مدل‌سازي فشارمنفذي مخزن هيدروكربني در جنوب غرب ايران با استفاده از داده‌هاي چاه‌پيمايي

Pore Pressure Modeling of Hydrocarbon Reservoir in Southwest of Iran Using Well Logging Data

يكي از مهم‌ترين عمليات اجرايي براي توصيف و شبيه‌سازي مخازن هيدروكربني، عمليات نمودارگيري است. در اغلب چاه‌هاي نفتي/گازي براي تعيين خواص مخزني مانند تخلخل، نفوذپذيري و ليتولوژي، از نمودارهاي زمان عبور صوت،‌ چگالي و پرتو گاما كه به داخل چاه‌ها رانده مي‌شوند. همچنين از اين نمودارها مي‌توان براي محاسبه و ساخت مدل‌ فشار منفذي استفاده كرد كه موضوع اصلي اين مقاله مي‌باشد. به‌دليل هزينه نسبتاً زياد و اطلاعات موضعي ابزارهاي اندازه‌گيري مستقيم فشار منفدي، استفاده از روش‌هاي كم هزينه‌‌تر كه طيف گسترده‌ و پيوسته‌‌اي از داده‌هاي فشار منفذي را دارند، مقرون به‌صرفه است. در اين مقاله ابتدا روش‌هاي محاسبه فشار منفذي با استفاده از نمودارهاي چاه‌پيمايي و سپس نمونه‌اي واقعي از تخمين و مدل‌سازي فشار منفذي در يك مخزن هيدروكربني واقع در جنوب غرب ايران ارايه ‌مي‌شود. به دليل سن زياد چاه‌هاي حفاري‌شده، برخي از چاه‌ها فاقد نمودار زمان عبور صوت بودند، لذا اين نمودارها با استفاده از روش شبكه عصبي مصنوعي تخمين زده شدند. آزمون t-استيودنت نشان داد كه نمودارهاي تخميني دقت و صحت قابل قبولي دارند. پس از تخمين نمودار زمان عبور صوت، ابتدا فشار منفذي و گراديان آن با استفاده از مدل ايتون محاسبه شد و سپس در يكي از چاه‌ها نمودار فشار منفذي به ‌دست آمده با داده‌هاي فشار منفذي اندازه‌گير‌‌ي‌ شده، مقايسه شدند. اين مقايسه نشان داد كه نمودار فشار منفذي به دست آمده براي اين مخزن برآورد قابل قبولي از فشار منفذي واقعي است. براين اساس مدل فشار منفذي مخزن با استفاده از روش زمين‌آمار براي كل ميدان تهيه شد. بديهي است عدم قطعيت مدل در مناطقي كه تعداد چاه‌ كمتري دارد، بيشتر است.

One of the most important operations for reservoir characterization and simulation is well logging. Sonic, density and gamma ray logs are run in most of oil/gas wells to determine reservoir properties such as porosity, permeability and lithology. Also these logs can be used for estimation and modeling of pore pressure which is the main subject of this paper. Direct measurement of pore pressure by conventional tools is expensive and produces local data but well logs are less expensive and have continuous data. In this paper, first pore pressure models are reviewed and then pore pressure model of hydrocarbon reservoir located in Southwest of Iran is constructed. This reservoir is old and some of wells had no sonic log, thus this log predicted using artificial neural network method. T-student test showed that predicted sonic logs have acceptable accuracy. In next stage, first for all of wells pore pressure estimated using Eaton’s model and then in one well, the estimated pore pressure log was compared to measured pore pressure data. This comparison showed that the estimated pore pressure log is very close to measured pore pressure. Therefore the pore pressure model for field was constructed using Geostatistics method.