доктор геолого-минералогических наук, главный научный сотрудник3, ул. Губкина, г. Москва 119333, РоссияSPIN-код: 6887-7740
Dr. of Sci. (Geol.-Min.), Chief Researcher
3, Gubkina str., Moscow 119333, RussiaSPIN-code: 6887-7740
старший научный сотрудник НИЛ «Моделирование углеводородных систем»
23, ул. Миклухо-Маклая, г. Москва 117997, РоссияSPIN-код: 7884-6870
Cand. of Sci. (Geol.-Min.), Senior Researcher, Research Laboratory “Modeling of Hydrocarbon Systems”
23, Miklukho-Maklaya str., Moscow 117997, RussiaSPIN-code: 7884-6870
резервуарный инженер
31б, ул. Шаболовка, г. Москва 115162, Россияe-mail: SPIN-код: 3509-6221
Reservoir Engineer
31B, Shabolovka str., Moscow 115162, RussiaSPIN-code: 3509-6221
старший преподаватель департамента недропользованияи нефтегазового дела
6, ул. Миклухо-Маклая, г. Москва 117198, РоссияSPIN-код: 8566-2178
Senior lecturer of the Department of Subsoil Use and Oil and Gas Engineering
6, Miklukho-Maklaya str., Moscow 117198, RussiaSPIN-code: 8566-2178
Введение. На современном этапе освоения месторождений нефти и газа, находящихся на стадии доразведки, решающая роль отводится применению информационных технологий и цифрового моделирования всех технологических процессов и интерпретации результатов геофизических исследований скважин (ГИС). Построение достоверных моделей объекта эксплуатации снижает риск инвестиций, а использование программного обеспечения и лучших мировых практик в области информационных систем позволяет не только снизить риск инвестиций, используемых для планирования геолого-разведочных работ (ГРР), но и оптимизировать планирование и проектирование всего процесса разработки месторождения.Цель — оптимизация процесса селекции многообъемных, многопараметровых данных ГИС при моделировании сложнопостроенной нефтяной залежи на этапе доразведки месторождения, группировка скважинных данных по качеству, полноте и равномерности их распределения по площади исследуемого участка, выявление возникающих неточностей (ошибок и погрешностей) в промысловых данных (регистрация сигналов в зондах, погрешности в измерениях инклинометрии, скважинных отбивках и др.).Материалы и методы. В работе авторы приводят примеры интерпретации ГИС для сложнопостроенной залежи и варианты распределения коллектора для построенного куба литологии (2D, 3D) на основе данных, полученных при разбуривании из одного пилотного ствола — горизонтальной скважины, бокового ствола и наклонно-направленной скважины. Установлено, что при распределении коллектора и моделировании куба литологии сложнопостроенногообъекта разработки для скважин, расположенных близко друг к другу, полученные данные могут существенно отличаться. По полученным результатам при построении 2D- и 3D-моделей разными специалистами выявлены расхождения в интерпретации и межскважинной корреляции разрезов скважин.Результаты. Установлены локальные зоны резкого перепада структуры — сгущение экстремумов вокруг некоторых скважин. Наличие таких аномалий показало, что в скважинном фонде присутствуют такие скважины, в которых довольно сильно отличаются значения стратиграфических отметок глубин для близко расположенных друг к другу скважин. Применен геостатистический алгоритм для коррекции скважинных данных по методу «скользящего окна», что стало решением для наиболее точного установления значений глубин объекта эксплуатации.Заключение. Приведен анализ использования многопараметровых геофизических данных с использованием геостатистического алгоритма коррекции скважинных данных, проанализировано современное состояние моделирования процессов разведки и разработки нефтяных месторождений со сложным геологическим строением.
Background. Additional exploration of oil and gas reserves requires the application of information technologies for modelling all technological processes and interpreting the results of geophysical well logging. Reliable models of the object under exploration and the use of best practices in the field of information systems reduce investment risks associated with planning exploration works, at the same time as optimizing the planning and design of the entire process of field development.Aim. Optimization of the selection process of multivolume, multiparameter logging data when modelling a complex oil reservoir at the stage of additional field exploration, grouping well data by quality, completeness and uniformity of their distribution over the study area, as well as identifying inaccuracies (errors) in the field data (registration of signals in probes, errors in measurements of directional survey, borehole picks, etc.).Materials and methods. Examples of well logging interpretation for a complex reservoir are given, along with its distribution options for a constructed lithology cube (2D, 3D) based on the data obtained during drilling from one pilot borehole – a horizontal well, a sidetrack and a directional well. It was established that the data obtained when distributing the reservoir and modelling the lithology cube of a complex development target can be significantly different for wells located close to each other. The results obtained when constructing 2D and 3D models by different specialists revealed discrepancies in the interpretation and cross-well correlation of well sections.Results. Local zones with a sharp change in the structure were established, in particular, the concentration of extrema around some wells. The presence of such anomalies points to the presence of wells, for which the values of stratigraphic depth marks for wells located close to each other are quite different. A geostatistical algorithm was applied to correct the well data using the “sliding window” method, which became a solution for the most accurate determination of the depths of the object under exploration.Conclusions. The possibility of using a geostatistical algorithm for correcting well data based on multiparameter geophysical data was assessed; the current state of modelling the processes of exploration and development of oil fields with a complex geological structure was analysed.
The authors declare that there are no conflicts of interest present.