Статистический анализ определения коэффициентов пористости пород-коллекторов нефти и газа методами газоволюметрии и рентгеновской томографии

Обложка

Цитировать

Полный текст

Аннотация

Для решения актуальных задач в нефтяной отрасли, связанных с моделированием структуры порового пространства в 3D-модели керна и оценкой фильтрационно-емкостных свойств («Цифровой керн»), необходимо получение представительной характеристики пустотного пространства. Аналогичная характеристика требуется для решения задач геомеханики, связанных с моделированием и оценкой прочностных свойств неоднородных горных пород. Кроме того, она важна для исследований капиллярных процессов в пористых средах. Статья посвящена сравнительному анализу значений пористости пород-коллекторов нефти и газа, полученных методами газоволюметрии и рентгеновской компьютерной томографии. Целью работы является разработка статистических моделей для оценки расхождения определения коэффициента пористости Kп по данным компьютерной томографии (КТ) с более достоверными данными лабораторной петрофизики для двух литологических типов пород – терригенных и карбонатных. Задачи исследования включают: оценку влияния литологического состава пород на оценку Kп разными методами (петрофизика и КТ); рассмотрение и оценку влияния диапазона варьирования пористости пород коллекторов на сходимость результатов этих двух методов для разных литологических типов пород; построение статистических моделей для корректировки значений Kп по результатам КТ для разных литологических типов пород. Решение данных задач основывается на проведении детального статистического анализа исследований терригенных и карбонатных пород нефтяных месторождений Пермского края. Измерение пористости проводилось на автоматизированном порозиметре-пермеаметре AP-608 и системе рентгеновской томографии Nikon XT H 225. Описаны методики измерения объемов пор образцов газоволюметрическим методом, бинаризации изображений и расчета пористости по методу рентгеновской томографии. Результаты анализа показали, что изучаемые методы дают различающиеся значения коэффициентов пористости в зависимости от литологического состава пород. Для карбонатных пород характерно большее соответствие оценки коэффициента пористости, полученных различными методами, что обусловлено структурными особенностями порового пространства. В терригенных породах установлены значительные различия, объясняемые ограниченной разрешающей способностью рентгеновской томографии. По итогам анализа получены статистические модели для оценки и корректировки данных Kп, полученных методом рентгеновской томографии для терригенных и карбонатных пород в различных диапазонах значений Kп. Результаты исследования могут быть использованы при петрофизическом обосновании фильтрационно-емкостных свойств пород-коллекторов месторождений нефти и газа.

Об авторах

В. И. Галкин

Пермский национальный исследовательский политехнический университет

Email: vgalkin@pstu.ru
ORCID iD: 0000-0003-4867-2298
SPIN-код: 5023-7883

О. А. Мелкишев

Пермский национальный исследовательский политехнический университет

Email: melkishev@pstu.ru
ORCID iD: 0000-0001-7056-3173
SPIN-код: 3202-1381

Я. В. Савицкий

Пермский национальный исследовательский политехнический университет

Email: yansavitsky@yandex.ru
ORCID iD: 0000-0003-2405-4508
SPIN-код: 8853-9024

Список литературы

  1. Методические рекомендации по подсчету геологических запасов нефти и газа объемным методом. Под ред. В. И. Петерсилье, В. И. Пороскуна, Г. Г. Яценко. М.: Недра; 2003. С. 5.3–5.10.
  2. Хасанов Д. И., Лоншаков М. А. Исследование масштабного эффекта и понятия элементарного представительного объёма горных пород применительно к пористости. Георесурсы. 2020;22(4):55–69. https://doi.org/10.18599/grs.2020.4.55-69
  3. Ketcham R. A., Carlson W. D. Acquisition, optimization and interpretation of X-ray computed tomographic imagery: applications to the geosciences. Computers & Geosciences. 2001;27(4):381–400. https://doi.org/10.1016/S0098-3004(00)00116-3
  4. Vinegar H. J. X-ray CT and NMR imaging of rocks. Journal of Petroleum Technology. 1986;38(03):257–259. https://doi.org/10.2118/15277-PA
  5. Renter J. A. M. Applications of computerized tomography in sedimentology. Marine Geotechnology. 1989;8(3):201–211. https://doi.org/10.1080/10641198909379868
  6. Wolanski K., Zarudzki W., Kiersnowski H., et al. X-ray computed tomography (CT) applied for rock core analysis. Bulletin of the Russian Academy of Natural Sciences. 2017;17(5):43–50.
  7. Хозяинов М. С., Вайнберг Э. И. Вычислительная микротомография – новая информационная технология неразрушающего исследования внутренней микроструктуры образцов геологических пород. Геоинформатика. 1992;(1):42–50.
  8. Воробьев К. А., Воробьев А. Е., Тчаро Х. Цифровизация нефтяной промышленности: технология «цифровой» керн. Вестник Евразийской науки. 2018;10(3). URL: https://esj.today/PDF/78NZVN318.pdf
  9. Костин Д. К., Кузнецов Е. Г., Вилесов А. П. Опыт ООО "ТННЦ" по изучению керна с помощью рентгеновского компьютерного томографа. Научно-технический вестник ОАО "НК Роснефть". 2014;(3):18–21.
  10. Еременко Н. М., Муравьева Ю. А. Применение методов рентгеновской микротомографии для определения пористости в керне скважин. Нефтегазовая геология. Теория и практика. 2012;7(3):5.
  11. Штырляева А. А., Журавлев А. В., Герасимова А.И. Перспективы и проблемы использования компьютерной микротомографии для изучения образцов керна. Нефтегазовая геология. Теория и практика. 2016;11(1):12. https://doi.org/10.17353/2070-5379/8_2016
  12. Добрынин В. М., Вендельштейн Б. Ю., Кожевников Д. А. Петрофизика (Физика горных пород). М.: РГУ нефти и газа им И. М. Губкина; 2004. 367 с.
  13. Методические рекомендации по исследованию пород-коллекторов нефти и газа физическими и петрографическими методами. Сост. Горян В. И., Березин Б. М., Белов Ю. Я. и др. Труды ВНИГНИ. М.: Недра; 1978. С. 87–111.
  14. Dunham R. J. Classification of carbonate rocks according to depositional texture. In: Ham V. E. (Ed.). Classification of carbonate rocks: Symposium. American Association of Petroleum Geologists Memoir. 1962;1:108–121.
  15. Ромм Е. С. Структурные модели порового пространства горных пород. Л.: Недра; 1985. С. 8.
  16. Бетелин В. Б., Смирнов Н. Н., Стамов Л. И., Скрылева Е. И. Восстановление структуры порового пространства на основании обработки данных томографии. Вестник кибернетики. 2018;(2):86–91.
  17. Jones S. C. A Rapid accurate unsteady-state klinkenberg permeameter. Society of Petroleum Engineers Journal. 1972; 12(5):383-397. https://doi.org/10.2118/3535-pa
  18. Hounsfield G. N. Computerized transverse axial scanning (tomography). Part 1: Description of system. British Journal of Radiology. 1973;46:1016–1022.
  19. Radon J. Uber die Bestimmung von Funktionen durch ihre Integralwerte langs gewisser Mannigfaltigkeiten. Berichte Sachsische Akademie der Wissenschaften, Leipzig. Journal of Mathematical Physics. 1917;69:262–267
  20. Feldkamp L. A., Davis L. C., Kress J. W. Practical cone-beam algorithm. Journal of the Optical Society of America A. 1984;1(6):612–619.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).