А.В. Пинчук, Е.А. Пылев, Е.Е. Поляков, М.А. Творогов, И.В. Чурикова
Оптимизация кустового бурения на Чаяндинском нефтегазоконденсатном месторождении по данным совместного анализа сейсмических атрибутов и ГИС с применением алгоритмов нейронных сетей
DOI 10.31087/0016-7894-2022-2-17-30

Чаяндинское нефтегазоконденсатное месторождение является одним из крупнейших в России. Основные газовые залежи находятся в ботуобинском, хамакинском и талахском продуктивных горизонтах венда. Месторождение приурочено к крупной неантиклинальной ловушке в северо-восточной части Непского свода и характеризуется довольно сложным геологическим строением, в связи с чем возникает большое число вопросов при его освоении. Для оптимизации кустового бурения и повышения эффективности разработки Чаяндинского нефтегазоконденсатного месторождения выполнен прогноз и уточнено распространение коллекторов и их литологическая принадлежность в пределах еще не разбуренных эксплуатационных кустов скважин с настройкой по пробуренным скважинам. В статье рассмотрена методика комплексирования выделенных по данным ГИС литотипов с данными сейсморазведки на основе применения инновационного алгоритма нейронных сетей. Дано описание разработанной авторами статьи новой методики построения локальных прогнозных геологических моделей, которая включает: переинтерпретацию данных ГИС в эксплуатационных скважинах, комплексную интерпретацию данных сейсморазведки и бурения по методике обучающихся нейронных сетей, построение адаптивных геологических кустовых моделей продуктивных горизонтов Чаяндинского нефтегазоконденсатного месторождения. В результате получены кубы литологии с учетом скважинных данных и кубы вероятностей выделенных литологических разностей. Представлено сравнение полученных кубов литологии с результатами геологического моделирования при подсчете запасов. Отмечается более дифференцированное распределение литологических разностей по разрезу продуктивных горизонтов и, как следствие, — более дифференцированные карты эффективных толщин. Использование предложенного инструмента позволит уточнить распределение зон с улучшенными коллекторскими свойствами для оптимизации размещения кустов добывающих скважин и повысить эффективность разработки терригенных отложений венда Чаяндинского нефтегазоконденсатного месторождения.

Ключевые слова: Чаяндинское нефтегазоконденсатное месторождение; геологическая модель; хамакинский и талахский горизонты; скважины; прогноз распределения литотипов; литология; коллектор; нейронные сети; классификация; атрибутный анализ; сейсмические атрибуты; куб литологии.

 

Для цитирования: Пинчук А.В., Пылев Е.А., Поляков Е.Е., Творогов М.А., Чурикова И.В. Оптимизация кустового бурения на Чаяндинском нефтегазоконденсатном месторождении по данным совместного анализа сейсмических атрибутов и ГИС с применением алгоритмов нейронных сетей // Геология нефти и газа. – 2022. – № 2. – С. 17–30. DOI: 10.31087/0016-7894-2022-2-17-30.

 

Литература

1. Поляков Е.Е., Ивченко О.В., Семенова К.М., Стрекозин В.В., Никульникова Н.А., Ромащенко С.Ю., Чурикова И.В., Кондратьева Л.А., Колотущенко Л.Д., Трухин В.Ю., Вотякова Т.А. Решение научных проблем при подсчете запасов углеводородов Чаяндинского нефтегазоконденсатного месторождения (ЧНГКМ) ПАО «Газпром» // Вести газовой науки. – 2017. – Т. 31. – № 3. – С. 172–186.
2. Поляков Е.Е., Чурикова И.В., Пылев Е.А., Чуриков Ю.М., Семенов Е.О., Симонов А.В. Проблемы определения коэффициента проницаемости по геофизическим исследованиям скважин для сложнопостроенных коллекторов вендского периода Чаяндинского нефтегазоконденсатного месторождения на этапе эксплуатационного бурения // Территория нефтегаз. – 2018. – № 10. – С. 30–41.
3. Поляков Е.Е., Пылев Е.А., Чурикова И.В., Семенов Е.О., Чуриков Ю.М. и др. Продуктивность сложнопостроенных терригенных коллекторов венда Чаяндинского месторождения в зависимости от литолого-петрофизических свойств и геолого-технических условий вскрытия отложений // Территория нефтегаз. – 2017. – № 12. – С. 22–32.
4. Пылев Е.А., Крылов Д.Н., Чуриков Ю.М., Смирнов А.С., Кожевников С.В., Чупова И.М. Современные достижения и проблемы промысловой геологии и геофизики ПАО «Газпром» // Вести газовой науки. – 2018. – Т. 35. – № 3. – С. 168–180.
5. Чуриков Ю.М., Пылев Е.А., Силаева Е.А., Чурикова И.В. Литофациальное районирование как основа уточнения зависимостей фильтрационно-емкостных свойств для сложнопостроенных терригенных коллекторов венда Чаяндинского нефтегазоконденсатного месторождения // Территория нефтегаз. – 2019. – № 1. – С. 20–41.
6. Чуриков Ю.М. Закономерности изменения граничных значений фильтрационно-емкостных свойств продуктивных коллекторов вендских отложений месторождений газотранспортной системы «Сила Сибири» в зависимости от глубины залегания и фациальной принадлежности отложений // Территория нефтегаз. – 2019. – № 6. – С. 12–33.
7. Чуриков Ю.М., Пылев Е.А., Чурикова И.В., Силаева Е.А. Модели интерпретации данных каротажа, разработанные для ботуобинского горизонта Чаяндинского нефтегазоконденсатного месторождения на основе литофациального районирования вендских отложений // Вести газовой науки. – 2019. – Т. 41. – № 4. – С. 142–152.
8. Чуриков Ю.М., Пылев Е.А., Поляков Е. Е. Обобщенные зависимости между фильтрационно-емкостными и физическими свойствами вендских отложений на месторождениях, входящих в газотранспортную систему "Сила Сибири" // Вести газовой науки. – 2019. – Т. 41. – № 4. – С. 106–120.
9. Чурикова И.В., Пылев Е.А., Семенов Е.О., Чуриков Ю.М., Семенова Е.В., Чудина А.А., Симонов А.В. Особенности распространения и свойства засолоненных коллекторов венда Чаяндинского нефтегазоконденсатного месторождения // Вести газовой науки. – 2019. – Т. 41. – № 4. – С. 153–163.

10. Hami-Eddine K., Klein P., Richard L., De Ribet B., Grout M. A new technique for lithology and fluid content prediction from prestack data: An application to a carbonate reservoir // Interpretation. – 2015. – Т. 3. – № 1. – SC19–SC32. DOI:10.1190/INT-2014-0049.1.
11. Klarner S., Malinovskaya O. Benchmarking probabilistic lithotype prediction from seismic data against neural network-derived results [Электронный ресурс] // Explorer. – 2020. – Режим доступа: https://www.pdgm.com/resource-library/articles-and-papers/2020/Benchmarking-Probabilistic-Lithotype-Prediction-fr (дата обращения 12.07.2021).
12. Klarner S., Kirnos D., Ivanova N., Gritsenko A., Malinovskaya O. Comparing Bayesian and neural network supported lithotype prediction from seismic data // First Break. – 2020. – Т. 38. – C. 75–79. DOI:10.3997/1365-2397.fb2020053.

Пинчук Анатолий Владиславович 

Главный специалист
ООО «Газпром ВНИИГАЗ»,
142717 Московская обл., Видное, п. Развилка, Проектируемый проезд № 5537, вл. 15, стр. 1
e-mail: A_Pinchuk@vniigaz.gazprom.ru

Пылев Евгений Анатольевич

Кандидат географических наук,
и. о. заместителя генерального директора по науке,
начальник центра развития МСБ
ООО «Газпром ВНИИГАЗ»,
142717 Московская обл., Видное, п. Развилка, Проектируемый проезд № 5537, вл. 15, стр. 1
e-mail: E_Pylev@vniigaz.gazprom.ru

Поляков Евгений Евгеньевич

Доктор геолого-минералогических наук,
главный научный сотрудник
ООО «Газпром ВНИИГАЗ»,
142717 Московская обл., Видное, п. Развилка, Проектируемый проезд № 5537, вл. 15, стр. 1
e-mail: E_Polyakov@vniigaz.gazprom.ru

Творогов Михаил Анатольевич  iD

Главный специалист
ООО «Газпром ВНИИГАЗ»,
142717 Московская обл., Видное, п. Развилка, Проектируемый проезд № 5537, вл. 15, стр. 1
e-mail: M_Tvorogov@vniigaz.gazprom.ru

Чурикова Ирина Владимировна

Начальник лаборатории
ООО «Газпром ВНИИГАЗ»,
142717 Московская обл., Видное, п. Развилка, Проектируемый проезд № 5537, вл. 15, стр. 1
e-mail: I_Churikova@vniigaz.gazprom.ru