对象和基于像素的水库的辫状河储层建模.docx
- 文档编号:29259538
- 上传时间:2023-07-21
- 格式:DOCX
- 页数:17
- 大小:249.91KB
对象和基于像素的水库的辫状河储层建模.docx
《对象和基于像素的水库的辫状河储层建模.docx》由会员分享,可在线阅读,更多相关《对象和基于像素的水库的辫状河储层建模.docx(17页珍藏版)》请在冰豆网上搜索。
对象和基于像素的水库的辫状河储层建模
对象和基于象元储层的辫状河储层建模
为了评估对象和基于象元储层建模技术之间的差异,使用布尔模拟(BS)和序贯指示模拟(SIS)来描述10个英国大陆架辫状河流相储层。
用与地质输入数据及相关的各种敏感问题,以及与特有技术参数模型来分析这两种技术。
基于对象和基于象元的建模效果的评估结果的实现,是通过可视的检查,价值的评估和单相有效渗透率范围的试验结果,这个结果是通过不间断的观察得到的。
两种类型的河流河道建模而言,BS方法表现都很好,密闭井河道,但不能代表在储层中漫流和存在的其他沉积的复杂的相互影响。
SIS很少应用于封闭河道,并在反映大规模的几何河道形态而又同时保持其适当的比例时存在很大的困难。
加入SIS的背景布尔河道,而不是一个布尔背景,导致了漫流机构分布的改善。
渗透率结果表明,SIS的方法产生高得多的水平渗透率值(20-100%),和比布尔模型更低水平的各向异性模型。
然而,通过扩大河道分配,和增加方位的范围,布尔模拟产生了接近了SIS的结果。
对于这样的储层,我们选择结合起来使用两种方法,通过基于对象的河道和基于象元的非均质性背景,导致水平渗透率和各向异性水平。
关键词:
随机建模,遗传单元,SIS,布尔模拟,建筑模拟。
前言
储层结构适当的代表是利用数值模拟预测流动性能的一个关键问题。
现在,由于数值模拟使用,储层建模技术,用于构建建筑(和岩石)的储层模型。
储层建模是指给定油藏数值模拟的发展,提供了一个网格的框架,用岩相或原始单位价值来填补,每一种都可以反过来与有效流动,声,或其他特征有关。
这种模型的产生,目的是利用随机模拟技术,恰当地表达所有信息(收集或假设)。
随机模拟允许替代物的描绘,等同于特征的空间分布的实现。
这些图像承兑了他们观测点的观测数据,并且和统计数据具有类似的功能(例如,相同的变异函数,平均值和标准偏差)。
同时,显示值范围由这些替代随机图像来显示,他们试图复制在岩石的自然变化的结果,并为参数不确定性提供了一种措施(Deutsch和Journel,1992)。
各种随机模拟方法的存在,可分为基于对象和基于像素为基础两大主流技术。
不确定性与每种技术和用来约束储层地质模型的数据相伴生。
例如,使用标点过程(基于对象)提供了不同的能力和要求,为河流河道建模比变差图(基于象元)。
另一方面,变差图种类的选择往往显著地影响着变差类型(Seifert和Jensen,1999年)。
因此,建模方法的选择,就像模拟技术,往往影响着地质数据评估战略及其模型参数的翻译。
为了避免将来出现混乱的术语,我们定义建模技术,建模方法,模型和实现如下:
储层是使用基于象元/或基于对象建模技术。
但是,每一种技术提供了多种建模方法,如序贯指示模拟(SIS),概率场模拟,截断高斯模拟(TGSIM)和序贯高斯模拟(SGS),仅举几例。
使用特定方法(如SIS),是一套替代实现设备可得到,它们共同构成了所研究的油藏模型。
如果一个参数发生了变化,(如灵敏度测试),结果的实现构成了同一储层的不同的模型(图1)。
但是,这项技术能否用于河流要素的储层的建模是必须加以澄清的关键问题之一。
这个问题已经由Journel和其他人(1998年)进行过探讨,进行了三种方法的比较,其中包括布尔和指示方法。
他们用视觉评估和示踪结果进行流动性比较。
该项研究运用BS和SIS涉及到一个80英尺(25米)的中生代在英国大陆架辫状河储层的问题。
我们通过视觉比较,遗传单元几何尺寸和比例,以及渗透率的影响对实现进行评估。
在概述如何对储层进行模型之后,分别建成,他们将进行比较和做出建议,为进一步储层区或类似储层建模提供向导.通过这项研究,我们还旨为其提供指导基础,即可以同其他沉积设定采取同样比较。
表1.建模分类,起源单位,及其说明
建模分类
成因单元
说明
FC-A
FC-A
低角度跨床河道
FC-B
FC-B
平面或交叉复合河道
SF
SF1
好储质漫流
OTP
SF2/3
差储质漫流
LA
湖泊沉积
AS
泥质砂岩
图1。
拟议的储层建模术语。
地质概述和分析
一种详细的定量储层沉积研究是进行的储层建模的开始阶段。
这一全面的研究导致了储层的沉积评估,以及一个关键地质组成部分的分析,起源单元(GUS)和他们的渗透率。
对于数据采集和分析过程包括(一岩)岩相的确定,
(二)起源单元的定义,(三)起源单元的空间统计的推导(比例,几何形状,大小,方向),和(d)概念模型的建造。
此过程详细描述了处理一家浊积岩储层研究(塞弗特等人,1999年)。
基于核心和有线解释,在这个储层定义了七个主要起源单元:
FC-A,FC-B,SF1,SF2,SF3,LA,和AS。
表1列出了这个储层的起源单元,它们的说明,建模类别的分类。
主要是因为其渗透率,在FC和SF1起源单元被认为是可产油层,而其余的被认为不可产油层。
在SF2的/3,LA,和AS起源单元渗透率相比可产油层起源单元都是比较类似(低)。
因此,可以推断,结集这些所有因素成为“仅次于可产油层”起源单元,被称为“OTP”,以建模为目的。
当组合几个岩相成为一个单一的起源单元时,在他们的联合形状和尺寸的影响是需要考虑的。
例如,河道沉积和河道填补可能会被一个分到一个单一的起源单元,因为它们的形状和几何结构是相互关联的。
只有在确定当孔隙度和渗透率的分布时要考虑到它们不同的属性。
相比之下,河道填充沉积可能和漫流沉积一样有同样低的孔隙度,渗透率;但是,由于各自的形状和分布差别很大,这些因素通常不会分为单一的起源单元。
该河流迁移的主要方向,预计约为东南(120°±10°)。
起源单元规模和比例可以由岩心和测井数据建立。
长宽比和相关长度由已知的露头模拟数据确定。
油井间GU的比例和大小有实质的区别,这可以用在随机建模时需要复制沉积趋势来解释。
储层模型包括一个主要断块的主要领域,由5250×9700×80英尺(1600米×3000米×25米)大小。
该模型网格到50×50×2英尺(15米×15米×0.6米),因此总共有814800个网格。
GU的分布要通过随机模拟来得到,将会限制在两个网格约束的断块之间。
在两个网格,所有河流沉积物出现在储层区域的右上角,40英尺(12.2米)。
这一趋势被认为是对在整个断块油藏区的代表。
因此,我们可以断定,已建模为目的,所有河道有80%将在整个储层上部40英尺(12.2米)。
模型的评定
衡量一个随机油藏模型是困难的。
视觉检查虽然非常重要,但也非常主观,缺乏量化标准。
但是,一些量化评估,可能无法捕获所有相关的标准。
因此,我们用定性和定量方法的组合的方法来评估模型。
对于判断和比较所有模型型号适用性的三准则,Seifert和Jensen(1999)更加详细描述。
这就是目视检查,几何形状和大小的统计数字,单相有效渗透率。
使用该模型的目视检查,该沉积非均质性的复杂性,包括侵蚀的关系,可进行评估。
这种评估是量化的,有确定的平均厚度,当地的比例,GU几何形态相似于储层数据。
最后,有效渗透率值被分配到了各自随机模型的GU前,扩大规模整个模型(814000网格)到一个单元格。
由此产生的有效渗透率值,用地质基础倍增软件可获得(Pickup等,1994年)比较和解释。
虽然这种方法在相关评估的基础上允许在流动模型和实现之间存在分歧,这些有效渗透率措施是相对的,只能反映数量,分布,以及这一特定油藏流动单元的连接。
其他所需的的物性参数(如孔隙度和流体饱和度),适用于全流程模拟不包括流量也没有其他的评估,如孔容,注入突破。
基于像素的建模
基于像素的方法用于离散(例如,岩石类型)随机建模,以及(如孔隙度,渗透率和流体饱和度)连续变量。
在这项研究中。
,我们已经使用了SIS的方法(Deutsch和Journel,1992年)对这种储层区域的GU分布建模。
SIS是一个最流行的基于像素的模拟方法之一,并已在许多案例研究得到了有效证明(Journel和阿拉贝尔,1990;阿拉贝尔和Massonnat,1990;Massonnat,阿拉贝尔和朱迪切利,1992年;Journel和G'omez,埃尔南德斯'andez,1993;贝格等人,1994年)并得到详细的描述(Deutsch和Journel,1992年;阿拉贝尔和莫多,1992年;斯塔瓦,1994年)。
Seifert和Jensen(1999)使用SIS描述的这个模型和其他储层的敏感性和不确定性的问题。
我要简短地重申这些成果,因为它们涉及到对象的建模的比较。
参数推导
如上所述,不确定性因素存在于建模技术中,并和地质数据的解释相关联。
当建立了模型参数时(例如,勘探区域,变异函数),为了评估错误值的影响,测试这些参数的敏感性是非常重要的。
例如,一个给定固定的净额与总比(N/G)的河道功能,宽度比沟道长度(相关长度)连接带来更大影响。
同时,宽度通常比沟道长度更容易估计,因此可确定其不确定性较小。
这项研究开始于各种敏感性的不同试验,4个不同Gus的勘探区域的大小和长度的相关性将在这个储层建模。
我们发现,在勘探区域必须大于用于建模的最大GU。
河道GUS的相关长度很难估计,但被确定为比模型更大。
地质评估所显示的河道,特别是FC-A,是非常大的。
随机建模过程中,通常假定平稳性的存在。
这种假设要求所有参数适用于模拟的整个容积,禁止沉积趋势再生。
但是,这个储层中,当GU比例和规模变化有适当的代表是很必要的,由两口井得到的。
例如,FC-A道河的比例向北部减少,OTPGU的比例随深度增加,FC-B河道的大小向南方增加。
在两口井之间和之外更详细的数据的缺失,假设一个线性趋势。
试井数据还显示,所有活动河流都发生在水库的顶部。
因此,GU的比例统计和大小必须作相应调整。
SIS的建模方法
为了重现这种趋势,模型细分和电子数据采集系统技术,已成功地被应用和描述(塞弗特等人,1999)。
这会涉及建模区域细分成子模型来进行,每个参数的设置。
在这里,这种技术被细分成两种不同的方式:
一个是“四部分”建模,所有GUS同时模拟,而其他一些GUs(“多数”)模型分别仿照。
当使用四部分细分技术的方法时,每个子模型配备了各自的四个模型和四个GUs参数进行建模,并获得了10个实现。
图2显示了一个四组件模型的实现。
如上所述,Gus的比例和趋势已被适当地复制。
关于几何形状,由图可以看出,FC–A河道如期望的那样向北方向规模减少,但是,实际的尺寸过小。
考虑到南部地区相比,FC-A通道应该有一个更大的宽度和厚度。
评估FC–B的大小是很困难的,因为它们的规模要小得多,他们倾向于横向合并。
在多数方法涉及打破四个组件模型问题变成了二元和三元建模问题。
首先,在二元建模时,功能是最难以复制(FC–A河道)。
第二,另外其他三个GUs(FC-B,SF,OTP)方法应用在三元建模中。
最后,通过保持FC-A在二元建模中把模型结合在一起,从三元建模加入合适的GU,其中的FC-A是不在存在二元模型中。
图3显示多数模型的实现之一。
类似于图2的四组件模型,整个模型的趋势得到很好的再现。
然而,相比四组件模型,FC–A河道有更大的尺寸,导致了一个更为完善的储层再现。
图2。
四组件模型。
图3。
multibinary模型。
图4。
Kxx(左)和Kyy(右)的值(测量深度)基于象元的模型(Y轴向北)。
图5。
Kzz的值(测量深度)基于象元的模型(X轴向东)。
评价
multibinary方法很明显获得了改进的成果,因为它不仅恰当地反映了比例和趋势,而且反映GUs的实际几何形态。
把整个模型(81.48万网格)分到每一个单元格后利用了单相渗透率(keff)评估这些模型之间的差异。
图4和图5显示“whiskers”代表最低,平均,最大keff值,以及十个主要方向的每一个实现。
一般来说,multibinary办法(MB)展示是10%左右低于四组分的方法(4-C)的keff值。
主要流通河道的几何(厚度和宽度),特别是对的FC–A河道,可用来精细建模的原因,少量但规模更大,更密闭河道产生的。
这在减少横向连接的结果,导致了keff值下降。
由于用multibinary方法所得的模型展示了几何和一些侵蚀的关系,我们相信multibinary模式更适合的方法。
基于对象的建模
基于对象的随机方法仅用于模拟离散型地质特征(例如,岩石类型)。
典型的例子是基于对象技术是标记点过程(MPP)的,该模型为对象进行明确界定的几何空间分布。
哈尔多森和Damsleth给出了一个好的介绍使用MPP的储层建模(1990)。
基于对象的方法已成功地在许多案例研究(Damsleth等人,1992年;麦克唐纳等人,1992年;Hatløy,1994年),并描述了阿拉贝尔和莫多(1992年),Bratvold和其他人(1994年),和霍顿和其他人(1998年)。
在这里,我们首先说明一些基本的敏感性,然后考虑对辫状河流系统进行建模。
灵敏度测试
提供通道弯曲度和长宽比数据非常简单,波长和振幅(弯曲度)的值是限定的,平均厚度和宽度参数(长宽比),目标比例,再加上各自的标准差。
定性,视觉评估的结果(这里没有显示)显示模型参数的变化很容易影响的河道几何形态。
从数量上看,在统计比例的变化对河道输送能力有最重要的影响(图6和7)。
只增加5%的比例(从20%至25%),有效渗透率值横向增加了35%(X光的方向,图6)和Y型方向增加了85%(图7)。
当更改宽高比(宽度:
厚度)从10到40,横向有效渗透率值平均增加35%(X方向)和20%(Y方向)。
渗透的范围,以及变化,其增加的一个因素10两个方向。
这种现象的解释是,增加比例或提供更多或更大的流通渠道,渠道宽度的增加值平均是由keff造成。
但是,这并不一定如此,在交叉河道那里,如果这些没有相互交错,keff实际上可以减少一些实现。
图6。
(测量深度)基于对象敏感性Kxx值。
缩写:
正弦,弯曲度(波长:
振幅);河,宽高比(宽度:
厚度);和支柱,比例(%)。
图7。
基为对象的敏感性的kyy值(Y轴向北)。
缩写:
正弦,弯曲度(波长:
振幅);河,宽高比(宽度:
厚度);和支柱,比例(%)。
更改弯曲度(波长:
幅度)从1.25到10对有效渗透率的值有重大影响的,由在X轴方向增加60%,和,在Y轴(北)方向下降80%反映。
在评估这些图时,很重要的是要注意的河道已获得了120°±10°方向,导致河道产生的角度几乎平行于X方向(东)。
在低弯曲度情况下(正弦=10),大河道是沿通道方向的,但小河道是垂直河道方向的,每个的跨河道的截面积是相等的。
在高弯曲度的情况下(正弦=1.25),更多河道在Y轴方向。
这种效应进一步体现在横向各向异性值,相比于低弯曲度情况(0.19),这是非常高弯曲度的情况了(0.56)。
在垂直方向(未显示),所有测量深度值都是从1.24道1.48和不同之处是可以忽略不计。
总之,河道连通性是增加了比例和长宽比,提供更多和更大的河道。
在考虑在沿河道方向或垂直于河道方向时弯曲度有重大的影响。
沿河道方向时,低弯曲度河道高度连接,但在垂直河道方向时他们表现不佳。
虽然在垂直河道方向时,增加他们弯曲度提高了交叉,但他在平行于河道时却减少了。
考虑到错误值的潜在影响,增加了这些值被评估好的问题。
这种比例或许可以从试井采样和露头类似物的长宽比得到。
但是,这两个值都有很大的不确定性的影响,特别是当有限的试井数据错误时,诸如这种“undersampled”储层。
另一方面,弯曲度几乎是无法估计和带来很大不确定性的。
图8。
基为对象河道的交互的Kxx(左)和Kyy(右)值(测量深度)(X向东)。
参照文本和表2可对这些实例进行解释。
图9。
基为对象河道的交互的Kzz值(测量深度)(X向东)。
表2可对这些实例进行解释。
河道的交互
在几种不同河道类型同时存在的情况下对储层进行建模时,重要的是要适当定义储层GUs之间的相互作用。
在这个储层,两个不同的GUs(的FC-A和FC-B)必须同漫流和泥质砂岩GUS的背景结合起来。
在测试所有必要的敏感性之后,这两种类型河道应该分别建模(见上文)。
这些河道已经被纳入被分别获得SF和OTP组成侵蚀的二元背景。
在确定单个河道参数之后,他们的相互作用如何影响流量参数是很有必要进行测验的。
然而,这一次,只有3个实现获得变现,其结果显示在(图8和9)。
前两个调查侵蚀FC–B河道(C型)FC–A河道(F型)的差异,反之亦然,在SF和OTPGUS的异构的背景下(见表2)。
可以看出,当FC–A河道占优势时(FCB)keff值略高。
但是,由于没有沉积证据表明,其中一钟河道始终占主导地位,FC-B(D型)模拟的第一部分和试井数据有关,N/G有望为FC-B。
FC-B(E型)模拟的第二部分应避免试井,以确保只有一个河道在一定的深度是有良好的渗透。
此外,第二次的FC-B模拟再现N/G的一半,使用不同的随机值取得的。
与所有四个GUs最终模型是通过合并各自的模拟得到,定义侵蚀规则。
例如,一些的FC-B(D型)被侵蚀到的FC-A(F型),这是侵蚀到部分的FC-B(E型),所有这些都为背景(B)的侵蚀。
当侵蚀彼此不同的河道类型时,其中最初模型N/G是失去的。
为了获得所需合并后的N/G比,每个模拟初步的N/G适当增加(约5-10%)。
表2。
解释的侵蚀序列图7和第8名解释循环流化床所有的FC-B通道将被侵蚀的FC-A通道,那么所有为背景。
FCB所有的FC-A通道分为功能界别侵蚀-B通道,那么所有为背景。
钕铁硼上半年的FC-B信道(五)被侵蚀为背景(乙)。
当时的FC-A通道(女)分为电子束模型侵蚀。
最后,下半年的FC-B信道(四)分为2月侵蚀。
EFDB下半年的FC-B信道(四)被侵蚀为背景(乙)。
然后,的FC-A通道(女)被侵蚀到数据库模式。
最后,上半年的FC-B信道(五)被侵蚀到缺陷症。
这一复杂的建模方法产生了约kxx5%降低和kyy值5-20%为降低(平均10%),和以往的个案相比。
这表明,不太复杂的沉积异构路线可能会导致较好的流动性。
理想情况下,两种和道类型将同时需要建模,产生了最复杂的结构,或许可能更准确地估算流动性能的结果。
由于这种复杂的做法表示沉积逻辑更有可能的情况,取决于这些场景的集中(DFEB或EFDB)。
这两种情况调查交换了FC-B仿真模拟合并时,获得最终的模型效果。
对这个储层,顺序转换似乎并没有对结果的显着影响(图8和9),因此忽略与EFDB模型出发,称为Fn(“最后窄”)。
河道的分布与定位
到目前为止,所有的渠道已获得了120°±10°方位,结果导致在河道或多或少平行的X-方向。
其次,所有的FC–A河道集中在储层模型的南端。
因此,有效渗透率为繁杂的建模方法展示了更高水平的各项异性(0.46)(Fn,图10和11)。
图10。
基于对象和基于像素的模型(X向北)kxx(左)和kyy(右)值(测量深度)。
图11。
基于对象和基于像素的模型水平方向的各项异性
根据最近的地质数据,新的解释表明的FC–A河道将分布在储集层上部(Fw)。
相比FN型,kxx值将平均降低20%,而kyy值将平均上升10%。
新的油藏解释也表明,在主要河流运输方位不足比原先设想的限制,因此,该方位已经扩大到120°±45°(Faz)。
相比FN型,kxx值将平均降低20%,而kyy值将平均上升50%
这些趋势也很突出地表明,这些不同模型的水平各向异性(图11)。
最初的模式(FN)记录了0.46各向异性。
这是因为一个巨大的开放的河道(FC-A通道)中提供的X-方向(约沿通道方向),很少流动提供了河道的Y-方向(约跨通道方向)。
越是“均匀分布”的河道模型(Fw)有一个较低的水平0.59各向异性。
这是因为更多的河道以现有的Y-方向为传输介质。
最后,“均匀分布的一个渠道,扩大方位(Faz)”模型提供了河道,进行几个方向,从而减少至0.83的水平各向异性。
图12显示了由此产生的BS模式(Faz)的实现。
在河道的变化和方向是非常显著的。
所有的FC-A和FC-B通道被分配弯曲度(波长:
振幅)为10:
1的比例和运输的沉积为120°±45°方位的河道方向。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 对象 基于 像素 水库 辫状河 建模