Decline Curve Analysis (DCA) is een van de meest gebruikte instrumenten in de petroleum engineering voor het evalueren van goede prestaties, het voorspellen van toekomstige productie en het nemen van weloverwogen beslissingen over goed interventies en workovers. Door wiskundige modellen aan historische productiegegevens te passen, kunnen ingenieurs de effecten van een workover isoleren, bepalen of het de verwachte uplift leverde en de verkregen incrementele reserves kwantificeren. Dit artikel biedt een uitgebreide, praktische gids voor het toepassen van DCA om goed interventies en workovers te evalueren, die de onderliggende theorie, stap-voor-stap methodologie, praktijkvoorbeelden en integratie met moderne data-analyses omvatten.

Begrijpen van de fundamentele beginselen van de achteruitgang kromme analyse

Declinering Curve Analysis berust op de observatie dat onder gereguleerde stromingsomstandigheden de drukuitputting van het reservoir de overhand heeft over de productiesnelheid van een put daalt op een voorspelbare manier. De drie klassieke Arps desintegratiemodellen (1945) zijn nog steeds de industriestandaard vanwege hun eenvoud en robuuste prestaties in veel conventionele en onconventionele reservoirs. Elk model beschrijft een ander tarief-declinatiegedrag:

Exponentiële achteruitgang (constant percentage daling)

Bij exponentiële daling daalt de productiesnelheid met een vaste fractie per tijdseenheid. De dalingsgraad D is constant en de verhouding tussen snelheid en tijd is:

  • Ratevergelijking: q(t) = qi
  • vergelijking EUR: EUR = qi / D

Exponentiële afname is het meest geschikt voor putten die produceren van sterk onder druk staande, matig doordringbare reservoirs onder zwakke aquifer ondersteuning. Omdat het een constante verliesverhouding veronderstelt, is het het meest conservatieve model dat vaak het productieve leven van putten in complexere reservoirs onderschat. Echter, voor het evalueren van workovers in putten die al in verval zijn, biedt exponentiële daling een eenvoudige basis om pre- en post-interventie gedrag te vergelijken.

Hyperbolische daling (afwijkend percentage)

Hyperbolische achteruitgang is het meest toegepaste model in de industrie vandaag, met name voor onconventionele putten. De verliesratio neemt af met de tijd, wat betekent dat het productieprofiel van de put platter is dan exponentieel. Het model heeft drie parameters: aanvankelijke snelheid qi, initiële daling Di, en de hyperbolische exponent b[ (variërend van 0 tot 1, met waarden in de buurt 1 voor krappe gasputten en tussen 0,5 › ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...

  • Ratevergelijking: q(t) = qi / (1 + b Di t)1/b[]
  • EUR-vergelijking (afgekort tot de economische grens):[ EUR = qi / ( (1

Omdat hyperbolische daling kan zich ver in de toekomst met zeer lage dalingspercentages, is het essentieel om projecties af te breken met een verlatingspercentage of economische limiet. Bij het evalueren van workovers .met name stimulatie behandelingen die bijna-wellbore geleidbaarheid herstellen .Het hyperbolische model legt vaak het nieuwe daling gedrag nauwkeuriger dan exponentieel .

Harmonische achteruitgang (b = 1)

Harmonische achteruitgang is een speciaal geval waarbij de daling omgekeerd evenredig is met de cumulatieve productie. De hyperbolische exponent b is gelijk aan 1, waardoor de daling lineair met de tijd afneemt. Harmonische daling wordt zelden gezien in zuivere vorm maar soms overeenkomt met sterke aquifer ondersteuning of zwaartekracht drainage. Bij workover evaluatie, kan harmonische daling worden gebruikt als gevoeligheidsgeval om ervoor te zorgen dat de economische projecties niet te optimistisch zijn.

Hoe de curveanalyse wordt afgebroken ondersteunt goed interventie evaluatie

Elke putinterventie of workover is een investering. DCA biedt het kwantitatieve kader om de kritische vraag te beantwoorden: Heeft de interventie reserves toegevoegd en hoeveel? De typische benadering houdt in:

  1. Een baseline afnamecurve vaststellen uit productiegegevens vóór de interventie. Deze curve geeft de verwachte prestaties weer als er geen workover werd uitgevoerd.
  2. Na de interventie (nadat de put weer normaal werkt en de spoelproductie afneemt), verzamelt u een nieuwe set datapunten en past u een aparte afnamecurve.
  3. Vergelijk de twee curven om de incrementele EUR, de verandering in de daling en de economische netto contante waarde (NPV) van de interventie te berekenen.

Deze vergelijkende benadering werkt het beste wanneer de gegevensset na de work-over lang genoeg is om een betrouwbare dalingstrend te bepalen. Idealiter moet ten minste drie tot zes maanden stabiele productie na de interventie beschikbaar zijn. Voor workovers die het reservoirstroomregime veranderen. Zoals het omzetten van een verticale put naar een horizontale of het toevoegen van een multi-traps breuk . de pre- en post-workover modellen kunnen verschillende parametersets vereisen.

Het effect van de werkverandering isoleren

Een gemeenschappelijke valkuil is niet verantwoordelijk voor de productie onderbrekingen tijdens de workover zelf. Een put die werd gesloten-in voor een maand zal een voorbijgaande piek in snelheid als gevolg van druk opbouw. Ingenieurs moeten overslaan gegevens uit de .flush productie . periode . typisch de eerste 7 .30 dagen na het opstarten . en begin de post-workover curve passen nadat de stroom is gestabiliseerd . Bovendien , als reservoir druk is aanzienlijk veranderd tijdens de shut-in (door het compenseren van goed activiteit), de pre-workover trend moet worden aangepast met behulp van materiaalbalans of reservoir simulatie . . alleen niet correct voor drukveranderingen .

Stapsgewijze Methodologie voor het evalueren van werk-overs met DCA

Hieronder vindt u een praktische workflow die is ontworpen voor bedrijven die hun workover evaluatieproces willen standaardiseren.

Stap 1: Verzamelen en kwaliteitscontrole productiegegevens

Verzamel dagelijks of maandelijks productiesnelheden (olie, gas, water) gedurende ten minste 12 maanden voor de interventie en ten minste 6

Stap 2: Kies het passende Declin Model

Pas de pre-workover gegevens aan exponentiële, hyperbolische of harmonische modellen. Gebruik niet-lineaire regressie (bijvoorbeeld de kleinste vierkanten) om de best passende parameters te bepalen. Voor de meeste putten, hyperbolische afname met 0 < b < 0,7 zorgt voor een goede match. Als de put een zeer lage daling vertoont (minder dan 5% per jaar), exponentieel kan aanvaardbaar zijn. Documenteer de goedheid-of-fit (R2 of RMSE) en inspecteer visueel de reststoffen.

Stap 3: Voorspelling van het scenario van de basislijn

Extrapoleer de curve van de afname van de pre-workover tot een percentage van de stopzetting (bv. 1 BFPD of een economische limiet op basis van de bedrijfskosten). Dit levert de ..geen workover . EUR. Opmerking: Voor putten met een hoge waterafsnede, kan de economische limiet eerder worden bereikt als gevolg van hefkosten; het percentage van de stopzetting dienovereenkomstig aanpassen.

Stap 4: Past bij de gegevens na de werkperiode

Wacht tot de productie na het werk stabiel is, herhaal dan het montageproces. Wees voorzichtig met de vroege spoelproductie.Besluit de eerste 1

Stap 5: Bereken de incrementele reserves en de economie

De incrementele EUR van de workover is het verschil tussen de geraamde EUR na de workover en de EUR vóór de workover (beide afgekort tot dezelfde voorwaarden voor het verlaten van de onderneming of de inkomstenlimiet). Vermenigvuldig met de aannamen voor de grondstoffenprijs en trek de workoverkosten af om een netto contante waarde te verkrijgen. Sensibiliseringsanalyse van de gas-/olieprijzen, daling van de exponent en stopzettingspercentage wordt aanbevolen.

Stap 6: Valideren met analoge putten

Vergelijk het post-workover afname gedrag met dat van offset putten die soortgelijke behandelingen hebben ondergaan. Als de nieuwe daling exponent of de incrementele recovery factor is verre van peer putten, opnieuw onderzoeken van de gegevens integriteit. Deze stap bouwt vertrouwen in de DCA-gebaseerde schatting.

Case Study: Evaluatie van een refractuur Workover in een Shale Oil Well

Om de methode te illustreren, overwegen een horizontale put in het Midland Basin produceren van olie uit een Wolfcamp interval. De eerste productie na eerste voltooiing bereikte 800 bbl/d, met een hyperbolische daling fit gevend b = 0,70, Di[ = 0,30 (per maand). Na 24 maanden, het tarief was 120 bbl/d. Operators besloten om drie van de oorspronkelijke 30 stadia opnieuw te fractureren. De put werd gesloten-in 45 dagen. Na herstart, de put geproduceerd bij 250 bbl/d aanvankelijk. Na het uitsluiten van de eerste 30 dagen van flush productie (die piekte op 380 bbl/d), de post-refracturatie gegevens toonden een hyperbolische daling met b = 0,50, D[i = 0,28 (per maand).

Met behulp van een $ 50 / bbl olieprijs, een stopzettingspercentage van 5 bbl / d, en een workover kosten van $ 500.000, de software berekend:

  • Vooraf gewerkt EUR (resterend): 34.000 bbl
  • Na de werkzaamheden over de EUR (verder dan de interventiedatum): 73.000 bbl
  • Incremental EUR: 39,000 bbl
  • Incrementele inkomsten (na aftrek van royalty): $1.56 miljoen
  • NCW (10% disconteringspercentage): $820.000

Deze analyse rechtvaardigt de beslissing om door te gaan met extra refractuurprogramma's over het hele veld. Zonder DCA, zouden de exploitanten hebben vertrouwd op kortetermijnrenteverhogingen alleen, die misleidend kunnen zijn als gevolg van de flush productie artefact.

Voordelen en beperkingen van DCA in Workover Evaluation

Belangrijkste voordelen

  • Eenvoud en snelheid: DCA kan worden toegepast met behulp van spreadsheettools of standaard productieanalysesoftware. Voor één put kan een opgeleide ingenieur een evaluatie in 1
  • Data-Driven Decisions: In plaats van anekdotische indrukken, biedt DCA een kwantitatieve basis voor workover prioritering. Wells met de hoogste incrementele EUR per uitgegeven dollar kunnen eerst worden gepland.
  • Fo/herschikking Betrouwbaarheid: Wanneer de vervalmodellen zijn uitgerust met voldoende gegevens na de workover, zijn de verwachte productieprofielen vaak binnen 10
  • Integratie met Portfolio Management: Op DCA gebaseerde EUR-ramingen voor alle workovers kunnen worden samengevoegd in productieprognoses op veldniveau, verbetering van bedrijfsplanning en budgettering.

Beperkingen en valkuilen

  • Aanname van de grens-gedomineerde stroom: DCA werkt slecht tijdens tijdelijke stroomperioden (vroege tijd in reservoirs met lage doorlaatbaarheid).Voor onconventionele putten kunnen wijzigingen nodig zijn, zoals de machtswet exponentieel (PLE) of uitgestrekt exponentieel model.
  • Wijzigingen in Reservoir Druk of Vocht Eigenschappen: DCA kan geen rekening houden met infill boring, watervloed effecten, of gasinjectie die het aandrijfmechanisme veranderen. In dergelijke gevallen is numerieke simulatie noodzakelijk.
  • Korte gegevenssets na de werkperiode: Als slechts 1
  • Ontbrekende Waterproductie: Veel workovers verhogen watersnede, wat de economische waarde vermindert, zelfs als de olieprijs stijgt. DCA moet altijd afzonderlijk of op netto olieprijs worden uitgevoerd op olie en water.

Integratie van DCA met moderne data-analytics en realtime monitoring

In het verleden werd DCA handmatig uitgevoerd op maandelijkse productiegegevens, maar vandaag de dag kunnen digitale olievelden bijna-real-time updates maken. Bedrijven zoals Directus bieden flexibele dataplatforms die productiegegevens van SCADA-systemen, historische databases en goed bestanden kunnen samenvoegen. Door DCA-algoritmen in een dergelijk platform te integreren, kunnen exploitanten automatisch de afnameparameters en incrementele reserves herberekenen telkens wanneer nieuwe gegevens aankomen.

Zo kan een vlag worden ingesteld om een evaluatie te veroorzaken wanneer de waargenomen snelheid afwijkt van de voorspelde dalingscurve met meer dan 15% over 90 dagen. Dit vroege waarschuwingssysteem stelt operators in staat om workover kandidaten te identificeren voordat productie keldert. Bovendien kunnen modellen voor machine learning leren van historische DCA-resultaten om te voorspellen welke workover types . zoals acidizing, gaslift optimalisatie, of rec completering zijn het meest waarschijnlijk om te slagen gezien de pre-workover daling kenmerken.

Voor verdere lezing over beste praktijken in productieanalyse, biedt het SPE PetroWiki artikel over Decline Curve Analysis een peer-reviewed overzicht. Daarnaast blijft het paper van Fetkovich (1980) over de desintegratiecurveanalyse met behulp van typecurves een basisreferentie; een samenvatting is beschikbaar uit de OnePetro bibliotheek[.

De DCA-resultaten worden gebruikt voor de toepassing van het economisch besluitskader.

Zodra de incrementele EUR wordt geraamd, wordt de economische levensvatbaarheid van een workover bepaald door de contante waarde van de incrementele inkomsten te vergelijken met de kosten. Tabel 1 (conceptueel) toont een typische beslissingsmatrix:

  • NPV > 30% ROI: onmiddellijk goedkeuren van de werkomzetting.
  • NPV tussen 10% en 30%: Goedkeuring op basis van een gevoeligheidsanalyse van prijs of kosten.
  • NPV < 10%: Weiger of uitstel tenzij er een strategische reden is (bv. beoordelingsleren).

Het is van cruciaal belang te erkennen dat op DCA gebaseerde EUR-ramingen onzekerheid hebben. Een veelvoorkomende praktijk is het gebruik van P10, P50 en P90 voorspellingen van de afnameparameters om een reeks incrementele reserves te genereren. Deze probabilistische benadering (bijvoorbeeld via Monte Carlo simulatie) voorkomt overmatige afhankelijkheid van een enkele deterministische waarde.

Conclusie

Declineren Curve Analysis blijft een onmisbare techniek voor het evalueren van goed interventies en workovers. Wanneer correct toegepast wordt met behulp van schone gegevens, het juiste designmodel en een rigoureuze vergelijking vooraf met de VA-post-in-venster biedt VA betrouwbare schattingen van incrementele reserves en economische waarde. De methodologie is toegankelijk voor elke productie-ingenieur die werkt met spreadsheets of moderne dataplatforms zoals Directus. Echter, beoefenaars moeten zich bewust zijn van de beperkingen: DCA alleen kan complexe aandrijfmechanismen of korte datavensters niet hanteren. Door DCA te integreren met reservoir engineering en moderne data integratie workflows, kunnen operators systematisch hun workover programma's optimaliseren, de uitgaven voor lage terugkomst-interventies verminderen en het uiteindelijke herstel van hun activabasis maximaliseren.

Naarmate de industrie naar een grotere digitalisering toe gaat, zal de combinatie van geautomatiseerde DCA, real-time surveillance en voorspellende analytics de rol van deze klassieke techniek in de operator toolkit versterken. Voor degenen die een robuuste workover evaluatieproces willen implementeren, te beginnen met een solide basis in de afnamecurveanalyse is de meest effectieve eerste stap.

Artikel geschreven voor vlootuitgevers die technische onderwerpen in de energiesector behandelen.Voor meer informatie over de analyse van de afnamecurve en databeheer, kunt u het Directus platform voor de integratie van aardolieproductiegegevens verkennen.[