בדיקה אחרונה ב-Fracturing hydroulic Fracturing

ניתוח קלון (DCA) כבר זמן רב אבן הפינה של הנדסה של מאגר, ואת היישום שלה של בארות שבורות הידראולי מציג אתגרים ייחודיים והזדמנויות.בניגוד בארות קונבנציונליות כי לעתים קרובות להציג ירידה אקספוננציאלית צפויה, מאגרים שבורים - במיוחד בתעשיית הנפט הדוק ומשחקי גז פצלי פצלי פציפ - באופן חד-משמעי מעקב אחר משטר זרימה שיכול להימשך שנים.

הקרן: מידע איכותי ייצור נתונים

Accurate DCA מתחיל עם נתוני ייצור קפדניים.פרויקטים של fracturing hydroulic לעתים קרובות לחוות ניקוי מוקדם של זרימה וקצבי מתקן שיכולים להסוות את הירידה האמיתית המונעת על ידי המאגר.

  • (ב) [15] ויקרא ויקרא י"ד ו') כנגד מד טנקים ודיווחי הקצאה - יוצא דופן אחד יכול לעקר את הירידה.
  • (ב) ,0) , למעט תקופות וימים עם ניגודים תפעוליים (למשל, כישלונות דחוסים, הגבלות צינורות) מהנתונים התוקפים.
  • (FLT:0)Normalise עבור וריאציות מדכאות לאחור של ההרחבה 1 על ידי שימוש בנתוני לחץ זורם תחתית (BHFP) כאשר זמינים. המרת שערי זרימה ללחצים קבועים שווה ערך להסרת ההשפעה של הפחתת העודף.

מפעילי רבים מוצאים כי באמצעות ממוצע של 30 יום מתגלגלת השפעות על השלמת transient תוך שמירה על המגמה ארוכת טווח.עבור בארות אופקיות עם שלבים מרובים, להבטיח כי הייצור מוקצה כראוי לכל שלב שבור אם חישה חור למטה נעשה שימוש. מחקר על ידי החברה של מהנדסי נפט (SPE) מדגיש כי אי עקביות נתונים היא המקור הגדול ביותר של שגיאה ב- DCA עבור קונסולות לא קונבנציונליות (FPES-18S: 0.

מודל בחירה: מעבר ל- Standard Arps

משוואות Arps הקלאסיות (exponential, hyperbolic, hyperbolic עם ירידה מסוף) נשאר פופולרי, אבל פרויקטים הידראוליים הידראוליים לעתים קרובות דורשים שינויים ללכוד לינארית וזרימה דו לינארית.

המונחים: sound

ניתן רק לאחר זרימה טובה של גבול - נפוץ שברים בעלי יכולת גבוהה או לאחר שנים רבות של ייצור.

המונחים: Hyperbolic Decline (Arps)

המודל הנפוץ ביותר עבור בארות שבורות.ה- b-factor (0 עד 1) מתאר כמה קצב הירידה במהירות מאט. A b-factor גדול יותר מ 1 הוא פיזי לא מציאותי עבור זרימת נשלטת גבול, אך לעתים קרובות מתאים נתונים מוקדמים. השתמש שיעור ירידה מסוף (למשל, 5 עד 10% בשנה) לאחר חתך מסוים כדי להימנע מעודף של EUR.

מודל דוונג

מיועד במיוחד עבור מאגרים שבורים שבו זרימת ליניארית שולטת.מודל דונג משתמש במגמה ליניארית של אגולוג של שיעור מול הזמן ולעתים קרובות מתאים יותר מוקדם לנתונים במשרה בינונית. מפעילים רבים ליישם גישה היברידית: Duong עבור 1-3 השנים הראשונות, ולאחר מכן מעבר למודל היפרבולי מחויב.

שיטות אחרות

  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ,0) מודל הצמיחה הלוגיסטית (FLT:1) – לעיתים בשימוש עבור כל שדה.
  • (FLT:0) Machine Learning-Assisted DCAcioFLT:1) - מגמה מתפתחת באמצעות יערות אקראיים או רשתות עצביות כדי לחזות את הפרמטרים של השלמת ונכסים של מאגר.

השוואה יסודית של מודלים מסופקת על ידי FLT:0SPE Journal of Oil Technology (מאמר הנבחר) ,(הסעיף הראשון: תמיד לבדוק לפחות שלושה דגמים ב-6-12 החודשים הראשונים של נתונים ולבחור את זה עם טעות שורש-mean-square הנמוכה ביותר (RMSE) על מערכת אימות מוחזקת.

עדכון קבוע ותחזיות הסתגלות

פרויקטים של fracturing hydroulic הם דינמי - פעולות השבירה, קידוח infill, ושינוי מגבלות המתקן לשנות את ההתנהגות של הירידה.

  • (ב) ב[[1924]], [[1924]]]], [[1924]]]]]], [[1924]]]], [[1924]]]], [[1924]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]]
  • (ב) חלון מתגלגל של נתוני ייצור: 1 (למשל, 18 חודשים) ולא כל ההיסטוריה תישאר רגישה למגמות האחרונות.
  • (FLT:0) מודל מוניטור נשארות מספר 1 עבור סטייה שיטתית.אם המודל באופן עקבי overpredicts במשך שלושה חודשים רצופים, חושד בשינוי במאגרים או בביצועי המתקן.
  • (FLT:0)Store all Modelsual גרסאות מודלFLT:1 כדי לבדוק מדוע תחזיות השתנו - זה קריטי עבור הזמנות מילואים ותקשורת משקיעים.

מפעילי רבים מחליפים את זרימת העבודה הזו באמצעות פלטפורמות כמו Directus (נושא של קישור למאמר המקורי) כדי לנהל צינורות נתונים ייצור ולעורר refits כאשר נתונים חדשים בחודש מגיע.זה מבטיח כי מקבלי ההחלטות תמיד עובדים עם ההערכות העדכניות ביותר של EUR.

שילוב גורמים חיצוניים ומבצעיים

עקומות ייצור טהורות מתעלמות מהמציאות.איי.A חזק לפרויקטים של fracturing הידראולי חייב להתאים:

שינויים בעיצוב

וולס המקבלים נפחים גדולים יותר או התכווצים של שלב חזק יותר מראים לעתים קרובות ירידה קצרה יותר אבל גבוה יותר EUR Factor בפרמטרים השלמת באמצעות גישה רב-variate DCA (למשל, ליצור קבוצות מודל שונות המבוססות על טעינה proppant).

הורים-ילד-טוב אינטראקציות

בארות Infill קידוח ליד יצרנים קיימים יכול להפחית את מוליכות השבירה יעילה ולשנות את הירידה.אם הנתונים שלך כוללים בארות ילדים, להתאים את b-factor כלפי מטה עד 0.1-0.3 בהתבסס על ספיגה טובה.

קריטריונים וגורמי שוק

כאשר בארות נחנקות בחזרה בשל תנודתיות מחיר הגז או מגבלות קיבולת המעבר, עקומת הירידה הופכת ל convex. השתמש ב-Deconvolution בלחץ קצב כדי לשחזר את צורת הירידה הבלתי מרוסנת.הנציבות של טקסס מספקת הנחיות להתאמה של רשומות ייצור מופחת; ראה FLT:0C ייצור משאבי נתונים ייצור נתונים ייצור של 1.5FLT:1 .

משמרות סביבתיות ותקנות

תקנות חדשות על החייאה, סילוק מים או פעילות סיסמית יכולות לכפות שינויים תפעוליים.תמיד לשמור על יומן של אירועים כאלה וליישם את DCA (מקרים נמוכים / בינוניים / גבוה) כדי לכמת אי ודאות.

כתובת: Common Pitfalls

אפילו אנליסטים מנוסים נופלים למלכודת.כאן השגיאות הנפוצות ביותר ב- DCA עבור פרויקטים הידראוליים:

  • (FLT:0) אבחון תנודתיות של נתונים בזמן מוקדם: אנדרט (איור) 1:1 60-90 הימים הראשונים נשלטים על ידי ניקוי שבור וזרימה - להוציא אותם ממודל המתאים אלא אם כן אתה משתמש במודל זרימה מיוחד.
  • (FLT:0) מתאים עם הטבות גבוהות: ibph:1) A b-factor > 2 לעתים קרובות מסיכה איכות נתונים ירודה או מודל לא הולם.תמיד מבסס את הנגזר של הנפילה כדי לבדוק התנהגות לא נכונה.
  • (FLT:0) לא אימות עם שיטה אחרת: FIRLT:1 ; השוואה בין תוצאות DCA עם איזון חומרי או סימולציה.אם DCA EUR הוא יותר מ 30% גבוה מאשר הערכה מבוססת סימולציה, לבחון מחדש את ההנחות.
  • (FLT:0) העלאת שערי ירידת מסוף קבועה:FreaLT:1 במקום זאת, השתמש שיעור ירידה מינימלית המונעת על ידי נתונים שמקורם בארות בוגרות אנלוגיות באותה אגן.

(הופנה מהדף "Decline Curve Analysis for Unconventional Reservoirs" מאת פטזק, Saputelli ואחרים (ראה:0SPE 162543FLT:1).

טכניקות מתקדמות: Integrating DCA עם Machine Learning ו- Bayesian Methods

ככל שנתוני גודל גדלים, התעשייה נעה מעבר לעקום ⁇ . Bayesian Decline Curve Analysis מאפשר שילוב של ידע קודם (למשל, טווחי יורו טיפוסיים למשחק נתון) ומעדכן את התחזית כמידע חדש מגיע.התפוקה היא חלוקה הסתברותית ולא ערך אחד - יקר ערך עבור קבלת החלטות מבוססת סיכון.

מודלים של למידת מכונות יכולים לחזות פרמטרים ישירות מתכונות השלמת (למשל, ספירת במה, סוג נוזל, ספיגה אשכולית) מודלים אלה מאומן על ביצועים היסטוריים היטב ויכולים להפחית את אי הוודאות של DCA עבור בארות חדשות ללא כל היסטוריה של ייצור.עם זאת, הם דורשים אימות זהיר נגד נתונים מחוץ ל-sample.

7. זרימת עבודה מעשית ליישום DCA בפרויקטים של Fracturing hydroulic

  1. (FLT:0) מאגרי נתונים: 1FLT 1 משוך ייצור יומי, לחץ, והשלמת נתונים לתוך מסד נתונים מרכזי (למשל, Directus) בדיקות בקרת איכות אוטומטית עבור אפסים, שלילי, פערים.
  2. (FLT:0) בחירת מודל אינפורמטיבי: FLT:1 הפעל סדרה של מודלים מועמדים (exponential, hyperbolic עם B=0.5-1.2, Duong, SEPD) ב-12 החודשים הראשונים של נתונים.
  3. (FLT:0)Calibrate עם בארות אנלוגיות:BuildFLT:1 עבור בארות חדשות, זרע DCA עם פרמטרים מהתחלות בארות עם עיצובים דומים.
  4. (בקיצור:0) ,מונטיה אוטומטי-update: FIRLT:1) Script the DCA מנוע כדי להתאים מחדש כל 30 יום ודגל בארות שבו EUR השתנה ביותר מ -10%.
  5. (FLT:0) אי-וודאות קוונטית: FLT:1eure P10, P50, ו- P90 תחזיות באמצעות סימולציה מונטה קרלו על הפרמטרים המודל.
  6. (FLT:0) סקירת צוות ההנדסה: FLT:1 בכל רבעון, מציג לוח נתונים של תוצאות DCA לצד זוועות ייצור בפועל.זה המקום שבו "גורמי האחווה" מסעיף 4 משולבים.

8. מסקנה

ניתוח Decline נשאר כלי חיוני לניהול פרויקטים של fracturing הידראולי, בתנאי שהוא מיושם עם משמעת והכרה במגבלות שלה. על ידי התעקשות על נתונים באיכות גבוהה, בחירת מודל הירידה המתאים (לעתים קרובות שילוב של Duong ו hyperbolic), עדכון תחזיות באופן קבוע, והתאמה עבור גורמים חיצוניים, מהנדסים יכולים ליצור תחזיות אמינות כי השלמת עיצובים, אופטימיזציה, פיננסי, תכנון.

לקריאה נוספת, ספריית הנייר הטכנית של ההרחבה:0SPE מציעה מאות מחקרים רלוונטיים, ושיתוף פעולה בין-תחומי בין מהנדסי מאגר ומדענים נתונים הוא המפתח לחשיפת רמת הדיוק הבאה של החיזוי.