Table of Contents

ניתוח עקומה דק נשאר אחד השיטות הנפוצות ביותר עבור חיזוי ייצור שמן וגז. עם זאת, האמינות של מודלים אלה תלויה במידה רבה באיכות הנחות היסוד על התנהגות המאגר. אימות מודלים של ירידה עם נתונים הליבה ותוצאות מעבדה מבטיח כי תחזיות מעוות בסלע בפועל ונכסים נוזליים במקום התאמה סטטיסטית בלבד. מאמר זה מציג גישה מקיפה כדי לשלב מדידות ליבה ונתונים ניסיוניים לתוך עקומת עבודה, טכניקות איסוף נתונים אנליטיות, מודלים להורדת הטוב ביותר, ומודלים, לשיטות איסוף נתונים אנליטיים, ומודלים, ומודלים, לשיטות איסוף נתונים אנליטיים, ולא רק לשיטות איסוף נתונים.

יסודות של מודלים של Decline Curve

מודלים של עקומה צויין מתארים את השיעור שבו הייצור מבאר או מאגר יורד לאורך זמן.שלוש הדוגמניות העיקריות - דבר חשוב, היפרבולי, והרמוניה - כל אחד מניח מערכת יחסים שונה בין קצב הייצור לבין ייצור מצטבר או זמן.

המונחים: sound

(הירידה בירידה בירידה בירידה בירידה בירידה בירידה בירידה מתמדת של שיעור שברירית.במתמטיקה, היא באה לידי ביטוי כ-FLT:0, שבו FLT:0q00FLT:1 הוא השיעור, FLT:2q iFLT 3 הוא השיעור הראשוני, אך ורק ל- 7.

המונחים: Hyperbolic Decline

(הירידה המרבית והשימושית ביותר) היא מודל רב תכליתי ונפוץ (ה-FLT): 0bcioFLT:1 בין 0 ל-1, המשוואה היא 1 כאשר FLT:2bcioFLT:2bph 3=0, היפרבולי מופחת לצמצום אקספונציאלי; כאשר FLT:4bFal:5=1=2bjectonic) ניתן ליישב את היבולים (החלים) באופן טבעי).

המונחים: Decline

ירידה הרמונית (ראה:0)bFLT:1 = 1) מניחה כי שיעור הירידה הוא פרופורציה לייצור המצטבר.זה משמש לעתים רחוקות בעצמו, אך מופיע בשילוב עם פלחות היפרבוליות בכמה זרמי עבודה מתקדמים.

מדוע מידע ראשוני ותוצאות מעבדה חשובים לאימות

מודלים מדויקים של עקומה הם אמפיריים - הם מתאימים לנתונים היסטוריים מבלי לדרוש ידע של פיזיקה של מאגר.זה גורם להם נטייה להתאמה לקויה אם מנגנוני זרימה בסיסיים משתנים.נתוני הליבה ומדידות מעבדה לספק את המגבלות הפיזיות הדרושות כדי לוודא כי מודל הירידה שנבחר הוא עקבי עם התנהגות המאגר בפועל.

תכונות הליבה

  • (FLT:0)Porosity and Permeability:FreaLT:1) תכונות בסיסיות אלה בקרת יכולת אחסון ופוטנציאל זרימה.אם מודל הירידה צופה יכולת זרימה גבוהה יותר או נמוכה יותר מאשר מדידות הליבה מצביעים, הפרמטרים המודל צריכים התאמה.
  • (FLT:0) Permeability:FLT:1 בתרחישים של זרימה רב-phase, עקומות של אחריות יחסית שמקורן בשיטפונות ליבה מגדירות כיצד שמן, גז ומים מתחרים על זרימת מודלים.
  • (ב) [ה]: [ה]]] [ב]]] [ב]]] ב[[התמ"ג], [ה], [ה], [ה]], [ה]"ב[[המאה ה-20]],], [ה[[המאה ה-20]],]], ה[[המאה ה[[המאה ה[[המאה ה-20]],]],]],]],]],]], [[המאה ה[[המאה ה[[המאה ה[[המאה ה[[המאה ה[[1924]]]]]]]],]],]],]],]],]],]],]],]],]],]],]],]],]],]],]], [[1924]],]],]],]],]], [[1924]], [[1924]],]], [[1924]]]],]],]], [[1924]], [[1924]], [[1924]]]], [[1924]]]]]], [[1924]]]]]], [[1924]], [[1924]], [[1924]], [[1924]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]
  • (ב) דחיסות סלעית:0) דחיסות סלע 1:1 ממדכאות הליבה משפיעה על האיזון החומרי ועל התנהגות הירידה, במיוחד במאגרי לחץ יתר או ניכוי.

בדיקות מעבדה כי באופן ישיר Inform Decline Curve אימות

  • (FLT:0)Routine הליבה ניתוח (RCA): ההרחבה 1 מספקת porosity, Permeability, צפיפות דגנים תחת לחץ מאוזן או נקיון רשת.
  • ניתוח הליבה המיוחד (SCAL): FLT:1 כולל חוסר יכולת יחסית, לחץ capillary, ומדידות התנגדות חשמליות.
  • (FLT:0)אנליזה:PVT ניתוח:FLT:1 מבחנים בלחץ-כול-כול-טמפרטורה על דגימות נוזל מאגר לספק קוצר רוח, ייצור נפח, ופתרון יחס של גז.נכסים אלה משפיעים על קצב הירידה מכיוון שהם קובעים כמה הנוזל מתרחב כמו טיפות לחץ.
  • (FLT:0) ודידות מתח בין-גזעיות: ⁇ :1 אלה משפיעים על נקודות קצה יחסית של חוסר יכולת וסיכומים של שאריות, אשר בתורו לשלוט בהחלמה האולטימטיבית ובזנב של העקומה.

תהליך אימות שלב-בי-Step-by-Stepation Process

זרימת העבודה הבאה משלבת נתונים ליבה ותוצאות מעבדה להתאמה של מודל עקומה.כל צעד בונה על הקודם כדי ליצור תחזית מבוססת.

שלב 1: להרכיב את הליבה גבוהה Quality Core ו- Lab Data

התחל על ידי איסוף כל דגימות הליבה הזמינות ממאגרי היעד. עדיפויות דגימות המייצגות את יחידות הזרימה הראשי ולהימנע רע נזק או לא מייצגות תקים את העומק, ליתולוגיה וכל תצפיות חזותיות. בצע ניתוח ליבה שגרתי תחת לחץ פיננסי נטו להשיג זיהום מכוונן ומדגיש ניתוח של עמידות.עבור ניתוח רב-עוצמה.

שלב 2: חישוב יכולת זרימה של אחריות מהנתונים Core

השתמש בערכי הליבה כדי לחשב את ה-FLT:0khharpherph המוצר 1 (לעתים קרובות תשלום נטו) בהשוואה לזה עם FLT:2khirFLT 3, למעט ניתוח קבוע לחץ או ממגמה מוקדמת ירידה.אם יש פער גדול, ייתכן כי הנתונים הליבה אינם מייצגים, כי המאגר הוא שבר או ממודל זה אינו מספק ירידה לא נכונה על בסיס עצמאי.

שלב 3: קביעת ה- Exnent של Relative Permeability Shape

(ה) ירידה (FLT:0) בדגם היפרבולי אינה שרירותית; היא קשורה פיזית למשטח של עקומות ההנעה היחסית (=0) למאגרי הנפט המיוצרים תחת כונן גז פתרון, ירידה של 6 נקודות זכות להפחתה בין 0.2 ל-0.4.

שלב 4: אימות נגד איזון חומרי באמצעות נתונים PVT

תכונות PVT מגדירות כיצד נפח המאגר משתנה עם לחץ. השתמש בגורם נפח היווצרות ויחס גז מ- PVT דוחות להמיר ייצור פני השטח לנפחים המאגר. ולאחר מכן לבצע בדיקת איזון חומרי פשוט: נפח המאגר המצטבר צריך להתאים את המוצר של נפח הנקבובי (מבטיחות הליבה) ואת גורמי ההתרחבות.אם הפחתת התחזיות עולה על נפח הידרוקרבן המנובע מהנתונים הליבה והנוזלים, החיזוי חייב להיות מתוקן.

שלב 5: התאמת מודל פרדוקסים לכבוד קוסטרינטים

לאחר שנתוני הליבה והמעבדה שימשו לקשור את הטווח האפשרי של שערי הירידה והתומכים, להתאים את מודל העקומה של הירידה כך שהתחזיות לטווח הארוך שלו לא מפרות את הגבולות הפיזיים.לדוגמה, לקבוע שיעור כלכלי מינימלי המבוסס על סמך ריבוע:0khreaFLT:1 ונכסים נוזליים. השתמש בהעברה היפרבוליבית-לכאורה בקצב ירידה, אך שנקבע על בסיס חסימה לא ריאלית.

שלב 6: התחדשות עם ייצור היסטורי וסגמנט הצו

לאחר שפרמטרי המודל מוגבלים על ידי נתוני ליבה, להתאים את המודל לשיעור הייצור ההיסטורי.עם זאת, הירידה עשויה לא להיות מגמה רציפה אחת - שינויים בתנאי הפעלה, התערבויות טובות, או מעברי מאגר יכולים ליצור פלחי. השתמש בנתונים הליבה כדי להחליט מתי לשנות את הירידה. לדוגמה, אם חד-צדדיות יחסית הליבה מצביעה על כך ש פריצת דרך מים תשנה את משטר זרימת המים, להציג בנפרד לאחר הירידה של רמת המים מסוימת.

שיטות טובות להגדרה אמינה

  • (FLT:0) נתוני הליבה של נציג: FLT:1ua להבטיח כי דגימות הליבה נלקחות מכל יחידות הזרימה וכי המדידות נעשות בלחץ המאגר.
  • (FLT:0) Account for Heterogeneity:cioFLT:1) ירידה במשקל ממוצע של התנהגות של מאגרים.הנתוני הליבה ממריצים בעלי יכולת גבוהה יכולים להטעות אלא אם כן החלוקה המרחבית נחשבת.
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (FLT:0) דגמים עדכניים לעתים קרובות: FLT:1 נתוני Core הם סטטיים, אבל תכונות המאגר יכולות להשתנות עם הזמן (למשל, קומפקטיות, נזק להיווצרות).
  • (FLT:0) הנחה: FLT:1המחשה של תיעוד ברור איזה מידע ליבה ומעבדה הודיעו לכל פרמטר.שקיפות זו מאפשרת שינויים עתידיים וסקירות עמיתים.

מלכודות נפוצות וכיצד להימנע מהם

שיפור נתונים היסטוריים ללא קונסטריטים פיזיים

(ב) ,[דרוש מקור] ל[[1924]], [[1924]]]]]] ו[[1924]]]]]], [[1924]]]]]], [[1924]]]]]]]]]]]] ו[[1924]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]

התעלמות משינויים ב- Drive Mechanism

מאגרים רבים מעבר ממנועי גז לכונן מים או להתרחבות של גז.מודל היפרבולי יחיד אינו יכול ללכוד את זה. השתמש בנתונים של אחריות יחסית הליבה כדי לזהות את תנאי השאיבה בהם השינויים בכונן הדומיננטי, ולאחר מכן לשבור את הירידה לתוך פלחים נפרדים.

שימוש בנתונים Core מאזורים שאינם מייצגים

אם דגימות הליבה נלקחות רק מן המרווחים הטובים ביותר של המאגר, האימות יהיה אופטימי מדי.שלב נתונים ליבה עם זרמים פתוחים כדי לחשב את חלוקת האחריות על פני כל אזור השכר.

ניכוי משתנה רכוש Fluid

הנתונים של PVT מדגימה אחת עשויים לא לייצג את כל המאגר, במיוחד אם יש הבדלים דו-כימיים או אנכיים בהרכב. השתמש בניתוחים PVT מרובים אם זמין, או ליישם התאמות חשבון עבור ⁇ עומק.קצב הירידה תלוי ישירות על סטיות נוזלים ודחיסות; שגיאות בתכונות אלה propagate לתוך שגיאות חיזוי.

טכניקות אימות מתקדמות

שימוש בנתונים Core כדי להטמיע את סימולציה נונארית

התנהגות של ירידה מורכבת ניתן לשכפל עם מודל סימולציה פשוט המספרי כי מכבד את ההסתה הליבה, אחריות יחסית, ונתונים PVT. הפעלת כמה תרחישים סימולציה והתאמה של צורת העקומה מספקת אימות מבוסס פיזיקה של מודל הירידה האמפירית.אם המודל אמפירי לא יכול לשחזר את הירידה המדומה, המודל הוא לא הולם.

Machine Learning Assisted Decline Curve Analysis

ההתקדמות האחרונה בלמידה של מכונות מאפשרת שילוב של נתונים ליבה, יומני טוב, ונתוני ייצור במסגרת אחת.רשתות נילי יכולות לזהות יחסים לא ליניאריים בין תכונות סלע ופרמטרים ירידה.עם זאת, הפלט חייב עדיין להיות מאומת נגד מדידות מעבדה כדי להימנע מהתאמה יתר. Machine Learning הוא כלי לזיהוי מודלים של מועמד, לא תחליף למגבלות הליבה.

המונחים: Probabilistic Decline Curve אימות

נתוני הליבה תמיד יש אי ודאות.במקום אימות ⁇ יחיד, לבנות טווח של עקומות על ידי הדגימה של חוסר יכולת הליבה ואת האחריות היחסית בתוך שגיאות המדידה שלהם.זה מייצר תחזית פרוביביליסטית המשקפת את אי הוודאות האמיתית בתכונות המאגר.P10, P50, ו- P90 מכווץ לספק בסיס חזק יותר לקבלת החלטות מאשר קו מתאים אחד.

מקרה מחקר: יישום אישור החזרה לנפט חזק

מאגר שמן הדוק באגן הפרסיאני הציג ירידה ראשונית תלולה בעקבות זנב ארוך.התאיות הראשוניות ללא נתוני ליבה נתנו:0bibFLT:1 ערכים ליד 1.0, מה שמרמז על ירידה הרמונית.עם זאת, ניתוח ליבה הראה כי עמידות יחסית לנפט צנחה בחדות בשקעי נפט נמוכים, והצביע על ירידה משמעותית של נתונים שמרנים יותר, לאחר ירידה של דגם זה, ירידה מדויקת יותר של נתונים שמרנים יותר, לאחר ירידה משמעותית של 40%, ירידה בירידה בירידה בירידה בירידה של נתונים פרוגרסיבית של פרוגרסיבית של אינפלציה, ירידה משמעותית של נתונים פרוגרסיבית של פרוגרסיבית של פרוגרסיבית של אינפלציה, לאחר ירידה משמעותית של 40%.

מסקנה

אימות מודלים עקומת ירידה עם נתונים ליבה ותוצאות מעבדה הופך את החיזוי האמפירי לתוך תרגול מעוגן פיזית. על ידי שילוב מדידות של נקבוביות, אחריות, אחריות יחסית, לחץ זמני, ונכסים נוזליים, מהנדסי מאגר יכולים להגדיר גבולות ריאליים על פרמטרים ירידה ולהימנע משיפור נתונים אופציונליים.

(ב) לקריאה נוספת על שיטות ניתוח עקומת ירידה מתקדמות, ראה:0.10.SPE Decline Curve Analysis Trainingment Trainingment Trainingmenterph:1 ו-SPE ניירFLT:2 "Decline Curve Analysis in Unconventional Reservoirs: A Critical Review"FLT 3: 3 , ניתן למצוא התייחסות נוספת על שיטות ניתוח ליבה של FLT:4chSlumbergers עבור ניתוח מתקדם עבור ניתוח ראשי תיבות של Commons עבור Best Analysis for Best Analysis for Class: 6FLT5ds: 7.