Роль совпадения истории в уточнении прогнозов резервов водохранилищ

Введение

Точный прогноз запасов нефти и газа является основой рационального управления резервуарами. Эти оценки направляют миллиарды долларов в инвестиционных решениях, от бурения новых скважин до планирования проектов по усилению добычи. Соответствие истории, процесс калибровки модели пласта до наблюдаемых данных о добыче, выступает в качестве одного из самых надежных методов для уточнения этих прогнозов. Систематично регулируя параметры модели, такие как проницаемость, пористость, относительная проницаемость и пропускаемость разломов, инженеры могут создать цифровое представление, которое повторяет поведение прошлых резервуаров. Эта калиброванная модель затем служит мощным инструментом для прогнозирования будущего производства, оценки неопределенности и оптимизации стратегий разработки месторождений.

Нефтяная промышленность давно признала, что модель, построенная исключительно на статических геологических и нефтефизических данных, часто не в состоянии уловить динамические сложности потока жидкости. Историческое сопоставление устраняет разрыв между статическими описаниями и динамическими наблюдениями. Она превращает концептуальное понимание в прогностическое средство, которое можно использовать с уверенностью. В этой статье дается всестороннее изучение сопоставления истории, охватывающее ее роль в уточнении прогнозов запасов, пошагового процесса, преимуществ, проблем и новых передовых методов, которые меняют дисциплину.

Понимание резервов водохранилищ

Запасы запасов представляют собой количества углеводородов, которые, по оценкам, могут быть извлечены из известного накопления в существующих экономических и эксплуатационных условиях. Эти оценки не являются статичными; они развиваются по мере того, как становится доступно больше данных и по мере созревания добычи. Запасы обычно классифицируются по категориям, определенным степенью определенности: , доказанным (1P) , , вероятным (2P) и , возможным (3P]. Доказанные запасы имеют высокий уровень уверенности (по крайней мере 90% вероятности) быть извлекаемыми, в то время как вероятные и возможные запасы несут возрастающую неопределенность.

Роль неопределенности

Неопределенность пронизывает каждый этап оценки резервуара. Геологические модели построены из разреженных данных скважин и сейсмических интерпретаций, которые имеют ограниченное разрешение. Петрофизические параметры измеряются в небольших образцах ядра или выводятся из журналов, но неоднородность резервуара означает, что эти значения могут широко варьироваться между скважинами. Свойства жидкости, относительная проницаемость и поведение давления - все вводят дополнительные слои неопределенности. История, соответствующая непосредственно обращается к этой неопределенности, ограничивая модель фактической историей производства. Модель, которая не соответствует историческим данным, вряд ли даст надежные прогнозы, и ее оценки запасов поэтому подозрительны.

Как сопоставление истории улучшает оценки резервов

Благодаря итеративной корректировке сопоставление истории уменьшает диапазон возможных результатов. Это помогает определить, какие геологические параметры и параметры потока согласуются с наблюдаемой производительностью. Например, если модель с определенным набором значений проницаемости переоценивает производство воды, процесс сопоставления истории будет корректировать эти значения до тех пор, пока имитируемый разрез воды не выровняется с измерениями. Эта калибровка повышает уверенность в модели, что приводит к более надежным оценкам окончательного восстановления и более жесткой полосе неопределенности вокруг категорий запасов. Регуляторы и инвесторы часто требуют, чтобы оценки запасов поддерживались моделью, соответствующей истории, прежде чем они будут приняты в качестве доказанных.

Процесс сопоставления истории

Сопоставление истории — это не один автоматизированный шаг, а структурированный итерационный рабочий процесс. Каждая итерация включает сравнение моделируемого производства с историческими данными, выявление расхождений, изменение параметров модели и повторный запуск моделирования. Процесс продолжается до тех пор, пока не будет достигнуто приемлемое соответствие — состояние, когда различия находятся в пределах заранее определенных диапазонов толерантности, и поведение модели физически правдоподобно.

Сбор и подготовка данных

Основой любого успешного исторического матча являются высококачественные данные. Инженеры собирают показатели добычи (нефть, газ, вода), давления в скважинах и скважинах, соотношения газойля и скважины, сокращения воды и данные трассировки по истории производства резервуара. Эти данные должны быть очищены, проверены и согласованы с этапами моделирования. Непоследовательные или шумные данные могут привести к ложным совпадениям, поэтому строгий контроль качества имеет важное значение. Кроме того, информация о вмешательствах скважин, переработках и изменениях условий эксплуатации должна быть включена в модель, чтобы избежать несоответствия реальных событий.

Инициализация и моделирование моделей

Первоначальная модель резервуара построена с использованием геологических интерпретаций, сейсмических данных, анализа ядра, журналов скважин и нефтефизических оценок. Эта модель включает в себя сетку, представляющую объем резервуара, присвоенные свойства породы и жидкости и описание начальных условий (давление, насыщение, температура). Моделирование проводится в течение исторического периода времени, а выход извлекается в местах скважин для сравнения с фактическими измерениями. Начальное моделирование часто показывает значительные отклонения от исторических данных, задавая основу для корректировок.

Коррекция параметров и оптимизация

Это ядро сопоставления истории. Инженеры определяют, какие параметры оказывают наибольшее влияние на наблюдаемые несоответствия. Общие параметры включают множители проницаемости в разных регионах, распределения пористости, относительные кривые проницаемости, множители пропускаемости ошибок, прочность водоносного горизонта и сжимаемость пород. Корректировки могут быть сделаны вручную на основе инженерных суждений, но этот подход требует много времени и может вводить смещения. Все чаще используются методы сопоставления истории , использующие алгоритмы оптимизации (такие как генетические алгоритмы, оптимизация роя частиц или байесовская оптимизация) для систематического поиска комбинаций параметров, которые уменьшают несоответствие между смоделированными и наблюдаемыми данными.

Проверка и контроль качества

После достижения приемлемого соответствия истории модель должна быть проверена на основе данных, не используемых в процессе сопоставления, например, данных о давлении из наблюдательных скважин, данных о производстве из более поздних периодов или тестов на помехи. Модель, которая соответствует истории, но не может предсказать новые данные, является переобученной и ненадежной. Валидация также включает проверку того, что скорректированные параметры являются геологически и физически разумными. Например, повышение проницаемости на порядок в узком песчанике должно поддерживаться основными данными или проточными тестами. Слепые тесты против будущего производства обеспечивают окончательную валидацию.

Преимущества эффективного сопоставления истории

Хорошо выполненные исторические учения дают множество преимуществ, которые выходят за рамки уточненных оценок запасов.

  • Улучшенная точность оценок резервов: Ограничивая модель фактическими показателями, сопоставление истории уменьшает диапазон неопределенности, перемещая вероятные резервы в сторону доказанного статуса и повышая уверенность в числах 2P и 3P.
  • Расширенное понимание характеристик водохранилища: Итеративный процесс часто обнаруживает ранее непризнанные особенности, такие как барьерные дефекты, каналы с высокой проницаемостью или компартментализация, которые контролируют движение жидкости.
  • Лучшее прогнозирование сценариев будущего производства: Модель, соответствующая истории, может использоваться для прогнозирования скорости нефти и газа, требований к впрыску воды и конечного восстановления при различных сценариях развития, помогая выбрать оптимальную стратегию.
  • Повышенная уверенность в планах развития и инвестициях:] Операторы и партнеры полагаются на модели, соответствующие истории, для оправдания капитальных затрат, обеспечения финансирования и получения одобрения регулирующих органов.Надежная модель снижает риск неэффективных скважин или преждевременного отказа от месторождений.
  • Оптимизация проектов по усиленному восстановлению нефти (EOR): Для методов EOR, таких как наводнение, закачка газа или химическое наводнение, сопоставление истории помогает калибровать движения на передней части жидкости и эффективность зачистки, что приводит к лучшему проектированию и мониторингу.

Проблемы в истории совместить

Несмотря на свою ценность, сопоставление истории чревато трудностями, требующими тщательного управления.

Ограничения данных

Исторические данные часто бывают неполными, нечастыми или низкого качества. Измерения давления могут быть скудными, темпы производства могут распределяться по нескольким скважинам с коммитированными потоками, а о сокращении воды могут сообщаться с длинными промежутками. Отсутствие данных или большие ошибки измерения могут сделать невозможным достижение уникального соответствия. Инженеры должны решить, каким данным доверять, а какие рассматривать как ненадежные, вводя субъективность.

Неуникальность решений

Сопоставление истории является обратной проблемой, и многие различные комбинации параметров могут производить одно и то же соответствие. Это неуникальность означает, что модель может хорошо соответствовать истории, но все еще ошибаться в прогнозировании. Например, эффект поддержки водоносного горизонта может имитироваться высокой сжимаемостью породы, или уплотнение неисправности может быть заменено областью с низкой проницаемостью. Без дополнительных ограничений (геологическая, геофизическая или геомеханическая), сопоставленная модель может не отражать истинный резервуар. Методы количественной оценки неопределенности, такие как ансамбльные подходы, помогают путем создания нескольких правдоподобных моделей, сопоставленных с историей, а затем прогнозирования ряда результатов.

Вычислительные требования

Моделирование резервного копирования может занять часы или даже дни для запуска больших, сложных моделей. Каждая итерация сопоставления истории требует нескольких запусков моделирования, и когда многие параметры корректируются, общая вычислительная стоимость становится непомерно высокой. Часто требуются высокопроизводительные вычислительные кластеры, и даже тогда полнофункциональные модели могут потребовать упрощения за счет увеличения или использования прокси / суррогатных моделей. Компромисс между разрешением модели и скоростью является постоянной проблемой.

Субъективность и человеческие предубеждения

Совпадение истории вручную в значительной степени зависит от опыта и интуиции инженера. Различные команды могут приходить к различным матчам, каждый из которых правдоподобен в соответствии с собственным набором предположений. Предвзятость подтверждения - благоприятные параметры, которые соответствуют предвзятой идее резервуара - может привести к нереалистичным моделям. Соответствие истории с помощью помощи уменьшает, но не устраняет субъективность, поскольку выбор объективной функции, диапазонов параметров и взвешивания типов данных отражают человеческие решения.

Передовые методы в истории сопоставления

Недавние достижения в области вычислительной науки и машинного обучения превращают сопоставление истории из кропотливого ручного упражнения в более автоматизированный и надежный процесс.

Вспомогательный синхронный анализ истории (AHM)

AHM использует алгоритмы оптимизации для поиска наборов параметров, которые минимизируют объективную функцию (обычно сумму квадратов различий между смоделированными и наблюдаемыми данными). Методы варьируются от локальных градиентных подходов к глобальным стохастическим алгоритмам, таким как эволюционные стратегии. Преимущество заключается в скорости и согласованности: AHM может исследовать гораздо больше комбинаций, чем человек может вручную. Однако качество результата зависит от дизайна целевой функции и способности избегать локальных минимумов.

Методы сборки и ассимиляция данных

Такие методы, как Ансамбль фильтра Калмана (EnKF) и его варианты, были приняты из прогнозирования погоды и ассимиляции данных.] В EnKF ансамбль моделей резервуаров обновляется последовательно по мере поступления новых производственных данных (например, ежемесячно или ежеквартально). Каждая модель вычисляется вперед во времени, затем среднее и ковариантность ансамбля вычисляются и используются для корректировки состояния и параметров. Этот подход естественным образом обрабатывает неопределенность и неуникальность, поскольку он поддерживает распределение моделей. Непрерывное ассимиляции данных позволяет обновлять модели в реальном времени, часто называемые обновлением моделей или история, соответствующая в реальном времени.

Приложения машинного обучения

Модели машинного обучения, в частности нейронные сети, могут служить быстрыми прокси для моделирования полной точности. Обучая нейронную сеть набору результатов моделирования, инженеры могут оценивать тысячи комбинаций параметров за секунды, резко ускоряя цикл сопоставления истории. Также изучается обучение с подкреплением для автоматизации выбора параметров для настройки и в каком порядке. Пока еще появляются эти методы обещают сделать сопоставление истории более эффективным и доступным, особенно для небольших или средних полей, где вычислительные ресурсы ограничены.

Влияние на решения по развитию на местах

Конечная мера в проведении сопоставления истории - это качество принимаемых решений. Надежная модель, соответствующая истории, позволяет операторам:

  • Оптимизируйте размещение скважин: Определите неосушенные зоны, полосы высокой проницаемости или области с оставшимся насыщением нефтью.
  • Программы впрыска воды/газа: Предсказывают модели зачистки, время прорыва и необходимость реконфигурации шаблона.
  • Оценить возможности бурения наливных скважин: Оценить потенциальную стоимость дополнительных скважин на зрелых месторождениях.
  • Модернизация объектов: Прогнозирование мощностей по обработке жидкости, требований к обработке газа и потребностей в сжатии.
  • Бронирование резервов поддержки и финансовая отчетность: Предоставить аудиторские данные и документацию, требуемые регулирующими органами, такими как SEC или SPE.

В каждом случае модель снижает риск и увеличивает вероятность экономического успеха. Например, крупный оператор Северного моря использовал сопоставление истории для выявления ничего не подозревающего огражденного отсека, экономя десятки миллионов долларов, избегая сухой скважины, которая была бы пробурена только на основе статической модели.

Будущие направления

Будущее сопоставления истории заключается в большей интеграции междисциплинарных данных, автоматизации и обновлений в режиме реального времени. Цифровые двойники - динамические цифровые представления резервуара, которые непрерывно синхронизируются с полевыми измерениями - становятся реальностью. Эти двойники будут включать в себя не только производственные данные, но и данные 4D-сейсмики, микросейсмических событий и распределенных акустических датчиков (DTS) и распределенных акустических датчиков (DAS) из волоконной оптики. Расширенные инверсионные алгоритмы и облачные вычисления позволят обновлять целые ансамбли моделей в режиме реального времени. Кроме того, стандартизация форматов данных и библиотек с открытым исходным кодом обещают снизить барьер для входа для всех операторов.

Еще одним перспективным рубежом является использование физически-информированных нейронных сетей, которые встраивают управляющие уравнения потока в сетевую архитектуру, делая их по своей сути последовательными, а также способными учиться на данных. Такие методы могут в конечном итоге заменить традиционные симуляторы для задач, соответствующих истории, предлагая ускорение на порядок, не жертвуя точностью.

Заключение

Сопоставление истории остается важным инструментом для уточнения прогнозов запасов пласта. Это мост между статичными геологическими моделями и динамическими производственными реалиями. В то время как проблемы качества данных, неуникальности и вычислительных затрат сохраняются, непрерывная эволюция вспомогательного сопоставления истории, ансамблевых методов и машинного обучения делает процесс более надежным, эффективным и проницательным. Инженеры и геофизики, которые осваивают эти методы, будут лучше оснащены для принятия обоснованных решений, оптимизации извлечения углеводородов и устойчивого управления ресурсами. По мере того, как отрасль движется к цифровизации и управлению резервуаром в режиме реального времени, сопоставление истории будет только расти в важности в качестве краеугольного камня практики нефтяной инженерии. Для дальнейшего чтения по передовым методам сопоставления истории см. Технические документы OnePetro , Обзор ScienceDirect и тематические исследования, опубликованные SPE .