Déclin de l'analyse des courbes dans le contexte des réservoirs de gaz non conventionnels : principaux points de vue

Déclin de l'analyse des courbes dans le contexte des réservoirs de gaz non conventionnels : principaux points de vue

L'analyse de la courbe de déclin (ACD) est l'une des techniques les plus utilisées dans l'ingénierie des réservoirs pour prévoir la production et estimer la récupération finale.Au départ, elle a été adaptée pour les réservoirs conventionnels avec des régimes de débit relativement simples pour tenir compte du comportement complexe des réservoirs de gaz non conventionnels comme le gaz de schiste, les sables de gaz serrés et le méthane provenant des gisements de charbon.Ces systèmes non conventionnels présentent des caractéristiques de production uniques et #8212; un déclin initial rapide, un débit transitoire prolongé et une forte dépendance à la conception de l'achèvement et #8212; ce défi aux modèles de déclin traditionnels.

Principes fondamentaux de l'analyse de la courbe de déclin

L'analyse de la courbe de déclin consiste à adapter les données de production historiques à une fonction mathématique qui décrit comment le taux diminue au fil du temps. Les trois modèles classiques de déclin Arps forment la base :

• Descente exponentielle (b=0) – suppose un taux de déclin constant, généralement applicable à un débit stabilisé dans les réservoirs conventionnels.
• Dénaison hyperbolique (0<b<1) – permet au taux de déclin de diminuer au fil du temps, ce qui permet de mieux correspondre à de nombreux puits non conventionnels.
• Dégât harmonique (b=1) – représente un cas particulier de déclin hyperbolique avec une diminution très progressive du taux de déclin.

L'équation Arps est exprimée comme suit: \( q(t) = \frac{q i}{(1 + b D i t)^{1/b}} \) pour le déclin hyperbolique, où \( q i \) est le débit initial, \( D i \) est le débit nominal initial, et \( b \) est l'exposant du déclin. Dans les réservoirs non conventionnels, le modèle hyperbolique (avec b<1) fournit souvent une correspondance raisonnable pendant la période transitoire initiale, mais ne parvient pas à saisir la transition éventuelle vers un débit dominé par les limites ou les effets de réseaux de fracture complexes.

L'estimation de la réserve de DCA repose sur l'extrapolation de la courbe ajustée à un taux limite économique ou à un horizon temporel déterminé. La production cumulée à l'abandon définit l'estimation de la récupération finale (EUR). Toutefois, l'incertitude en EUR pour les actifs non conventionnels peut être substantielle, rendant les approches probabilistes et l'analyse de sensibilité des composantes essentielles de tout flux de travail rigoureux de DCA.

Défis uniques dans les réservoirs non conventionnels

Contrairement aux réservoirs classiques où le débit atteint rapidement des conditions à prédominance limite (état de pseudo-stable), les puits non conventionnels peuvent présenter de longues périodes de débit transitoire (instable) pendant des mois ou même des années. Pendant cette période, la zone de drainage n'est pas fixée et les modèles Arps standard peuvent surestimer EUR s'ils sont appliqués prématurément.

Réseaux de fracture complexes et stimulation multi-stage

Le forage horizontal combiné à la fracturation hydraulique à plusieurs étages crée un volume de réservoir stimulé (VRS) contenant un réseau de fractures primaires et secondaires. L'interaction entre la matrice (avec une perméabilité ultra-faible) et le réseau de fractures régit le profil de production. Le déclin précoce est dominé par le nettoyage et l'épuisement de la VRS, tandis que la production ultérieure tire de la matrice environnante. Ce comportement à double porosité n'est pas capté par de simples équations Arps sans modification.

Identification du régime de flux

Les régimes communs dans les gaz non conventionnels comprennent le débit bilinéaire (diminution de la conductivité de la fracture), le débit linéaire (de la matrice aux fractures) et le débit dominé par les limites. Les méthodes d'analyse des vitesses-transients (ATR) comme l'appariement de la courbe de type sur les logarithmes de vitesse par rapport au temps, ou l'utilisation du tracé carré-racine-de-temps pour le débit linéaire, fournissent plus de puissance diagnostique que le seul DCA.

Qualité des données et distorsions des temps de pointe

Les données de production provenant de puits non conventionnels souffrent souvent de fermetures, de changements de contrepression, d'initiation artificielle à la levée et de charge de liquide.Ces événements opérationnels peuvent masquer le véritable déclin dû au réservoir.Le prétraitement des données propres et le #8212; y compris la correction pour les conditions de surface, l'élimination des aberrations et la normalisation à une pression constante du fond et #8212;est une condition préalable pour un DCA significatif.

Méthodes modifiées de courbe de déclin pour le gaz non conventionnel

Pour remédier aux lacunes des modèles Arps classiques, plusieurs méthodes de courbe de déclin alternatives ont été proposées spécifiquement pour les réservoirs non conventionnels.

Modèle de Duong’s

Duong (2011) a introduit un modèle basé sur l'observation que de nombreux puits de gaz de schiste présentent une période de débit linéaire prolongée, où le taux de production suit une baisse de la loi de puissance dans le temps : \( q(t) = q 1 t^{-m} \) avec \( m \) généralement compris entre 0,5 et 1,0. Duong’s modèle intègre également un paramètre \( a \) qui explique la baisse du rapport de perte dans le temps. Ce modèle produit souvent de meilleures correspondances précoces et des estimations EUR plus conservatrices que le modèle hyperbolique. Cependant, il peut ne pas fonctionner bien dans les cas où des effets de limite apparaissent pendant l'historique de la production.

Déclin de la production exponentielle (PESD)

Valkó et Lee (2010) a proposé le modèle exponentiel étiré, qui caractérise la distribution des temps de déclin caractéristiques dans un réservoir hétérogène. Le taux de production est donné par \( q(t) = q 0 \exp(-(t/\tau)^\beta) \), où \( \beta \) (entre 0 et 1) décrit le degré de comportement subdiffusif. La SEPD a une base théorique dans la physique du flux dans des milieux poreux hétérogènes et offre souvent d'excellents ajustements pour les périodes précoces et tardives.

Modèle de droit du pouvoir exponentiel (PLE)

Le modèle PLE (parfois appelé modèle hyperbolique modifié) combine un déclin de la loi de puissance à des moments précoces avec une queue exponentielle à des moments tardifs. Il est défini comme \( q(t) = q 0 \exp(-(t/\tau)^n) \) où \( n \) est l'exposant. Ce modèle peut accueillir une large gamme de formes de déclin et se transition facilement vers une désintégration exponentielle lorsque le flux dominé par les frontières est atteint.

Justification de l'utilisation de modèles multiples

Aucun modèle n'est universellement applicable : des facteurs tels que la perméabilité des réservoirs, la demi-longueur des fractures, l'espacement des puits et la longueur de l'historique ont une influence sur ce modèle qui fournit les prévisions les plus fiables. Un flux de travail prudent implique l'adaptation de plusieurs modèles (p. ex. Duong, SEPD, PLE, hyperbolique avec b<1) et la comparaison des distributions EUR qui en résultent.

Principales conclusions pour une analyse précise des courbes de déclin dans les gaz d'ombre et de serre

En s'inspirant des pratiques exemplaires de l'industrie et des recherches récentes, les éléments suivants peuvent améliorer de façon significative les résultats du DCA pour les réservoirs de gaz non conventionnels.

1. Prioriser la qualité des données et le prétraitement

Les données brutes de production doivent être soigneusement vérifiées. Il faut régler des problèmes tels que les intervalles de déclaration incohérents (p. ex., tous les jours ou tous les mois), les périodes manquantes et les changements dans les conditions d'exploitation. La normalisation des taux à une pression constante du fond (en utilisant des taux normalisés par pression) élimine l'influence d'un prélèvement variable.

2. Mettre l ' accent sur l ' analyse des temps de pointe pour l ' étalonnage

Au cours des 6 à 18 premiers mois, la courbe de déclin contient le plus d'informations sur les propriétés du réservoir et de la fracture. La correspondance de ces données initiales avec un modèle de débit transitoire (p. ex., pente linéaire du débit sur un tracé de vitesse-vs.-carré-racine-du-temps) impose des contraintes sur la demi-longueur et la perméabilité de la fracture.

3. Incorporer les prévisions probabilistes

Compte tenu de l'incertitude élevée dans les réservoirs non conventionnels, les prévisions déterministes peuvent être trompeuses. Une approche probabiliste utilise la distribution des paramètres du modèle (p. ex., b, Di, qi) et leurs corrélations pour générer des estimations P10, P50 et P90 EUR. La simulation de Monte Carlo ou l'inférence bayésienne peuvent être appliquées.

4. Combiner DCA avec l'analyse des taux-transients

La DCA et la RTA sont complémentaires. La RTA fournit une compréhension mécaniste des régimes de débit et des propriétés des réservoirs (perméabilité, peau, demi-longueur de fracture), tandis que la DCA offre une base pratique pour l'extrapolation.

5. Valider avec les statistiques des puits et des bassins analogiques

L'étude du comportement de production des puits adjacents ou des puits dans des formations similaires permet de vérifier la santé mentale des prévisions de DCA. Les courbes de type construites à partir d'une population de puits dans le même jeu peuvent servir d'attente préalable. Les méthodes statistiques telles que le regroupement hiérarchique ou l'apprentissage automatique peuvent regrouper des puits ayant des caractéristiques de déclin similaires et améliorer la puissance prédictive de l'analyse.

6. Compte pour l'interférence des puits et le forage de remplissage

Au fur et à mesure que les champs se développent, les puits de remplissage entraînent une diminution de la pression et une interférence de fracture avec les puits existants, ce qui peut accélérer le taux de déclin des puits parentaux.

Le rôle de l'apprentissage automatique et de l'analyse avancée

La surtension de la disponibilité des données de la surveillance des puits à haute fréquence (dimètres de trous, fibres optiques, compteurs automatisés) a ouvert la porte à l'apprentissage automatique pour augmenter le DCA traditionnel. Bien que les modèles classiques exigent des hypothèses explicites sur les régimes de débit, les algorithmes ML peuvent apprendre les modèles directement à partir des séries chronologiques de production et des données auxiliaires (paramètres de complétion, attributs géologiques).

Réseaux neuronaux et apprentissage profond

Les réseaux neuronaux récurrents (RNN) et les réseaux de mémoire à court terme (LSTM) ont été appliqués à la prévision de la production de pétrole et de gaz. Ces modèles peuvent saisir les dépendances temporelles et les relations complexes non linéaires. Lorsqu'ils sont formés sur des centaines de puits, ils peuvent produire des prévisions précises à court et moyen terme sans s'appuyer sur une équation de déclin pré-préétablie.

Amélioration des gradients et des forêts aléatoires

Les méthodes d'arbre d'ensemble sont populaires pour prédire l'EUR en fonction de caractéristiques statiques (longueur du puits, masse du propane, propriétés de formation), qui permettent d'identifier les moteurs les plus influents de la performance du puits et de fournir des sorties probabilistes.

Sélection automatisée des modèles et optimisation des paramètres

En formant un classificateur sur des données historiques qui incluent la récupération finale réelle (connue à partir de la production ultérieure), l'algorithme peut recommander d'utiliser des modèles hyperboliques, Duong ou SECD basés sur des modèles de début de vie. De même, les algorithmes évolutifs peuvent optimiser les paramètres d'un modèle choisi pour minimiser l'erreur de prévision sur une fenêtre de validation.

Applications pratiques et orientations futures

L'analyse des courbes de déclin demeure indispensable pour la planification du développement sur le terrain, l'évaluation économique et la communication financière des actifs gazeux non conventionnels. L'intégration d'analyses avancées, une meilleure compréhension de la physique des flux et une amélioration continue de la qualité des données rendent le DCA plus fiable que jamais.

Stratégies de développement sur le terrain

Les gestionnaires de portefeuille utilisent les résultats de l'ACD pour identifier les puits à rendement élevé, optimiser l'espacement et estimer la base de ressources totale pour un tampon ou une section. La comparaison du comportement de déclin des différents modèles d'achèvement (p. ex. espacement des grappes, volume fluide) aide à affiner la stimulation future du puits.

Déclaration des réserves en vertu de la SEC et du SGRR

Les entreprises cotées en bourse doivent déclarer les réserves prouvées, probables et possibles en utilisant des méthodes rigoureuses. La DCA est une technique acceptée pour la catégorisation des réserves lorsqu'elle est correctement appliquée et documentée.L'utilisation de multiples modèles et méthodes probabilistes est de plus en plus reconnue par les organismes de réglementation comme étant une pratique exemplaire.

Surveillance et prévision en temps réel

Avec la prolifération de l'informatique de pointe et de l'analyse en nuage, il est maintenant possible d'exécuter le DCA en temps quasi réel. Des workflows automatisés qui ingèrent les données de production chaque jour, le préprocédent, s'adaptent aux modèles candidats et génèrent des prévisions permettent aux ingénieurs de rapidement identifier les puits sous-performants ou les tendances de déclin inattendues.

Orientations futures

La prochaine vague d'innovation en DCA pour le gaz non conventionnel comprendra probablement des modèles hybrides qui combinent des contraintes basées sur la physique (p. ex., équilibre des matériaux, mécanique de propagation des fractures) avec des corrections basées sur les données. Des jumeaux numériques de puits et de réservoirs qui intègrent le DCA comme un élément d'un modèle d'auto-étalonnage sont à l'horizon. De plus, l'utilisation d'analyses de séries chronologiques avancées (p. ex., transformations de vagues, substituts de Fourier) peut révéler des modèles cachés dans les données de production qui améliorent les prévisions à long terme.

Conclusion

L'analyse des courbes de déclin demeure une pierre angulaire des prévisions de production et de l'estimation des réserves pour les réservoirs de gaz non conventionnels, mais son application nécessite une adaptation minutieuse à la physique et à la complexité uniques de ces systèmes. En combinant une compréhension approfondie des régimes de débit, en choisissant des modèles modifiés appropriés (Duong, SEPD, PLE), en intégrant l'analyse des vitesses-transients et en adoptant des approches probabilistes et d'apprentissage automatique, les ingénieurs peuvent générer des prévisions plus fiables. La qualité des données, l'analyse précoce et la validation par rapport aux statistiques sur le terrain sont des étapes non négociables dans tout flux de travail solide.