image
energas.ru

Газовая промышленность № 6 2017

Геология и разработка месторождения

01.06.2017 11:00 ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ПРОГНОЗИРОВАНИЯ СОДЕРЖАНИЯ ПРИРОДНОГО ГАЗА В КОНТИНЕНТАЛЬНЫХ СЛАНЦЕВЫХ ПОРОДАХ НА ПРИМЕРЕ БАССЕЙНА ОРДОС
Качество данных геофизических исследований скважин (ГИС) играет ключевую роль в прогнозировании геологических параметров коллекторов. Данные ГИС характеризуются хорошей непрерывностью и вертикальной разрешающей способностью. Доказана эффективность использования данных ГИС для прогнозирования геологических и геохимических параметров коллекторов, в том числе для прогнозирования содержания органического углерода (Cорг). В статье на основе хорошо изученного региона «С» бассейна Ордос проведено нормирование результатов ГИС методами среднего значения и гистограмм для данных акустического каротажа (АК), гамма-гамма-каротажа (ГГК), электрического сопротивления (ЭС), нейтронного каротажа (НК). В ходе нормирования кривых ГИС слой С7-2 верхнего отдела триаса выбран в качестве представительного, а скважина A – в качестве опорной скважины. Полученные результаты показали, что нормирование данных ГИС эффективно сокращает количество систематических ошибок и повышает эффективность прогнозирования суммарного содержания органического вещества.
Ключевые слова: метод среднего значения, метод гистограммы, нормирование данных ГИС , нефть, газ, углеводороды, верхний отдел триаса.
Открыть PDF


С начала 2000-х гг. одной из наиболее наукоемких проблем для газовой отрасли является добыча сланцевого газа, извлекаемые запасы которого в мире, по данным Управления энергетической информации США, опубликованным в июне 2013 г., составляют 206 трлн м3. На долю Китайской Народной Республики из этого объема приходится около 20 %. Многие эксперты уже оценили перспективы Китая в добыче сланцевого газа, хотя и отмечают, что китайским ученым еще предстоит провести значительный объем исследований, несмотря на значительный прогресс в данной области в последние годы.

В период 12-й пятилетки в Китае руководство разведкой и разработкой месторождений сланцевого газа осуществлялось в соответствии с опубликованной 16 марта 2012 г. работой «Планирование развития сланцевого газа (2011–2015 г.)». В регионе «С» бассейна Ордос исследования сланцевого газа начались сравнительно недавно. При этом из-за высокой стоимости лабораторных анализов керна на практике чаще всего для прогнозирования параметров пластов специалисты используют данные ГИС, в связи с чем предстоит увеличить число пробуренных скважин специально для исследования сланцевого газа, провести комплекс специализированных геохимических исследований и т. д.

Одним из важнейших параметров для подсчета запасов сланцевого газа является содержание Cорг, характеризующее, с одной стороны, способность адсорбции сланцевой породы, а с другой – потенциал генерации газа. Поэтому на сегодняшний день важнейшей задачей для региона «С» бассейна Ордос является разработка методических приемов наиболее эффективной оценки содержания Cорг с помощью данных ГИС.

1.png 

Необходимость нормирования данных ГИС

Кривые ГИС содержат информацию, состоящую из трех компонентов: истинные сигналы, отражающие свойства пород; случайный шум; систематические ошибки. Последние связаны с использованием различной аппаратуры, несовпадением калибровки приборов, разницей в операциях при записи и времени проведения ГИС.

Впервые проблему нормирования данных ГИС подняли в своих работах Нейнаст и Нокс. Впоследствии Петчет и Коулсон (1979), Лэнг (1980) и Реймер (1985) доказали необходимость и предложили разные способы нормирования данных ГИС.

1_1.png

Целью нормирования является минимизация систематических ошибок и, соответственно, повышение надежности ГИС. Теоретическая основа заключается в том, что в одной фазовой зональности при проведении каротажа параметры излучения одинаковых пород схожи, особенно их максимальные и минимальные значения в определенном интервале.

В исследуемом регионе для прогнозирования содержания Cорг сланцев с помощью АК и ЭС применяется метод ΔLogR (рис. 1). Стоит отметить, что, хотя к настоящему времени по исследованию сланцевого разреза проведены многочисленные работы, единой модели для исследования Cорг не существует.

До нормирования данных ГИС модель прогнозирования методом ΔLogR была приемлема для скважин H и D, но для скважин F и L полученный прогноз (Cорг_модель ) не соответствует данным лабораторного анализа Сорг (на рис. 1 красными точками отмечены результаты лабораторного анализа Cорг методом пиролиза).

Чтобы сравнить содержание Cорг в этих скважинах в соответствующем слое, была построена гистограмма, на которой отражено распределение данных Сорг из скважин H, L, D (по скважине F мало данных лабораторного анализа) по результатам пиролиза.

1_1_1.png

На рис. 2 видно, что во всех трех скважинах содержание Cорг находится практически на одном уровне. Пиковое значение приходится на диапазон 3,8–5,8 %. Тем не менее все эти данные относятся к одному пласту. Лабораторный анализ подтверждает, что в одной фазовой зональности у одинаковых пород сходные свойства, т. е. у них должны быть схожие ГИС-параметры. Однако, как видно из рис. 1, по скважинам F и L в результате использования одной модели для прогнозирования Cорг получаются разные результаты.

Таким образом, данный пример также свидетельствует о том, что параметры ГИС неточны и существуют систематические ошибки, из-за чего прогнозирование по ГИС не соответствует результатам лабораторных исследований, и для повышения эффективности прогнозирования Cорг необходимо проводить нормирование.

 1_1_2.png

Выбор эталонной зоны и эталонной скважины

Выбор эталонной зоны является геологической основой для нормирования исходя из следующих правил:

• зона должна иметь значительную толщину и быть стабильной с точки зрения литофациального анализа;

• зона должна быть представлена во всем регионе, фиксироваться во всех скважинах, и ее толщина должна быть относительно постоянной;

• данные ГИС должны быть отчетливыми, изменения в них должны быть регулярными и легко прослеживаться во всем регионе.

Верхний отдел триаса однозначно выделяется на десяти пластах C1–C10, из которых C7 и C9 являются целевыми для поисков и освоения залежей сланцевого газа. Структура изучаемой площади является моноклиналью в осадочном чехле древней платформы и погружается в направлении с востока на запад. Структура простая, тектоника исследуемого региона стабильна. Пласты C7 и C9 в основном относятся к глубоководным и умеренно глубоководным озерным фациям.

1_1_3.png

В целях проведения нормирования ГИС сначала на основе района с хорошо изученным геологическим строением с помощью фациального анализа разделили пласт C7 на три слоя – C7-1, C7-2, C7-3. Оказалось, что весь слой C7-2 находится в умеренно глубоководной фации.

При литологическом расчленении пласта C7 установлено, что верхняя часть состоит главным образом из песчаника (рис. 3). Данные АК ниже, чем в остальной части пласта C7, плотность (ГГМ-п) сравнительно высока, а электрическое сопротивление повышено. Пласт C7-1 содержит мало органических веществ.

Слой C7-2 состоит главным образом из сланца и насыщен органическим веществом, характеризуется низкой плотностью (из-за высокого содержания органического вещества), высокими показателями АК и ЭС (из-за высокого удельного сопротивления газа и нефти) и высоким показателем НГ (из-за высокого газосодержания). Эти характеристики сильно отличаются от вышележащего слоя
C7-1, что характерно для всего района исследования.

Существует ряд правил выбора эталонной скважины, в числе которых:

• наличие сравнительно полного комплекса исследований ГИС;

• наличие сравнительно полных данных лабораторного анализа керна;

• предпочтительное расположение в центральной части района исследования, а не на периферии;

• высокий уровень сходимости данных ГИС и результатов лабораторных анализов.

Как показано на рис. 4, скважина A находится примерно в центре исследуемого района, по ней собраны наиболее полные данные, поэтому в качестве эталонной скважины была выбрана именно скважина А, а в качестве эталонной зоны – слой C7-2.

 1_1_4.png

Методы нормирования

Существует множество примеров нормирования данных ГИС, однако основными принято считать следующие:

1) метод среднего значения – также известен как метод нормирования по одному пласту. Вычисляется среднее значение выбранного параметра ГИС в одном пласте (слое) каждой скважины, сопоставляется со средним значением ГИС данного пласта в эталонной скважине, после этого его изменяют таким образом, чтобы среднее значение данного параметра ГИС в каждой скважине равнялось значению в эталонной скважине. Как показано в табл. 1, при проведении нормирования АК полученное среднее значение в эталонной скважине А слоя C7-2 для калибровки равно 253,695 мкс/м. По формуле нормирования Y = kX + b изменяем ГИС-кривую каждой скважины так, чтобы среднее значение полученной кривой в представительной зоне составило 253,695 мкс/м.

При вычислении среднего значения необходимо обратить внимание на аномальные значения, которые могут оказать сильное влияние на среднее значение. Одним из эффективных статистических методов исключения аномальных значений является построение диаграмм типа «ящик с усами» (Джон Тьюки) (рис. 5). В качестве достоверного интервала выбраны 5 и 95 %. Данные, выходящие за границы «усов», отображаются на рисунке в виде точек – это аномальные значения, подлежащие исключению. После исключения аномальных производится вычисление среднего значения и выполняется нормирование, как показано в табл. 1.

Кроме того, стоит отметить, что при обработке данных для статистического анализа распространения значений ЭС из-за широкого интервала изменения электрического сопротивления приходится использовать логарифмическую шкалу (рис. 6);

2) метод гистограммы – используется для статистического анализа распределения данных ГИС. В качестве достоверного интервала принимается 5 и 95 % распределения параметров ГИС в выбранной зоне, затем вычисляется сам достоверный интервал параметров ГИС в разных скважинах. Параметры ГИС подбираются по формуле нормирования, чтобы нижнее и верхнее значения достоверного интервала в исследуемом пласте (слое C7-2) были равны значениям достоверного интервала в эталонной скважине (табл. 2).

На рис. 7а показано распределение значений сопротивления разных скважин в эталонной зоне. Каждая кривая обозначает одну скважину, в том числе синяя кривая – эталонную. Синие вертикальные линии на графике – достоверный интервал сопротивления в эталонной скважине. На рис. 7б отображено распределение сопротивления после нормирования. Из сопоставления двух частей следует, что после нормирования у всех кривых (т. е. у всех скважин) – одинаковый достоверный интервал в эталонной зоне;

3) метод трендовой площади. Теоретической основой метода является то, что геологический параметр изменяется по пространству в соответствии с определенным законом. Обычно данные ГИС по вертикали и латерали изменяются регулярно, отражая природный закон, соответствующий определенным геологическим характеристикам.

Зависимость строится на основе координат X, Y в качестве переменной, а определенный по ГИС параметр – в качестве зависимой переменной, что позволяет анализировать, как определенное значение ГИС изменяется в пространстве. Для нормирования данных ГИС метод трендовой площади эффективен, когда в районе исследования фонд скважин достаточно плотный.

В настоящее время в регионе «С» бассейна Ордос пробурено не более 20 специальных скважин для поисков сланцевого газа, площадь района исследования велика, и наиболее существенной проблемой является то, что при применении метода трендовой площади в полученной формуле коэффициенты перед координатами очень малы. Чаще всего это приводит к искажению истинной геологической ситуации, поэтому в данном регионе метод трендовой площади не применяется.

Результат проведения нормирования

Как показано на рис. 8, после нормирования данных ГИС методом ΔLogR была построена модель для прогнозирования содержания Cорг. Такие же исследования проведены в других скважинах. Очевидно, что после нормирования эффективность прогнозирования Cорг сильно повысилась, получена единая модель прогнозирования суммарного органического вещества, которую можно применять в скважинах F и L.

Коэффициент корреляции значений Сорг, рассчитанных по данным ГИС, и значений Cорг по результатам анализа пиролиза очень высок, R2 = 86 %, что позволяет говорить о надежном прогнозе.

По итогам исследования можно с уверенностью говорить о том, что данную модель можно эффективно применять во всем регионе для эффективного прогнозирования содержания Сорг для сланцевого газа.

1_1_5.png 

Выводы

1. Нормирование данных ГИС позволяет значительно повысить эффективность прогнозирования содержания суммарного органического вещества.

2. На данный момент не существует абсолютно универсального метода, одинаково применимого во всех регионах мира, однако использование предлагаемой методики в ряде случаев дает положительный результат.

3. В процессе нормирования данных ГИС очень важным является выбор эталонной зоны и скважины для максимального снижения влияния фациальных различий на ГИС, минимизации числа систематических ошибок и внесения корректных изменений в значения ГИС. Оптимальным будет выбор зоны, имеющей отчетливые ГИС-характеристики и стабильно распространенной, прослеживаемой во всем исследуемом диапазоне. Общая толщина пласта не обязательно должна быть большой, но лучше, если она будет находиться в пределах одной фации и иметь сходный литологический состав во всем регионе.

4. Выбор эталонной скважины напрямую зависит от полноты комплекса лабораторного анализа керна и качества имеющихся данных ГИС, а также оптимального расположения скважины относительно остальных, желательно в центре района исследований.

5. При нормировании необходимо учитывать шкалу данных ГИС. Например, для нормирования АК, ГК, НК, ГГМ-п используют линейную шкалу, а для нормирования ЭС применяется логарифмическая шкала.

6. Промышленное содержание природного газа в озерных сланцах региона находится в прямой зависимости от содержания Сорг в породе.

 


 

Таблица 1. Нормирование методом среднего значения

Скважина

Зона

ГИС

Операция

Среднее значение до нормирования, мкСм/м

H

C7-2

AC

Нормирование

234,853

G

C7-2

AC

Нормирование

235,544

F

C7-2

AC

Нормирование

251,50

E

C7-2

AC

Нормирование

243,66

D

C7-2

AC

Нормирование

231,28

C

C7-2

AC

Нормирование

236,43

B

C7-2

AC

Нормирование

256,46

A

C7-2

AC

Калибровка

253,695

I

C7-2

AC

Нормирование

233,58

J

C7-2

AC

Нормирование

235,74

K

C7-2

AC

Нормирование

235,682

L

C7-2

AC

Нормирование

235,628

M

C7-2

AC

Нормирование

257,322

N

C7-2

AC

Нормирование

248,376

O

C7-2

AC

Нормирование

233,39

P

C7-2

AC

Нормирование

236,541

 

Таблица 2. Нормирование методом гистограммы

Скважина

Зона

ГИС

Операция

Минимальное значение до нормирования, мкСм/м

Максимальное значение до нормирования, мкСм/м

H

C7-2

ЭС

Нормирование

60,4234

117,80

G

C7-2

ЭС

Нормирование

61,2844

626,01

F

C7-2

ЭС

Нормирование

73,5707

104,58

E

C7-2

ЭС

Нормирование

21,1501

1216,34

D

C7-2

ЭС

Нормирование

58,8954

141,44

C

C7-2

ЭС

Нормирование

70,4287

306,75

B

C7-2

ЭС

Нормирование

49,4425

580,738

A

C7-2

ЭС

Калибровка

51,6078

677,0634

I

C7-2

ЭС

Нормирование

62,9023

102,97

J

C7-2

ЭС

Нормирование

75,4607

443,07

K

C7-2

ЭС

Нормирование

57,4749

114,977

L

C7-2

ЭС

Нормирование

57,2724

94,48

M

C7-2

ЭС

Нормирование

56,2858

870,66

N

C7-2

ЭС

Нормирование

46,5234

755,86

O

C7-2

ЭС

Нормирование

29,5125

954,94

P

C7-2

ЭС

Нормирование

49,0154

103,25



← Назад к списку