Table of Contents

Введение: развивающаяся роль анализа кривой упадка

Анализ кривой упадка (DCA) был краеугольным камнем прогнозирования производства и оценки запасов в нефтяной промышленности в течение десятилетий. Его сила заключается в его простоте: путем установки математической функции к историческим производственным данным, инженеры могут проектировать будущие ставки и в конечном итоге оценить Предполагаемое окончательное восстановление (EUR) скважины. Однако быстрое расширение горизонтального бурения и многоступенчатого гидравлического разрыва фундаментально изменило производственный профиль скважин. Эти современные завершения создают сложные, гетерогенные модели дренажа, которые традиционные модели DCA, разработанные для вертикальных скважин в однородных резервуарах, часто не могут точно захватить. Эта статья предоставляет авторитетное руководство по применению анализа упадка конкретно к горизонтальным и многоступенчатым раздробленным скважинам, охватывающие уникальные проблемы, передовые модели и практические рабочие процессы, которые позволяют надежное прогнозирование в этих сложных системах.

Основы анализа кривой упадка

Прежде чем углубляться в сложности современных завершений, важно пересмотреть основополагающие модели, лежащие в основе всей работы DCA. Эти классические подходы по-прежнему широко используются, часто в качестве отправной точки или исходного уровня для сравнения с более продвинутыми методами.

Три классические модели

Семейство кривых упадка Arps, впервые опубликованное в 1945 году, остается наиболее распространенной структурой.Эти модели связывают скорость упадка с скоростью производства и определяются одним параметром, экспонентой упадка упадка b :

  • Экспоненциальное снижение b = 0: Постоянное процентное снижение за единицу времени. Эта модель является самой простой и часто подходит для скважин с преобладанием границ (устойчивое состояние).
  • Гиперболическое снижение (0 <]b <1]]: Убывающая скорость снижения, то есть скорость производства скважины снижается медленнее с течением времени. Гиперболические модели обычно обеспечивают лучшую подгонку для многих скважин, но требуют дополнительного параметра (]Di, начальная скорость снижения) и могут стать нестабильными при экстраполяции в течение длительных периодов.
  • Гармоническое снижение b = 1]: Особый случай гиперболического снижения, когда скорость снижения прямо пропорциональна скорости производства. Эта модель относительно редка на практике, но может быть полезна для скважин с очень длинными, плоскими хвостами.

Почему DCA имеет значение

Несмотря на рост более сложного численного моделирования резервуаров, DCA остается широко используемым из-за его низких требований к данным и вычислительной эффективности. Для одной скважины или портфеля сотен скважин DCA обеспечивает быстрый, повторяемый метод прогнозирования производства , , классификации резервов (доказанная, вероятная, возможная) и экономическая оценка . Однако его точность полностью зависит от уместности выбранной модели и качества входных данных — предположения, которые часто нарушаются в горизонтальных многофраковых скважинах.

Почему горизонтальные и многоступенчатые скважины отличаются друг от друга

Горизонтальные скважины, завершенные с несколькими стадиями гидравлического разрыва, демонстрируют производственное поведение, которое значительно отличается от предположений, лежащих в основе классического анализа Арпса. Понимание этих различий имеет важное значение для выбора правильного аналитического подхода.

Геометрия Wellbore и контакт с водохранилищем

Горизонтальная скважина может иметь боковую длину в тысячи метров, и каждая стадия разрушения открывает новую, дискретную область резервуара. Эта геометрия создает линейный поток от матрицы до поверхности трещины, а не радиальный поток, типичный для вертикальной скважины. Линейные режимы потока сохраняются гораздо дольше в горизонтальных скважинах, часто в течение многих лет, а классические модели Arps (особенно экспоненциальные) не предназначены для линейного потока.

Сложные сети разлома

Многоступенчатый разрыв не просто создает один плоский перелом на стадии. Во многих образованиях, особенно сланцевых и узких песчаников, стимуляция создает сложную, взаимосвязанную сеть переломов с различной проводимостью, ориентацией и расстоянием. Эта неоднородность приводит к очень неравномерному дренажу, причем некоторые переломы способствуют большему, чем другие, и общий режим потока может переходить через несколько фаз в течение жизни скважины.

Неоднородность режима потока

Типичная горизонтальная многофракционная скважина будет испытывать последовательность режимов потока:

  1. Ранний линейный поток переломов: Производство преобладает самой сетью переломов, с высокими начальными показателями и быстрым снижением.
  2. Формирование линейного потока: Как только сеть разрыва истощается, поток от матрицы к разрывам становится доминирующим механизмом.
  3. Переходный поток: По мере того, как истощение давления распространяется глубже в резервуар, режим потока может переходить к псевдорадиальному или сложнолинейному поведению.
  4. Доминирующий в границах поток:] В конце концов, если скважина истощает весь свой стимулированный объем породы (SRV), она может достичь потока с преобладанием границ, но это часто не наблюдается в экономической жизни скважины.

Поскольку классические модели Arps предполагают единый, постоянный режим потока (поток с преобладанием границ), они плохо подходят для скважин, которые проводят большую часть своей жизни в переходном линейном потоке.

Проблемы с традиционным DCA в сложных колодцах

Применение классических моделей Arps к горизонтальным многофраковым скважинам часто приводит к значительным ошибкам прогнозирования, особенно при завышении или занижении будущего производства.Проблемы могут быть сгруппированы в три области.

Неэкспониентальное поведение

Горизонтальные многофраковые скважины последовательно демонстрируют снижение мощности-закона в течение периода переходного потока.b гиперболическая модель, данные раннего времени хорошо подходят, но долгосрочный прогноз слишком пессимистичный (экспоненциальный) или слишком оптимистичный (высокий bb гиперболическая модель Arps не имеет верхнего предела на b — значения, превышающие 1, нефизичны в потоке с преобладанием границ, но часто требуются для соответствия переходным данным.

Шум данных и артефакты

Операционные события, такие как изменения в дроби, затворы, переработки и компенсированные помехи скважины, создают искусственные переходные процессы в производственных данных. Эти события могут затуманить основную тенденцию снижения и привести к плохой модели, если не обрабатывать должным образом. Кроме того, ежедневные производственные данные часто содержат шум от неточностей учета, которые могут распространяться в значительную неопределенность прогноза.

Многофазные осложнения потока

Во многих горизонтальных скважинах, особенно в богатых жидкостями сланцевых месторождениях, скважина производит нефть, газ и воду одновременно. Относительные пропорции этих фаз меняются с течением времени, и каждая фаза может следовать различному поведению снижения. Модель DCA, применяемая к общему производству жидкости, может маскировать важные сигналы от отдельных фаз, приводя к ошибкам в экономической оценке.

Специализированные модели упадка для горизонтальных и многофраковых скважин

Для решения ограничений классического анализа Arps за последние два десятилетия было разработано несколько специализированных моделей снижения, специально предназначенных для обработки переходных линейных потоков и сложных сетей разрывов, характерных для современных завершений.

Модель экспоненциального права (PLE)

Предложенная Илком и его коллегами (2008) модель PLE представляет собой четырехпараметрическую экспоненциальную функцию, которая может захватывать как переходный поток раннего времени, так и поток с преобладанием границ позднего времени. Модель имеет зависящую от времени скорость снижения и, как было показано, обеспечивает отличную приспособляемость к широкому спектру нетрадиционных скважин. Она особенно полезна для скважин, которые демонстрируют длительный период линейного потока перед переходом к более быстрому снижению.

Модель растянутых экспоненциальных (SEPD)

Модель растянутых экспоненциальных (SEPD), представленная Валко и Ли (2010), является еще одним мощным инструментом. Она основана на зависящей от времени мгновенной скорости снижения и, как было показано, является надежной даже с шумными данными. Модель SEPD имеет физическую основу в потоке жидкостей через гетерогенные среды и очень гибкая. Она часто обеспечивает лучшую подгонку, чем PLE для скважин с сильной разломной сетевой неоднородностью.

Модель Дуонг

Модель Дуонга, разработанная специально для скважин на сланцевом газе, основана на наблюдении, что многие нетрадиционные скважины следуют силовому закону соотношения между скоростью и кумулятивным производством. Она особенно эффективна для скважин, которые все еще находятся в режиме переходного линейного потока и еще не достигли потока, в котором доминируют границы. Модель Дуонга часто дает очень высокие оценки EUR, потому что она прогнозирует длительное медленное снижение. Однако пользователи должны быть осторожны - модель имеет тенденцию переоценивать, если скважина в конечном итоге переходит к более крутому снижению.

Модели логистического роста

Анализ роста логистики, хотя и используется реже, использует другой подход, моделируя кумулятивное производство как сигмоидную функцию времени. Эта структура явно объясняет истощение извлекаемого ресурса и может обеспечить более физически реалистичный прогноз в некоторых случаях. Это особенно полезно для скважин, которые близки к достижению своего окончательного восстановления, где скорость производства замедляется до нуля ограниченным образом.

Сравнение моделей

Ни одна модель не является универсально превосходной. Оптимальная модель зависит от режима потока, качества данных и конкретных характеристик скважины. На практике инженеры часто подходят к нескольким моделям и используют диапазон результатов для количественной оценки неопределенности прогноза . Для горизонтальных многофраковых скважин модели PLE и SEPD, как правило, являются наиболее надежными, когда скважина все еще находится в переходном потоке, в то время как модель Duong может быть полезна для скважин раннего возраста с ограниченными данными. Классический Arps (с ограниченным значением b ) остается полезным исходным уровнем.

Практический рабочий процесс для анализа упадка горизонтальных скважин

Для эффективного применения DCA к сложным скважинам требуется структурированный рабочий процесс, который выходит за рамки простого соответствия кривой данным.

Подготовка данных и контроль качества

Качество прогноза напрямую ограничено качеством входных данных. Перед началом любого моделирования следует очистить производственные данные:

  • Удалите периоды затвора и операционные переходные процессы вручную или алгоритмически.
  • Флаг подозрительных точек данных (например, отрицательные ставки, внезапные скачки) для обзора.
  • Преобразовать в эквивалентную однофазную скорость (например, BOE), если присутствует многофазный поток, или анализировать каждую фазу отдельно.
  • Нанесите сглаживающий фильтр, чтобы уменьшить шум, сохраняя основную тенденцию.

Фазовая сегментация

Поскольку режим потока эволюционирует с течением времени, часто полезно сегментировать жизнь скважины на отдельные фазы. Например, первые 6-12 месяцев производства в горизонтальной скважине будут в первую очередь отражать переходный линейный поток, в то время как более поздние данные могут включать переходный или пограничный поток. Отдельные модели DCA могут применяться к каждой фазе с последовательным методом перехода от одного прогноза к следующему.

Выбор модели и подбор

Применять по меньшей мере две или три специализированные модели (например, PLE, SEPD, Duong) к каждому сегменту. Используйте статистические показатели, такие как Akaike Information Criterion (AIC) или Bayesian Information Criterion (BIC)], чтобы сравнить точность соответствия при наказании за сложность модели. Визуальный осмотр остаточного участка (разница между моделью и фактическими данными) одинаково важен - хорошая модель не должна показывать систематического рисунка в остатках.

Прогнозирование и количественная оценка неопределенности

Ни один прогноз не является полным без диапазона неопределенности. Используйте ансамбль моделей, наряду с анализом чувствительности по ключевым параметрам (например, ]b в гиперболических моделях, τ в SEPD), чтобы генерировать ряд возможных будущих производственных профилей. На практике инженеры часто применяют P10, P50 и P90 доверительные интервалы к оценке EUR, отражающие низкие, лучшие и высокие случаи соответственно.

Пример примера: Горизонтальная мульти-фраковая скважина в Eagle Ford

Рассмотрим горизонтальную нефтяную скважину в сланцевой скважине Eagle Ford, завершенную 27 стадиями разрушения. Хорошо проработанная в течение 60 месяцев с сильным начальным пиком, за которым следует относительно крутое снижение в течение первого года, и более постепенное снижение после этого. Классический экспоненциальный Arps, соответствующий первым 12 месяцам данных, сильно недооценил бы 5-летнее накопленное производство скважины, потому что скважина, подходящая к тем же ранним данным, переоценила бы более позднюю добычу, потому что скважина в конечном итоге показала некоторые признаки пограничного потока примерно через 3 года. Лучшая подгонка была достигнута с моделью Power-Law Exponential (PLE), которая захватила как раннее крутое снижение, так и более поздний постепенный хвост, производя прогноз EUR, который соответствовал фактическому 5-летнему производству в пределах 12% на уровне P50.

Интеграция с моделированием водохранилищ и цифровыми близнецами

Хотя DCA является мощным автономным инструментом, его точность и применимость могут быть значительно улучшены за счет интеграции с другими аналитическими и симуляционными методами.

Гибридные рабочие процессы

Гибридный подход использует DCA в качестве инструмента скрининга первого прохода для большого портфеля скважин, а затем применяет детальное численное моделирование резервуара к подмножеству репрезентативных скважин для калибровки параметров трещин и матриц.Понятия из моделирования, такие как половина длины трещины, проводимость и протяженность SRV, могут затем быть возвращены в модель DCA с ограниченными физическими возможностями, повышая надежность прогнозов для оставшихся скважин.

Цифровые двойники

В последние годы технология цифровых двойников начала трансформировать прогнозирование производства. Цифровой двойник - это динамическая, основанная на данных модель физической скважины, которая непрерывно учится на данных датчиков в реальном времени. Для горизонтальных многофраковых скважин цифровой двойник может включать DCA в качестве одного из своих аналитических двигателей, наряду с моделированием резервуаров, алгоритмами машинного обучения и экономическими моделями. Цифровой двойник может автоматически обновлять прогноз DCA по мере поступления новых производственных данных, аномалии флага и рекомендовать изменения модели. Это обеспечивает более высокий уровень автоматизации и точности, чем любой автономный подход DCA.

Лучшие практики для надежного анализа снижения

На основе обширного отраслевого опыта были разработаны следующие передовые методы, которые необходимы для создания надежных прогнозов на основе DCA для горизонтальных и многоступенчатых трещинных скважин:

  • Используйте несколько моделей и сравнивайте их. Ни одна модель не будет правильной для всех скважин.Подборка ряда моделей обеспечивает более полную картину неопределенности.
  • Строго очищайте данные. Операционные события могут резко исказить соответствие, если не будут удалены или исправлены. Не думайте, что исходные данные являются только производственными.
  • Сегментировать данные, когда это необходимо. Если скважина испытывает изменение режима потока, обработку разрыва или переработку, обработать до- и после-событийные периоды отдельно.
  • Включите физические ограничения. Используйте ограничения на b в моделях Arps или подтвердите долгосрочную скорость снижения по сравнению с ожидаемыми свойствами резервуара. Это предотвращает физически нереалистичные прогнозы.
  • Регулярно обновляйте прогнозы. По мере накопления новых данных пересматривайте модель в соответствии с ней. Производственное поведение может меняться, и модель, которая была оптимальной в 12 месяцев, может быть неоптимальной в 24 месяца.
  • Предположения документов. Каждый прогноз основан на наборе предположений о будущих операциях, рыночных условиях и поведении резервуара. Документирование этих предположений гарантирует, что прогноз может быть правильно интерпретирован и скорректирован позже.

Вывод: будущее анализа упадка в сложных скважинах

Анализ кривой упадка остается незаменимым инструментом для прогнозирования производства, даже если скважины становятся более сложными. Ключом к успеху с горизонтальными и многоступенчатыми раздробленными скважинами является выход за рамки классических моделей Arps и охват более широкого набора инструментов, который включает в себя специализированные модели, такие как PLE, SEPD и Duong. Эти модели в сочетании с тщательной подготовкой данных, сегментацией фаз и количественной оценкой неопределенности позволяют инженерам создавать прогнозы, которые являются точными и действенными. В перспективе интеграция DCA с цифровыми двойниками и моделирование резервуаров будет дополнительно повышать надежность и автоматизацию прогнозирования производства, помогая операторам оптимизировать восстановление и экономику из этих сложных скважин.

Для дальнейшего чтения, проконсультируйтесь с отраслевыми стандартными ресурсами, такими как Society of Petroleum Engineers (SPE) Monograph Series или технические документы по нетрадиционному прогнозированию резервуаров. OnePetro база данных также предоставляет доступ к рецензируемым исследованиям моделей DCA для горизонтальных скважин, в то время как DOE-спонсируемые исследования DOE-спонсируемые исследования предлагают понимание лучших практик для анализа данных в плотных нефтегазовых пластах.