شبيه‌سازي سه بعدي استاتيكي و تخمين پارامترهاي مخزني با به‌كارگيري روش‌هاي زمين آماري در يكي از مخازن ايران

Static Three Dimensional Simulation and Estimation of Reservoir Parameters Using Geostatistical Methods in One of Iranian Reservoirs

هنگامي كه سخن از تصميم‌گيري‌هاي اقتصادي درخصوص مديريت يك ميدان يا يك مخزن اكتشافي به ميان مي‌آيد، وجود يك درك صحيح و توصيف واقع‌گرايانه از مخزن مي‌تواند بسترساز اتخاذ يك تصميم صحيح و انتخاب طرح مناسب در جهت بهبود مديريت مخزن و طرح توسعه ميدان شود. ميزان نفت درجاي قابل برداشت موثرترين پارامتر در اتخاذ اين تصميمات و تهيه طرح توسعه ميدان مي‌باشد. در اين راستا به كارگيري روش‌هاي شبيه‌سازي سه بعدي با استفاده از روش‌هاي زمين آماري كه علاوه بر تخمين پارامترهاي مخزني مقدار خطاي تخمين را نيز تعيين مي‎كند، بهترين گزينه است.در اين مطالعه، هدف ارايه يك مدل استاتيك سه بعدي از ويژگي‌هاي ساختماني، چينه‌شناسي و پتروفيزيكي يكي از مخازن جنوب ايران مي‌باشد كه در آن اطلاعات حاصل از نگارهاي ثبت شده در 9 چاه موجود و آناليزهاي پتروگرافي و مغزه با به‎كارگيري روش‌هاي زمين آماري هم چون تخمين كريجنگ و شبيه‌سازي گوسي متوالي، مدل‌هاي سه بعدي از مخزن را ايجاد كرده‌اند. پس از مقايسه نتايج حاصل از اعمال تكنيك‌هاي زمين آماري مشاهده شد كه نتايج حاصل از روش گوسي متوالي نسبت به كريجينگ قابل قبول‌تر است. در نهايت با استفاده از خروجي‌هاي مدل بهينه، محاسبات حجمي انجام و پارامترهاي مخزني نظير تخلخل و آب اشباع‌شدگي تعيين شده است. ميزان متوسط تخلخل 21%، آب اشباع شدگي 52% و ميزان ذخيره درجاي مخزن 270 ميليون بشكه تعيين شده است.

When we are talking about economic decisions concerning management of an exploratory field or reservoir, undoubtedly, the correct understanding and realistic explanation of reservoir can lead us to make valuable decisions and choosing appropriate plan in order to improve reservoir management and exploitation; Recoverable oil in place is the most important factor which affects these decisions. This study has been performed in order to make a three dimensional model of structure, stratigraphy, and petrophysical properties of one of Southern Iran reservoirs. Well logging and petrographic data as well as core analysis information were combined and put into an integrated workflow to took advantage of them to build probabilistic models of properties like porosity and water saturation (SW), using geostatistical routines such as Kriging and Sequential Gaussian Simulation (SGS). Comparison of these methods clearly shows that results of Sequential Gaussian simulation are more acceptable. Finally, volumetric calculations have done using the most realistic model outputs and parameters. The averages of porosity, SW and oil in place have estimated 21%, 52%, and 270 million barrel respectively.