Достижения в области микросейсмического мониторинга для фракции и управления водохранилищем

Введение: Растущая роль микросейсмического мониторинга в современном управлении водохранилищами

Микросейсмический мониторинг превратился из нишевого исследовательского метода в основной операционный инструмент в нефтегазовой отрасли. Захватывая слабые акустические сигналы, генерируемые разрывом пород, сдвигом сдвига и движением жидкости, операторы получают окно в реальном времени в динамику подповерхностей, которое было невообразимо всего два десятилетия назад. Эти наблюдения информируют о критических решениях во время гидравлического разрыва, первичного производства и фазы повышения нефтеотдачи.

Последние достижения в области аппаратного обеспечения датчиков, алгоритмов обработки данных и интегрированных рабочих процессов интерпретации значительно улучшили разрешение, точность и надежность микросейсмических данных. Результатом является более полное понимание геометрии разрушения, эволюции напряжения и подключения резервуара - знания, которые непосредственно переводят в более высокие факторы восстановления, снижение воздействия на окружающую среду и более низкий операционный риск. В этой статье рассматриваются наиболее эффективные технологические прорывы, исследуются их практические применения в управлении резервуаром и обсуждаются траектории будущих разработок, которые будут дополнительно совершенствовать этот важный метод наблюдения.

Технологические основы: от одноволновой формы до многомерной визуализации

Фундаментальная физика микросейсмического мониторинга остается неизменной: сеть геофонов или акселерометров записывает упругие волны, генерируемые внезапным отказом породы. Однако изощренность современных развертываний превратила необработанные данные формы волны в высокоточные 3D-карты сетей разрывов и возмущений напряжения. Две области - сенсорные массивы и обработка сигналов - испытали наиболее значительные инновации.

Плотные сенсорные лучи: нажатие пределов пространственного разрешения

Традиционные микросейсмические исследования опирались на редкие массивы, часто одиночные наблюдения с 12-24 уровнями, разнесенными на 15-30 метров друг от друга. В то время как адекватные для обнаружения событий большой величины (магнитность > -1), такие конфигурации изо всех сил пытались найти меньшие, но критически важные микросейсмы, которые раскрывают сложность перелома и реактивацию естественных переломов.

Современные развертывания теперь включают плотные многокомпонентные массивы со 100-200+ каналами, развернутыми как в вертикальных, так и в горизонтальных наблюдательных скважинах. Волоконно-оптические распределенные акустические датчики (DAS) дополнительно расширяют покрытие, преобразуя весь скважину в непрерывный сейсмический датчик с длиной калибра метра. Полевое исследование 2022 года в Пермском бассейне показало, что гибридный массив, объединяющий 80 обычных геофонов с 2 км волокна DAS, обнаружил в 3,5 раза больше событий, чем только обычный массив, с неопределенностью местоположения, уменьшенной до ±5 метров против ±15 метров с разреженными массивами (источник: Ведущий край, 2022 ).

Эта революция плотности позволяет томографическую визуализацию скоростных моделей в режиме реального времени. По мере того, как гидравлический разрыв изменяет сейсмические скорости в стимулированном объеме породы. Путем инвертирования остатков времени прибытия от тысяч микросейсмических событий операторы могут производить томограммы скорости с временным интервалом, которые выделяют области высокой плотности переломов, инвазии жидкости и тени напряжения. Такие модели теперь обычно используются для направления интервала этапов и регулировки скорости насоса во время многолуночных стимуляций.

Машинное обучение для обнаружения событий и выбора фазы

В сырых микросейсмических записях преобладают шумы от буровых работ, насосов, трафика и естественных микротреморов. Традиционные автоматические детекторы, основанные на краткосрочных/долгосрочных (STA/LTA) триггерах, страдают от высоких показателей ложной тревоги и пропускают низкосигнальные и шумовые коэффициенты (SNR). За последние пять лет контролируемые и неконтролируемые алгоритмы машинного обучения достигли почти человеческой производительности в различении микросейсмических сигналов от окружающего шума.

Связочные нейронные сети (CNN) , обученные на спектрограммах меченых микросейсмических волновых форм, теперь обрабатывают непрерывные потоки данных со скоростью обнаружения, превышающей 95% для событий с SNR > 2, по сравнению с ~70% для методов STA / LTA (источник: Научные отчеты, 2021 ]. Что более важно, эти модели надежно выбирают время прибытия P- и S-волн, даже когда две фазы пересекаются — общая проблема в неглубоких, сильно раздробленных средах. Полученные автоматические каталоги сопоставимы по качеству с ручными выборками, что позволяет обрабатывать сотни событий в час в режиме реального времени.

Также были оптимизированы конвейеры предварительной обработки данных. Сиамские нейронные сети и неконтролируемая кластеризация (например, DBSCAN) группа обнаружили события по сходству формы волны, что позволило быстро идентифицировать несколько семейств механизмов перелома — сдвига, растяжения или смешанного режима — без ручного вмешательства. Эта классификация имеет решающее значение, поскольку события сдвига указывают на реактивацию ранее существовавших переломов, в то время как события растяжения предполагают новый рост гидравлического перелома.

Приложения для управления водохранилищами: от картирования разрывов до оптимизации производства

Улучшенное разрешение и возможности современного микросейсмического мониторинга в режиме реального времени расширили его роль далеко за пределы традиционной оценки высоты/длины трещин. Сегодня микросейсмические данные непосредственно информируют о решениях по бурению, завершению и производству на протяжении всего жизненного цикла актива.

Реальный контроль и адаптивная стимуляция

Одним из наиболее преобразующих применений является гидравлический разрыв замкнутого цикла. Путем потоковой передачи микросейсмических мест событий и величин в диспетчерскую, инженеры могут визуализировать распространение трещины, как это происходит. Если обнаруживается микросейсмическая активность, выходящая из предполагаемого интервала — например, нарушение ограничивающего сланцевого слоя — оператор может немедленно снизить скорость насоса, уменьшить концентрацию пропанта или временно остановить стадию, чтобы предотвратить рост высоты в смежные водоносные горизонты или непроизводительные зоны.

Этот адаптивный контроль был продемонстрирован в бассейне Мидленда, где пилотная программа с использованием микросейсмической обратной связи в реальном времени достигла увеличения добычи углеводородов на уровне стадии , сократив при этом использование воды на 14% (источник: SPE Annual Technical Conference, 2022 . Ключевой метрической мерой является стимулированный объем породы (SRV) , рассчитанный из пространственного распределения микросейсмических событий. Операторы могут нацеливаться на заранее определенный SRV на стадию, и как только этот объем достигнут, стадия прекращается — даже если проектируемый объем жидкости не был полностью прокачан. Это приводит к более равномерной стимуляции вдоль боковых и менее обойденных областей.

Характеристика сети разрыва и анализ подключенности

Beyond simple event counts, modern microseismic processing extracts detailed geometric and mechanical properties of the fracture network. Key parameters include:

• Ориентация на сгибание и опускание от инверсии тензора момента, которая различает механизмы открывания (режим I) и сдвига (режим II/III).
• Эволюция состояния стресса, анализируя изменения в соотношении амплитуды P- и S-волн, указывая, увеличивается ли минимальное горизонтальное напряжение локально (тень стресса).
• Индекс сложности трещин, количественно определяющий плотность трещин за пределами единой плоской геометрии; значения выше 0,7 указывают на хорошо развитую сеть взаимосвязанных естественных и индуцированных трещин.
• Связанный с потоком объем с использованием быстрых микросейсмических диффузионных моделей событий, которые коррелируют с путями миграции пропанта и жидкости (источник: Рок-механика и рок-инжиниринг, 2023).

Эти параметры поступают в модели моделирования водохранилища , которые явно представляют дискретные сети разрыва (DFNs). Калиброванные с микросейсмическими данными, модели DFN предсказывают многофазный поток во время производства, определяя, какие нити разрыва способствуют раннему прорыву воды, газовому конусу или, вероятно, закроются при истощении. Операторы используют эту информацию для планирования скважин на заполнение, интервалов заполнения и стратегий искусственного подъема.

Количественная эффективность стимуляции и экологический риск

Микросейсмический мониторинг также обеспечивает независимую меру эффективности стимуляции. Отношение общего сейсмического момента, высвобождаемого к впрыскиваемой гидравлической энергии, известное как сейсмическая эффективность , составляет от 0,1% до 10% в различных образованиях. Высокая сейсмическая эффективность предполагает, что впрыскиваемая энергия в значительной степени рассеивается как разрыв, а не пороэластическая деформация, что указывает на механически хрупкую породу, которая более поддается гидравлическому разрыву.

С экологической точки зрения точные микросейсмические каталоги необходимы для мониторинга индуцированной сейсмичности , которая может ощущаться на поверхности. Многие юрисдикции теперь требуют систем светофора в реальном времени (зеленый / янтарь / красный) на основе порогов микросейсмической величины. Достижения в оценке величины события, включая машинное масштабирование величины, полученное из плотных массивов, уменьшают неопределенность в моменте величины Mw до ±0,2 единиц, позволяя операторам оставаться в пределах нормативных ограничений при максимизации интенсивности стимуляции.

Интеграция с дополнительными геофизическими методами

Ни одно одно геофизическое измерение не дает полной картины подземных процессов.Будущее водохранилища лежит в слиянии микросейсмических данных с другими технологиями мониторинга.

Микросейсмическое + распределенное сенсорное напряжение (DSS)

В то время как DAS использует акустический обратный рассеяние для записи сейсмических колебаний, тот же волоконно-оптический кабель может одновременно выполнять распределенное зондирование деформации (DSS), которое измеряет квазистатическую деформацию. Комбинирование микросейсмических событий (динамический отказ породы) с профилями деформации DSS (статическая деформация породы) дает всеобъемлющий обзор стимулированного объема. Например, во время фазы возврата потока DSS может обнаруживать изменения деформации, поскольку жидкости, нагруженные пропантом, уплотняют сеть разрыва, в то время как микросейсмические события показывают реактивацию неподкрепленных переломов. Совместная инверсия обоих наборов данных уменьшила неопределенность в апертуре перелома на 40% (источник: ] Журнал геофизических исследований: Твердая Земля, 2022 ].

Микросейсмическая + электромагнитная (ЭМ) визуализация

Электромагнитные методы, такие как перекрестная электромагнитная томография, чувствительны к изменениям сопротивления жидкости. В недавнем пилотном проекте в формации Баккен места микросейсмических событий были совместно зарегистрированы с инверсией сопротивления 3D для дифференциации между рассолонасыщенными и углеводородонасыщенными переломами. Зоны с высокой микросейсмической плотностью, но низким сопротивлением оказались заполненными водой естественными переломами, которые не обеспечивали дополнительной добычи нефти. Эта интеграция позволила инженерам пропустить стадии, которые были бы неэффективными, сэкономив примерно 500 000 долларов США на скважину.

Микросейсмическое + геомеханическое моделирование

Передовые геомеханические модели конечных элементов теперь ассимилируют микросейсмические данные как апостериорные ограничения для инициализации и калибровки напряжения.Исследование 2023 года в формации Монтни показало, что когда местоположения микросейсмических событий и фокусные механизмы использовались для итеративного обновления тензора напряжения во время моделирования гидравлического разрыва, прогнозируемая геометрия перелома соответствовала микросейсмическим изображениям после стимуляции с коэффициентом корреляции 0,85 по сравнению с 0,52 при использовании только лог-производных профилей напряжения (источник: Журнал нефтяной науки и техники, 2023).

Оперативные вызовы и смягчения

Несмотря на впечатляющие достижения, микросейсмический мониторинг сталкивается с постоянными препятствиями, которые ограничивают его принятие и эффективность.

Сложность затрат и развертывания

Развертывание плотных массивов, особенно волоконно-оптических кабелей в горизонтальных скважинах, остается дорогостоящим. Одна скважина, оснащенная DAS и 200 геофонными станциями, может стоить 2-4 миллиона долларов США для постоянной установки. Для решения этой проблемы отрасль переходит к временным извлекаемым системам, которые используют проводные массивы, перекачиваемые в боковые скважины до разрыва и извлекаемые после этого. Новые сенсорные струны с высоким количеством каналов теперь предлагают сопоставимое качество данных при 30-50% более низкой стоимости.

Передача и задержка данных в реальном времени

Обработка высокоскоростных непрерывных потоков данных (обычно 500-2000 образцов в секунду на канал) требует надежных телеметрических трубопроводов. Многие удаленные полевые сайты не имеют достаточной пропускной способности для передачи необработанных сигналов на облачные серверы для обработки машинного обучения. Крайние вычислительные решения, которые запускают легкие нейронные сети на полевых серверах (например, модули NVIDIA Jetson), сократили задержку с минут до менее пяти секунд, обеспечивая истинное управление замкнутым контуром. Эти системы сжимают обнаружения событий и пики до менее 1 МБ на этапе, легко передаваемые через спутник.

Неуникальность в местоположении источника и инверсии механизма

Однолуночные массивы страдают от плохого азимутального покрытия, что приводит к большой неопределенности местоположения, перпендикулярной стволу скважины. Чтобы смягчить это, операторы теперь развертывают звездные массивы с 2-3 наблюдательными скважинами на одну обрабатывающую скважину, одновременно записывая события. В бассейне Делавэра треугольный массив из трех горизонтальных волокон DAS достиг ошибок местоположения ±2 метра во всех направлениях, почти изотропный. Расширенные коды трассировки лучей 3D, которые учитывают анизотропию (обычная в сланцах), еще больше повышают точность.