تجزیه و تحلیل گونه های سنگی الکتریکی مخزن بنگستان در میدان نفتی مارون
محورهای موضوعی : پترو فیزیکابوذر محسنی پور 1 , بهمن سلیمانی 2 , احسان ابهرک پور 3 , قدرت الله نیکخواه 4
1 - علوم زمین
2 - دانشگاه شهیدچمران
3 - شرکت ملی حفاری
4 - شرکت ملی حفاری
کلید واژه:
چکیده مقاله :
مطالعات مربوط به گونه های سنگی الکتریکی نقش بسیار مهمی را در فرایند توسعه یک میدان ایفا می کند. در این مطالعات از داده های تخلخل-تراوایی مغزه و لاگ های چاهپیمایی جهت شبیه سازی مخزن استفاده می شود. در پژوهش حاضر در ابتدا با استفاده از داده های تخلخل و تراوایی حاصل از مغزه چاه پیمایی به روش شاخص منطقه ای جریان چهار واحد جریانی برای این مخزن تعیین گردید. در تعدادی از چاههای میدان با استفاده از لاگ های چاهپیمایی مدل اولیه گونه سنگی الکتریکی به سه روش SOM ، MRGC و DYNAMICتعیین گردید، رخساره های تعیین شده با روشهای مختلف با واحد جریانی تعیین شده تطابق داده و از بین آنها روش SOM که دارای بیشترین تطابق بود انتخاب گردید،از بین 9 الکتروفاسیس اولیه ایجاد شده با توجه به شباهت برخی از پارامترها مانند تخلخل موثر و لاگ گاما به 4 الکتروفاسیس تقلیل داده شد، جهت اطمینان از دقت تعئین گونه سنگی الکتریکی توسط شبکه های عصبی، این الکتروفاسیس ها با داده های فشار موئینه تطابق داده و پس از تائید الکتروفاسیس های تعیین شده با فشار موئینه این رخساره ها در سایر چاههای میدان انتشار داده شد که منجر به ایجاد مدلی گردید که توانایی جدایش بخش های مختلف مخزنی را از همدیگر دارا بود. در این مدل قسمت های مختلف مخزن از نظرکیفیت مخزنی تعیین گردید.
Studies of the electrical Rock Type a very important role in the development process plays a field.In these studies, theporo-perm Cores data and well log data used for reservoir simulations. In the present research, the flow of four flow units was determined in the reservoir using porosity and permeability data from well logging core by regional index method. In some wells, using well logging the basic model of electrical rocktype was determined with three methods of MRGC, SOM, and DYNAMIC. The determined facies by different methods were correlated with the flow unit. Finally, SOM method was selected, which has the best concordance. The initially created electrofacieswere reduced to 4 electrofacies due to the similarity of some parameters such as effective porosity and gamma logging. To ensure the accuracy of the electrical rock type by neural networks, these electrofacies were correlated with capillary pressure data. After confirming the determined electrofacies by capillary pressure, these facies were propagated in other wells in this field. This created a model, which was able to separate different parts of the reservoir. In this model, different parts of the reservoir were determined in terms of reservoir quality.
