Mối quan hệ giữa tướng đá và độ thấm ở giếng khoan bể Nam Côn Sơn
Việc xác định đặc tính thấm chứa của vỉa chứa chủ yếu dựa trên số liệu độ rỗng, độ thấm đo được từ các mẫu và các đường cong địa
vật lý giếng khoan. Để tiết kiệm thời gian và chi phí cũng như đánh giá được các khu vực chưa lấy mẫu và khu vực sẽ khoan thêm giếng
mới mà không cần xây dựng mô hình địa chất cần nghiên cứu mối quan hệ giữa tướng đá với độ thấm. Bài báo phân tích mối quan hệ
giữa tướng đá và độ thấm ở giếng khoan tại bể Nam Côn Sơn, từ đó đưa ra nhận định và đánh giá về vỉa chứa cần nghiên cứu trên cơ sở
các phương pháp thống kê và địa thống kê
Trang 1
Trang 2
Trang 3
Trang 4
Trang 5
Trang 6
Trang 7
Trang 8
Trang 9
Bạn đang xem tài liệu "Mối quan hệ giữa tướng đá và độ thấm ở giếng khoan bể Nam Côn Sơn", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
Tóm tắt nội dung tài liệu: Mối quan hệ giữa tướng đá và độ thấm ở giếng khoan bể Nam Côn Sơn
49DẦU KHÍ - SỐ 9/2020 PETROVIETNAM MỐI QUAN HỆ GIỮA TƯỚNG ĐÁ VÀ ĐỘ THẤM Ở GIẾNG KHOAN BỂ NAM CÔN SƠN TẠP CHÍ DẦU KHÍ Số 9 - 2020, trang 49 - 57 ISSN 2615-9902 Nguyễn Văn Đô1, Tô Xuân Bản2 1Viện Dầu khí Việt Nam 2Đại học Mỏ - Địa chất Email: donv@vpi.pvn.vn Tóm tắt Việc xác định đặc tính thấm chứa của vỉa chứa chủ yếu dựa trên số liệu độ rỗng, độ thấm đo được từ các mẫu và các đường cong địa vật lý giếng khoan. Để tiết kiệm thời gian và chi phí cũng như đánh giá được các khu vực chưa lấy mẫu và khu vực sẽ khoan thêm giếng mới mà không cần xây dựng mô hình địa chất cần nghiên cứu mối quan hệ giữa tướng đá với độ thấm. Bài báo phân tích mối quan hệ giữa tướng đá và độ thấm ở giếng khoan tại bể Nam Côn Sơn, từ đó đưa ra nhận định và đánh giá về vỉa chứa cần nghiên cứu trên cơ sở các phương pháp thống kê và địa thống kê. Từ khóa: Tướng đá, độ thấm, thống kê, địa thống kê, bể Nam Côn Sơn. 1. Giới thiệu Hiện nay, đối tượng cát kết Miocene giữa bể Nam Côn Sơn chiếm sản lượng khai thác chủ yếu. Theo các báo cáo phát triển mỏ, khu vực này còn một số mỏ sẽ tiến hành khoan thêm giếng. Vì vậy, để có cái nhìn chi tiết về đối tượng cũng như không phải sử dụng đến mô hình mô phỏng thì việc nghiên cứu tính chất thấm chứa để phục vụ công tác thăm dò đối tượng này là rất quan trọng. Tuy nhiên, việc nghiên cứu đặc tính thấm chứa của vỉa chỉ dựa trên đánh giá các tài liệu đo độ thấm, độ rỗng từ các mẫu lấy được và các đường cong địa vật lý giếng khoan từ đó đưa ra đánh giá tính thấm chứa của vỉa chứa dưới dạng 1 chiều, sơ lược chứ chưa có đánh giá hay nhận định các khu vực không lấy được mẫu hay những khu vực sẽ khoan giếng mới, đặc biệt những vỉa cát có xuất hiện các hạt sét cứng lớn (mudclast nuddle hoặc pellet). Bởi vì điều đó đóng vai trò lớn về sản lượng khai thác trong quá trình thăm dò dầu khí tại đối tượng này. Xuất phát từ tình hình thực tế trên, nhóm tác giả đã tiến hành nghiên cứu mối quan hệ giữa tướng đá với độ thấm cho tầng cát kết Miocene giữa bể Nam Côn Sơn nhằm giới thiệu phương pháp để giúp hiểu rõ hơn về đối tượng cũng như tiết kiệm thời gian trong quá trình xây dựng mô hình mô phỏng. Kết quả của nghiên cứu giúp giải quyết hạn chế trong việc cải thiện dự báo tính chất thấm chứa cho những khu vực không lấy mẫu, phục vụ công tác thăm dò cho những giếng mới sau này, đồng thời nâng cao hiệu quả khai thác dầu khí đối tượng này. Ngoài ra, tạo tiền đề để tác giả tiến hành nghiên cứu sâu hơn về quan hệ giữa tướng đá với độ thấm cũng như tiến hành nghiên cứu hướng mới trong xây dựng mô hình số trị đánh giá ảnh hưởng của pellet tới đặc tính thấm, chứa dầu khí tại khu vực bể Nam Côn Sơn. 2. Phương pháp nghiên cứu 2.1. Phương pháp thống kê cơ bản Phương pháp thống kê cơ bản là sử dụng các biểu đồ hộp (còn gọi là box plot hay box and whisker plot) và biểu đồ tần suất (histogram). Ngày nhận bài: 21/5/2020. Ngày phản biện đánh giá và sửa chữa: 21/5 - 5/6/2020. Ngày bài báo được duyệt đăng: 13/8/2020. Hình 1. Biểu đồ hộp [1] Tứ phân vị dưới Tứ phân vị trên Trung vị Hộp Khoảng biến thiên tứ vị Giá trị lớn nhất Giá trị nhỏ nhất Q1 Q3 50 DẦU KHÍ - SỐ 9/2020 THĂM DÒ - KHAI THÁC DẦU KHÍ Biểu đồ hộp diễn tả 5 vị trí phân bố của dữ liệu: giá trị nhỏ nhất (min), tứ phân vị thứ nhất (Q1), trung vị (median), tứ phân vị thứ 3 (Q3) và giá trị lớn nhất (max). Đặc trưng của biểu đồ hộp: - Biểu đồ hộp biểu diễn các đại lượng quan trọng của dãy số (như: giá trị nhỏ nhất, giá trị lớn nhất, tứ phân vị, khoảng biến thiên tứ phân vị) trực quan, dễ hiểu. - Trên biểu đồ hộp, ngoài các đại lượng số trung bình, trung vị, còn thể hiện các thông số sau: (1) Số phân tử hay còn gọi là tứ phân vị (Quartiles): Tứ phân vị là đại lượng mô tả sự phân bố và sự phân tán của tập dữ liệu. Số phân tử có 3 giá trị, đó là số phân tử thứ nhất (Q1), thứ nhì (Q2) và thứ ba (Q3). Ba giá trị này chia một tập hợp dữ liệu (đã sắp xếp dữ liệu theo trật tự từ bé đến lớn) thành 4 phần có số lượng quan sát đều nhau. Tứ phân vị được xác định như sau: + Sắp xếp các số theo thứ tự tăng dần; + Cắt dãy số thành 4 phần bằng nhau; + Tứ phân vị là các giá trị tại vị trí cắt. (2) Khoảng biến thiên số phân tử (IQR - Interquartile Range) được xác định như Hình 2. Biểu đồ tần suất cho thấy sự thay đổi, biến động của dữ liệu. Dạng phân bố tần suất bằng đồ thị thể hiện sự bình thường hay bất thường của chỉ tiêu chất lượng và quá trình, từ đó giúp đưa ra quyết định phù hợp để cải tiến, nâng cao chất lượng. 2.2. Phương pháp địa thống kê 2.2.1. Phương pháp thử nghiệm K-S Thử nghiệm Kolmogorov-Smirnov (thử nghiệm K-S) ( csbsju.edu/stats/KS-test.html) dùng để xác định sự khác nhau giữa 2 bộ dữ liệu (dữ liệu cần kiểm tra so với bộ dữ liệu chuẩn). Thử nghiệm K-S có lợi thế là không đưa ra giả định về việc phân phối dữ liệu. Thử nghiệm này được sử dụng trong trường hợp phép so sánh được thực hiện giữa phân phối mẫu quan trắc và phân phối theo lý thuyết cụ thể như sau: - Thử nghiệm K-S một mẫu được sử dụng để kiểm tra độ phù hợp và sẽ tối ưu nếu kích thước của mẫu nhỏ. Thử nghiệm K-S một mẫu sẽ so sánh hàm phân phối tích lũy cho một biến với một phân phối cho trước. Giả thiết rỗng sẽ là không có sự khác biệt nào giữa phân phối quan sát được và phân phối theo lý thuyết. Giá trị thống kê thử nghiệm D được tính theo công thức: D = Maximum|Fo(X) − Fr(X)|D = Maximum|Fo(X) − Fr(X)| Trong đó Fo(X): Phân phối tần số tích lũy quan trắc của một mẫu ngẫu nhiên gồm n quan trắc và Fo(X) = k/n = (Số quan trắc ≤ X)/(Tổng số quan trắc). Fr(X): Phân phối tần số theo lý thuyết. Hình 2. Khoảng biến thiên số phân tử [1] Hình 3. Biểu đồ tần suất [2] 15 10 5 0 Tần suất Khoảng mẫu 0 2 4 6 8 10 12 Khoảng biến thiên số phân tử = Q3 - Q1 IQR = Q3 - Q1 Q1 Q2 Q3 25% 25% 25% 25% 51DẦU KHÍ - SỐ 9/2020 PETROVIETNAM Giá trị tới hạn D được tìm từ bảng giá trị K-S cho 1 mẫu thử. T ... êu chuẩn. 2.2.3. Phương pháp Variogram Phân tích dữ liệu không gian làm giảm mô hình không gian trong sự biến đổi địa chất cho rõ ràng và hữu ích cho việc tổng hợp. Để giải quyết sự biến đổi của dữ liệu địa chất, giả thiết tĩnh tại cho các cơ chế địa chất được đề xuất. Theo giả định về tính tĩnh tại, về mặt định tính, yêu cầu mô hình được đề xuất dựa trên dữ liệu lấy mẫu có thể thể hiện đầy đủ đặc trưng của 1 tập hợp. Muốn phân tích một tập hợp trên nền tảng dữ liệu lấy mẫu, trong bất kỳ trường hợp kỹ thuật suy luận - thống kê nào, cũng không thể chứng minh hay bác bỏ giả định này mà phải cần nó để quyết định lựa chọn thông tin liên quan có thể sử dụng để mô tả khu vực quan tâm. Một hàm ngẫu nhiên được gọi là tĩnh tại khi quy luật không gian, thống kê là bất biến. Tính toán thực nghiệm Variogram Trong ký hiệu xác suất, Variogram được định nghĩa như giá trị kỳ vọng: Variogram là 2Υ(h). Semivariogram là một nửa của Variogram Υ(h). Semivariogram cho độ lệch khoảng cách (lag distance) được xác định bằng trung bình bình phương của một hiệu giữa các giá trị khác biệt một khoảng h: Với N là số các cặp độ lệch h. + Phương sai của dữ liệu (bằng 1 nếu là dữ liệu chuẩn), cho thấy độ biến đổi lớn nhất. + Bán kính ảnh hưởng là khoảng cách tại điểm Variogram đạt tới phương sai, cho thấy khoảng tương quan. + Sai sót đo lường tỷ lệ nhỏ. Hình 5. Đặc tính của một nửa Variogram Tướng (LF) Kích cỡ hạt Chứa sinh vật Mica Cấu tạo Có chứa hạt sét Hòa tan felspar Môi trường Tướng 1 (LF1) từ rất mịn đến mịn không nhiều ngang không có Biển nông ven bờ Tướng 2 (LF2) mịn không nhiều ngang không có Tướng 3 (LF3) mịn đến trung bình không trung bình xiên chéo có ít Tướng 4 (LF4) trung bình có ít xiên chéo có ít Bảng 1. Phân chia tướng đá Phương sai 0 2000 4000 6000 8000 10000 Bán kính ảnh hưởng Sai số phép đo Khoảng cách (m) 1,0 0,8 0,6 0,4 0,2 0 M ột nử a V ar iog ra m 2h E Z u h Z ug = + - 2 ( ) 1( ) [ ( ) ( )] 2 ( ) N h h z u z u h N h g å 2h E Z u h Z ug = + - 2 ( ) 1( ) [ ( ) ( )] 2 ( ) N h h z u z u h N h g å 53DẦU KHÍ - SỐ 9/2020 PETROVIETNAM 3. Phân loại tướng đá và áp dụng Theo Selley (1988) và Reading (1996) định nghĩa “Tướng đá là thể địa chất nhất định, phân biệt được bởi các đặc tính như: màu sắc, độ hạt, hình dáng hạt và khả năng sắp xếp và cấu trúc trầm tích; tướng thường được hình thành trong bối cảnh cụ thể phản ánh quá trình và điều kiện môi trường trầm tích cụ thể”. Trên cơ sở tài liệu phân tích của giếng khoan tại bể Nam Côn Sơn, các tướng đá (LF - Lithofacies) được tác giả xác định và phân chia dựa trên cách tiếp cận đơn giản trên cơ sở đặc điểm cấu trúc hạt, màu sắc, kích thước hạt, kiểu sắp xếp, sự xuất hiện của mica, mảnh sét hay hạt sỏi. Những tính chất này được nhận ra bởi phân tích lát mỏng, từ đó phân chia thành 4 tướng đá (Bảng 1). * Biểu đồ hộp Hình 8 và 9 mô tả thống kê các giá trị về độ rỗng, thấm. Cụ thể Hình 8 và 9 cho thấy đối với tướng đá 1 (LF1) thì giá trị trung bình của mẫu (mean) nằm trong khu vực 25% gần giá trị nhỏ nhất (tức số lượng mẫu tập trung chủ yếu ở khu vực có độ thấm thấp). Đối với tướng đá 3 (LF3) thì giá trị trung bình cho thấy nằm gần trung vị phản ánh số lượng mẫu có độ thấm cao nhiều hơn. Ngoài ra, Hình 8 và 9 cũng cho thấy số lượng mẫu có độ thấm, rỗng cao từ 25 - 75% thể hiện sự phân biệt rõ ràng hơn so với các mẫu nhỏ hơn 25% hoặc lớn hơn 75% do sự giao nhau về cấu trúc và thành phần hạt. * Thử nghiệm K-S - Tương quan giữa độ rỗng với tướng đá Kết quả thử nghiệm K-S tại Bảng 2 cho thấy tướng đá LF1 tương quan chặt chẽ với LF2, LF3 và LF4. Tương tự, LF2 có tương quan chặt chẽ với LF1, LF3 và LF4; duy chỉ LF3 và LF4 ít có tương quan trên -4 -3 -2 -1 0 1 2 3 4 1 2 3 4 Lo g đ ộ t hấ m Tướng Giá trị trung bình Q3 Q1 0 2 4 6 8 10 12 14 16 18 20 1 2 3 4 Q3 Q1 Giá trị trung bình Tướng Độ rỗ ng (% ) Giá trị nhỏ nhất Giá trị lớn nhất Hình 9. Biểu đồ hộp các tướng theo độ rỗng Hình 8. Biểu đồ hộp các tướng theo độ thấm Hình 6. Ảnh mẫu cát kết hạt mịn gợn sóng từ độ sâu 3.868,3 - 3.868,6 m tại giếng khoan bể Nam Côn Sơn Hình 7. Ảnh mẫu cát kết chứa mảnh sét từ độ sâu 3.870,7 - 3.873 m tại giếng khoan bể Nam Côn Sơn 54 DẦU KHÍ - SỐ 9/2020 THĂM DÒ - KHAI THÁC DẦU KHÍ cơ sở độ rỗng của đá, điều này có thể được giải thích bởi độ hạt và tính chọn lọc của LF3 và LF4 có phần trùng nhau. - Tương quan độ thấm với tướng đá Bảng 3 cho thấy về độ rỗng thì 2 tướng LF3 và LF4 khó có thể phân biệt được với nhau bằng phương pháp thử nghiệm K-S, tuy nhiên về độ thấm có thể phân biệt rõ với nhau do giá trị P rất nhỏ. Điều này cũng cho thấy rằng mối quan hệ giữa độ rỗng và độ thấm không phải lúc nào cũng chặt chẽ. Ví dụ, có loại đất đá có độ rỗng lớn, do đó tính thấm cao, tuy nhiên có loại đất đá (sét, đá phấn) độ rỗng lớn, nhưng độ thấm rất nhỏ do kích thước và tính liên thông giữa các lỗ rỗng với nhau. Kết quả thử nghiệm K-S cho thấy quan hệ giữa tướng đá với độ thấm là tương đối chặt chẽ. - Quan hệ giữa tướng đá với tỷ số độ rỗng - độ thấm Việc nghiên cứu mối quan hệ giữa tướng đá với tỷ số độ rỗng - độ thấm rất quan trọng. Tỷ số độ rỗng - độ thấm cho biết tốc độ dịch chuyển của dung dịch (dầu, nước). Thử nghiệm bằng K-S cũng khẳng định rằng các tướng có thể phân tách rõ ràng hay có mối tương quan chặt chẽ với tỷ số độ rỗng - độ thấm được thể hiện ở Bảng 4 khi giá trị P đều rất nhỏ. - Tương quan với chuỗi Markov (Markov chain) Hình 10. Đồ thị thử nghiệm K-S cho độ rỗng Hình 11. Đồ thị thử nghiệm K-S cho độ thấm Thử nghiệm K-S LF1 LF2 LF3 LF4 Số mẫu LF1 - 0 0 0 30 LF2 - 0,001 0,001 42 LF3 - 0,337 26 LF4 - 10 Bảng 2. Thử nghiệm K-S cho độ rỗng K-S test LF1 LF2 LF3 LF4 Số mẫu LF1 - 0 0 0 30 LF2 - 0,001 0 42 LF3 - 0 26 LF4 - 10 Bảng 3. Thử nghiệm K-S cho độ thấm 0 2 4 6 8 10 12 14 16 18 Độ rỗng Độ rỗng 100 90 80 70 60 50 40 30 20 10 0 Tầ n s uấ t t ích lũ y ( % ) -4 -3 -2 -1 0 1 2 3 Độ rỗng LOG K 100 90 80 70 60 50 40 30 20 10 0 Tầ n s uấ t t ích lũ y ( % ) 55DẦU KHÍ - SỐ 9/2020 PETROVIETNAM Dựa trên cách thiết lập chuỗi Markov ở trên thì số liệu được tính toán để ra được ma trận chênh lệch chuyển tiếp (Bảng 8) đã được xây dựng bằng cách trừ ma trận xác suất chuyển tiếp (Bảng 6) bằng ma trận xác suất ngẫu nhiên (Bảng 7). Trong khi đó, ma trận xác suất chuyển tiếp (Bảng 6) được tính dựa trên tỷ số số lần gặp nhau giữa các tướng theo trục x và y từ Bảng 5. Các giá trị dương trong ma trận chênh lệch (Bảng 8) biểu thị các lần chuyển tiếp xảy ra ở tần suất lớn hơn tần suất ngẫu nhiên. Lưu ý rằng trong tất cả các ma trận, các ô chéo đều có giá trị bằng 0, tức là nhiều tướng không có mặt. Đây không phải là trường hợp nghiên cứu, nhưng bao gồm một phạm vi nhiều trường hợp có thể xảy ra (không thể được xác định rõ ràng trong mẫu lõi) tạo ra một kết quả tổng thể tương tự. Đây là tính chất đặc trưng của chuỗi Markov. Hình 12 cho thấy ma trận chênh lệch ở dạng sơ đồ, kết nối các tướng với các giá trị dương cao trong ma trận chênh lệch. Tính chu kỳ của mẫu cũng được Thử nghiệm K-S LF1 LF2 LF3 LF4 Số mẫu LF1 - 0 0 0 30 LF2 - 0,001 0 42 LF3 - 0,002 26 LF4 - 10 Bảng 4. Thử nghiệm K-S cho tỷ số độ rỗng - độ thấm Bảng 5. Ma trận đếm chuyển tiếp Bảng 6. Ma trận xác suất chuyển tiếp Bảng 7. Ma trận xác suất ngẫu nhiên Bảng 8. Ma trận chênh lệch chuyển tiếp LF1 LF2 LF3 LF4 Tổng LF1 0 29 1 0 30 LF2 10 0 30 2 42 LF3 1 13 0 12 26 LF4 0 4 5 0 9 Tổng 11 46 36 14 107 LF1 LF2 LF3 LF4 LF5 LF1 0 0,97 0,03 0 0 LF2 0,24 0 0,71 0,05 0 LF3 0,04 0,50 0 0,46 0 LF4 0 0,44 0,56 0 0 LF1 LF2 LF3 LF4 LF1 0 0,60 0,47 0,18 LF2 0,17 0 0,55 0,22 LF3 0,14 0,57 0 0,17 LF4 0,11 0,47 0,37 0 LF1 LF2 LF3 LF4 LF1 0 0,37 -0,43 -0,18 LF2 0,07 0 0,16 -0,17 LF3 -0,10 -0,07 0 0,29 LF4 -0,11 -0,02 0,19 0 Hình 12. Mối quan hệ chuyển tiếp giữa các tướng đá LF4 LF3 LF2 LF1 56 DẦU KHÍ - SỐ 9/2020 THĂM DÒ - KHAI THÁC DẦU KHÍ kiểm tra bằng cách sử dụng kiểm định chi bình phương và kết quả cho thấy mức độ rõ rệt và tính chu kỳ của các chuyển tiếp về tướng. Từ Bảng 8, có 3 loại trình tự có khả năng nhất trong mẫu lõi lỗ khoan tầng cát số 4 (Hình 12) (hướng lên trên). (1) LF1-LF2-LF3-LF4 (2) LF3-LF4-LF3 (3) LF1-LF2-LF3-LF1-LF2-LF3 Tuy nhiên, tất cả các trình tự đều xảy ra, ngay cả những trình tự ít khi gặp. Ba trình tự phổ biến nhất trong mẫu lõi tầng cát số 4 là: Trình tự 1: Cho thấy quá trình mô tả thô dần lên trên (biển lùi) và chu kỳ cũng như sự hình thành của tập cát số 4. Trình tự 2: Mô tả quá trình lặp đi lặp lại các tướng đá LF3 và LF4 trong đó có hiện tượng bóc mòn xảy ra. Trình tự 3: Mô tả quá trình lặp đi lặp lại các tướng đá LF1, LF2 và LF4 trong đó có hiện tượng bóc mòn xảy ra. - Tính tương quan sử dụng Variogram Đối với phương pháp Variogram, chính xác nhất là số cặp đưa vào tính phải trên 40 cặp, tuy nhiên số lượng mẫu lõi thống kê được khoảng 28 cũng có thể đưa ra kết quả chính xác (Bảng 9). Số liệu được đưa vào là khoảng cách giữa các giá trị là 0,5 m và số cặp là 28. Kết quả Variogram được thể hiện ở Hình 13. Hình 13 cho thấy tính tương quan chặt chẽ thể hiện ở khoảng cách mẫu nhỏ hơn hoặc bằng 3 m; khi khoảng cách lấy mẫu lớn hơn 3 m thì tính tương quan không còn (hết tương quan). Còn các dao động trong khoảng từ 3 - 14 m thể hiện tính chu kỳ của tầng đá. 4. Kết luận Trên cơ sở áp dụng các phương pháp thống kê, địa thống kê cho giếng khoan nghiên cứu tại bể Nam Côn Sơn, nhóm tác giả nhận thấy: • Kết quả thống kê cơ bản cho thấy các tướng đá có mối tương quan với độ thấm, độ rỗng và tỷ số độ rỗng - độ thấm. • Phương pháp thử nghiệm K-S cho thấy mối quan hệ chặt chẽ giữa tướng đá với thông số thấm. Tương quan giữa tướng đá với độ rỗng cũng chặt chẽ trừ tướng LF3 và LF4 do có sự trùng nhau về cấu trúc hạt và độ chọn lọc. • Kết quả Variogram cho thấy tính tương quan của tầng chặt chẽ ở khoảng cách mẫu tối đa là 3 m. Khi khoảng cách lấy mẫu vượt quá 3 m thì tính tương quan không còn, do đó số liệu với khoảng cách trên 3 m không thể suy đoán từ các tương quan có được. • Một chu kỳ biển thoái được thể hiện rõ qua phương pháp chuỗi Markov. Điều này phản ánh quá trình thành tạo của tầng cát số 4. Ngoài ra trong quá trình khai thác đối tượng này thì việc tập trung khai thác trong chu kỳ này có hiệu quả cao hơn so với những chu kỳ khác. • Việc phân chia tướng hiện chỉ dựa trên các kết quả mô tả, logging, có thể có sai số; có Hình 13. Kết quả Variogram Thông số đầu vào của Variogram Độ sâu Độ thấm (mD) Tổng số mẫu 107 Logk 147 Khoảng cách (L) 28,20 Nửa khoảng cách (L/2) 14,10 Độ lệch khoảng cách (h) (m) 0,1 0,26 0,5 0,75 1 2 Số các độ lệch (L/2h) 141,0 54,231 28,2 18,8 14,1 7,0 Nửa dung sai (h/2) 0,05 0,13 0,25 0,5 1 Dung sai (h) 0,1 0,26 0,5 0,75 1 2 Bảng 9. Thông số đầu vào cho Variogram 0 20 40 60 80 100 120 140 160 180 0 5 10 15 Ga m m a Khoảng cách (m) Vaiogram 57DẦU KHÍ - SỐ 9/2020 PETROVIETNAM tương quan còn mờ do kết quả của việc chưa phân biệt thật rõ các tướng. Có thể phân chia tướng chi tiết hơn, trên cơ sở tiếp cận mẫu lỗ khoan và các thí nghiệm mẫu, cùng các kết quả đo địa vật lý để hỗ trợ. • Có thể áp dụng các nghiên cứu cho các đối tượng, lỗ khoan đã có kết quả phân tích chi tiết để kiểm chứng. • Tăng hoặc giảm quy mô phân chia tướng với (sub- lithofacies) hoặc (mega-lithofacies) tương ứng với việc tăng quy mô (scaling up) đo các đặc trưng thấm (độ thấm, độ rỗng và tỷ số độ rỗng - độ thấm) để có thể áp dụng trong việc tìm kiếm, thăm dò và khai thác dầu khí. Tài liệu tham khảo [1] Saul McLeod, “What does a box plot tell you?”, 19/7/2019. [Online]. Available: https://www. simplypsychology.org/boxplots.html. [2] American Society for Quality (ASQ), “What is a histogram?”. [Online]. Available: https://asq.org/quality- resources/histogram. [3] T.Kirkman, “Statistics to use”, 1996. [Online]. Available: html. [4] Andrew D.Miall, “Markov chain analysis applied to an ancient alluvial plain succession”, Sedimentology - The Journal of the International Association of Sedimentologists, Vol. 20, No. 3, pp. 347 - 364, 1973. DOI: 10.1111/j.1365- 3091.1973.tb01615.x. [5] Trương Xuân Luận, “Địa thống kê ứng dụng”, Nhà xuất bản Giao thông Vận tải, trang 29 - 35, 2010. [6] To Xuan Ban, Correlation between English Permo- Triassic sandstone lithofacies and permeability and its importance for groundwater. University of Birmingham, 2016. [7] Richard C.Selley, Applied sedimentology. Sciencedirect, London, Academic Press, 1988. [8] Harold G.Reading, “Sedimentary environments: Processes, facies, and stratigraphy”, Sedimentary Environment. Cambridge, Mass, Blackwell Science, 1996. Summary The study of reservoir permeability is currently based on the measurement of porosity and permeability from samples collected and well log curves. In order to save time and costs as well as to evaluate areas where samples cannot be taken or where new wells will be drilled without building geological models, it is very important to study the relationship between lithofacies and permeability. This paper analyses the relationship between facies and permeability in Nam Con Son basin wells, from which provides a review and assessment of the reservoir to be studied based on statistical and geostatistical methods. Key words: Lithofacies, permeability, statistics, geostatistics, Nam Con Son basin. RELATIONSHIP BETWEEN LITHOFACIES AND PERMEABILITY IN NAM CON SON BASIN WELLS Nguyen Van Do1, To Xuan Ban2 1Vietnam Petroleum Institute 2Hanoi University of Mining and Geology Email: donv@vpi.pvn.vn
File đính kèm:
- moi_quan_he_giua_tuong_da_va_do_tham_o_gieng_khoan_be_nam_co.pdf