توصيفگر ها :
شبيه سازي مخازن , روش هاي زمين آماري , كريجينگ شاخص , كريجينگ معمولي , الگوريتم خوشه بندي نظارت نشده , تطبيق تاريخچه
چكيده فارسي :
در مخازن نفت، مطالعه و شناخت ناهمگني هاي مخزن در انجام عمليات در ميادين بسيار كاربردي است. به همين دليل جهت مطالعه و تحقيق برروي مخازن نفتي و براي محاسبه ميزان ناهمگني و تاثير اين پارامتر بر مخزن، بايد پارامترهاي مخزن را به طور دقيق بررسي كرد. با توجه به اينكه خواص ديناميكي سنگ مخزن از جمله تراوايي نسبي نقش مهمي در نتايج حاصل از شبيه سازي مخزن دارد؛ برآورد دقيق تراوايي نسبي براي بررسي تطابق و سازگاري تاريخچه مخزن و تصميم گيري و مديريت موثر مخزن نياز است. هدف از اين تحقيق به دست آوردن نقشه توزيع پارامترهاي رابطه ي كوري با روش هاي زمين آمار در پترل، براي محاسبه تراوايي نسبي است. در ابتدا داده هاي تراوايي نسبي بر حسب اشباع براي راك تايپ ها اوليه كه به شكل مدل پترل موجود است؛ استخراج شده است. از نرم افزار متلب براي برازش داده ها جهت بدست آوردن ثوابت معادله ي كوري استفاده شده است. نتايج حاكي از آن است كه تطبيق نمودار با دقت بالايي همسبتگي با داده هاي اوليه را نشان ميدهد. جهت توزيع پارامترهاي مخزن ابتدا نگاره اين پارامترها در مدل چاه وارد شده سپس با روش هاي افزايش مقياس اين پارامترها به مخزن بسط داده مي شوند. به منظور افزايش مقياس پارامتر گسسته راك تايپ در مخزن از دو روش Median و Most of در نرم افزار پترل استفاده شده است كه نتايج حاكي از آن است كه اين دو روش نتايج تقريبا يكساني را ارائه مي دهند و بيشترين درصد توزيع كه متلعق به راك تايپ شماره 5 است براي روش Medianاز حدود 46% به 83% افزايش يافته است و درصد توزيع ديگر راك تايپ ها كاهش يافته است. همچنين براي روش Most of هم مقادير به همين شكل تغيير كرده است. همچنين از كريجينگ شاخص براي توزيع راك تايپ ها در مخزن استفاده شده است. با استفاده از راك تايپ توزيع شده در مدل پارامترهاي ديگر رابطه ي كوري از قبيل توان هاي كوري براي آب و نفت، تراوايي نسبي ماكزيمم آب و نفت، اشباع آب كاهش نيافتني و اشباع نفت باقيمانده براي هر راك تايپ محاسبه شده است. اشباع آب با تبديل فشار مويينگي به ارتفاع در هر راك تايپ با استفاده از اشباع آب كاهش نيافتني تعريف شده است. همچنين اشباع آب نرمال شده را با استفاده از راك تايپ هاي موجود در مدل تعريف مي شود. نرمال بودن توزيع سبب سوق دادن مقادير به سمت بيشترين مقدار در اين روش شده و درنهايت به پايين بودن دقت آناليز منجر مي شود؛ كه اين يكي از عواملي است كه روش كريجينگ شاخص را جهت توزيع پارامترهاي مخزن، روش مناسبي نمي سازد. و با توجه به پيوستگي اكثريت پارامترهاي مخزن و اين كه كريجينگ شاخص براي پارامترهاي گسسته مناسب است؛ از روش كريجينگ معمولي براي توزيع پارامترهاي پيوسته مخزن از قبيل توان هاي رابطه ي كوري و تراوايي نسبي ماكزيمم استفاده شده است. به جز براي توان كوري براي نفت براي ديگر پارامترها مقدار انحراف معيار كمتر از يك است كه نشان دهنده توزيع مناسب پارامترها است و مقدار واريانس هم كه اختلاف بين جفت نقاط داده هاست هم مقادير زير 0.1 را داراست كه توزيع مناسب و اختلاف كم جفت نقاط را نشان مي دهد. در نهايت تراوايي نسبي با توجه به مقادير توزيع يافته توسط دو روش نام برده، با استفاده از روش هاي افزايش مقياس به ابعاد بزرگ تر انتقال داده شده است. براي خوشه بندي داده هاي توزيع يافته از قبيل توان هاي رابطه ي كوري، تراوايي نسبي ماكزيمم آب و نفت، اشباع آب كاهش نيافتني و اشباع نفت باقيمانده از الگوريتم خوشه بندي نظارت نشده K-Means كه يكي از روش هاي يادگيري ماشين است در زبان برنامه نويسي پايتون استفاده شده است. داده ها با روش نام برده شده به چهار دسته تقسيم مي شوند در نتيجه جداول تراوايي نسبي- اشباع جديد با محاسبه ي ميانگين و انحراف معيار هر پارامتر در هر دسته بدست آورده شده است. كه مقدار انحراف معيار پارامترها كمتر از يك است كه نشان دهنده مناسب بودن اين روش خوشه بندي است. جهت انجام تطبيق تاريخچه مقادير فشار نه نقطه و نرخ توليد نفت شبيه سازي با داده هاي مشاهده اي مقايسه شده است . در اكثر چاهها داده هاي شبيه سازي برروي داده ها مشاهده اي منطبق اند. اين تطابق نشان دهنده مناسب بودن توزيع داده ها با كريجينگ معمولي و روش خوشه بندي است.
چكيده انگليسي :
In oil reservoirs, it is very useful to study and understand the heterogeneities of the reservoir in carrying out operations in the fields. Considering the dynamic properties of reservoir rock, including relative permeability, play a vital role in the results of reservoir simulation; Accurate estimation of relative permeability is needed to check the consistency of the history of the reservoir and to make effective decisions and management of the reservoir. The purpose of this research is to obtain the distribution map of the Corey relation parameters with geostatistical methods in Petrel, to calculate the relative permeability. First, the relative permeability data verse saturation for the primary rock types, which is available in the form of the Petrel model; has been extracted. MATLAB was used to fit the data to obtain the constants of Corey's equation. The results indicate that matching the graph with high accuracy shows the correlation with the primary data. In order to distribute the parameters of the reservoir, first, the logs are entered in the well model, then these parameters are expanded to the reservoir with up scaling methods. In order to up scaling, Median and Most of methods have been used in Petrel software, the results indicate these two methods provide almost the same results, and the highest distribution percentage which it is adjacent to rock type number 5. For the Median method, it has increased from about 46% to 83%, and the distribution percentage of other rock types has decreased. Also, for the Most of method, the values have changed in the same way. Also, indicator kriging has been used for the distribution of rock types in the reservoir. Using the distributed rock type in the model, other parameters of the Corey relationship for each rock type are calculated. Water saturation is defined by converting capillary pressure to height in each rock type using irreducible water saturation. Also, the normalized water saturation is defined using the rock types in the model. The distribution is normal that causes the values to be pushed towards the maximum value in this method and ultimately leads to the low accuracy of the analysis; This is one of the factors that makes the indicator kriging method not a suitable method for the distribution of reservoir parameters. Indicator kriging is suitable for discrete parameters, the ordinary kriging method is used to distribute the continuous parameters of the reservoir such as relationship powers and maximum relative permeability. Except for Corey power for oil, for other parameters, the value of standard deviation is less than one, which indicates the proper distribution of the parameters, and the value of variance, which is the difference between pairs of data points, has values below 0.1, which indicates proper distribution and small difference. It shows the pair of points. Finally, the relative permeability according to the values distributed by the two mentioned methods, has been transferred to larger dimensions using upscaling methods. For the clustering of distributed data such as Corey correlation coefficients, maximum relative permeability of water and oil, irreducible water saturation and residual oil saturation, the K-Means. The data are divided into four categories by the mentioned method, as a result, new relative permeability-saturation tables have been obtained by calculating the average and standard deviation of each parameter in each category, that the value of the standard deviation of the parameters is less than one, which indicates the appropriateness of this clustering method. In order to compare the history of pressure values of nine points and oil production rate, the simulation has been compared with the observed data and the match was appropriate.
