Présentation

Ces estimations guident des milliards de dollars dans les décisions d'investissement, allant du forage de nouveaux puits à la planification de projets de récupération améliorés. L'appariement historique, le processus d'étalonnage d'un modèle de simulation de réservoir pour les données de production observées, est l'une des méthodes les plus fiables pour affiner ces prévisions. En ajustant systématiquement les paramètres du modèle – comme la perméabilité, la porosité, la perméabilité relative et la transmissibilité des défauts – les ingénieurs peuvent créer une représentation numérique qui reproduit le comportement passé du réservoir. Ce modèle étalonné sert alors d'outil puissant pour prévoir la production future, évaluer l'incertitude et optimiser les stratégies de développement sur le terrain.

L'industrie pétrolière reconnaît depuis longtemps qu'un modèle construit à partir de données géologiques et pétrophysiques statiques ne parvient souvent pas à saisir les complexités dynamiques du flux de fluides. L'histoire qui correspond à l'écart entre les descriptions statiques et les observations dynamiques. Il transforme une compréhension conceptuelle en un outil prédictif qui peut être utilisé avec confiance.

Comprendre les réserves de réservoir

Les réserves de réservoir représentent les quantités d'hydrocarbures qui sont estimées récupérables à partir d'une accumulation connue dans des conditions économiques et opérationnelles existantes.Ces estimations ne sont pas statiques; elles évoluent à mesure que de plus en plus de données deviennent disponibles et que la production arrive à maturité.Les réserves sont généralement classées en catégories définies par le degré de certitude : prouvé (1P), probable (2P)[, et possible (3P). Les réserves prouvées ont un niveau de confiance élevé (probabilité d'au moins 90 %) d'être récupérables, alors que les réserves probables et possibles comportent une incertitude croissante.

Le rôle de l'incertitude

Les paramètres pétrophysiques sont mesurés dans de petits échantillons de carottes ou déduits de billes, mais l'hétérogénéité du réservoir peut faire varier considérablement ces valeurs entre les puits. Les propriétés des fluides, les perméabilités relatives et le comportement sous pression introduisent des couches supplémentaires d'incertitude. L'historique de la correspondance permet de corriger cette incertitude en limitant le modèle à l'historique de production réel. Un modèle qui ne correspond pas aux données historiques ne peut pas produire de prévisions fiables, et ses estimations des réserves sont donc suspectes.

Comment l'historique du couplage améliore les estimations des réserves

Par exemple, si un modèle avec un certain ensemble de valeurs de perméabilité surestime la production d'eau, le processus de couplage des valeurs historiques les ajustera jusqu'à ce que la coupe simulée d'eau soit alignée sur les mesures. Cette calibration accroît la confiance dans le modèle, ce qui entraîne des estimations plus solides de la récupération finale et une bande d'incertitude plus étroite autour des catégories de réserves.

Le processus de l'historique de la correspondance

Chaque itération consiste à comparer la production simulée à des données historiques, à identifier les écarts, à modifier les paramètres du modèle et à ré-exécuter la simulation. Le processus se poursuit jusqu'à ce qu'une correspondance acceptable soit atteinte, un état où les différences se situent dans des plages de tolérance prédéfinies et où le comportement du modèle est physiquement plausible.

Collecte et préparation des données

Les ingénieurs recueillent des données de haute qualité sur les taux de production (pétrole, gaz, eau), les pressions de fond et de tête de puits, les rapports gaz-pétrole, les coupes d'eau et les données de traceur sur l'historique de production du réservoir. Ces données doivent être nettoyées, validées et alignées sur les étapes de la simulation. Des données incohérentes ou bruyantes peuvent conduire à de faux couplages, de sorte qu'un contrôle rigoureux de la qualité est essentiel.

Initialisation et simulation du modèle

Un modèle de réservoir initial est construit à partir d'interprétations géologiques, de données sismiques, d'analyses de base, de bûches de puits et d'évaluations pétrophysiques, qui comprend une grille représentant le volume du réservoir, les propriétés de roche et de fluide assignées, ainsi qu'une description des conditions initiales (pression, saturation, température).

Réglage et optimisation des paramètres

Les ingénieurs identifient les paramètres qui ont le plus d'impact sur les erreurs observées. Les paramètres communs comprennent les multiplicateurs de perméabilité dans différentes régions, les distributions de porosité, les courbes de perméabilité relative, les multiplicateurs de transmissibilité des défauts, la résistance aquifère et la compressibilité des roches. Les ajustements peuvent être faits manuellement sur la base d'un jugement d'ingénierie, mais cette approche prend du temps et peut introduire des biais.

Validation et contrôle de la qualité

Une fois qu'une correspondance d'historique acceptable est atteinte, le modèle doit être validé par rapport aux données non utilisées dans le processus de couplage, par exemple, les données de pression provenant des puits d'observation, les données de production provenant de périodes ultérieures ou les essais d'interférence. Un modèle qui correspond à l'historique mais ne permet pas de prédire que les données plus récentes sont sur-adaptées et peu fiables. La validation comprend également la vérification que les paramètres ajustés sont géologiquement et physiquement raisonnables.

Avantages d'une correspondance efficace avec l'historique

Un exercice de correspondance d'historique bien exécuté offre de multiples avantages qui vont au-delà des estimations des réserves raffinées.

  • Amélioration de l'exactitude des estimations des réserves :[ En limitant le modèle à la performance réelle, l'historique de correspondance réduit l'intervalle d'incertitude, en déplaçant les réserves probables vers un statut prouvé et en augmentant la confiance dans les chiffres 2P et 3P.
  • Compréhension améliorée des caractéristiques du réservoir :[ Le processus itératif révèle souvent des caractéristiques non reconnues, comme les failles de barrière, les canaux à haute perméabilité ou la compartimentation, qui contrôlent le mouvement des fluides.
  • Mieux prévoir les scénarios de production futurs:[ Un modèle correspondant à l'historique peut être utilisé pour prévoir les taux de pétrole et de gaz, les besoins en injection d'eau et la récupération finale dans différents scénarios de développement, aidant à choisir la stratégie optimale.
  • Confiance accrue dans les plans et les investissements de développement :[ Les exploitants et les partenaires s'appuient sur des modèles assortis d'historiques pour justifier les dépenses en capital, obtenir des financements et obtenir des approbations réglementaires.
  • Optimisation des projets de récupération améliorée du pétrole (ROE) : Pour les méthodes de ROE comme l'inondation, l'injection de gaz ou l'inondation chimique, l'appariement historique aide à calibrer les mouvements frontaux de fluide et à balayer l'efficacité, ce qui permet une meilleure conception et une meilleure surveillance.

Défis dans l'histoire

Malgré sa valeur, l'historique de la correspondance est rempli de difficultés qui nécessitent une gestion prudente.

Limites des données

Les données historiques sont souvent incomplètes, peu fréquentes ou de mauvaise qualité. Les mesures de pression peuvent être éparpillées, les taux de production peuvent être répartis entre plusieurs puits avec des cours d'eau mélangés, et les coupures d'eau peuvent être signalées avec de longues lacunes.

Non-Unicité des solutions

La correspondance historique est un problème inverse, et de nombreuses combinaisons de paramètres différentes peuvent produire la même correspondance. Par exemple, un effet de support aquifère peut être imité par une forte compressibilité des roches, ou un sceau de faille peut être remplacé par une région à faible perméabilité. Sans contraintes supplémentaires (géologiques, géophysiques ou géomécaniques), le modèle assorti peut ne pas refléter le véritable réservoir. Les méthodes de quantification incertaines, telles que les approches basées sur l'ensemble, aident à générer de multiples modèles plausibles assortis d'historiques et à prédire ensuite une gamme de résultats.

Demandes de calcul

Chaque itération de l'historique nécessite plusieurs simulations et, lorsque de nombreux paramètres sont ajustés, le coût total du calcul devient prohibitif. Des grappes informatiques hautes performances sont souvent nécessaires, et même alors, les modèles de plein champ peuvent nécessiter une simplification par le biais de l'augmentation ou de l'utilisation de modèles proxy/surrogate. L'échange entre résolution du modèle et vitesse est un défi constant.

La subjectivité et les préjugés humains

Le couplage manuel de l'historique repose fortement sur l'expérience et l'intuition de l'ingénieur. Différentes équipes peuvent arriver à différents matches, chaque plausible selon ses propres hypothèses. Le biais de confirmation – paramètres qui favorisent une idée préconçue du réservoir – peut conduire à des modèles irréalistes. Le couplage de l'historique assisté réduit mais n'élimine pas la subjectivité, car le choix de la fonction objective, des plages de paramètres et de la pondération des types de données reflète toutes les décisions humaines.

Techniques avancées dans l'historique

Les progrès récents en science informatique et en apprentissage automatique transforment l'histoire d'un exercice manuel minutieux en un processus plus automatisé et plus robuste.

Correspondance avec l'historique assisté (AHM)

AHM utilise des algorithmes d'optimisation pour rechercher des ensembles de paramètres qui minimisent une fonction objective (généralement la somme des différences carrées entre les données simulées et observées). Les méthodes vont des approches locales basées sur le gradient aux algorithmes stochastiques globaux comme les stratégies d'évolution. L'avantage est la vitesse et la cohérence: AHM peut explorer beaucoup plus de combinaisons qu'un humain peut manuellement.

Méthodes d'ensemble et assimilation des données

Des techniques telles que le Ensemble Kalman Filter (EnKF)[ et ses variantes ont été adoptées à partir de la prévision météorologique et de l'assimilation des données.Dans EnKF, un ensemble de modèles de réservoir est mis à jour successivement à mesure que de nouvelles données de production deviennent disponibles (par exemple, mensuelle ou trimestrielle). Chaque modèle est lancé dans le temps, puis la moyenne de l'ensemble et la covariance sont calculées et utilisées pour ajuster l'état et les paramètres. Cette approche traite naturellement l'incertitude et la non-unicité parce qu'elle maintient une distribution de modèles. L'assimilation continue des données permet la mise à jour en temps réel, souvent appelée mise à jour du modèle[ ou réellement l'alignement de l'histoire[.

Applications d'apprentissage automatique

En formant un réseau neuronal sur un ensemble de sorties de simulation, les ingénieurs peuvent évaluer des milliers de combinaisons de paramètres en secondes, accélérant considérablement la boucle de correspondance historique. L'apprentissage du renforcement est également en cours d'étude pour automatiser le choix des paramètres à ajuster et dans quel ordre. Bien que toujours émergentes, ces techniques promettent de rendre l'historique plus efficace et accessible, en particulier pour les petits ou moyens domaines où les ressources informatiques sont limitées.

Incidence sur les décisions de développement sur le terrain

La mesure ultime d'un exercice de correspondance historique est la qualité des décisions qu'il prend en charge. Un modèle fiable de correspondance historique permet aux opérateurs:

  • Optimiser l'emplacement du puits :[ Identifier les zones non drainées, les stries à haute perméabilité ou les zones où la saturation en huile reste.
  • Des plans de programmes d'injection d'eau/de gaz:[ Prévoir des schémas de balayage, des temps de percée et la nécessité de reconfiguration des schémas.
  • Évaluer les possibilités de forage de remplissage : Évaluer la valeur potentielle de puits supplémentaires dans les champs matures.
  • Mise à niveau des installations :[ Prévision des capacités de traitement des liquides, des exigences de traitement du gaz et des besoins en compression.
  • Support de réservation de réserves et de rapports financiers:[ Fournir les pistes de vérification et la documentation requises par les organismes de réglementation comme la SEC ou la SPE.

Dans chaque cas, le modèle réduit les risques et augmente les chances de succès économique. Par exemple, un important opérateur de la mer du Nord a utilisé des données d'historique pour identifier un compartiment non suspecté, économisant des dizaines de millions de dollars en évitant un puits sec qui aurait été foré sur la seule base du modèle statique.

Orientations futures

L'avenir de l'appariement historique réside dans une intégration accrue des données multidisciplinaires, de l'automatisation et de la mise à jour en temps réel.Les jumeaux numériques, des représentations numériques dynamiques du réservoir qui sont synchronisées en permanence avec les mesures sur le terrain, deviendront réalité. Ces jumeaux intégreront non seulement les données de production, mais aussi les localisations d'événements sismiques, microsismiques 4D, et la détection de température répartie (DTS) et les données de détection acoustique distribuée (DAS) provenant de fibres optiques.

Une autre frontière prometteuse est l'utilisation de réseaux neuronaux éclairés en physique qui intègrent les équations de flux gouvernants dans l'architecture du réseau, les rendant intrinsèquement cohérents tout en pouvant apprendre des données. De telles méthodes pourraient éventuellement remplacer les simulateurs traditionnels pour les tâches de correspondance d'historique, offrant des ordres de vitesse de magnitude sans sacrifier la précision.

Conclusion

Bien que les défis de la qualité des données, de la non-unicité et du coût de calcul persistent, l'évolution continue de l'appariement des données, des méthodes d'assemblage et de l'apprentissage automatique rend le processus plus robuste, plus efficace et plus perspicace. Les ingénieurs et géoscientifiques qui maîtrisent ces techniques seront mieux équipés pour prendre des décisions éclairées, optimiser la récupération des hydrocarbures et gérer les ressources de façon durable.À mesure que l'industrie se dirigera vers la numérisation et la gestion en temps réel des réservoirs, l'appariement des données ne fera que croître en importance en tant que pierre angulaire de la pratique du génie pétrolier.