Improving the efficiency of processing the results of reservoir filtration studies and parameters when modeling complex oil reserves

The issues of improving the efficiency of processing the results of studies of the filtration properties of reservoirs within the oil and gas producing areas of the central part of the West Siberian oil and gas province are considered. The high degree of development of the hydrocarbon resources of the studied territory is characterized by the presence of long-term developed deposits, which determines the solution of tasks aimed at increasing the success of the search for complex deep-lying reservoirs, the efficiency of their exploration and additional exploration, since the overlying productive horizons are practically developed. This task is one of the most important at the current stage of field development in this region, in the context of falling oil production at the main large fields, and has no unambiguous solution.

This article covers the issues of reservoir modeling using new scientific and methodological approaches to the processing of geophysical data and the possibility of using modern software products when grouping development objects according to criteria corresponding to a reservoir of a certain lithotype. This approach allowed us to build high-quality geological models and justify the use of the most effective complex of geophysical studies for modeling low-amplitude (no more than 15 m) and small-sized (less than 20 km²) oil deposits. In the course of research: The results of the reservoir filtration properties were processed; low-amplitude and small-size sediments of channel sediments (river valleys) were established; the industrial oil and gas content of complex sediments characterized by low-amplitude and small-size sediments (Tyumen formation, object Ю2) was proved; The interpretation of geophysical studies of wells was carried out, the results were compared with the energy characteristics of the reflected waves (seismic studies), zones saturated with water-oil-gas fluid were established (3D models were built), and the possibility of using this technique for identifying and mapping complex deep oil deposits was shown.

1. Бембель С.Р. Геологические модели залежей нефти тюменской свиты в западной части ХМАО-Югры // Матлы Всеросс. науч.-тех. конф, Уфа.: УГНТУ, 2019. С. 24–25.

2. Бембель С.Р., Авершин Р.В., Бембель Р.М., Кислухин В.И. Геологическое обоснование повышения эффективности освоения залежей трудноизвлекаемых запасов нефти в коллекторах тюменской свиты Сургутсого свода (Западная Сибирь) // Изв. вузов. Нефть и газ. 2020. № 5. С. 8–19. DOI: 10.31660/0445-0108-2020-5-8-19.

3. Большаков М.Н., Скибицкая Н.А., Марутян О.О. и др. Привязка данных по керну к материалам ГИС — важный этап построения цифровой модели месторождения // Актуальные проблемы нефти и газа. 2017. № 3 (18). С. 5. DOI: 10.29222.ipng.2078-5712-2017-18art5.

4. Закиров С.Н., Аникеев Д.П. Технологии скважин и алгоритмы интерпретации результатов // Актуальные проблемы нефти и газа. 2018. № 2 (21). С. 16. DOI 10.29222.-ipng.2078-5712-2018-21art16

5. Закревский К.Е., Газизов Р.К., Каримова Е.Н., Лепилин А.Е. Система тестов для оценки качества пакетов геологического моделирования // Территория Нефтегаз. 2018. № 9. С. 36–49.

6. Медведев Н.Я., Кос И.М., Никонов В.Ф., Ревнивых В.А. Юрские отложения западной части Среднего Приобья как объект для наращивания промышленных запасов нефти // Нефтяное хозяйство. 2002. № 8. С. 48–50.

7. Новиков Г.Р., Усманов И.Ш. Геологические предпосылки развития ресурсно-сырьевой базы ОАО «Сургут-нефтегаз» // Вопросы геологии, бурения и разработки нефтяных и газонефтяных месторождений Сургутского региона. Екатеринбург: Путиведъ, 2001. С. 15–24.

8. Рекомендации к методике построения геологических моделей при подсчете запасов углеводородного сырья // ФБУ «ГКЗ», 2015. 100 с.

9. Тюкавкина О.В. Контроль и регулирование процессов разработки, эксплуатации сложнопостроенных коллекторов с применением комплекса стандартных исследований фильтрационно-емкостных параметров // Технологии нефти и газа. 2020. № 3(128). С. 37–42.

10. Шустер В.Л., Тюкавкина О.В., Вересович А.А. Геологоразведочные работы по выявлению и картированию сложнопостроенных, неантиклинальных ловушек месторождений Западной Сибири // Технологии нефти и газа. 2019. № 5. С. 37–41. DOI: 10.32935/1815-2600-2019-124-5-37-41.

11. Carpenter C. Method integration improves reservoir-property prediction in East Siberia // J. Petrol. Technology. 2019. Vol. 71 (01). Р. 50–51.

12. Feder J., Rassenfoss S. Data is not scarce, but oil companies Hoard it as if it Were // J. Petrol. Technology. 2019. Vol. 71 (05). Р. 42–44.

13. Mishra S., Schuetter J., Datta-Gupta A., Bromhal G. Robust data-driven machine-learning models for subsurface applications: Are we there yet? // J. Petrol. Technology. 2021. Vol. 73 (03). Р. 25–30.