ВЫДЕЛЕНИЕ ПЕТРОФИЗИЧЕСКИХ ТИПОВ КАРБОНАТНЫХ ПОРОД ПО ДАННЫМ ЯДЕРНОГО МАГНИТНОГО РЕЗОНАНСА С УЧЕТОМ ИХ ЛИТОЛОГИЧЕСКИХ ОСОБЕННОСТЕЙ

Актуальность. Значительная часть мировых запасов углеводородов приурочена к карбонатным резервуарам, характеризующимся сложным строением пустотного пространства. Подсчет запасов и проектирование разработки таких залежей требуют детального изучения структуры пустотного пространства, которая напрямую определяет коллекторские свойства пород. Выделение петрофизических классов пород является неотъемлемой частью построения петрофизической модели залежи углеводородов. Метод ядерного магнитного резонанса (ЯМР) является одним из методов изучения структуры пустотного пространства горных пород и имеет ряд преимуществ перед другими методами. Однако в опубликованной литературе отсутствует информация о применении данного метода для решения задач петротипизации. Результаты выделения петрофизических классов на основе комплексирования данных ядерного магнитного резонанса и микролитологического описания шлифов позволят значительно улучшить качество петрофизического обеспечения геологического и гидродинамического моделирования залежи и, следовательно, повысить точность подсчета запасов углеводородов и эффективность их разработки. Цель: выделение петрофизических типов карбонатных пород на основе комплексирования данных ядерного магнитного резонанса и микроописания шлифов, а также оценка правильности выделения классов методами математической статистики. Объект: карбонатные породы формации Мишриф, являющейся продуктивной в разрезе одного из месторождений Месопотамской нефтегазоносной провинции. Методы: анализ результатов ЯМР-исследований образцов керна, микроописания шлифов и стандартных лабораторных исследований керна, методы математической статистики. Результаты. На основе комплексного анализа результатов ЯМР-исследований керна и микроописания шлифов выделены три петрофизических класса в разрезе изучаемой скважины, вскрывшей продуктивные отложения: образцы со структурами породы вакстоун и вакстоун/флаутстоун объединены в 1 класс, со структурами пакстоун, грейнстоун и рудстоун - во 2 класс, и со структурой фреймстоун - в 3 класс. Данная петротипизация подтверждена результатами статистического анализа. The relevance. Significant part of world hydrocarbons reserves is confined to carbonate reservoirs, which are characterized by complex structure of voids. Reserves estimation and development design of such reservoirs require detailed study of porous media structure, that directly influences the reservoir properties. Identification of petrophysical rock classes is an integral part of hydrocarbons reservoir petrophysical model building. Nuclear magnetic resonance (NMR) method is one of the methods of rock porous structure research and has a number of advantages over other methods. However, there is no information in the published literature about application of this method for petrophysical typing. The results of petrophysical classes identification based on integration of NMR experiments and thin sections description data enhance the quality of reservoir geological and hydrodynamic simulation and hence improve accuracy of hydrocarbons reserves estimation and efficiency of field development. The main aim of the research is carbonate rock petrophysical typing based on integration of NMR experiments and thin sections description data, and estimation of classes identification accuracy with the methods of mathematical statistics. Object: carbonate rocks of Mishrif formation, which is productive in the field of Mesopotamian oil-and-gas province. Methods: analysis of core sample NMR experiments results, thin sections description and routine core analysis, methods of mathematical statistics. Results. Three petrophysical rock types are identified in the log of the well, which intersects productive deposits. The types are: 1st class (wackestone and wackestone/floatstone rock structure), 2nd class (packstone, grainstone and rudstone rock structure) and 3rd class (framestone rock structure). These petrophysical classes are proved with statistical analysis results.