Table of Contents

L'analyse des courbes de déclin demeure l'une des méthodes les plus utilisées pour prévoir la production de pétrole et de gaz. Toutefois, la fiabilité de ces modèles dépend fortement de la qualité des hypothèses sous-jacentes sur le comportement des réservoirs. Valider les modèles de courbes de déclin avec des données de base et des résultats de laboratoire garantit que les prédictions sont fondées sur des propriétés réelles de roche et de fluide plutôt que sur des ajustements purement statistiques.

Fondations des modèles de courbe de déclin

Les modèles de courbe de déclin décrivent le taux auquel la production d'un puits ou d'un réservoir diminue au fil du temps. Les trois modèles primaires – exponentiels, hyperboliques et harmoniques – supposent chacun une relation différente entre le taux de production et la production ou le temps cumulatif.

Déclin exponentiel

Le déclin exponentiel (également appelé déclin en pourcentage constant) suppose que le taux de production diminue à un taux fractionnel constant. Mathématiquement, il est exprimé comme où q est le taux, q i est le taux initial, D[ est le taux de déclin, et t[ est le temps. Ce modèle est approprié pour les réservoirs où le mécanisme d'entraînement est principalement le moteur à gaz en solution ou où le support de pression est minimal.

Déclin hyperbolique

Le déclin hyperbolique est le modèle le plus polyvalent et le plus couramment utilisé. Il comprend un exposant de déclin b entre 0 et 1. L'équation est . Lorsque b = 0, l'hyperbolie se réduit à exponentielle; lorsque b[ = 1, il devient le déclin harmonique.

Déclin harmonique

Le déclin harmonique (b[ = 1) suppose que le taux de déclin est proportionnel à la production cumulative. Il est rarement utilisé seul mais apparaît en combinaison avec des segments hyperboliques dans certains flux de travail avancés. Le déclin harmonique peut se produire dans des réservoirs à très haute perméabilité ou où domine le flux de puits.

Pourquoi les données de base et les résultats de laboratoire comptent pour la validation

Les modèles de courbe de déclin sont empiriques : ils correspondent à des données historiques sans qu'il soit nécessaire de connaître la physique des réservoirs, ce qui les rend susceptibles d'être mal interprétés si les mécanismes de débit sous-jacents changent.

Propriétés principales

  • Porosité et perméabilité:[ Ces propriétés de base contrôlent la capacité de stockage et le potentiel de débit. Si le modèle de déclin prédit une capacité de débit beaucoup plus élevée ou plus faible que les mesures de base indiquent, les paramètres du modèle doivent être ajustés.
  • Perméabilité de rotation:[ Dans les scénarios de débit multiphasés, les courbes de perméabilité relatives dérivées des crues centrales définissent la concurrence du pétrole, du gaz et de l'eau.
  • Pression capillaire:[ Dans les réservoirs à faible perméabilité ou fracturés, les forces capillaires influencent les distributions de saturation et donc la forme de la courbe de déclin. Les données de pression capillaire des essais de laboratoire peuvent aider à calibrer l'exposant de déclin b.
  • Compressibilité:[ La compressibilité des roches à partir des mesures du noyau affecte l'équilibre des matériaux et le comportement de déclin, en particulier dans les réservoirs surpressionnés ou à entraînement à perte.

Essais de laboratoire qui indiquent directement la validation de la courbe de déclin

  • Analyse de coeur de la routine (RCA):[ Fournit porosité, perméabilité et densité de grain sous contrainte ambiante ou nette. Les données de RCA sont utilisées pour estimer la capacité de débit (kh) et pour vérifier la linéarité de la tendance à la baisse.
  • Analyse spéciale du noyau (SCAL):[ Comprend les mesures de perméabilité relative, de pression capillaire et de résistivité électrique. Les données SCAL sont essentielles pour les réservoirs avec des antécédents complexes de humidité ou de saturation.
  • Analyse de VPT :[ Les essais pression-volume-température sur des échantillons de fluides de réservoir fournissent une viscosité, un facteur de volume de formation et un rapport gaz-huile de solution.
  • Mesures de la stabilité et de la tension interfaciale:[ Ces mesures affectent les paramètres de perméabilité relative et les saturations résiduelles, qui contrôlent à leur tour la récupération ultime et la queue de la courbe de déclin.

Processus de validation étape par étape

Le flux de travail suivant intègre les données de base et les résultats de laboratoire dans la validation de modèle de courbe de déclin. Chaque étape s'appuie sur la précédente pour créer une prévision défendable.

Étape 1: Assembler des données de base et de laboratoire de haute qualité

Commencez par prélever tous les échantillons de carottes disponibles dans le réservoir cible. Priorisez les échantillons représentatifs des principaux débits et évitez les bouchons endommagés ou non représentatifs. Consignez la profondeur, la lithologie et toutes les observations visuelles. Effectuez une analyse systématique des carottes sous contrainte de confinement nette pour obtenir la perméabilité ambiante et stressée.

Étape 2: Calculer la capacité de débit du réservoir à partir des données de base

Utilisez les valeurs de perméabilité du noyau pour calculer le produit kh (perméabilité multipliée par la rémunération nette). Comparez ceci avec le kh déduit d'une analyse transitoire de pression ou de la tendance à la baisse précoce. S'il y a une grande divergence, il peut indiquer que les données du noyau ne sont pas représentatives, que le réservoir est fracturé ou que le modèle de déclin utilise un taux initial incorrect.

Étape 3: Déterminer l'exposant de déclin à partir de la forme de perméabilité relative

Dans le modèle hyperbolique, l'exposant de déclin b n'est pas arbitraire; il est physiquement lié à la courbure des courbes de perméabilité relative. Pour un réservoir d'huile produisant sous l'entraînement de gaz en solution, l'exposant de déclin varie souvent entre 0,2 et 0,4. Pour les réservoirs à entraînement d'eau, l'exposant peut être plus élevé. Les données relatives de perméabilité de laboratoire peuvent être utilisées pour calculer le débit fractionnel et l'efficacité de récupération, qui se traduisent alors en une valeur empirique b.

Étape 4: Valider contre l'équilibre matériel à l'aide de données PVT

Les propriétés PVT définissent la façon dont le volume du réservoir change avec la pression. Utilisez le rapport volume-masse de formation et gaz-huile des rapports PVT pour convertir la production de surface en volumes de réservoir. Ensuite, effectuez un simple contrôle de la balance des matériaux : le volume cumulatif produit du réservoir doit correspondre au produit du volume interstitielle (à partir de la porosité du noyau) et aux facteurs d'expansion.

Étape 5 : Ajuster les paramètres du modèle pour honorer les contraintes de base

Une fois que les données du noyau et du laboratoire ont été utilisées pour établir la plage possible de taux de déclin et d'exposants, ajustez le modèle de courbe de déclin de façon à ce que ses prévisions à long terme ne violent pas les limites physiques. Par exemple, fixez un taux économique minimum basé sur kh et les propriétés du fluide.

Étape 6 : Recalibrer avec la production historique et segmenter le déclin

Une fois que les paramètres du modèle sont limités par les données de base, il faut les adapter au taux de production historique. Cependant, le déclin peut ne pas être une tendance continue unique – les changements dans les conditions d'exploitation, les interventions de puits ou les transitions de réservoirs peuvent créer des segments. Utilisez les données de base pour décider quand changer l'exposant de déclin.

Meilleures pratiques pour une validation fiable

  • Utiliser des données de base représentatives:[ Veiller à ce que les échantillons de carottes soient prélevés sur toutes les unités de débit et à ce que les mesures soient effectuées à la contrainte du réservoir.
  • Compte de l'hétérogénéité:[ Courbes de déclin comportement moyen du réservoir. Les données de base issues de stries à haute perméabilité peuvent induire en erreur, à moins que la distribution spatiale ne soit envisagée.
  • Les essais de renforcement ou de retrait de pression permettent de mesurer directement l'épaisseur de perméabilité. Cette mesure de point devrait s'aligner sur le kh utilisé pour l'échelle du modèle de déclin.
  • Mise à jour des modèles fréquemment :[ Les données de base sont statiques, mais les propriétés du réservoir peuvent changer au fil du temps (p. ex. compactage, dommages à la formation).
  • Hypothèses de document: Enregistrer clairement les données de base et de laboratoire qui ont éclairé chaque paramètre. Cette transparence permet de futures révisions et examens par les pairs.

Pièges courants et comment les éviter

Surmonter les données historiques sans contraintes physiques

Il est tentant de manipuler q i et b pour obtenir une correspondance parfaite avec l'histoire, mais cela produit des prévisions qui ne sont pas physiquement fondées. Utilisez toujours les données de base pour fixer des limites supérieures et inférieures sur b et D[. Si les meilleures caractéristiques b se situent en dehors de la plage suggérée par l'analyse de base, vérifiez si la description du réservoir est incorrecte ou si les données de base sont valides.

Ignorer les changements dans le mécanisme de conduite

Un modèle hyperbolique unique ne peut pas saisir cette hypothèse. Utilisez les données de perméabilité relative du noyau pour identifier les conditions de saturation dans lesquelles le moteur dominant change, puis cassez le déclin en segments séparés.

Utilisation des données de base provenant de zones non représentatives

Si les échantillons de carottes ne sont prélevés que sur les meilleurs intervalles de réservoir, la validation sera trop optimiste. Combinez les données de carottes avec les logs à trous ouverts pour pondérer la distribution de perméabilité dans toute la zone de paye. La moyenne kh devrait refléter la moyenne arithmétique de toutes les couches, et non pas seulement les stries à haute perméabilité.

Négligence des variations de propriétés fluides

Les données PVT d'un seul échantillon peuvent ne pas représenter l'ensemble du réservoir, surtout s'il y a des variations aréales ou verticales de composition. Utilisez plusieurs analyses PVT si disponibles, ou appliquez des corrélations qui tiennent compte des gradients de profondeur. Le taux de déclin dépend directement de la viscosité et de la compressibilité des fluides; les erreurs dans ces propriétés se propagent en erreurs de prévision.

Techniques de validation avancées

Utilisation des données de base pour contrarier la simulation numérique

Le comportement complexe du déclin peut être reproduit avec un modèle de simulation numérique simple qui honore la perméabilité du noyau, la perméabilité relative et les données PVT. L'exécution de quelques scénarios de simulation et la correspondance de la forme de courbe de déclin fournissent une vérification physique du modèle empirique du déclin. Si le modèle empirique ne peut pas reproduire le déclin simulé, la forme du modèle est inappropriée.

L'apprentissage automatique a aidé à l'analyse de la courbe de déclin

Les progrès récents dans l'apprentissage automatique permettent l'intégration des données de base, des registres de puits et des données de production dans un seul cadre. Les réseaux neuraux peuvent identifier les relations non linéaires entre les propriétés rocheuses et les paramètres de déclin. Cependant, la sortie doit être validée par des mesures de laboratoire pour éviter les surajustements.

Validation probabiliste de la courbe de déclin

Les données de base sont toujours incertaines, et au lieu d'une seule validation déterministe, il faut établir une gamme de courbes de déclin en échantillonnant la perméabilité du noyau et la perméabilité relative dans leurs erreurs de mesure, ce qui donne une prévision probabiliste qui reflète la véritable incertitude des propriétés du réservoir.

Étude de cas : Application de la validation de base à un réservoir d'huile étanche

Un réservoir d'huile serré dans le bassin de Permian a connu un déclin initial abrupt suivi d'une longue queue. Les ajustements hyperboliques initiaux sans données de base ont donné des valeurs b proches de 1,0, ce qui suggère un déclin harmonique. Cependant, l'analyse de base a montré que la perméabilité relative au pétrole a chuté fortement à des saturations faibles en huile, ce qui indique un b plus proche de 0,3. Après avoir limité le modèle avec des données de base, les prévisions sont devenues beaucoup plus prudentes et l'estimation révisée des réserves a chuté de 40 %.

Conclusion

Valider des modèles de courbe de déclin avec des données de base et des résultats de laboratoire transforme la prévision empirique en une pratique physiquement fondée. En intégrant des mesures de porosité, de perméabilité, de perméabilité relative, de pression capillaire et de propriétés des fluides, les ingénieurs des réservoirs peuvent fixer des limites réalistes sur les paramètres de déclin et éviter les prédictions trop optimistes. Le processus progressif – de l'assemblage des données à la prévision probabiliste – assure que le modèle final respecte la physique fondamentale des réservoirs.

Pour de plus amples informations sur les techniques d'analyse de courbes de déclin avancées, voir SPE Decline Curve Analysis Training et l'article SPE -L'analyse de courbes de déclin dans les réservoirs non conventionnels: A Critical Review -. On peut trouver d'autres références sur les méthodes d'analyse de base à Schlumberger , les meilleures pratiques pour l'analyse de base et ScienceDirect , la page thématique de l'analyse de courbes de déclin.