Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Nafta-Gaz

1 2010

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Discrete Fracture Network

Sortuj według:

Ogranicz wyniki do:

Metodyka konstrukcji przestrzennych modeli szczelinowatości poziomów zbiornikowych

Sowiżdżał K., Stadtmuller M.

Nafta-Gaz

2010

R. 66, nr 3

159-166

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.

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.