تفكيك زون‌هاي مختلف مخزن هيدروكربني با كمك رخساره‌هاي الكتريكي

Separating Different Zones of Hydrocarbon Reservoirs by Using Electrofacies

رخساره‌هاي الكتريكي در اصل يك روش قطعي يا تحليلي براي دسته‌بندي داده‌هاي چاه نگارهاي پتروفيزيكي است كه مي‌تواند نشان دهنده تغيير ويژگي‌هاي زمين‌شناسي يا مخزني باشد. در اين مقاله، ابتدا بر اساس داده‌هاي مغزه (تخلخل- تراوايي) در سه چاه مغزه گيري شده از يكي از ميادين نفتي جنوب ايران، سه زون خوب، متوسط و ضعيف از نظر كيفيت مخزني تعيين شد. سپس با استفاده از چاه نگارهاي پتروفيزيكي (شامل نوترن، چگالي، صوتي و مقاومت الكتريكي حقيقي سازند) و روش خوشه‌سازي، مدل رخساره الكتريكي اوليه با 7 خوشه (رخساره) به دست آمد. با بررسي نتايج اين مدل و مقايسه آن با داده‌هاي مغزه، رخساره‌هايي كه تقريباً به يك گروه (زون مخزني) تعلق داشتند، با هم تركيب گرديد. در نتيجه مدل اوليه 7 رخساره‌اي به مدل جديدي با 3 خساره (معادل سه زون مخرني) تبديل شد. اين مدل بهينه شده در سه چاه مرجع به كار برده شد كه با توجه به نتيجه آن در تفكيك خوب بخش‌هاي مختلف مخزني، به تمام چاه‌هاي ميدان مورد مطالعه تعميم داده شد كه در نهايت امكان ساخت يك مدل سه بعدي رخساره‌اي كه بخش‌هاي مخزني خوب، ضعيف و متوسط را به خوبي از هم متمايز مي‌كند، در كل ميدان فراهم گرديد.

Electrofacies is a deterministic or analytical way to practice the partitioning of well log data, which show a variation of geologic or reservoir characteristics. In this paper, we used three cored wells located in one of the oil fields in the south of Iran. Based on the core data (porosity-permeability), the three reservoir zones were identified to have different characteristics. Based on common well logs in all wells (Rhob, Nphi, Dt, and Rt) and MRGC method, an initial electrofacies model with 7 facies was developed. By comparing the results with the core data, those facies with the same reservoir quality were merged together. Thus, we obtained a new model with 3 facies. The new optimized model was then applied to 3 cored wells. It successfully separated poor, moderate, and good reservoir zones. Therefore, the above model was propagated into all wells. The results allowed creating a 3D-facies model of the reservoir in the field. This model properly separated the poor, moderate, and good zones of reservoir.