Bigen Gaz Tahmininde Decline Curve Analizinin Genişleme Rol

Decline Curve Analizi (DCA) uzun zamandır petrol ve gaz endüstrisinde üretim tahminlerinin temel taşı olarak hizmet etti. Onun yararı, biyojeneratif gaz rezervuarlarının -özellikle de karbon-nöpek dışı enerji stratejileri ve arazi gazı yakalaması için geleceğe doğru dönük olarak ortaya çıkan hataların önemini ortaya koyuyor. - DCA varsayımları ile oluşturulan yeni bir inceleme için.

DCA Temelleri ve Onların Uygulamasını Unconventional Reservoirs

Geleneksel DCA, 1945'te J.J. Arps tarafından ilk resmileştirilmiş olan ampirik ilişkilere dayanıyor: En yaygın formlar şunları içerir:

  • [FONT:0)Öyle Olmayan düşüş[[Dönemli bir düşüş[Dönetici: 0: 2): Bir birim zamanında sabit bir yüzdesi geri çekilme, tek fazlı, biraz sıkıştırılabilir bir sistemdeki sınır-düşük akış tipik.
  • [FONT:0]Hyperbolik düşüş[[DÜDÜT:1) (0 < b < 1): Boşluk düşüşü oranı ile karakterize edilen, genellikle çözüm-gaz sürücüsü veya geçici akış rejimleri gözlemleyin.
  • [FONT=0]Harmonik düşüş[[Dönetici: 1): nominal düşüş oranının üretim oranının kendisi için orantılı olduğu bir son üye.

Belirsiz rezervuarlarda, gölge gaz veya sıkı yağ gibi, b-faktor 1'i geçebilir, uzun süreli akış ve değiştirilmiş modeller (örneğin, Power Law Exponential model veya genişletilmiş Exponential Decline Model) için ihtiyaç vardır. Tüm DCA modellerinin temel premi, sürüş fiziğini aşarak - rezervuar geometrisi ve sıvı özellikleri - dönem boyunca sabitlenebilir.

Neden Bigen Gaz Reservoirs DCA Kurallarını Kıtırır

Aktif Nesil ve Dinamik Pore Basınç

Biyojen gaz, organik maddeden metaerobik dekompozisyonu ile methanojenik arşivaeaea ilerlenebilir. Bu işlem düşük sıcaklık altında (<100°C) ve genellikle sığ derinlik (<1000 metre) koşullarda, gazın yersiz bir yerken olduğu bir yerden farklı olarak, yeni gaz üretimi, uzun süreli bir platomik aktivite ile kendini sürekli olarak tamamlayamayan bir şekilde tamamlayabilir.

Multipl Scales'te Jeolojik Heterojenlik

Bigen rezervuarları genellikle sığ, unconsolidated veya kötü konsolide edilmiş sefiller veya kömür denizlerinde kırık bir sistem (kahkadar) bu son derece değişkendir.Tek etkili bir testte makro-pirikler, farklı zamanlarda aktif hale gelen farklı akış birimlerinden farklı olarak ayırt edilebilirlik sağlar.Bu çok ölçekli heterojenlik, daha sonra da dikey olarak ve dikey olarak iyi bir şekilde hareket halindeki DCA modelidir.

Biojenik Gaz

Bu temel farklılıklar DCA çıktısını bozan ve özel tedaviye talep eden dört özel zorlukla ortaya çıkmaktadır.

1. Değişken Gaz Nesillerinden Irregular Production Profilleri

Örneğin, gaz nesli, ilk bu eğrinin yükselmesinden sonra, periyodik olarak yapılan değişikliklerden önce genişletilmiş bir miktar kesintiye uğramadan önce, bu eğilimi yanlış bir şekilde azaltabilecek bir zirveye sahiptir.Eğer bu eğrinin yükselmesinden sonra, aşırı derecede düşük miktardaki düşüşe yol açan, geçici bir kesintiye uğramadan önce genişletilmiş bir kesintiye uğramadan önce genişletilmiş bir kesintiye uğramadan önce, biyolojik olarak değişebilir.

2. Erken Hızlı Decline Genişletilmiş Stabilizasyon tarafından takip edildi

Birçok biockojenik gaz iyileri karakteristik iki-segment profili sergiliyor: dik bir başlangıç düşüşü, uzun süre boyunca süren bir düşüş veya yakın zamanda üretilen bigen gazının, yakın zamanda çok daha düşük bir inşaatta olan, daha düşük bir enerjide bir miktar inşaatın üretime veya daha fazla büyüme oranına sahip olması nedeniyle, yüksek çözünürlükte yapılan bir şekilde yüksek oranda düşük bir emisyonlar ile karşılaştırıldığında, yüksek çözünürlükte yüksek oranda düşük bir şekilde geri dönüşler yapılır.

3. Akış Heterojenliği ve Etkili Permeability

Biyojenik gaz rezervuarları genellikle heterojen sefillerden oluşur, çünkü daha yüksek kullanılabilirlik çizgisi kısmen silinir ve bu tür baskılar matrislere daha fazla zarar verir.Farklı katmanlar rezervuarda farklı geçirgenlik değerlerine sahiptir ve cleat ağ, başlangıçta su ile dolu olan yüksek kapasiteli akış yollara katkıda bulunabilir.

4. Censored ve Sparse Production Histories

Biyogen gaz projeleri genellikle geleneksel petrol ve gaz alanlarının ölçeğinde daha küçük ve üretimleri nispeten kısa olabilir. Tipik bir akış davranışın normalleştirilmesi, bu tür bir sabit veri toplaması için birkaç yıllık verilerin az olması gerekir.Dönemli bir şekilde yapılan bir üç parametreli hiperbolik modeli (qi, Di, b) bu tür bir veri toplaması için, bu tür bir miktar geçici olmayan parametrelerin ortalamaya uygun olması gerekir.

Bigen Gaz DCA için çözümler ve en iyi modelleme yaklaşımları

Yukarıdaki zorluklara değinmek basit Arps eğrisi uydurmasının ve ek veri kaynakları ve daha esnek matematiksel modeller dahil edilmesi gerekir. Aşağıdaki yaklaşımlar pratikte etkili olmuştur.

Zaman Para Para Para Para Para Para Paraları ile Özel Olarak Özelleştirilmiş Modeller

Standart DCA, nominal düşüş oranının sürekli olarak kaldığını veya basit bir güç kanununu takip ettiğini varsayıyor.Bigen rezervuar için, zaman içinde geri çekilmenin izin verdiği modelleri kullanmak genellikle daha az fayda sağlar.Süreselleştirilmiş Exponential Decline Model (SEDM) ve Duong modeli (aslında başlangıçta kırılabilir bir şekilde yapılandırılabilir.The Duong modeli, belirli bir zamandaki yanlış anlamayı tercih eder, bu da, gözlemlenen bir dizinle karşılaştırıldığında, sabit bir şekilde bir araya gelmemelidir.

DCA'ya Bir Uygulama Olarak Sayısal Simülasyon

Büyük heterojenlik ile rezervuarlar veya neslin zaman bağımlı olduğu yerde, sayısal rezervuar simülasyonu, bir arazi dolum hattının sabit bir şekilde kullanılmasını sağlayan bir iki bağımsız metabolik model, yüksek çözünürlükte olan etkileşimi yakalayabilir.Bir modelin eğriliği için daha fazla zaman ayarlayıcı olması için, fiziksel olarak uygun bir şekilde ayarlanabilir.In arsa kontraseptif bir ölçüm için kullanılan bir yönteme ve ne kadar doğrulayıcı bir şekilde ayarlanabilir.

Entegre Data Assimilation ve Machine Learning Augmentation

Biyoojenik projelerin sınırlı üretim tarihi tipik olarak göz önüne alındığında, mevcut tüm veri kaynaklarını entegre etmek önemlidir. Bu şunları içerir:

  • [FONT:0)Geolojik veriler:[Dönetici özellikleri, iyi loglar, temel geçirgenlik ve akış birimleri tanımlayan facies haritaları.
  • [FONT=0)Geokimyasal veriler: [DD) Gaz izotopik kompozisyonu ( ⁇ 13C, ⁇ D) bigenik kökenini doğrulayarak ve metan nesil yolunda (acetoclastic vs. hidrojenotrophic).
  • [FONT=0)Mikrobiyolojik veriler:[Dönetici:[Dönetici:0) Mikrobiyolojik veriler:[Dönetici:[Dönetici:0)[Dönetici:[Dönetici:[Dönetici: 1)) Karşılaştırmalı nüfus ve aktivite potansiyelini ölçen DNA sequencing ve metabolik assays.
  • [FONT=0]Operations data:[[Dön baskı, su-gaz oranı ve enjeksiyon / sıvı faz dinamiklerini açığa çıkaran hacimler.

Bu girdi özelliklerine dayanan makine öğrenimi regresyon modelleri, DCA parametreleri için önceden tahmin edilebilir ve model, beklenen davranıştan sapmak için de planlanabilir ve potansiyel mekanik sorunları veya bölme özelliklerine dayalı olarak geri çekilme oranını tahmin edebilir.Bu tür veriler odaklı modeller, DCA parametreleri için önceden tahmin edilebilir ve DCA tahminleri güncellenebilir.Bu tahmin edici süreç, gelecekteki tüm analizlerden gelen tüm alanlardan sürekli olarak iyi bir şekilde geliştirilebilir.

Olasılıksal DCA ve Uncertainty Quantification

Biyogen rezervuarlarda doğal olarak tahmin edilen belirsizlik derecesi ile başa çıkmak için, deterministic DCA (bir tek eğri) bir olasılıksal yaklaşımla değiştirilmesi gerekir. Yöntemler şunları içerir:

  • [FONT:0)Monte Carlo simülasyonu:[Dönetici:[Dönetici:0) DCA parametrelerine (qi, Di, b) gözlemlenen veriler ve önceden bilgi ile sınırlı olarak binlerce simülasyonu çalıştırın.
  • [FONT:0)Markov Chain Monte Carlo (MCMC): ), A Bayesian, parametre dağıtımlarını yeni veriler geldiğinde güncellemenin uygun olduğu bir yaklaşımdır. Bu, özellikle sınırlı fiyatlı dava için uygundur, çünkü önceki inançlara göre aşırı yüklemeyi önler.
  • [FONT:0)Bootstrap yeniden toplanıyor: Yeterli verilerle iyiler için, tekrar tekrar tekrar tekrar bir DCA modeli uygun ve sonuçlanan tahminleri bir dağıtıma dönüştürür.

Probabilistic DCA, tek bir sayı yerine olası sonuçlar yelpazesi ile karar vericiler sunar. Bu, bir bigen gazı projesinin ekonomik uygulanabilirliğini değerlendirdiğinde kritiktir - eğer P90 (10.% rezervlerin yüzde 10'u) proje eşiği altındaysa, yatırım P50 (median) çekici görünmeyebilir.

Reservoir Yönetimi için Pratik İmplikasyonlar

Bu gelişmiş DCA tekniklerini uygulamak, günlük rezervuar yönetimi için doğrudan fayda sağlar. Birincisi, DCA modeli uzun bir stabilizasyon süresini tanımlarsa, üretimdeki mikrobiyal aktivitenin etkisini fark eder, çünkü her iyi bir şekilde düşük bir enjeksiyonda büyük bir alan tüketir.İkinci olarak, daha iyi tahminler, gaz pazarlama sözleşmelerini geliştirir, daha büyük bir güven sağlayan bir kaynaktır.

Sürekli Model Core Practice olarak

Belki de DCA için en önemli uygulama, mikrogen gazı rezervuarları için tahminleri bir canlı belge olarak tedavi etmek, bir zamanlar egzersiz değil.Çünkü rezervuar biyolojik olarak aktif ve çevresel değişikliklere tabi, ilk yılında mükemmel bir şekilde uygun bir model, mikrobiyolojistler, daha önce adapte edilmiş bir topluluk olarak kabul edilebilir veya dış koşullar değişir.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Biyojeneratif gaz rezervuarları için Decline Curve Analizi, bu eşsiz zorlukları takip etmeyen, daha güvenilir tahminlere doğru ilk adım olan üretim profillerini ve geologic heterojenleri bir araya getirerek, gözlemlenen davranışları yakalamanız için gerekli olan matematiksel esnekliği sağlar.