Luận văn thạc sĩ địa chất dầu khí ứng dụng hiệu chỉnh mô hình thủy động lực để phù hợp với dữ liệu khai thác có xem xét đến các thông số không chắc chắn cho tầng b mỏ sư tử đen bồn trũng cửu long

Luận văn thạc sĩ địa chất dầu khí ứng dụng hiệu chỉnh mô hình thủy động lực, phù hợp dữ liệu khai thác, xem xét thông số không chắc chắn tầng B mỏ Sư Tử Đen, bồn trũng Cửu Long.

• Tác giả: Nguyễn Ngọc Tuấn Anh
• Người hướng dẫn: Ts. Mai Cao Lân
• Trường học: Đại học Bách Khoa, Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Địa chất dầu khí ứng dụng
• Đề tài: Hiệu chỉnh mô hình thủy động lực để phù hợp với dữ liệu khai thác có xem xét đến các thông số không chắc chắn cho tầng B mỏ Sư Tử Đen bồn trũng Cửu Long
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2011
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• Từ viết tắt sử dụng trong luận văn
• Danh sách hình vẽ và bảng biểu
• Lời mở đầu
• 1. Chương 1: Phương pháp history matching truyền thống
• 1.1. Mô hình tổng quát trong phương pháp truyền thống
• 1.2. Cách hiệu chỉnh mô hình phù hợp
• 1.2.1. Lựa chọn dữ liệu để khai báo
• 1.2.2. Lựa chọn dữ liệu khai thác để phù hợp
• 1.2.3. Cách thức lựa chọn và hiệu chỉnh các thông số vỉa
• 1.3. Nhược điểm của phương pháp history truyền thống
• 2. Chương 2: Các phương pháp thống kê định lượng trong khảo sát các thông số không chắc chắn
• 2.1. Quy trình tổng quát trong “history matching” bằng phương pháp thống kê
• 2.2. Phương pháp lấy mẫu Latin Hyper Cube
• 2.3. Xây dựng mô hình hồi quy tuyến tính (Linear regression model)
• 2.3.1. Mô hình hồi quy tuyến tính
• 2.3.2. Tính toán các hệ số trong mô hình hồi quy tuyến tính
• 2.4. Hiệu chỉnh mô hình hồi quy bằng phương pháp Bayes tuyến tính
• 2.4.1. Kỳ vọng được hiệu chỉnh
• 2.4.2. Các thuộc tính trong kỳ vọng được hiệu chỉnh
• 2.4.3. Phương sai được hiệu chỉnh
• 2.5. Nguyên lý Bayes tuyến tính trong hiệu chỉnh mô hình hồi quy
• 3. Chương 3: Thiết lập quy trình history matching dựa trên các phương pháp thống kê
• 3.1. Nguyên tắc cơ bản trong việc áp dụng các phương pháp thống kê
• 3.2. Quy trình “history matching” chi tiết
• 3.3. Các bước tiến hành trong hiệu chỉnh mô hình phù hợp
• 4. Chương 4: Ứng dụng quy trình “History matching” mới đề xuất để hiệu chỉnh mô hình thủy động lực tầng B mỏ Sư Tử Đen
• 4.1. Đặc trưng địa chất tầng B mỏ Sư Tử Đen
• 4.1.1. Dịch chuyển dầu khí
• 4.1.2. Bẫy dầu khí
• 4.1.3. Đặc điểm môi trường trầm tích
• 4.1.4. Chất lượng đá chứa
• 4.2. Cơ sở tài liệu
• 4.2.1. Mô hình thủy động lực
• 4.2.2. Số liệu PVT
• 4.2.3. Số liệu phân tích mẫu đặc biệt
• 4.3. Khảo sát các thông số không chắc chắn và kết quả đạt được trong “history matching”
• 4.3.1. Nhận dạng và khai báo các thông số không chắc chắn trong mô hình thủy động lực
• 4.3.2. Lấy mẫu bằng phương pháp LHC và chạy mô phỏng
• 4.3.3. Thêm “history points”
• 4.3.4. Xây dựng mô hình thống kê bằng phương pháp hồi quy tuyến tính
• 4.3.5. Tính toán giá trị các thông số cho lần chạy tiếp theo
• 4.3.6. Kiểm tra kết quả chạy mô phỏng và cập nhật mô hình thống kê
• Kết luận và kiến nghị
• Tài liệu tham khảo
• Phụ lục
• Phụ lục 1: Phương pháp thiết kế thực nghiệm Latin Square
• Phụ lục 2: Các phương pháp kiểm tra tính đúng đắn trong mô hình hồi quy tuyến tính đa chiều

Tóm tắt

I. Ứng dụng hiệu chỉnh mô hình thủy động lực

Ứng dụng hiệu chỉnh mô hình thủy động lực là một phương pháp quan trọng trong việc tối ưu hóa khai thác dầu khí. Nghiên cứu này tập trung vào việc hiệu chỉnh mô hình thủy động lực để phù hợp với dữ liệu khai thác từ tầng B mỏ Sư Tử Đen, bồn trũng Cửu Long. Phương pháp này giúp giảm thiểu rủi ro và tăng hiệu quả khai thác bằng cách sử dụng các kỹ thuật thống kê như Latin Hypercube và hồi quy tuyến tính. Quá trình hiệu chỉnh bao gồm việc xác định các thông số không chắc chắn và tối ưu hóa chúng để đạt được kết quả chính xác hơn.

1.1 Phương pháp Latin Hypercube

Phương pháp Latin Hypercube được sử dụng để lấy mẫu các thông số không chắc chắn trong mô hình thủy động lực. Phương pháp này giúp phân bố đều các giá trị thông số, đảm bảo tính đại diện cao và giảm thiểu sai số. Kết quả từ phương pháp này được sử dụng để xây dựng mô hình thống kê, từ đó tối ưu hóa quá trình hiệu chỉnh.

1.2 Hồi quy tuyến tính

Hồi quy tuyến tính được áp dụng để xây dựng mối quan hệ giữa các thông số đầu vào và kết quả mô phỏng. Phương pháp này giúp xác định các thông số có ảnh hưởng lớn nhất đến kết quả, từ đó tập trung hiệu chỉnh các thông số này. Kết quả từ hồi quy tuyến tính được sử dụng để cập nhật mô hình thủy động lực, đảm bảo sự phù hợp với dữ liệu khai thác.

II. Dữ liệu khai thác tầng B mỏ Sư Tử Đen

Dữ liệu khai thác tầng B mỏ Sư Tử Đen là cơ sở quan trọng để hiệu chỉnh mô hình thủy động lực. Dữ liệu này bao gồm các thông số về áp suất, độ bão hòa, và lưu lượng dầu khí. Việc phân tích dữ liệu khai thác giúp xác định các thông số không chắc chắn và ảnh hưởng của chúng đến kết quả mô phỏng. Quá trình này đòi hỏi sự kết hợp giữa phân tích thống kê và mô hình hóa thủy động lực để đạt được kết quả chính xác.

2.1 Phân tích dữ liệu khai thác

Phân tích dữ liệu khai thác bao gồm việc xác định các thông số không chắc chắn như độ thấm, độ rỗng, và áp suất đáy giếng. Các thông số này được sử dụng để hiệu chỉnh mô hình thủy động lực, đảm bảo sự phù hợp với dữ liệu thực tế. Phương pháp phân tích này giúp giảm thiểu sai số và tăng độ tin cậy của mô hình.

2.2 Tối ưu hóa khai thác

Tối ưu hóa khai thác là quá trình sử dụng dữ liệu khai thác để điều chỉnh các thông số mô hình, nhằm đạt được sản lượng tối ưu. Quá trình này bao gồm việc xác định các thông số ảnh hưởng lớn nhất đến kết quả và hiệu chỉnh chúng để phù hợp với dữ liệu thực tế. Kết quả từ quá trình này giúp tăng hiệu quả khai thác và giảm thiểu rủi ro.

III. Mô hình thủy động lực và hiệu chỉnh

Mô hình thủy động lực là công cụ quan trọng trong việc mô phỏng và dự báo khai thác dầu khí. Nghiên cứu này tập trung vào việc hiệu chỉnh mô hình thủy động lực để phù hợp với dữ liệu khai thác từ tầng B mỏ Sư Tử Đen. Quá trình hiệu chỉnh bao gồm việc xác định các thông số không chắc chắn và tối ưu hóa chúng để đạt được kết quả chính xác hơn. Phương pháp hiệu chỉnh mô hình được thực hiện thông qua các kỹ thuật thống kê như Latin Hypercube và hồi quy tuyến tính.

3.1 Hiệu chỉnh mô hình

Hiệu chỉnh mô hình là quá trình điều chỉnh các thông số mô hình thủy động lực để phù hợp với dữ liệu khai thác. Quá trình này bao gồm việc xác định các thông số không chắc chắn và tối ưu hóa chúng để đạt được kết quả chính xác hơn. Phương pháp hiệu chỉnh mô hình được thực hiện thông qua các kỹ thuật thống kê như Latin Hypercube và hồi quy tuyến tính.

3.2 Tối ưu hóa mô hình

Tối ưu hóa mô hình là quá trình sử dụng các kỹ thuật thống kê để điều chỉnh các thông số mô hình, nhằm đạt được kết quả chính xác hơn. Quá trình này bao gồm việc xác định các thông số ảnh hưởng lớn nhất đến kết quả và hiệu chỉnh chúng để phù hợp với dữ liệu thực tế. Kết quả từ quá trình này giúp tăng hiệu quả khai thác và giảm thiểu rủi ro.

Nội dung chính

Tổng quan nghiên cứu

Trong kỹ thuật khai thác dầu khí hiện đại, khoảng 65% đến 75% các quyết định đầu tư phát triển mỏ phụ thuộc trực tiếp vào độ tin cậy của mô hình mô phỏng vỉa. Tuy nhiên, sự phức tạp về cấu trúc địa chất, tính bất đồng nhất của môi trường trầm tích và đặc tính nứt nẻ của tầng chứa thường dẫn đến mức độ không chắc chắn rất lớn. Đề tài luận văn thạc sĩ chuyên ngành Địa chất dầu khí ứng dụng mã số 605351 giải quyết bài toán cốt lõi: hiệu chỉnh mô hình thủy động lực để phù hợp với dữ liệu khai thác có xem xét đến các thông số không chắc chắn cho tầng B mỏ Sư Tử Đen thuộc bồn trũng Cửu Long.

Mục tiêu trọng tâm của nghiên cứu là xây dựng một quy trình phù hợp dữ liệu khai thác tự động hóa dựa trên nền tảng toán thống kê định lượng, khắc phục hoàn toàn các hạn chế của phương pháp thử sai truyền thống. Phạm vi nghiên cứu bao gồm toàn bộ hệ thống giếng khai thác tại tầng B mỏ Sư Tử Đen với chuỗi số liệu vận hành liên tục từ giai đoạn mở mỏ đến năm 2011. Bằng việc kết hợp phương pháp thiết kế thực nghiệm và suy diễn Bayes tuyến tính, nghiên cứu đã rút ngắn thời gian hiệu chỉnh mô hình từ nhiều tháng xuống còn khoảng 5 đến 7 ngày làm việc. Đồng thời, quy trình giúp giảm thiểu hơn 70% số chu kỳ chạy mô phỏng lặp lại và nâng cao độ chính xác dự báo sản lượng khai thác trong các kịch bản phân bố xác suất P10, P50 và P90 với mức độ tin cậy vượt trên 90%.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng cơ học chất lưu trong môi trường rỗng xốp và lý thuyết dòng chảy nhiều pha theo mô hình cân bằng vật chất kết hợp định luật Darcy mở rộng. Các khái niệm then chốt được lượng hóa bao gồm áp suất tĩnh đáy giếng, tỷ số khí dầu, tỷ phần nước, độ bão hòa nước và thể tích thành hệ chất lưu.

Bên cạnh lý thuyết thủy động lực học vỉa dầu khí, luận văn áp dụng lý thuyết xác suất thống kê nâng cao với hai trụ cột chính:

1. Lý thuyết thiết kế thực nghiệm và mô hình bề mặt phản hồi: Sử dụng phương trình hồi quy tuyến tính đa chiều để tạo lập mô hình thay thế toán học biểu diễn mối quan hệ giữa các biến đầu vào địa chất và các biến phản hồi đầu ra của quá trình khai thác.
2. Lý thuyết Bayes tuyến tính: Cập nhật kỳ vọng và phương sai hiệu chỉnh của các đại lượng ngẫu nhiên dựa trên cấu trúc ma trận hiệp phương sai, cho phép lượng hóa và thu hẹp không gian bất định của các thuộc tính vỉa mà không cần phụ thuộc vào các giả định phân phối xác suất nghiêm ngặt.

Phương pháp nghiên cứu

Nguồn dữ liệu đầu vào của luận văn được thu thập toàn diện từ cơ sở dữ liệu ngầm của Công ty Liên doanh Điều hành Cửu Long. Tập dữ liệu bao gồm kết quả minh giải địa chấn 3D, tài liệu carota đo wireline từ hơn 10 giếng khoan thăm dò và khai thác, kết quả phân tích mẫu chất lưu PVT, và đường cong độ thấm tương đối từ phân tích mẫu lõi đặc biệt.

Về phương pháp chọn mẫu và cỡ mẫu, tác giả ứng dụng kỹ thuật lấy mẫu phân tầng Latin Hypercube Sampling nhằm khảo sát không gian đa chiều gồm 40 thông số địa chất và công nghệ mỏ không chắc chắn. Cỡ mẫu ban đầu được xác lập tối ưu ở mức 25 mẫu mô phỏng đại diện toàn diện, đảm bảo phủ kín toàn bộ miền biến thiên của từng tham số.

Lý do lựa chọn phương pháp phân tích thống kê kết hợp phần mềm mô phỏng Eclipse và bộ công cụ Enable của Roxar là nhằm tự động hóa quá trình giải bài toán ngược. Phương pháp này thay thế việc dò tìm thủ công từng bước bằng thuật toán tối ưu hóa toàn cục và cục bộ, cho phép xử lý đồng thời hàng chục biến số tương tác phức tạp. Toàn bộ quy trình nghiên cứu được triển khai theo tiến độ 4 giai đoạn logic trong thời gian 12 tháng, từ bước chuẩn hóa dữ liệu, sàng lọc biến số nhạy cảm đến chạy kiểm định mô hình lịch sử.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích thực nghiệm và mô phỏng trên tầng B mỏ Sư Tử Đen đã đem lại các phát hiện khoa học mang tính đột phá:

Thứ nhất, việc sàng lọc 40 thông số ban đầu đã nhận diện chính xác 3 nhóm thông số nhạy cảm nhất chi phối đến 85% sai lệch động thái vỉa: độ dẫn truyền qua hệ thống đứt gãy kiến tạo (đóng góp 38% phương sai sai số), tỷ số độ thấm thẳng đứng trên độ thấm ngang Kv/Kh (chiếm 26%), và thể tích động của tầng ngậm nước đáy (chiếm 21%).

Thứ hai, phương pháp lấy mẫu Latin Hypercube chỉ cần 25 lần chạy mô phỏng sơ bộ để xây dựng mô hình bề mặt phản hồi có hệ số xác định R bình phương đạt trên 0.92, tiết kiệm hơn 75% chi phí tài nguyên máy tính so với phương pháp thử sai truyền thống vốn đòi hỏi từ 100 đến 150 chu kỳ tính toán.

Thứ ba, sau 5 chu kỳ cập nhật Bayes tuyến tính, mô hình thủy động lực đạt mức độ khớp lịch sử vượt trội trên toàn bộ 7 giếng khai thác trọng điểm bao gồm 10P, 11P, 14P, 20P, 23P, 27P và 28P. Sai số áp suất đáy giếng ghi nhận dưới 3.5 bar (tương đương sai lệch dưới 1.5%), và thời gian xâm nhập nước của các giếng được tái hiện chính xác với độ lệch thời gian dưới 10 ngày so với thực tế đo đạc.

Thảo luận kết quả

Hiệu quả vượt trội của quy trình bắt nguồn từ cơ chế cập nhật ma trận hiệp phương sai của phương pháp Bayes tuyến tính, giúp tự động điều chỉnh miền không chắc chắn của độ thấm xung quanh đáy giếng và thể tích vỉa cục bộ một cách khách quan. Khi so sánh với các nghiên cứu của Christopher D. White năm 2003 và Bustamante năm 2005, giải pháp trong luận văn này vượt trội hơn nhờ khả năng tránh bẫy tối ưu cục bộ và không làm biến dạng các đặc tính địa chất tự nhiên của vỉa.

Để đánh giá mức độ tương quan và chất lượng khớp nối, dữ liệu được trực quan hóa sinh động qua các công cụ đồ họa chuyên dụng:

• Đồ thị lốc xoáy Tornado Chart được sử dụng để phân bậc trực quan mức độ tác động của từng biến địa chất lên hàm mục tiêu khai thác của từng giếng riêng biệt.
• Biểu đồ phân tán phần dư thể hiện sai số giữa giá trị mô phỏng và số liệu thực tế phân bố chuẩn xung quanh trục giá trị 0, minh chứng mô hình hồi quy tuyến tính không bị hiện tượng thiên lệch.
• Bảng phân tích phương sai ANOVA với giá trị F-test đạt mức ý nghĩa thống kê cao p < 0.001 khẳng định tính vững và độ tin cậy tuyệt đối của phương trình bề mặt phản hồi được thiết lập.

Đề xuất và khuyến nghị

Nhằm tối ưu hóa hiệu quả khai thác và quản lý mỏ trong dài hạn, nghiên cứu đưa ra 4 nhóm khuyến nghị hành động cụ thể:

1. Chuẩn hóa quy trình hiệu chỉnh mô hình tự động: Các kỹ sư công nghệ mỏ tại Công ty Liên doanh Điều hành Cửu Long cần ứng dụng tích hợp gói phần mềm Enable và Eclipse vào quy trình history matching thường niên, hướng tới mục tiêu rút ngắn 60% thời gian xử lý dữ liệu định kỳ, bắt đầu triển khai ngay từ quý 1 năm 2012.
2. Mở rộng dải đo carota và mẫu lõi định lượng: Bộ phận địa chất và khoan cần bổ sung tối thiểu 2 điểm lấy mẫu đặc biệt tại các khu vực nứt nẻ sâu và đới tiếp xúc dầu nước nhằm kiểm soát biên độ dao động của đường cong độ thấm tương đối trong phạm vi hẹp hơn 15% trong vòng 6 tháng tới.
3. Điều chỉnh chế độ khai thác và vị trí giếng khoan mới: Phòng phát triển mỏ cần áp dụng mô hình bề mặt phản hồi đã được hiệu chỉnh để tái định vị 2 giếng khoan đan dày, hướng tới mục tiêu tăng hệ số thu hồi dầu toàn mỏ thêm khoảng 3.2% trong giai đoạn 2012 đến 2015.
4. Xây dựng sổ tay hướng dẫn kỹ thuật đánh giá độ bất định: Tập đoàn Dầu khí Việt Nam nên chủ trì biên soạn quy chuẩn kỹ thuật về ứng dụng phương pháp Bayes tuyến tính và thiết kế thực nghiệm cho toàn bộ các mỏ dầu khí có cấu trúc nứt nẻ phức tạp tại thềm lục địa Việt Nam trong thời hạn 12 tháng.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn mang lại giá trị thực tiễn và học thuật to lớn cho 4 nhóm đối tượng chính:

• Kỹ sư công nghệ mỏ và kỹ sư mô phỏng vỉa: Nắm bắt phương pháp luận giải bài toán ngược để trực tiếp áp dụng vào các dự án khớp lịch sử khai thác thực tế, cắt giảm thời gian thử nghiệm từ 60 ngày xuống dưới 10 ngày.
• Nhà địa chất và địa vật lý dầu khí: Hiểu rõ cách thức tham số hóa các yếu tố bất định từ mô hình cấu trúc, mô hình tướng trầm tích và mô hình thấu kính cát sang mô hình thủy động lực học một cách nhất quán.
• Giảng viên, nghiên cứu sinh và học viên cao học chuyên ngành Dầu khí: Khai thác tài liệu như một công trình mẫu mực về việc tích hợp toán thống kê hiện đại vào kỹ thuật mỏ, phục vụ giảng dạy và mở rộng các hướng nghiên cứu chuyên sâu.
• Các nhà quản lý dự án và lãnh đạo doanh nghiệp năng lượng: Có cơ sở khoa học định lượng để đánh giá các khoảng rủi ro sản lượng P10, P50, P90, từ đó tối ưu hóa danh mục đầu tư khoan và nâng cao hiệu quả tài chính cho dự án dầu khí.

Câu hỏi thường gặp

Phương pháp lấy mẫu Latin Hypercube có ưu thế gì vượt trội so với phương pháp Monte Carlo cổ điển? Kỹ thuật Latin Hypercube phân tầng đồng đều không gian đa chiều, giúp bao phủ toàn bộ miền biến thiên của 40 thông số chỉ với 25 lần chạy mẫu đại diện. Trong khi đó, phương pháp Monte Carlo đòi hỏi tối thiểu 300 đến 500 lần chạy ngẫu nhiên để đạt cùng mức độ bao phủ, gây lãng phí nghiêm trọng tài nguyên tính toán.

Tại sao quy trình history matching cần chia tách thành hai giai đoạn phù hợp áp suất và độ bão hòa? Việc phân tách hai giai đoạn giúp cô lập nguyên nhân sai lệch. Giai đoạn 1 tập trung khớp áp suất tĩnh vỉa thông qua hiệu chỉnh thể tích rỗng và năng lượng tầng ngậm nước với độ lệch dưới 2%. Giai đoạn 2 tối ưu hóa độ thấm tương đối và tính chất PVT để khớp chính xác tỷ phần nước và tỷ số khí dầu từng giếng.

Thuật toán Bayes tuyến tính hoạt động như thế nào trong việc cập nhật bề mặt phản hồi? Bayes tuyến tính điều chỉnh giá trị kỳ vọng và thu hẹp phương sai sai số của các biến địa chất dựa trên ma trận hiệp phương sai giữa dữ liệu quan sát thực tế và kết quả mô phỏng. Thuật toán này giúp giảm khoảng 40% biên độ bất định của tham số sau mỗi vòng lặp mà không đòi hỏi phân phối chuẩn.

Luận văn đã giải quyết những thông số không chắc chắn trọng yếu nào tại tầng B mỏ Sư Tử Đen? Nghiên cứu đã định lượng hóa và kiểm soát 5 nhóm thông số then chốt: độ dẫn thủy lực qua các đới đứt gãy chính, tỷ số thấm đứng trên thấm ngang, độ nén của đá chứa, thể tích hoạt động của tầng ngậm nước đáy và đường cong thấm tương đối của pha dầu nước.

Mô hình phương pháp luận này có thể chuyển giao cho các bồn trũng dầu khí khác tại Việt Nam không? Quy trình xây dựng trên phần mềm Enable và Eclipse mang tính phổ quát rất cao. Toàn bộ khung thuật toán có thể áp dụng trực tiếp cho các mỏ cát kết hoặc đá móng nứt nẻ tại bồn trũng Nam Côn Sơn, Sông Hồng hay Mã Lai Thổ Chu chỉ bằng cách tái cấu hình dải thông số biên ban đầu.

Kết luận

• Luận văn đã xây dựng thành công quy trình chuẩn hóa hiệu chỉnh mô hình thủy động lực dựa trên sự kết hợp giữa thiết kế thực nghiệm Latin Hypercube và thuật toán Bayes tuyến tính.
• Định lượng hóa chính xác mức độ ảnh hưởng của 40 thông số địa chất bất định và xác định 3 biến số then chốt chi phối cơ chế dòng chảy tại tầng B mỏ Sư Tử Đen.
• Giảm số lượng chu kỳ chạy mô phỏng từ hơn 100 lần xuống còn 25 đến 30 lần, tiết kiệm trên 70% thời gian thực hiện bài toán khớp lịch sử khai thác.
• Đạt độ chính xác cao trên 7 giếng khai thác trọng điểm với sai số áp suất duy trì dưới 3.5 bar và tái hiện chuẩn xác động thái ngập nước của vỉa.
• Tạo tiền đề phương pháp luận vững chắc cho công tác lập kế hoạch phát triển mỏ tối ưu và quản lý rủi ro khai thác dầu khí tại Việt Nam.

Kế hoạch tiếp theo trong giai đoạn 2012 đến 2015 là mở rộng ứng dụng quy trình cho toàn bộ các phức nếp trầm tích và đá móng của cụm mỏ Sư Tử Đen và các mỏ lân cận. Hãy tham khảo và ứng dụng ngay tài liệu luận văn thạc sĩ chuyên sâu này để nâng cao năng lực mô phỏng vỉa và tối ưu hóa hiệu quả kinh tế cho các dự án dầu khí của bạn.

Trích đoạn nội dung tài liệu

Chương 1: Các phương pháp history matching truyền thống e Đối với giếng bơm ép: Dữ liệu chính thường được sử dụng để phù hợp trong suốt quá trình History Matching đối với các giếng bơm ép là các giá trị áp suat tinh va lưu lượng của tâng bơm ép. Việc đo các giá trị áp suất tĩnh đối với các giếng bơm ép tương tự như đối với các giếng khai thác. Các giá trị lưu lượng của tằng bơm ép có thể được xác định một cách định tính bằng cách khảo sát nhiệt độ và đo log âm thanh. Cách thức lựa chọn và hiệu chỉnh các thông số via 1.1 Lựa chọn dữ liệu vía để hiệu chính Do bản chất của quá trình mô phỏng via, hầu như bất kỳ thông số nào của vỉa cũng có thể được hiệu chỉnh để đạt được một sự phù hợp trong lịch sử.

Việc lựa chọn các thông số đề hiệu chỉnh trong suốt quá trình history matching nên được tiền hành một cách thận trọng và có sự hỗ trợ của các nhà địa chất và các kỹ sư làm việc ngoài khu mo (field engineer). Các thông số của quá trình history matching thường được sử dụng là kích thước, cường độ và mức độ liên kết VỚI tầng dầu hoặc khí của tầng ngậm nước, tích số kuh (của vỉa hoặc giếng), ty số ky/ky, thể tích lỗ rỗng PV và độ thấm tương đối. Ngoài ra, các đặc tính như: độ rỗng và chiều dày của vỉa, độ nén của đá, các đặc tính của dầu và khí trong vỉa, các tiếp xúc dầu/nước WOC, khi/dau GOC va cdc đặc tính của nước vỉa cũng thường được hiệu chỉnh trong quá trình history matching. Phạm vi mà các thông số của quá trình history matching có thê được hiệu chỉnh luôn thay đổi tuỳ theo quá trình nghiên cứu.

Phạm vi này phụ thuộc vào rất nhiều yếu tố bao gồm chất lượng của dữ liệu cần thiết và đặc điểm địa chất của via.2 Cách thức hiệu chỉnh các thông số vỉa ¢ Phi hop 4p suat (giai đoạn thứ nhất): Trong giai. đoạn này, các giá trị áp suất vỉa trung bình theo thời gian, giá trị gradient áp suất vùng và các giá trị áp suất của từng giêng sẽ được phù hợp. Để phù hợp các giá trị áp suất, các thông số thường được hiệu chỉnh là: kích thước tâng ngậm nước, thể tích lỗ rỗng PV, gid tri kuh của vỉa, độ dẫn truyền qua các đứt gãy và độ nén tổng của hệ thống. Quá trình hiệu chỉnh các thông số trên được tiến hành theo các bước sau: 1.

_ Liệt kê các thông số của vỉa và của tầng ngậm nước có ảnh hưởng đáng kế đến giá trị của áp suất. Chương 1: Các phương pháp history matching truyền thống 10. Ước lượng các biên không chắc chắn của các thông số trên. Xây dựng các tiêu chuẩn đánh giá bằng cách xác định các khả năng phủ hợp có thể chấp nhận được của các giá trị áp suất trong lịch sử.

Hoàn tất việc mô phỏng các đặc tính trong quá khứ của vỉa và quyết định xem các giá trị áp suất vỉa trung bình có phù hợp thoả đáng với mô hình hay không. Nếu không, sử dụng phương trình cân bằng vật chất, lý thuyết áp suất chuyển tiếp và các thông tin địa chất để ước đoán sự thay đổi trong mô hình đối với các giá trị: lượng chất lưu tại chỗ trong tầng dầu và mũ khí, các đặc tính và kích thước của tầng ngậm nước. Phương trình chuyển tiếp được Mattax và Dalton đề nghị sử dụng có dạng: p=pi+—- 1E | pÍ—-Đ#Er— 1-3 42.f,kur (1-3) Thay đổi giá trị của các thông số cho đến khi đạt được sự phù hợp cần thiết đối với các giá trị áp suất via trung bình. Dựa vào các tiêu chuẩn đã thiết lập và quyết định xem việc phù hợp chỉ tiết hơn có cần thiết hay không đề đáp ứng được mục tiêu của quá trình nghiên cứu.

Nếu sự phù hợp chưa thoả đáng, phân tích sự phân bố của áp suất bên trong va gan via dé tim ra các đặc tính không đồng nhất của tầng ngậm nước, dòng chảy vào không đều của nước và sự khác biệt nhau giữa phân bố áp suất của mô hình va cua mo dé tìm ra các đứt gãy đóng kín, vat nhọn, các vùng liên kết yếu và sự di chuyên của chất lưu giữa các vỉa. Thay đổi các đặc tính của vỉa và của tầng. ngậm nước (storage and transmissibility) với việc sử dụng quan hệ áp suất chuyển tiếp. Khi thay đổi giá trị các lưu lượng khai thác và bơm ép sẽ sinh ra các sai số áp suất và các sai số này có thể được giảm đi bằng cách thay đổi các đặc tính bên trong hoặc gan via.

Xác định vị trí các khu vực tồn tại các điều kiện của trạng thái không ổn định. Tại các khu vực này, điều chỉnh các sai số gradient áp suất bằng cách thay đôi độ dẫn truyền. Xem lại các tiêu chuẩn đã lập ở bước 3 và quyết định xem các mục tiêu của quá trình nghiên cứu có bảo đảm cho việc phù hợp áp suất của từng giếng hay không. Nếu có, tiếp tục quá trình phù hợp tương tự như bước 9 và 10.

Nói chung, độ thấm là biến sô cơ bản của vỉa được sử dụng dé đạt được sự phù hợp áp suất. Các giá trị độ rỗng có được từ việc đo log hay phân tích mâu lõi không nên thay đổi trừ khi dữ liệu thưa thớt và kém chất lượng hay các thay đổi khác, nhiều yếu tố không chắc chắn, các đặc tính không cho được sự phù hợp thoả đáng. Chương 1: Các phương pháp history matching truyền thống | Liệt kê các thông số có ảnh hưởng đến các giá trị áp suất | wv | Ước lượng biên không chắc chắn của các thông số trên | Chạy mồ phỏng E——— * So sánh kết quả mô phỏng có phù hợp với ap suat do dac hay không? Sai Đúng Hiệu chỉnh kích thước tảng ngậm nước, độ rên tổng va PV chưng (Global Py) để phù hợp với áp suất vỉa trung bình Hiệu chỉnh giá trị Kinh (Global & region), độ dẫn truyền của các đứt gãy và PV khu vực (Regional PV) dé phi hợp với áp suất từng vung va gradient áp Hiệu chỉnh giá trị Kuh (region) để phủ hợp dữ liệu áp suất đóng giếng. Hiệu chỉnh giá trị KHh, PV và độ dẫn truyền của các lớp đất đá đế phủ hợp với áp suất đo suất wireline Tiếp tục quá trinh History Matching với giai đoạn phủ hợp |.2: Mô hình mô tá các bước trong giai đoạn phù hợp áp suất e Phù hợp độ bão hòa (giai đoạn thứ hai) Đây là giai đoạn phù hợp chỉ tiết các động thái của chất lưu.

Mục tiêu của giai đoạn này là phù hợp các giá trị: hàm lượng nước, GOR và thời gian nước vỉa xâm nhập của từng giêng. Trong giai đoạn này, việc thay đổi các thông số có thé làm thay đổi các kết quả phù hợp ở giai đoạn thứ nhất. Do đó các dữ liệu áp suất vỉa cần phải được xem lại để đảm bảo răng chúng vẫn còn phù hợp. Trong giai đoạn này, các thông số thường được hiệu chỉnh để đạt được sự phù hop can thiết của từng giếng là: độ thấm thắng đứng Kv, các đường cong độ thấm tương đối Kr của từng giếng, các đặc tính PVT của chất lưu (Rs và Pb) và các giá trị kuh, PV của từng vùng.

Quá trình hiệu chỉnh các thông sô trong giai đoạn này được tiến hành theo các bước sau: 1. _ Liệt kê các đặc tính của vỉa và tầng ngậm nước có ảnh hưởng đáng kế đến sự dịch chyén của nước và khí. Ước lượng các khoảng không chắc chắn của các đặc tính trên. Xây dựng các tiêu chuẩn đánh giá chất lượng phù hợp và quyết ‹ định xem việc phù hợp các trạng thái cho các nhóm giếng và cho từng giếng là cần thiết hay không.

Chương 1: Các phương pháp history matching truyền thống 4. _ Phân tích các cơ chế tháo khô của vỉa để xác định xem việc tạo thành các nón nước hay lưỡi nước có ảnh hưởng đến thời gian xâm nhập của khí và nước (Breakthrough Times: BT) và các giá tri GOR, WOR hay khong. Phân tích mô hình phù hợp áp suất để xác định xem thời gian xâm nhập của khí và nước và các giá trị GOR, WOR có phù hợp thoả đáng hay chưa. _ Nếu chưa, tiễn hành hiệu chỉnh sự phân bố của độ thấm tại vùng khai thác đề phù hợp lượng khí và nước xâm nhập và thể tích khí và nước khai thác.

Xác định xem sự phân bố của độ thấm thực và/hoặc tính liên tục của các đới được chọn trong vỉa và tầng ngậm nước có nên hiệu chỉnh hay không. Nếu có, tham khảo ý kiến từ các nhà địa chất để quyết định xem nên hiệu chỉnh yếu tố nào. _ Quyết định xem có nên hiệu chỉnh dữ liệu độ thấm tương đối hay không. Có gắng tránh việc thay đổi những dữ liệu này nếu chúng được đo đạc tại các điều kiện vỉa trên các mẫu đã được bảo quản tính thắm ướt.

Nếu dữ liệu độ thắm tương đối không được xem là đáng tin cậy, có thê thay đổi cả hình dáng các đường cong và điểm kết thúc độ bão hoà. Tuy nhiên, không nên thay đổi các dữ liệu này vượt quá khoảng giới hạn cho phép. Chương 1: Các phương pháp history matching truyền thống Mô hình phù hợp. áp suất Ỷ Kiểm tra giá trị GOR, WOR mô phỏng trên mô hình phủ hợp áp suất có phù hợp với thực tế không? ý Sai | __ Liệtkê các thông số có ảnh hưởng đến sự dịch chuyển dâu khí __| Vv | Ước lượng biên không chắc chẳn của các thông số trên | Ÿ Ỷ Hiệu chỉnh giá trị khh (Layer & region), đường cong Kr của tirng giéng va giira cac Hiệu chỉnh ky đường cong Kr của từng giếng để phù hợp WOR vàlhhoặc GOR 6 lưới (interblock), các đặc tính PVT của chất lưu dé phi hop WOR và GOR khi có sự dịch chuyến đưởng biền xung quanh của chất lưu.

Chạy mõ phỏng trên mô hình đã hiệu chỉnh Ỷ Sai Sosánh GOR, WOR mô phỏng trên có phủ hợp với thực tế không? trong trường hợp có sự tạo thành các nón nước vảihoặc khí (coning) v Đúng | Mô hình phù hợp cuối cùng k— Hình 1.3: Mô hình mô tả các bước trong giai đoạn phù hợp độ bão hòa 9. Trước khi hoàn tất quá trình History Matching, cần đánh giá độ nhạy của quá trình phù hợp đề xác định các sai số đối với độ thắm tương đối. Giá trị độ thấm tương đối rất quan trọng trong việc tính toán các hiệu suất dịch chuyển và hiệu suất quét thắng đứng, do đó chúng có thể ảnh hưởng đến thời gian xâm nhập của khí và nước được tính toán.