Enviar los pedidos de reimpresiones a reprints@benthamscience.

ae~~V~~plural~~3rd
El Open Journal Ingeniería de Petróleo, 2015, 8, 167-171 167
Acceso
abierto
Método nuevo depósito de calificación para el depósito de gas apretado - Un estudio
de caso en Kekeya Bloque, Tuha Cuenca, China
Resumen: reserva de arena Tight generalmente se caracteriza por una alta heterogeneidad y estructura de poros complejo,
lo que hace el cálculo de la permeabilidad un gran reto y conduce a dificultades en la clasificación depósito y evaluación
de la productividad. En primer lugar, cinco unidades diferentes de flujo hidráulico y las respectivas relaciones de
porosidad y luego con el método de BP de neutrones de red, unidad de flujo se clasificó para ONU con núcleo de inter
Esto mejoró la precisión del cálculo permea Además, sobre la base de la porosidad, la permeabilidad y el tipo de unidad
de flujo, un nuevo gráfico depósito de clasificación se estableció mediante la incorporación de la prueba o los datos de
producción, que proporciona orientación im
palabras clave: red BP neutral, unidad de flujo hidráulico, los datos de registro, la permeabilidad, del depósito de clasificación,
arena Tight.
mejor el reservorio de arena apretada, los autores
propusieron un método integrado. Comenzando con el
1. INTRODUCCIÓN análisis de datos centrales, el reservorio se clasificó en cinco
El reservorio de arena apretada generalmente se refiere a tipos diferentes de Unidades de Flujo Hidráulico (HFU), y
la arenisca con po-rosidad inferior al 12%, permeabilidad para cada unidad, el modelo de cálculo de permeabilidad se
puede retroceder. Para intervalos sin núcleo, las HFU pueden
absoluta inferior a 1 mD, saturación de agua superior al 40%
clasificarse mediante el uso de la red de neutrones de BP, y
y radio de garganta de poro inferior a 0.5µm [1]. Los la permeabilidad se puede calcular de acuerdo con los
reservorios de arena apretada se caracterizan por una modelos respectivos. Finalmente, la tabla de clasificación de
estructura de poros complicada, diferentes tipos de minerales reservorios se construyó combinando datos de porosidad,
arcillosos, alta presión capilar y alta saturación de agua, lo permeabilidad, flujo hidráulico y producción.
que afecta la permeabilidad y la productividad del reservorio 2. FUNDAMENTOS DE LA UNIDAD DE FLUJO
y conlleva grandes dificultades para la evaluación de la HIDRAULICO
clasificación de reservorios utilizando registros
convencionales. La porosidad y la permeabilidad son La unidad de flujo hidráulico fue propuesta por primera vez
parámetros clave para la evaluación del yacimiento; La por Amaefule et al. en 1993 [6]. Se definió como unidad de
porosidad se puede adquirir fácilmente mediante una reservorio con características similares de flujo de fluidos. El
herramienta de resonancia magnética núper clara o mediante índice de calidad del yacimiento (RQI) y el indicador de la
una calibración con el núcleo de Da-Taset. En el reservorio zona de flujo (FZI) también fueron definidos por Amaefule
convencional, la permeabilidad tiene una buena correlación et al. De acuerdo con la fórmula de Kozeny - Catmen
con la porosidad, que se puede calcular fácilmente. Sin modificada, RQI se definió como:
embargo, en los reservorios de arena apretada, al lado de los
poros residuales intergranulares, los espacios de poros K (1)
también incluyen poros de disolución intragranular, 
microporos y microfracturas. Estos diferentes espacios están m

conectados por las finas gargantas entre [2], lo que hace que
la relación entre permeabilidad y porosidad ya no siga una RQI 0,0314 i
relación lineal simple. Para obtener una permeabilidad más FZI se definió como:
precisa para la clasificación del yacimiento, es necesario FZI  RQI (2)
clasificar el reservorio en diferentes tipos [3-5], y luego
 mi
configurar las relaciones de permeabilidad-porosidad
respectivamente. z es la relación de volumen de poros y el volumen de
El área de estudio está ubicada en la cuenca Tuha, noroeste grano,
de China. La formación objetivo es el reservorio de arena
apretada del reservorio de arena apretada jurásica, que es z  mi (3)
principalmente arenisca de desechos feldespato y feldespato- mi
1

residuos con una porosidad promedio del 6% y una

permeabilidad promedio de 0.45 mD. Con el fin de evaluar
* Dirección de correspondencia a este autor en la Escuela de Recursos Entonces,
Energéticos, Universidad China de Ciencias de la Tierra, N ° 29 Xueyuan
Road, Haidian District, Beijing, 100083, República Popular de China; Tel: RQI  z FZI o logRQI  Iniciar sesiónz  Iniciar
13521435921;
E-mail: wufang66@163.com sesiónFZI  ( 4)

1874-8341 / 15 2015 Bentham abierto

168 El Open Journal Ingeniería de Petróleo, 2015, Volumen 8 Wu et al.

M
o
1
0

2
0

3
0

4
0

5
0

6
7
0

8
9
0

1
2
1

4
6
1

8
1

2
4
6

e
r
.

.
Dado que la permeabilidad y la porosidad se pueden medir a
partir de muestras de núcleos, z, RQI, FZI se pueden
obtener utilizando las ecuaciones anteriores. En el diagrama 25
logarítmico dual RQI-φ z, las muestras de valores FZI HU1

similares caerán en una línea con pendiente de 1 e 20

HU2
intercepción de logFZI. Las muestras en las mismas líneas Frecuenc
ia10 HU4
tienen una característica similar de garganta de poro y
15 HU3
pertenecen a un HFU.
3. UNIDAD flujo hidráulico (HFU) basado en datos
FUNDAMENTALES
FZI es la respuesta integrada de los minerales de roca y 5
HU5

las características de garganta de poro, y es un parámetro

único para cada unidad hidráulica, que se usó ampliamente 0
en la clasificación HFU [7, 8]. En este caso, RQI y FZI se
calcularon en función de la porosidad medida en el núcleo y

0
la permeabilidad de 221 muestras de 8 pocillos. De acuerdo FZI
con el diagrama logarítmico dual de RQI-z, la curva de
probabilidad acumulada del histograma FZI y FZI [9], se Figura 2). FZI distribución del histograma.
pueden identificar 5 tipos de unidades hidráulicas, a saber,
HU1, HU2, HU3, HU4 y HU5.
Diagrama logarítmico dual de RQI-z (Fig. 1): Como se
mencionó anteriormente, las muestras de valores FZI
similares caerán en una línea con pendiente de 1 e
intercepción de logFZI. Mientras que las muestras de
Probabilidad Acumulativa
diferentes valores de FZI obviamente caerán en diferentes
líneas que tienen la misma pendiente pero diferentes
intercepciones.

10.000
(%)

HU1

1,000 HU2

HU3
FZI
RQI

HU4
0,100 Fig. 3). curvas de probabilidad acumulada de FZI.
HU5

(1) HU1: FZI <0,33; pocos poros residuales intergranulares,

algunos microporos en matriz de arcilla, poros ocasionales de
0,010 disolución intragranular, mala conectividad, presión de
desplazamiento es más de 0.1MPa.

0,001 (2) HU2: 0.33 <FZI <0.5; Algunos poros de disolución

0.00 0.01 0.10 1.00
Φz
Figura 1). diagrama logarítmico doble de RQI z .
Histograma de FZI (Fig. 2): Dado que la distribución de
FZI es la sugestión de múltiples distribuciones lognormales,
el his-togram de FZI puede mostrar la distribución normal de
varias unidades de flujo y proporcionarles el valor FZI
correspondiente. Sin embargo, es difícil distinguir un solo
HFU de la región de superposición del histograma.
Curva de probabilidad acumulada de FZI (Fig. 3): Debido a
la presencia de un error de medición aleatorio en el análisis
del núcleo, los valores de FZI generalmente se distribuyen
alrededor de sus valores medios verdaderos. En el gráfico de
probabilidad acumulada, las muestras de distribución normal
deben caer en una línea recta. Cada HFU tiene su propia
distribución normal, por lo que diferentes HFU deben caer
en líneas rectas de diferente pendiente.
Además, las características de cada HFU se resumieron
mediante la incorporación de datos de inyección de mercurio
y sección delgada.
10.00 intragranular, mala conectividad, presión de desplazamiento son
más de 0.09MPa.
(3) HU3: 0.5 <FZI <0.7; muchos poros residuales intergranulares y
poros de disolución intragranular, cuello de poro grande, buena
conectividad, presión de desplazamiento es más de 0.06MPa.
(4) HU4: 0.7 <FZI <1.6; muchos poros residuales intergranulares y
poros de disolución intragranular, muchas micro fracturas, cuello
de poro grande, buena conectividad, presión de desplazamiento es
de aproximadamente 0.04MPa.
(5) HU5: FZI> 1.6; los poros de disolución no se desarrollan y la
presión de desplazamiento es alta (alrededor de 0.1 MPa), mientras
que las fracturas abiertas se desarrollan, lo que mejora la
permeabilidad del reser-voir en gran medida.
Método de calificación nuevo depósito de reserva de gas apretado
4. CÁLCULO DE PERMEABILIDAD EN BASE A LA
UNIDAD DE FLUJO
Puesto que cada tipo HFU tiene characteris Basado en la HFU
obtenido a partir de datos básicos, los modelos de cálculo de
permeabilidad se construyeron hasta respectiva
Fig. (4). modelo de permeabilidad-porosidad basado en
HFU.
Permeabilidad (K) cálculo de HU1:
K = 0,00003 × POR3.57367, R2= 0,7054
Permeabilidad (K) cálculo de HU2:
K = 0,0002 × POR2.9836, R2= 0,8547
Permeabilidad (K) cálculo de HU3:
K = 0,0005 × POR2.9003, R2= 0,9528
Permeabilidad (K) cálculo de HU4:
K = 0,002 × POR5.25016, R2= 0,7945
Permeabilidad (K) cálculo de HU5:
K = 0,0007 × POR5.2554, R2= 0,4931
5. CÁLCULO DE PERMEABILIDAD BASADA EN
REGISTRO DE DATOS
Como sabemos, los datos básicos son limitados porque es
costoso y costoso, mientras que los datos de registro continuos son
más fáciles de obtener y contienen mucha información. En este
documento, utilizamos la técnica de red neuronal BP (Back
Propagation) para clasificar los registros en diferentes HFU.
El algoritmo BP se llama error de propagación hacia atrás. Se
puede construir un modelo de interpretación mediante el
aprendizaje y la capacitación en un conjunto de datos determinado.
La idea básica de volver a propagar el error de salida de la red es
que continúa ajustando y modificando los pesos y umbrales de
conexión de la red para minimizar los errores. Tiene
autoorganización, autoaprendizaje, adaptación, tolerancia a fallas y
capacidad antiinterferente, y se ha utilizado para predecir facies de
carbonatos e identificar litologías volcánicas [10, 11].
The Open Petroleum Engineering Journal, 2015, Volumen 8 169
El uso de los datos de registro para identificar HFU incluye
principalmente cuatro pasos: (1) Haga coincidir la profundidad del
núcleo con la profundidad del registro, analice la correlación entre
FZI y diferentes curvas de registro y determine los registros
sensibles al tipo de unidad de flujo; (2) Normalizar las curvas de
registro sensibles; (3) Establezca el conjunto de datos de
entrenamiento incorporando los datos de registro normalizados y el
tipo de unidad de flujo, obtenga el modelo de interpretación entre
las curvas de registro y el tipo de unidad de flujo entrenando el
conjunto de datos utilizando la técnica de trabajo en red neutral de
BP; (4) Aplique el modelo de interpretación a los registros de
intervalos o pozos sin núcleo para identificar el tipo de HFU.
La autocomprobación se realizó para el conjunto de datos de
entrenamiento que contiene 221 muestras, y la tasa de coincidencia
fue superior al 85% (Fig. 5). De acuerdo con el modelo de red de
BP neutral, se identificaron 19 pozos de tipo HFU utilizando datos
de registro, luego se calculó la permeabilidad sobre la base de los
modelos de permeabilidad-porosidad establecidos a partir del
conjunto de datos del núcleo. La figura (6) muestra que la
permeabilidad calculada concuerda bien con la permeabilidad
medida en el núcleo.
resultado
formación de datos BP
(5)
(6)
(7)
(8)
(9)
Fig. (5). resultado de autocontrol de las unidades de flujo.
6. NUEVO MÉTODO DE CALIFICACIÓN DE
RESERVORIOS
Sobre la base de la clasificación de HFU y el cálculo de la
permeabilidad, clasificamos el reservorio en diferentes calidades al
integrar los datos de prueba o producción, y creamos un cuadro de
clasificación útil que puede ayudar a clasificar la productividad del
reservorio de manera rápida y efectiva.
Primero, se analizaron los valores de corte del reservorio efectivo
utilizando el método de función de distribución y el método de
abandono
[12]. La figura (7) es el diagrama de distribución de frecuencia de la
porosidad donde, la línea negra representa muestras del intervalo
seco, y la línea roja representa las muestras del intervalo de
producción, el punto de cruce de las dos curvas será el corte de
acuerdo con la Distribución Método de función, que es alrededor
del 4.7%.
170 El Open Journal Ingeniería de Petróleo, 2015, Volumen 8
tipo de HFU, puede obtener los cortes de permeabilidad
correspondientes a diferentes tipos de HFU. Y al conectar los
puntos de intersección, puede obtener la línea de corte continuo del
100 reservorio efectivo, que es la línea oblicua negra en la parte inferior
Permeabilid Maryland

izquierda (Fig. 9). Si la porosidad y la permeabilidad caen en el área

10
debajo de la línea negra, será difícil producir gas incluso después de
( )

la estimulación, que se puede clasificar en Tipo III. Y luego, al

normalizar los datos de producción, podemos encontrar la línea
1 correspondiente a la producción económica que es la línea oblicua
roja en la parte superior derecha. Si la porosidad y la permeabilidad
Calculado ad

0.1
caen en el área por encima de la línea roja, sería más fácil de
producir económicamente, lo que se puede clasificar en Tipo I. Si
los puntos caen entre la línea oblicua roja y la negra, el reservorio
0.01 puede producir algo de gas. , pero todavía es difícil de equilibrar,
que se clasifica en Tipo II.
0,001
0,001 0.01 0.1 1 10 100 Ke24_3103-3120m
La permeabilidad del Gráfico embalse Grading Ke191_3615-3630m
núcleo(Maryland) Ke19_3393-3410m
1000
Ke19-5_3550-3599m
Ke19-2_3385-3429m
100 Ke19-6_3425-3455m
Fig. (6). Permeabilidad de HFUs frente a la permeabilidad del Ke19-5_3612-2635m
núcleo 10
Ke20_3563-3584m

(Mary
Ke20_3691-3711m

land)
análisis. Ke21_3460-3488m
yo 类 Ke19_3529 -
1 层 3561m
Ke28_3670-3680m

Permeabilidad
25 8 Ke28_3941 -
y = 0.0007x5.2554 3946m
产 层 R ² = 0,4931 II 类 层
0.1 Ke25_3182-3192m
Zona de Ke25_3100 -
Pago 7 y= 0.002x2.5901 III 类 层 3115m
20 干 层 R ² = 0,7945
Ke22_3681-3688m
zona seca 6 0.01 y = 0.0005x2.9003 Ke23_3990-3999m
R ² = 0,9628
y = 0.0002x2.9836
Ke19-4_3695-3719m
Frecuenciancy

R ² = 0,8547
5 0,001 y = 3E-05x3.5763 Ke22_3710-3730m
15 R ² = 0,7054
Ke21_3602-3619m
4 Ke19-2_3799-3839m
0,0001
He3_2_2846-2854m
10 2 3 4 5 6 7 8 9 10
3 1 He3_2930-2941m

Porosidad (%) Ke19-1_3557-3609m

2
5 Fig. (9). Tabla de clasificación de yacimientos basada en HFUs.
1
La Fig. (10) muestra el resultado de calificación del Pozo A. Del
0 0
0 1 2 3 4 5 6 7 8 9 10 11
resultado podemos ver que la porosidad del intervalo de prueba es
Porosidad 地层 孔隙 superior al 7%, pero la permeabilidad es relativamente baja, por lo
度(%) que la mayoría de los intervalos se clasifican en el primero y
Segundo tipo de HFUs. Sin embargo, de acuerdo con el cuadro de
Fig. (7). diagrama de distribución de frecuencia de porosidad. calificaciones, la porosidad y la permeabilidad de este intervalo
caen en el área del Tipo I, lo que significa que este intervalo puede
La Fig. (8) es el histograma de porosidad de los intervalos de
producirse económicamente después de la estimulación. El
prueba, y se cree que los poros pequeños que ocupan alrededor del
resultado de la prueba muestra que, después de la acidificación, este
20% de los espacios de poros contribuyen muy poco a la intervalo puede producir 53682 m3 de gas y 19,76 m3 de petróleo
producción que se puede ignorar. De acuerdo con los dos métodos, por día, lo que coincide muy bien con nuestro resultado de
el límite de porosidad del primer tipo de HFU es aproximadamente clasificación.
4.5% y 3.0% para el quinto tipo de HFU.
Gráfico embalse Grading
1000
9 120.00%

8
100
100.00%
(Maryland

6 80.00%
10
Frecuencia

yo 类
5
)

1 层
Permea

60.00%
bilidad

4 0.01 y = 0.0005x
2.9003
5.2554
y = 0.0007x Ke19_3393-3410m
R ² = 0,4931 II 类 层
3 40.00% 0.1
y = 0.002x2.5901 III 类 层
R ² = 0,7945
2
20.00%
R ² = 0,9628
1 y = 0.0002x2.9836
R ² = 0,8547

0 0.00%
0,001 y = 3E-05x
3.5763

R ² = 0,7054
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 10
Porosidad(%) 0,0001
1 2 3 4 5 6 7 8 9 10

Fig. (8). Histograma de distribución de la frecuencia de la porosidad Porosidad (%)

dentro de los intervalos de prueba.
Fig. (10). Clasificación resultado de un pozo.
Dibuje una línea vertical donde la porosidad sea igual a 4.5% y
3.0% en los gráficos cruzados de permeabilidad y porosidad para
cada uno
Wu et al.
Método de calificación nuevo depósito de reserva de gas apretado
CONCLUSIÓN
El reservorio de arena apretada debe clasificarse en diferentes tipos
para obtener las propiedades del reservorio con mayor precisión y
eficacia debido a la alta heterogeneidad y la estructura compleja.
Basándonos en el conjunto de datos central, podemos clasificar el
reservorio en diferentes tipos de HFU y construir los modelos de
cálculo de permeabilidad para cada HFU con precisión. La
permeabilidad de los intervalos o pozos sin núcleo se puede calcular
mediante la propagación del método HFU mediante la técnica de la
red de neutrones de BP.
Se ha propuesto un nuevo método de clasificación de yacimientos al
integrar la porosidad, la permeabilidad, las HFU y los datos de
prueba. Y este nuevo enfoque se ha implementado ampliamente en
la evaluación de arena estrecha del bloque Kekeya, y ha
proporcionado información valiosa para la predicción de la
producción y la explotación de reservas.
CONFLICTO DE INTERESES
Los autores confirman que el contenido de este artículo no tiene
conflicto de intereses.
EXPRESIONES DE GRATITUD
Nos gustaría agradecer a Tuha Oilfield por apoyar este estudio y
por otorgar permiso para publicar los resultados.
Referencias
[1] JY Liu, Ma ZX, y SY Sun, “ situación de la investigación actual y
perspectivas de las arenas de tight gas ” , Gas Natural Geoscience,
vol. . 19, pp 316 - 319, 2008.
[2] J.Yang, YL Kang, QG Li y H. Zhang, “ Caracteres de micro -
estructura y la percolación en los embalses apretado arenisca de gas
” , Ad - adelantos en mecánica, vol. . 38, pp 229 - 236, 2008.
[3] JC Porras, y O. Campos, “ la tipificación de la roca: una clave para
la caracterización petrofísica y la definición de las unidades de
flujo, campo de Santa Bárbara, cuenca oriental Venezuela ” , En:
SPE 69458 SPE Latinoamericana
Recibido: 25 Enero el año 2015 Revisado: 01 de marzo de, el año 2015
2015
© Wu et al .; Licenciatario Bentham abierto.
Este es un artículo de acceso abierto con licencia bajo los términos de la licencia Creative Commons Reconocimiento No comercial
(http://creativecommons.org/
El Open Journal Ingeniería de Petróleo, 2015, Volumen 8 171
y la Conferencia de Ingeniería de Petróleo del Caribe, Buenos
Aires, 2001.
[4] G. Guo, MA Díaz, F. Paz, J. Smalley, y EA Waninger, “
tipificación de la roca como una herramienta eficaz para la
permeabilidad y la saturación de agua de modelado: un estudio de
caso en un depósito clástico en la cuenca Orient ” , En: SPE 97033
en la Conferencia y Exhibición técnica anual, Dallas, Texas, 2005.
[5] JA Rushing, “ la tipificación de la roca - claves para entender la
productividad en las arenas de tight gas ” , En: 114164 SPE a SPE
no convencional Reser - voirs Conferencia, Keystone, Colorado,
EE.UU., 2008.
[6] JO Amaefule, M. Altunbay, D. Tiab, DG Kersey, y DK Kee - lan, “
Descripción depósito mejorada: el uso de núcleo y registrar datos
para identificar las unidades hidráulicas (flujo) y predecir la
permeabilidad en ONU - núcleo de intervalos / pozos ” , En : SPE
26436 en el anual de la SPE Con Técnico - ferencia y Exhibición,
Houston, 1993
[7] C. Aguilar, HA Govea, y G. Rincón, “ unidad hidráulica Determina
- ción y la predicción de la permeabilidad basan en indicador de
zona de flujo mediante análisis de conglomerados ” , En: 169307
SPE SPE en América Latina y Car - Conferencia de Ingeniería de
Petróleo ibbean, Maracaibo, Venezuela 2014.
[8] MB Shahvar, R. Kharrat, y M. Matin, “ enfoque del flujo de
Aplicación de índice de zona y artificial técnica de modelado redes
neuronales para la caracterización de un depósito de carbonato
heterogénea usando dy - datos NAMIC: estudio de caso de un
depósito iraní ” , En: SPE 132898 en el Trinidad y Tobago
Conferencia sobre Recursos de Energía celebrada en Puerto
España, Trinidad, 2010.
[9] M. Abbaszadeh, H. Fujii, y F. Fujimoto, “ predicción de
permeabilidad por las unidades de flujo hidráulico - Teoría y
Aplicaciones ” , En: SPE 30158 presentado por primera vez en el
1995 SPE Conferencia Petrovietnam, Hochiminh, 1995.
[10] H. Tang, N. Toomey, y WS Meddaugh, “ El uso de un artificial -
neural - red método para predecir facies de registros de pozos de
carbonato de suc - cessfully ” , En: SPE123988 Presentado en la
Conferencia SPE annaul y Exhibición Técnica, Nueva Orleans,
2009.
[11] CH Fan, ZL Liang, QR Qin, L. Zhao, y J. Zuo, “ Identifica - ción
de la litología roca volcánica mediante el uso de la red neural pb
genético basado en parámetros de registro - mediante la adopción
de rocas volcánicas carboníferas en Zhongguai elevación de
margen noroccidental de Junggar cuenca, por ejemplo ” , Revista
de Petróleo y Gas Technology, vol. . 34, pp 68 - 71, 2012.
[12] CH Jiao, DD Xia, J. Wang, L. Liu, W. Sheng, y P. Cheng, “ Los
métodos para determinar los puntos de corte petrofísicas de
propiedad de los ex - tra - baja porosidad y embalses permeabilidad
arenisca - un examen - ple de la Xishanyao embalses de formación
en Yongjin yacimiento ” , Petróleo y Gas Geología, vol. . 30, pp
379 - 383, 2009.
Aceptado: 10 Marzo el año