شخصیت سازی Reservoir پایه و اساس هر پروژه بازیابی حرارتی موفق را تشکیل می دهد.با نقشه برداری دقیق زمین شناسی زیرزمینی، خواص سنگ و توزیع های مایع، مهندسان می توانند طرح های تزریق را طراحی کنند که انتقال گرما و بسیج هیدرو کربن را به حداکثر می رساند. جهش های تکنولوژیکی اخیر، ویژگی های حاصل از یک ورزش ضعیف استاتیک، داده ها را به یک نظم پویا و زمان واقعی تبدیل کرده اند.

نقش شخصیت Reservoir در بازیابی حرارتی

روش های بازیابی حرارتی متکی بر معرفی گرما برای کاهش ویسکوزیته روغن و بهبود تحرک است. اثربخشی این روش ها بستگی به دانستن اینکه گرما به کجا می رود، چقدر سریع پراکنده می شود و کدام لایه های سنگی پاسخ می دهند. مشخصات Reservoir این دانش را با استفاده از منافذ، اشباع، بی شناسی و خواص ژئومکانیکی بدون یک مدل بخار دقیق، ممکن است منابع هدف را از دست بدهد و یا فشار های شکستگی منجر به دفع خطرات آسیب دیدگی، و جلوگیری از دست رفته و جلوگیری از بین رفتن منابع آسیب پذیری.

ویژگی همچنین بر انتخاب تکنیک حرارتی تأثیر می گذارد، به عنوان مثال، زهکشی گرانشی بخار به کمک بخار (SAGD) نیاز به کانال های مداوم و با کارآیی بالا برای رشد اتاق بخار بخار دارد، در حالی که تحریک بخار چرخه (CSS) مزایای مناطق با شکستگی های طبیعی یا اشباع بالای روغن را می دهد. احتراق داخل-situ نیاز به درک از رسوب coke و ویژگی حمل و نقل اکسیژن دقیق دارد.

پیشرفت های فنی کلیدی

تصویر برداری پیشرفته Seismic

سه بعدی و چهار بعدی بررسی لرزه ای در حال حاضر ارائه وضوح بی سابقه ای از معماری مخزن 1 (FWI) پردازش کل اصلاحات موج به جای فقط زمان ورود، آشکار کردن کنتراست های ظریف سرعت که نشان دهنده ناهمگنی ها است.زمان عبور (4D) تغییرات در اشباع و فشار بر زندگی یک پروژه حرارتی، کمک به اپراتورهای پیگیری مطالعات بخار و شناسایی توانایی های نفتی نازک برای کاهش سرعت نفت و استفاده از آن.

پیشرفته Well loging

ابزارهای مدرن ورود به سیستم اطلاعات را که یک دهه پیش بدون محدودیت بود، ضبط مغناطیسی (NMR) اندازه توزیع اندازه منافذ و ویسکوزیته مایع را به طور مستقیم اندازه گیری می کند، که برای ارزیابی اهداف بازیابی حرارتی حیاتی است.[۲] دی الکتریک تشخیص بین آب و نفت تازه، حتی در دماهای بالا، در حالی که اسکنرهای صوتی ارائه داده های ایزوتروفیلیک برای مدل سازی چند منظوره و تجهیزات حرارتی است.[۳]

یادگیری ماشین و هوش مصنوعی

الگوریتم های یادگیری ماشین، داده های گسترده را از لرزه، logs و تاریخ تولید تجزیه و تحلیل می کنند (برای شناسایی الگوهایی که انسان ممکن است از دست بدهد، شبکه های عصبی می توانند قابلیت استفاده از داده های هسته ای محدود، انواع سنگ خوشه ای بدون تعصب و بهینه سازی میزان تزریق بخار در زمان واقعی کمک کند تا رشته های چند بعدی را طبقه بندی کنند، در حالی که مدل های نظارت شده در مورد تولید داده های کوتاه مدت پیش بینی شده به سرعت بخشیدن به ابزارهای شیمیایی و عدم اطمینان از آن ها آموزش داده می شود.

دوقلوهای دیجیتال و مدل سازی یکپارچه

یک دوقلو دیجیتال یک مدل مخزن زنده است که به طور مداوم با داده های میدان زمان واقعی به روز می کند.با اتصال جریان مایع، انتقال گرما و ژئومکانیک ها، این مدل ها می توانند سناریوهای تزریق مختلف را شبیه سازی کنند و نتایج را پیش بینی کنند.مدل سازی دارایی یکپارچه (IAM) به زیر سطح، چاه ها و امکانات سطح متصل می کند تا اطمینان حاصل شود که برنامه های بازیابی حرارتی به طور عملیاتی هستند.

مزایای برنامه ریزی بازیابی حرارتی

بهینه سازی استراتژی های تزریقی

با مشخصات دقیق، اپراتورهای می توانند تزریق کننده های بخار را به طور استراتژیک برای جلوگیری از اتصال کوتاه از طریق خطوط با کارایی بالا قرار دهند.آنها همچنین می توانند عملیات های چند چرخه CSS را با زمان های مختلف خیس و تولید بر اساس نظارت واقعی از توزیع گرما طراحی کنند. برای SAGD، شناسایی کمک می کند تا فاصله خوب، زیرکوول و فاصله عمودی بهینه بین تصمیمات و بازیابی مستقیم (S) را تعیین کند.

کاهش عدم اطمینان و ریسک

عدم اطمینان در خواص مخزن اغلب منجر به طرح های محافظه کارانه می شود که نفت را بدون پوشش رها می کند یا باعث پیشرفت اولیه بخار می شود.تخصوص پیشرفته دامنه نتایج احتمالی را کاهش می دهد، مهندسان را قادر می سازد تا به جای بدترین حالت، بهینه سازی کنند و این رویکرد همچنین می تواند تعداد پیگیری های جانبی و تعمیر و کار، کاهش هزینه های غیر منتظره ژئومکانیکی، مانند او یا خطا در کاهش نقض بالا و همچنین پیش بینی شده است.

هزینه و کارایی عملیاتی

هر دلاری که صرف شخصیت سازی می شود، چندین بار پس انداز از سوراخ های خشک، کاهش تلفات بخار و اجازه دادن سریع تر را به دست می آورد.به عنوان مثال، برآورد دقیق تر به مته ها اجازه می دهد تا بهترین مناطق فرود را برای چاه های افقی انتخاب کنند، به حداقل رساندن تعداد خوب، ادغام داده های زمان واقعی به معنای کار کمتر و زمان کمتر است.

مزایای زیست محیطی

ویژگی های بهتر همچنین از اهداف زیست محیطی پشتیبانی می کند. قرار دادن بخار دقیق حجم آب مورد نیاز و مصرف انرژی مرتبط را کاهش می دهد.همچنین خطر مهاجرت به aquifers یا صفحه دید سطح را با بهبود بهره وری بازیابی کاهش می دهد، اپراتورهای می توانند روغن بیشتری را از چاه های کمتر استخراج کنند، ترک یک رد پای سطح کوچکتر کلید برای بازیابی حرارتی یا فن آوری پایین تر کربن، به ویژه هنگامی که همراه با تولید حلال یا الکتریکی ترکیب می شود.

برنامه های کاربردی و مطالعات موردی

در یک برنامه قابل توجه زمینه، یک اپراتور در کمربند Orinoco تجزیه و تحلیل ویژگی لرزه 3D را با طبقه بندی آموزش ماشین برای بهینه سازی توسعه جدید CSS یکپارچه کرد. مدل سه گرایش متمایز با پاسخ های حرارتی مختلف شناسایی کرد، که به تیم اجازه می دهد چرخه های تزریق مناسب و انواع تکمیل خلبان نشان داد که 20٪ افزایش در روغن تجمعی به خوبی در مقایسه با جبران های معمول با روش های حرارتی.

مثال دیگر از پروژه SAGD در آلبرتا می آید که در آن نظارت بر زلزله زمان بر می گردد که یک محفظه بخار به دلیل لایه نازک و با کارایی بالا، فشار تزریق تنظیم شده توسط اپراتور و اضافه کردن یک کلاه گاز برای هدایت مسیرهای بخار بدون داده های 4D، اتاق به بالای مخزن رسید، که پیش از آن به بهبود درآمد پایین منجر شد.

در یک مورد سوم، یک مخزن روغن سنگین تحت احتراق داخل و داخل از بی نظمی کامل برای نقشه برداری شبکه های شکستگی که جریان هوا را کنترل می کردند، استفاده کرد.این ویژگی به مهندسان کمک کرد تا تزریق کننده های مناطقی با شکستگی های طبیعی را برای ایجاد یک جبهه احتراق پایدار، اجتناب از نیاز به شکستن مصنوعی و کاهش پیچیدگی عملیاتی قرار دهند.

مسیر های آینده

مرز بعدی در مشخصات مخزن برای بازیابی حرارتی در داده های زمان واقعی و کنترل تطبیقی است.حس دما توزیع شده (DTS) و سنجش آکوستیک توزیع شده (DAS) فیبر نوری در حال حاضر ارائه می دهد دمای مداوم و پروفیل های فشار در امتداد چاه ها در ترکیب با یادگیری ماشین، این جریان داده ها می تواند به یک به روز رسانی های دوقلو دیجیتال که به طور خودکار، قادر به صرفه جویی در روند بهبودی چرخه و یا کاهش وعده های بسته است، تغذیه کند.

منطقه امیدوار کننده دیگر ادغام ژئومکانیک ها در مقیاس ظریف است. بازیابی حرارتی باعث تغییرات حجم و استرس می شود که می تواند به طور قابل توجهی خواص مخزن را در طول زمان تغییر دهد. مدل های حرارتی- هیدرو-مکانیکی (THM) سریعتر و قابل دسترس تر می شوند و به مهندسان اجازه می دهد تا تجزیه، جمع آوری، و جمع آوری کنند و او در طول برنامه ریزی این مدل ها می تواند به خوبی و جلوگیری از شکست های یکپارچگی کمک کند.

در نهایت، ظهور داده های بزرگ و محاسبات ابری به اپراتورهای اجازه می دهد تا هزاران تحقق تصادفی و تجزیه و تحلیل های احتمالی را در ساعت ها به جای هفته اجرا کنند.این قابلیت باعث می شود که عدم اطمینان در هر تصمیم، از قرار دادن خوب تا فشار تزریق، به عنوان حجم داده ها، بنابراین دقت پیش بینی ها، امکان می دهد پروژه های بازیابی حرارتی با اعتماد به نفس حتی پیچیده، مخازن پیچیده برنامه ریزی شود.

نتیجه گیری

شخصیت سازی Reservoir از یک تمرین جمع آوری داده های محیطی به ستون مرکزی برنامه ریزی حرارتی حرارتی تکامل یافته است.پیشرفت در تصویربرداری لرزه ای، به خوبی ورود، یادگیری ماشین و مدل سازی یکپارچه، سطح جزئیاتی را به مهندسان می دهد که دو دهه پیش قابل تصور بود، این ابزارها خطر را کاهش می دهند، هزینه های پایین تر، بهبود عملکرد زیست محیطی و در نهایت بهبود نرخ بهبود می یابد، زیرا صنعت به سمت یک شبیه سازی دقیق تر حرکت می کند و به طور کامل، به طور قابل اعتماد به دست آوردن این ویژگی های روغن است که به جلو، و به طور کامل بهبود می دهد.

برای خواندن بیشتر در تکنیک های مشخصات مخزن، ببینید (FLT: 1 و SPE [ مقالات فنی در بازیابی حرارتی :5]