Table of Contents

Стратегическая роль моделирования нефтяных систем в долгосрочном прогнозировании запасов

Моделирование нефтяных систем, часто называемое бассейновым моделированием, превратилось в незаменимую дисциплину для нефтегазовой промышленности. Оно обеспечивает динамичный, интегрированный во времени взгляд на то, как развиваются осадочные бассейны и как образуются, мигрируют и накапливаются углеводороды в течение геологического времени. Для геологов и планировщиков развития этот потенциал моделирования не просто академический; он напрямую влияет на решения, связанные с миллиардами долларов капитальных инвестиций. Точное долгосрочное прогнозирование запасов зависит от понимания всей нефтяной системы, а бассейновое моделирование обеспечивает количественную основу, необходимую для обеспечения надежности этих прогнозов.

Основы моделирования нефтяной системы

Концептуальная основа моделирования нефтяной системы опирается на четыре основных элемента: зрелую исходную породу , содержащую достаточное количество органического вещества, пористое и проницаемое водохранилище для хранения углеводородов, непроницаемую уплотнение , которая предотвращает вертикальную утечку, и ловушку , которая концентрирует жидкости в ограниченное накопление. Процессы, соединяющие эти элементы — генерация, вытеснение, вторичная миграция и захват — должны происходить в благоприятной хронологической последовательности для существования коммерческого открытия.

Строительство модели нефтяной системы начинается с построения трехмерной геологической структуры. Эта структура объединяет интерпретируемые сейсмические горизонты, поверхности разломов, корреляции скважин и данные об обнажении для определения структурной архитектуры и стратиграфического наслоения бассейна. Следующий шаг включает в себя реконструкцию термальной истории путем моделирования теплового потока во времени. Тепловой поток зависит от тектонической установки, скорости захоронения осадков, вариаций теплопроводности и изменений в моделях конвекции мантии. Созревание органического вещества прогнозируется с использованием кинетических моделей, калиброванных до данных лабораторного пиролиза, с коэффициентами трансформации, рассчитанными для генерации нефти и газа из керогенов I, II или III.

После оценки объемов генерации модель моделирует пути миграции. Первичная миграция выталкивает углеводороды из исходной породы в соседние несущие пласты, в то время как вторичная миграция перемещает жидкости через проницаемые образования в структурные или стратиграфические ловушки. Современные программные пакеты применяют многофазные принципы Дарси-потока и учитывают капиллярные давления входа в мелкозернистых уплотнениях. На заключительном этапе оценки оценивается время образования ловушки относительно истории заряда. Ловушка, которая образуется после основного импульса миграции, останется бесплодной, независимо от того, сколько углеводородов было получено.

Калибровка является критическим шагом, который превращает гипотетическую модель в прогностическое средство. Измерения отражения витринита, отжига пути деления апатита, температуры донных отверстий и современного давления пласта сравниваются с прогнозами модели. Разночтения разрешаются путем корректировки входных параметров в пределах геологически разумных границ. Без строгой калибровки бассейновая модель теряет прогностическую мощность и может ввести в заблуждение решения о разведке с дорогостоящими последствиями.

Базовое моделирование как основа оценки ресурсов

Базовое моделирование обеспечивает научную основу для исследования на основе игры. A play — это группа перспектив и месторождений, имеющих схожие характеристики источника, резервуара и ловушки. Путем моделирования всей нефтяной системы в бассейне геофизики могут ранжировать игры в соответствии с риском заряда, ожидаемой фазой углеводородов и вероятностью столкновения с коммерческими объемами. Эта региональная перспектива особенно ценна в пограничных бассейнах, где контроль скважины скудный и геологическое понимание зарождается.

Предсолевые месторождения на шельфе Бразилии и Западной Африки являются убедительным примером. Ранние модели бассейнов, построенные на основе ограниченных 2D сейсмических данных, продемонстрировали, что глубокие породы саранчи породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы породы

От моделей бассейнов к прогнозам резервов

Долгосрочное прогнозирование запасов на бассейновой шкале направлено на оценку общего объема технически извлекаемых углеводородов, которые могут быть обнаружены в будущем. Моделирование нефтяной системы обеспечивает физически последовательный рассказ о генерации, высылке, миграции и улавливании. Этот рассказ затем преобразуется в извлекаемые объемы с использованием дополнительных факторов, таких как эффективность высылки, потери миграции, вероятность заполнения ловушки и факторы извлечения резервуара. Конверсия не является простой и требует тщательной интеграции геохимических, нефтефизических и инженерных данных.

Вероятностная оценка ресурсов

Современные оценки ресурсов объединяют детерминированные модели бассейнов с вероятностными методами. Модель базового случая построена с использованием лучших оценок входных параметров, включая толщину исходного камня, общее содержание органического углерода (TOC), индекс водорода, тепловой поток и теплопроводность. Моделирование Монте-Карло затем осуществляется путем изменения этих входов в правдоподобных диапазонах, определенных геологической неопределенностью. Выпуск представляет собой распределение вероятности еще не найденных ресурсов, обычно выраженное как P90 (низкая оценка), P50 (медиана) и P10 (высокая оценка). Эта методология одобрена регулирующими органами, такими как Комиссия по ценным бумагам и биржам и Общество инженеров-нефтяников. Она информирует корпоративные портфельные решения, прогнозы государственных доходов и национальную энергетическую политику. Геологическая служба США использует моделирование нефтяной системы в своих двухгодичных оценках неоткрытых углеводородных ресурсов для Соединенных Штатов и мира, обеспечивая авторитетную основу для федерального энергетического планирования.

Связь моделей бассейна с прогнозом производства

В то время как моделирование в масштабе бассейна решает проблему потенциала ресурсов до бурения, долгосрочное прогнозирование производства требует увязки этих объемов с динамическим моделированием резервуара. После открытия статические модели резервуара, населённые свойствами пористости, проницаемости и насыщения, масштабируются в сетки моделирования потока. Задача заключается в согласовании модели заряда в масштабе бассейна, которая может иметь гетерогенные элементы в масштабе метра, с гетерогенностью в масштабе метра, которая контролирует поток жидкости в резервуаре. Расширенные рабочие процессы генерируют множественные реализации заполнения ловушек и качества резервуара, преодолевая разрыв в масштабе посредством статистического масштабирования и геологического моделирования. Эта комплексная интеграция позволяет операторам оценивать не только то, существует ли нефть, но и то, сколько может быть произведено в различных сценариях развития, включая интервал между скважинами, закачку воды и улучшенные методы извлечения нефти. Она превращает моделирование бассейна из чистого инструмента разведки в стратегический актив для планирования разработки месторождения.

Источники данных и калибровка: столпы надежных моделей

Качество данных остается наиболее важным фактором, контролирующим точность моделей нефтяных систем.

  • Геохимические данные: Исходная порода ТОС, параметры пиролиза Рок-Эвал, тип керогена и показатели зрелости, такие как коэффициенты отражения витринита и биомаркеров. Эти данные ограничивают объем и сроки генерации углеводородов.
  • Данные о температуре и давлении: Исправленные температуры нижних отверстий, испытательные давления буровой ствола, температуры гомогенизации включения жидкости и давления образования, полученные из грязи, обеспечивают точки калибровки для истории теплового и давления.
  • Структурно-стратиграфические рамки: Интерпретируемые сейсмические горизонты и разломы определяют геометрию бассейна.Хорошо-сейсмические связи обеспечивают точность глубины, в то время как стратиграфические концепции последовательности направляют распределения фаций.
  • Петрофизические свойства: Пористость, проницаемость, капиллярные давления входа для уплотнений и отношение сетки к кассе определяют качество несущих слоёв и резервуаров.

Калибровка — это итерационный процесс. Модель прогоняется вперёд по геологическому времени, а прогнозируемые значения зрелости, температуры, давления и состава жидкости сравниваются с наблюдаемыми данными в местах скважин. Расхождения разрешаются путём корректировки входных параметров в пределах геологически разумных границ. Этот процесс не только улучшает текущее соответствие, но и укрепляет уверенность в прогнозах для непробуренных участков. Без строгой калибровки бассейновые модели рискуют генерировать геологически неправдоподобные сценарии, которые могут привести к плохим инвестиционным решениям. Опытные моделисты часто тратят 70 % своего проектного времени на сборку и калибровку данных, признавая, что качество вывода прямо пропорциональна качеству ввода и тщательности процесса валидации.

Стратегические преимущества на протяжении всего жизненного цикла активов

Моделирование нефтяной системы обеспечивает ощутимую ценность для бизнеса на каждом этапе жизненного цикла активов. Во-первых, оно снижает риск разведки путем квалификации или дисквалификации районов на основе созревания исходных пород и доступа к миграции. Бюджеты разведки затем могут быть сосредоточены на наиболее перспективных фарватерах, избегая сухих дыр в районах с неблагоприятной историей заряда. Во-вторых, оно оптимизирует оценку и планирование развития . Прогнозы высоты колонн углеводородов, жидкой фазы и давления пласта помогают разрабатывать траектории скважин, выбирать интервалы завершения и размеры поверхностных объектов задолго до первого производства.

В-третьих, моделирование бассейнов поддерживает портфельную диверсификацию. Обеспечивая согласованную систему оценки различных бассейнов и месторождений, оно позволяет аналогично сравнивать возможности с различными геологическими рисками и плотностью ресурсов. Компании, торгующиеся на бирже, полагаются на это, чтобы представить сбалансированные, скорректированные с учетом риска портфели инвесторам и регулирующим органам. В-четвертых, в зрелых бассейнах та же технология моделирования поддерживает разведку ближнего поля , идентифицируя обходные платежи или тонкие ловушки за обшивкой, к которым можно получить доступ посредством недорогого бурения наливных материалов. Пятое и все более важное моделирование нефтяных систем применяется к улавливанию и хранению углерода (CCS) и геотермальным энергетическим проектам. Та же физика, которая регулирует миграцию углеводородов, также контролирует движение инъекционных диоксидов углерода или геотермальных жидкостей

Навигация по неопределенности: вызовы и практические смягчения

Несмотря на достижения в области программного обеспечения и вычислительной мощности, моделирование нефтяных систем остается по своей сути неопределенным.Признание и количественная оценка этой неопределенности так же важны, как и сам результат модели.

Качество и разрешение входных данных

В пограничных бассейнах сейсмические данные могут быть ограничены широко расставленными 2D-линиями, а контроль скважины скудный. Измерения теплового потока часто являются косвенными, полученными из региональных тектонических моделей, а не прямых наблюдений. Полученная модель может быть недостаточно сдержанной, создавая несколько одинаково правдоподобных сценариев. Стратегии смягчения включают получение дополнительных геофизических данных, таких как 3D-сейсмика и магнитотеллурица, использование аналоговых бассейнов для узких диапазонов параметров и применение байесовских инверсионных методов, которые обновляют предыдущие распределения параметров по мере появления новых данных.

Моделирование сложности и вычислительные требования

Моделирование многофазного потока жидкости в трех измерениях в течение десятков миллионов лет является вычислительно интенсивным. Полностью связанные тепловыделительные механические модели остаются исследовательскими инструментами, а не обычной отраслевой практикой. Большинство коммерческих программ использует упрощения, такие как предположения о параллельном потоке, уменьшенная размерность или псевдоустойчивые расчеты миграции для управления временем выполнения. Достижения в облачных вычислениях и ускорителях GPU постепенно ослабляют эти ограничения, позволяя моделировать 3D с высоким разрешением со сложной структурной геометрией и подробной стратиграфией.

Анализ чувствительности и многосценарные подходы

Для решения проблемы неопределенности специалисты-практики проводят анализ чувствительности, изменяя один параметр за раз, наблюдая за изменениями в ключевых выводах. Однако эффекты взаимодействия между параметрами могут быть значительными. Более надежные методы используют методы проектирования экспериментов, включая выборку Plackett-Burman или Latin hypercube, для создания набора моделей, охватывающих весь спектр правдоподобных недр. Затем лица, принимающие решения, могут оценивать риски роста и снижения, не будучи заблокированными в одном детерминистском прогнозе. Хорошие обзоры этих методов доступны на странице темы моделирования бассейна ScienceDirect .

Доказанные результаты по глобальным бассейнам

Ценность моделирования нефтяных систем очевидна во многих плодородных бассейнах по всему миру. В Голландское Северное море региональные 3D-модели бассейна, интегрирующие тысячи скважин и несколько интервалов исходных пород, переоценили оставшийся газовый потенциал в играх Ротлигенда и Зехштейна. Модели, откалиброванные на известные месторождения, выявили тонкие связанные с разломами закрытия, упущенные из виду обычным картографированием. Последующие кампании по разведке предоставили коммерческие открытия, которые продлили срок службы существующей инфраструктуры и отсроченный вывод из эксплуатации платформы.

В Мексиканском заливе глубоководных пород , бассейновое моделирование сыграло важную роль в понимании взаимодействия между тектоникой соли, загрузкой осадков и генерацией углеводородов. Аллохтонные соляные тела создают надсолевые, внутрисолевые и субсолевые игры с совершенно разными тепловыми историями. Модели, которые включали эволюцию мини-бассейна с выводом соли, правильно предсказывали нефтяную природу открытий Нижней третичной Вилкокс, направляя многомиллиардные инвестиционные решения в этой дорогостоящей среде. Аналогично, в бассейне Таранакки в Новой Зеландии, последовательность-стратиграфическая модель бассейна в сочетании с анализом сейсмических фаций уменьшила риск глубоководной мутидитовой игры, ограничивая сроки генерации из наземных каменных угольных источников относительно образования ловушек. Несколько операторов опубликовали подробные тематические исследования через Общество инженеров-нефтяников .

Цифровая трансформация и будущее бассейнового моделирования

Сближение больших данных, машинного обучения и высокопроизводительных вычислений трансформирует моделирование нефтяных систем. Алгоритмы разрабатываются для автоматизации трудоемкой конструкции структурных структур из сейсмических данных, используя распознавание образов для выбора горизонтов и неисправностей с минимальным вмешательством человека. Прокси-серверы машинного обучения обучаются приближению результатов вычислительно дорогостоящего моделирования, позволяя проводить почти мгновенный анализ чувствительности и количественную оценку неопределенности полного поля. Нейронная сеть может изучать взаимосвязь между входными параметрами и выходами, а затем исследовать миллионы комбинаций параметров за секунды, а не за дни.

Облачные платформы демократизируют доступ к инструментам моделирования бассейнов, позволяя географически распределенным командам сотрудничать в рамках единой живой модели. Эта интегрированная среда поддерживает новую концепцию цифрового двойника , где виртуальное представление недр постоянно обновляется новыми данными о бурении и добыче. Операторы могут динамически перекалибровывать долгосрочные прогнозы, корректируя планы развития в ответ на информацию в режиме реального времени. Те же технологии в настоящее время применяются к геотермальным и CCS проектам, продлевая срок полезного использования опыта моделирования бассейнов за пределами традиционных нефтегазовых приложений.

Заключение

Моделирование нефтяных систем является интегрирующим двигателем, который преобразует геологические данные в практические прогнозы недр. От разведки границ до зрелого омоложения месторождений, от нефти и газа до хранения углерода способность моделировать эволюцию бассейна физически последовательным образом лежит в основе принятия стратегических решений. Неопределенности никогда не будут полностью устранены, но постоянное улучшение сбора данных, вычислительных методов и междисциплинарного сотрудничества неуклонно повышает прогностическую мощь. Для компаний и правительств, приверженных ответственному управлению ресурсами, инвестиции в моделирование нефтяных систем остаются основополагающим элементом долгосрочного энергетического планирования.