התפקיד הרחב של ניתוח קלון ב- Biogenic Gas Forecasting

ניתוח קלון (DCA) שימש כבר אבן הפינה של תחזית הייצור בתעשיית הנפט והגז.התועלת שלה מנבאת על מנת להתאים את הנתונים של זמן קצב היסטורי לתפקוד מתמטי, ולאחר מכן מעצימה את המגמה הזאת אל העתיד להעריך עתודות והחלטות פיתוח מדריך.עבור מאגרים קונבנציונליים עם מכניקת דלק מבוססת, השיטה יעילה ומדויקת באופן סביר.

DCA Fundamentals ו-The Application to Unconventional Reservoirs

DCA מסורתי מסתמכת על מערכות היחסים האמפיריות שהופצו לראשונה על ידי JJ. Arps בשנת 1945.

  • (ב) נפילה של 0 (b=0): ירידה של אחוז קבוע לזמן יחידה, טיפוסית לזרימה חד-פעמית של גבול במערכת חד-פעמה, מעט דחוסה.
  • (ב) [15] ירידה בירידה בירידה בירידה בירידה בירידה בירידה בירידה, לעיתים קרובות נצפה במנועי גז או משטרי זרימה טרנסיים.
  • (ב) ,0) ירידה חמורה (b= 1): מקרה של סוף-סוף שבו שיעור הירידה הדומינית הוא פרופורציה לקצב הייצור עצמו.

במאגרים לא קונבנציונליים, כגון גז פצלי או שמן חזק, ה- b-factor יכול לעלות על 1, אות של זרימת אנרגיה לטווח ארוך ואת הצורך מודלים משתנים (למשל, הצטברות חוק הכוח או מודל צו Exnential המתמתחים של Exnential Decline מודל), הנחת היסוד של כל דגמי DCA היא כי הפיזיקה הנהיגה - detion, גיאומטריה, תכונות ונכסים - כך ברור של מינרלים, אם כן, כך, כך, כך, כך, כך, אם כן, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, למשל, לדוגמה, כך, כך, כך, כך, כך, מדגמייתות של דגם DVF) מדגמי, מדגמייתנים, מדגמייתנים, מדגמי, מדגמי, מדגמי, מדגמי ההסתברות גבוהה של מינרלים של מינרלים של מינרלים ממוספרים, מדגמייתים, מדגמייתנים, מדגמייתנים, מדגמי דלקים, מדגמי דלק חד-F) מדגמייתנים, מדגמי, מדגמייתנים, מדגמי, מדגמייתנים, מדגמי

למה Biogenic Gas Reservoirs לשבור את החוקים של DCA

Active Generation and Dynamic Pore Pressure

גז ביוגני מתווה דרך הפירוק האנירובי של חומר אורגני על ידי ארכאה מינוגנית.תהליך זה מתרחש תחת טמפרטורה נמוכה (<100 מעלות צלזיוס) ולעתים קרובות עמוק רדודה (<1000 מטר) תנאים שלא כמו מאגר גז תרמוגני שבו גז קיים כמשאב חסר מקום שפשוט מיוצר ומנודד, מערכת ביוגנית יכולה לרוקן את עצמה באמצעות פעילות מיקרוביאלית מתמשכת כל עוד תנאי תת-קרקעית משתנה, כמו גם בתנאי ייצור קלים, ומזג אוויריים, אשר אינם יכולים להיות קבועים, כמו גם בתנאי פחמן, כמו גם בתנאי ייצור קבועים, ומזגים, כמו גם בתנאי פחמן-אוויריים, כמו גם בתנאי פחמן-אוויריים, כמו גם בתנאי פחמן-אוויריים, כאשר הם לא יכולים להיות קבועים, כמו גם בתנאי ייצור קבועים, כמו גם בתנאי ייצור קבועים, ומזגים, כמו גם בתנאי פחמן-אוויריים, כמו גם בתנאי ייצור יציבים, כמו גם בתנאי ייצור קבועים, כמו גם בתנאי ייצור קבועים, כמו גם בתנאי פחמן-אוויריים, ומזגים, כמו גם בתנאי ייצור קבועים, כמו גם בתנאי ייצור קבועים, כמו גם בתנאי ייצור קבועים, ולא מתועדים, כמו גם בתנאי ייצור קבועים, כמו גם לא יכולים להיות קבועים, כמו גם בתנאי ייצור מופחתים, כמו גם בתנאי פחמן

הטרוגניות הגיאולוגית במספר רב של מישורים

המאגרים ביוגניים נמצאים בדרך כלל במערכת רדודה, בלתי מפוחדת או מגובשת גרועה, או בתוך ים פחם המכילה מערכת שבר (נקיות) שהיא משתנה מאוד.מבנה הפוד יכול לנוע בין מאקרו-פוחיות בערוצי חול למיקרו-ומקלטים-כל כך במטריקס פחם.זה מידה רב-התיכונית זה אומר כי יכולת משתנה באופן דרמטי הן מדגמי-ידית של דגם ביו-אפגני חזק יותר מחוזק-מי, אשר מחוזק-אי-אי-אי-הוא-אי-אי-הוא-הוא-הוא-הוא-מסמך היטב, אשר עשוי להיות מחוזק-ד-הוא-הוא-הוא-הוא-הוא-הוא-מסמך היטב, אשר עשוי להיות מסתמך על-ד-ד-ד-מסוגנן, בין-מסוגנן-מתאים היטב, אשר עשוי להיות בעל השפעה יעילה יותר מאפקטיביים רבים, בין-מסוגנן-מסוגנן-מסוגנן-מחדש-מסוגנן-מסוגנן, בין-מתאים היטב, בין-מסוגנן-מסוגנן, בין-מסוגנן-מסוגנן-מסוגנן-ידי-ידי-מסוג

ארבעה אתגרים מרכזיים לניתוח קריבייט ב- Biogenic Gas

הבדלים יסודיים אלה באים לידי ביטוי בארבע אתגרים ספציפיים שעיוותים את התפוקה של DCA וביקוש לטיפול מיוחד.

1. פרופילי ייצור Irregular של Variable Gas Generation

הפעילות המטבולית של methanogens תלויה בגורמים כגון טמפרטורה, pH, לחות, זמינות תזונתית. בסביבה של פייתול, למשל, הדור גז עוקב אחר עקומה בצורת פעמון במשך כמה עשורים, עם שיא שעלול להתרחש שנים לאחר קבורה ראשונית.אם טוב מתחיל ייצור במהלך הגפיים העולה של עקומה זו, פרופיל זמני התוצאה המתקבלת מראה תקופה של עלייה או יציבה לפני כל דבר קורה ירידה עונתית, אפילו ירידה לא סדירה, אלא ירידה של ירידה של טמפרטורה לא סדירה, אלא ירידה פתאומית של ירידה של ירידה בטמפרטורות אופנתית, אלא ירידה פתאומית, אלא ירידה פתאומית, אלא ירידה פתאומית, מאשר ירידה פתאומית של ירידה פתאומית של ירידה של ירידה של ירידה בטמפרטורות אופנתית של ירידה בירידה פתאומית של ירידה פתאומית של ירידה פתאומית של ירידה בירידה פתאומית של ירידה בירידה פתאומית של ירידה בירידה פתאומית של ירידה בטמפרטורות אופנתית של ירידה בירידה פתאומית של ירידה בטמפרטורות.

2.הדצמבר המהיר המהיר הראשון עוקב אחר הרחבת ייצוב

רבים של בארות גז ביוגניות מציג פרופיל אופייני של שתי קבוצות: ירידה ראשונית תלולה של חואן שבועות עד חודשים, ואחריו תקופה ארוכה של ירידה הדרגתית מאוד או קרוב לקצב נמוך יותר.הירידה חדה מוקדם משקפת את הייצור של גז חופשי שנצבר באזור הסמוך-וולברי או בתוך שברים מושרה ללא הגבלת זמן.

3.10. Flow Heterogeneity ו- Change Promeability

מאגרי גז ביוגניים מורכבים לעתים קרובות ממשקעים heterogeneous כגון silts, חולות, עדשות חימר משועבדים עם ים עשירים אורגניים.שכבות שונות יש ערכים שונים, כמו מחיקה של ההכנסות של כדור הארץ יכול להתחיל רק לתרום גז לאחר פיזור גבוה יותר של אנרגיה, כי הם לעתים קרובות מקבל לחץ אמיתי לתוך מאגר זמן קצר יותר של מים.

4. Censored ו- Sparse הפקה

פרויקטים של גז ביוגני הם לעתים קרובות קטנים יותר בקנה מידה מאשר שדות נפט וגז קונבנציונליים, והיסטוריית הייצור שלהם יכול להיות קצר יחסית. גז טיפוסי של מקרקעין יכול להיות רק 2 עד שלוש שנים של נתונים לפני חיזוי נדרש. שופעת פחם מאן בהופעות מתעוררות עשוי להיות אפילו פחות.עם חלון מוגבל כזה, שתי שנים מוקדם של זרימת השקעות לשלוט על השיא, משאירה מעט ראיות של ניסיון קוונטי נמוך יותר כדי להפחית את רמת הפחתת כמותו של נתונים באופן קבוע (בטווח החודשי) באופן קבוע, אך באופן קבוע, אך באופן קבוע, עם מספר פעמים פחות.

פתרונות וגישות מודלים הטובים ביותר עבור Biogenic Gas DCA

התייחסות לאתגרים לעיל דורשת מעבר לעקלות ארפס פשוטות שמתאימות ושילוב מקורות נתונים נוספים ומודלים מתמטיים גמישים יותר.הגישות הבאות הוכיחו יעילות בפועל.

מודלים קבועים עם זמן-Varying Parameters

סטנדרטי DCA מניח כי שיעור הירידה הדומינינלית די נשאר קבוע או עוקב אחר חוק כוח פשוט.עבור מאגרים ביוגניים, זה לעתים קרובות מועיל להשתמש במודלים המאפשרים להפחתה של שינוי לאורך זמן.מודל המפרק של Exnential Decline (SEDM) ואת מודל Duong (התתתתתתחילה עבור פצלים שבורים) מציעים גמישות רבה יותר.

סימבולת נומרית כנספח ל- DCA

עבור מאגרים עם היסטרוגניות משמעותית או שבו קצב הדור הוא תלוי זמן, סימולציה של מאגר מספרי הוא השיטה החיזוי אמין היחיד. a כפולה-porosity או כפול-permeability מודל יכול ללכוד את האינטראקציה בין מערכת ניקוי גבוהה של פחמן (או ערוץ חול) ואת ממטריקס נמוך של גז חנק או מיוצרת בתוך מסגרת כדור הארץ, בעוד שניתנת לטמפרטורה מתאימה יותר.

שילוב מידע מקיף Assimilation ו- Machine Learning Augmentation

בהתחשב בהיסטוריה של הייצור המוגבלת האופיינית לפרויקטים ביוגניים, שילוב כל מקורות הנתונים הזמינים הוא חיוני.

  • (ב) ⁇ :0) ⁇ : ⁇ : 1 (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (FLT:0)Geochemical Dataהמחשה: FLT:1 Gas isotopicקומפוזיציה ( ⁇ 13C, ⁇ D) מאשר מקור ביוגני ומספק תובנות על מסלול הדור המתאן (אינטרקליסטי לעומת מימן).
  • (FLT:0) נתונים מיקרוביולוגיים: FLT:1rea DNA מרוקן ומטבולי כפיים כי לכמת את אוכלוסיית המונוגן ואת פוטנציאל הפעילות שלה.
  • (ב) תוצאות נתונים:0) מבצע נתונים: לחץ ראש 1:1, יחס גז מים, ונפחי הזריקה / הזרקה אשר חושפים את הדינמיקה של שלב הנוזל.

מודלים של למידה מכונה רגרסיה כגון Random Forest או Gradient Boosting ניתן לאמן על מנת לנבא את קצב ה- B-factor וירידה ראשונית המבוססת על תכונות קלט אלה.מודלים מונעים נתונים כאלה יכולים לספק הערכה קודמת ל- DCA פרמטרים, צמצום אי הוודאות כאשר מתאים לנתונים אישיים היטב.מודל יכול גם דגלים המידרדרים מההתנהגות הצפויה, כלומר בעיות מכניות או תא התאמה, יכולים להיות שיפור של המערכת הניתנת לחיזוי באופן קבוע.

Probabilistic DCA ו-Unknownty Quantification

כדי להתמודד עם רמת החיזוי הגבוהה של אי הוודאות הטמונה במאגרי ביוגניים, יש להחליף את DCA (עקומה אחת) בגישה פרובביתיסטית.

  • (FLT:0) סימולציה קרלו: 1FLT 1 התפלגות ההשתתפות של ה- DCA פרמטרים (צ'י, די, b) מוגבלים על ידי הנתונים הנצפו וכל ידע קודם.
  • (FLT:0)Markovשרשרת מונטה קרלו (MCMC): גישה 1 באיירון 1 (Bayesian) המעדכנת את התפלגות הפרמטר כמידע חדש מגיע.זה מתאים במיוחד למקרים המוגבלים של נתונים, כפי שהוא מונע התאמה יתר על ידי קידוד אמונות קודמות.
  • (FLT:0)Bootstrap resampling: ibph:1 , עבור בארות עם מספיק נתונים, שוב ושוב לטעום את הנתונים ההיסטוריים עם תחליף, להתאים מודל DCA לכל resample, ולגדול את התחזיות הנובעות להתפלגות.

Probabilistic DCA מספק מקבלי החלטות עם מגוון של תוצאות אפשריות ולא מספר אחד.זה קריטי כאשר הערכת הכדאיות הכלכלית של פרויקט גז ביוגני - אם P90 (10 אחוזה של עתודות) הוא מתחת לסף הפרויקט, ההשקעה לא יכולה להיות מוצדקת גם אם P50 (מתווך) נראה אטרקטיבי.

השלכות מעשיות על ניהול Reservoir

אימוץ טכניקות מתקדמות אלה DCA יש יתרונות ישירים לניהול מאגר יומי.ראשון, זה מאפשר לולאה אופטימיזציה היטב ספאק.אם המודל DCA מזהה תקופת ייצוב ארוכה, זה מצביע על כך שניתן להזיז את התוספות מאחר שכל אחד טוב מנקה אזור גדול בקצב נמוך.שני, תחזיות טובות יותר משפרות את חוזי השיווק גז, כמו מפעילי יכול להתחייב לאספקת אבטחה גדולה יותר, על ידי זיהוי יעיל של פעילות מיקרואקטיבית של חומרים מזינים (למשל, למשל, שיפור יעיל של פעילות גופנית) של פעילות גופנית יעילה של פעילות גופנית, שיפור יעיל של פעילות גופנית, כגון שיפור יעיל של פעילות גופנית יעילה של גזית (למשל, שיפור יעילות).

מודל מתמשך מתהפך כתרגול Core

אולי התרגול החשוב ביותר עבור DCA במאגרי גז ביוגניים הוא לטפל בחיזוי כ מסמך חי, לא תרגיל חד פעמי. כי המאגר פעיל ביולוגית וכפוף לשינויים סביבתיים, מודל שמתאים באופן מושלם בשנה הראשונה של ייצור עשוי להיות תחת השפעה על משך זמן של דינמיקה של משקיעים ב- DCA, כמו גם את השינויים הכלכליים של הפרויקט, או את השינויים החיצוניים.

מסקנה

ניתוח קיסרי עבור מאגרים גזים ביוגניים דורש עזיבה בסיסית מן השיטות המסורתיות מבוססות Arps.הטבע הדינמי של מינוגניים מיקרוביאליים, בשילוב עם הטרוגניות גיאולוגית והכיחות של שני קרינת אורגז, מייצר פרופילי ייצור לא עוקבים אחר סימולציה מיקרו-ביטלית פשוטה, אשר בסופו של דבר ההכרה באתגרים הייחודיים אלה היא הצעד הראשון לקראת פיתוח תחזיות אמינות יותר.