Одним из ключевых параметров пласта, который определяет продуктивность скважин и динамику показателей разработки, является его проницаемость. Статистические параметры поля проницаемости пласта имеют высокую неопределенность, а их значения лежат в широком диапазоне. В связи с этим пласт рассматривается как пространственное тело, локальная проницаемость в межскважинном пространстве является случайным полем, масштабы корреляции которого малы по сравнению с характерными размерами всей системы. С помощью метода многовариантного численного гидродинамического моделирования (Монте-Карло) исследовано влияние статистических характеристик поля проницаемости на закономерности фильтрации флюидов в пористых средах. Показано, что статистические характеристики случайного поля проницаемости существенно влияют на характер течения жидкости в пористой среде. При сильной неоднородности проницаемости пласта течение жидкости происходит по образующимся каналам, а распределение дебита скважины подчиняется статистике Пуассона. Каналы преимущественной фильтрации изменяют динамику обводненности скважин и существенно влияют на показатели разработки пласта. Применение инструмента вариации статистических параметров поля проницаемости позволяет в ряде случаев исключить нефизичную модификацию исходных параметров гидродинамической модели, что повышает ее предсказательную способность.
Список литературы
1. Михайлов Н.Н. Проницаемость пластовых систем. – М.: РГУ нефти и газа имени И.М. Губкина, 2006. – 186 с.
2. Дюбрюль О. Геостатистика в нефтяной геологии. – М.-Ижевск: Институт компьютерных исследований, 2009. – 256 с.
3. Pyrcz M.J., Deutch C.V. Geostatistical Reservoir Modeling. - Oxford University Press, 2014. – P. 427.
4. Tyler K.J., Svanes T., Henriquez A. Heterogeneity Modelling used for a Production Simulation of a Fluvial Reservoir // SPE-25002-PA-1994. –
https://doi.org/10.2118/25002-PA
5. Салле К., Дебизер Ж. Формирование нефтяных залежей. – М.: Недра, 1978. – 245 с.
6. Neiderau I. Analyzing the influence of correlation length in permeability on convective systems in heterogeneous aquifers using entropy production // Journal Geothermal Energy. – 2019. – № 15. - http://doi.org/10.1186/s40517-019-0151-6
7. Швидлер М.И. Статистическая гидродинамика пористых сред. – М.: Недра, 1985. – 288 с.
8. Dagan G. Stochastic Modeling of Groundwater Flow by Unconditional and Conditional Probabilities // Water resources research. – 1982. - V. 18 (4). -P. 835-848. - http://doi.org/10.1029/WR018i004p00835
9. Tchelepi H., Zhang D., Li L. Perturbation-based moment equation approach for flow in heterogeneous porous media: applicability rang and analysis of high-order terms // Journal of Computational Physics. – 2003. - V. 188 (1). – P. 296-317. - http://doi.org/10.1016/S0021-9991(03)00186-4
10. Novikov A.V. Posvyanskii D.V. The use of Feynman diagrammatic approach for well test analysis in stochastic porous media // J. Comp. Geoscience. - 2020. –
V. 24. – P. 921-931. - https://doi.org/10.1007/s10596-019-09880-1
11. Posvyanskii D.V. Investigation of well inflow in highly heterogeneous stochastic porous media, ECMOR 2024.
12. Рытов С.М. Введение в статистическую радиофизику. Ч. 1. Случайные процессы. – М.: Наука, 1966. – 960 с.
