ניתוח עקומה (DCA) עומד כאחד השיטות הרציפות והמתושמות ביותר בהנדסת נפט עבור חיזוי ייצור והערכה עתודות.מהתחלות הצנועות שלה כאימון מתפתל אמפירי בלבד לשילוב הנוכחי שלה עם למידת מכונה ונתונים עתירי גבוה, האבולוציה של DCA משקפת את הטרנספורמציה הרחבה של תעשיית הנפט והגז עצמה. מאמר זה עוקב אחר ההתפתחות ההיסטורית של ניתוח, את המגמות האסטרטגיות, את המגמות המדוכות, ואת התחזיות, כיצד יש מגמות חישוביות המודרניות, אשר עיצבוכות, וחיזוי טכנולוגיות מתקדמות.

יסודות אמפיריים מוקדמים (1900s–1940)

מקורות ניתוח העקומה של הירידה מתוארכים בימים הראשונים של תעשיית הנפט כאשר מפעילי הבחינו לראשונה כי ייצור הנפט מן באר לא נשאר קבוע אבל בהדרגה ירד לאורך זמן.תצפיות מוקדמות אלה היו רק מפוקחות: מהנדסים ששילמו את שערי הייצור נגד הזמן על נייר גרף וציירו עקומות חלקה דרך נקודות הנתונים.התבניות הנפוצות ביותר שנצפו הן ירידה מתמדת (הרחבה) או ירידה הדרגתית (ירידה הדרגתית).

בשנות ה-20 וה-30 של המאה ה-20, הגולוגים והמהנדסים החלו לתעד באופן שיטתי את התנהגויות הירידה הללו.העבודה של ה-FLT:0R. E. OldfatherveFLT:1 ו-FLT:2J.J. ArpsibFLT 3: (לפני שהפך את התרומות המאוחרות יותר שלו) הניחה את היסודות על ידי כך שהפחתה של ייצור זה לעתים קרובות עקב צורה מתמטית צפויה, שיטות מוקדמות אלה לא היו רקמות לא אמין, אלא גם לא היו רקמות של חומרים פיסיקלות, אלא גם לא אמין, אלא גם לא היו מתאימים לכדי שינוי מהיר, אלא גם כן, אלא גם אם כן, אלא גם אם כן, אלא גם לא היה מתאים יותר, אלא גם כן, אלא גם כן, אלא גם כן, אלא גם כן, אלא גם כן, ולכן, ולכן, ולכן, ולכן, ולכן לא היה חסר חיזוי מדעי, אם כן, אם כן, ולכן, אלא כלי חיזוי מדעי, אלא גם כן, אלא גם כן, אם כן, לא היה מתאים יותר, אם כן, אם כן, אם כן, אם כן, לא היה מתאים לשימוש תיאורטי, כך, כך, כך, כך, כך, אם כן, אם כן, כך, כך, כך, כך, אם

למרות מגבלות אלה, שיטות אמפיריות הפכו לסטנדרט התעשייה מכיוון שהן דרשו רק נתוני ייצור - אין נכסים של מאגר, נתונים ללחץ או חישובים מורכבים.ירידה טיפוסית מעידן זה הייתה מורכבת ממזימה של שיעור מול הזמן, עם המדרון של השורה הישר נותן את קצב הירידה הדומיניאלית.הפשטות והמהירות של עקומה ידנית אלה מתאימים לאימוץ הנרחב שלהם, במיוחד בהיעדר מחשבים דיגיטליים.

The Arps Era: Theoretical Grounding (1940–1970s)

פריצת הדרך החשובה ביותר בניתוח עקומת הירידה הגיעה בשנת 1945 כאשר FLT:0 (John J. ArpsigFLT:1 פרסמו את מאמרו ציון דרך:2 "Analysis of Decline Curves"FLT:3 בעסקאות של AIME. Arps הציע שלושה מודלים מתמטיים - היפרבוליים, הרמוניים, הרמוניים, אשר נותרו הבסיס של DCA עד היום, משוואות פיזיות, לא רק כדי למשוואה; הוא לא היה קשור רק לנפיחות פיזית; הוא לא היה קשור רק לנפיחות; הוא רק לנפיחות; הוא רק לנפיחות פיזית.

[ה][דרוש מקור]] [ב]] [ה[[המאה ה-20], אשר מ[[1924]], [[1924]], [[1924]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]], [[1924]], [[1924]], [[1924]]]], [[1924]]]]]]]]]], [[1966]]]], [[1924]]]]]]]]]]]], [[1924]], [[1924]]]]]]]], [[1924]]]]]]]] [[1924]]]]]]]]]] [[[[1924]]]]]]

(ה) הדוגמניות של ארפס הפכו במהרה לסטנדרט התעשייה.האימוץ שלהם הואץ על ידי פרסום מספר ספרי לימוד מרכזיים בשנות החמישים וה-60, כולל FLT:0B. C. CraftofLT:1 ו-FLT:2M. F. Hawkins'FLT 3: 3; FLT:4Applied Reservoir EngineeringFLT:5, אשר כלל כתבי הקודש ל-C, כולל את דרישות המתודולוגיהה-Ampleed.

עם זאת, מודלים של Arps היו מגבלות חשובות.הם הניחו כי תנאי הפעלה טובים (כמו לחץ על הפרצה התחתונה) נותרו קבועים, אשר לעתים רחוקות המקרה בפועל.הם גם דרשו היסטוריה של ייצור ארוך כדי להגדיר את ההידרדרות באופן אמין, והם לא יכלו להתמודד עם תקופות זרימה או את ההשפעות של התערבויות טובות.

קריפטה וסירוב של מודל ה-Arps

בשנות ה-60 וה-70, החוקרים החלו לבחון באופן ביקורתי את ההנחות העומדות בבסיס המודלים של ארפס. מ.J. FetkovichveFLT:1 בשנת 1980 (למרות שעבודתו הייתה קודמת על ידי מחקרים קודמים) הראו כי דגמי Arps עדיין בתוקף רק עבור זרימה מתמדת - מצב שלא ניתן להגיע עד מאוחר בחיים של בארפס, עדיין יכול לזרום עם מודלים יציבים יותר, אך עדיין ניתן להוביל לדגמיים יותר, אך ורק לדגמיים, אך ורק לכדי תחזיות קבועות, אך ורק לכדי שינוי, אך ורק לכדי שינוי, אך ורק לכדי שינוי קבוע, אך ורק על פני טווח, אך ורק על פני טווח, אך ורק על פני השטח, אך ורק על פני השטח, אך ורק על פני השטח, אך ורק על פני השטח, בתנאי תחזיות, אך ניתן לכדי שינוי, אך ורק על פני השטח, בתנאי תחזיות, אך ורק על פני השטח, אך עדיין יכול להוביל לכדי תחזיות, אך ורק על פני השטח, אך ורק על פני השטח, בתנאי שעדיין ניתן לכדי תחזיות, אך עדיין ניתן עדיין ניתן לכדי תחזיות, אך ורק על פני טווח, אך ורק על פני השטח, בתנאי תחזיות קבועות, אך ורק על פני

עוד זיכוך חשוב היה ההכרה כי הירידה ב-FLT:0breave 1 לא יכול לעלות על 1 לזרם מופקד גבולות במאגרים קונבנציונליים.ערכים של FLT:2bibph 3:> 1, לעתים קרובות נצפה במאגרים הדוקים/נשלים, הצביעו כי הנחות היסוד הופרו.

הרחבת המודלים בדצמבר (1980s–1990s)

בשנות ה-80 וה-90 ראו התרחבות של מודלים של ירידה חלופית שמטרתם להתגבר על המגבלות של משוואות של ארפס.שני דוגמאות בולטות היו מודל ה-FLT:0Stretched Exnential Decline Model (SEPD)FLT:1 ו-FLT:2 (Duong ModelFLT 3: 3LT 3).

מודל דצמבר של Exnential Decline Model (SEPD)

(ב) ב[[1995]] [[1961]] וב[[1924]] [[1966]] [[1966]] [[1966]] [[1966]]]] [[1966]]]], [[1966]]]]]], [[1966]]]]]]]]]], [[1966]]]]]]]]]], [[1924]]]]]]]]]], [[1966]]]]]]]]]]]], [[1966]]]]]], [[1966]]]]]], [[1966]], [[1966]]]], [[1966]]]]]]]], [[1966]]]]]]]]]], [[1966]], [[1966]]]]]]]]]]]]]], [[1966]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]

מודל דונג עבור reervoirs

(למרות שהתפתח באופן רציונאלי בשנות ה-90), ה-FLT:0W. J. DuongveFLT:1 הציג מודל ירידה המותאם במיוחד למאגרי השבורות, כגון אלה בפצלי ה-Bkken ו- Eagle Fords. Duong לוכדים אופקיים עם מספר שברים הידראוליים לעתים קרובות מציג תקופת זרימה ליניארית שנמשכת במשך שנים, ומייצרת קצב ייצור אשר ירד באופן יחסי ל-F2:

מודלים מיוחדים אחרים

בשנות ה-90 גם ראו את התפתחותם של מודלים לתרחישים ספציפיים כגון בארות גז, מאגרים של מים, ורב-שכבות שולמו את הייצור.לדוגמה, ה-FLT:0Wattenbarger-type מעוקל מסוג 1 עבור זרימה ליניארית במאגרי גז הדוק, ו-FLT:2Gringten-typeFLT3 מקושרת למאפיינים פשוטים, כגון שברים, כמו גם להורדת HDA.

המהפכה ההשתכרות (1990–2000)

הזמינות הנרחבת של מחשבים אישיים וכלי סימולציה מספריים בשנות ה-90 שינתה באופן יסודי את האופן שבו נעשה ניתוח עקומת הירידה.מדריך המתבסס על נייר סמילוג נתן דרך לחבילות תוכנה שיכולו להתאים באופן אוטומטי לנתונים, לטפל במגוון רחב של בארות, וליצור תחזיות פרובביליסטיות.

חשוב יותר, מחשבים אפשרו ליישום של ההרחבה:0 (non ליניארי regression Regression) 1 עבור פרמטר estimation. במקום להתאים באופן ידני את הירידה כדי להתאים את הנתונים, מהנדסים יכולים להשתמש אופטימיזציה לפחות בקנה מידה כדי למצוא את הפרמטרים הטובים ביותר באופן אוטומטי.

המהפכה החישובית אפשרה גם את שילוב של DCA עם כלי אפיון אחרים של מאגר מידע (למשל, FLT:0 transient Analysis (RTA)RLT:1 - המשלבת מושגים של עקומת משקל עם נתונים בלחץ זורם - הפך מעשי כי סימולטורים מספריים יכולים לפתור את משוואה דיפרנציאלית בזמן אמת.

דרישות פרובטיביות ו- Brownfield

התפתחות גדולה נוספת הייתה המעבר מניתוח עקומת ההסתברותי של ה-Flabilistic. בשנות ה-90, החברה של מהנדסי הנפט (SPE) וארגונים אחרים החלו לקדם את השימוש בהזמנות ל-Probabilistic, שם התחזיות מובעות כ- P10, P50 ו- P90 ערכים. גישה זו מכירה בודאות הטבוע בתחזיות ובהתאמה עם שיטות ניהול תיקיות מודרניות.

עבור נכסים ב-CDCA שימש יותר ויותר לא רק עבור בארות בודדות, אלא גם עבור חיזוי שדה. מהנדסים צברו אלפי עקומות לחיזוי ייצור מצטבר מפורטפוליו גדולים, סיוע בתכנון הייצור, מתקנים מתרבים, אופטימיזציה כלכלית.ה-FLT:0SM (Simaneous Multiwell Aggregation and Regression Tool) LTsizing, ו- 1 מתודולוגיה בהתאמה לשיטות דומות לדיכאון.

מגמות מודרניות: Machine Learning and Big Data (2000s-Present)

בשני העשורים האחרונים, תעשיית הנפט והגז חוותה התפוצצות בזמינות נתונים, המונעת על ידי הפצת חיישנים דיגיטליים (מערכות של SCADA), מון ייצור גבוה ואימוץ נרחב של נתונים אלקטרוניים.המידע הזה, בשילוב עם התקדמות בלמידה מכונה (ML) ואינטליגנציה מלאכותית (AI), פתח גבולות חדשים לניתוח של ירידה.

מודלים של Machine Learning Models for Production Predicting

(המודלים המסורתיים של Arps וגזרותיהם מניחים צורה פונקציונלית קבועה (הרחבה, היפרבולית וכו ') שיטות למידת מכונה, לעומת זאת, יכול ללמוד את הירידה ישירות מהמידע מבלי לכפות צורה מוגדרת מראש.טכניקות כגון: FLT:0andom Forests FLT:1, FLT:2Grad Boostings Machines (למשל, XFIR) ו-RIRDV) היו רק תכונות זמן קצרות קצרות (RIRDV) ו-RIRFLT5) LT5 (RIRSTFLT5) LT5) LT5 (RIRSTFLT) LT) LT5 (RIRSTFLT5) LT5) ו-RIRSTERLIRSTERFLT) LT5) , כולל , כולל LT3 LT5 LT) , כולל LT3 LT3.

מחקרים אחרונים הראו כי מודלים מבוססי LSTM לעתים קרובות outperform המסורתית Arps מתאים, במיוחד עבור בארות לא קונבנציונליות שבו התנהגות הירידה היא מאוד לא ליניארית ומושפעת על ידי רשתות שבר מורכבות.לדוגמה, FLT:0Wang וצ'ן (2019)FLT 1 הוכיח כי מודל LSTM נדרש על אלפי בארות אופקיות באגן Permian השיג 20% אחוז נמוך יותר (MAfit) בהשוואה לדגם פיזיקלימי תיבות של תקן זה פחות רציונליות, לעומת זאת, עם זאת, אשר פחות רציונליות פיזית יותר, לעומת זאת, לעומת זאת, אשר פחות מאשר מודל זה הופך להיות יעיל יותר מאשר תקן זהה יותר מאשר מודל זה יותר מאשר תקן יעיל יותר מאשר תקן זה יותר מאשר תקן יעיל יותר מאשר תקן יעיל יותר מאשר דגם ההסתברות גבוהה יותר מאשר תקן זה יותר מאשר הסתברות גבוהה יותר מאשר הסתברות גבוהה יותר מאשר תקן זהה, עם זאת, עם זאת, עם זאת, עם זאת, עם זאת, עם זאת, עם זאת, עם זאת, עם זאת, עם זאת, עם זאת, עם זאת, 000 יעיל יותר מאשר תקן יעיל יותר מאשר הסתברות פיזית LSTM, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, 000 אופטי

Big Data Analytics ו-Desline Curve Workflows

(א) זמינותן של פלטפורמות מחשוב ענן (AWS, Azure, Google Cloud) אפשרה עיבוד של מאגרי נתונים בקנה מידה שלם הכוללים מיליוני חודשי ייצור של נתוני חברות כמו FLT:0 Novi LabsFLT:1, FLT:2EnverusFLT 3, ו-FLT:4BernsteinFLT:5 פיתחה פעולות אוטומטיות, למעט מחסנים, אשר מאפשרות שימוש ב-Creatives (Fergergergergergation) של נתונים, לעומת שימוש ב-FLT) ו-Fergiclygation.

טרנד משמעותי נוסף הוא שילוב של סטטיסטיקות קדמוניות (FLT:0) 1:1 ו- (FLT:2geostatisticsssveFLT 3 עם DCA על ידי ניתוח ההפצה הגיאוגרפית של Arps'FLT:4breaFLT: 5 לשעבר או ירידה ראשונית, מהנדסים יכולים לזהות כתמים מתוקים ולהבין כיצד גיאולוגיה ואפקט הייצור העיצובי במיוחד עבור החלטות קריסנטי הוא סיכון משמעותי לפיתוח בחלל.

פיזיקה-Guided Machine Learning

כדי לגשר על הפער בין סימולציה מבוססת נתונים טהורה וסימולציות של מאגר נתונים, החוקרים פיתחו (FLT:0) רשתות עצביות מונחות על ידי נתונים טהורים (PGNNs) .FLT:1 מודלים אלה משלבים מגבלות פיזיות - כגון משוואה איזון החומרי או משוואה דיפרנציות - לתוך תפקוד אובדן של רשת ה-ML העצבית, ולהבטיח כי התחזיות הן מציאותיות גופנית גם אם הן מעבר לטווח הגמישות של תחום ה-DN.

כיוונים עתידיים ואתגרים

בעוד התעשייה מתקדמת, מספר אתגרים והזדמנויות יעצבו את הפרק הבא של ניתוח עקומת הירידה.

עקבו אחרי Unconventional Reservoirs

הגידול המהיר של ייצור שמן וגז לא קונבנציונלי (שחוקים, חולות צמודות, מתאן פחם) הכריח חשיבה בסיסית של DCA. המאגרים הללו מפגינים זרימה ממושכת, אינטראקציות מורכבות, וכושר נחיתות רגישה ללחץ, שכל אלה מפרים את הנחותיהם של דגמי ארפס קלאסיים, בעוד שדוגמתים כמו Duong ו- SEPD הסתגלו, לעתים קרובות דורשים הנחות נוספות על גבי גלאומטריה ופירוק של משאבים עתידיים (FART) אשר עלולים להתמקד באופן מפורש בדגמי עבודה (למשל, ירידה).

אינטגרציה עם מידע בזמן אמת

עם כניסת האינטרנט של הדברים (IoT) בשדות הנפט, נתוני ייצור בזמן אמת הופכים לנפוצים.שיטות DCA שיכולות לעדכן תחזיות באופן דינמי כמידע חדש מגיע - מה שנקרא "FLT:0 online LearningFLT:1 - יהפכו למעודכנים יותר ויותר.

החלטות והחלטות בלתי-וודאות

מודרני DCA נע מעבר לרווחי ביטחון פשוטים ל- FullFLT:0decision-theoretic מסגרותsFLT:1 המשלב אופטימיזציה כלכלית וסובלנות סיכון.לדוגמה, במקום לשאול "מה זה P50 EUR?", המפעילים שואלים כעת "מה האסטרטגיה הטובה ביותר לנקם ערך נטו הנוכחי בתנאי ירידה?", זה דורש הפיכה של DCA עם אלגוריתמים חזקים וניתוחים של חלבונים:

סיקור ודיווח על אתגרים

הרגולטורים (למשל, ה-SEC) וגופים בתעשייה (למשל, SPEE) הקימו הנחיות קפדניות לרזרבות אשר העדיפו באופן מסורתי מודלים של Arps חקוניים עם הצדקה המתועדת, כגישות מבוססות ML חדשות, אתגר יהיה לאמת את השיטות הללו לעמוד בתקן "הבטחון הסביר" הנדרש לרזרבות מוכחות.

מסקנה

ממשטחים שצומחים על נייר סמיולוג ועד רשתות עצביות מתואמים את הנתונים של זרימת הנתונים, ניתוח עקומת הירידה עבר טרנספורמציה יוצאת דופן במאה הקודמת.השיטות האמפיריות של תחילת 1900 נתנו דרך לקרנות התיאורטיות שנקבעו על ידי Arps, אשר לאחר מכן התפתח באמצעות מודלים מיוחדים עבור מאגרים שבורים וכלים חישוביים אשר אוטומטיים את תהליך ההתאמה כיום, מכונה ולמידה גדולה הם דוחפים את הדיוק והדיוק של DC, אך גם כן, אך ורק על ידי קבלת דיוק חדש, אך ורק על ידי קבלת החלטות רגולטוריות.

בעוד התעשייה ממשיכה לחלץ פחמימנים ממאגרים מורכבים יותר ויותר, הצורך בייצור אמין, בעל משמעות פיזית, והתאמה של תחזיות הייצור יגדל רק.עתיד של DCA אינו נוטש את מורשת ארפס אלא גם בהגדלתו עם מדע הנתונים המודרני, כך שהמהנדסים יכולים לקבל החלטות מושכלות בעולם לא בטוח ומשתנה במהירות.