On approaches to solving problems when modeling polymer flooding at the Kalamkas oil field

Cover Page


Cite item

Full Text

Abstract

Background: Currently, polymer flooding is one of the most effective methods for increasing reservoir recovery, accordingly and modeling this process is of particular relevance.

Aim: The purpose of hydrodynamic modeling is to predict the distribution of parameters, technological indicators, and simulate all possible development scenarios. Based on the simulation results, decisions are made on the profitability of projects.

Materials and methods: There are a number of significant problems in the process of hydrodynamic modeling, one of which is adaptation. Difficulties with adaptation are mainly associated with the incorrect determination of filtration – capacitive properties, which is directly caused by the lack of core research data. The main physical parameters that determine the filtration-capacitive properties of reservoir rocks are porosity, permeability, relative phase permeabilities, and saturation. These properties are critical for accurate fluid flow modeling and production forecasting. However, the lack of core data limits our understanding of these properties and affects the quality of model fit.

Due to the insufficient data on the oil field in this Vostok site of horizon Ю-1 of the Kalamkas field, the approved initial geological reserves differ from the reserves according to the model by approximately 20%. For a more accurate adaptation of the hydrodynamic model, the availability of current initial geological reserves is significantly insufficient.

Results: In this article, a number of approaches were applied to solve the above-mentioned problem in the hydrodynamic modeling of polymer flooding in the Kalamkas oil field, and as a result, the results obtained were demonstrated.

Conclusion: Hydrodynamic modeling allows us to conduct numerical experiments to optimize the parameters of polymer flooding, helps to study their influence and select the optimal ratio to improve the efficiency of the flooding process.

Full Text

Введение

В процессе гидродинамического моделирования полимерного заводнения (далее – ПЗ) на месторождении Каламкас возникли сложности при адаптации модели. За весь период работы с моделью «Восток» горизонта Ю-1 месторождения Каламкас было применено множество различных методов для улучшения адаптации при наличии существующих проблем с геологией. В результате выделены два подхода, позволившие существенно улучшить качество адаптации модели.

Первым подходом является процесс задания автогидроразрыва пласта (далее – авто-ГРП) на нагнетательных скважинах. Авто-ГРП представляет собой метод формирования и распространения трещин в пласте под воздействием давления, создаваемого нагнетательными скважинами. Этот процесс позволяет улучшить проницаемость пласта и снизить обводненность добываемой продукции. Процесс задания авто-ГРП в нагнетательных скважинах применялся в симуляторе tNavigator компании Rock Flow Dynamics, что позволило получить детальное представление о процессе и его эффективности.

Второй подход заключается в работе со свойствами полимера. В период ПЗ по историческим данным разработки наблюдается хорошая добыча нефти, которую модель не повторяет; для этого была рассмотрена зависимость вязкости от концентрации, занесенная в секцию PROPS1 в симуляторе tNavigator.

Вязкость полимера является важным параметром при рассмотрении его применения в ПЗ для повышения эффективности добычи нефти. Концентрация полимера в растворе играет существенную роль в определении его вязкости. При увеличении концентрации полимера происходит формирование длинных полимерных цепей, которые препятствуют текучести и повышают вязкость флюида. Это происходит благодаря образованию полимерной сети, которая является препятствием для движения молекул и вызывает сдвиговые напряжения внутри раствора. С увеличением концентрации полимера увеличивается количество полимерных цепей и, следовательно, вязкость растёт. Гидродинамическое моделирование позволяет проводить численные эксперименты для оптимизации параметров ПЗ, помогает исследовать влияние различных концентраций полимера на вязкость и выбирать оптимальное соотношение для повышения эффективности процесса заводнения.

Основная часть

После построения геологической модели и проведения необходимого анализа геолого-промысловой информации и данных геофизического контроля об объектах разработки месторождения выполняется построение цифровой гидродинамической модели.

Построение гидродинамической модели (далее – ГДМ) проводилось в программном продукте tNavigator компании Rock Flow Dynamics. Программный продукт Petrel Reservoir Engineering компании Schlumberger использовался как предпроцессор, т.е. программа для обработки и подготовки исходных данных для симулятора (строение и свойства пласта, свойства флюидов, задание скважин, настройки симулятора) (рис. 1).

 

Рисунок 1. Общий подход к построению модели месторождения для ПЗ

Figure 1. General approach to constructing an oil field model for PF

 

Геологическое моделирование состоит из структурного моделирования, создания 3D сетки, моделирования литологии и фаций, петрофизического моделирования, оценки запасов нефти и, наконец, инициализации модели коллектора. Размеры сетки составляли 25 м в длину, 25 м в ширину и 0,4 м в высоту. Модель сектора блока IV (красный полигон) включала всего 7890168 ячеек (429 x 242 x 76), активных – 1416963 (рис. 2).

 

Рисунок 2. Участок Восток горизонта Ю-1 месторождения Каламкас

Figure 2. East site of U-1 horizon of the Kalamkas oil field

 

Результаты лабораторных экспериментов (PVT, SCAL2) были систематически проанализированы, существующие модели обновлены (рис. 4–6).

Были проведены специальные эксперименты для оценки реологии полимера, удерживания, химической и механической деструкции, что обеспечивает ключевые свойства ПЗ (рис. 7–9).

Геологическая модель. Объектом гидродинамического моделирования является нефтяная залежь месторождения Каламкас. Была создана фильтрационная модель по объекту разработки Ю-1 (восточный блок).

Участки Восток, Восток-2 и Расширение расположены на IV блоке горизонта Ю-1 (рис. 2). Адаптация периода до ПЗ была проведена поэтапно, т.к. в модели Восток присутствуют сразу три полимерных участка: участок Восток, где ПЗ проводилось в период с 01.03.2015 г. по 01.07.2017 г., участок Восток-2 (01.03.2018–01.07.2022 гг.) и участок Расширение (с 01.06.2019 г. до конца периода моделирования). По блоку имеются данные разработки по 285 скважинам. На участке Восток 12 скважин, из них на 4 скважинах велась закачка полимера, на участке Восток-2 – 31 скважина, из них также на 4 скважинах ведётся заводнение полимером, на участке Расширение – 94 скважины, из них на 7 скважинах ведётся заводнение полимером.

Для моделирования ПЗ данных участков была построена секторная геологическая модель с учётом трассерных исследований, седиментологического анализа и результатов последних сейсмических исследований по участку Восток горизонт Ю-I (рис. 3).

 

Рисунок 3. Участки реализации проекта ПЗ на месторождении Каламкас

Figure 3. Polymer flood project locations at the Kalamkas field

 

Относительные фазовые проницаемости. По историческим данным разработки и лабораторным данным керновых исследований были построены функции Баклея-Леверетта. Для лучшей корреляции данные керновых исследований были аппроксимированы (рис. 4). Имеющиеся образцы керна были распределены по фациальным принадлежностям – русло и пойма.

 

Рисунок 4. Кривые относительных фазовых проницаемостей и функция Баклея-Леверетта

Figure 4. Relative phase permeability curves and the Buckley-Leverett function
krw (Krw) – относительная фазовая проницаемость по воде в присутствии нефти / relative phase permeability to water in the presence of oil; kro (Krow) – относительная фазовая проницаемость по воде в присутствии воды / relative phase permeability to water in the presence of water; fw – фракционный поток / fractional flow; Sw – водонасыщенность / water saturation

 

Физико-химические свойства флюидов. После детального анализа всех глубинных проб исследуемого горизонта, используя данные компонентного состава, была построена PVT модель в программном продукте PVTi (Schlumberger) (рис. 5).

 

Рисунок 5. График зависимости PVT свойств флюида от давления

Figure 5. Graph of PVT fluid properties versus pressure

 

На рис. 6 приведены кривые капиллярного давления и остаточной водонасыщенности, полученные методом полупроницаемой мембраны.

 

Рисунок 6. Кривые капиллярного давления и остаточной водонасыщенности

Figure 6. Curves of capillary pressure and residual water saturation

 

Функции полимера. Свойства полимера такие, как зависимость вязкости от концентрации и скорости сдвига, адсорбция были получены из результатов лабораторных исследований. Лабораторные и промысловые исследования свидетельствуют о химической деструкции полимерного раствора при комбинации «железо-кислород». На участке Расширение применялась станция закачки полимера (производство Франция), где предусмотрена изоляция системы от воз духа за счет азота. В полевых условиях изоляция воздуха обеспечивает химическую стабильность полимерного раствора, за счет чего на станциях закачки участка Расширение химическая деструкция отсутствует. На участках Восток, Восток-2 работы проводились на специализированной установке (производство Китай), где отсутствует изоляция системы от воздуха и подача сухого порошка полимера из бункера в емкость диспергирования осуществляется за счет напора воздуха. При таких условиях полимерный раствор подвергается химической деструкции. С учетом вышеизложенного для участков Восток, Восток-2 (рис. 7, а) были заданы значения вязкости в 2 раза меньше, чем на участке Расширение (рис. 7, б). Графики зависимостей представлены на рис. 7–9.

 

Рисунок 7. Зависимость вязкости от концентрации полимера

Figure 7. Dependence of viscosity on polymer concentration

а) участки Восток, Восток-2 / East site, East-2 site; б) участок Расширение / Extension site

 

Рисунок 8. Зависимость вязкости от скорости сдвига

Figure 8. Dependence of viscosity on shear rate

а) участки Восток, Восток-2 / East site, East-2 site; б) участок Расширение / Extension site

 

Рисунок 9. Зависимость адсорбции от концентрации полимера

Figure 9. Dependence of adsorption on polymer concentration

 

Адаптация динамической модели. Поскольку целью построения ГДМ является возможность планирования разработки и прогнозирования результатов геолого-технических мероприятий, модель должна адекватно описывать процесс разработки. Результаты гидродинамических расчетов, выдаваемые симулятором, должны быть близки к фактической истории разработки.

Как видно на рис. 10, полученная адаптация характеризуется плохой сходимостью, что стало причиной рассмотрения и в дальнейшем применения дополнительных подходов для улучшения качества адаптации модели. Было выделено два подхода, существенно изменивших качество адаптации модели:

  1. Применение авто-ГРП.
  2. Модификация зависимости вязкости от концентрации полимера.

 

Рисунок 10. Общая исходная адаптация в целом блока IV по динамическим показателям

Figure 10. General initial adaptation of the whole block IV by dynamic indicators

 

Авто-ГРП. Месторождение Каламкас разрабатывалось системой площадного девятиточечного расположения скважин. В ходе наблюдений с начала 1983 г. было отмечено увеличение интенсивности системы поддержания пластового давления (далее – ППД), что сопровождалось резким ростом обводнённости добываемой продукции с 10% до 22% в короткий срок, после резко снизившимся до 10%. В 1986 г. обводнённость интенсивно увеличивается, в 1990 г. наблюдалось резкое увеличение с 30% до 40%. Интересно отметить, что в гидродинамическом симуляторе модель не повторяла исторические прорывы воды в указанных периодах (рис. 11).

 

Рисунок 11. Сравнение адаптации параметра по обводненности до/после авто-ГРП

Figure 11. Comparison of adaptation of water cut parameter before/after auto-fracturing

 

При анализе установлены добывающие скважины, отреагировавшие на заводнение резким ростом обводнённости. Однако, как было сказано выше, в симуляторе исторические прорывы воды в этот период обводнённость не повторяет, а постепенно увеличивается (красная линия) и начинает реагировать только через несколько лет (рис. 12).

 

Рисунок 12. Параметры участка по обводненности

Figure 12. Parameters of the sectors by water cut

 

Рисунок 13. 3D визуализация задания трещины авто-ГРП

Figure 13. 3D visualization of the auto-fracturing

 

В результате анализа было принято решение использовать в симуляторе авто-ГРП для нагнетательных скважин. Для оценки влияния эффекта авто-ГРП на показатели разработки задается трещина, характеризующаяся такими параметрами, как указанная полудлина, азимутный и зенитный углы. Параметры трещины заданы исходя из фактических данных ГРП.

Для симуляции процесса авто-ГРП, учитывая геологические условия залежей, рассчитано предельное давление разрыва пласта. Расчет производился по упрощенной формуле:

Ppп = Рв.г. - Ргд + σр (1)

где:

Ррп – давление разрыва пласта;

Рв.г. – вертикальное горное давление;

Ргд – гидродинамическое давление;

σр – предел прочности породы на разрыв.

Результаты адаптации в целом по IV блоку на дату 01.03.2015 г. до закачки полимерного раствора представлены в табл. 1 и на рис. 15–16.

 

Таблица 1. Результаты адаптации модели в целом блока IV на дату 01.03.2015 г.

Table 1. Results of adaptation of the model as a whole of block IV as of March 1, 2015

Параметр

Parameter

Расчёт

Calculation

История

Historical indicators

Относи-тельная невязка, %

Relative mistie %

Дебит нефти, м³/сут

Oil flow rate, m³/day

1121,1

1013,5

-10,62

Дебит воды, м³/сут

Water flow, m³/day

9589,4

9697,0

1,11

Обводненность, %

Water cut, %

89,5

90,5

1,10

Приемистость воды, м³/сут

Water injectivity, m³/day

10054,9

10054,9

0,00

Накопленная нефть, млн м³

Accumulated oil, million m³

12,639

12,289

2,85

Накопленная вода, млн м³

Accumulated water, million m³

41,476

41,921

1,06

Накопленная жидкость, млн м³

Accumulated liquid, million m³

54,116

54,210

0,17

Накопленная закачка, млн м³

Accumulated injection, million m³

63,299

63,329

0,05

 

По результатам, представленным на рис. 14–16, наблюдается положительный эффект применения авто-ГРП по участку.

 

Рисунок 14. Параметры участка по приемистости и добыче воды

Figure 14. Parameters of the site for injectivity and water production

 

Рисунок 15. Результаты адаптации в целом блока IV по динамическим и накопленным показателям

Figure 15. Results of adaptation as a whole of block IV according to dynamic and cumulative indicators

а) динамические показатели / dynamic indicators; б) накопленные показатели / cumulative indicators

 

Рисунок 16. Результаты адаптации в целом блока IV по обводнённости

Figure 16. Results of adaptation of block IV as a whole in terms of water cut

 

Для адаптации периода ПЗ были загружены результаты лабораторных и промысловых исследований, такие как зависимость вязкости от концентрации, адсорбция полимера, вязкость полимера от скорости сдвига и концентрация закачки.

Зависимость вязкости от концентрации полимера. На рис. 7 представлены исходные зависимости вязкости от концентрации полимера для полимерных участков Восток, Восток-2 и Расширение, полученные из результатов лабораторных исследований. Рассмотрев имеющиеся зависимости, было предложено при той же концентрации полимера определить коэффициент, увеличивающий множитель вязкости раствора.

Был выделен диапазон вариации коэффициента от 3 до 7 для соответствующей концентрации, что, на наш взгляд, не столь критично. Такой подход обеспечит качественный прогноз, т.к. на само распространение полимера в пласте воздействие не оказывается, в отличие от задания множителей проводимости ключевым словом MULT/BOX, где собственноручно задаются каналы для распространения полимера, что на промысле может быть неосуществимо предельно точно, учитывая человеческий фактор.

Задание множителя вязкости раствора как функции концентрации полимера осуществляется ключевым словом PLYVISC в секции PROPS (рис. 17).

 

Рисунок 17. Задание обновлённого множителя вязкости с учётом принятого коэффициента

Figure 17. Setting the updated viscosity multiplier taking into account the accepted coefficient

а) базовый вариант / basic version option; b) с учётом коэффициента / taking into account the coefficient

 

Перестроенные зависимости вязкости от концентрации полимера для полимерных участков представлены на рис. 18.

 

Рисунок 18. Зависимость вязкости от концентрации полимера

Figure 18. Dependence of viscosity on polymer concentration

а) участки Восток, Восток-2 / East site, East-2 site; b) участок Расширение / Extension site

 

В табл. 2 представлены результаты адаптации модели в целом с учётом модифицированной зависимости вязкости от концентрации полимера.

 

Таблица 2. Результаты адаптации модели в целом блока IV на дату 01.04.2023 г.

Table 2. Results of adaptation of the model as a whole of block IV as of April1, 2013

Параметр

Parameter

Расчёт

Calculation

История

Historical indicators

Относительная невязка, %

Relative mistie %

Дебит нефти, м³/сут

Oil flow rate, m³/day

1226,103

785,726

-56,05

Дебит воды, м³/сут

Water flow, m³/day

9970,963

10657,619

6,44

Обводненность, %

Water cut, %

89,0

93,1

4,40

Приемистость воды, м³/сут

Water injectivity, m³/day

9314,087

9342,511

0,30

Накопленная нефть, млн м³

Accumulated oil, million m³

16,120

15,562

-3,59

Накопленная вода, млн м³

Accumulated water, million m³

72,280

73,283

1,37

Накопленная жидкость, млн м³

Accumulated liquid, million m³

88,400

88,846

0,50

Накопленная закачка, млн м³

Accumulated injection, million m³

93,990

94,173

0,19

 

Согласно вышеприведенным результатам наблюдается высокая сходимость по адаптации в целом по IV блоку.

 

Рисунок 19. Результаты адаптации по динамическим показателям в целом по IV блоку

Figure 19. Adaptation results for dynamic indicators as a whole for block IV

 

Рисунок 20. Результаты адаптации по накопленным показателям в целом по IV блоку

Figure 20. Adaptation results based on cumulative indicators in general for block IV

 

Ниже приведены табл. 3–5 и графики с результатами адаптации по полимерным участкам (рис. 21–23). Как видно из данных таблиц и рисунков, наблюдается существенное улучшение качества адаптации в целом и отдельно по полимерным участкам.

 

Таблица 3. Результаты адаптации модели по участку Восток на дату 01.04.2023 г.

Table 3. Results of model adaptation for the East site as of April 1, 2023

Параметр

Parameter

Расчёт

Calculation

История

Historical indicators

Относительная невязка, %

Relative mistie %

Дебит нефти, м³/сут

Oil flow rate, m³/day

25,043

28,923

13,41

Дебит воды, м³/сут

Water flow, m³/day

342,159

412,939

17,14

Обводненность, %

Water cut, %

93,1

93,5

0,43

Приемистость воды, м³/сут

Water injectivity, m³/day

270,242

270,242

0,00

Накопленная нефть, млн м³

Accumulated oil, million m³

0,922

0,798

-15,54

Накопленная вода, млн м³

Accumulated water, million m³

3,552

3,834

7,36

Накопленная жидкость, млн м³

Accumulated liquid, million m³

4,473

4,632

3,43

Накопленная закачка, млн м³

Accumulated injection, million m³

1,865

1,959

4,80

 

Таблица 4. Результаты адаптации модели по участку Восток-2 на дату 01.04.2023 г.

Table 4. The results of adaptation of the East-2 site as of 01.04.2023

Параметр

Parameter

Расчёт

Calculation

История

Historical indicators

Относительная невязка, %

Relative mistie %

Дебит нефти, м³/сут

Oil flow rate, m³/day

273,768

130,613

-109,60

Дебит воды, м³/сут

Water flow, m³/day

1386,119

1630,671

15,00

Обводненность, %

Water cut, %

83,5

92,6

9,83

Приемистость воды, м³/сут

Water injectivity, m³/day

268,306

268,306

0,00

Накопленная нефть, млн м³

Accumulated oil, million m³

2,480

2,639

6,03

Накопленная вода, млн м³

Accumulated water, million m³

11,707

11,694

-0,11

Накопленная жидкость, млн м³

Accumulated liquid, million m³

14,187

14,333

1,02

Накопленная закачка, млн м³

Accumulated injection, million m³

12,218

12,254

0,29

 

Таблица 5. Результаты адаптации модели по участку Расширение на дату 01.04.2023 г.

Table 5. Results of model adaptation for the Extension site as of April 1, 2023

Параметр

Parameter

Расчёт

Calculation

История

Historical indicators

Относительная невязка, %

Relative mistie %

Дебит нефти, м³/сут

Oil flow rate, m³/day

25,043

28,923

13,41

Дебит воды, м³/сут

Water flow, m³/day

342,159

412,939

17,14

Обводненность, %

Water cut, %

93,1

93,5

0,43

Приемистость воды, м³/сут

Water injectivity, m³/day

270,242

270,242

0,00

Накопленная нефть, млн м³

Accumulated oil, million m³

0,922

0,798

-15,54

Накопленная вода, млн м³

Accumulated water, million m³

3,552

3,834

7,36

Накопленная жидкость, млн м³

Accumulated liquid, million m³

4,473

4,632

3,43

Накопленная закачка, млн м³

Accumulated injection, million m³

1,865

1,959

4,80

 

Рисунок 21. Результаты адаптации по динамическим показателям по участку Восток

Figure 21. Adaptation results for dynamic indicators for East site

 

Рисунок 22. Результаты адаптации по динамическим показателям по участку Восток-2

Figure 22. Adaptation results for dynamic indicators for East-2 site

 

Рисунок 23. Результаты адаптации по динамическим показателям

Figure 23. Adaptation results for dynamic indicators for Extension site

 

Заключение

В данной статье рассмотрена актуальная проблема определения подходов, применимых в гидродинамическом моделировании. Примененные подходы существенно улучшили качество адаптации исторических данных разработки к фактическим. С помощью данных методик возможно улучшить качество адаптации на других объектах месторождений и в дальнейшем модифицировать существующие гидродинамические модели. Применение процесса авто-ГРП в нагнетательных скважинах месторождения Каламкас с повышенной системой ППД является перспективным решением для снижения обводнённости и повышения эффективности добычи нефти. Гидродинамический симулятор играет важную роль в оценке и оптимизации процесса авто-ГРП, позволяя прогнозировать его результаты и принимать обоснованные решения для достижения максимальной эффективности и улучшения показателей добычи нефти.

Гидродинамическое моделирование позволяет проводить численные эксперименты для оптимизации параметров ПЗ, помогает исследовать их влияние и выбрать оптимальное соотношение для повышения эффективности процесса заводнения.

ДОПОЛНИТЕЛЬНО

Источник финансирования. Авторы заявляют об отсутствии внешнего финансирования при проведении исследования.

Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов, связанных с публикацией настоящей статьи.

Вклад авторов. Все авторы подтверждают соответствие своего авторства международным критериям ICMJE (все авторы внесли существенный вклад в разработку концепции, проведение исследования и подготовку статьи, прочли и одобрили финальную версию перед публикацией). Наибольший вклад распределён следующий образом: Муратова З.М. – интерпретация данных исследования, проверка результатов, написание и редактирование рукописи, Туяков Н.К. – концепция исследования, Таджибаев М.О. – контроль за выполнением работы.

ADDITIONAL INFORMATION

Funding source. This study was not supported by any external sources of funding.

Competing interests. The authors declare that they have no competing interests.

Authors’ contribution. All authors made a substantial contribution to the conception of the work, acquisition, analysis, interpretation of data for the work, drafting and revising the work, final approval of the version to be published and agree to be accountable for all aspects of the work. The largest contribution is distributed as follows: Zarina M. Muratova – interpretation of study data, verification of results, writing and editing of the manuscript; Nauryzbek K. Tuyakov – concept of research; Maksat S. Tajibayev – monitoring the implementation of work.

1 Секция PROPS содержит PVT свойства (сокр. от англ. Pressure (давление), Volume (объём), Temperature (температура)) флюидов и данные относительных проницаемостей и капиллярного давления.

2 SCAL (Special Core Analysis) – специальные исследования керна, под которыми обычно понимаются функции относительных фазовых проницаемостей.

×

About the authors

Zarina M Muratova

Branch of KMG Engineering LLP KazNIPImunaygas

Author for correspondence.
Email: Z.Muratova@kmge.kz
Kazakhstan, Aktau

Nauryzbek K. Tuyakov

KMG Engineering

Email: N.Tuyakov@niikmg.kz
Kazakhstan, Astana

Maksat O. Tajibayev

Branch of KMG Engineering LLP KazNIPImunaygas

Email: M.Sagyndikov@kmge.kz
Kazakhstan, Aktau

References

  1. Kanevskaya R.D. Matematicheskoe modelirovaniye gidrodinamicheskikh protsessov razrabotki mestorozhdeniy uglevodorodov. Moscow-Izevsk: Institut komp'yuternykh issledovaniy; 2002. (In Russ).
  2. rfdyn.com [Internet]. Rock Flow Dynamics (RFD). Simulator, technical manual [cited 08 Aug 2023]. Available from: https://rfdyn.com.
  3. Balin DV, Semenova TV. Impact of injection induced fracturing on cumulative oil production. Oil and Gas. 2017;1:43–47.
  4. Klimov-Kayanidi AV, Alimkhanov RT, Agureeva ES, Sabitov RM. Waterflood-induced fracture on the injection wells in low-permeability reservoir of achimov sequence. Oil and Gas. 2018;2:39–43.
  5. Sagyndikov MS, Seright RS, Tuyakov NK. An unconventional approach to model a polymer flood in the Kalamkas Oilfield. SPE Improved Oil Recovery Conference; April 25–29; 2022. Availbale from: https://onepetro.org/SPEIOR/proceedings-abstract/22IOR/2-22IOR/D021S017R001/483984.

Supplementary files

Supplementary Files
Action
1. JATS XML
2. Figure 1. General approach to constructing an oil field model for PF

Download (133KB)
3. Figure 2. East site of U-1 horizon of the Kalamkas oil field

Download (68KB)
4. Figure 3. Polymer flood project locations at the Kalamkas field

Download (212KB)
5. Figure 4. Relative phase permeability curves and the Buckley-Leverett function

Download (43KB)
6. Figure 5. Graph of PVT fluid properties versus pressure

Download (279KB)
7. Figure 6. Curves of capillary pressure and residual water saturation

Download (146KB)
8. Figure 7. Dependence of viscosity on polymer concentration

Download (103KB)
9. Figure 8. Dependence of viscosity on shear rate

Download (154KB)
10. Figure 9. Dependence of adsorption on polymer concentration

Download (40KB)
11. Figure 10. General initial adaptation of the whole block IV by dynamic indicators

Download (112KB)
12. Figure 11. Comparison of adaptation of water cut parameter before/after auto-fracturing

Download (121KB)
13. Figure 12. Parameters of the sectors by water cut

Download (90KB)
14. Figure 13. 3D visualization of the auto-fracturing

Download (16KB)
15. Figure 14. Parameters of the site for injectivity and water production

Download (72KB)
16. Figure 15. Results of adaptation as a whole of block IV according to dynamic and cumulative indicators

Download (212KB)
17. Figure 16. Results of adaptation of block IV as a whole in terms of water cut

Download (74KB)
18. Figure 17. Setting the updated viscosity multiplier taking into account the accepted coefficient

Download (78KB)
19. Figure 18. Dependence of viscosity on polymer concentration

Download (133KB)
20. Figure 19. Adaptation results for dynamic indicators as a whole for block IV

Download (98KB)
21. Figure 20. Adaptation results based on cumulative indicators in general for block IV

Download (77KB)
22. Figure 21. Adaptation results for dynamic indicators for East site

Download (149KB)
23. Figure 22. Adaptation results for dynamic indicators for East-2 site

Download (149KB)
24. Figure 23. Adaptation results for dynamic indicators for Extension site

Download (93KB)

Copyright (c) 2023 Muratova Z.M., Tuyakov N.K., Tajibayev M.O.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies