大型设备

应用ESG的聚类算法来识别影响生产的断层和断裂网络

ESG成功地对从Montney地层的两级垂直裂缝中获取的微地震数据进行了第二次观察再处理服务。通过应用专有的聚类算法,ESG检测到了两个阶段之间不同的潜在裂缝网络,并对观察到的两个阶段之间的生产数据差异做出了解释。

随着水力压裂处理的微震监测在能源行业得到认可,运营商不能指望在压裂刺激过程中形成简单的双翼裂缝,这一点已经得到公认。相反,观察到高度复杂的裂缝网络更为正常,因为刺激与目标区域内预先存在的自然裂缝相互作用。使用创新的分析工具,如ESG的聚类算法,有可能将看似毫无联系的微震事件群分解为确定的断层和裂缝,为微震解释增加地质背景,帮助生产者了解可能影响生产的隐藏储层特征。

背景介绍

加拿大阿尔伯塔省Montney地层的垂直2级水力压裂的微震数据是由另一个供应商获取的。一个12级的垂直传感器阵列位于距离生产井590米的观察井中。客户要求ESG重新处理微震数据,但没有说明为什么需要重新处理数据。

利用偶极声测井数据为该地点建立了一个速度模型。ESG利用射孔数据进行传感器定位,并利用基于方位角的定位算法进行事件定位。ESG专有的粒子群优化(PSO)分析被应用到数据中,以完善事件位置和速度模型。总共定位了1199个事件,从中建立了一个具有代表性的数据集,其最小矩值为-1.2(图2和图3)。

根据地震变形,对每个裂缝阶段进行了刺激储层体积(SRV)的计算。SRV代表有效刺激储层以增加产量的体积。为第一阶段计算的SRV被发现比第二阶段的SRV高三倍,表明各阶段的产量有很大差异。同样,在第一阶段的生产井附近出现了明显的地震变形,这表明裂缝与生产井有良好的耦合。相反,与第2阶段有关的大部分地震变形是沿着远离生产井的N30°E方位角跟踪的。

ESG解决方案

ESG将其专有的聚类算法应用于第一阶段和第二阶段的事件数据,以确定是否存在任何潜在的断裂网络。图4提供了ESG专有聚类分析的结果。微震事件的位置在分析前、算法的第三次迭代后和第六次即最后一次迭代后显示。

第一阶段的最终结果显示了两个主要的平行断裂,其方位角为东北方向,通过一系列较小的交叉断裂相互连接,并与生产井相连。相比之下,第二阶段的最终结果显示,有一条东北方位的大型主导裂缝。这条断裂似乎没有与生产井很好地结合起来。

在收到微震评估的结果后,客户透露,他们观察到第二阶段的产量明显降低。聚类分析与SRV结果相结合,使客户了解了两个断裂阶段的特点,并认为潜在的断裂可能与观察到的产量差异有关。

本案例研究强调了如何利用先进的微震分析来深入了解储层内最影响生产的因素。

图1:应用聚类方法之前(上)和之后(下)的第一阶段微地震事件实例。
图2:第一阶段(蓝色)和第二阶段(绿色)在深度视图中记录的事件。
图3:第1阶段(蓝色)和第2阶段(绿色)记录的事件在平面图中。
图4:对第一阶段(顶部-蓝色)和第二阶段(底部-绿色)的数据进行ESG聚类算法的3次和6次迭代后,识别基础断裂网络。与第2阶段相比,第1阶段的断裂网络显示出与生产井(黑色圆柱体)的良好耦合性。