CN114746774A - 预测油气和运移路径的综合地质力学模型 - Google Patents
预测油气和运移路径的综合地质力学模型 Download PDFInfo
- Publication number
- CN114746774A CN114746774A CN201980100349.3A CN201980100349A CN114746774A CN 114746774 A CN114746774 A CN 114746774A CN 201980100349 A CN201980100349 A CN 201980100349A CN 114746774 A CN114746774 A CN 114746774A
- Authority
- CN
- China
- Prior art keywords
- model
- geological
- hydrocarbon accumulation
- predicting
- geological region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 229930195733 hydrocarbon Natural products 0.000 title claims description 57
- 150000002430 hydrocarbons Chemical class 0.000 title claims description 57
- 230000005012 migration Effects 0.000 title claims description 6
- 238000013508 migration Methods 0.000 title claims description 6
- 238000000034 method Methods 0.000 claims abstract description 68
- 238000009825 accumulation Methods 0.000 claims abstract description 58
- 239000004215 Carbon black (E152) Substances 0.000 claims description 52
- 239000011148 porous material Substances 0.000 claims description 47
- 238000004458 analytical method Methods 0.000 claims description 33
- 230000035699 permeability Effects 0.000 claims description 24
- 239000012530 fluid Substances 0.000 claims description 21
- 238000004519 manufacturing process Methods 0.000 claims description 19
- 230000003068 static effect Effects 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000009933 burial Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 230000002195 synergetic effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 4
- 206010017076 Fracture Diseases 0.000 description 83
- 230000015572 biosynthetic process Effects 0.000 description 61
- 238000005755 formation reaction Methods 0.000 description 61
- 208000010392 Bone Fractures Diseases 0.000 description 57
- 230000035508 accumulation Effects 0.000 description 32
- 239000011435 rock Substances 0.000 description 30
- 239000010410 layer Substances 0.000 description 27
- 230000000694 effects Effects 0.000 description 26
- 238000005056 compaction Methods 0.000 description 18
- 238000012360 testing method Methods 0.000 description 18
- 238000004088 simulation Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 9
- 238000009826 distribution Methods 0.000 description 8
- 238000005553 drilling Methods 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 7
- 230000007420 reactivation Effects 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 208000002565 Open Fractures Diseases 0.000 description 3
- 208000013201 Stress fracture Diseases 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 239000013049 sediment Substances 0.000 description 3
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000005489 elastic deformation Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000011049 filling Methods 0.000 description 2
- 230000002706 hydrostatic effect Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000009533 lab test Methods 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012354 overpressurization Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012916 structural analysis Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241000282461 Canis lupus Species 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- 241001415846 Procellariidae Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 150000004649 carbonic acid derivatives Chemical class 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000008398 formation water Substances 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000011545 laboratory measurement Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002161 passivation Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000005549 size reduction Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G01V20/00—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
- G01V1/30—Analysis
- G01V1/301—Analysis for determining seismic cross-sections or geostructures
- G01V1/302—Analysis for determining seismic cross-sections or geostructures in 3D data cubes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/18—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/616—Data from specific type of measurement
- G01V2210/6169—Data from specific type of measurement using well-logging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/622—Velocity, density or impedance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/622—Velocity, density or impedance
- G01V2210/6224—Density
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
- G01V2210/6242—Elastic parameters, e.g. Young, Lamé or Poisson
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
- G01V2210/6244—Porosity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
- G01V2210/6246—Permeability
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
- G01V2210/6248—Pore pressure
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/63—Seismic attributes, e.g. amplitude, polarity, instant phase
- G01V2210/632—Amplitude variation versus offset or angle of incidence [AVA, AVO, AVI]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/64—Geostructures, e.g. in 3D data cubes
- G01V2210/641—Continuity of geobodies
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/64—Geostructures, e.g. in 3D data cubes
- G01V2210/642—Faults
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/64—Geostructures, e.g. in 3D data cubes
- G01V2210/646—Fractures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/66—Subsurface modeling
Abstract
本发明涉及一种预测地质区域中油气聚集的方法,方法包括以下步骤:a.生成地质盆地模型;b.生成地质力学模型;c.生成综合模型;d.基于在步骤a至c中获得的信息生成应变图;e.从应变图预测油气聚集。
Description
技术领域
本发明涉及预测地质区域中油气聚集的方法。这种预测方法可以通过预测油气聚集的位置和运移轨迹来提高油和气产量,从而为勘探和油田开发计划(FDP)提供有用的工具。
背景技术
本发明涉及预测油气聚集位置的领域。所述聚集的发生和运动取决于相应地理区域的多个地质层的地质形成,以及该区域相应的物理和地质性质。由于油气开采的钻井费用昂贵,本领域研发了多种方法来模拟和预测油气聚集的发生。在所述方法中,采用了不同的模拟技术。
参考文献WO 2010/120492 A2涉及一种用于进行地质盆地分析以确定感兴趣的地下区域中油气的聚集的计算机实施的方法。该方法包括:在具有至少一个图形用户界面和多个盆地分析工作流的集成计算机环境中,使用项目范围数据以及与感兴趣的次表层区域相关的地质和地球物理数据,限定与感兴趣的次表层区域内的至少一个盆地相关的盆地分析项目;每个盆地分析工作流具有用户可选择的任务。该方法进一步包括在集成计算机环境中将至少一个盆地分析工作流应用于盆地分析项目,并执行用户选择的任务,以执行盆地分析,该盆地分析包括确定盆地特征、地质趋势和油气系统的可能性;其中,盆地分析工作流的使用基于用户通过执行所选任务提供的数据量和盆地分析项目范围数据。
参考文献US 7,054,753 B1涉及一种利用空前数量的数字化测井数据、井生产历史、试井数据和任何其他相关数字井数据来定位油和气钻井前景的方法。该方法包括:从在所需的油气盆地中钻探的多口井中获得测井数据,然后在计算机或其他合适的数字化装置上进行数字化;然后使用标准化尺度对每口井的测井数据进行归一化;使每一个数字化测井日志相互关联,以建立整个盆地的地层框架;以及,对每口井各层段的可观测沉积特征和沉积相进行识别。该方法还包括可视地显示多个单独的测井日志,以揭示盆地的一部分的横截面区域的一致沉积特征。
然而,需要一种改进的预测油气聚集发生和运动的方法。
因此,本发明的目的是提供一种改进的预测地质区域中油气聚集的方法。
发明内容
上述问题至少部分地通过一种预测地质区域中油气聚集的方法得到解决,该方法包括以下步骤:
a.生成地质盆地模型;
b.生成地质力学模型;
c.生成综合模型;
d.基于在步骤a至c中获得的信息生成应变图;
e.从应变图预测油气聚集。
可以实现油气聚集的空间和时间预测。地理场图与应变图和/或油气聚集图重叠。因此,可以建立空间应变图和/或油气聚集图与地质区域之间的空间对应关系。因此,可以获得不同的钻孔位置,并且可以避免在多个位置进行昂贵的钻孔。
在优选实施例中,地质盆地模型进一步包括以下步骤中的至少一个:
a.确定层位和断层;
b.恢复和回采,以识别构造事件;
c.孔隙度建模;
d.压力建模;
e.孔隙度-渗透率关系建模。
本发明提供了一种改进的盆地模型,以包括所有的地质特征,并基于结构恢复,以便及时应用构造事件。通过使用石油系统建模技术,结合地震、井数据和地质知识,模拟沉积盆地演化,对资源评估区域的孔隙压力和孔隙度执行了预测。这一阶段的目标是创建包括地质结构盆地历史,作为下一阶段为地质力学模型提供的基础(参见图1)。层位(也称为表面)和断层是根据地震数据解释的,并从等厚图导出。这些图被用于构建从顶表层沉积物到储层的盆地模型。模拟了孔隙度、孔隙压力、温度和热成熟度随时间的演变,并与测量数据进行了校准。
在本发明中,可以使用正演建模和恢复工具来验证现有的三维解释和结构模型。结果给出了断层运动的几何形状和时间,并且这涉及到所有后续的盆地建模步骤。在本发明中,例如,对较大的阿布扎比地区进行区域尺度的三维恢复,并使用几何和地质力学算法捕获随时间变化的地质应变,以分析例如阿布扎比盆地的构造-地层演化期间不同时间步长的应变。模拟结果提供了估计的孔隙度和孔隙压力,以及随着时间的推移对整个盆地几何形状的重建。所得模型随后被用作进一步裂缝预测阶段的基础;结果最终与现有地震解释得出的断层一致。模型孔隙度、孔隙压力和预测裂缝被用于静态地质和动态储层模型的开发。石油系统建模技术的应用对于重建盆地古几何学及其对孔隙度、压力的地质演化的影响至关重要。在重建盆地几何形状之前,必须获得例如现今盆地几何形状和形成年龄的地质知识。在模型模拟步骤中,模型被回采到最古老的形成(参见图2)。
Chilingarian&Wolf(1975)研究了孔隙度-渗透率关系,其中作者发现同位素沉积物的渗透率受其孔隙度和粒度分布的控制。Tissot和Welte(1984)的进一步研究表明,随着进一步压实,较浅深度处的孔隙度将迅速消失。然而,随着压力的增加,孔隙度的损失率减小。为了预测压力,使用孔隙度-渗透率关系,渗透率与孔隙度曲线图中分段线性函数来控制压力模型。
在优选实施例中,压力建模的步骤进一步包括以下步骤中的至少一个:
a.孔隙压力模型的校准;
b.孔隙压力模型在地质区域的应用。
模型孔隙度取决于埋藏深度、覆盖层沉积物柱的重量和岩性特性。通过将压实曲线调整为有效应力,实现了孔隙度校准。通过调整岩性孔隙度-渗透率关系来校准孔隙压力。低渗透率岩性导致高孔隙压力。需要正确定义每个地层的岩性和/或沉积相。岩性参数,如机械压实度和渗透率对每个地层都是独特的。这些参数控制了模拟过程期间所有地质年代的每个地层的变形和压实行为。在定义边界条件时,古水深度、沉积物-水界面温度和热流是约束盆地在每个特定地质时代的几何形状和热演化的重要因素。
在优选实施例中,地质盆地模型包括机械地层学。在优选实施例中,地质盆地模型包括渗透率建模的步骤。
在优选实施例中,地质盆地模型进一步包括以下步骤中的至少一个:
a.沉积物分解;
b.获取地质区域的埋藏历史。
对沉积物分解进行了建模,允许随着时间的推移重建地层结构。Athy(1930)首先描述了一个简单的孔隙度-深度关系。作者介绍,孔隙度Φ将随着压实系数k随着深度呈指数下降。Smith(1971)改进了这一定义,并提出在压实计算中使用有效应力而不是总深度。在正演建模模拟器中使用了由有效应力表示的Athy定律来计算孔隙压力。模拟期间考虑了地层年龄、侵蚀事件和间断期等信息。
在优选实施例中,地质盆地模型包括地质区域超压建模的步骤。在更深处观察到地层超压,其建模依赖于原生水向量随地质时间的演化。这些向量依赖于多个岩性参数以及相邻模型层的毛管进入压力。
在优选实施例中,生成地质力学模型包括以下步骤中的至少一个:
a.地震反演和详细的岩石物理分析,包括流体替代建模;
b.叠前地震数据调节;
c.叠前AVO同时反演;
d.基于从岩心结果导出的孔隙度相关性预测力学性质;
e.生成一维地质力学模型。
这主要包括基于岩石力学测试(RMT)校准的曲线的一维地质力学步骤(只要可用)。然后根据岩石物理模型提供的孔隙度和地震反演弹性参数创建了三维地质力学模型。第一阶段是地震反演,一维地质力学模型和三维模型。地震数据提供了最好的高分辨率空间测量,然后用于构建结构框架,以及计算精确的三维特性模型。叠前地震反演能够从地震数据(其作为三维地质力学模型的输入)中计算岩石的力学性质,如泊松比。这一步骤包括涵盖流体替代建模的详细的岩石物理分析、叠前地震数据调节和叠前AVO同时反演。下面给出了上述选项的技术细节。
叠前AVO同时反演
下面列出了进行AVO反演所需的数据:
井数据:
·LAS格式的选定井的标准E-logs(声波、剪切声波和密度),
·ASCII格式的选定井的地层顶部和标志,
·LAS格式的对选定井进行岩石物理评估,
·LAS格式的检查选定井的喷射数据,
·SEGY格式的处理VSP走廊堆叠,加上选定井的处理报告,
·ASCII格式的对选定井的井位和偏差勘测(远离主要断层的竖直井更合适),
·储层流体参数:压力、温度、地层水盐度、气水比、气体比重等。
·与井数据处理有关的任何其他信息。
地震数据:
·角度堆叠(最小近、中、远)校正为SEGY格式的适当基准
·SEGY格式的地震速度(与地震数据相同的基准),
·采集和处理报告。
岩石物理学
储层中的声速随岩石岩性/矿物学、孔隙度、孔隙类型、粘土含量、流体饱和度、应力、温度和执行测量的频率而变化。岩石物理分析用于评估和理解岩性、孔隙度和流体对声速和密度的影响。
测井条件与现场数据一致性
在可能的情况下,从原始现场测井开始,对选定的井执行了详细的测井编辑和深度-时间转换。重点通过参考受不良井况和流体侵入过程影响较小的邻近测井部分(即伽马射线测井、电阻率和中子孔隙度测井)来检验声波和密度测井的可靠性。基于与其它相关测井数据相关的多元统计参数回归方法对测井不良区进行编辑。对不可靠的深度间隔进行了分析,并使用一系列统计、经验和多测井/多井数据替代技术进行了编辑,如下所示。在校准声波测井之前,根据需要对Checkshot和VSP数据进行了评估和编辑,以生成深度-时间转换函数。测试了井声阻抗(在时域内),以确保它在测井钻孔的整个长度上提供正确的岩石声学特性测量,并正确校准到针钻孔地震。这涉及到与地面和钻孔地震的客观比较。在出现差异的情况下,该方法通过数据验证和编辑循环而迭代,直到认为测井曲线和时间-深度函数达到最佳可靠性。为研究区域内的所有井绘制最后编辑的测井曲线与深度的关系图,以确保现场数据的一致性。将研究异常井场外数据趋势。异常井可能有一个有效的地质原因。如果没有,则需要在研究的早期进行校正,以纠正不良的数据,并使其在整个领域内保持一致。
岩石弹性分析
使用选定井的数据进行详细的岩石弹性分析,以确定弹性特性(声阻抗、泊松比和密度)与岩石物理数据(如孔隙度)之间是否存在显著的相关性。
角度堆叠对齐
称为非刚性匹配(NRM)的专有算法可以用来对齐角度堆叠或平坦NMO(这种P波的NMO速度的表达对任何强度的各向异性都有效,Tsvankin(1997)),校正角度收集,从而消除任何残余NMO和可能的各向异性效应。在各向异性介质中,地震波的速度随传播角度而变化,而NMO速度是针对零偏移点计算的。这个想法是应用各向异性射线追踪算法计算每一条射线的射线速度,并估计每一条射线的NMO校正。NRM逐个样本进行拉伸和挤压,基本上将任意数量的迹线与参考迹线对齐。通常,计算接近偏移的堆叠迹线,并将收集中的每个迹线直接或递归地与之匹配。因此,NRM试图使所有事件变平;它既不是地平线,也不是移动驱动的。角度收集中事件的更好对齐应导致更可靠的AVO(振幅随角度变化,这意味着振幅随流体岩性引起的偏移而变化。AVO也被称为AVA(振幅随角度变化),因为这种现象是基于反射系数和入射角之间的关系)属性,特别是对于高角度应用(三项AVO)。
小波估计
执行小波估计,以使用井弹性数据从每个输入角度堆叠地震数据估计小波。从地震轨迹和井反射率估计小波。通过Aki和Richards的近似计算井反射率。测试了各种时间窗和各种多井场景下的小波估计。使用井震组合显示和匹配统计对小波估计结果进行了质量控制,此外通过反演对不同的小波进行测试,以选择最佳小波。
低频建模
由于采集的几何形状,地震反射数据在频谱的两侧受到频带限制。缺失频谱的下侧是非常重要的。因此,业界所有的地震反演方案(叠后或叠前)都需要低频模型(LFM)来计算全频带的弹性特性,以便与测井曲线进行直接对比和校准。此外,从地震反演中反演的弹性属性(AI(声阻抗)、Vp/Vs(Vp和Vs:压缩和剪切速度)和密度)的准确性取决于LFM的准确性。因此,确保LFM尽可能准确,尤其是在井间空间内,是至关重要的。通过推断适当的测井,使用解释的层位作为指导,然后进行低通滤波,为每个属性(AI、Vp/Vs和密度)导出了低频模型。低频模型还可能受到地震速度(例如叠加或迁移速度)、地震属性(如相对AI体积、深度趋势和从地震数据和/或观察到的地层关系估计的倾角)的约束。
全局同时AVO反演
使用全局同时AVO反演执行同时反演。通过对每个部分堆叠使用单独的小波,来直接处理部分堆叠之间的频率和相位差,确保对每个层特性获得最大的分辨率结果,例如泊松比具有比远部分堆叠更高的分辨率。在反演前不需要对地震数据进行频率平衡或特殊的相位调整。在同时AVO反演期间,根据估计的声阻抗、Vp/Vs和密度(密度取决于输入地震中的可用角度范围)估计反射角的高频变化(例如在高速度或低速层),以便更准确地估计层特性(参见图11)。在全反演生产之前,针对选定的测井数据执行了广泛的反演测试和验证,以选择最佳的:
·小波,
·反演参数。
在储层区中,力学性质的预测是基于从岩心结果导出的孔隙度相关性(参见图12)。
·来源于储层模型的孔隙度立方体;
·在覆盖层和分隔储层区的致密单元中,力学性质的预测基于协同克立格(co-kriging)放大测井;
·来源于一维地质力学模型的力学性质剖面。
生成一维地质力学模型
例如,已建立的许多一维模型是针对阿布扎比油田构建的(参见图13),并且一维模型中的测井导出的力学性质和应力用于三维地质力学模型的构建。只要RMT数据可用就对整个模型进行校准。在地震驱动的地质力学性质建模中,实验室测试结果与地震反演输出相联系/连接。新增井一维地质力学模型的构建过程包括:
·整理、审查和验证来自偏移井的输入数据;
·加载和QC可用的测井数据;
·根据时间、深度和所用泥浆重量识别和表征应力引起的井筒事件;
·使用可用的测井和岩心测试数据,构造覆盖层和储层段的岩石弹性和强度特性模型。
·使用最合适的相关性建立测井导出的弹性和岩石强度特性剖面(参见图14)。这些相关性是由岩石力学测试结果驱动的,并结合了新的额外实验室岩心测试(如果执行);
·估计井内孔隙压力剖面。利用密度、声波和电阻率测井、局部相关、MDT(模块化地层动力学测试仪)和DST(钻孔刺激测试)数据等(如果有),并以现有孔隙压力数据为约束进行确定;
·使用钻井或微型压裂期间诱发的水力裂缝的可用图像和/或定向井径数据(如果有)确定水平应力方向的取向;
·绘制主要地应力的连续剖面,显示覆盖层应力的大小以及最大和最小水平应力。水平应力的大小的确定采用孔隙弹性水平应变模型。使用高质量的LOT(泄漏测试)/ELOT(扩展泄漏测试)数据校准水平应力的大小,并根据图像测井上观察到的井筒破裂和钻井诱发裂缝的反分析以及井径测井上的破裂分析(如果可用)进行严格验证。利用的数据包括密度和声波测井、LOT/ELOT数据、图像测井、井径测井、钻井日报、泥浆日报、井底报告、构造地质和局部相关性和知识;
·通过与图像测井、钻井经验、现场观察和测量以及井测试数据进行严格的历史匹配,验证地质力学模型;
·基于对不同储层的可用模型,选择RMT样本,以填补用于综合模型校准的任何空白;
·下一步骤包括在岩心和测井尺度上对岩石非均质性进行表征,并完成质量评估(基于力学各向异性弹性特性、最小水平应力估计和岩石-流体相互作用);
·表征综合储层岩层的竖直非均质性;
·通过测量和建模关键储层特性(孔隙度、渗透率、孔隙空间成分等),改进资源定义;
·通过量化储层和围岩结构的力学行为,并通过确定了解流体行为所需的岩石-流体相互作用参数,提高资源采收率;
·执行新的测试活动,以更好地表征高孔隙度碳酸盐的力学行为;
·收集高质量的水平应力值,这需要在竖直井中执行微裂缝测试,同时进行孔隙压力测量(在微裂缝测试之前)和钻孔图像(BHI)测井(在微裂缝测试之前和之后);
·评估断层材料特性(参见图1中的红框,见下文);
·通过重新分析所有BHI测井并对岩心执行剪切测试来表征裂缝;
·执行专门的套管孔完整性分析;
·执行盲测,以验证先前的模型;
·钻孔图像测井的增强处理和解释(参见图15)。
·图像测井数据的加载、处理和QC。要评估的图像测井数据与最终的裸眼测井集的深度匹配,并在钻孔参考框架内定向;
·对所提供的图像数据执行质量评估。这包括评估所提供的方位数据,以确保正确的特征方位,检查非地质图像和测井伪影的程度及其对地质分析效用水平的影响;
·使用正弦曲线拟合技术,人工挑选所有地质特征;岩性和类型为沉积层理特征,并使用断层、裂缝、分类镐和变形相关特征(包括软沉积物变形)的构造描述符。也对钻井诱导特征进行了挑选和定向。对挑选赋予置信度评级。
·结构解释-在生成手动倾角挑选数据集之后,进行了详细的结构分析,以限定岩性层理所描述的总体构造几何形状,并识别可能无法直接成像的任何褶皱、断层或其他变形。这种分析表征了断层的整体趋势和关系,允许识别与断层相关的裂缝密度变化和应力变化。具体的结构分析包括以下步骤:
·基于地质结构(例如识别裂缝样式和方位、构造倾角带、断层分区、不整合面等)细分所检查的深度区间;
·这是通过视觉倾角评估、矢量方位角图和立体图来完成的;
·结构特征的识别和定位。不整合面和断层带、裂缝、变形层段的识别和制表;
·断层带的特征是基于深度、方位、走向、旋转轴、岩性、有无拖曳带和可能的相关损害的宽度。在可能的情况下,推论出滑倒感;
·对每口井的结构进行了分析,以确保清楚地了解井筒方位与图像特征。
在优选实施例中,基于从岩心结果导出的孔隙度相关性的力学性质预测进一步包括以下至少一项:
a.孔隙度立方体来源于储层模型;
b.在覆盖层和分隔储层区的致密单元中,力学性质的预测基于协同克立格(co-kriging)放大测井;以及
c.力学性质剖面来源于一维地质力学模型。
在优选实施例中,预测地质区域中油气聚集的方法进一步包括创建结构模型的步骤,其中,该方法进一步包括估计地质力学模型的三维静态和动态的步骤。在优选实施例中,预测地质区域中油气聚集的方法进一步包括断层和裂缝分析的步骤。
一些地层显示出强烈的迹象,该迹象表明这些储层中可能存在天然裂缝网络。试图为每个地层建立多尺度裂缝模型,目的是将其结合到三维地质力学模型。
·裂缝模型是通过综合项目开始时钻的所有井的所有井岩石物理数据、图像测井数据、地质力学数据、岩心数据、地震数据和试井数据而建立的。
应用了以下假设和工作流:
·矩阵模型存在三维地质模型。由于DFN(离散裂缝网络)不能扩展为非常精细的地质模型,如果地质模型非常精细,则需要用于流动模拟的扩展模型来建立和扩展基于DFN的裂缝模型。
·只有从图像测井解释裂缝的井才用于建立DFN。
·如果已通过高级裂缝解释在带有BHI测井的井中完成裂缝孔径解释,则可以将其作为DFN的输入。如果已经从常规岩心测量了裂缝孔径,则可以将其作为输入。
·在深度域可获得具有层位和断层的地震数据,以便将其作为裂缝解释的输入。没有包括速度模型建立的地震解释。
·地质力学模型使用全井数据的三维模型、三维地质模型和放大模拟模型作为输入。
·使用深度域中的三维地震数据,其中在深度域进行层位和断层解释。
·从图像测井编译裂缝解释,分离开放裂缝并加载到三维地质静态模型中。从每个地层组的玫瑰花结图研究裂缝方位。此外,为每个地层组准备所有开放裂缝的立体图表。
·对上述图表进行分析,试图将裂缝组与该领域/地区的构造历史联系起来(这里需要复原模型(图1中框5),以了解有多少构造事件)。确定为每个地层建模多少组裂缝,将裂缝数据分离成组,并将每个组与其构造事件相关联。
·为每个裂缝组生成裂缝强度日志。如果在定向岩心中可用,则对常规岩心描述中的裂缝进行类似的分析。
·用裂缝强度绘制泊松比和杨氏模量测井曲线,以观察地质力学控制的层间裂缝的存在。
·研究解释断层及其与BHI解释裂缝走廊的关系。在深度域生成相干性/相似性的地震属性,并研究裂缝走廊的存在。如果存在这样的走廊,执行Petrel Ant-Tracking来解释裂缝走廊。同时,生成曲率属性,以描绘裂缝走廊。
在优选实施例中,预测地质区域中油气聚集的方法进一步包括以下步骤:
a.生成离散裂缝网络;
b.将离散裂缝网络扩展为静态地质力学模型。
·根据数据分析结果,试图生成多尺度裂缝模型,该模型包括:
o横切以断层为代表的地层的大规模裂缝
o从地震属性中提取与断层相关联的裂缝走廊
o通过使用沉积相模型、刚度模量模型(使用来自井的杨氏模量和泊松比测井)和来自井的裂缝强度测井,对层间地质力学控制裂缝进行DFN。
o从岩心中最佳看到的小规模扩散裂缝。
·根据数据可用性,将裂缝孔径和渗透率分配给DFN。
·创建DFN的三种不同实现,以覆盖可能的不确定性。
·将开发的DFN放大到放大的静态模型中,以生成裂缝孔隙度和裂缝渗透率张量(参见图16)。
·将三裂缝模型的不确定性实现放大到上述静态模型中。
·每个地层(覆盖层和储层)中裂缝密度的纵向变化。
·每个覆盖层和储层中裂缝密度的横向变化。
·每个覆盖层和储层中裂缝密度的纵向和横向趋势组合。
·每个覆盖层和储层中的裂缝方位、裂缝长度、裂缝孔径和渗透率。
·识别每个覆盖层和储层中的渗透区域(储层规模)。
·扩大每个覆盖层和储层中的整个裂缝组。
·从岩心解释断层,以及断层作用期间造成胶结和晶粒尺寸减小的蚀变在视觉上很难检测到,因为碳酸盐体系中的沉积过程可以产生看起来非常相似的结构、晶粒组构,并且颜色变化很小或没有变化。这一问题在高斜度井(侧向井)中更加严重,因为水平井与陡峭断层和裂缝面的交汇关系意味着裂缝和断层在岩心中表现出非常类似于钻井诱发的伤害。
·通过将岩心CT扫描的解释与高分辨率钻孔图像数据(如图像测井)相结合,克服了这些问题,岩心CT扫描揭示了与压裂、断层有关的密度变化,并且图像测井揭示了电阻率的变化。所有三个因素的结合允许比较岩石的不同物理特性,而不仅仅是目测。此外,通过将螺旋CT扫描数据与钻孔图像测井相结合,利用钻孔图像测井中的方位数据,可以直接从岩心进行非常高分辨率的裂缝和断层表面的拾取和定位。如果确实影响了采样的地层,则这种数据组合揭示了断层的存在。
·对整个岩心和/或板状岩心的结构岩心描述,以校准图像测井和使用CT扫描观测,并充分表征断层带中的裂缝密度,使用图像测井和岩心数据对断层进行表征和详细研究。
·此外,对断层带内可能的胶结作用的表征,尽可能充分了解断层的性质,估计断层的意义和数量,并确认各地层之间是否存在竖直连通。
·覆盖层和储层的这种基本断层行为及其再活化,进而对局部油气聚集区域的影响,需要进行高精度的断层和裂缝识别。
·来自储层和覆盖层单元的断层岩特性,以综合对其渗透率的地质控制。
·初步结果表明,诸如断层位移、储层杨氏模量和应力历史的因素在控制断层岩渗透率方面都有重要作用。该项目很好地评估了这些参数的依赖性。
·评估断层段对所研究储层内流体流动影响的算法。
·即使在浅埋期间,相对于低孔隙度剖面,断层对高孔隙度剖面的影响也会对流体流动产生影响障碍,从而分隔储层。因此,识别高孔隙度断层中待测量的变形区的渗透率降低。因此,对低孔隙度区的影响不同于高孔隙度区,这些影响流体流动。
·研究结果表明,胶结作用是断层是否起障碍作用的主要原因。因此,寻找压实作用对断层段再活化的影响。
·碎裂断层段和胶结角砾岩对渗透率和裂缝扩展的影响,以及这是否可以划分变形区中的裂缝间隔。
·哪些裂缝组可以由于生产甚至注入而演化、启动和扩展。
·在覆盖层和储层中发生的低位移断层通常是起到管道作用的膨胀角砾岩。然而,角砾岩碎屑经历碎裂变形,抛掷增加,导致流动障碍的形成。
·低强度储层以韧性压实方式变形,以及低孔隙度段和高孔隙度段最初以膨胀脆性方式断裂的总体趋势,类似于一旦发生的韧性到脆性转变及其对压实的影响。
·一个关键目标是确定韧性到脆性转变的关键控制(即应力、强度、孔隙度等)。
·断层碳酸盐岩储层的地质力学性质以及表观预固结压力(即静水条件下的屈服点)与孔隙度之间的相关性;一个关键目标是理解对这种关系的控制。
·至关重要的是,要严格评价与压实作用有关的断层段划分的证据,并且如果重新活化是局部现象和造成跨断层流体接触差异的流体动力学,一旦发生压实作用,即使通过这种断层,也可能不会对生产产生重大影响。
·断层岩可以阻止开放裂缝的扩展,这可能导致储层内部的连通性减少。对压实的影响是什么,这种影响可以通过岩心观测和裂缝钝化理论相结合来预测。
·用于评估断层段重新活化对储层内流体流动的影响的算法,并结合BHI在断层岩石样本上提出从岩心测得的岩石物理性质模式,以生成计算储层内传递率倍数的等式(参见图17)。
·评估裂缝走廊的动态特性(传导性和孔径),进而允许计算裂缝孔隙度和渗透率张量(参见图18)。
·最后,在这一阶段,评估天然裂缝对储层变形的影响(参见图19)、对潜在渗透率的影响(参见图20)、断层滑动分析(参见图21)。还确定了断裂和裂缝对滑动应力的影响(参见图22)。
在优选实施例中,结构模型包括关于地质区域中的构造应力的信息。
在优选实施例中,地质盆地模型和地质力学模型与结构模型相结合以生成应变图。
在优选实施例中,结构模型与综合模型相结合。
·使用所有先前阶段的输出来综合包括三维地质力学模型的模型,通过具有杨氏模量、泊松比、摩擦角、UCS(无侧限抗压强度)和储层覆盖层和边岩层的抗拉强度的力学特性分布构建三维地质力学模型。
·计算了三维预生产应力状态,包括总竖直应力、最大水平应力和最小水平应力的大小和方向。
·使用三维网格结构,单独的储层模型的组合,覆盖层、下覆层和侧覆层的嵌入,建立综合模型。
·基于先前的模型并使用来自动态储层模型的压力数据构建了适合用途的三维网格。
在优选实施例中,生成综合模型进一步包括以下步骤中的至少一个:
a.三维力学性质总体;
b.力学性质和应力模型;
c.在选定的时间步长中进行孔隙压力制备;
d.三维预生产应力建模和校准。
对于三维力学性质总体,这项任务主要是通过结合一维地质力学模型和三维地震相关性质和属性来完成的。
·三维力学性质总体的主要输入是一维地质力学模型和地震数据(叠后地震或叠前地震反演)。
·由储层孔隙度和放大的一维地质力学模型驱动的三维力学性质总体,以及具有地震数据(声阻抗、Vp、Vs等)的协同克立格法(co-krigged)。在叠前地震反演不可用但叠后结果(如整个场的声阻抗和速度立方体)可用的前提下,例如在阿布扎比,使用该选项填充三维地质力学网格中的力学性质。关键步骤包括:
·建立力学性质与储层孔隙度之间的关系。如果需要,基于一维地质力学模型数据和实验室测量数据,为每个储层开发不同的相关性;
·基于已开发的相关性,填充所有储层的三维力学性质;
·基于一维地质力学模型的扩大力学性质和适当的地震属性,使用协同克立格法方法填充非储层网格单元中的力学性质。
·力学性质分布应与力学性质与孔隙度之间的相关性相一致。例如,杨氏模量随孔隙度的降低而增加。其次,将一维地质力学模型的力学性质与沿一维地质力学模型井轨迹的三维力学性质进行了比较。
·对于相对有代表性的力学性质模型,三维力学性质应与沿井轨迹的一维地质力学模型相匹配。
·由地震反演驱动的三维力学性质。基于地震反演数据、一维地质力学模型和实验室实测岩心试验数据,利用包括覆盖层在内的合适的地震反演立方体数据,获得了整个地质力学模型内具有空间异质性的岩石力学性质的三维分布。填充三维力学性质的典型工作流包括以下关键步骤:
·利用一维关系执行地震反演立方体的QC。如果有任何不匹配,则对地震反演数据和井数据的质量进行精调,直到至少达到合理的匹配。
·从地震反演数据计算动态杨氏模量。
·基于使用一维地质力学模型和实验室测量的岩心试验数据开发的力学性质相关性,将力学性质填充到三维地质力学模型中。
·QC三维力学性质。
·对一维地质力学模型与沿井轨迹提取的三维力学性质进行了比较。如果有任何明显的不匹配,则对力学性质相关性进行精调,直到至少达到合理的匹配。
·还对少数选定的井进行了盲测,以进一步确保测井衍生数据的性质与一维和三维模型相匹配。
力学性质和应力模型
在地质力学模型中,用“等效材料”的概念来模拟断层单元的变形行为。基于周围完整岩石的杨氏模量估计断层的法向刚度和剪切刚度特性,用来限定断层单元的弹性变形行为。每个网格单元处断层面的方位提供了断层剪切和扩张的特定方向。使用“不连续建模”,对与断层面相交的单元分配“等效”刚度特性,以捕捉它们的变形和破坏行为。在数学上,通过使用本构理论将完整岩石和断层(节理)的性质相结合来计算等效性质。假定由于与周围单元的力学性质不同,单元沿断层面内存在相对运动。
·将断层网格单元视为具有以法向刚度和剪切刚度表征的刚度的断层单元。将断层建模为在相交网格单元内的嵌入断层面。模拟断层单元的弹性变形行为是由完整岩石的和断层面的弹性特性共同确定的。
·在垂直于断层面的方向上,断层面和完整岩石都处于相同的应力下。因此,断层单元的法向应变可表示为:
其中,σ是作用在断层单元上的垂直于断层面表面的法向应力,Eequiv是等效杨氏模量,Eintact是完整岩石的杨氏模量,Efault是断层的杨氏模量。Efault与单元内断层的间距(S)和断层面的法向刚度(Kn)相关。
然后可以导出:
假设Eequiv=Eintact*a(a是灵敏度分析参数(范围从0到1)),那么Kn可以通过以下方式计算:
Ks是断层面的剪切刚度,用来限定断层单元在剪应力作用下的弹性剪切变形。断层面的剪切刚度与完整岩石的岩性、发生的断层剪切位移和断层泥性质等(如果有)相关。断层剪切刚度的典型值被假设为法向刚度Kn值的40%-60%。断层的粘聚力通常具有非常低的值或为零,以反映诸如断层的不连续体的典型力学行为。
在选定的时间步长中进行孔隙压力制备
·对于储层,不同储层的所有储层模型中的生产情景从最早的1960年(ThamamaB)开始,到最晚的2017年(HB1和Thamama A)。生产结束时间为2023(Thamama G)、2051(Thamama C)、2058(Thamama H)、2117(Thamama A)。
·为了更好地了解岩石变形和潜在地质力学相关问题的时间,需要时间步长方案来确定在耦合模拟中结合枯竭效应的最佳时间。
·时间步长是执行应力分析的时间点,考虑到压力影响,并为验证与地质力学相关的事件提供合适的时间点。
·为了确定这些时间步长的最佳时间,根据生产时间绘制了现场平均压力值,以确定压力变化最大的时期。
·选择时间步长的详细过程可以概括为:
o对于所有储层(每个现场),对所有储层的现场平均压力进行了综合分析。
o通过考虑来自单向和双向耦合的所有日期来组合时间步长的日期。
在提取所选时间步长的压力之后,从Eclipse模型导出压力,并将压力分配到先前在相应时间步长构建的相应储层网格:
·对于所有储层(每个现场),将选定时间步长的压力映射到每个储层网格的地质力学模型;
·对于非储层网格,压力梯度保持恒定。
三维预生产应力建模和校准
·对嵌入式三维地质力学模型执行三维预生产应力建模和校准。
·将嵌入式模型导出到有限元地质力学模拟器。采用预生产前储层的模型中的孔隙压力作为储层内部的初始压力分布。
·如上所述,非储层及周围地层的孔隙压力分布是基于一维地质力学模型的孔隙压力数据。
·采用嵌入式三维地质力学模型中的三维密度立方体计算三维模型中的总竖直应力。
·基于一维地质力学模型的地应力剖面估计并与区域地质背景一致的区域应力,被应用于模型边界。
·随后对模型执行应力平衡,以实现预生产的初始静态应力平衡。
·由于地层内的力学性质不太可能是均匀一致的,因此平衡应力状态反映了力学性质的这些变化,包括断层存在的影响。
·进行了一系列参数步骤,以精调预测的初始预生产应力,直到:
(a)三维地质力学模型中计算的应力状态与一维地质力学模型中的应力一致。
(b)可用的和选定的偏移井的计算的泥浆重量窗口,发现三维地质力学模型与一维地质力学模型之间一致。
·一旦三维地质力学模型和一维地质力学模型之间的地应力剖面和泥浆重量达到一致匹配,计算的三维初始应力状态不仅代表现有井轨迹上的地应力状态,而且代表井之间的地应力状态。
·本发明提出的这种独特的三维应力生成和校准技术考虑了整个三维模型的平衡,并且可以预测断层附近的应力旋转(见图23),以及其他不连续性,如裂缝(见图24)、层理面等。
·使用Mohr-Coulomb模型和Cap模型来识别现场中剪切/拉伸和孔隙塌陷破坏位置。通过耦合地质力学数值模拟,可以基于现场预测的破坏指数(塑性应变)来识别破坏时间和位置。
·断层的稳定性由相应的应力状态、断层属性(大小、倾角和倾角方向)和断层强度参数控制(参见图23和图24)。计算了三维地质力学模型中模拟的所有断层在当前和未来时间步长下的滑动势。用介于零和一之间的值表示滑动势。低滑动势表明断层重新活化的风险较低。当断层的滑动势接近1时,应力状态相对较小的变化就有可能使断层重新活化。当滑动势等于1时,断层处于临界应力状态。
在优选实施例中,根据从前面提到的步骤接收的输出来预测油气聚集。
油气聚集
基于上述步骤的模拟结果可以获得油气聚集:
·例如,阿布扎比地区的三维孔弹-脆性有限元(FE)模型产生了各种各样的输出数据,如主应力矢量,其大小已由覆盖层应力归一化(参见图25)。
·接下来,输出平均应力和剪切应力以及全笛卡尔应变和应力张量以进行分析(参见图26)。
·目前的应力状态和储层变形将在未来生产过程中不断变化。为了评估应力变化对未来生产中储层变形的影响,从目前的应力状态到油田寿命进行了耦合储层模拟。
·在每个预定时间步长下,储层模型中的储层压力变化被用于计算储层和周围地层的应力变化(参见图27)。
·使用计算的应变,并将这些应变图与油田和油气聚集进行比较,发现它们是匹配的。
·因此,本发明的工作流是预测油气聚集的一个很好的工作流。
·发现油气聚集具有一定的趋势,因此有油气带之称。
在优选实施例中,生成应变图的步骤包括以下步骤:
a.地质区域的覆盖层应力的建模;
b.地质区域的有效应力的建模;
c.地质区域的孔隙应力的建模。
在优选实施例中,应变图指示高应变和低应变的区域。在优选实施例中,油气聚集的预测包括圈闭油气的区域的划定和油气运移路径的预测。此外,上述问题可以至少部分地通过指示油气聚集的图解决,其中,该图是通过根据上述特征之一的预测方法获得的。在本文中,术语“图”应从广义上理解,即作为用户可感知提供的信息的适当表示,其包括但不限于一个或多个图形2D和3D表示。因此,可视化的油气聚集区域可以实现和/或促进勘探和油田开发计划。
此外,上述问题可以至少部分地通过包括指令的计算机程序产品解决,当该程序由计算机执行时,使计算机执行上述方法的步骤。
此外,上述问题可以至少部分地通过包括指令的计算机可读存储介质解决,当由计算机执行时,指令使计算机执行上述方法的步骤。
此外,上述问题可以至少部分地通过包括用于执行上述方法步骤的装置的数据处理系统解决。
附图说明
在下文中,通过参考附图公开了本发明的优选实施例,其中:
图1示出了根据本发明的用于创建应变图、油气聚集和带的工作流;
图2A-图2C示出了根据本发明的地质模型,其中任何沉积的层都经历了两个过程;即压实和构造;
图3A-图3C示出了根据本发明的孔隙度建模;
图4A-图4D示出了根据本发明的孔隙度模型在一个地层上的应用;
图5示出了根据本发明的三维孔隙度模型;
图6A-图6B示出了根据本发明的校准压力模型;
图7A-图7D示出了根据本发明的一个地层中的压力模型示例;
图8示出了根据本发明的三维压力模型;
图9A-图9D示出了根据本发明的一个地层的超压结果;
图10A-图10B示出了根据本发明的超压和渗透率图;
图11示出了密度对地震角度范围的依赖性,以估计层的特性;
图12A-图12C示出了根据本发明的一维地质力学模型的工作流中基于从岩心结果导出的孔隙度相关性的力学性质;
图13示出了根据本发明的一维地质力学模型示例;
图14A-图14E示出了根据本发明的横跨阿布扎比的机械参数的映射;
图15示出了根据本发明的钻孔图像测井示例;
图16A-图16C示出了根据本发明的地震间断平面(SDP)的提取:DFN的分析和输入;
图17A-图17B示出了根据本发明的一个场中的断层走廊(图17A)和走廊内的一些断层段的重新激活(图17B);
图18A-图18E示出了根据本发明的裂缝走廊的动态特性(传导性和孔径),导致裂缝孔隙度和渗透率张量;
图19A-图19F示出了根据本发明的一个地层中天然裂缝对储层变形的影响;
图20A-图20F示出了根据本发明的一个储层段中天然裂缝对潜在渗透率的影响;
图21A-图21B示出了根据本发明的天然裂缝对断层滑动分析的影响;
图22A-图22F示出了根据本发明的断层对应力方向的影响;
图23示出了根据本发明的相对于构造应力的剪应力图;
图24示出了根据本发明的断层附近的应力旋转;
图25示出了根据本发明的由覆盖层应力归一化的阿布扎比区域的有限元模型;
图26示出了根据本发明的平均应力和剪切应力的图;
图27示出了根据本发明的油气聚集的图。
具体实施方式
图1示出了根据本发明的用于创建应变图、油气聚集和带的工作流。这里,图1提供了可以用于生成相应模型的步骤的概述。具体是,图1示出了层位(表面)和断层是根据地震数据解释的,并从等厚图中推导出来的(参见数字1至12的蓝色框)。此外,图1示出了与地震反演步骤相关的步骤(参见数字13和14的橙色框)。此外,图1示出了生成一维地质力学模型的步骤(参见数字15至20的紫色框)和数字21的深蓝色框所示的三维模型。此外,图1示出了三维静态和动态建模的步骤(参见数字22至25的绿色框和数字26至29的红色框)。此外,图1示出了与生成直到应变图的综合模型相关的步骤;油气聚集和油气带(参见数字30至35的黄色框)。
图2A-图2C示出了根据本发明的地质模型,其中任何沉积的层都经历了两个过程;即压实和构造。这涉及图1中的步骤1-12。图2A示出了模型到最古老地层的回采。模拟过程从地层层的分解开始,然后重新沉积每一个较老的地层直到现在(图2B和图2C)。在每一个地质时间阶段,计算了诸如孔隙度和孔隙压力的参数。这些计算是由每一层的岩性参数控制的。对模拟结果进行了分析,并与诸如孔隙度、地层孔隙压力的现有井数据进行了比较。当计算的输出结果与井数据不一致时,需要进行校准处理。需要修改初始模型参数,并且该修改在模型建立步骤中进行。一旦修改完成,就需要重新模拟模型。修改后的模型的输出结果应符合井数据。这里,对岩性参数进行了修改,使孔隙度和孔隙压力输出结果与井数据具有良好的匹配性。
图3A-图3C示出了根据本发明的孔隙度建模。这涉及图1中的步骤4-10。图3A和图3B示出了不同深度的建模的孔隙度和建模的压力。使用孔隙度-有效应力关系校准岩性层的压实曲线。图3C示出了校准的压实曲线和默认的压实曲线。
图4A至图4D示出了根据本发明的孔隙度模型在一个地层上的应用。这涉及图1中的步骤7-12。模拟的孔隙度模型能够预测每个地层(参见图4)和每个地质时间步长的孔隙度。孔隙度是根据压实曲线计算的,这些压实曲线是地层独有的。同时,该方法捕获了整个地层层的孔隙度的空间变化。给定地质区域的孔隙度在图4A中显示为今天的时间点,在图4C中显示为9500万年前的时间点。图4B示出了从大约1亿年前到现在的不同时期,用“A”表示的井位置的孔隙度(参见图4A)。从图中可以看出,孔隙度随时间减少。图4D示出了从9500万年前到现在的不同时间,不同深度的不同地质层的埋藏图,在“A”井位置有孔隙度叠加(参见图4A)。
图5示出了根据本发明的三维孔隙度模型。这涉及图1中的步骤10-12。基于结果,如图4所示,使用目前实验室测试的真实数据,预测并校准了岩石层序范围内的孔隙度分布。
图6A和图6B示出了根据本发明的校准压力模型。这涉及图1中的步骤1-12。图6A示出了这方面的示例,其中为Laffan层绘制了三对测井渗透率-孔隙度作为示例。通过降低其相应孔隙度的渗透率值,流体流动受到限制,地层及以下的孔隙压力将增加。图6B示出了A井位置的地质层在不同深度对静水压力、静岩性压力和孔隙压力的压力模拟。
图7A至图7D示出了根据本发明的一个地层中的压力模型示例。这涉及图1中的步骤1-12。地层孔隙压力表现出良好的空间压力分布,并且孔隙压力的演化反映了结构模型建立期间捕获到的地质事件。给定地质区域的孔隙压力如图7A中的三维模型所示。图7B示出了从图7A中的模型创建的一个层(层位)创建的压力。图7C示出了从一个井(A)位置的三维模型中创建的压力随时间的变化。图7D示出了不同深度的不同地质层的埋藏图,其中在A井的位置孔隙压力叠加(参见图7A)。
图8示出了根据本发明的三维压力模型。这涉及图1中的步骤1-12。这里,如图7中所示,对每个地层层模拟和预测结果值。
图9A至图9D示出了根据本发明的一个地层的超压结果。这涉及图1中的步骤1-12。给定地质区域的超压在图9A中显示为今天的时间点,在图9B中显示为一层作为示例(9500万年前)。图9C示出了从1亿年前到现在的不同时期期间A井(参见图9A)位置的地层超压。图9D示出了从1亿年前到现在的不同时期间,在“A”井位置有超压叠加(参见图9A)的不同深度的不同地质层的埋藏图。对超压建模是至关重要的,如图9所示,揭示了从模拟结果中观察到的超压区域。这清楚地表明压力随深度增加而增加。地层压力网络对预测模型中的超压非常重要。低渗透地层的连通性对其相邻地层的压力系统有影响。地层的性质允许压力通过地层内流体的移动而转移,例如原生水,从高压区转移到低压区。
图10A和图10B示出了根据本发明的超压和渗透率图。这涉及图1中的步骤1-12。这些曲线图是沿图4、图7和图9中描绘的区域的Y至Y'线截取的,如图10B'所示。这里,图10A示出了不同深度和相应层沿Y至Y'线的超压,图10B示出了不同深度和相应层沿Y至Y'线的水平渗透率。相应的箭头表示相应的流体流动。如前所述,地层的性质允许压力通过地层内流体的移动而转移,例如原生水,从高压区转移到低压区。这种情况可以在图10A和图B所示的一层作为示例地层的超压模型中看到。地层较深段的超压低于较浅地层的超压。
图11示出了密度对地震角度范围的依赖性,以估计层的特性。这涉及图1中的步骤13-14。通过遵循依赖于叠前地震反演的工作流创建弹性参数。
图12A-图12C示出了根据本发明的一维地质力学模型的工作流中基于从岩心测井结果导出的孔隙度相关性的力学性质;一维地质力学模型的结果使用实验室岩心测量进行了校准。这涉及图1中的步骤13-14和15-21。这里,图12A示出了由叠前反演创建的参数,用一维地质力学模型结果(15-21)校准。图12B示出了一些层中杨氏模量变化。图12C的1、2和3示出了一个层位处的力学参数作为示例。
图13示出了根据本发明的一维地质力学模型示例。这涉及图1中的步骤15-20。这里,以阿布扎比油田为例建立了该模型。第一道(NR.1)示出了深度。第二道(NR.2)示出了所选择的地层作为示例呈现。第三道(NR.3)示出了杨氏模量(YME)和泊松比(PR)。第四道(NR.4)示出了无侧限抗压强度(UCS)、抗拉强度(TSTR)和内摩擦角(FANG)。第五道(NR.5)示出了应力,黑色曲线为竖直应力(sv)、SHmax(最大水平应力)、SHmin(最小水平应力)。第六道(NR.6)示出了井筒稳定性结果,示出了安全的泥浆窗口和裂缝梯度。第七道(NR.7)示出了不稳定区间,以及第八道(NR.8)示出了井径。
图14A至图14E示出了根据本发明的横跨阿布扎比的机械参数的映射。这涉及图1中的步骤13-21。这里,使用可用的测井和岩心测试数据,构造覆盖层段和储层段的岩石弹性和强度特性参数,以进行校准。使用最合适的相关性建立了测井推导的弹性和岩石强度特性剖面。具体地,图14A示出了杨氏模量;图14B示出了泊松比;图14C示出了无侧限抗压强度;图14D示出了拉伸强度;图14E示出了最小水平应力。每个图中的椭圆形指示A、B、C、D、E和F表示用于验证力学参数的选定井。
图15示出了根据本发明的钻孔图像测井示例。这涉及图1中的步骤18和26-29。第一道(A)示出了取决于破裂的最小水平应力(SHMIN);通过试验直接测量;第二道(B)示出了传导性;第三道(C)示出了静态图像,以及第四道(D)示出了CS:传导缝的方位和倾角;DCF=LC:不连续传导裂缝,和SCF:次传导裂缝。
图16A至图16C示出了裂缝和微断层建模:根据本发明的DFN的分析和输入。这涉及图1中的步骤26-29。具体地,图16A示出了裂缝检测:结构分解(地震体属性)。图16B示出了BHI井周围的层位、断层解释和天然裂缝。图16C示出了SDP(地震不连续平面图)的提取:对DFN的分析和输入。
图17A示出了一个阿布扎比陆上油田的断层走廊;图17B示出了根据本发明的走廊内的一些断层段的重新激活。这涉及图1中的步骤22-29。
图18A至图18E示出了根据本发明的裂缝走廊的动态特性(传导性和孔径),导致裂缝孔隙度和渗透率张量;这涉及图1中的步骤22-29。具体地,在图18A中,使用来自BHI的裂缝孔径和连通性来校准和验证从步骤1-12创建的孔隙度模型。图18B示出了具有饱和度的岩石物理模型;图18C示出了一个储层中流体接触作为公共接触。图18D示出了体积计算中使用的公式结果HCV=孔隙体积×So,并且图18E示出了STOIIP=HCVo/Bg+(HCVg/Bg)×Rv。缩写:STOIIP=初始适当储油量,预生产储层中的油体积;HCP=HC(油气)最初替代油。标准表面条件下的溶液气体、游离气体或冷凝液。GRV=总体积;NRF=净岩石体积;NPV=净孔隙体积;HCPV=油气孔隙体积;So=油饱和度等。
图19A至图19F示出了根据本发明的一个地层中天然裂缝对储层变形的影响。这涉及图1中的步骤22-29。具体地,图19A示出了没有裂缝的剪切应变。图19B示出了存在裂缝时的总应变(变形)。图19C示出了不仅是储层,而且是由于覆盖层的体积应变。图19D示出了断层周围变形增加。图19E示出了水平应变,图19F示出了水平上断层和裂缝周围的变形。
图20A至图20F示出了根据本发明的一个储层段中天然裂缝对潜在渗透率的影响。这涉及图1中的步骤22-29。具体地,图20A示出了在无裂缝的情况下的体积压缩性,图20B示出了存在裂缝的情况下的体积压缩性。图20C示出了剪切能力,以及图20D示出了断层和裂缝周围的剪切能力。图20E示出了一个层的压缩性,以及图20F示出了更多的裂缝和断层的影响。
图21A和图21B示出了根据本发明的断层滑动势分析。这涉及图1中的步骤26-29。具体地,图21A示出了沿断层的滑动,图21B示出了包含有潜在滑动的那些裂缝。
图22A至图22F示出了根据本发明的断层对应力方向的影响。这涉及图1中的步骤26-29。具体地,图22A、图22B和图22C示出了断层周围的应力分析,其示出了总应力并消除了应力偏差。图22D、图22E和图22F示出了相应的应力变化,其示出了最大水平应力和最小水平应力。
图23示出了根据本发明的相对于构造应力的剪切应力图。这涉及图1中的步骤26-29。它清楚地示出了主断层周围的应力旋转。
图24示出了根据本发明的断层附近的应力旋转。这涉及图1中的步骤26-29。这示出了一些断层周围的应力旋转,而另一些则没有。
图25示出了根据本发明的由覆盖层应力归一化的阿布扎比区域的有限元模型。该模型示出了从地面到储层水平的所有层和层位。该模型综合了之前的所有模型。这涉及图1中的步骤21和30。
图26示出了根据本发明的平均应力和剪切应力的图。这涉及图1中的步骤32。这示出了一个层中的剪切应力作为示例。
图27示出了根据本发明的油气聚集的图。这涉及图1中的步骤31-35。这张图示出了油气聚集和那些沿一个方向形成油气带的趋势。油气聚集与低应变区域有关。其中一些显示出严格的趋势,这意味着它们与构造相关,因此被命名为油气带。
Claims (24)
1.一种预测地质区域中油气聚集的方法,所述方法包括以下步骤:
a.生成地质盆地模型;
b.生成地质力学模型;
c.生成综合模型;
d.基于在步骤a至c中获得的信息生成应变图;
e.从所述应变图预测油气聚集。
2.根据前述权利要求所述的预测地质区域中油气聚集的方法,其中,所述地质盆地模型还包括以下步骤中的至少一个:
a.确定层位和断层;
b.恢复和回采,以识别构造事件;
c.孔隙度建模;
d.压力建模;
e.孔隙度-渗透率关系建模。
3.根据前述权利要求中任一项所述的预测地质区域中油气聚集的方法,其中,所述压力建模的步骤还包括以下步骤中的至少一个:
a.孔隙压力模型的校准;
b.所述孔隙压力模型在所述地质区域的应用。
4.根据前述权利要求中任一项所述的预测地质区域中油气聚集的方法,其中,所述地质盆地模型包括机械地层学。
5.根据前述权利要求中任一项所述的预测地质区域中油气聚集的方法,其中,所述地质盆地模型包括渗透率建模的步骤。
6.根据前述权利要求中任一项所述的预测地质区域中油气聚集的方法,其中,所述地质盆地模型还包括以下步骤中的至少一个:
a.沉积物分解;
b.获取所述地质区域的埋藏历史。
7.根据前述权利要求中任一项所述的预测地质区域中油气聚集的方法,其中,所述地质盆地模型包括所述地质区域的超压建模的步骤。
8.根据前述权利要求中任一项所述的预测地质区域中油气聚集的方法,其中,生成所述地质力学模型还包括以下步骤中的至少一个:
a.地震反演和包括流体替代建模的详细的岩石物理分析;
b.叠前地震数据调节;
c.叠前AVO同时反演;
d.基于从岩心结果导出的孔隙度相关性预测力学性质;
e.生成一维地质力学模型。
9.根据前述权利要求中任一项所述的预测地质区域中油气聚集的方法,其中,基于从岩心结果导出的孔隙度相关性预测力学性质还包括以下至少一个:
a.孔隙度立方体来源于储层模型;
b.在覆盖层和分隔储层区的致密单元中,所述力学性质的预测基于协同克立格放大测井;以及
c.力学性质剖面来源于一维地质力学模型。
10.根据前述权利要求中任一项所述的预测地质区域中油气聚集的方法,还包括创建结构模型的步骤,其中,所述方法还包括估计所述地质力学模型的三维静态和动态的步骤。
11.根据前述权利要求中任一项所述的预测地质区域中油气聚集的方法,包括断层和裂缝分析的步骤。
12.根据前述权利要求中任一项所述的预测地质区域中油气聚集的方法,包括以下步骤:
a.生成离散裂缝网络;
b.将所述离散裂缝网络扩展为静态地质力学模型。
13.根据权利要求10至12中任一项所述的预测地质区域中油气聚集的方法,其中,所述结构模型包括关于所述地质区域中的构造应力的信息。
14.根据权利要求10至13中任一项所述的预测地质区域中油气聚集的方法,其中,所述地质盆地模型和所述地质力学模型与所述结构模型相结合以生成所述应变图。
15.根据权利要求10至14中任一项所述的预测地质区域中油气聚集的方法,其中,所述结构模型与所述综合模型相结合。
16.根据前述权利要求中任一项所述的预测地质区域中油气聚集的方法,其中,生成所述综合模型还包括以下步骤中的至少一个:
a.三维力学性质总体;
b.力学性质和应力模型;
c.在选定的时间步长中进行孔隙压力制备;
d.三维预生产应力建模和校准。
17.根据前述权利要求中任一项所述的预测地质区域中油气聚集的方法,其中,从步骤a至d接收的输出预测所述油气聚集。
18.根据前述权利要求中任一项所述的预测地质区域中油气聚集的方法,其中,生成所述应变图的步骤包括以下步骤:
a.所述地质区域的覆盖层应力的建模;
b.所述地质区域的有效应力的建模;
c.所述地质区域的孔隙应力的建模。
19.根据前述权利要求中任一项所述的预测地质区域中油气聚集的方法,其中,所述应变图指示高应变区域和低应变区域。
20.根据前述权利要求中任一项所述的预测地质区域中油气聚集的方法,其中,预测所述油气聚集包括圈闭油气的区域的划定和油气运移路径的预测。
21.一种指示油气聚集的图,其中,所述图是通过根据权利要求1至20中任一项所述的预测的方法获得的。
22.一种包括指令的计算机程序产品,当所述程序由计算机执行时,使所述计算机执行权利要求1至20中任一项所述的方法的步骤。
23.一种包括指令的计算机可读存储介质,当由计算机执行时,所述指令使所述计算机执行权利要求1至20所述的方法的步骤。
24.一种数据处理系统,包括用于执行权利要求1至20所述的方法的步骤的装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/IB2019/057694 WO2021048597A1 (en) | 2019-09-12 | 2019-09-12 | An integrated geomechanics model for predicting hydrocarbon and migration pathways |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114746774A true CN114746774A (zh) | 2022-07-12 |
Family
ID=74866178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980100349.3A Pending CN114746774A (zh) | 2019-09-12 | 2019-09-12 | 预测油气和运移路径的综合地质力学模型 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220291418A1 (zh) |
EP (1) | EP4028800A4 (zh) |
CN (1) | CN114746774A (zh) |
WO (1) | WO2021048597A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210332691A1 (en) * | 2020-04-23 | 2021-10-28 | Saudi Arabian Oil Company | Method and system for sub-seismic fracture prediction |
US11680475B2 (en) * | 2021-01-29 | 2023-06-20 | Saudi Arabian Oil Company | Linear calibration method for lithostatic stress results from basin modeling |
US20220341835A1 (en) * | 2021-04-22 | 2022-10-27 | Saudi Arabian Oil Company | Methods and Systems for Determining Reservoir and Fracture Properties |
US11867862B2 (en) * | 2021-04-23 | 2024-01-09 | Saudi Arabian Oil Company | Method for validating rock formations compaction parameters using geomechanical modeling |
US11808909B2 (en) | 2021-08-20 | 2023-11-07 | Saudi Arabian Oil Company | System and method for predicting fluid type and thermal maturity |
CN114943311B (zh) * | 2022-07-22 | 2022-10-25 | 核工业北京地质研究院 | 识别渗出型砂岩铀矿的成矿构造区段的方法 |
CN115267927B (zh) * | 2022-09-28 | 2022-12-30 | 中石化经纬有限公司 | 一种基于蚁群-梯度串联算法的多边界幕式地质导向方法 |
CN115932967B (zh) * | 2023-01-06 | 2023-07-18 | 东北石油大学三亚海洋油气研究院 | 一种基于蚂蚁体算法的裂缝识别方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7054753B1 (en) | 2003-11-14 | 2006-05-30 | Williams Ralph A | Method of locating oil and gas exploration prospects by data visualization and organization |
US8265915B2 (en) | 2007-08-24 | 2012-09-11 | Exxonmobil Upstream Research Company | Method for predicting well reliability by computer simulation |
US8457940B2 (en) * | 2010-07-29 | 2013-06-04 | Schlumberger Technology Corporation | Model-consistent structural restoration for geomechanical and petroleum systems modeling |
US10048403B2 (en) | 2013-06-20 | 2018-08-14 | Exxonmobil Upstream Research Company | Method and system for generation of upscaled mechanical stratigraphy from petrophysical measurements |
US20150109887A1 (en) * | 2013-10-18 | 2015-04-23 | Schlumberger Technology Corporation | Sonic adaptor for converting sonic or ultrasonic waveform data for use with a seismic-based computer program |
US20170145793A1 (en) | 2015-08-20 | 2017-05-25 | FracGeo, LLC | Method For Modeling Stimulated Reservoir Properties Resulting From Hydraulic Fracturing In Naturally Fractured Reservoirs |
WO2018136448A1 (en) * | 2017-01-17 | 2018-07-26 | Schlumberger Technology Corporation | Systematic evaluation of shale plays |
-
2019
- 2019-09-12 EP EP19945370.5A patent/EP4028800A4/en active Pending
- 2019-09-12 CN CN201980100349.3A patent/CN114746774A/zh active Pending
- 2019-09-12 US US17/636,281 patent/US20220291418A1/en active Pending
- 2019-09-12 WO PCT/IB2019/057694 patent/WO2021048597A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
US20220291418A1 (en) | 2022-09-15 |
EP4028800A4 (en) | 2023-10-18 |
WO2021048597A1 (en) | 2021-03-18 |
EP4028800A1 (en) | 2022-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114746774A (zh) | 预测油气和运移路径的综合地质力学模型 | |
US8423337B2 (en) | Method for multi-scale geomechanical model analysis by computer simulation | |
CN106368691B (zh) | 基于岩石物理地震信息三维异常孔隙压力预测方法 | |
US9157318B2 (en) | Determining differential stress based on formation curvature and mechanical units using borehole logs | |
Close et al. | Integrated workflows for shale gas and case study results for the Horn River Basin, British Columbia, Canada | |
Radwan | Three-dimensional gas property geological modeling and simulation | |
US20200095858A1 (en) | Modeling reservoir permeability through estimating natural fracture distribution and properties | |
US10732310B2 (en) | Seismic attributes derived from the relative geological age property of a volume-based model | |
Mäkel | The modelling of fractured reservoirs: constraints and potential for fracture network geometry and hydraulics analysis | |
EP4042211B1 (en) | Modeling reservoir permeability through estimating natural fracture distribution and properties | |
Baouche et al. | Distribution of pore pressure and fracture pressure gradients in the Paleozoic sediments of Takouazet field, Illizi basin, Algeria | |
Kosari et al. | An integrated approach to study the impact of fractures distribution on the Ilam-Sarvak carbonate reservoirs: a case study from the Strait of Hormuz, the Persian Gulf | |
US20150205002A1 (en) | Methods for Interpretation of Time-Lapse Borehole Seismic Data for Reservoir Monitoring | |
Faraji et al. | Integration of core data, well logs and seismic attributes for identification of the low reservoir quality units with unswept gas in the carbonate rocks of the world’s largest gas field | |
Lefranc et al. | Fractured basement reservoir characterization for fracture distribution, porosity and permeability prediction | |
Jasim et al. | Specifying quality of a tight oil reservoir through 3-d reservoir modeling | |
Worthington et al. | Optimizing the value of reservoir simulation through quality-assured initialization | |
Peza et al. | 3-D Integrated Workflow for Understanding the Fracture Interference and Its Impact into the Gas Production of the Woodford Shale | |
Babasafari et al. | Geological reservoir modeling and seismic reservoir monitoring | |
Grazulis | Analysis of stress and geomechanical properties in the Niobrara Formation of Wattenberg Field, Colorado, USA | |
Li et al. | Geomechanical characterization of an unconventional reservoir with microseismic fracture monitoring data and unconventional fracture modeling | |
Ji | Integrating 4D seismic data into dynamic characterisation of an HPHT reservoir | |
Wang et al. | Integrating qualitative and quantitative drilling risk prediction methods for shale gas field in Sichuan basin | |
Alcantara et al. | Coupling Numerical Dynamic Models of PTA and RTA with Detailed Geological Models Integrating Quantitative Analysis, Using Rock Physics, Seismic Inversion and Nonlinear Techniques in Siliciclastic Reservoirs | |
Swami* et al. | Case History Study of Seismic-Driven 3D-MEM Calibrated with 1-D MEMs and Petrophysics in Arkoma Basin, Oklahoma |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |