油圧式フレークにおけるカーブ解析の決定について

カール分析(DCA)は、長い貯水池工学の角石であり、油圧式で耐衝撃性のある井戸への応用は、ユニークな課題と機会を示しています。 多くの場合、予測可能な指数関数低下、耐火性貯水池を展示する慣習的な井戸とは異なり、特にタイトな油とシェールガスプレイでは、長年にわたって持続するトランスエントフロー体制を踏襲します。 この行動は、適切なモデルを選択して、DCAの予測を最適化し、DCAの予測を最適化することを可能にする場合、DCAおよびDARの予測を最適化します。

1. 基礎:良質の生産データ

正確なDCAは、厳格に梱包された生産データから始まります。 油圧式ファクターは、多くの場合、リアルタイムのフローバッククリーンアップと真のリザーバ運転低下をマスクできる施設のカリキュラムを体験します。 最高のプラクティスは、アナリストが必要とする要求します。

  • タンクゲージと配分レポートに対する、バリデートメーターと分離器レコード[ - 単一のoutlierは、減少指数を串にすることができます。
  • [ 動作する設定で、シャットイン期間と日を除外 (例、コンプレッサーの故障、パイプラインの制限) 回帰データセットから。
  • [] バックプレッチャのバリエーション[[]のノーマルライズは、利用可能な場合の、ボトムホールフロー圧力(BHFP)データを使用します。 フローレートを一定圧力に換算して、可変的なドローダウンの効果を除去します。

多くの演算子は、長期的トレンドを維持しながら、30日間のローリング平均が一時的な補完効果を滑らかにしていることを確認しています。 複数のステージを持つ水平な井戸のために、ダウンホールセンシングが使用されている場合は、各フラクチャーステージに正しく生産が割り当てられていることを確認してください。 石油技術者協会による研究(SPE)は、データが不便性が、不便な井戸のためのDCAのエラーの単一の最大のソースであることを強調しています([FLT:[FLT]:[FLT]:[FLT]:[FLT]:[F][F]:[FLT]:[F]]:[F]]:[F]]]:[F]]]]:[F]:[F]:[F]:[F]]:[F]]]:[F] [F]]]] [F]]]] [[F] [[F]]]]] [F] [F]]] [F] [F] [[F] [[F]] [[F]]]]]]]] [[F]]]] [[F]]]] [[: [[:

2. モデル選択:標準的なアルプスを越えて

古典的なArpsの式(指数関数的、多重性、ターミナルの低下のhyperbolic)は普及していますが、油圧のfracturingプロジェクトは頻繁に線形および二線の流れを捕獲するために変更を要求します。

指数関数の決定

境界線を下げた流れに十分到達した後にのみ適用可能 - 高機能な骨折で一般的または生産の長年後に。 まれに、不便な井戸で初期のDCAに適しています。

ハイパーボリック・デクライン(アルプス)

耐衝撃性ウェルの最も広く使用されているモデル。 b-factor(0〜1)は、すぐに低下率が遅くなる方法を説明する。 1よりも大きいb-factorは、境界線の分岐の流れのために物理的に非現実的ですが、多くの場合、初期の過渡的なデータに適合しています。 特定のカットオフがEURを過小評価することを避けるために、端末の減少率(例:年5〜10%)を使用してください。

デュオンモデル

リニアフローが優位である、耐衝撃性貯水池のために特別に設計された。 Duongモデルは、速度対時間のログログログ リニアトレンドを使用し、多くの場合、中間時間データに早期に収まる。 多くの演算子は、ハイブリッドアプローチを適用します。最初の1〜3年間、その後、境界型ハイパーボリックモデルに移行します。

その他の方法

  • []固定指数(SEPD)[] - 頁で見られる力の法則の動作をキャプチャします。
  • 物流成長モデル - フィールド全体に使用されます。
  • []機械学習 - アシストDCA[ - ランダムな森やニューラルネットワークを使用して、完了と貯水池のプロパティから低下パラメータを予測する新しい傾向。

モデルは、 ] によって提供されているモデルの徹底的な比較 (選択記事) ]]. 鍵のテイクアウト: 常に最初の 6 から 12 ヶ月のデータ上の少なくとも 3 つのモデルをテストし、保持アウト検証セットで、最も低い root メッシュ エラー (RMSE) で 1 つを選択します。

3. 定期的な更新と適応予測

油圧式耐火プロジェクトは、動的な-耐火、充填訓練、および施設の交換は、すべての変更の低下の動作を制限します。 最高のプラクティスは、次のことを予測します。

  • ]月間モデル再較正を2年目以降に四半期ごとに再配置します。
  • [] 製造データの転がり窓(例、最終18か月)は、過去の傾向に敏感なままにする歴史全体よりも。
  • []システム上の逸脱のためのモニターモデル残留[。モデルが3連覇を繰り返した場合、貯水池または施設のパフォーマンスの変化を疑った。
  • []すべてのモデルバージョンを保存し、予測が変更された理由を監査する - これは、予約および投資家の通信のために不可欠です。

多くの演算子は、直接のようなプラットフォームを使用して、このワークフローを自動化します。 (元の記事のタイインの主題) 生産データパイプラインを管理し、新しい月間データが到着したときに自動収支をトリガーします。 これは、意思決定者が常に最新のEUR推定で動作することを保証します。

4. 外部および運用因子を組み込むこと

純粋な生産曲線は現実を無視します。油圧式防振プロジェクトのための堅牢なDCAは、次の点で調整する必要があります。

完成設計変更

より大きなプロパントのボリュームやステージの間隔を出す井戸は、しばしばスタイパーの初期減少がより高いEURを示しています。 多変種DCAアプローチを使用して補完パラメータの要因(例えば、プロパントローディングに基づいて異なるモデルグループを作成します)。

親子でよくインタラクション

既存の生産者の近くに掘削されたインフィルウェルズは、効果的な骨折の伝導性を低下させ、低下を変化させることができます。データセットに子供の井戸が含まれる場合は、オフセットウェルスパッシングに基づいて、b-factor下方に調整します。

仕分けと市場要因

井戸がガス価格の揮発性またはテイクアウト容量の制約により、回収されたとき、減衰曲線は凸凹になります。 比圧減の形状を再構築するために、率圧力減圧を使用します。 テキサス・レールロード・コミッションは、調整された生産記録のためのガイドラインを提供します。 RRC生産データリソースを参照してください。

環境・規制シフト

フレア、水処理、地震活動に関する新しい規制は、運用上の変化を強制することができます。このようなイベントのログを常に維持し、シナリオベースのDCA(低/中/高症例)を適用して、不確実性を定量化します。

5. 共通ピッタフォールのアドレス

経験豊富なアナリストもトラップに落ちます。 油圧式フレークプロジェクトではDCAで最も頻繁に間違いがあります。

  • []初期データボラティリティを無視する:[]]最初の60〜90日は、フラクチャーのクリーンアップとフローバックによって支配される - 特殊なフローバックモデルを使用しない限り、モデルフィッティングから除外します。
  • [] bファクタの高機能化:[]] bファクタの2は、データの品質が悪いか、不適切なモデルをマスクします。 常に、下落曲線の派生物をプロットして、異常な動作を確認します。
  • [] 異なる方法で有効にしない:[ 物質的なバランスまたはシミュレーションでDCA結果を比較します。 DCA EURがシミュレーションベースの推定値よりも30%以上である場合、仮定を再抽出します。
  • ]固定ターミナルの低下率:[の代わりに、同じ盆地で類似した成熟した井戸から得られるデータ駆動の最小減少率を使用します。

これらの落とし穴を回避するための古典的な参照は、Patzek、Saputelli、およびその他の([SPE 162543[])による紙「非契約貯水池のDecline Curve Analysis」です。

6. 先端技術:機械学習およびベイジアン方法とDCAを統合する

データの量が増加するにつれて、業界は決定的な曲線フィッティングを超えて移動しています。ベイジアン・デクリリン・カーブ・アナリシスは、以前の知識(例えば、特定のプレイの典型的なユーロ範囲)の組み込みを可能にし、新しいデータが到達するにつれて予測を更新します。出力は、リスクベースの意思決定に有利な価値ではなく、確率分布です。

マシン学習モデルは、完成属性(ステージカウント、流体型、クラスター・スペーシングなど)から直接パラメータを予測することができます。これらのモデルは、過去のパフォーマンスで訓練され、生産履歴なしでDCAの不確実性を低下させることができます。ただし、サンプルデータに対する慎重な検証が必要です。 []]石油科学と工学はこのハイブリッドアプローチでいくつかのケーススタディを公表しました。

7. 油圧式フレークプロジェクトでDCAを実装するための実用的なワークフロー

  1. []データ摂取量:[]]]毎日の生産、圧力、および完了データを中央データベース(例えば、Directus)に引きます。 品質管理を自動化すると、ゼロ、マイナス、ギャップがないか確認されます。
  2. [初期モデル選択:[]]] 候補モデルのバッチを実行します(指数関数、b = 0.5〜1.2、Duong、SEPD) データの最初の12ヶ月間。 AICまたはRMSEでランク。
  3. アナログウェルスとの校正:[]]。新しい井戸は、同様の完成デザインでオフセットウェルのパラメータを持つDCAをシードしました。
  4. [月間自動更新:[]] スクリプトは、30日ごとに修正し、ユーロが10%以上変更したフラグ井戸をスクリプトします。
  5. []不確実性定量化:[モデルパラメータでモンテカルロシミュレーションを使用してP10、P50、およびP90予測を生成します。 これらは、リザーブレポートの対象範囲を使用します。
  6. [] エンジニアリングチームによるレビュー:[]] 各四半期に、実際の生産異常とともにDCAの結果のダッシュボードを表示します。 これは、セクション4から「外部要因」が組み込まれている場所です。

8. 結論

曲線分析は、油圧式閉塞プロジェクトを管理するための不可欠なツールであり、その制限の規準と認識で適用されます。高品質のデータに主張することで、適切な低下モデル(Duongとバインドされたハイパーボリックの組み合わせがしばしば)を選択し、定期的に予測を更新し、外部要因を調整することで、エンジニアは、完成設計、生産最適化、および財務計画を導く信頼性の高い予測を生成できます。自動データプラットフォームと機械の統合の上昇は、DCの重要な要素を継承するだけを増幅するだけです。

更に読むには、[]SPE技術論文ライブラリ[]は、何百もの関連研究を提供し、貯水池のエンジニアとデータ科学者間の学際的なコラボレーションは、次のレベルの予測精度のロック解除の鍵です。