بهبود محاسبه ی اشباع آب با استفاده از داده های فشار موئینگی در یکی از مخازن گازی جنوب غربی ایران
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 115
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_EKTESHAF-1397-154_012
تاریخ نمایه سازی: 31 اردیبهشت 1402
Abstract:
اشباع سیالات موجود در مخازن از متغیرهای مهم جهت تخمین هیدروکربن درجاست و دقت در محاسبه ی آن از اهمیت خاصی برخوردار است. تخمین نادرست اشباع آب در یک مخزن می تواند به بلااستفاده رها کردن آن مخزن منجر شود. به همین دلیل تاکنون روش های آزمایشگاهی و غیرآزمایشگاهی مختلفی برای اندازه گیری اشباع آب موجود در منافذ سنگ مخزن ارائه شده است. روش معمول، استفاده از نگارهای الکتریکی با استفاده از روابط آرچی است. اما در بعضی موارد به دلیل ناهمگنی مخازن (به خصوص مخازن کربناته) و حساسیت این گونه نگارها به اشباع شدگی آب در منافذ متصل و غیرمتصل به یکدیگر و همچنین عدم وجود ارتباط مشخص بین ضرایب آرچی (ضریب سیمان شدگی (m) و توان اشباع (n)) با کانی شناسی و حفره های موجود در مخزن دقت لازم و کافی ندارد. روش متعارف دیگر استفاده از داده های آزمایشگاهی است که دقت زیادی دارند اما این گونه روش ها با توجه به هزینه ی زیاد و کندی، تنها در تعداد محدودی از چاه ها قابل پیاده سازی هستند. در این مطالعه تلاش شده با استفاده از داده های آنالیز مغزه ی موجود، رابطه ای جهت بهبود محاسبه ی اشباع آب تعیین شود که بتوان آنرا به کل میدان تعمیم داد. برای این منظور با استفاده از تلفیق داده های آزمایشگاهی فشار موئینگی به روش تزریق جیوه و همچنین به کارگیری تابع بروکس و کوری و ارتباط آن با تخلخل موثر، مقدار اشباع آب در چاه های مورد مطالعه بررسی شده و در پایان نتایج حاصل از این روش با مقادیر اشباع آب محاسبه شده از نگارهای چاه پیمایی مقایسه شده است. یافته های این پژوهش نشان می دهد در حالتی که داده های مغزه در چاه های دیگر موجود نباشد برای محاسبه ی فشار موئینگی می توان از مدل تجربی بروکس و کوری که نسبت به روش چاه نگاری خطای کمتر و دقتی مناسبی دارد استفاده کرد.
Keywords:
Authors
مهدی رستگارنیا
پترو پارس زاگرس
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :