CC BY
0
ДОБЫЧА
DOI: 10.24412/2076-6785-2024-7-90-95
УДК 622.276 I Научная статья
Использование автоматизированного поиска аналогов для повышения точности обоснования подсчетных параметров, обусловленных свойствами пластовых флюидов
Громова Е.А.1,2, Заночуев С.А.1, Гребенкин А.А.1
*ООО «Тюменский нефтяной научный центр», Тюмень, Россия; 2Тюменский индустриальный университет, Тюмень, Россия
Аннотация
В статье представлен опыт создания автоматизированной системы подбора аналогов флюида, имеющего охарактеризованные свойства узких фракций/групп углеводородов, позволяющей повысить достоверность исходной информации, используемой для решения различных практических задач нефтегазовой отрасли. Выполнен обзор действующих регламентных документов относительно рекомендаций по подбору пластов-аналогов при обосновании подсчетных параметров, обусловленных свойствами пластовых флюидов. Приведен практический пример подбора пласта-аналога для реальной нефтяной залежи, показывающий, что разработанные авторами подходы позволяют с высокой степенью достоверности производить поиск подходящего объекта.
Материалы и методы
Основой для представленного метода послужили данные, полученные на фактических пробах флюидов, отобранных при испытании скважин. Для определения физико-химических и хроматографических данных использовались средства измерения, проведшие соответствующие метрологические процедуры поверки и калибровки.
Ключевые слова
нефть, конденсат, физико-химические свойства, атмосферновакуумная разгонка, метод аналогии, обоснование подсчетных параметров, оценка геологических запасов
Для цитирования
Громова Е.А., Заночуев С.А., Гребенкин А.А. Использование автоматизированного поиска аналогов для повышения точности обоснования подсчетных параметров, обусловленных свойствами пластовых флюидов // Экспозиция Нефть Газ. 2024. № 7. С. 90-95.
DOI: 10.24412/2076-6785-2024-7-90-95
Поступила в редакцию: 17.09.2024
OIL PRODUCTION
UDC 622.276 I Original Paper
Applying automated search of analogues to improve the validation accuracy of the volumetries determined by reservoir fluid properties
Gromova E.A.1,2, Zanochuev S.A.1, Grebenkin A.A.1
^‘Tyumen petroleum research center” LLC, Tyumen, Russia; industrial University of Tyumen, Tyumen, Russia
Abstract
The paper describes the lessons learned when creating an automated system for selecting analogues of fluids with defined properties of narrow fractions/hydrocarbon groups and allowing to improve the reliability of initial information used to address various practical challenges of oil and gas industry. A review of the current regulatory documents concerning recommendations on the selection of reservoir analogues in the validation of the volumetrics determined by the properties of reservoir fluids has been performed. A case study of a reservoir analogue selection for a real oil pool is given, proving that the approaches developed by the authors allow searching for a suitable target with a high degree of reliability.
Materials and methods
The basis for the presented method was the data obtained from actual fluid samples taken during well testing. To determine the physical and chemical and chromatographic data, the metrologically verified and calibrated measuring tools were used.
Keywords
oil, condensate, physical and chemical properties, atmospheric-vacuum distillation, analogy method, validation of volumetrics, estimation of in-place reserves
For citation
Gromova E.A., Zanochuev S.A., Grebenkin A.A. Applying automated search of analogues to improve the validation accuracy of the volumetrics determined by reservoir fluid properties. Exposition Oil Gas, 2024, issue 7, P. 90-95. (In Russ). DOI: 10.24412/2076-6785-2024-7-90-95
Received: 17.09.2024
Важным этапом разведки залежей углеводородов является подсчет запасов нефти, горючих газов и газового конденсата для их постановки на государственный учет. Утвержденные на данном этапе свойства пластовых флюидов влияют не только на точность величины геологических запасов, но также закладываются в основу последующих расчетов вариантов разработки месторождения. Таким образом, использование недостоверных свойств пластовой нефти или газа, принятых на начальном этапе, может стать причиной не только некорректной оценки запасов, но и значительного расхождения проектных и фактических профилей добычи, ошибок в расстановке эксплуатационного фонда, в выборе режимов работы скважин, проектировании систем сбора, подготовки и транспорта. Особенно эти проблемы заметны при эксплуатации залежей с высоким содержанием газа в пластовой нефти или конденсата в газе.
Приоритетным источником информации при обосновании подсчетных параметров, характеризующих состав и физико-химические свойства пластовых углеводородных флюидов, являются результаты исследований собственных представительных проб (в первую очередь глубинных или рекомбинированных). Однако не всегда удается обеспечить отбор проб, удовлетворяющих требованиям к их представительности. В таких случаях
регламентными документами для проведения расчетов допускается использование состава и свойств по аналогии с уже открытыми и более изученными месторождениями [1-4].
Методы аналогии широко применяются при решении нефтегазовых задач поиска, разведки и разработки залежей в условиях недостатка исходной фактической информации [5-7]. Однако при всем разнообразии состава и свойств нефтяных, газовых и газоконденсатных залежей до последнего времени в нашей стране ни в одном из регламентных документов не приводились четкие требования к обоснованию свойств пластового флюида по методу аналогии, а именно к набору сопоставляемых параметров и минимально возможному их расхождению, позволяющему признать тот или иной объект подходящим в качестве аналога. Например, в «Требованиях...» [2] отмечается только, что при использовании метода аналогии необходимо приводить «исходные данные, подтверждающие правильность выбора параметров подсчета по аналогам». Какие именно данные считаются подтверждающими корректность выбора, в указанном документе не уточняется. В «Методических рекомендациях.» [3] отмечается, что в качестве аналога выбирается «залежь со сходными геолого-промысловыми характеристиками ближайшего разведываемого или разрабатываемого месторождения». Перечень характеристик, которые при этом
Табл. 1. Характеристики жидкой и газовой фаз, учитываемые при поиске аналога Tab. 1. The properties of the liquid and gas phases to be taken into account in the search of an analogue
Фаза пластовой УВ системы Характе- ристики Наименование характеристик Количество показателей в БД для характеристики Ц) Весовой коэф. (у;)
плотность 1-3 1
Физико-химические вязкость 1-3 1
показатель преломления 1 1
молярная масса 1 1
содержание серы 1 1
содержание смол 1 1
содержание парафинов 1 1
Жидкая (нефть, конденсат) содержание асфальтенов 1 1
температура застывания 1 1
распределение фракций по температурам кипения до 50 1
плотность фракций до 50 1
молярная масса фракций до 50 1
Товарные вязкость узких фракций до 50 1
содержание серы в узких фракциях до 50 1
температура застывания узких фракций до 50 1
детальный углеводородный состав узких фракции более 100 (30 значимых) для каждой фракции 1
Хроматографические компонентно-фракционный состав до 100 1
детальный углеводородный состав бензиновой фракции более 100 (30 значимых) 1
Газовая (растворенный газ, газ сепарации) Компонентно-групповой состав до 17 1
должны быть сходными, в данном источнике не приведен.
Практика показывает, что в условиях отсутствия четких рекомендаций в качестве аналога мог быть выбран тот объект, для которого наблюдалась близость таких параметров, как пластовое давление, температура и глубина залегания. При этом дополнительно учитывалась в лучшем случае только плотность дегазированного жидкого флюида (нефти или конденсата), а все остальные его физико-химические свойства (например, вязкость, содержание серы, смол, парафинов и т.п.) не сопоставлялись. Также не учитывались и данные о составе газовой фазы. Исключение из анализа перечисленных параметров может приводить к значительным ошибкам, поскольку они определяют взаимную растворимость жидких и газообразных компонентов в пластовых условиях, а значит, в совокупности с начальными термобарическими условиями в залежи обуславливают состав и свойства пластового флюида.
В 2023 году были разработаны и решением экспертно-технического совета ФБУ «Государственная комиссия по запасам полезных ископаемых» рекомендованы к использованию «Методические рекомендации по определению подсчетных параметров, характеризующих компонентный состав и физико-химические свойства УВС» [4]. В данном документе параметры, на которые необходимо ориентироваться при подборе аналогов, описаны наиболее подробно. Среди них одинаковое фазовое состояние пластового флюида, сопоставимые термобарические условия и глубина залегания, а также основные физико-химические свойства нефти или конденсата и состав газа. Насколько близкими должны быть сравниваемые параметры, а также какие из них являются приоритетными, в документе не указано. Введение расширенного перечня сравниваемых параметров должно значительно повысить точность оценки подсчетных параметров при использовании метода аналогии, поскольку свойства пластовых флюидов могут изменяться в рамках одного пласта или даже залежи, особенно если при их формировании участвовали несколько нефтематеринских источников или уже после заполнения ловушки происходили процессы вторичного преобразования насыщающих ее углеводородов. Таким образом, чем больше показателей, характеризующих пластовый флюид, используется при поиске аналога, тем точнее он будет подобран.
Если поиск аналогов производится в ручном режиме, то процесс требует больших временных затрат, а на представительность подобранного объекта может оказывать влияние субъективное мнение специалиста. На потребность в совершенствовании и автоматизации процессов выбора аналогов указывает развитие такого направления, как разработка коллективами авторов различных систем и методик подбора. Так, в 2023 г. на II научно-практической конференции им. Е.Г. Коваленко «Актуальные вопросы экспертизы геологических и извлекаемых запасов УВС» Волковым В.П. был представлен доклад на тему «Разработка технического задания для создания поисковой системы аналогов месторождений УВС для целей подсчета запасов и проектирования разработки», в котором отражены результаты разработки системы для автоматического подбора залежей-аналогов с применением алгоритмов искусственного интеллекта. На этапе формирования поискового запроса среди параметров,
позволяющих учесть состав и свойства пластового флюида, кроме глубины залегания и начальных термобарических условий предлагается задавать дополнительные параметры, такие как содержание конденсата в пластовом газе или плотность дегазированной нефти. Важность «корректного описания свойств пластовых флюидов и прогнозирования их поведения в процессах добычи, транспорта, а также при расчете запасов нефти и газа» отмечают и авторы статьи [8]. Для решения проблемы недостаточного объема исходных данных предлагается создать и использовать «единую базу готовых PVT-метамоделей пластовых флюидов», на основе которой с помощью разработанной авторами методики предполагается выполнять подбор аналогов пластовых флюидов, представляющих собой готовую композиционную PVT-модель. О реализации функционала поиска флюидов со схожими свойствами в условиях отсутствия данных по неразведанным месторождениям в разработанном АО НК «Каз-Мунайгаз» модуле «Пластовые флюиды» заявлено и в работе [9], однако методология, по которой осуществляется процесс выбора объекта, в статье не освещена.
В начале 2023 года цель разработки программного продукта для автоматизированного поиска аналогов пластовых углеводородных систем поставили перед собой и специалисты ООО «Тюменский нефтяной научный центр». Современная лабораторная база организации и многолетний накопленный фактический материал по исследованиям пластовых флюидов различных месторождений Восточной и Западной Сибири позволили собрать обширную базу данных (БД) с возможностью последующего ее использования в целях подбора аналогов для объектов с неполной исходной информацией. При этом задача поиска аналога не ограничивалась только возможностью определения параметров, необходимых для целей подсчета запасов, а была расширена до одновременного определения исходных данных, необходимых для повышения точности расчета процессов добычи, транспорта, первичной и вторичной переработки, т.е. информации о компонентном составе продукции и о свойствах групп углеводородов, входящих в ее состав. Для решения поставленной задачи
наполнение базы данных осуществлялось результатами исследований тех объектов, для которых имеется наиболее полный объем информации, включающей такие характеристики дегазированных жидких углеводородов как основные физико-химические свойства, хроматографические исследования состава, а также характеристики узких фракций (табл. 1). При наличии данных о составе газовой фазы (газа сепарации или растворенного нефтяного газа) эта информация также заносилась в базу данных. Таким образом, при поиске аналога имеется возможность учитывать как рекомендуемые регламентными документами, так и дополнительные параметры, что позволяет пользователю сделать наиболее обоснованный выбор.
В рамках реализации проекта была произведена систематизация данных по 167 пробам углеводородов: 118 — нефтей и 49 — конденсатов. Изначально сформированная база продолжает пополняться по мере проведения исследований новых образцов. Территориально пробами представлены шесть регионов Восточной и Западной Сибири (62 месторождения, 81 различный продуктивный пласт).
В минимальный набор параметров, по которым предлагается осуществлять поиск аналога, предлагается включить следующие характеристики дегазированной нефти или конденсата:
• основные физико-химические свойства;
• компонентно-фракционный состав,;
• групповой состав бензиновой фракции (содержание алканов, аренов, нафтенов и др.);
• индивидуальный компонентный состав бензиновой фракции с дополнительной визуализацией в формате так называемого метода «фингер-принт» (отпечаток пальца), который основан на сравнении наборов наиболее значимых компонентов, содержащихся в составе отдельных групп УВ.
Перечисленную информацию можно получить, даже если в ходе исследований продуктивного объекта удалось отобрать только поверхностные пробы нефти или конденсата.
Набор сравниваемых параметров при наличии соответствующей информации дополняется данными атмосферно-вакуумной
разгонки (АВР) жидких углеводородов и составом газовой фазы.
Критерием успешности при подборе аналога (J) является минимизация суммы нормированных квадратов разности значений (отклонений) показателей по пробе изучаемого объекта (x"^) и соответствующих показателей образцов, имеющихся в базе данных (хДБ), с учетом величины весового коэффициента (Yi):
J = Zfi (*Г-х™)1 ™П-
норм
Весовые коэффициенты по умолчанию принимаются равными 1, а при необходимости могут быть скорректированы пользователем в меньшую или большую сторону.
Для демонстрации работоспособности разработанного инструмента рассмотрим пример подбора аналога для одной из новых залежей месторождения «Х» Западной Сибири. Фазовое состояние объекта на момент обоснования свойств принято как однофазное нефтяное. Изучаемая залежь в полной мере охарактеризована результатами исследований глубинных и дегазированных проб нефти. Предположим, что собственных представительных глубинных проб из месторождения «X» отобрать не удалось, и имеются только результаты исследований дегазированной нефти. Эти результаты из файлов специального формата (протоколов) были загружены в форму автоматизированного поиска и выполнен подбор наиболее подходящих аналогов (рис. 1). Отметим, что поиск аналога выполнен по комплексному критерию, т.е. с учетом всех имеющихся параметров и с весовым коэффициентом для каждого, равным 1. При необходимости пользователь может из предложенных показателей выбирать наиболее приоритетные (один или несколько) или учитывать все, экспертно задавая им требуемые значения весовых коэффициентов.
По результатам выполненного поиска в качестве наилучшего аналога для залежи месторождения «X» следует считать нефть из одновозрастных нижнехетских отложений месторождения «А» с наименьшим значением критерия сходимости. Основные параметры пластовой нефти месторождения «Х», полученные по собственным глубинным пробам, и в случае их оценки по аналогии с залежью месторождения «А», имеют высокую сходимость (табл. 2), что подтверждает работоспособность реализованной поисковой системы.
Следует отметить, что согласно геолого-физической характеристике подобранная залежь-аналог является нефтяной с газовой шапкой. При этом если бы подбор аналогов для нефтяной залежи «Х» осуществлялся в соответствии с рекомендациями [4], то из перечня рассматриваемых объектов были бы исключены двухфазные нефтегазовые залежи. В этом случае в качестве аналога выбирается залежь месторождения «В» с гораздо более худшим процентом сходимости (рис. 1), как единственная среди близлежащих, которая не имеет газовой шапки. Автоматическая выгрузка сравнительных диаграмм, позволяющая визуально оценить точность подбора аналога пластового флюида, также показывает значительное отличие нефти «В» от «Х» и «А» по большинству физико-химических характеристик (рис. 2). Это различие подтверждает и заметно более высокая плотность дегазированной нефти залежи «В» (840,8 кг/м3) в сравнении с «Х» (826,9 кг/м3) и «А» (822,5 кг/м3). Наблюдаемая разница в свойствах нефти из залежи «В» вероятнее
Рис. 1. Форма автоматизированного подбора аналогов на примере нефтяной залежи месторождения «X» Западной Сибири
Fig. 1. The form of automated selection of analogues from a case study of an oil pool of the X Field in West Siberia
всего связана с протекающими в ней процессами биодеградации, на что указывает пониженное по сравнению с «X» и «А» содержание нормальных алканов при более высоком фоне ароматических структур (рис. 2).
При последующем более детальном изучении материалов было установлено, что анализ сейсмических данных допускает наличие газовой шапки и в залежи «X», хотя на текущий момент она не выявлена. Таким образом, можем видеть, что если бы по методу аналогии были приняты свойства нефти из залежи «В», то при оценке запасов ошибка составила бы 16 %, а если залежи «А» — всего 4 %.
Приведенный пример дополнительно показывает, что выбор аналога только среди месторождений с одинаковым фазовым состоянием пластового флюида, предложенный в [4], значительно сужает поиск наиболее подходящего варианта. Текущая оценка типа залежи как однофазной нефтяной или газовой может быть связана с тем, что газовая шапка или нефтяная оторочка в исследуемой залежи присутствует, но выполненного объема исследований недостаточно для установления их наличия. Таким образом, в период низкой степени изученности нефтяных залежей, в которых на текущий момент не установлено наличие газовой шапки, нельзя исключать вероятность предельной или близкой к предельной степени насыщенности нефти. Данный вывод справедлив и для недостаточно изученных газоконденсатных залежей, в которых не выявлено наличие нефтяной оторочки.
Итоги
Помимо двух основных задач поиска аналогов для целей подсчета запасов, а также характеристики свойств групп углеводородов, входящих в состав пластового флюида, расширение возможностей использования сформированной базы данных видится в подключении к анализу различных геохимических маркеров или флюидальных коэффициентов [10-12], что позволит учитывать влияние на свойства сравниваемых объектов их фазового состояния, генетического типа или произошедших процессов вторичных преобразований. Совершенствование подхода к поиску аналогов также предполагает обоснование оптимального набора критериев и необходимой точности их сходимости, чтобы выбранный объект мог быть признан гарантированно лучшим среди возможных. Одним из перспективных подходов в этом направлении видится принятие решений на основе вывода по прецедентам [13].
Вид задач, решаемых при использовании реализованного инструмента, также может меняться в зависимости от наличия или отсутствия данных по атмосферно-вакуумной разгонке. Среди перечисленных в таблице 1 видов исследований АВР является наиболее трудоемким и дорогостоящим. В лабораториях процесс фракционирования жидких углеводородов выполняется на оборудовании, включающем в себя ректификационную колонну с возможностью получения вакуумных фракций при повышенных температурах. Аппараты АВР позволяют получать отдельные 10-градусные или так называемые узкие фракции, свойства которых (плотность, вязкость, массовое содержание серы, температура застывания и др.)
определяются стандартными физико-химическими методами. Ценность данного вида исследований заключается не только в определении характеристик товарных свойств нефти или конденсата. Получаемые данные также важны для корректного расчета состава пластового флюида, поскольку позволяют наиболее точно определить свойства групп углеводородов (плотность, молярная масса), избегая тем самым ошибок, которые могут быть получены при использовании для их оценки табличных данных или корреляционных зависимостей [14, 15].
Таким образом, если при поиске аналога используются данные АВР, преимущество заключается в значительном увеличении сравниваемых показателей. Если же объект
Рис. 2. Сравнение некоторых показателей залежи месторождения «X» Западной Сибири с залежами-аналогами «А» и «В»
Fig. 2. Comparison of some parameters of an oil pool of the X Field in West Siberia with analogue units A and B
Табл. 2. Сравнение основных характеристик и подсчетных параметров по собственным пробам залежи «Х» и в случае использования метода аналогии по залежам «А» и «В»
Tab. 2. Comparison of the main properties and volumetries on own samples of the X Field and when using the analogy method for units A and B
Значения для залежи
1 lapeuvie 1 ры «X»* «А» «В»
Тип залежи Нефтяная Нефтяная с ГШ Нефтяная
Характеристики залежи Индекс пласта Нх3-4 Нх3 Нх3(0)
Пластовая температура, °С 71,0 63,0 62,4
Начальное пластовое давление, МПа 29,1 27,5 27,8
Глубина залегания,м 2918,0 2735,0 2798,5
флюида Плотность дегазированной нефти, кг/м3 826,9 822,5 840,8
Газосодержание, м3/т 284,1 290,3 156,2
Объемный коэффициент, доли ед. 1,74 1,80 1,53
Ошибка 1 в оценке геологических запасов нефти при использовании полученных параметров, % - 4 16
фактические данные по результатам исследований собственных глубинных проб
на момент поиска для него аналога результатами АВР не охарактеризован, то преимуществом разработанного инструмента является возможность оценки наличия среди ранее проведенных исследований данных по АВР для схожих объектов. В случае уверенного нахождения аналога это позволит исключить финансовые и временные затраты на проведение трудоемких исследований для нового объекта, а при отсутствии — обоснованно рекомендовать их проведение.
Еще одним достоинством разработанного продукта является возможность после подбора аналога произвести выгрузку свойств (в первую очередь плотности и молярной массы) псевдофракций или групп углеводородов с пользовательской настройкой, учитывающей тип флюида и необходимый формат ввода исходных данных в специализированном ПО, используемом для последующего моделирования тех или иных процессов. Так, в PVT-симуляторы, как правило, принято задавать состав флюида в компонентно-групповом виде (до фракции Сп+), а для программных продуктов типа Hysys, направленных на моделирование систем подготовки, имеется возможность выгрузки данных в компонентно-фракционном виде.
Выводы
• В результате проведенных работ разработан инструмент, позволяющий производить автоматизированный выбор аналогов пластового флюида с характеристикой свойств групп и фракций.
• Подбор выполняется с учетом требований актуальных регламентных документов, а также позволяет учитывать расширенный набор характеристик, помогающих сделать наиболее обоснованный выбор среди нескольких аналогов.
• Информация, получаемая в результате успешного подбора аналога, может использоваться для обоснования подсчетных и прочих параметров, характеризующих состав и свойства пластовых флюидов в условиях их недостаточной текущей изученности.
• На реальном примере показано, что в период низкой степени изученности однофазных нефтяных или газоконденсатных залежей, в которых на текущий момент не установлено наличие газовой шапки или нефтяной оторочки, нельзя исключать вероятность предельной или близкой к предельной степени насыщенности нефти или газа, а значит исключать из кандидатов на аналоги двухфазные залежи.
• Получаемая информация может быть также направлена на создание PVT-моделей пластового флюида, необходимых для корректного расчета процессов добычи,
транспорта, подготовки и переработки продукции.
• Помимо задачи поиска аналогов используемая методология также позволяет выполнять оценку целесообразности проведения такого трудоемкого и дорогостоящего вида анализа как атмосферно-вакуумная разгонка, что помогает недропользователю обеспечить рациональные затраты на реализацию программы исследований.
• Дальнейшее расширение возможностей использования сформированной базы данных видится в подключении к анализу различных геохимических маркеров или флюидальных коэффициентов, а также в совершенствовании методологии поиска аналогов.
Литература
1. Классификация запасов и ресурсов нефти и горючих газов. Нормативнометодическая документация. Издание второе, исправленное и дополненное.
М.: ЕСОЭН, НАЭН. 2018. 500 с.
2. Требования к составу и правилам оформления представляемых
на государственную экспертизу материалов по подсчету запасов нефти и горючих газов: утв. приказом Министерства природных ресурсов и экологии Российской Федерации от 28.12.2015 № 564.
3. Методические рекомендации
по применению Классификации запасов и ресурсов нефти и горючих газов: утв. Министерства природных ресурсов и экологии Российской Федерации от 01.11.2013 № 477.
4. Методические рекомендации
по определению подсчетных параметров, характеризующих компонентный состав и физико-химические свойства УВС: рекомендованы к использованию решением ЭТС ФБУ «ГКЗ» (протокол № 20 заседания секции углеводородного сырья Экспертно-технического совета Государственной комиссии по запасам полезных ископаемых, состоявшегося 1 августа 2023 г.).
5. Вологин И.С., Исламов Р.Р.,
Нигматуллин Ф.Н., Харисова А.В.,
Лознюк О.А. Методика выбора объекта-аналога для нефтегазовой залежи по геолого-физическим характеристикам // Нефтяное хозяйство. 2019. № 12.
С. 124-127.
6. Поднебесных А. В., Хафизов А.Р.
Методика экспресс-оценки выбора объекта-аналога для залежей углеводородного сырья на основе
их геологических признаков // Проблемы сбора, подготовки и транспорта нефти и нефтепродуктов. 2019. № 3. С. 9-18.
7. Абдрахманова Э.К., Исламов Р.Р.,
Кузин И.Г., Нигматуллин Ф.Н.,
Антаков И.С., Кузнецов А.М.,
Гилаев Г.Г Повышение эффективности разработки новых нефтегазоконденсатных залежей за счет применения методики выбора объекта-аналога (часть 1) // Экспозиция Нефть Газ. 2022. № 7. С. 66-69.
8. Ким В.В., Матрошилов Н.О., Печко К.А.
и др. Методика подбора аналогов моделей PVT пластового флюида и экспресс-оценка параметров PVT для новых активов // Нефтяное хозяйство. 2023. № 12. С. 36-39.
9. Кунжарикова К.М., Узыканов Ж.С., Бисикенова Л.М. Современная информационная система для автоматизации интерпретации результатов исследования свойств пластовых флюидов // Актуальные проблемы нефти и газа. 2023. № 2.
С. 196-200.
10. Дмитриевский А.Н., Клабуновский Е.И.
О корреляциях свойств углеводородов нефтей месторождений России // Геология, геофизика и разработка нефтяных и газовых месторождений.
2013. № 8. С. 45-51.
11. Oblasov N.V., Goncharov I.V.,
Samoilenko V.V., Ger W. van Graas. Вiodegradation in the NKH 3-4 reservoir
at Vankor field (West Siberia basin, Russia) is strongly controlled by rock properties. Organic Geochemistry, 2018, Vol. 119,
P. 36-49. (In Eng).
12. Громова Е.А., Заночуев С.А. Мониторинг состава продукции газоконденсатных скважин на основе данных исследований проб, отобранных с многофазных расходомеров // Известия высших учебных заведений. Нефть и газ. 2021.
№ 5. С. 127-139.
13. Глухих И.Н., Никифоров Д.В.
Принятие решений на основе вывода по прецедентам в моделировании месторождений нефти и газа //
Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. 2019. Т. 5. № 3. С. 147-163.
14. Брусиловский А.И., Ющенко Т.С.
Научно обоснованный инженерный метод определения компонентного состава и PVT-свойств пластовых углеводородных смесей при неполной исходной информации // PROНЕФТЬ. Профессионально о нефти. 2016. № 1.
C. 68-74.
15. Захарченко А.Г., Андреев О.В. Метод расчета молекулярных масс и плотностей углеводородных фракций пластовых систем // Экспозиция Нефть Газ. 2014.
№ 4. С. 60-62.
ENGLISH
Results
In addition to the two main tasks of searching for analogues for the purposes of reserves estimation, as well as characterizing the properties of hydrocarbon groups that are part of the formation fluid, the expansion of the applications of the formed database is recognized in the involvement of various geochemical markers or fluid coefficients into the analysis [10-12], which will allow to take into account the effect on the properties of the compared targets caused by the phase state, genetic type, or diagenetic processes. Improvement of the approach to search for analogues also implies justification of the optimal set of criteria and
the necessary accuracy of their convergence so that the selected target can be recognized as a guaranteed best choice among the possible ones. One of the promising approaches here is reasoning-based decision making [13].
The type of problems solved with the implemented tool can also vary depending on the availability or lack of atmospheric-vacuum distillation data. Among the types of studies listed in Table 1, AVD is the most laborintensive and expensive one. In laboratories, the process of fractionation of liquid hydrocarbons is performed on the equipment including a rectification column allowing to obtain vacuum fractions at elevated
temperatures. AVD apparatuses allow obtaining separate 10-degree or so-called narrow fractions, the properties of which (density, viscosity, mass sulfur content, pour point, etc.) are determined by standard physical and chemical methods. The value of this type of research is not only in characterizing the marketable properties of oil or condensate. The data obtained is also important for correct estimation of formation fluid composition, as it allows to determine the properties of hydrocarbon groups (density, molar mass) in the most precise way, thus avoiding errors that can be obtained when using tabular data or correlations for their estimation. [14, 15].
Thus, if the AVD data is used when searching for an analogue, the advantage is in a significant increase in the comparable indicators. If the target, at the time of searching for an analogue, has not been characterized by the AVD data, the advantage of the developed tool is the possibility to assess the availability of AVD data for similar targets among the previously conducted studies. In case of a confident analogue, it will allow to exclude financial and time costs for conducting labor-intensive studies for a new target, and in case of absence of an analogue - to reasonably recommend to conduct such studies.
Another advantage of the developed tool is the possibility, after selection of an analogue, to unload the properties (primarily density and molar mass) of pseudo-fractions or groups of hydrocarbons with user adjustment, taking into account the type of fluid and the required format of input data in specialized software used for subsequent simulation of certain processes. For example, PVT simulators are usually used to set the fluid composition in component-group form (up to the Cn+ fraction), and for software products such as Hysys, aimed at modeling treatment systems, there is a possibility to upload data in component-fraction form.
Conclusions
• As a result of the study, a tool has been developed that allows automated selection of reservoir fluid analogues with characterization of properties of groups and fractions.
• The selection is performed taking into account the requirements of the current regulatory documents and also allows to take into account an extended set of properties that help to make the most reasonable choice among several analogues.
• The information obtained as a result of successful analogue selection can be used to validate the volumetrics and other parameters characterizing the composition and properties of reservoir fluids under insufficient state of knowledge.
• A real case study is used to show that under low degree of knowledge of single-phase oil or gas condensate reservoirs where no current gas cap or an oil rim has been found, we cannot exclude the probability of marginal or close to marginal degree of oil or gas saturation, and therefore to exclude two-phase reservoirs from analogue candidates.
• The information obtained can also be used to build PVT models of reservoir fluids required for correct estimation of production, transportation, processing, and treatment processes.
• In addition to the task of searching for analogues, the proposed methodology also makes it possible to assess the feasibility of such a time-consuming and expensive type of analysis as atmospheric-vacuum distillation (AVD), which helps an Operator to ensure rational research costs.
• Further expansion of the applicability of the formed database is associated with the inclusion of various geochemical markers or fluid coefficients into the analysis, as well as in the improvement of the analog search methodology.
References
1. Classification of reserves and resources of oil and combustible gases. Regulatory and methodological documentation.
Second edition, revised and supplemented. Moscow: ESOEN, NAEN, 2018, 500 p.
(In Russ).
2. Requirements for the composition and rules for registration of materials submitted for state examination on the estimation of oil and combustible gas reserves: approved
by Order № 564 of the Ministry of Natural Resources and Ecology of the Russian Federation, dated December 28, 2015.
(In Russ).
3. Methodological recommendations on the application of the Classification of reserves and resources of oil and combustible gases: approved by Order № 477 of the Ministry
of Natural Resources and Ecology of the Russian Federation, dated November 1, 2013. (In Russ).
4. Methodological recommendations for measuring the volumetrics characterizing the component composition and physical and chemical properties of HC: recommended for use by the Decision
of the Expert Technical Council of the State Committee on Reserves (Minutes № 20 of the Meeting of the hydrocarbon section of the Expert Technical Council of the State Commission on Mineral Reserves, held August 1, 2023). (In Russ).
5. Vologin I.S., Islamov R.R., Nigmatullin F.N.,
Harisova A.V., Loznyuk O.A. Methodology for selecting an analogue target of an oil and gas reservoir based on geological and physical characteristics. Oil industry, 2019, issue 12, P. 124-127. (In Russ).
6. Podnebesnykh A.V., Khafizov A.R.
Technique express estimation of analogue object for hydrocarbon reserves on the basis of their geological signs. Problems of gathering, treatment and transportation of oil and oil products, 2019, issue 3,
P. 9-18. (In Russ).
7. Abdrakhmanova E.K., Islamov R.R.,
Kuzin I.G., Nigmatullin F.N., Antakov I.S., Gilayev G.G. Improving the efficiency
of development new oil and gas condensate reservoirs using a method for selecting an analogue. Exposition Oil Gas, 2022, issue 7, P. 66-69. (In Russ).
8. Kim V.V., Matroshilov N.O., Pechko K.A. et al. Methodology for selecting analogs of reservoir fluid PVT models and rapid estimation of PVT parameters for new assets. Oil industry, issue 12, P. 36-39.
(In Russ).
9. Kunzharikova K.M., Uzykanov Zh.S., Bisikenova L.M. Modern information system for automation of the interpretation of the results of investigation of formation fluid properties. Actual problems of oil and gas, 2023, issue 2, P. 196-200. (In Russ).
10. Dmitrievsky A.N., Klabunovsky E.I. Some aspects of hydrocarbons properties correlation of oils extracted out of Russian
oil fields. Geology, geophysics and development of oil and gas fields, 2013, issue 8, P. 45-51. (In Russ).
11. Oblasov N.V., Goncharov I.V.,
Samoilenko V.V., Ger W. van Graas. Biodegradation in the NKH 3-4 reservoir
at Vankor field (West Siberia basin, Russia) is strongly controlled by rock properties. Organic Geochemistry, 2018, Vol. 119,
P. 36-49. (In Eng).
12. Gromova E.A., Zanochuev S.A. Monitoring the composition of gas condensate well streams based on samples taken from multiphase flow meters. Oil and gas studies, 2021, issue 5, P. 127-139. (In Russ).
13. Glukhikh I.N., Nikiforov D.V. Decision making for modeling of oil and gas fields by using case-based reasoning. Tyumen State University Herald. Physical and mathematical modeling. Oil, gas and energy, 2019, Vol. 5, issue 3,
P. 147-163. (In Russ).
14. Brusilovskiy A.I., Yushchenko T.S. wo-phase deposits: Methodology approach to the identification of composition and pVT properties of reservoir hydrocarbon fluids using limited initial information. PROneft. Professionally about Oil, 2016, issue 1,
P. 68-74. (In Russ.)
15. Zakharchenko A.G., Andreev O.V. Method of calculation of molecular weights
and densities of hydrocarbon fractions of reservoir fluids. Exposition Oil Gas, 2014, issue 4, P. 60-62. (In Russ).
ИНФОРМАЦИЯ ОБ АВТОРАХ I INFORMATION ABOUT THE AUTHORS
Громова Евгения Александровна, к.т.н., старший эксперт, ООО «Тюменский нефтяной научный центр», Тюмень, Россия, доцент, Тюменский индустриальный университет,
Тюмень, Россия
Для контактов: [email protected]
Заночуев Сергей Анатольевич, к.т.н., начальник отдела исследований свойств пластовых флюидов,
ООО «Тюменский нефтяной научный центр», Тюмень, Россия
Гребенкин Алексей Алексеевич, главный специалист,
ООО «Тюменский нефтяной научный центр», Тюмень, Россия
Gromova Evgeniya Alexandrovna, ph.d. of engineering sciences, senior expert, “Tyumen petroleum research center” LLC,
Tyumen, Russia; assistant professor, Industrial University of Tyumen, Tyumen, Russia
Corresponding author: [email protected]
Zanochuyev Sergey Anatolyevich, ph.d. of engineering sciences, head of the reservoir fluid research division,
“Tyumen petroleum research center” LLC, Tyumen, Russia
Grebenkin Alexey Alekseevich, chief specialist,
“Tyumen petroleum research center” LLC, Tyumen, Russia
