بررسی اثرات عدم قطعیت بر ضریب بهره‌دهی چاه گاز میعانی عمودی، افقی و دارای شکاف هیدرولیکی

نوع مقاله : مقاله پژوهشی

نویسندگان

پژوهشکده ازدیاد برداشت از مخازن نفت و گاز، تهران، ایران

چکیده

محاسبه بهره‎دهی چاه‌های گاز میعانی نیازمند انجام شبیه‌سازی عددی و تکنیک کوچک کردن موضعی شبکه در اطراف چاه می‌باشد. در غیر این صورت اثرات سرعت گاز و همچنین پدیده تشکیل میعانات در اطراف چاه در محاسبات نادیده گرفته شده، که سبب تخمین نادرست بهره‎دهی چاه می‌شود. پیچیدگی‌های مذکور باعث زمانبر بودن محاسبه ضریب بهره‎دهی چاه گاز میعانی به روش شبیه‌سازی عددی می‌گردد. از طرف دیگر، از آنجا که اطلاعات مخزن و چاه از قبیل ابعاد مخزن، تخلخل، نفوذپذیری و ... در ابتدای عمر مخزن دارای عدم قطعیت هستند، ضروری است فرآیند محاسبه بهره‌دهی چاه هزاران مرتبه تکرار شود تا بتوان اثرات عدم قطعیت در پارامترهای ورودی را به روش‌های آماری برآورد نمود. در این مقاله، روشی تحلیلی برای محاسبه سریع بهره‎دهی چاه با در نظر گرفتن اثرات سرعت و تشکیل میعانات در اطراف چاه‌های با شکل هندسی متفاوت شامل چاه عمودی، افقی و شکاف‌دار هیدرولیکی معرفی شده است. سپس، با استفاده از شبیه‌سازی مونت کارلو اثرات عدم قطعیت در پارامترهای ورودی مختلف بر ضریب بهره‌دهی بررسی گردیده است. نتایج چنین مطالعاتی می‌تواند به مدیران بخش مهندسی کمک کند تا پارامترهای تاثیر‌گذار در بهره‎دهی چاه مورد نظر را شناسایی کنند و از صرف هزینه برای تعیین دقیق پارامترهای کم اهمیت اجتناب نمایند. این محاسبات در قالب یک نرم‌افزار در پژوهشکده ازدیاد برداشت تهران توسعه داده شده است.
 

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Investigating Uncertainty of Gas-condensate Well Productivity with Vertical, Horizontal and Hydraulic-fractured Geometries

نویسندگان [English]

  • mahnaz Hekmatzadeh
  • Habib Valiollahi
  • Shahab Gerami
IOR Research Institute, Tehran, Iran
چکیده [English]

In order to accurately predict the performance of a gas condensate well, a numerical simulation with local grid refinement is inevitable, otherwise the effects of condensate blockage and high velocity of gas could not be properly captured. But, the complexities of such calculations make the numerical simulation time-consuming. On the other hand, to conduct an uncertainty analysis on the reservoir and well parameters, this calculation package must be repeated thousands of times. Therefore a faster method for calculation of gas condensate well flow rate is valuable. In this paper a fast semi-analytical method is introduced for calculation of flow rate in gas condensate wells and then based on Monte-Carlo procedure, an uncertainty analysis study is conducted for different well geometry. An uncertainty analysis is absolutely necessary at the beginning of a reservoir´s life, and it can help the reservoir managers to make the most possible realistic decision for development plan, infrastructure, and the sale contracts for produced gas and condensate. The results of the study show that investment on accurately determination of porosity is a wise decision for the specific studied reservoir. However this property can be different for another reservoir, depending on the reservoir and well properties.
 

کلیدواژه‌ها [English]

  • Gas Condensate
  • Well Productivity
  • Uncertainty Analysis
  • Horizontal Well
  • Hydraulic-Fractured Well
[1]. Fevang Ø. and Whitson C. H., “Modeling gas-condensate well deliverability,” SPE Res. Eng., Vol. 11, No. 04, pp. 221-230, 1996.##
[2].  Mott R., “Engineering calculations of gas-condensate-well productivity,” SPE Reservoir Evaluation & Engineering, Vol. 6, No. 05, pp. 298-306, 2003.##
[3]. Xiao J. J. and Al-Muraikhi A. J., “A new method for the determination of gas condensate well production performance,” SPE Annual Technical Conference and Exhibition. Society of Petroleum Engineers, 2004.##
[4]. Murtha J., “Some challenges for monte carlo simulation,” The Way Ahead, Vol. 2, No. 02, pp. 13-18, 2006. ##
[5]. Luo H., Mahiya G., Pannett S. and Benham Ph. H., “The use of rate-transient-analysis modeling to quantify uncertainties in commingled tight gas production-forecasting and decline-analysis parameters in the alberta deep basin,” SPE Reservoir Evaluation & Engineering, Vol. 17, No. 02, pp. 209-219, 2014.##
[6]. Panja P. and Deo M., “Factors that control condensate production from shales: surrogate reservoir models and uncertainty analysis,” SPE Reservoir Evaluation & Engineering, Vol. 19, No. 01, pp.130-141, 2016.##
[7]. Whitson C. H., Fevang Ø. and Sævareid A., “Gas condensate relative permeability for well calculations,” Transport in Porous Media, Vol. 52, No. 2, pp. 279-311, 2003.##
[8]. Pope G. A., Wu W., Narayanaswamy G., Delshad M., Sharma M. M. and Wang P., “Modeling relative permeability effects in gas-condensate reservoirs with a new trapping model,” SPE Reservoir Evaluation & Engineering, Vol. 3, No. 02, pp. 171-178, 2000.##
[9]. Henderson Graeme D., Danesh A., Al-kharusi B. and Tehrani D., “Generating reliable gas condensate relative permeability data used to develop a correlation with capillary number,” Journal of Petroleum Science and Engineering, Vol. 25, No. 1, pp. 79-91, 2000.##
[10]. Jamiolahmady M., Sorabi M., Ireland S. and Ghahri P., “A generalized correlation for predicting gas–condensate relative permeability at near wellbore conditions,” Journal of Petroleum Science and Engineering, Vol. 66, No. 3, pp. 98-110, 2009.##
[11]. Diyashev I. R. and Economides Michael J., “The dimensionless productivity index as a general approach to well evaluation,” SPE Production & Operations, Vol. 21, No. 03, pp. 394-401, 2006.##
[12]. Prats M., “Effect of vertical fractures on reservoir behavior-incompressible fluid case,” Society of Petroleum Engineers Journal, Vol. 1, No. 02, pp. 105-118, 1961.##