optimización modelo estático del proyecto inyección de ... · poblado facies y propiedades...
TRANSCRIPT
Nuevo Modelo de Permeabilidad: Alternativa utilizando registros de inducción
3D y de RMN.
Yacimiento Grimbeek. Manantiales Behr.
Optimización Modelo Estático del Proyecto Inyección de Polímeros GrimbeekII
N. Acosta. P. Pagliero. M. Eguia. J. Juri.
Desarrollo Implementación Manantiales Behr-Direccion de Desarrollo
Unidad de Negocios Chubut
2
Objetivos
Obtener relaciones independientes de la saturación de agua que permitan
realizar el poblado de la permeabilidad en el modelo estático del proyecto
Utilizar registros especiales de pozo
abierto que consideren la
heterogeneidad interna de facies de los
reservorios.
Independizarse de datos puntuales de
plugs de corona que generan “ruidos”
en el poblado de permeabilidad.
3
•Ubicación y Marco Geológico •Registros utilizados
•Saturación de agua con inducción tridimensional
•Índice de Permeabilidad de RMN
•Modelo de Permeabilidad inicial
•Nuevo modelo de Permeabilidad (ARAT)
•Limitaciones y discusión
•Determinación de Facies y Poblado de propiedades petrofísicas
•Comparación poblado de propiedades
•Conclusiones
•Referencias
Agenda
7
Modelo Actual de Permeabilidad
Rango de Sw Relación K-Phi
Tipo 1 <= 55% Log10 (Kg) = 14.6 * phi – 0.79
Tipo 2 55% <Sw<= 65% Log10 (Kg) = 12.2 * phi – 1.25
Tipo 3 65% <Sw<=75% Log10 (Kg) = 7.62 * phi – 1.29
Phi: Porosidad efectiva de laboratorio en
condición NOBP
Kgas: Permeabilidad de laboratorio en
condición NOBP
Sw: Saturación de agua obtenida de
procesamiento ELAN
Relaciones de Permeabilidad dependientes
del cálculo de saturación de agua.
8
Discusión y limitaciones
Arenisca fina a muy fina
Arenisca gruesa
ARAT ~ 1
ARAT > 1
Facies Phi K ARAT
2 = Baja ~/=1
3 = Alta ~/=1
1 = Alta >1
4 = Baja >1
ARAT incide sobre la permeabilidad pero:
Un buen espesor de facies gruesa con pequeñas intercalaciones de facies finas o un buen espesor de
la facies fina con pequeñas intercalaciones de facies gruesa tendrían el mismo valor de ARAT
Sin embargo las permeabilidades serían muy diferentes, aun con porosidades iguales.
Si asumimos que el segundo caso no se da nunca, sería perfectamente válido usar ARAT para
separar tipos de reservorio
10
YPF.Ch.Gbk.IA-1042
MPHED / MPERMD3
Active Zones : W:1 Z:1, 2, 3, 5 W:2 Z:2 W:8 Z:1, 2 W:7 Z:1, 4 W:5 Z:1
0. 8. 16. 24. 32. 40.
MPHED
0.1
1.
10.
100.
1000.
10000.
100000.
MP
ER
MD
3
1.
1.5
2.
ARAT
199 points plotted out of 199
Well Zone Depths
(14) YPF.Ch.Gbk.IA-1042 (1) A20 1031.8M - 1035.M
(14) YPF.Ch.Gbk.IA-1042 (2) A40 1042.47M - 1046.89M
(14) YPF.Ch.Gbk.IA-1042 (3) A50 1049.78M - 1051.M
(14) YPF.Ch.Gbk.IA-1042 (5) A70 1065.48M - 1068.83M
(82) YPF.Ch.Gbk.IA-1079 (1) A10/20 1053.88M - 1056.17M
(82) YPF.Ch.Gbk.IA-1079 (2) A30 1062.26M - 1063.33M
(79) YPF.Ch.Gbk.IA-1072 (1) A10 1033.32M - 1037.89M
(79) YPF.Ch.Gbk.IA-1072 (2) A30 1042.61M - 1044.14M
(79) YPF.Ch.Gbk.IA-1072 (4) A60 1060.45M - 1062.88M
(52) Gbk.IA-1049 (1) A10 1030.68M - 1033.27M
(52) Gbk.IA-1049 (2) A30 1038.6M - 1040.89M
Leyes K/PHI discriminadas por ARAT
ARAT: Relación entre Rv y Rh
MPERMD: Índice de Permeabilidad de Coates
corregido
MPHED: Porosidad efectiva de RMN
YPF.Ch.Gbk.IA-1042
MPHED / MPERMD3
Active Zones : W:1 Z:1, 2, 3, 5 W:4 Z:2 W:7 Z:1, 2 W:6 Z:1, 4 W:5 Z:1
0. 8. 16. 24. 32. 40.
MPHED
0.1
1.
10.
100.
1000.
10000.
100000.
MP
ER
MD
3
1.
1.5
2.
ARAT
104 points plotted out of 189
Y=f(x): Log(MPERMD3) = 0.0022 + 0.1218 * MPHED R2= 0.6623
Well Zone Depths
(14) YPF.Ch.Gbk.IA-1042 (1) A20 1031.8M - 1035.M
(14) YPF.Ch.Gbk.IA-1042 (2) A40 1042.47M - 1046.89M
(14) YPF.Ch.Gbk.IA-1042 (3) A50 1049.78M - 1051.M
(14) YPF.Ch.Gbk.IA-1042 (5) A70 1065.48M - 1068.83M
(15) YPF.Ch.Gbk.IA-1066 (2) A30 1051.68M - 1054.12M
(82) YPF.Ch.Gbk.IA-1079 (1) A10/20 1053.88M - 1056.17M
(82) YPF.Ch.Gbk.IA-1079 (2) A30 1062.26M - 1063.33M
(79) YPF.Ch.Gbk.IA-1072 (1) A10 1033.32M - 1037.89M
(79) YPF.Ch.Gbk.IA-1072 (4) A60 1060.45M - 1062.88M
(52) Gbk.IA-1049 (1) A10 1030.68M - 1033.27M
Discriminators
ARAT >= 1.5
YPF.Ch.Gbk.IA-1042
MPHED / MPERMD3
Active Zones : W:1 Z:1, 2, 3, 5 W:4 Z:2 W:7 Z:1, 2 W:6 Z:1, 4 W:5 Z:1
0. 8. 16. 24. 32. 40.
MPHED
0.1
1.
10.
100.
1000.
10000.
100000.
MP
ER
MD
3
1.
1.5
2.
ARAT
84 points plotted out of 189
Y=f(x): Log(MPERMD3) = -0.5183 + 0.1162 * MPHED R2= 0.7286
Well Zone Depths
(14) YPF.Ch.Gbk.IA-1042 (1) A20 1031.8M - 1035.M
(14) YPF.Ch.Gbk.IA-1042 (2) A40 1042.47M - 1046.89M
(14) YPF.Ch.Gbk.IA-1042 (3) A50 1049.78M - 1051.M
(14) YPF.Ch.Gbk.IA-1042 (5) A70 1065.48M - 1068.83M
(15) YPF.Ch.Gbk.IA-1066 (2) A30 1051.68M - 1054.12M
(82) YPF.Ch.Gbk.IA-1079 (1) A10/20 1053.88M - 1056.17M
(82) YPF.Ch.Gbk.IA-1079 (2) A30 1062.26M - 1063.33M
(79) YPF.Ch.Gbk.IA-1072 (1) A10 1033.32M - 1037.89M
(79) YPF.Ch.Gbk.IA-1072 (4) A60 1060.45M - 1062.88M
(52) Gbk.IA-1049 (1) A10 1030.68M - 1033.27M
Discriminators
ARAT <= 1.5
Alternancia facies gruesa
(productiva) con facies
fina.
Anisotropía resistiva
(ARAT) alta
Únicamente facies fina
(no productiva o poco
productiva)
Anisotropía resistiva
(ARAT) ~ 1 o cercana a
1
11
Discriminación de Facies ARAT YPF.Ch.Gbk.IA-1042
ARAT / VCL
Active Zone : (14) YPF.Ch.Gbk.IA-1042 Z:1 A20
1. 1.2 1.4 1.6 1.8 2.
ARAT
0.
0.08
0.16
0.24
0.32
0.4
VC
L
1.
1.41
2.
ARAT
148 points plotted out of 150
Well Zone Depths
(14) YPF.Ch.Gbk.IA-1042 (1) A20 1031.8M - 1035.M
(14) YPF.Ch.Gbk.IA-1042 (2) A40 1042.47M - 1046.89M
(14) YPF.Ch.Gbk.IA-1042 (3) A50 1049.78M - 1051.M
(82) YPF.Ch.Gbk.IA-1079 (1) A10/20 1053.88M - 1056.17M
(82) YPF.Ch.Gbk.IA-1079 (2) A30 1062.26M - 1063.33M
(79) YPF.Ch.Gbk.IA-1072 (1) A10 1033.32M - 1037.89M
(79) YPF.Ch.Gbk.IA-1072 (4) A60 1060.45M - 1062.88M
(52) Gbk.IA-1049 (1) A10 1030.68M - 1033.27M
0.12
1.5 En el nuevo modelo la Facies 1 se dividió en dos
facies de acuerdo al siguiente criterio:
Facies 1: VCL < 0.12 ARAT > 1
Facies 2 : VCL > 0.12 ARAT ~ 1
El modelo anterior contaba con dos facies:
Facies 1: representaba las arenas reservorio, definida por
la siguiente ecuación: VCL<0.25 and PIGN >0.125
Facies 0: correspondiente a las arcillas (no reservorio)
12
Poblado Facies y Propiedades Petrofísicas
Para realizar el poblado de facies se utilizó Indicators del módulo Facies Modelling de la
aplicación RMS2009 (By Roxar).
Se hicieron 100 realizaciones, se calculó la probabilidad de ocurrencia de cada facies en
cada celda tomando todas las realizaciones y en función de estos resultados se generó un
nuevo parámetro respetando las siguientes condiciones:
Si la Probabilidad Facies 1 + Probabilidad Facies 2 > 0.6 = Facies 1
Si Facies = 1 y la Probabilidad Facies 2 > Probabilidad Facies 1 = Facies 2
Si no se cumplen las condiciones anteriores Facies = 0
15
Conclusiones
• Se plantea una nueva alternativa para el poblado de la permeabilidad. La cual
presenta algunas ventajas:
• Es independiente de valores de saturación de agua y de determinaciones
puntuales de laboratorio (plugs de corona)
•Permite un poblado de propiedades petrofísicas que respeta la geología
del área.
•La permeabilidad muestra un menor rango de amplitud (máx. y
min. ) mas acorde a otras determinaciones de k (dinámicas)
•Considera heterogeneidad vertical y areal de facies sedimentarias. Lo cual
permite analizar posibles escenarios de inyección vertical y areal selectiva a
través de respuesta de trazadores, análisis de presiones, etc.
16
• La historia de producción primaria no es un dato conclusivo para definir la
capacidad predictiva de un modelo.
• Todavía no podemos poner a prueba las bondades predictivas del modelo ya que
la historia de inyección de agua es muy corta.
Conclusiones
17
Referencias y Bibliografía
• Acosta N., Astesiano D., D’onofrio M., Saavedra B. Nuevo Modelo Petrofísico optimizado mediante el uso de inducción tridimensional. Caso de Estudio Area Grimbeek. Cuenca del Golfo San Jorge. VIII Congreso de Exploración de Desarrollo de Hidrocarburos. Mar del Plata. Argentina. 2011
• Acosta N., Romero P., et al. Methodology for Characterization of a Clastic Reservoir Based on Correlations between Electrofacies, NMR and Image Logs. A Case Study from the Gulf of San Jorge Basin. 10th.International Congress of the Brazilian Geophysical Society and EXPOGEF. Rio de Janeiro. Brazil. November. 2007.
• Acosta N., D onofrio M. (Baker Hughes Argentina. Atlas Division. South District GEOScience Center. Uso integrado de tecnologías de alta resolución para caracterización estratigráfica de reservorios. Flanco norte de la Cuenca del Golfo San Jorge. VI Congreso de Exploración y Desarrollo de Hidrocarburos. Mar del Plata. Argentina. 2005.
• Mollison, R.., Schon, J.S., Fanini, O.N., Kriegshauser, B., Meyer, W.H., Gupta, P.K. 1999. 40th Annual Symposium of SPWLA. A model for hydrocarbon saturation determination from tensor resistivity relationship in thinly laminated anisotropic reservoirs.