Table of Contents

Экономическая жизнеспособность углеводородного резервуара определяется тонким взаимодействием между емкостью хранения и потоком жидкости. Пористость обеспечивает хранение, но проницаемость обеспечивает производство. Корреляция между этими двумя семенными нефтефизическими свойствами является фундаментальным уравнением, на котором строятся оценка образования, оценка запасов и моделирование резервуара. Надежное преобразование пористости-проницаемости (k-φ) - это не просто тенденция перекрестного сплетения; это динамический отпечаток поровой системы резервуара, кодирующий ее историю осаждения, диагенетический надпечаток и режим механического напряжения. Эта статья обеспечивает авторитетный глубокий погружение в значение этой корреляции, исследуя стандартные методы ее получения, общие подводные камни, которые саботируют точность, и передовые рабочие процессы, используемые для перевода физики пор в прогнозы производства в полевых масштабах.

Непонимание специфической k-φ взаимосвязи для данного типа пород является основной причиной сухих отверстий и неэкономических завершений. Высокая пористость не гарантирует высокую проницаемость; действительно, некоторые из самых высоких пористых карбонатных резервуаров некоммерческие из-за изолированных вагги-пор, в то время как некоторые песчаники с более низкой пористостью производят с исключительными скоростями из-за хорошо связанных поровых горлов. Поэтому дисциплинированный петрофизик подходит к k-φ корреляции со строгой методологией, интегрируя многомасштабные данные для построения прогнозной модели, которая уменьшает неопределенность и стимулирует капиталоэффективное развитие поля.

Определение основных свойств: пористость и проницаемость

Пористость: емкость хранилища

Пористость (φ) — процент пустотного пространства в породе относительно ее объемного объема. Это самая основная мера потенциала резервуара удерживать углеводороды. Однако не вся пористость создается одинаковой. Классификация типов пористости имеет решающее значение для прогнозирования проницаемости.

  • Общая пористость: Все пустоты пространства, включая поры, которые изолированы или не связаны.
  • Эффективная пористость: Взаимосвязанная поровая сеть, доступная для свободных жидкостей. Это пористость, измеряемая коммерчески доступными журналами скважин (плотность-нейтрон) и рутинным анализом ядра.
  • Первичная пористость: Депозиционная пористость, такая как межзерновые пространства в песчаниках или пористость межчастиц в карбонатах.
  • Вторичное пористость:] Пористость, создаваемая постдепозиционно через растворение (мольдовая, вугги), доломитизацию или разрыв.Вторичная пористость часто сохраняет или усиливает проницаемость, но также может создавать изолированные ваги, которые искажают k-φ отношение.

Измерение пористости стандартизировано в лаборатории. Ключевая задача заключается в масштабе — основная пробка измеряет объем в несколько кубических сантиметров, в то время как бревно измеряет фут или более образования. Соотношение k-φ является инструментом, используемым для преодоления этого разрыва в масштабе.

Проницаемость: пропускная способность потока

Проницаемость (k) количественно определяет легкость, с которой жидкость перемещается по поровой сети под градиентом давления. Она регулируется Законом Дарси, который гласит, что скорость потока пропорциональна площади поперечного сечения, падению давления и проницаемости и обратно пропорциональна вязкости и длине жидкости. Фундаментальной единицей является Дарси, хотя большинство пород резервуара проявляют проницаемость в диапазоне миллидарности (mD).

Критическое различие в оценке образования заключается в абсолютной проницаемости (ка), эффективной проницаемости (к нефти, воде или газу) и относительной проницаемости (kr). Корреляция k-φ обычно стремится предсказать абсолютную или коррекцию Klinkenberg газопроницаемость. Размер порового горла - самая узкая часть порового канала - осуществляет первичный контроль проницаемости. Вот почему корреляция k-φ так сильно связана с текстурой породы и диагенезом.

Теоретическая связь: Козени-Карман

Уравнение Козени-Кармана даёт теоретическую основу для k-φ корреляции, в котором говорится, что проницаемость — это функция пористости, размера зерна и тортуозности:

k = (φ3/ (c * τ2 * S02))

где c — константа Козени, τ — крутизна, а S0 — удельная площадь поверхности. Это уравнение объясняет, почему k-φ отношения являются специфичными для породного типа. Мелкозернистый илстон будет иметь высокую площадь поверхности (S0) и, следовательно, низкую проницаемость для данной пористости по сравнению с чистым песчаником. Понимание этого принципа жизненно важно для интерпретации k-φ кросс-схем.Уравнение Козени-Кармана и предсказание проницаемости в петрофизике

Критическая роль k-φ корреляции в оценке водохранилища

Фактор оценки и восстановления резервов

Наиболее непосредственное применение k-φ корреляции заключается в объемной оценке запасов. Пористость используется для расчета объема пор углеводородов (HCPV). Однако коэффициент извлечения — процент нефти или газа, который может быть извлечен — сильно зависит от проницаемости. Резервуар с отличной проницаемостью может иметь коэффициент извлечения 40% или более, в то время как плотный резервуар может иметь менее 15%. Преобразование k-φ позволяет инженеру назначать проницаемость каждой ячейке в геологической модели, которая затем используется в динамическом моделировании для оценки извлечения.

Определение единицы потока и зонирование водохранилища

Отраслевым стандартом для характеристики резервуара является концепция гидравлического потока (HFU), введенная Amaefule et al. Индикатор зоны потока (FZI) является параметром, полученным из соотношения k-φ, который фиксирует геологические и нефтефизические характеристики отдельной единицы потока. путем построения основных данных на участке журнала Индекса качества водохранилища (RQI) против Нормализованной пористости (φz), различные HFU могут быть идентифицированы, каждый со своим собственным уникальным преобразованием k-φ.

Этот подход отходит от одного, пластового k-φ преобразования (которое часто статистически слабо) к набору высоконадежных преобразований, по одному для каждого типа породы. Это основа современного 3D моделирования резервуара.

Оптимизация хороших комплементов и стимуляция

Вертикальное и боковое распределение проницаемости диктует стратегию завершения. Для скважины, нацеленной на полосу высокой проницаемости в матрице с низкой проницаемостью, требуется другая стратегия перфорации, чем для скважины в однородном песке с умеренной проницаемостью. Кроме того, корреляция k-φ помогает определить проницаемость без разрыва для работы по стимуляции. Если нестимулированная проницаемость матрицы ниже 0,1 мД, для достижения экономических показателей потока может потребоваться гидравлический разрыв. Корреляция, полученная из основных данных, помогает определить, какие зоны являются естественными продуктивными по сравнению с теми, которые требуют стимуляции.

Методы получения высоконадежных преобразований k-φ

Основной анализ: основа истины

Рутинный анализ ядра (RCA) остается золотым стандартом для данных о пористости и проницаемости. Надлежащая обработка и сохранение ядра необходимы. Данные приобретаются в условиях окружающей среды и, что более важно, при напряжении сетки-конфинирования резервуара (NCS). Стресс-зависимой проницаемости является признанным явлением, особенно в неконсолидированных песках и плотных породах. Корреляция, полученная из нестрессовых пробок ядра, может значительно переоценить проницаемость на месте. Специальный анализ ядра (SCAL) дополнительно усиливает понимание путем измерения капиллярного давления, относительной проницаемости и электрических свойств на той же пробке, связывая k-φ корреляцию с многофазным поведением потока.

Well Logs: прогноз непрерывной проницаемости

Поскольку основные данные ограничены определенными интервалами, журналы скважин обеспечивают непрерывное покрытие, необходимое для 3D-моделирования. Наиболее надежные методы проницаемости по данным журнала включают:

Метод Winland R35

Одним из наиболее устойчивых эмпирических методов для связывания пористости, проницаемости и размера поры горла является корреляция Winland R35. Она предсказывает радиус поры горла при 35% насыщенности ртутью (R35) от пористости и проницаемости. Уравнение:

log(R35) = 0,732 + 0,588 * log(k) - 0,864 * log(φ)

R35 является надежным индикатором качества пород. Бассейны с R35 более 10 мкм имеют отличное качество, в то время как резервуары с R35 менее 0,5 мкм плотные. Этот метод обеспечивает прямой мост между данными k-φ и поведением капиллярного давления, что делает его бесценным для моделирования насыщенности-высоты.

Проблемы и подводные камни в k-φ корреляции

Неоднородность и масштаб

Карбонаты являются классическим примером проблемы корреляции k-φ. Вогистая пористость может создавать высокую общую пористость, но низкую проницаемость, если ваги изолированы. Пористость трещины обычно представляет собой очень небольшой процент общей пористости, но может доминировать над проницаемостью. В таких резервуарах одно преобразование k-φ бессмысленно. Решением является типирование пород, где ядро описывается осадочно и нефтефизически для разделения различных типов пор до получения индивидуальных преобразований.

Эффекты глины в Shaly Sands

Наличие глиняных минералов вносит микропористость, которая способствует общей пористости, измеренной бревном плотности, но очень мало способствует проницаемости. Классической проблемой является «шальный песок», где бревно плотности считывает высокую пористость нейтронов, а стандартное преобразование k-φ предсказывает высокую проницаемость. Реальность такова, что глина блокирует горло пор. Успешная корреляция k-φ в шалых песках должна включать термин Vsh или использовать эффективную пористость исключительно.

Перегрузка стресс и компакция

Проницаемость гораздо более чувствительна к чистому перегрузочному стрессу, чем пористость. 10%-ное снижение объема пор при стрессе может привести к 50-90%-ному снижению проницаемости в неконсолидированных образованиях. Все корреляции k-φ, полученные из ядра, предназначенные для использования в моделировании резервуаров, должны основываться на данных, измеренных в условиях напряжения резервуара. Использование данных окружающей среды приводит к оптимистичным прогнозам потока.

Нетрадиционные водохранилища

В плотных газовых песках и сланцевых водохранилищах соотношение k-φ ломается в крайних значениях. Матричной проницаемости является нано-дарсиев диапазон, а сам закон Дарси становится дискуссионным. В этих породах размер пор является нанометровым масштабом, а проскальзывание потока (эффект Клинкенберга) является доминирующим. Неудача стандартной корреляции k-φ обусловлена доминированием микро- и мезопор. Эффект Клинкенберга приводит к тому, что измеренная газопроницаемость значительно выше, чем жидкостная проницаемость породы. Это означает, что стандартное преобразование k-φ, полученное из измерений газопроницаемости, должно быть скорректировано до «жидкого эквивалента» проницаемости перед использованием в моделировании сланцевых пластов. Кроме того, проницаемость в сланцевых пластах является функцией эффективного напряжения и десорбционной матрицы. Такие параметры, как общий органический углерод (TOC) и термическая зрелость, часто оказывают более сильное влияние на воспроизводимость, чем стандарт

Расширенные рабочие процессы: интеграция k-φ в цифровую рок-модель

Интеграция данных с несколькими решениями

Современный рабочий процесс оценки формирования объединяет данные из MICP, NMR, Core, Logs, and Well Tests. Корреляция k-φ является не самоцелью, а компонентом более крупной петрофизической модели. Процесс включает в себя:

  1. Интеграция с ядром: Смещение глубины и калибровка данных ядра в журналы.
  2. Типирование породы: Используйте Winland R35 или FZI для определения типов петрофизических пород.
  3. Трансформация Производства: Генерация K-Log трансформирует для каждого типа породы.
  4. Моделирование насыщения: Используйте R35 из k-φ корреляции для построения функций насыщения-высоты.
  5. Модельная популяция: Заселить статичную модель типами пород, пористостью, проницаемостью и насыщенностью.
  6. Динамическая валидация: Сравните х-продукт модели с интерпретациями тестов скважин. Это конечный QC k-φ корреляции.

Этот итеративный процесс известен как «петрофизика петли» или «примирение моделей». Он гарантирует, что микромасштабное k-φ отношение согласуется с макромасштабным динамическим поведением резервуара. Петрофизика петли и модель согласования в характеристике резервуара

Роль геостатистики

Применение k-φ корреляции в 3D моделировании редко является простым прямым преобразованием сетки пористости. Вместо этого корреляция используется для ограничения геостатистического моделирования. Применяется коллокация кокригинга или гауссовского моделирования с локальными изменяющимися средствами, где модель пористости обеспечивает первичный сигнал, а k-φ преобразование обеспечивает вторичный тренд. Это сохраняет статистическое распределение и пространственную неоднородность проницаемости, что является критическим фактором для правильного динамического поведения, такого как время прорыва воды.

Роль цифровой рок-физики (DRP)

Передовые методы визуализации, такие как микро-КТ-сканирование и FIB-SEM, позволяют осуществлять прямую 3D визуализацию поровой сети. DRP позволяет вычислять проницаемость непосредственно из цифрового изображения породы. Эта технология революционизирует понимание k-φ-отношений, обеспечивая прямую визуальную и числовую связь между геометрией пор и свойствами потока, минуя некоторые ограничения эмпирических корреляций.

Лучшие практики для надежной оценки формирования

Значение корреляции пористости и проницаемости невозможно переоценить. Это наиболее важное преобразование, полученное из данных ядра и журнала, служащее вводом для оценки запасов, проектирования скважин и моделирования полноразмерных резервуаров. Лучшие практики для обеспечения успешной оценки включают:

  • Инвестируйте в основные данные: Высококачественная программа RCA — это страховой полис от чрезмерного прогнозирования резервов.
  • Объемная накладка на скалу: Не нажимайте ни на один k-φ, помещающийся через гетерогенный резервуар. Определите дискретные гидравлические блоки потока.
  • Проверка с помощью динамики: Всегда проверяйте лог-производные kh на соответствие тесту kh. Несоответствие указывает на фундаментальную проблему с моделью k-φ или типизацией породы.
  • Использовать данные, зависящие от стресса: Убедитесь, что корреляция k-φ репрезентативна для стрессовых условий на месте.
  • Используйте современные инструменты науки о данных для создания нелинейных многовариантных моделей проницаемости, которые выходят за рамки простых бивариативных k-φ-графиков.

Следуя этим принципам, команда активов может превратить базовую k-φ-перекрестную схему в мощный инструмент прогнозирования производительности резервуара, максимизируя восстановление экономики и минимизируя геологический риск.