Роль сетей разлома в оценке запасов сланцевой нефти
Геологические истоки сетей разрыва в сланцевых образованиях
Естественные сети разрывов в сланцевых водоемах возникают в результате взаимодействия тектонических сил, истории захоронений и диагенетических реакций, действующих в течение миллионов лет. В богатых органическими веществами сланцах созревание керогена генерирует внутреннее давление пор, которое микроразрывает само органическое вещество. Региональная тектоника — растяжение, компрессионное сворачивание, солевой диапиризм — накладывает режимы напряжения, которые контролируют ориентацию, расстояние и интенсивность более крупных суставов и разломов. Получающаяся система разрывов иерархическая: наноразмерные трещины в керогене, микроразрывы, соединяющие неорганические поры, и макроразрывы, простирающиеся на десятки метров. Механическая стратиграфия — вертикальные изменения в минералогии, хрупкости и органическом содержании — определяет, где трещины образуются преимущественно. Хрупкие, богатые кремнеземом или карбонатом слои сильно деформируются; пластичные, пластичные, богатые глиной интервалы деформируются пластически. Многие трещины
Время образования трещин относительно образования углеводородов имеет решающее значение. Ранние трещины заполняются цементом и мертвы для потока. Переломы поздней стадии, которые развиваются во время или после пиковой добычи нефти, остаются открытыми, обеспечивая эффективные каналы. Геологи используют анализ включения жидкости и изотопное датирование для ограничения, когда трещины открываются и герметизируются. Эта временная связь является решающим фактором в том, обеспечивает ли сланцевая игра коммерческое производство.
Критическая роль разрывной связи
Абсолютный изобилие трещин имеет меньшее значение, чем связь. Высокоразрывная, но плохо связанная сеть ведет себя как матрица с слегка повышенной проницаемостью. Скудная, но хорошо связанная сеть может направлять большие объемы жидкости на большие расстояния. Теория перколяции определяет критическую плотность трещин, за которой сеть становится глобально связанной. Этот порог перколяции зависит от распределения длины трещин, кластеризации ориентации и механического взаимодействия между множествами. Разница между резервуаром ниже порога и немного выше может означать сухое отверстие по сравнению с скважиной, производящей более 1000 баррелей в день. Индекс критической интенсивности трещин — минимальная плотность трещин для экономического потока — является стандартным параметром скрининга в оценках сланцев.
Связь развивается во время производства. По мере снижения давления поры повышается эффективный стресс, в результате чего некоторые трещины закрываются, а другие сдвигаются, динамически изменяя сеть. Это зависящее от времени соединение является основным источником неопределенности в долгосрочных прогнозах. Передовые модели геомеханического потока моделируют, как связь изменяется в течение жизни скважины, обеспечивая более реалистичную основу для оценки окончательного восстановления.
Переломы как множители проницаемости
Проницаемость сланцевой матрицы колеблется от нанодарностей до нескольких сотен нанодарностей. Естественные трещины с апертурами всего в несколько микрон могут повысить эффективную проницаемость по факторам от 10 до 10 000. Кубинский закон течения трещины утверждает, что протекание через гладкий разрыв параллельной пластины пропорционален кубу апертуры. Небольшие увеличения выхода открывания экспоненциального прироста в проводимости. Концепция двойной пористости, формализованная Баренблаттом, Желтовым, а позднее Уорреном и Корнем, фиксирует это: матрица хранит углеводороды, но система разрушения контролирует скорость производства. Сдвиг разрыва между одной футой и одной на пять футов может изменить расчетный коэффициент восстановления на 30% и более.
Во время производства истощение давления быстро распространяется по проводящим трещинам, создавая большую площадь просадочной поверхности между стенками трещин и матричными блоками. Гидравлический разрыв усиливает связь, связывая естественные трещины, которые в противном случае оставались бы изолированными, образуя стимулированный объем резервуара (SRV) переплетенных естественных и индуцированных трещин. Микросейсмический мониторинг показывает, что обработка давлений преимущественно открытыми естественными трещинами, ориентированными благоприятно на поле напряжения на месте. Точное отображение естественных трещин имеет важное значение для проектирования завершения, как подчеркивается в отраслевые исследования по гидравлическому разрыву от Общества инженеров-нефтяников. Понимание того, какие наборы трещин реактивируются, позволяет операторам оптимизировать интервалы стадий, размещение кластеров и графики насосов.
Прямое влияние на оценку резервов
Технически извлекаемые запасы рассчитываются из общей нефти на месте (чистая оплата, пористость, насыщенность), умноженной на коэффициент восстановления. Факторы восстановления в сланцевых месторождениях обычно варьируются от 3% до 10%, высокочувствительные к подключению к сети и проводимости трещин. Хорошо подключенная система связывается с большим объемом матрицы, увеличивая предполагаемый конечный объем извлечения (EUR). Разреженные или герметичные трещины оставляют много нефти. Характеристика трещины непосредственно влияет на уравнение извлечения и забронированные запасы.
Для публичной отчетности компании должны продемонстрировать технически обоснованные модели разрушения, поддерживаемые прямыми наблюдениями. Система управления ресурсами нефтепродуктов (PRMS) и руководящие принципы SEC требуют производственных данных или окончательных испытаний формирования для поддержки доказанных запасов. В нетрадиционных условиях это часто зависит от демонстрации достаточно развитой сети разрушения для поддержания коммерческих ставок. Хорошо с сильным первоначальным производством, но плохая связь может снижаться слишком быстро для доказанных запасов. Характеристика разрыва обеспечивает переход от условных к забронированным запасам, непосредственно влияя на оценки компании.
Оценки в масштабе бассейна Геологической службой США и Управлением энергетической информации полагаются на региональные тенденции переломов для оценки технически извлекаемых объемов. Ошибки могут привести к разнице в порядках величин. Например, переоценка игры Пермского волккампа в 2018 году включала новые данные об интенсивности переломов из горизонтальных ядер, что привело к увеличению предполагаемых технически извлекаемых ресурсов на 46% по сравнению с более ранними моделями.
Методы для характеристики сетей с разрывом
Поскольку переломы охватывают нанометры до километров, требуется многопрофильный инструментарий. Следующие методы регулярно интегрируются для построения надежных моделей переломов.
3D сейсмическая визуализация для обнаружения крупномасштабных трещин
Современные 3D сейсмические данные, обработанные с помощью продвинутых алгоритмов миграции, разрешают неисправности и коридоры трещин длиной в сотни метров. Атрибуты, такие как когерентность, кривизна и объемное падение, выделяют разрывы; алгоритмы отслеживания муравьев отслеживают линии. Эти карты сейсмического масштаба направляют горизонтальное планирование скважин и идентифицируют зоны высокой интенсивности, коррелирующие со сладкими пятнами. Ограничения разрешения (десятки метров) означают, что субсейсмические трещины остаются невидимыми, требуя калибровки с данными скважин. Многоатрибутный анализ, сочетающий когерентность, кривизну и атрибуты, полученные из AVO, улучшает обнаружение субсейсмических трещинных роев, но разрыв в масштабах остается проблемой.
Базовый и микроскопический анализ для прямого измерения
Цельное ядро и боковое ядро обеспечивают прямые измерения плотности переломов, ориентации, апертуры и заполнения минералов. Обычный анализ ядра измеряет пористость и проницаемость; специализированные методы, такие как рентгеновская КТ и сканирующая электронная микроскопия (SEM), захватывают микрофрагменты и нанопорочность. Энергодисперсионная спектроскопия (EDS) идентифицирует минералы, заполняющие трещины, отличая открытые от закрытых переломов. Статистический анализ дает распределение вероятностей для длины, интервала и апертуры, используемых в моделях дискретной сети разрывов (DFN). Несмотря на стоимость и ограниченный охват, коринг остается единственным методом для прямого подтверждения открытости и потенциала потока. Интеграция с логовыми и сейсмическими данными создает прогностические модели, которые соблюдают все масштабы.
Бореоловые журналы изображений и акустические измерения
Электрические и акустические журналы изображений обеспечивают высокоразрешенный, ориентированный вид на стенку скважины, обнаруживая трещины с апертурами размером до нескольких миллиметров. Дип-метровые журналы выявляют ориентацию и относительное время. Дипольные звуковые инструменты измеряют расщепление сдвига и анизотропию, указывая на выровненные открытые переломы. Вместе журналы изображений и звуковые данные создают непрерывный журнал переломов, соединяющий сейсмические и основные шкалы, необходимые для корреляции и калибровки сейсмических прогнозов. Алгоритмы машинного обучения теперь автоматизируют обнаружение и классификацию переломов, сокращая время интерпретации от дней до часов. В горизонтальных скважинах журналы изображений помогают оптимизировать стадию и размещение кластеров.
Геомеханическое моделирование стрессозависимого поведения
Только критически напряженные переломы — те, у которых высокое отношение сдвига к нормальному напряжению — способствуют потоку. Геомеханические модели вычисляют эффективное нормальное и сдвигающее напряжение на переломах известной ориентации, определяя, какие наборы, вероятно, проводящие. Коммерческие платформы, такие как Петрел Геомеханика , интегрируют бревна, горные испытания и сейсмические для построения 3D-модели напряжения. Они также имитируют реактивацию слома во время гидравлической стимуляции, предсказывая эволюцию SRV. Интеграция с микросейсмической обеспечивает петлю обратной связи для проверки. Продвинутые модели включают пороэластические эффекты и стрессовое тень для оптимизации многоступенчатой стимуляции.
Машинное обучение и цифровая рок-физика
Алгоритмы машинного обучения ускоряют интерпретации трещин из данных сейсмического и журнального изображений. Сверточные нейронные сети, обученные на данных ядра и журнала, идентифицируют фации переломов из обычных журналов, расширяя характеристику до скважин без журналов изображений. Цифровая физика породы имитирует поток через 3D-изображения ядра с высоким разрешением с использованием методов решетчатого Больцмана или конечных объемов, захватывая фактическое взаимодействие матрицы переломов без идеализированных предположений. Эти моделирования обеспечивают прямые оценки эффективной проницаемости, относительной проницаемости и капиллярного давления. Генеративные состязательные сети (GAN) могут создавать тысячи геологически реалистичных реализаций переломов, обусловленных разреженными данными, что позволяет надежно определять неопределенность. Эти технологии сокращают время разворота и делают высокоточную характеристику доступной для крупномасштабных разработок.
Тематические исследования: Сети разрыва в основных сланцевых бассейнах
В формациях Вольфкамп и Кости-Спринг в Пермском бассейне естественные сети трещин превращают богатые органическими веществами сланцы в производителей мирового класса. Операторы картируют крупномасштабные коридоры трещин с использованием 3D-сейсмической кривизны; скважины, пересекающие эти коридоры, производят при начальных темпах, превышающих 1000 баррелей в день, причем на 30-50% выше, чем в менее раздробленных районах. Микросейсмическая показывает гидравлические трещины, распространяющиеся вдоль естественных тенденций переломов, проверяя модели SRV. Компании, инвестирующие в подробную характеристику трещин, последовательно превосходят те, которые используют общие завершения.
В формации Баккен в Северной Дакоте есть термически зрелые породы среднего члена, интенсивно разбитые под давлением от добычи нефти. Горизонтальные скважины, нацеленные на эти естественно разбитые зоны, достигают значительно более высоких евро, некоторые из которых производят более 500 000 баррелей нефтяного эквивалента в первые три года. Естественные трещины в среднем элементе, образованном во время пиковой добычи нефти, остаются открытыми, в то время как верхние и нижние трещины члена запечатаны кальцитом. Операторы используют журналы изображений и геохимию для выявления наиболее разбитых интервалов.
Сланец Eagle Ford в Южном Техасе имеет менее распространенный природный разрыв, но высокое содержание карбоната создает хрупкую, естественно трещину породы, которая хорошо реагирует на стимуляцию. Нижний Eagle Ford более кремневый и хрупкий с более высокой плотностью разрыва, в то время как верхний Eagle Ford более богат глиной. Операторы нацелены на нижний Eagle Ford предпочтительно, используя 3D-сейсмическую кривизну для идентификации областей с усиленным разрывом. Данные производства подтверждают, что районы с более высокой плотностью разрыва сейсмического масштаба имеют более медленные темпы снижения и более высокие EUR.
Постоянные проблемы в построении точных моделей разрыва
Моделирование разрыва сталкивается с проблемой масштабного мостинга. Сейсмические данные пропускают субсейсмические трещины, в то время как журналы ядра и скважины обеспечивают одномерные представления трехмерной системы. Масштабирование дискретных свойств разрыва для разрешения сетки моделирования резервуара (от десятков до сотен метров) вводит значительную неопределенность, потому что связь зависит от масштаба. Разрыв масштаба означает, что сейсмические разломы и микроразрывы ядра связаны только статистическими моделями, вводя неснижаемую неопределенность, смягчаемую интеграцией нескольких типов данных и множественных реализаций.
Проводимость разрыва развивается в течение жизни скважины по мере снижения давления пор и повышения эффективного напряжения. Эффективное нормальное напряжение увеличивается, в результате чего апертуры закрываются, а проводимость уменьшается. В других случаях расширение сдвига происходит по мере того, как изменения напряжения вызывают скольжение, увеличение апертуры и проводимости. Баланс контролируется шероховатостью поверхности, механическими свойствами заполнения и ориентацией относительно развивающегося поля напряжения. Зависимая от времени проводимость разрыва является основным источником неопределенности в прогнозах производства и оценках запасов.
Дискретные сети разрывов (DFN) генерируются стохастически из статистических описаний популяций переломов - длины, диафрагмы, ориентации, интенсивности - и масштабируются в тензоры проницаемости для моделирования резервуара. Неопределенность параметров приводит к широкому спектру реализации DFN с различными прогнозами потока. История сопоставления с производственными данными ограничивает модель. Анализ чувствительности определяет, какие параметры наиболее влияют на EUR, направляя сбор данных. Компании, которые рассматривают модели переломов как живые, развивающиеся инструменты, достигают более точных прогнозов и лучших экономических результатов.
Вероятностные подходы к количественной оценке неопределенности
Поскольку сети разрушения не могут быть непосредственно наблюдаемы в масштабе резервуара, современная оценка запасов использует вероятностные подходы. Компании строят несколько реализаций сети разрушения, изменяя неизвестные параметры, такие как плотность, длина, диафрагма и связь. Эти реализации используются в симуляциях на основе ансамбля для получения распределения EUR от P90 (доказано) до P50 (вероятно) до P10 (возможно). Монте Карло выборка параметра разрушения пространства, руководствуясь байесовским выводом, надежно количественно определяет неопределенность, учет корреляций и обновление вероятностей по мере поступления новых данных.
Полученные распределения дают инвесторам и регулирующим органам более четкую картину резервного риска. SEC и PRMS принимают вероятностные методы, когда поддерживаются убедительными доказательствами. Неопределенность разрыва часто доминирует в спреде между оценками низкого и высокого регистра. В типичной разработке сланцевой нефти неопределенность только в связи с разрывом может составлять 300% диапазон в евро от P90 до P10. На основе ансамбля сопоставление истории - одновременно калибровка множественных реализации разрыва к производственным данным - стал отраслевым стандартом для управления неопределенностью разрыва, заменив одну модель наилучшей оценки.
Технологии и инновации будущего
Достижения в области искусственного интеллекта, высокопроизводительных вычислений и мониторинга в реальном времени обещают трансформировать характеристику трещин. Алгоритмы глубокого обучения реконструируют сети 3D-разломов из изображений с тонким сечением 2D и предсказывают свойства трещин из обычных журналов скважин, расширяя характеристику скважин без журналов изображений. Генеративные состязательные сети создают тысячи геологически реалистичных реализаций трещин, обусловленных разреженными данными, обеспечивая строгую основу для количественной оценки неопределенности. Эти подходы ИИ уменьшают построение модели DFN от недель до часов.
Распределенное волоконно-оптическое зондирование (DAS и DTS), постоянно развернутое в скважинах, обеспечивает непрерывный мониторинг поведения трещин во время производства. DAS обнаруживает местоположение и интенсивность входа жидкости; DTS обнаруживает температурные аномалии, связанные с движением жидкости. Эти потоки данных в реальном времени интегрируются в модели переломов для динамических обновлений. Облачные геомеханические платформы позволяют совместно обновлять модели в реальном времени. Цифровые двойники (FLT: 1)) сетей разрывов - виртуальные реплики, которые развиваются с физическим резервуаром - станут стандартными. Полностью связанные с ними геомеханические симуляторы потока, которые учитывают распространение трещин в реальном времени во время стимуляции, позволят осуществлять оптимизацию на лету. Эксафлопсные вычисления позволят непосредственно моделировать многофазный поток в явных DFN в полевом масштабе, устраняя ошибки масштабирования. Эти инновации приведут к более точным прогнозам EUR и более интеллектуальному управлению резервуаром.
Стратегический императив
Сети разлома - это петля, на которой колеблется экономика сланцевой нефти. Плохое понимание приводит к переоценке запасов, финансовому списанию и неуместному капиталу. Надежная характеристика открывает скрытое восстановление и лежит в основе устойчивого развития. Для энергетических компаний и правительств инвестирование в технологии, которые освещают системы недр, является стратегической необходимостью. Разница между компанией, которая последовательно заказывает доказанные запасы, и компанией, которая записывает активы, часто прослеживается до качества ее возможностей по характеристике разломов. По мере того, как цифровые инструменты созревают и интеграция данных будет продолжать улучшаться. Компании, которые инвестируют в передовую сейсмическую обработку, автоматизированный анализ ядра, прогнозирование разломов на основе машинного обучения и вероятностная оценка запасов будут теми, кто выживает в спадах и процветает в циклах. Характеризация разлома - это не нишевая специальность; это основная деловая компетенция для любой компании, работающей в нетрадиционных ресурсах.