پیش بینی ماسهدهی با استفاده از نگار های چاه در یکی از میادین نفتی جنوب ایران
محل انتشار: مجله پژوهش نفت، دوره: 25، شماره: 84
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 48
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PRRIP-25-84_005
تاریخ نمایه سازی: 4 دی 1402
چکیده مقاله:
ماسهدهی در خلال استخراج و بهرهبرداری از چاههای نفتی یکی از مشکلات بسیار مهم در به تاخیر انداختن عملیات بهرهبرداری است. روشهای مختلفی برای پیش بینی ماسهدهی در درون چاه هایی که سنگ مخزن آنها کربناته یا ماسه سنگی است، ارائه شده است. این روشها معمولا شامل آزمایشات مکانیک سنگ (مانند آزمایش مقاومت تراکمی تک محوره و یا سه محوره)، آزمایشات کانیشناسی و یا استفاده از نگارهای چاه است. آزمایشات مکانیک سنگ، آزمایشات کانیشناسی و یا آزمایشات دیگری که برای تجزیه و تحلیل چاه به کار میروند نسبت به نگارهای متداول چاهنگاری بسیار وقتگیر و هزینه بردار هستند. از این رو در مقاله حاضر، از نگارهای چاه برای پیشبینی ماسه دهی یکی از چاههای نفتی در جنوب ایران استفاده شده است. برای این منظور، با در اختیار داشتن نگارهای متداول پتروفیزیکی از جمله نگار صوتی، ابتدا مدولهای الاستیک سنگ و مقاومت فشاری تک محوره و سپس مقدار فشار منفذی نیز محاسبه شده است و این مقادیر با مقادیر واقعی کالیبره گردید. از آن جایی که تعیین مقدار تنشهای برجا در اعماق زیاد برای پیشبینی ماسهدهی چاه مورد مطالعه ضروری بود با در دست داشتن مقادیر به دست آمده از مدولهای الاستیک، مقاومت فشاری تک محوره و فشار منفذی، تنشهای برجای افقی و تنش عمودی محاسبه شد. در نهایت با استفاده از معیار شکست موهر-کلمب و نگار کالیپر، پنجره بهینه گل برای پیشبینی زونهای دارای پتانسیل ماسه دهی، محاسبه شده است.
کلیدواژه ها:
نویسندگان
شاهو ملکی
دانشکده مهندسی معدن و متالوژی، دانشگاه صنعتی امیرکبیر، تهران
علی مرادزاده
دانشکده مهندسی معدن، پردیس دانشکدههای فنی، دانشگاه تهران
رضا قوامی ریابی
دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود
فرهاد صادق زاده
شرکت نفت و گاز اروندان، تهران
رامین محمدی
دانشکده مهندسی معدن و متالوژی، دانشگاه صنعتی امیرکبیر، تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :