Вероятностная оценка запасов продуктивных пластов с высокой песчанистостью и низкой связанностью на примере ачимовских отложений

UDK: 553.98.048
DOI: 10.24887/0028-2448-2023-11-78-82
Ключевые слова: ачимовская толща, низкая связанность, вероятностная оценка, вероятностный подсчет геологических запасов, оценка неопределенностей
Авт.: О.А. Попова (Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)), И.С. Вершинин (Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)), Н.В. Жуйкова (Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»))

Интерес к вовлечению в разработку ачимовских отложений ставит новые задачи в части геологического моделирования. Опыт разведочного и эксплуатационного бурения на ачимовские отложения показал, что один из ключевых рисков связан со сложным распределением флюидов в разрезе продуктивных пластов, которое указывает на наличие гидродинамически изолированных линз, масштаб которых зачастую меньше разрешающей способности сейсморазведки. Использование наиболее распространенных алгоритмов моделирования при высокой песчанистости разреза приводит к получению моделей с очень высокой связанностью коллекторов, которая в силу особенностей формирования, как правило, не характерна для турбидитовых отложений. В статье проанализированы наиболее распространенные алгоритмы 3D моделирования в контексте применимости для вероятностной оценки ачимовских отложений на примере продуктивных пластов Ач0-Ач4 Западно-Песцового месторождения. Для каждого из рассмотренных методов приведены преимущества и ограничения по использованию. Сделан вывод, что для решения поставленной задачи на текущем этапе проекта для рассматриваемого объекта оптимальным является объектный метод. Применение этого метода позволило рассмотреть множество альтернативных вариантов в части размеров изолированных тел, их насыщения нефтью, газом и водой. В результате оценки выявлено, что отношение Р10/Р90 по геологическим запасам в каждой линзе, вскрытой скважинами, составляет от 6 до 8, при этом скважинами вскрыто только около 20 % потенциально продуктивных тел, что свидетельствует об очень низкой изученности запасов и высоких рисках эксплуатационного бурения. Применение аналогичного подхода для вероятностной геологической оценки в условиях невысокой изученности возможно и для пластов, представленных отложениями иного генезиса, характеризующихся низкой связанностью и рисками, обусловленными осбенностями насыщения изолированных тел.

Список литератур

1. Ключевые проблемы освоения ачимовских отложений на разных масштабах исследования / М.В. Букатов, Д.Н. Пескова, М.Г. Ненашева [и др.] // PROНЕФТЬ. Профессионально о нефти. – 2018. – №2. – С. 16–21.

2. Комплексный анализ факторов, влияющих на прогноз зон подвижной воды в ачимовских пластах на лицензионных участках компании «Газпром нефть» / Н.Н. Плешанов, Д.Н. Пескова, А.А. Забоева [и др.] // PROНЕФТЬ. Профессионально о нефти. – 2020. – №3. – С. 16–25.

3. Compression-Based Modelling Honouring Facies Connectivity in Diverse Geological Systems / T. Manzocchi, D.A. Walsh, J. López-Cabrera [et al.] // Springer Proceedings in Earth and Environmental Sciences: Geostatistics Toronto 2021 – Quantitative Geology and Geostatistics. – 2023. – P. 111–117. – http://doi.org/10.1007/978-3-031-19845-8_8

4. Методология и практика анализа неопределенности геологических моделей ачимовских отложений на примере Уренгойского месторождения / Н.Ю. Натчук, В.О. Монахова, С.И. Пахомов [и др.] // Нефтепромысловое дело. – 2019. – №11(611). – С. 15–25.

5. Intrinsic controls on the range of volumes, morphologies, and dimensions of submarine lobes / A. Prélat, J.A. Covault, D.M. Hodgson [et al.] // Sedimentary Geology. – 2010. – №1–2(232). – P. 66–76. – https://doi.org/10.1016/J.SEDGEO.2010.09.010

6. Deutsch C. Geostatistical reservoir modeling. – Oxford: Oxford University Press, 2002. – 392 p.

7. Ковалевский Е.В. Геологическое моделирование на основе геостатистики. - М.: EAGE, 2011. – 117 с.

8. Zhang L., Pan M., Li Z. 3D modeling of deepwater turbidite lobes: a review of the research status and progress // Petroleum Science. – 2020. – No. 17. – P. 317–333. – http://doi.org/10.1007/s12182-019-00415-y

9. Stratigraphic rule-based reservoir modeling / M.J. Pyrcz, R.P. Sech, J.A Covault [et al.] // Bulletin of Canadian Petroleum Geology. – 2015. – No. 4 (63). – P. 287–303. – http://doi.org/10.2113/gscpgbull.63.4.287

10. Walsh D.A., Manzocchi T. A method for generating geomodels conditioned to well data with high net:gross ratios but low connectivity // Marine and Petroleum Geology. – 2021. – No. 129. – https://doi.org/10.1016/J.MARPETGEO.2021.105104

11. Rose P.R. Risk analysis and management of petroleum exploration ventures. - Tulsa, Okla.: American Association of Petroleum Geologists, 2001. – 164 p.

12. Попова О.А. Влияние корреляций на результаты вероятностного геологического моделирования // Нефтегазовая геология. Теория и практика. - 2020. – № 3. – https://doi.org/10.17353/2070-5379/27_2020



Внимание!
Купить полный текст статьи (русская версия, формат - PDF) могут только авторизованные посетители сайта.