جانمایی بهینه چاه های توسعه ای و تکمیلی در یکی از میادین نفتی جنوب غرب ایران با استفاده از روش های زمین آماری و به کارگیری تابع هدف

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشکده مهندسی معدن و متالورژی، پردیس فنی و مهندسی، دانشگاه یزد، ایران

چکیده

با توجه به ضرورت شناخت اهداف زیرسطحی و زون‌های بهره‌ده و هزینه زیاد عملیات حفاری و ریسک بالای عملیات اکتشاف مخازن هیدروکربنی، تعیین محل بهینه‌ی حفاری چاه‌های نفت و گاز اهمیت زیادی دارد که می‌تواند در اقتصادی کردن پروژه‌های نفتی تاثیر شگرفی داشته باشد. هدف از انجام این پژوهش، طراحی بهینه محل مناسب حفر چاه‌های نفت و گاز در یکی از مخازن هیدروکربنی جنوب غرب ایران با استفاده از روش‌های زمین‌آماری به منظور اکتشافات تکمیلی و افزایش بهره‌دهی است. بدین منظور، ابتدا از تخمین زمین‌آماری کریجینگ برای برآورد پارامترهای پتروفیزیکی این مخزن استفاده و مقادیر تخلخل، اشباع آب و واریانس کریجینگ این پارامترها در مدل بلوکی طراحی شده محاسبه شد. با تعریف یک تابع هدف، تغییرات این تابع به گونه‌ای در نظر گرفته شد که منجر به بیشینه شدن تخلخل، اشباع هیدروکربور و واریانس کریجینگ آن‌ها در بلوک-های قرار گرفته در یک راستای قائم شود. از این‌رو، نقطه بهینه حفاری در مختصاتی پیشنهاد می‌گردد که تابع هدف مذکور در این راستای قائم بیشینه گردد. بدین منظور، با در نظر گرفتن دو رویکرد مختلف، یعنی طراحی حفاری‌های تکمیلی و توسعه‌ای، 5 مکان بهینه حفاری برای چاه‌های توسعه‌ای و 5 مکان بهینه حفاری برای چاه‌های تکمیلی به ترتیب اولویت حفر پیشنهاد شد. برآوردهای انجام شده، نشان داده است که حفر چاه‌های توسعه‌ای می‌تواند ذخیره هیدروکربن درجای مخزن را 3/26 درصد افزایش و حفر چاه‌های تکمیلی، واریانس و خطای تخمین را به ترتیب برای تخلخل به میزان 10 و 4/10 درصد و برای اشباع آب به میزان 3/8 و 9/2 درصد کاهش دهد.

کلیدواژه‌ها


Aasum, Y., Kelkar M.G., Gupta S.P., 1991. An application of geostatistics and fractal geometry for reservoir characterization. SPE Formation Evaluation 6(1), 9-11.
Aghajari, A., Sasaninia, N., 2017. Estimation of Porosity and Permeability by Using Geostatistical Methods in one of the OilFields SW of Iran. Revista Publicando 13, 236-248.
Bourgoyne, A.T., Millheim, K.K., Chenevert, M.E., Young, F.S., 1986. Applied Drilling Engineering, p. 502.
Chen, H., Feng, Q., Zhang, X., Wang, S., Zhou, W., Geng, Y., 2017. Well placement optimization using an analytical formula-based objective function and cat swarm optimization algorithm. Petroleum Science and Engineering 157, 1067-1083.
Deusth, C.V., Journel, A.G., 1992. GSLIB: Geostatistical software Library and users guide. Oxford University Press, New York. p. 340.
Deutsch, C.U., 2002. Geostatitistical Reservoir Modeling, Oxford University Press, Oxford.
Hamida, Z., Azizi, F., Saad, G., 2017. An efficient geometry-based optimization approach for well placement in oil fields. Petroleum Science and Engineering 149, 383-392.
Hasanipak, A.A., 2010. Geostatistics. Third edition, Tehran University Press. (In Persian).
Madani, H., 1994. Basics of Geostatistics, Amir Kabir University of Technology Publications. (In Persian).
Mohammadi, H., Seifi, A., Foroud, T., 2012. A robust Kriging model for predicting accumulative outflow from a mature reservoir considering a new horizontal well. Petroleum Science and Engineering 82, 113-119.
Mohseni, H., Rafiee, B., Behzad, R., Zahrab, Zadeh M., 2010. 3D Modeling of Carbonate Reservoirs Using Geostatistics, Stratigraphy and Sedimentology Research. (In Persian).
Nwachukwu, A., Jeong, H., Pyrcz, M., W.Lake, L., 2018. Fast evaluation of well placements in heterogeneous reservoir models using machine learning. Petroleum Science and Engineering 163, 463-475.
Rahim, Sh., Li, Z., 2015. Well Placement Optimization with Geological Uncertainty Reduction. IFAC-Papers on Line 48, 57-62.
Yeten, B., Gümrah, F., 2000. The use of fractal geostatistics and artificial neural networks for carbonate reservoir characterization. Transport in Porous Media 41(2), 173-953.