Алгоритм рок-типизации карбонатных пород коллекторов с использованием интегрированного подхода (IRT)

Целью типизации карбонатных пород является реалистичное распределение скважинных данных в 3D-модели и пространственное распространение соответствующих рок-типов, от которых будут зависеть объем запасов УВ и динамические характеристики течения. Стандартные подходы к рок-типированию карбонатных пород основываются на текстурно-структурных особенностях, классификации пор, применении электрофаций или выделении единиц потока (FZI) и часто являются ошибочными по причине того, что опираются исключительно на процессы осадконакопления или математическое обоснование. В результате выделенные рок-типы могут плохо отражать реальное распределение характеристик пород-коллекторов.

Материалы и методы. Описанный в работе подход позволяет устранить подобные ошибки путем выделения интегрированных рок-типов, которые контролируют статические свойства и динамическое поведение коллектора, при этом оптимально отражают геологические характеристики (диагенетические преобразования, особенности осадконакопления, а также их взаимный эффект) и петрофизические свойства (ФЕС, взаимосвязь пористость-проницаемость, водонасыщенность, радиусы поровых каналов и другие). Интегрированный алгоритм состоит из 8 шагов, позволяющих на выходе получить рок-типы, максимальным образом связывающие воедино все характеристики породы, доступные при изучении имеющейся исходной информации. Первый тест на месторождении Ближнего Востока подтвердил применимость данной методики.

Результаты. Результатом работы явилось создание программного продукта (свидетельство о государственной регистрации программы для ЭВМ Lucia, регистрационный номер 2021612075 от 11.02.2021 г.), позволяющего автоматизировать процесс выделения рок-типов с целью оперативного выбора наиболее оптимального метода, а также возможности интегрирования (комплексирования) различных подходов к выделению типов. В рамках продукта внедрены технологии машинного обучения с целью предсказания рок-типов на основе каротажных диаграмм в интервалах, не освещенных керновыми исследованиями, а также в скважинах, в которых отсутствует отбор керна.

1. Gomes J.S., et al. Reservoir Rock Typing. The Link between Geology and SCAL. “Abu Dhabi International Petroleum Exhibition and Conference”, Abu Dhabi, UAE, 3–6 November, 2008 (IPTC-13120-MS).

2. Rebelle M., Bruno L. Rock Typing in Carbonates: A Critical Review of Clustering Methods. “Abu Dhabi International Petroleum Exhibition and Conference”, Abu Dhabi, UAE, 10–13 November, 2014. doi: 10.2118/171759-MS.

3. Lucia F.J. Petrophysical parameters estimated from visual descriptions of carbonate rocks: a field classification of carbonate pore space. SPE ATCE, San Antonio, 5–7 October, 1983 (SPE 10073).

4. Amaefule J.O., Altunbay M., Tiab D., Kersey D.G., Keelan D.K. Enhanced reservoir description: using core and log data to identify hydraulic (flow) units and predict permeability in uncored intervals/wells. 68th SPE ATCE, Houston, 3–6 October, 1993 (SPE 26436).

5. Skalinski M., Kenter J. Carbonate Petrophysical Rock Typing — Integrating Geological attributes and Petrophysical Properties While Linking with Dynamic Behavior. Geological Society. 30 May 2014, London, Special Publications, 406, pp. 229-259. doi: 10.1144/SP406.6