مدل سازی خواص پتروفیزیکی و بررسی عدم قطعیت و آنالیز حساسیت در یکی از مخازن نفتی جنوب ایران
Publish place: Fourth Scientific Conference on Hydrocarbon Reservoirs and Upstream Industries and Related Industries
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,411
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
RESERVOIR04_102
Index date: 6 June 2015
مدل سازی خواص پتروفیزیکی و بررسی عدم قطعیت و آنالیز حساسیت در یکی از مخازن نفتی جنوب ایران abstract
با توجه به اهمیت و جایگاه نفت برای کشور عزیزمان ایران، که سومین کشور دنیا از لحاظ ذخایر نفتی می باشد، پرداختن به این سیال با ارزش و تعیین شاخص های پتروفیزیکی آن مانند تخلخل و اشباع آب که در واقع تعیین کننده میزان نفت درجای مخزن می باشند، از اهمیت بسیار بالایی برخوردار است. در همین راستا در این پژوهش دو پارامتر تخلخل و اشباع آب با استفاده از نرم افزار پترل به صورت 3 بعدی و بر پایه قوانین زمین آمار، مدل سازی شدند.انجام آنالیز عدم قطعیت و حساسیت سنجی نتایج حاصل شده در مدل سازی استاتیکی مخزن، یکی از مراحل بسیار مهم و حیاتی در چرخه مدل سازی مخزن محسوب می شود و بدون بررسی آن ها نمی توان بر روی نتایج حاصله تصمیم گیری دقیقی جهت توسعه میدان انجام داد. با توجه به این مهم، آنالیز عدم قطعیت نتایج حاصله در محاسبات حجمی با استفاده از روش مونت کارلو، که روش بسیار با ارزشی در زمان داشتن اطلاعات محدود می باشد، با تولید 500 Case حجمی انجام شد و شانس برداشت از حجم نفت درجای مخزن با احتمال های 10 % و 50 % و 90 % محاسبه گردید و آنالیز حساسیت انجام شده هم نشان دهنده تاثیر قابل توجه خواص پتروفیزیکی بر میزان حجم نفت درجا بود. که همین امر نشان دهنده اهمیت مدل سازی این دو پارامتر تخلخل و اشباع آب بوده است.
مدل سازی خواص پتروفیزیکی و بررسی عدم قطعیت و آنالیز حساسیت در یکی از مخازن نفتی جنوب ایران Keywords:
مدل سازی خواص پتروفیزیکی و بررسی عدم قطعیت و آنالیز حساسیت در یکی از مخازن نفتی جنوب ایران authors
سیده پریا سیدی
دانشجوی کارشناسی ارشد عمران دانشگاه شیراز، میدان نمازی، دانشکده فنی مهندسی
ابراهیم نوذری
دانشجوی کارشناسی ارشد عمران دانشگاه شیراز
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 :