اعتبارسنجی استفاده از الگوریتم های زمین‌آماری تصادفی در مدل‌سازی رخساره الکتریکی در مخزن سروک یکی از میادین نفتی ایران

مهدی پور, ولی; ربانی, احمد رضا; کدخدایی, علی; کرکوتی, هومن; شوراب, محسن

doi:10.22084/psj.2023.27007.1374

اعتبارسنجی استفاده از الگوریتم های زمین‌آماری تصادفی در مدل‌سازی رخساره الکتریکی در مخزن سروک یکی از میادین نفتی ایران

نویسندگان

¹ دانشجوی دکترا مهندسی اکتشاف نفت، دانشکده مهندسی نفت، دانشگاه صنعتی امیرکبیر، تهران، ایران

² استاد گروه مهندسی اکتشاف نفت، دانشکده مهندسی نفت، دانشگاه صنعتی امیرکبیر، تهران، ایران

³ دانشیار گروه زمین‌شناسی، دانشکده علوم، دانشگاه تبریز، تبریز، ایران

⁴ شرکت مهندسی و توسعه سروک آذر، تهران، ایران

10.22084/psj.2023.27007.1374

چکیده

ساخت انواع مدلهای رخساره‌ای جهت اعمال تاثیر زمینشناسی و رسوبشناسی و کنترل توزیع خواص پتروفیزیکی در توزیع زمین‌آماری خواص مخزنی در مدل‌سازی استاتیک ضروری میباشد. در این مطالعه، به منظور استفاده از مدل رخساره‌ای در مدل‌سازی استاتیک، نخست رخساره الکتریکی با استفاده از روش خوشه‌سازی چند تفکیکی بر پایه گراف MRGC تهیه گردید. رخسارههای حاصل، با استفاده از الگوریتمهای زمین‌آماری مختلف در نرمافزار پترل، به صورت سهبعدی مدل‌سازی و سپس نتایج حاصل از استفاده از روشهای مختلف توزیع، مورد مقایسه قرار گرفتند. براساس آنالیز رخسارههای الکتریکی، نخست پنج رخساره الکتریکی (مشتمل بر دو رخساره غیرمخزنی و سه رخساره مخزنی) تشخیص داده شدند. به منظور مقایسه تاثیر الگوریتمهای مختلف توزیع رخسارهای، سه رخساره مخزنی باهم و دو رخساره غیرمخزنی با همدیگر تلفیق شده و به صورت دو رخساره کلی مخزنی و غیرمخزنی در مدل‌سازی رخساره‌ای توزیع گشتند. همچنین از داده‌های لرزه‌ای جهت ساخت نقشههای روندی برای توزیع بهتر رخساره‌ها و ساخت رخساره لرزه‌ای استفاده گردید. به منظور بررسی میزان تاثیر الگوریتمهای متعدد به کار گرفته شده در مدل‌سازی رخساره‌ای بر روی توزیع تخلخل، پس از ساخت پنج نوع مدل رخساره‌ای با الگوریتمهای مختلف، از آنها در توزیع تخلخل استفاده گردید. براساس این مطالعه، در صورتی که داده‌های رخساره الکتریکی بدون استفاده از داده‌های لرزه‌ای توزیع شوند، عدم قطعیت بالایی داشته و ممکن است از دقت توزیع مدلهای تخلخل وابسته کاسته شود. در این مطالعه مشخص شد که در مدل‌سازی رخساره‌ای با استفاده از روش شبیهسازی شاخص ترتیبی (SIS)، در نظر گرفتن نقشههای روندی تهیه شده براساس دادههای لرزه‌ای باعث افزایش دقت آن میشود. همچنین ساخت رخساره لرزه‌ای و استفاده از آن در توزیع تخلخل به دلیل ارتباط بالای داده‌های مقاومت صوتی با تغییرات تخلخل، به عنوان بهترین روش رخساره‌ای جهت کنترل توزیع تخلخل پیشنهاد میگردد.

کلیدواژه‌ها

عنوان مقاله [English]

Validation of applying stochastic geostatistical algorithms in electrofacies modeling in Sarvak reservoir of an Iranian oilfield

نویسندگان [English]

V. Mehdipour ¹
A. R. Rabbani ²
A. Kadkhodaie ³
H. Karkooti ⁴
M. Shourab ⁴

¹ Ph. D. student of Petroleum exploration engineering, Dept., of Petroleum Engineering, Amirkabir University of technology, Tehran, Iran

² Prof., Dept., of Petroleum exploration engineering, Dept., of Petroleum Engineering, Amirkabir University of technology, Tehran, Iran

³ Assoc. Prof., Dept., of Geology, Faculty of science, University of Tabriz, Tabriz, Iran

⁴ Sarvak Azar Engineering and Development Company (SAED), Tehran, Iran

چکیده [English]

Constructing different facies models is necessary in reservoir static modeling to consider the effect of geology and sedimentology and also control the geostatistical distribution of petrophysical properties. In this study, electrofacies analysis has been done using MRGC (Multi-resolution graph-based clustering) method to be used in static modeling. Then, the resulting facies were modeled and compared together by applying different geostatistical stochastic algorithms in Petrel software. Based on electrofacies analysis, first five electrofacies (including two non-reservoir facies and three reservoir facies) were identified. In order to compare the effect of different facies distribution algorithms, three reservoir facies and two non-reservoir facies were combined and then two resulted facies were distributed as reservoir and non-reservoir facies in facies modeling. Seismic data was also applied for seismic facies construction and also to construct trend maps for appropriate facies distribution. In order to investigate the effect of five applied different geostatistical algorithms used in facies modeling on porosity distribution, the constructed facies models were used for porosity modeling. According to this study, the uncertainty of electrofacies modeling without applying seismic data increases which in turn reduces the accuracy of porosity models. In addition, electrofacies modeling via considering the sequential indicator simulation (SIS) algorithm and applying the seismic trend maps, enhance the accuracy of the porosity model. Moreover, this study showed, construction the seismic facies is the best method for facies modeling to be used for porosity modeling due to the high correlation coefficient between acoustic impedance and porosity.

کلیدواژه‌ها [English]

Sarvak reservoir
Static model
Seismic facies
Porosity
MRGC

مراجع

Afshar Harb, A (2003) Petroleum Geology Books. Publications PNU, Iran. (In Persian).

Aghanabati, A (2006) Geology of Iran. Geological Survey of Iran, Tehran, 586. (In Persian).

Beucher, H., Renard, D (2016) Truncated Gaussian and derived methods. Comptes Rendus Geoscience, 348 (7), 510-519.‏ doi.org/10.1016/j.crte.2015.10.004.

Casini, G., Gillespie, P. A., Verges, A., Romaire, I., Fernandez, N., Casciello, E., Saura, E., Mehl, C., Homke, S., Embry, J. C., Aghajari, L., And Hunt, D. W (2011) Sub-seismic fractures in foreland fold and thrust belts: insight from the Lurestan Province, Zagros Mountains, Iran. Petroleum Geoscience. 17: 263–282. doi.org/10.1144/1354-079310-043.

Deutsch, C. V (2002) Geostatistical Reservoir Modeling, Oxford Univrsity Press, 337 p.

Evans Annan, B., Aidoo, A., Ejeh, C., Emmanuel, A., & Ocran, D (2019) Mapping of porosity, permeability and thickness distribution: application of geostatistical modeling for the jubilee oilfield in Ghana. Geosciences, 9(2): 27-49.‏ doi.org/10.5923/j.geo.20190902.01.

GhojehBeyglou, M (2021) Geostatistical modeling of porosity and evaluating the local and global distribution. Journal of Petroleum Exploration and Production Technology, 11(12): 4227-4241.‏ doi.org/10.1007/s13202-021-01308-w.

Hosseini, K., Rezaee, P., & Kazem Shiroodi, S (2020) Analysis of the electrofacies, flow units and assessment of the reservoir potential of the Mishrif Formation (Cenomanian-Turonian) in the Esfand oil field, Persian Gulf. Applied Sedimentology, 8(15): 46-64. (in Persian).

doi.org/10.22084/psj.2020.19710.1214.

Kadkhodaie-Ilkhchi, R. and Kadkhodaie, A. and Rezaee, M. R. and Mehdipour, V (2019) Unraveling the reservoir heterogeneity of the tight gas sandstones using the porosity conditioned facies modeling in the Whicher Range field, Perth Basin, Western Australia. Journal of Petroleum Science and Engineering. 176: 97-115. doi.org/10.1016/j.petrol.2019.01.020.

Mariethoz, G., Caers, J (2015) Multiplepoint geostatistics, John Wiley & Sons, Ltd, USA.

Mehdipour, V., Hashemiyan, K (2014) Comparison of static reservoir modeling using PETREL versus IRAP_RMS, NIOC Publication (Ekteshaf & Tolid), 121: 42-38. (in Persian).

Mehdipour, V., Rabbani, A., Kadkhodaie, A (2022) Porosity Modeling Using Simultaneously Seismic Attribute and Electrofacies Data in Sarvak Reservoir of an Iranian Oil Field. Journal of Petroleum Research, 32: 113-128. (in Persian).

Motiee, H (1993) Zagros Stratigraphy. Iranian Geological Survey, Tehran, Iran. 536 p. (in Persian).

Pyrcz, M., Deutsch, C (2014) Geostatistical reservoir modeling. Oxford University Press.

Radwan, A. E (2022) Three-dimensional gas property geological modeling and simulation. In Sustainable Geoscience for Natural Gas Subsurface Systems (pp. 29-49). Gulf Professional Publishing.‏ doi.org/10.1016/B978-0-323-85465-8.00011-X

Selley, R. C (1994) Ancient Sedimentary Environment. 4ed., Champman & Hall, London, 300 P.

Serra, O. & Abbot, H (1982) The contribution of logging data to sedimentology and stratigraphy. SPE. 55th Annual Fall Technical Conference and Exhibition, Dallas, Texas, 117-131. doi.org/10.2118/9270-PA

Sfidari, E., Kadkhodaie-Ilkhchi, A., & Najjari, S (2012) Comparison of intelligent and statistical clustering approaches to predicting total organic carbon using intelligent systems. Journal of Petroleum Science and Engineering, 86: 190-205. doi.org/10.1016/j.petrol.2012.03.024.

Sharland, P. R., Archer, R., Casey, D. M., Davies, R. B., Hall, S. H., Heward, A. P., Simmons, M. D (2001) Sequence stratigraphy of the Arabian Plate. GeoArabia, 2: 371. doi.org/10.2113/geoarabia0901199.