بخشی از مقاله
چکیده
توصیف اختصاصات سنگهای مخزن پیشزمینهی اکتشاف و توسعهی میادین نفت و گاز میباشد. در این راستا، تفکیک مناسب زونهای مخزنی در شناخت واحدهای جریانی و تهیه مدلهای استاتیک و پویای مخازن هیدروکربنی، از اهمیت بالایی برخوردار هستند. استفاده از رخسارههای الکتریکی بر اساس لاگهای پتروفیزیکی در شناخت و تفکیک زونهای مخزنی موثر بوده و در طی سالهای اخیر در موارد بسیاری مورد استفادهی محققان قرار گرفته است.
این رخسارهها معمولاً میتوانند بیانگر یک یا چند ویژگی مخزنی اندازهگیری شده به وسیلهی پاسخ نگارها باشند. هدف از این مطالعه یافتن رخسارههای الکتریکی با استفاده از لاگهای پتروفیزیکی به کمک روش خوشهسازی جهت تفکیک زونهای مخزنی سازند سورمه در یکی از میادین نفتی خلیج فارس میباشد. بر اساس مدل به دست آمده از این روش، تعداد 6 رخساره دسته بندی شدند و ویژگیهای مخزنی بر مبنای پارامترهای تخلخل و تراوایی در اینتروالهای مختلف ارزیابی گردیدند. در نهایت 3 زون خوب، متوسط و ضعیف برای اینتروالها و زیر لایههای این سازند شناسایی شدند.
.1 مقدمه
یکی از مطالعاتی که در حوضه های اکتشافی انجام میپذیرد شناسایی سنگهای مخزن بالقوه و بررسی کیفیت مخزنی آنها است. جهت پیش بینی و ارائه بهترین و مناسب ترین مناطق تولیدی لازم است تا خصوصیات مخزنی به خوبی شناسایی شوند..مفهوم رخسارههای الکتریکی اولین بار توسط سراٍ پیشنهاد شد .[2] رخسارههای الکتریکی در واقع رخسارههای سنگی هستند که با استفاده از نگارهای الکتریکی و هستهای مانند نگار پرتو گاما، مقاومت، سونیک، چگالی و نوترون به دست میآیند. رخسارههای الکتریکی معمولاً میتوانند بیانگر یک یا چند رخساره سنگی با مشخصات فیزیکی سنگهای اندازه گیری شده به وسیلهی پاسخ نگارها باشند.
برای شناسایی رخسارههای الکتریکی می توان از نمودارهای چاهنگاری استفاده نمود و نتایج حاصل از ارزیابی آنها را به صورت موازی در مدلهای ریاضی مختلف قرار داده و با توجه به اختلافات و شباهتهای بین آنها، دستههای مختلف رخسارههای الکتریکی را تعیین نمود. اما تفاوت در ابعاد نمودارها نسبت به ابعاد زمین شناسی باعث پیچیده شدن شناسایی رخسارههای الکتریکی شده است [3]، .[4] لاگهای پتروفیزیکی اطلاعات زیادی درباره مشخصات لیتولوژیکی و پارامترهای پتروفیزیکی دارند که فقط با استفاده از روشهای خوشه بندی میتوان از آنها استفاده بهینه نمود.
با طبقه بندی پاسخ لاگهای پتروفیزیکی - در قالب رخسارههای الکتریکی - به تعدادی خوشهی مشخص یا در واقع، اختصاصات مخزنی خاص و پیدا کردن مدل همبستگی بهینه برای هر خوشه، پیش بینی دقیقتری از گروههای مخزنی انجام خواهد شد .[5] هدف از این مطالعه یافتن زونهای مخزنی سازند سورمه از طریق تفکیک رخسارههای الکتریکی با استفاده از روش خوشهسازی ام.آر.جی.سیٌ در یکی از میادین نفتی خلیج فارس می باشد.
.2 دادهها و روش مطالعه
دادههای ورودی، مربوط به دادههای یک چاه از میادین نفتی خلیج فارس و مربوط به اینتروال سازند سورمه -2360 - 2530متری - است که در بر دارنده لاگهای - نوترون، چگالی، سونیک و اشعه گاما - ٍ میباشد. در این مطالعه ابتدا پارامترهای مخزنی تخلخل و تراوایی از روی این نگارها تخمین زده شدند - شکل - 3 و خوشه بندی بر روی آنها صورت گرفت. تخمین پارامترهای اخیر اگرچه با عدم قطعیت همراه خواهد بود، اما هزینههای مغزهگیری را در بر نخواهد داشت.
تخلخل و تراوایی از مهمترین اختصاصات مخزنی هستند و به ترتیب کنترل کنندهی پتانسیل ذخیره هیدروکربنی و توان تولیدی سنگ مخزن می باشند. فهم صحیح از چگونگی پراکندگی و توزیع پارامترهای اخیر میتواند در شناخت واحدهای جریانی، طبقه بندی انواع هیدرولیکی سنگ و در نهایت ایجاد مدل های استاتیک و دینامیک مخزن موثر باشد. در تحلیل خوشهای، هدف دست یافتن به ملاکی برای طبقه بندی هر چه مناسب تر متغیرها و یا نمونهها بر اساس تشابه هر چه بیشتر درون گروهی و اختلاف هر چه بیشتر بین گروهی است. در این مطالعه جهت ایجاد مدل از نرم افزار ژئولاگَ استفاده گردید.
.2.1 خوشه سازی به روش ام.آر.جی.سی - خوشه×سازی×گراف×پایه×با×توان×تفکیک×چندگانه - : این روش توسط یو و رابیلرُ ارائه شده است.[6]× روش ام.آر.جی.سی یک روش خوشه بندی سلسله مراتبی، غیر نظارتی و غیر پارامتریک است و میتواند بهینهترین دستهها را در بین حدود تفکیک انتخاب شده، برای مفسر ارائه دهد. روش ام.آر.جی.سی به دلیل قابلیتهای محاسباتی و نحوه خوشهبندی به عنوان یک روش برتر معرفی میگردد . این روش بدون دخالت کاربر قادر به تفکیک رخسارههای الکتریکی مخزنی میباشد. روش ام.آر.جی.سی تلفیقی از هوش مصنوعی و روش خوشه بندی سلسله مراتبی است.
در این روش ابتدا کرنل یا همان مرکز نقاط که تمام فضای اطراف خود را تحت تاثیر قرار میدهد، مشخص میشود و سپس تمام اعضا با یکدیگر مقایسه میشوند. اعضای بعدی، اعضایی هستند که از کرنل تاثیر پذیرند و بر بقیه اعضا تاثیر میگذارند و به این صورت مرزها را جایی میتوان تعریف کرد که عضوی باشد که از عضو قبلی خودش تاثیر پذیرفته باشد ولی دیگر هیچ تاثیری روی اعضای دیگر نمیتواند داشته باشد. بنابر این مرزها را مشخص کرده و بر اساس پارامترها گروهها را از هم مشخص مینماید. در پایان نیز بر اساس تعداد تعیین شده برای مینیموم، ماکزیموم و مدل بهینه در نرم افزار مربوطه میتوان تعداد رخسارههای موجود را تعریف نمود.
.3 تحلیل نتایج به دست آمده
جهت ایجاد نمودن مدل، پارامترها یا دادهها وارد نرم افزار شدند 1120 - داده - - شکل - 1 به طوریکه تغییرات هر پارامتر ورودی بیانگر تغییر ویژگیهای سنگ مخزن میباشد . پس از اجرای خوشه سازی نتایج جدول1 حاصل شدند. بر این اساس تعداد 6 رخساره الکتریکی شناسایی شدند - شکل. - 2 پس از اعمال مدل بر روی دادههای تخلخل و تراوایی و قرارگیری در خوشهها، میتوان گفت: رخساره 1 تا 6 به ترتیب بیانگر شرایط مخزنی خوب تا بد میباشند. با بررسی توزیع رخسارهها بر اساس پارامترهای تخلخل و تراوایی مشخص میشود رخسارههای 1 و 2 دارای تخلخل و تراوایی بالاتری نسبت به سایر رخسارهها بوده و بر این اساس رخسارههای 3 و 4 معرف بخشهای متوسط و همچنین رخسارههای 5 و 6 معرف بخشهای ضعیفتر مخزنی هستند.
شکل-2 ویژگیهای رخسارههای ایجاد شده
برای شناسایی بهتر زونهای مخزنی، رخسارههای الکتریکی ایجاد شده در کنار مدل لیتولوژیکی به دست آمده توسط نرم افزار مطالعه میشوند - شکل. - 3 بر اساس مدل لیتولوژیکی، سه رخساره سنگی انیدریت، دولومیت و سنگ آهک برای سازند سورمه به دست آمدند. بنابراین از نظر ارتباط پراکندگی رخسارهها نسبت به عمق و زونبندی مخزن میتوان گفت: فواصل عمقی 2400 تا 2420 متری و 2490 تا 2520 متری دارای بهترین شرایط مخزنی بر اساس آنالیز رخسارهها هستند.به طور کلی رخسارههای موجود در هر زون دارای تنوع بسیاری هستند. این امر ناشی از شرایط زمین شناسی متنوع در حوضهی رسوبی مورد مطالعه است - پیشروی و پسروی آب دریا، تغییر در نوع محیط رسوبگذاری و ... ، در این تحقیق وجود میانلایههای انیدریت در بین دولومیت معرف کولابی شدن محیط رسویگذاری است - .