Введение
Геофизические исследования скважин (ГИС) при бурении (LWD) позволяют увеличить эффективность бурения без увеличения срока строительства скважин, однако, большое внимание нужно уделять качеству получаемой информации. На данные ГИС вносятся поправки за окружающую среду [1], (рис. 1, 2) однако, эти поправки не всегда компенсируют все ее влияние. В таких случаях данные нуждаются также в нормировке – это легко осуществляется в вертикальных скважинах, тогда как в горизонтальных скважинах (ГС) реперные горизонты не всегда вскрываются стволом скважины. В процессе решения этой задачи разработана методика нормировки данных ГИС при бурении ГС, опробованная на ряде терригенных нефтяных месторождений Западной Сибири.
Проблематика нормировки данных ГИС при бурении ГС
Для решения этой задачи были рассмотрены нормировки данных ГИС в вертикальных скважинах [2] и степень их применимости к ГИС в ГС. Ключевым отличием является то, что реперные горизонты могут быть не вскрыты бурящейся на данный момент секцией. Это не позволяет сопоставить данные ГИС с известными петрофизическими константами в реперных горизонтах. Вскрытие целевого пласта горизонтальным стволом также затрудняет сравнение данных с опорными и соседними ГС, так как горизонтальные секции могут вскрывать различные пропластки целевого пласта с разными ФЕС. Это приводит к высокой степени субъективизма при оценке качества и нормировке ГИС по опорным скважинам. Данная проблема особенно критична при оперативной интерпретации ГИС при бурении.
Для экспресс-оценки качества ГИС при бурении на данный момент в большинстве случаев используются кросс-плоты [3]. Они применяются для оценки качества ГИС при вскрытии мономинеральных горных пород. Наиболее распространенные кросс-плоты представлены в табл. 1. Выбор палеток осуществляется в зависимости от прибора.
В отложениях с полиминеральным составом горных пород затруднительно проводить оценку качества данных ГИС по кросс-плотам. Для решения этой проблемы было предложено использовать гистограммы распределения данных ГИС и определить их эталонные параметры распределений. В рамках работы были проанализированы распределения объемной плотности и водородосодержания различных месторождений Западной Сибири.
Разработка методики нормировки данных ГИС при бурении ГС
На месторождениях, где можно было выделить ряд опорных скважин (как правило, вертикальных) с достоверными данными ГИС, а также, где проводились исследования керна, производилось сравнение распределения данных плотности и водородосодержания в вертикальных скважинах и в ГС, после чего отбирались скважины со схожим распределением данных и строились типовые гистограммы распределений. На месторождениях, где отсутствовали опорные данные, типовые гистограммы распределений строились по большинству схожих распределений ГС.
При анализе гистограмм распределений были определены эталонные параметры распределений, такие как:
• интервал распределения;
• пик распределения в глинах;
• пик распределения в песчаниках;
• среднее арифметическое.
В результате оценка качества и нормировка ГИС проводятся по данным параметрам без необходимости построения гистограмм распределений объемной плотности и водородосодержания в опорных скважинах. При этом предлагается следующий подход.
Необходимо определить тип распределений в зависимости от следующих критериев:
• распределение анализируемых данных находится в эталонном интервале распределения;
• границы распределения совпадают с границами эталонного интервала;
• пики распределений совпадают с эталонными значениями.
Исходя из этого, было выделено 4 типа распределений (рис. 3–6).
1 тип: распределение данных находится в эталонном интервале, границы совпадают с эталонными, пики распределений совпадают с эталонными (рис. 3).
Вывод: качество данных хорошее, нормировка не требуется;
2 тип: распределение данных находится в эталонном интервале, границы совпадают с эталонными, пики распределений не совпадают с эталонными (рис. 4). Данный тип характерен при проводке ГС в пропластке с более высокими или низкими ФЕС по сравнению с эталонными значениями. Вывод: качество данных хорошее, нормировка не требуется;
3 тип: распределение данных не находится в эталонном интервале, границы не совпадают с эталонными (сдвинуты влево/вправо, рис. 5). Вывод: качество данных удовлетворительное, требуется нормировка;
Нормировка производится таким образом, чтобы граница нормированного распределения совпала хотя бы с одной эталонной границей при условии наименьшей поправки на исходные данные;
4 тип: распределение данных находится в эталонном интервале, границы не совпадают с эталонными (рис. 6). Данный тип характерен как для данных хорошего качества (аналогично 2 типу), так и для некондиционных. Вывод: качество данных неопределенное, для нормировки требуется дополнительный анализ.
Для этого общее распределение необходимо разбить по литотипам. На рис. 7–9 представлено распределение по основным литотипам, характерным для терригенного разреза: а) песчаник; б) карбонатизированный песчаник; в) глина. Данный подход позволяет снять неопределенность качества данных для 4 типа распределений (рис. 5). Данные исследуемой скважины являются кондиционными, когда они согласуются с данными опорной скважины во всех литотипах. При наличии отклонений в различных литотипах, требуется нормировка данных по эталонным параметрам для каждого литотипа. Данный подход применим также и для 1–3 типов распределений с целью подтверждения корректности выводов по качеству данных, необходимости и степени их нормировки.
Выводы
В процессе контроля качества и интерпретации ГИС при бурении была рассмотрена проблема нормировки данных ГИС в ГС. С целью оптимизации и унификации данного процесса была разработана методика нормировки данных ГИС при бурении ГС. Предложенная методика опробована на ряде терригенных нефтяных месторождений Западной Сибири. При этом были определены эталонные параметры распределений объемной плотности и водородосодержания рассмотренных месторождений, по которым проводилась нормировка ГИС без необходимости построения гистограмм распределений данных в опорных скважинах. Алгоритм нормировки включает в себя классификацию распределения данных по 4 типам и разбивку общего распределения данных по литотипам, в результате чего делается вывод о качестве данных, а также о необходимости и степени их нормировки. Данный подход значительно сокращает время, затрачиваемое на контроль качества и нормировку данных ГИС при бурении ГС, а также понижает степень субъективизма этих процессов. В дальнейшем предложенную методику можно автоматизировать, что положительно скажется на качестве оперативной интерпретации ГИС при бурении.
