Introduzione

La previsione accurata delle riserve di petrolio e di gas è la base della gestione del serbatoio del suono. Queste stime guidano miliardi di dollari nelle decisioni di investimento, dalla perforazione di nuovi pozzi alla pianificazione di progetti di recupero potenziati.

L'industria petrolifera ha riconosciuto a lungo che un modello costruito esclusivamente da dati geologici e pietrofisici statici spesso non riesce a catturare le complessità dinamiche del flusso fluido. La storia che si confronta col divario tra descrizioni statiche e osservazioni dinamiche. Trasforma una comprensione concettuale in uno strumento predittivo che può essere utilizzato con fiducia. Questo articolo fornisce un esame completo della storia corrispondente, che ricopre il suo ruolo nel raffinare le previsioni delle riserve, i vantaggi di processo di step-by-shaping, i vantaggi avanzati.

Comprendere le riserve di riserva

Le riserve di riserva rappresentano le quantità di idrocarburi che sono stimate per essere recuperabili da un accumulo noto in condizioni economiche e operative esistenti. Queste stime non sono statiche; si evolvono come più dati diventano disponibili e come la produzione matura. Le riserve sono tipicamente classificate in categorie definite dal grado di certezza: proved (1P),

Il ruolo dell'incertezza

I modelli geologici sono costruiti da dati e interpretazioni sismiche che hanno una risoluzione limitata. I parametri petroliferi sono misurati in piccoli campioni di nucleo o inferred da tronchi, ma l'eterogeneità del serbatoio significa che questi valori possono variare ampiamente tra pozzi. Le proprietà fluide, le permeabilità relative e il comportamento di pressione introducono ulteriori strati di incertezza.

Come la storia abbinamento migliora le riserve stime

Grazie alla regolazione iterativa, l'abbinamento storico riduce la gamma dei possibili risultati. Aiuta a identificare quali parametri geologici e di flusso sono coerenti con le prestazioni osservate. Ad esempio, se un modello con una certa serie di valori di permeabilità sovrastima la produzione dell'acqua, il processo di corrispondenza della storia si adatta a quei valori fino a quando il modello di taglio dell'acqua simulato si allinea con le misurazioni.

Il processo di storia corrispondenza

L'abbinamento di storia non è un singolo passo automatizzato ma un flusso di lavoro strutturato e iterativo. Ogni iterazione comporta il confronto della produzione simulata contro i dati storici, l'identificazione delle discrepanze, la modifica dei parametri del modello e la ri-esecuzione della simulazione. Il processo continua fino a quando non si ottiene un'ammissibilità accettabile, uno stato in cui le differenze sono all'interno di intervalli di tolleranza predefiniti e il comportamento del modello è fisicamente plausibile.

Raccolta e preparazione dei dati

Gli ingegneri raccolgono i tassi di produzione (olio, gas, acqua), le pressioni di fondo e di pozzo, i rapporti di gasolio, i tagli d'acqua e i dati di tracer sulla storia della produzione del serbatoio. Questi dati devono essere puliti, convalidati e allineati con i passaggi di tempo di simulazione.

Modelli di inizializzazione e simulazione

Un primo modello di serbatoio è costruito utilizzando interpretazioni geologiche, dati sismici, analisi del nucleo, registri ben e valutazioni petrofisiche. Questo modello include una griglia che rappresenta il volume del serbatoio, proprietà roccia e fluido assegnate, e una descrizione delle condizioni iniziali (pressione, saturazione, temperatura). La simulazione viene eseguita nel periodo storico del tempo, e l'uscita viene estratta in luoghi ben comparati con le misurazioni reali.

Regolazione e ottimizzazione dei parametri

I parametri comuni includono moltiplicatori di permeabilità in diverse regioni, distribuzioni di porosità, curve di permeabilità relative, moltiplicatori di trasmissibilità dei guasti, forza di aquifero e compressione della roccia.

Validazione e controllo qualità

Una volta raggiunta una corrispondenza di storia accettabile, il modello deve essere convalidato contro i dati non utilizzati nel processo di corrispondenza, ad esempio i dati di pressione dai pozzi di osservazione, i dati di produzione dai periodi successivi o i test di interferenza. Un modello che corrisponde alla storia ma non riesce a prevedere i dati più recenti è troppo soddisfatto e inaffidabile.

Vantaggi di storia efficace Abbinamento

Una storia ben eseguita che si abbina all'esercizio fornisce molteplici vantaggi che vanno oltre le stime delle riserve raffinate.

  • Migliora accuratezza dei costi di riserva:[] Con la limitazione del modello con prestazioni reali, la corrispondenza della storia riduce la gamma di incertezza, spostando le riserve probabili verso lo stato dimostrato e aumentando la fiducia in 2P e 3P numeri.
  • Comprensione avanzata delle caratteristiche del server:[ Il processo iterativo spesso rivela caratteristiche precedentemente non riconosciute, come guasti della barriera, canali ad alta permeabilità, o compartimentazione, che controllano il movimento dei fluidi.
  • Migliore Predizione dei futuri scenari di produzione:[ Un modello di storia-intasato può essere utilizzato per prevedere i tassi di petrolio e di gas, i requisiti di iniezione di acqua e il recupero finale in diversi scenari di sviluppo, aiutando a selezionare la strategia ottimale.
  • Confezione crescente nei piani di sviluppo e negli investimenti:[] Operatori e partner si affidano a modelli storici per giustificare le spese di capitale, il finanziamento sicuro e ottenere le approvazioni normative. Un modello robusto riduce il rischio di sottoperformare pozzi o l'abbandono prematuro del campo.
  • Ottimizzazione dei progetti di recupero dell'olio migliorato (EOR):[ Per i metodi EOR come la fluoding dell'acqua, l'iniezione del gas o l'alluvione chimica, l'abbinamento della storia aiuta a calibrare i movimenti del fronte del fluido e a spazzare l'efficienza, portando a una migliore progettazione e monitoraggio.

Sfide nella storia Abbinamento

Nonostante il suo valore, la storia di corrispondenza è piena di difficoltà che richiedono una gestione attenta.

Limitazioni di dati

I dati storici sono spesso incompleti, rari o di scarsa qualità. Le misurazioni della pressione possono essere scarse, i tassi di produzione possono essere assegnati in più pozzi con flussi commutati, e i tagli dell'acqua possono essere segnalati con lacune lunghe. I dati mancanti o errori di misura di grandi dimensioni possono rendere impossibile raggiungere un match unico.

Non-Uniqueness of Solutions

L'insieme di storia è un problema inverso, e molte combinazioni di parametri diversi possono produrre lo stesso match. Questo non-uniqueness[] significa che un modello può adattarsi alla storia bene ma ancora essere sbagliato per la previsione. Ad esempio, un effetto di supporto aquiferico può essere mimato da elevata compressione rocciosa, o un guarnizione di guasto può essere sostituito da una regione bassa-permeabilità.

Richieste computazionali

Ogni iterazione di corrispondenza di storia richiede più simulazioni e quando vengono regolati molti parametri, il costo totale di calcolo diventa proibitivo. I cluster di calcolo ad alte prestazioni sono spesso necessari, e anche allora, i modelli di campo completo possono richiedere semplificazione attraverso l'aumento o l'uso di modelli proxy/surrogate.

Soggettività e Bias Umano

La storia manuale che si adatta fortemente all'esperienza e all'intuizione dell'ingegnere, può arrivare a diverse partite, ognuna plausibile sotto la sua serie di ipotesi. La conferma dei parametri che si adattano a un'idea preconcettiva del serbatoio può portare a modelli non realistici. La storia assistita riduce ma non elimina la soggettività, come la scelta della funzione oggettiva, i range di parametri e la ponderazione dei tipi di dati, riflettono tutte le decisioni umane.

Tecniche avanzate in Storia Abbinamento

Recenti progressi nella scienza computazionale e nell'apprendimento automatico delle macchine stanno trasformando la storia corrispondente da un'esercitazione manuale in un processo più automatizzato e robusto.

Abbinamento di storia assistita (AHM)

AHM utilizza algoritmi di ottimizzazione per cercare i parametri che minimizzano una funzione oggettiva (tipicamente la somma delle differenze quadrate tra dati simulati e osservati). I metodi vanno dagli approcci basati su gradienti locali agli algoritmi stoca globali come le strategie evolutive. Il vantaggio è velocità e coerenza: AHM può esplorare molte più combinazioni di una lattina umana manualmente. Tuttavia, la qualità del risultato dipende dal design della funzione oggettiva e dalla capacità di evitare minimi locali.

Metodi e Assimilazione dati

Tecniche come il Ensemble Kalman Filter (EnKF)] e le sue varianti sono state adottate dalla previsione meteo e dall'assimilazione dei dati. In EnKF, un insieme di modelli di serbatoio viene aggiornato sequenzialimente come nuovi dati di produzione diventano disponibili (ad esempio, mensile o trimestrale).

Applicazioni di apprendimento della macchina

I modelli di apprendimento automatico, in particolare le reti neurali, possono servire come proxy veloci per simulazioni di full-fidelity. Attraverso la formazione di una rete neurale su un insieme di uscite di simulazione, gli ingegneri possono valutare migliaia di combinazioni di parametri in pochi secondi, accelerando notevolmente il loop di corrispondenza della storia.

Impatto sulle decisioni di sviluppo del campo

La misura finale di un esercizio di corrispondenza storico è la qualità delle decisioni che supporta. Un modello affidabile e storico consente agli operatori di:

  • Ottimizzare bene il posizionamento:[] Identificare zone non disegnate, striature ad alta permeabilità, o aree con saturazione di olio rimanente.
  • Progetto di acqua/gas programmi di iniezione:[ Predigere modelli di spazzamento, tempi di svolta, e la necessità di riconfigurazione del modello.
  • Valutare le opportunità di perforazione di riempimento:[ Valuta il potenziale valore dei pozzi aggiuntivi nei campi maturi.
  • Immodernamenti della struttura del sistema:[ Previsione delle capacità di gestione del liquido, dei requisiti di elaborazione del gas e delle esigenze di compressione.
  • Riserve di sostegno alla prenotazione e alla rendicontazione finanziaria:[ Fornire percorsi di audit e documentazione richiesta da regolatori come il SEC o SPE.

In ogni caso, il modello riduce il rischio e aumenta la probabilità di successo economico. Ad esempio, un importante operatore del Mare del Nord ha usato la storia corrispondente per identificare un vano difettoso non rispettato, risparmiando decine di milioni di dollari evitando un pozzo asciutto che sarebbe stato perforato in base al modello statico da solo.

Le direzioni future

Il futuro della storia si sta in una maggiore integrazione dei dati multidisciplinari, dell'automazione e dell'aggiornamento in tempo reale. I gemelli digitali – rappresentazioni digitali dinamiche del serbatoio che sono continuamente sincronizzati con le misurazioni del campo – stanno diventando una realtà. Questi gemelli incorporano non solo i dati di produzione, ma anche le librerie di eventi sismiche 4D, microseismic e Distributed Temperature Sensing (DTS) e Distributed Acoustic Sensing (DAS) dati di elaborazione dati di dati di elaborazione avanzata da fibra

Un'altra frontiera promettente è l'uso di reti neurali informate dalla fisica[[] che incorporavano le equazioni di flusso di governo nell'architettura di rete, rendendole intrinsecamente coerenti, pur potendo imparare dai dati.

Conclusioni

[LT] è il ponte tra modelli geologici statici e realtà di produzione dinamica. Mentre le sfide della qualità dei dati, della non-unicità e dei costi computazionali persistono, la continua evoluzione della storia assistita, metodi di ensemble e machine learning sta rendendo il processo più robusto, efficiente e crescente comprensione.