wyszukiwania - BazTech

1

Adaptation of methodology of Discrete Fracture Network (DFN) model building for selected lower Paleozoic intervals

Kaczmarczyk W., Lis-Śledziona A.

Nafta-Gaz

|

2017

|

R. 73, nr 11

843--850

EN

Formation containing hydrocarbons, characterized as low permeable, has to be stimulated to begin fluid flow. Before stimulated process designing, model of discrete fracture network (DFN) has to be developed to predict pathways for hydrocarbon migration after stimulation process. Because shale formation has high content of TOC which is correlated with fracture presence, beside others, relation of these two parameters will be use to predict spatial distribution of natural fractures. Existence of this relation is a new, not considered so far in Polish fractured reservoirs, fracture driver. The purpose of article is an adaptation of DFN construction methodology for shale and sand formation from Baltic basin, Poland. In this case XRMI measurements and seismic data were used.

PL

Skały zasobne w węglowodory, charakteryzujące się anomalnie niskimi przepuszczalnościami, należy poddać zabiegom stymulacji, aby umożliwić przepływ mediów złożowych do odwiertów. Etapem poprzedzającym proces projektowania zabiegu szczelinowania analizowanego obiektu złożowego jest charakterystyka przestrzenna istniejącej już naturalnej szczelinowatości będącej odpowiedzią na panujący w otoczeniu reżim naprężeń, której sieć spękań stanowi potencjalną ścieżkę migracji płynów zakumulowanych w górotworze. W przypadku niekonwencjonalnych formacji typu shale, z uwagi na współistnienie zarazem skały macierzystej i zbiornikowej, mamy do czynienia z materią organiczną, której obecność – jak wykazano – istotnie wpływa na występowanie szczelin. Uwzględnienie istnienia zależności między TOC a parametrem intensywności zeszczelinowania stanowi nowy, nierozważany do tej pory w polskich warunkach, wskaźnik szczelinowatości dla budowy modelu sieci szczelin DFN (Discrete Fracture Network). Szczelinowatość analizowana była na wybranym obszarze Pomorza w wytypowanych interwałach: łupkowym i piaskowcowym dolnego paleozoiku, bazując na mikroopornościowych obrazach ścian otworów i danych sejsmicznych.

2

Fracture network modelling for shale rocks – a case study from the Baltic Basin

Ząbek G., Michna M.

Geology, Geophysics and Environment

|

2015

|

Vol. 41, no. 1

147

EN

The discrete fracture network (DFN) approach offers many key advantages over conventional dual porosity approaches when the geometry and properties of discrete fractures play a significant role in geomechanics, and resource assessment (Dershowitz & Doe 1988). A comparison of the simulated data to real fractures observed on core samples increases confidence in the DFN approach. A DFN model typically combines deterministic and stochastic discrete fractures. The deterministic fractures are those directly imaged through seismic or intersected by wells. Other, usually smaller-scale fractures may not have been detected through seismic, yet may be very important for reservoir performance. These fractures are generated stochastically (Parney et al. 2000). The aim of this study is prediction of fracture properties for the Lower Palaeozoic shale rocks. The input data included seismic survey data, and well logs with FMI interpretation that were calibrated with measurements and observations on the cores to ensure accuracy in the estimates of fractures properties. This study was performed using Petrel software from Schlumberger. Typical workflows for modelling of oil and gas reservoirs were applied (e.g. Zakrevsky 2011). The result was a 3D fracture distribution model consisting of four zones. In each zone two generations of fractures were modelled based on well log data. Several seismic attributes were additionally considered as fracture density drivers for the spatial modelling. Finally, the ant tracking structural attribute was chosen as the best indicator of faults and fractures in a seismic cube. To improve the quality of the DFN model, should define the local stress distributions.

3

Metodyka konstrukcji przestrzennych modeli szczelinowatości poziomów zbiornikowych

Sowiżdżał K., Stadtmuller M.

Nafta-Gaz

|

2010

|

R. 66, nr 3

159-166

PL

Z uwagi na znaczny udział węglowodorów zakumulowanych w skałach węglanowych, z których większość cechuje się obecnością szczelinowatości, dokładne scharakteryzowanie systemów szczelin i ich wpływu na przepływ mediów złożowych odgrywa istotną rolę w procesie zagospodarowania złóż w węglanowych skałach zbiornikowych. Obecnie dostępne są na rynku pakiety oprogramowania oferujące narzędzie pozwalające charakteryzować szczelinowatość skał zbiornikowych; zarówno w formie przestrzennego modelu nieciągłej sieci szczelin (DFN – Discrete Fracture Network), jak również parametryzacji tego modelu – w postaci przestrzennych modeli przepuszczalności w kierunkach horyzontalnych k(i) i k(j) oraz w kierunku pionowym k(k), a także współczynnika sigma i porowatości szczelinowej, które mogą być wykorzystane jako dane wejściowe w procesie symulacji złóż porowo-szczelinowych, wraz z parametrami charakteryzującymi matrycę skalną. Artykuł przedstawia metodykę konstrukcji modeli szczelinowatości uwzględniającą przestrzenną orientację szczelin, jaka została przetestowana na przykładzie górnojurajskiego poziomu zbiornikowego w zapadlisku przedkarpackim. Identyfikacja szczelin oraz ich interpretacja, uwzględniająca kąty upadu i azymuty upadu poszczególnych szczelin, została wykonana w oparciu o profilowania CAST. Analiza statystyczna wyników interpretacji profilowań CAST pozwoliła na wyróżnienie trzech grup szczelin, ze względu na dominujący azymut ich upadu. Dla każdej z wyróżnionych grup obliczono rozkłady intensywności zeszczelinowania wzdłuż profili analizowanych odwiertów, które w dalszej kolejności uśredniono, w interwałach odpowiadających pionowej rozdzielczości modelu. W konsekwencji wykorzystano je jako dane twarde w procesie konstrukcji przestrzennych modeli intensywności zeszczelinowania dla każdej z wyróżnionych grup szczelin, wraz z danymi sterującymi rozkładem, które zastosowano w co-krigingu algorytmu symulacyjnego. Wygenerowano kilkanaście wskaźników szczelinowatości (fracture drivers); zarówno sejsmicznych, jak i geomechanicznych (pochodnych budowy strukturalnej, takich jak krzywizna powierzchni strukturalnej czy odległość od uskoków), które przetwarzano za pomocą sieci neuronowych w celu uzyskania pojedynczych meta-atrybutów intensywności zeszczelinowania dla każdej z wydzielonych grup szczelin, a następnie wykorzystano jako dane sterujące przestrzennymi rozkładami intensywności zeszczelinowania. Parametry intensywności zostały wykorzystane w procesie modelowania przestrzennego, nieciągłego systemu szczelin, jako dane definiujące gęstość dystrybucji szczelin każdej z grup w obrębie grida 3D. Nieciągły system szczelin został poddany parametryzacji z wykorzystaniem metody Oda; w efekcie obliczono takie własności jak: przepuszczalności systemu szczelin w kierunkach horyzontalnych k(i) i k(j) oraz w kierunku pionowym k(k), współczynnik sigma, a także porowatość szczelinową. Wyniki tego procesu zostały skalibrowane wynikami interpretacji testów otworowych.

EN

Due to the fact that substantial share of hydrocarbons are accumulated in carbonate rocks, most of which were subjected to natural fracturing, accurate characterization of fracture systems and its impact on fluid flow play an important role in carbonate reservoirs development. Presently, there are available software packages that offer tools for characterizing fracture systems in terms of construction discrete fracture networks as well as up-scaling DFN and generating fracture properties, such as k(i), k(j), k(k), sigma factor and fracture porosity, that can be used as an input for dual – porosity reservoirs simulation together with matrix properties. The article presents methodology of fracture modeling, taking into account fractures' spatial orientation that has been used for upper-jurassic carbonate reservoir layer in Carpathian Foredeep. Fractures have been identified from CAST image logs, and interpreted in terms of their depths, dip angles and dip azimuths. Statistical analysis of CAST logs interpretation results enabled distinction of three sets of fractures with respect to their dip azimuth values. For each set of fracture intensity logs have been calculated which was later up-scaled and used as hard data for population of 3D grid together with soft data used in co-kriging of simulation algorithm. Several fracture drivers has been generated, both seismic and geomechanical (structural derivatives such as surface curvature, distance from faults), which was later processed with neural nets to arrive with single meta-attribute of fracture intensity for each fracture set. Intensity properties was used in discrete fracture network modeling process as a parameters defining density of fracture distribution for each set. Discrete fracture network has been up-scaled to fracture properties, such as fracture permeabilities k(i), k(j), k(k}) sigma factor and fracture porosity using simplified Oda method. Results of DFN up-scaling process was calibrated using well test data.