ניתוח קלודור בקונטקסט של גז בלתי קונבנציונלי Reservoirs: Key Insights

ניתוח קלודור בקונטקסט של גז בלתי קונבנציונלי Reservoirs: Key Insights

ניתוח קלון (DCA) הוא אחד הטכניקות הנפוצות ביותר בהנדסה מאגר עבור חיזוי ייצור והערכה של התאוששות האולטימטיבית שפותחה במקור עבור מאגרי קונבנציונאליים עם משטרי זרימה פשוטים יחסית, DCA כבר מותאם לטפל בהתנהגות המורכבת של מאגרים גזים לא קונבנציונליים ספציפיים כגון גז פצלי פציפ, גזים הדוקים, וממת פחם אלה, תצוגות בלתי קונבנציונליות ייחודיות: #12 ואילך, ירידה משמעותית של ניתוח מתקדם של פיתוח, ירידה של מודלים מתקדמים של תהליכים מתקדמים של פיתוח, ירידה של תהליכים מתקדמים של מודלים מתקדמים של תהליכים מתקדמים, ירידה של מודלים מתקדמים, ירידה של תהליכים מתקדמים של תהליכים מתקדמים של פיתוח יעיל של תהליכים מתקדמים, ירידה של מודלים של תהליכים מתקדמים של פיתוח יעיל יותר, ירידה של תהליכים מתקדמים של גז, ירידה של מודלים מתקדמים, ירידה של מודלים מתקדמים, ירידה משמעותית של תהליכים מתקדמים, ירידה משמעותית של מודלים מתקדמים, ירידה של שיטות פעולה, ירידה של תהליכים מתקדמים של שיטות פעולה, ירידה של פיתוח, ירידה של תהליכים מתקדמים של שיטות פעולה, ירידה משמעותית של מודלים מתקדמים של פיתוח, כגון גז, ירידה משמעותית של מודלים מתקדמים של מודלים מתקדמים, ירידה של שיטות פעולה, ירידה משמעותית של מערכות הפעלה, ירידה של שיטות פעולה, ירידה של שיטות פעולה, ירידה משמעותית של מודלים מתקדמים, ירידה משמעותית, ירידה משמעותית של פיתוח

מימון של ניתוח דצמבר

הליבה שלה, ניתוח עקומת ירידה כרוך התאמת נתוני ייצור היסטוריים לתפקוד מתמטי המתאר כיצד השיעור יורד לאורך זמן.שלושת דגמי ה-Arps הקלאסיים מדגימים את הבסיס:

• (ב) נפילה:0) ירידה אחראית (b=0) ו-#8211; מניחה שיעור ירידה קבוע, בדרך כלל החל על זרימה מייצבת במאגרים קונבנציונליים.
• (FLT:0) ירידה הימפרבולית:1hil (0 <b <1) ו-#8211; מאפשר את שיעור הירידה להפחתה לאורך זמן, מתן התאמה טובה יותר עבור הרבה בארות לא קונבנציונליות.
• (ב) [15] ,(הירידה ההירומית של הרב-מ"ד) (b=1) ו-#8211; מייצגת מקרה מיוחד של ירידה היפרבולית עם ירידה הדרגתית מאוד בקצב הירידה.

משוואה Arps באה לידי ביטוי: ( q(t) = /frac {q i}( + b i t)^{1/b}}\) להפחתה היפרבולית, שבו (( q i) הוא קצב זרימה ראשונית, ולכן (D i t) הוא הירידה הראשונית של nominal, ו / b) הוא הירידה הניתוק מוקדם של חומרים לא קונבנציונליים, אך לעתים קרובות להחלפה (אפקטים) של תאים מוקדמים של תאים לא מתאימים להחלפה (אך) הוא המשתנים, אך לא מתאימים להשפעות של תאים מוקדמים (בדרך כלל, אך לא סדירות (אך) או לאפקטים (אך) הוא ירידה בינונית (בדרך כלל, אך לא סדירות) הוא ירידה בינונית (בדרך כלל, אך לא מתאימים להשפעות של תאים) של תאים) או להשפעות של תאים מוקדמים של תאים מוקדמים של תאים) או בלתי סבירים (אך) הוא ירידה בינונית (אך) הוא ירידה בינונית (אך) הוא ירידה בינונית (בדרך כלל, אך לא סדירות של תאים לא סדירות של תאים לא סדירות של תאים מוקדמים של תאים) הוא ירידה בינונית (אך) הוא ירידה בינונית (אך) הוא ירידה בינונית (בדרך כלל, אך לא סדירות) הוא ירידה בינונית (אך) הוא ירידה בינונית

הערכת estimation של DCA מסתמכת על תוספת של עקומה מתאימה לשיעור הגבלת כלכלי או אופק זמן מוגדר.הייצור המצטבר בנטישה מגדיר את ההתאוששות האולטימטיבית המשוערת (EUR) עם זאת, אי הוודאות בEUR עבור נכסים לא קונבנציונליים יכולה להיות משמעותית, מה שהופך גישות פרוביביליסטיות וניתוח רגישות חיוני של רכיבים של כל זרימת עבודה DCA קפדנית.

אתגרים ייחודיים ב-Unconventional Reservoirs

מאגרים גזים לא קונבנציונליים מציגים מספר תכונות המסבך את ניתוח עקומת הירידה הסטנדרטית.בניגוד למאגרים קונבנציונליים שבהם זורם במהירות להגיע להגדרה (מצב סטנד-אי) תנאים, בארות לא קונבנציונליות יכולות להציג תקופות ארוכות של זרימה (לא יציבה) זרימה של חודשים או אפילו שנים. במהלך תקופה זו, אזור הניקוז אינו קבוע ומודלים סטנדרטיים ארפסים עשויים להיות מיומים לפני זמן קצר.

רשתות מורכבות Fracture ו- Multi-Stage Stimulation

קידוח משולב עם רב-שלב הידראולי fracturing יוצר נפח מאגר מעורר (SRV) המכיל רשת של שברים ראשוניים ומשניים.האינטראקציה בין הממטריקס (עם נחיתות אולטרה-נמוכה) ואת רשת השבעה שולטת פרופיל הייצור.הירידה של זמן מוקדם נשלטת על ידי שברים ומחיקת SRV, בעוד ייצור מאוחר יותר זמן שואב מהמריצה סביב זה כפול לא נתפס על ידי התנהגות פשוטה.

המונחים: Flowמשטר Identification

זיהוי משטר זרימה השורר הוא קריטי.משטרים נפוצים בגז לא קונבנציונלי כוללים זרימה דו-לשונית (התנהגותי של fracture נשלט), זרימה ליניארית (ממטריקס לשברים), וזרם מבוקר גבולות.ניתוח קבוע (RTA) שיטות כגון סוג-curve התאמה על מגרשי לוג של קצב לעומת הזמן, או באמצעות ריבוע-הזמן של מזימה לינארית עבור זרימה הרבה יותר מאשר לשלב את ה-A.

איכות נתונים ועיכובים מוקדמים

נתוני ייצור מבארות לא קונבנציונליות סובלים לעתים קרובות מעומס, שינויים בגיבוי, הרמת משקולות מלאכותית, וטעינה נוזלית.אירועים תפעוליים אלה יכולים להסוות את הירידה המונעת על ידי מאגר מידע אמיתי מראש ו- #8212; כולל תיקון לתנאי פני השטח, הסרתם של חריגים, ונורמליזציה ללחץ חורין עקבי ו-#8212; הוא תנאי מוקדם של החודשים הראשונים של ייצור רגיש, במיוחד, אך גם מירידה חדה ביותר של נוזל, אך גם מרעש מוחלט של נוזל, אך גם כן, אך ורק לאחר מכן, אך ורק מרעש חד-ה.

שיטות קבועות של קראב עבור גז לא קונבנציונלי

כדי לטפל בחסרונות של דגמי Arps הקלאסיים, כמה שיטות עקומת ירידה חלופיות הוצעו במיוחד עבור מאגרים לא קונבנציונליים.

Duong ’: מודל

Duong (2011) הציג מודל המבוסס על התבוננות כי בארות גז פצלי רבים להציג תקופת זרימה ליניארית ממושכת, שבו שיעור הייצור עוקב אחר ירידה בחוק כוח בזמן: ( q(t) = q 1 t^{-m) עם / m / m / () בדרך כלל בין 0.5 ל 1.0. Duong & #8217; מודל משלב גם פרמטר (x) כי ביצועים עבור אובדן מוקדם יותר מאשר תופעות לוואי שמרנית לעתים קרובות.

הפקה משותפת (SEPD)

Valk ó ו-Lei (2010) הציעו את המודל האקספוננציאלי המתרחב, אשר מאפיין את חלוקת זמני הירידה האופייניים במאגר heterogeneous.הקצב הייצור ניתן על ידי (( q(t)= q 0/exp(t/tau)\beta)\beta)\beta)\beta), שבו (בין 0 ו- 1) מתאר את מידת ההתנהגות התת-ממדית-ממדית של תת-דפסיבית, לעיתים קרובות, ב-פרקטית, כאשר הוא מספק את ה-פרקטית, ו-פרקטית, כאשר הוא מתאים גם הוא מופיע ב-II.

Power-Law Exnential (PLE) מודל

המודל PLE (לעיתים נקרא מודל היפרבולי שונה) משלב ירידה של חוק כוח בזמנים מוקדמים עם זנב אקספוננציאלי בסוף הזמנים.זה מוגדר כ-( q(t) = q 0 /exp(t /\tau)n) / ((n) שבו / n / n) הוא מודל זה יכול להכיל מגוון רחב של צורות ושינויים רחב של עד לדעיכה אקספונמית כאשר הוא זרם אקספוננטלי.

Rationale עבור שימוש במספר מודלים

שום מודל יחיד הוא אוניברסלית רלוונטי.גורמים כגון מאגרי מידע, חצי אור אורך, ספיגה, אורך ההיסטוריה כל השפעה אשר מודל מספק את התחזית האמינה ביותר. A prudent זרימת עבודה כרוך מתאים מספר דגמים (למשל, Duong, SEPD, PLE, היפרבולי עם b< והשוואה של ההתפלגות EUR-C.

תובנות מפתח עבור Accurate Decline Curve Analysis in Shale ו- Gas חזק

בהתבסס על שיטות העבודה הטובות ביותר בתעשייה ומחקר עדכני, תובנות הבאות יכולות לשפר באופן משמעותי את תוצאות DCA עבור מאגרים גזים לא קונבנציונליים.

1.העדנו את איכות המידע וקידום

נתוני ייצור Raw חייבים להיות מחוסנים בקפידה.בעיות כגון מרווחי דיווח בלתי עקביים (למשל, יום לעומת חודש), תקופות חסרות, שינויים בתנאי הפעלה יש לטפל בהם.לנרמל את הריבית ללחץ חורין קבוע (באמצעות שיעורי לחץ-נורמליים) מסיר את ההשפעה של שיעול משתנה.שימוש בנתונים רק מתקופות של זרימה יציבה (לא סגורים) מקטין את הרעשים רבים עכשיו.

2. להתמקד בניתוח מוקדם של זמן עבור Calibration

במהלך 6 עד 18 חודשים הראשונים, עקומת הירידה מכילה את המידע הרב ביותר על מאגר ונכסים שבר. התאמת הנתונים המוקדמים הללו עם מודל זרימה (למשל, מדרון זרימה ליניארי על קצב-הטווח.-square-root-root-root-of-time) מספק מגבלות על חצי-אורך והיקף למחצה.שלב פרמטרים אלה נגזרים עם DCAs תחזית פיזית יותר מאשר עקומה אמפירית.

3.שילוב של תחזיות הסתברותיות

בהתחשב בחוסר הוודאות הגבוה במאגרים לא קונבנציונליים, תחזיות ⁇ יכול להיות מטעה.גישה פרובביליסטית משתמשת בהתפלגות פרמטרים מודל (למשל, B, Di, צ'י) ואת הקורלציה שלהם כדי ליצור P10, P50, ו- P90 EUR הערכות. Monte קרלו או Bayesian inference ניתן ליישם כלים כגון FLT:0SPES Probilistic דוח לספק הנחיות מילואים עבור DCF.

שלב DCA עם ניתוח ביצועים

DCA ו- RTA משלימים. RTA מספק הבנה מכניסטית של משטרי זרימה ונכסים מאגרים (רגישות, עור, חצי אור), בעוד DCA מציע בסיס מעשי עבור תוספת של פרמטרים של RTA-derived כדי למנוע את הפרמטרים מודל הירידה משפר את החיזוי.פלטפורמות רבות עכשיו משלבות את שתי הטכניקות לתוך זרימת עבודה מאוחדת.

5.הופנה מהדף Analog Wells and אגן סטטיסטיקות

לא קיים גם בבידוד.חקר התנהגות הייצור של בארות או בארות סמוכים בתצורות דומות מספק בדיקת סננטיות עבור תחזיות DCA.סוג מ עקומות שנבנו מאוכלוסייה של בארות באותו משחק יכול לשמש ציפייה קודמת. שיטות סטטיסטיות כגון אשכולות היררכיים או למידת מכונה יכולות קבוצות עם תכונות ירידה דומות ולשפר את הכוח החיזוי של הניתוח.

6.חשבון עבור Well Interference and Infill קידוח

ככל שתחומים מתפתחים, בארות אפי לגרום לפענוח לחץ והפרעות שבר עם בארות ייצור קיימות.זה יכול להאיץ את שיעור הירידה של בארות ההורים. DCA מבוצעת על בארות בודדות מבלי בהתחשב באפקטים מרחבי שדה עשויים להפריז ב-EUR. Integrated Asset Modeling או סימולציה משולבת יש צורך לקחת בחשבון אינטראקציות אלה, במיוחד בהתפתחויות אופקיות ממושכות.

תפקידה של Machine Learning ו- Advanced Analytics

העלייה בזמינות הנתונים מ-High- ⁇ היטב מעקב (מדפי החור, סיבים אופטיים, מדטינג אוטומטי) פתחה את הדלת ללמידה מכונה כדי להגדיל את DCA המסורתית, בעוד מודלים קלאסיים דורשים הנחות מפורשות על משטרי זרימה, אלגוריתמים ML יכולים ללמוד דפוסים ישירות מסדרה זמן ייצור ונתונים עזר (פרמטרים של החלמה, תכונות גיאולוגיות).

רשתות נילי ולמידה עמוקה

רשתות עצביות חוזרות ונשנות (RNN) וזיכרון לטווח קצר ארוך (LSTM) מוחלות על חיזוי ייצור נפט וגז.מודלים אלה יכולים ללכוד תלות זמנית ומערכות יחסים לא לינאריות מורכבות.כאשר הם מאומנים על מאות מילואים, הם יכולים לייצר תחזיות קצרות עד בינוניות ללא הסתמכות על משוואה טרום-מסוגלת.

גידול וזרמים

שיטות עץ האנסמבל פופולריים לחיזוי EUR בהתבסס על תכונות סטטיות (אורך טוב, מסת proppant, היווצרות נכסים) מודלים אלה יכולים לזהות את הנהגים המשפיעים ביותר של ביצועים טובים ולספק פלטים פרוביביליסטיים.הם גם מטפלים בנתונים חסרים וסוגים משתנים מעורבים יותר חזק מאשר רגרסציה המסורתית.זרימה עבודה טיפוסית משתמשת מודלים המבוססים על עץ כדי להעריך לפני EUR, אשר הוא מעוד על ידי DCA על נתונים מוקדמים בזמן ייצור.

מודל אוטומטי בחירה ואופטימיזציה של פרמטר

למידת מכונה יכולה להתאים את הבחירה של המודל הטוב ביותר של DCA עבור כל טוב.על ידי אימון מתווך על נתונים היסטוריים הכוללים את ההתאוששות הסופית בפועל (הידועה מייצור מאוחר יותר), האלגוריתם יכול להמליץ אם להשתמש ב- Hyperbolic, Duong, או SEPD המבוססים על דפוסים מוקדמים. בדומה לכך, אלגוריתמים אבולוציוניים יכולים לייעל את הפרמטרים של מודל שנבחר למזער את השגיאה על חלון אימות.

יישומים מעשיים וכיוונים עתידיים

ניתוח עקומה של מטה נשאר חיוני לתכנון פיתוח שדה, הערכה כלכלית ודיווח פיננסי על נכסים גזים לא קונבנציונליים.שילוב של ניתוחים מתקדמים, הבנה טובה יותר של פיזיקה זרימה ושיפור מתמשך באיכות הנתונים הופכת את DCA אמין יותר מאי פעם.

אסטרטגיות לפיתוח שדה

מנהלי תיק משתמשים בתוצאות DCA כדי לזהות בארות בעלות ביצועים גבוהים, אופטימיזציה של ספיגה, והערכה של בסיס משאבים הכולל עבור מפלט או סעיף. השוואת התנהגות הירידה של עיצובים שונים של השלמת השלמה (למשל, ספיגה אשכולית, נפח נוזל) עוזר לחדד את גירוי עתידי טוב. DCA גם תחת חישוב הירידה בשימוש בחיזוי עסקי עבור מטרות ייצור.

דוחים תחת ה-SEC ו- PRMS

חברות סוחר ציבוריות חייבות לדווח על הוכחה, סבירות, וזמינות באמצעות שיטות קפדניות. DCA היא טכניקה מקובלת עבור עתודות דיגיטציה כאשר יישום כראוי ותיעוד. השימוש במודלים מרובים ושיטות פרוביביליסטיות מוכר יותר ויותר על ידי הרגולטורים כפרקטיקה הטובה ביותר.

מעקב בזמן אמת ותחזיות

עם הפצת מחשוב קצה וניתוח מבוסס ענן, זה עכשיו אפשרי לרוץ DCA בתקופות ממשיות.זרימות עבודה אוטומטיות כי שטף נתוני הייצור הכי גבוהים בכל יום, preמעבד אותו, מודלים מועמדים מתאימים, לייצר תחזיות מאפשרות למהנדסים לזהות במהירות את בארות תחת השפעה או תחזיות ירידה בלתי צפויות.

כיוונים עתידיים

הגל הבא של חדשנות ב- DCA עבור גז לא קונבנציונלי יהיה כרוך במודלים היברידיים המשלבים מגבלות המבוססות על פיזיקה (למשל, איזון חומרי, מכניקת הפחתת שבר) עם תיקונים מונעים נתונים. תאומים דיגיטליים של בארות ומאגרים המשלבים את DCA כמו מרכיב אחד של מודל החיסוני עצמי יכול לשפר את המודלים המשתנים של למידה מתקדמת (למשל, שימוש בניתוח זמן מתקדם (למשל, גל אנליטי, למשל, משוואות), כמו גם כן, יכול לשפר מודלים מדויקים יותר, כמו משוואות למידה).

מסקנה

ניתוח עקומה דק נשאר אבן הפינה של תחזיות הייצור וההתמדה של מאגרים גזים לא קונבנציונליים, אבל היישום שלה דורש הסתגלות זהירה לפיזיקה הייחודית ולמורכבות של המערכות הללו.על ידי שילוב הבנה מעמיקה של משטרים זרימה, בחירת מודלים מותנים מתאימים (Duong, SEPD, PLE), שילוב ניתוח קצבי-טרנסטיבי וגישות למידה, מהנדסים יכולים ליצור חיזוי אמין יותר של נתונים לטווח קצר, כמו ניתוח נתונים מתודולוגיה יעילה, כמו ניתוח נתונים, קריפטומטי, ממשיך ניתוח נתונים ללא הגבלת זמן, כמו ניתוח נתונים, בתנאי ניתוח נתונים סטנדרטי, בתנאי ניתוח נתונים.