BR112013015288A2 - método de escalonamento ascendente com um sistema de processamento dados de modelagem de rocha digitais de escala de poro representando rocha - Google Patents
método de escalonamento ascendente com um sistema de processamento dados de modelagem de rocha digitais de escala de poro representando rocha Download PDFInfo
- Publication number
- BR112013015288A2 BR112013015288A2 BR112013015288-5A BR112013015288A BR112013015288A2 BR 112013015288 A2 BR112013015288 A2 BR 112013015288A2 BR 112013015288 A BR112013015288 A BR 112013015288A BR 112013015288 A2 BR112013015288 A2 BR 112013015288A2
- Authority
- BR
- Brazil
- Prior art keywords
- scale
- well
- data
- rock
- digital
- Prior art date
Links
- 239000011435 rock Substances 0.000 title claims abstract description 164
- 238000000034 method Methods 0.000 title claims abstract description 98
- 239000011148 porous material Substances 0.000 title claims abstract description 93
- 238000012545 processing Methods 0.000 title claims abstract description 15
- 208000035126 Facies Diseases 0.000 claims abstract description 66
- 238000004088 simulation Methods 0.000 claims abstract description 47
- 238000002591 computed tomography Methods 0.000 claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000001174 ascending effect Effects 0.000 claims abstract description 10
- 238000005553 drilling Methods 0.000 claims abstract description 8
- 230000035699 permeability Effects 0.000 claims description 76
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 26
- 238000013459 approach Methods 0.000 claims description 20
- 238000011084 recovery Methods 0.000 claims description 17
- 238000005481 NMR spectroscopy Methods 0.000 claims description 13
- 230000003068 static effect Effects 0.000 claims description 11
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 claims description 9
- 229910052753 mercury Inorganic materials 0.000 claims description 9
- 238000002347 injection Methods 0.000 claims description 8
- 239000007924 injection Substances 0.000 claims description 8
- 238000000166 fluorescence laser scanning microscopy Methods 0.000 claims description 7
- 239000000872 buffer Substances 0.000 claims description 6
- 150000004649 carbonic acid derivatives Chemical class 0.000 claims description 6
- 238000000799 fluorescence microscopy Methods 0.000 claims description 6
- 238000010884 ion-beam technique Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000010200 validation analysis Methods 0.000 claims description 5
- 238000012552 review Methods 0.000 claims description 4
- 238000004626 scanning electron microscopy Methods 0.000 claims description 4
- 235000015076 Shorea robusta Nutrition 0.000 claims description 3
- 244000166071 Shorea robusta Species 0.000 claims description 3
- 238000005056 compaction Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 3
- 238000003325 tomography Methods 0.000 claims description 3
- 238000004624 confocal microscopy Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 claims description 2
- 101150058817 RRT1 gene Proteins 0.000 claims 4
- ZPOLOEWJWXZUSP-WAYWQWQTSA-N bis(prop-2-enyl) (z)-but-2-enedioate Chemical compound C=CCOC(=O)\C=C/C(=O)OCC=C ZPOLOEWJWXZUSP-WAYWQWQTSA-N 0.000 claims 3
- HJUFTIJOISQSKQ-UHFFFAOYSA-N fenoxycarb Chemical compound C1=CC(OCCNC(=O)OCC)=CC=C1OC1=CC=CC=C1 HJUFTIJOISQSKQ-UHFFFAOYSA-N 0.000 claims 3
- 230000009885 systemic effect Effects 0.000 claims 2
- 101100020619 Arabidopsis thaliana LATE gene Proteins 0.000 claims 1
- 241001442654 Percnon planissimum Species 0.000 claims 1
- 238000004833 X-ray photoelectron spectroscopy Methods 0.000 claims 1
- 238000001493 electron microscopy Methods 0.000 claims 1
- 239000004744 fabric Substances 0.000 claims 1
- 238000009408 flooring Methods 0.000 claims 1
- GTUJJVSZIHQLHA-XPWFQUROSA-N pApA Chemical compound C1=NC2=C(N)N=CN=C2N1[C@@H]([C@@H]1O)O[C@H](COP(O)(O)=O)[C@H]1OP(O)(=O)OC[C@H]([C@@H](O)[C@H]1O)O[C@H]1N1C(N=CN=C2N)=C2N=C1 GTUJJVSZIHQLHA-XPWFQUROSA-N 0.000 claims 1
- 208000019585 progressive encephalomyelitis with rigidity and myoclonus Diseases 0.000 claims 1
- 230000004043 responsiveness Effects 0.000 claims 1
- 238000007789 sealing Methods 0.000 claims 1
- 238000013179 statistical model Methods 0.000 claims 1
- 210000004243 sweat Anatomy 0.000 claims 1
- 238000010408 sweeping Methods 0.000 claims 1
- 230000009897 systematic effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 238000009826 distribution Methods 0.000 description 10
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 9
- 239000012530 fluid Substances 0.000 description 8
- 239000013049 sediment Substances 0.000 description 7
- 239000000853 adhesive Substances 0.000 description 6
- 230000001070 adhesive effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 229930195733 hydrocarbon Natural products 0.000 description 5
- 150000002430 hydrocarbons Chemical class 0.000 description 5
- 238000009933 burial Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000012615 high-resolution technique Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 244000056139 Brassica cretica Species 0.000 description 1
- 235000003351 Brassica cretica Nutrition 0.000 description 1
- 235000003343 Brassica rupestris Nutrition 0.000 description 1
- 239000004593 Epoxy Substances 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- QKSKPIVNLNLAAV-UHFFFAOYSA-N bis(2-chloroethyl) sulfide Chemical compound ClCCSCCCl QKSKPIVNLNLAAV-UHFFFAOYSA-N 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 229910000514 dolomite Inorganic materials 0.000 description 1
- 239000010459 dolomite Substances 0.000 description 1
- 239000007850 fluorescent dye Substances 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- -1 histograms Chemical compound 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011545 laboratory measurement Methods 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010603 microCT Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 235000010460 mustard Nutrition 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000001314 profilometry Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012144 step-by-step procedure Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V20/00—Geomodelling in general
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
MÉTODO DE ESCALONAMENTO ASCENDENTE COM UM SISTEMA DE PROCESSAMENTO DADOS DE MODELAGEM DE ROCHA DIGITAIS DE ESCALA DE PORO REPRESENTANDO ROCHA DE RESERVATÓRIO, SISTEMA PARA GERAR DADOS DE MODELAGEM DE ROCHA DIGITAIS DE ESCALA DE POÇO ESCALADOS DE FORMA ASCENDENTE, MÉTODO DE ESCALONAMENTO ASCENDENTE COM UM SISTEMA DE PROCESSAMENTO DADOS DE MODELAGEM DE ROCHA DIGITAIS DE ESCALA DE POÇO, SISTEMA PARA GERAR DADOS DE MODELAGEM DE ROCHA DIGITAIS DE ESCALA INTER- POÇOS DE ESCALONAMENTO ASCENDENTE, MÉTODO DE ESCALONAMENTO ASCENDENTE COM UM SISTEMA DE PROCESSAMENTO DADOS DE MODELAGEM DE ROCHA DIGITAIS DE ESCALA INTER-POÇOS, E SISTEMA PARA GERAR DADOS DE MODELAGEM DE ROCHA DIGITAIS DE ESCALA DE CAMPO TOTAL DE ESCALONAMENTO ASCENDENTE
Métodos para escalonamento ascendente de dados de modelagem de rocha digitais são descritos. Amostras de tampão de testemunho para modelagem de escala de poro são estrategicamente escolhidas utilizando grades de minipermeabilidade de testemunho inteiro e varreduras de CT (tomografia computadorizada) convencionais. Modelos de poro ou modelos de rede de poro são utilizadas para modelagem de fluxo. Propriedades de SCAL numérico computado (Análise de testemunho especial) são validados utilizando dados derivados de laboratório, a seguir são utilizados para popular modelos de escala de poço. Modelos de escala de poço utilizam MPS (Estatísticas de multipontos) para combinar grades de minipermeabilidade e varreduras CT convencionais de testemunho inteiro com imagens de furo elétrico para criar pseudotestemunhos numéricos 3D para cada RRT (tipo de rocha de reservatório). Propriedades de SCAL determinadas de modelos de escala de poro são distribuídas para cada facies petrofísica em pseudotestemunhos numéricos. Propriedades SCAL efetivas computadas de várias realizações de escala de poço MPS ou modelos são utilizadas para popular modelos de escala inter-poços para cada RRT. Na escala inter-poços, atributos sísmicos e estatísticas de variograma de dados LWD (perfilagem durante perfuração) são utilizados para popular modelos de rocha digitais. Propriedades efetivas computadas de simulações de fluxo para volumes inter-poços são utilizados para popular modelos de escala de campo total. Na escala de campo total, análogos de afloramento, estratigrafia de sequência, modelos estratigráficos avançados, modelos diagenéticos, e modelos de escala de bacia são combinados utilizando MPS para aperfeiçoar simulações de fluxo. Em cada estágio, REVs (volumes de elemento representativo) são computados para ter certeza que heterogeneidades de rocha foram capturadas.
Description
PARA GERAR DADOS DE MODELAGEM DE ROCHA DIGITAIS DE ESCALA 5 DE POÇO ESCALADOS DE FORMA ASCENDENTE, MÉTODO DE
DE ESCALA DE CAMPO TOTAL DE ESCALONAMENTO ASCENDENTE Campo O relatório descritivo dessa patente se refere genericamente a métodos para caracterizar amostras tridimensionais (3D) de rocha de reservatório. Mais particularmente, o relatório descritivo dessa patente se refere à escalonamento ascendente dados de modelagem de rocha digitais.
Antecedentes Modelagem de reservatório é o processo de construir uma representação digital de um reservatório que incorpora todas as características pertinentes a sua capacidade de armazenar e produzir hidrocarbonetos. Modelos de
- 2 reservatório são subdivididos em componentes estáticos e dinâmicos. Modelos estáticos são simulações de escala fina de propriedades de rocha como porosidade, permeabilidade, pressão capilar, fratura, falhas, atributos sísmicos, e 5 parâmetros que não alteram significativamente com o tempo.
Modelos dinâmicos são simulações mais grosseiras que incorporam propriedades de fluido que alteram com o tempo, como taxas de fluxo e pressão de óleo, gás e água.
A modelagem de reservatório cobre pelo menos 12 10 ordens '"'e ~ magnitude, variando de poro (nm a mícron) para furo (mm a m) a inter-poços (dezenas a centenas de m) até escala de campo total (dezenas de km) Rochas de reservatório são complexas e heterogêneas em todas as escalas. A simulação de multiescala é um objetivo principal 15 da indústria de petróleo, e muitas abordagens de escalonamento ascendente foram propostas. Vide, por exemplo, Christie, M.A., 1996, Upscaling for reservoir simulation: JPT, v. 48, no. 11, pág. 1004-1010 (a seguir "Christie 1996"); e Durlofsky, L.J., 2003, Upscaling of 20 geocellular models for reservoir flow simulation: a review of recent progress: 7th International Forum on Reservoir simulation, Buhl/Baden-Baden, Germany, 23-27 de junho, pág.
58 (a seguir "Durlofsky 2003"). A maioria dessas abordagens de escalonamento ascendente convencionais inicia com 25 modelos de reservatório de escala fina que são engrossados até um modelo que simuladores de fluxo de fluido típicos podem tratar. O maior desafio nesse tipo de escalonamento ascendente ocorre porque é comumente difícil preservar heterogeneidades geológicas essenciais nos modelos grossos resultantes.
5 A heterogeneidade pode ser definida como a variação em propriedades de rocha como uma função de localização em um reservatório ou formação. Muitos reservatórios são heterogêneos porque mineralogia, tamanho e tipo de grão, ambiente de depósito, porosidade, permeabilidade, fraturas naturars, falhas, canais e outros atributos variam de lugar para lugar. Heterogeneidade causa problemas em avaliação de formação e simulação de reservatório porque os reservatórios ocupam volumes enormes, porém há controle de perfil e testemunho limitado. Por exemplo, um bloco de grade típico utilizado em um simulador de reservatório é de 250m x 250m x 1 m, pseudo-testemunhos numéricos em escala de poço representam volumes de rocha na escala de metro cúbico, e tampões de testemunho e varreduras de micro CT ou varreduras confocais representam volumes ainda menores.
Um modelo geocelular é um modelo 3D em grade em camadas. As camadas podem ter espessura zero, como no caso de apertos de leito ou truncamentos. As camadas podem ser tão finas quanto o espaçamento de medições de perfil, ou podem ser mais grossas, para refletir a espessura conhecida de camadas de rocha. Modelos geocelulares capturam heterogeneidades de escala geológica, e comumente têm milhões de células.
Escalonamento ascendente é o processo de converter propriedades de rocha de escalas finas para escalas mais grossas. Algoritmos de escalonamento ascendente atribuem 5 valores apropriados de porosidade, permeabilidade e outras funções de fluxo para cada bloco de grade mais grosso. Vide Lasseter, T.J., Waggoner, J.R., and Lake, L.W., 1986, Reservoir heterogeneities and their influence on ultimate recovery, em Lake, L.W., andCarroll, H.B., Jr., eds.
Reservd!l.r characterization: Academic Press, Orlando, Florida, pãg. 545-559 (a seguir "Lasseter 1986"); Christie 1996, e Durlofsky 2003. Escalonamento ascendente é necessário porque simuladores de reservatório não podem tratar do número grande células em modelos geocelulares típicos.
Houve muitas tentativas de escalonamento ascendente em simulação de reservatório. Abordagens comuns são resumidas em: Lasseter 1986, Christie 1996, e Durlofsky
2003. Um número de autores utilizou estatísticas de multipontos (MPS) e conceitos de volume de elemento representativo (REVI em modelagem de rocha digital. Okabe e Blunt (2004, 2005,2007) utilizaram MPS para gerar sistemas de poro 3D de seções finas de 2D. Vide Okabe, H., and Blunt, M.J., 2004, Prediction of permeability for porous media reconstructed using multiple-point statistics; Physical review, E., v. 70, 10 p; Okabe, H., and Blunt,
M.J., 2005, Pore space reconstruction using multiple-point statistics: Journal of Petroleum science and Engineering, v. 46, pág. 121-137; e Okabe, H., and Blunt, M.J., 2007, Pore space reconstruction of vuggy carbonates using 5 microtomography and multiple-point statistics: Water resources research, v. 43. Esses autores assumem que a vista horizontal 2D era igual à vista vertical 2D, e prosseguiram para gerar seu modelo. Devido a essa assunção, seu modelo não captura heterogeneidade de rocha, e não represd~ta geometria de poro 3D verdadeira. MPS foi utilizado para modelar tratos de facies de carbonato. Vide Levy, M., P.M. Harris, S. Strebelle and E.C. Rankey, 2007a, Geomorphology of carbonate systems and reservoir modeling: carbonate training images, FDM cubes and MPS simulations (abs.) : AAPG Annual Convention, Long Beach, California, http://searchanddiscovery.com/documents/2008/08054levy/inde x.htm (acessado em 15 de julho de 2008); Levy, M., W.
Milliken, P.M. Harris, S. Strebelle and E.C. Rankey, 2007b, Importance of facies-based earth models for understaning flow behavior in carbonate reservoirs (abs) : AAPG Annual convention, Long Beach, California, http://searchanddiscovery.com/documents/2008/08097harris25a /index.htm (acessado em 5 de setembro de 2008); e Harris, P.M. 2009, Delineating and quantifying depositional facies patterns in carbonate reservoirs: Insight from modern analogs: AAPG Bulletin, v. 94, pág. 61-86. MPS foi
- 6 utilizado para gerar modelos de rocha numéricos em escala de poço. Vide Zhang, T., Hurley, N.F., and Zhao, W;. 2009, Numerical modeling of heterogeneous carbonates and multi- scale dynamics: apresentado na SPWLA 50th Annual logging 5 symposium, The Woodlands, Texas, 21-24 de junho (a seguir "Zhang 2009") Conceitos de volume de elemento representativo (na sigla em inglês para representative element volume, REV) e área (na sigla em inglês para representative element area, REA) foram aplicados a uma 10 foto· d• afloramento de sedimentos heterolíticos. Vide Norris, R.J. and Lewis, J.J.M, 1991. The geological modeling of effective permeability in complex heterolithic facies: SPE Preprint 22692, apresentado na 66th Annual Technical conference and exhibition, Dallas, TX, 6-9 de 15 outubro, pág. 359-374. REV foi discutido em relação a trabalho com permeabilidades em blocos de afloramento de sedimentos heterolíticos. Vide Jackson, M.D., Muggeridge, A.H., Yoshida, s., and Johnson, H.D., 2003, Upscaling permeability measurements within complex heterolithic tidal 20 sandstones: Mathematical Geology, v. 35, pág. 499-520; and Jackson, M.D., Yoshida, S., Muggeridge, A.H., e Johnson, H.D., 2005, Three-dimensional reservoir characterization and flow simulation of heterolithic tidal sandstones: AAPG Bulletin, v. 89, pág. 507-528. o conceito de REV foi 25 utilizado em modelos de rocha digitais em escala de poro.
Entretanto, como utilizaram sub-volumes em sobreposição,
------------ - 7 obtiveram resultados questionáveis. Vide Zhang, D., Zhang, R., Chen, S., Soll, W.E., 2000, Pore scale study of flow in porous media: Scale dependency, REV, and statistical REV: Geophysical research letters, v. 27, no. 8,pág. 1195-1198; 5 e Okabe, H. and Oseto, K., 2006, Pore-scale heterogeneity assessed by the lattice-Boltzmann method: International Symposium of the Soe. Of Core analysts, Trondheim, Norway, 12-16 de setembro, artigo SCA2006-44, 7 p. O conceito de variância minimizada de REV foi utilizado para engrossar 10 (escalo5ar ascendentemente) simulações de reservatório.
Vide Qi, D.' 2009, Upscaling theory and application techniques for reservoir simulation; Lambert academic Publishing, Saarbrucken, Germany 230 p. (a seguir "Qi 2009").
15 Modelos em escala de poro 3D foram construídos utilizando seções finas 2D, utilizando uma abordagem conhecida como simulação Markov Chain Monte Carlo. Vide Wu, K., Van Dijke, M.I.J., Couples, G.D., Jiang, Z., Ma, J., Sorbie, K.S., Crawford, J., Young, I., e Zhang, X., 2006, 20 3D stochastic modelling of heterogeneous porous media applications to reservoir rocks: Transport in Porous Media,v. 65, pág. 443-467. Questões de escalonamento ascendente foram tratadas construindo modelos de poro compósitos utilizando varreduras de seção fina de resolução 25 diferente. Vide Wu, K., Ryanazov, A., van Dijke, M.I.J., Jiang, Z., Ma, J., Couples, G. D. and Sorbie, K.S., 2008,
Validation of Methods for multi-scale pore space reconstruction and their use in prediction of flow properties of carbonate: artigo SCA2008-34, International symposium of the society of core analysts, Abu Dhabi, 29 de 5 outubro - 2 de novembro, 12 p. , que afirma: "Uma possível abordagem é refinar a imagem 3D de escala mais grossa para resolução equivalente como a escala mais fina e então combinar essas duas estruturas com o mesmo volume em um modelo único." A imagem em escala mais fina é "sobreposta" na ima~m de escala mais grossa para formar uma estrutura integrada. Vide, id.
A patente Norte-Americana US 6.826.520 descreve um método para escalonamento ascendente permeabilidade utilizando uma grade computacional Voronoi. A patente Norte-Americana US 7.224.162 descreve um método para estimar propriedades de uma formação geológica, utilizando dados de perfil de poço como ressonância magnética nuclear, resistividade e outros perfis. O método adquire valores de propriedade de formação direcional e gera um perfil de propriedade direcional. A patente norte americana US
7.783.462 descreve um método para popular uma estrutura de reservatório tridimensional tendo uma pluralidade de células com um ou mais valores de propriedade de reservatório constantes. A patente Norte-Americana US
7.765.091 descreve um método de multiescalas para simulação de reservatório utilizando um método de volume finito.
A publicação de pedido de patente Norte-Americano US 2011-0004448 descreve um método para construir modelos digitais 3D de meios porosos utilizando luz branca refletida e profilometry confocal de varredura laser e 5 estatísticas de multi pontos. A publicação de pedido de patente Norte-Americano US 2011-0004447 descreve um método para construir modelos digitais 3D de meios porosos utilizando microscopia confocal de varredura laser transmitida e estatísticas de multipontos. O conceito REV de escét.J.a de poro também é discutido. A publicação de pedido de patente Norte-Americano US 2009-0262603 descreve um método para gerar imagens de furo total de imagens de furo. A publicação de pedido de patente Norte-Americano US 2009-0259446 descreve um método para gerar pseudotestemunhos numéricos de CTscans convencionais e imagens de furo total utilizando estatísticas de multipontos.
Sumário De acordo com algumas modalidades, é fornecido um método para escalonamento ascendente com um sistema de processamento, dados de modelagem de rocha digitais em escala de poço representando rocha de reservatório. O método inclui combinar os dados de modelagem de rocha digitais em escala de poço com dados de fonte em escala de inter-poços para gerar dados de modelagem de rocha digitais em escala de inter-poços que capturam heterogeneidade em uma escala de inter-poços. Uma pluralidade de tipos de rocha de reservatório são preferivelmente identificadas nos dados de modelagem de rocha digital em escala de poço. Os dados de fonte em escala de inter-poços são preferivelmente 5 coletados utilizando perfilagem enquanto perfura poços não verticais, medições geofísicas de poço cruzado, e medições sísmicas; e podem incluir estatísticas de variogram computado. O processo de escalonamento ascendente inclui preferivelmente uso de valores computados em uma escala de poço~ dt2 porosidade, permeabilidade, pressão capilar e/ou permeabilidade relativa. De acordo com algumas modalidades outros valores podem ser utilizados para escalonamento ascendente como: índices de resistividade, saturações de água, saturações de água irredutíveis, saturações de óleo residual, fatores de recuperação, e expoentes de cimentação Archie (m) e saturação (n) . Os dados de modelagem de rocha digitais incluem preferivelmente resultados de estatísticas de multipontos e volumes de elemento representativos.
Os dados de modelagem de rocha digitais em escala de poço foram preferivelmente de escalonamento ascendente de dados de modelagem de rocha digital em escala de poro utilizando valores computados em uma escala de poro, de porosidade, permeabilidade, pressão capilar e/ou permeabilidade relativa. Os dados de modelagem de rocha digitais em escala de poro são preferivelmente gerados utilizando dados de varredura de tomografia computadorizada
(na sigla em inglês para computed tomography, CT) convencionais e minipermeabilidade de um ou mais chapas de testemunho, tendo um espaçamento em grade de dados de miniperm. Entre aproximadamente 0,5 em e aproximadamente 1 5 em, e um espaçamento de fatia de CTscan de aproximadamente 1 mm a 2 mm. dados de varredura CT e minipermeabilidade são preferivelmente utilizados para identificar subvolumes de rocha conhecidos como facies petrofísicas. Facies petrofísicas são preferivelmente caracterizadas utilizando microsd~pia de fluorescência de varredura laser transmitida 2D e 3D em uma resolução de aproximadamente 250 nm por pixel ou voxel, varreduras micro CT em uma resolução de aproximadamente 1 a 5 mícrons por voxel, varreduras nano CT em uma resolução de aproximadamente 50 nm a 60 nm por voxel, microscopia de elétrons de varredura de feixe de íons focalizado (FIB-SEM) em uma resolução de aproximadamente 5 nm a 10 nm por pixel utilizando seções seriais estreitamente espaçadas, pressão capilar de injeção de mercúrio (na sigla em inglês para Mercury injection capillary pressure, MICP) e/ou ressonância magnética nuclear (na sigla em inglês para nuclear magnectic resonance, NMR).
o método também pode incluir escalonamento ascendente os dados de modelagem de rocha digitais em escala de inter-poços gerados para gerar dados de modelagem de rocha digitais em escala de campo total, com base em valores computados em uma escala inter-poços, de porosidade, permeabilidade, pressão capilar e/ou permeabilidade relativa.
Breve descrição das figuras 5 A presente revelação é adicionalmente descrita na descrição detalhada que se segue, em referência à pluralidade mencionada de desenhos por meio de exemplos não limitadores de modalidades exemplares, nas quais numerais de referência similares representam partes similares em ) todas a~ várias vistas dos desenhos e em que: A figura 1 ilustra um cenário de campo de óleo no qual uma modelagem de rocha digital de multiescala para simulação de reservatório é realizada, de acordo com algumas modalidades; As figuras 2A-B são diagramas de blocos que mostram procedimentos recomendados para simulação de reservatório de multiescala de acordo com algumas modalidades; 1). figura 3 é um diagrama de blocos que mostra um fluxo de trabalho com modelos de rocha digitais em escala de poro, de acordo com alguma modalidade; A figura 4 é um diagrama de blocos que mostra um fluxo de trabalho com modelos de rocha digitais em escala de poço, de acordo com algumas modalidades; A figura 5 é um diagrama que mostra um fluxo de trabalho com modelos de rocha digitais em escala inter- poços, de acordo com algumas modalidades;
A figura 6 é um diagrama de blocos que mostra um fluxo de trabalho para simulação de campo total, de acordo com algumas modalidades; A figura 7 é um fluxograma que mostra etapas 5 preliminares a serem realizadas antes de uma simulação de reservatório de multiescala, de acordo com algumas modalidades; As figuras BA-B são um fluxograma que mostra etapas na execução de uma análise de testemunho digital avançado, na for~ de pseudotestemunhos numéricos e simulação de fluxo, de acordo com algumas modalidades; A figura 9 é um fluxograma que mostra etapas utilizadas para distribuir facies e construir o modelo em escala inter-poços, de acordo com algumas modalidades; e As figuras 10A-B ilustram um fluxograma que mostra etapas recomendadas para escalonamento ascendente de simulações inter-poços para campo total, de acordo com algumas modalidades.
Descrição detalhada A seguinte descrição provê somente modalidades exemplares, e não pretende limitar o escopo, aplicabilidade ou configuração da revelação. Em vez disso, a seguinte descrição das modalidades exemplares fornecerá àqueles versados na técnica com uma descrição para implementar uma ou mais modalidades exemplares. Sendo entendido que várias alterações podem ser feitas na função e arranjo de elementos sem se afastar do espírito e escopo da invenção como exposto nas reivindicações apensas.
Detalhes específicos são dados na seguinte descrição para fornecer uma compreensão completa das 5 modalidades. Entretanto, será entendido por uma pessoa com conhecimentos comuns na técnica que as modalidades podem ser postas em prática sem esses detalhes específicos. por exemplo, sistemas, processos, e outros elementos na invenção podem ser mostrados como componentes em forma de diagrarr(& de bloco para não obscurecer as modalidades em detalhe desnecessário. Em outras instâncias, processos, estruturas e técnicas bem conhecidas podem ser mostradas sem detalhe desnecessário para evitar obscurecer as modalidades. Além disso, números de referência similares e designações nos vários desenhos indicam elementos similares.
Além disso, observa-se que modalidades individuais podem ser descri tas como um processo que é representado como um fluxograma, um diagrama de fluxo, um diagrama de fluxo de dados, um diagrama de estrutura, ou um diagrama de blocos. Embora um fluxograma possa descrever as operações como um processo sequencial, muitas das operações podem ser realizadas em paralelo ou simultaneamente. Além disso, a ordem das operações pode ser reorganizada. Um processo pode ser determinado quando suas operações são concluídas, porém pode ter etapas adicionais não discutidas ou incluídas em uma figura. Além disso, nem todas as operações em qualquer processo particularmente descrito podem ocorrer em todas as modalidades. Um processo pode corresponder a um método, uma função, um procedimento, uma subrotina, um subprograma, 5 etc. Quando um processo corresponde a uma função, sua terminação corresponde a um retorno da função a função que chama ou a função principal.
Além disso, modalidades da invenção podem ser implementadas, pelo menos em parte, manualmente ou automat'~camente. Implementações manuais ou automáticas podem ser executadas, ou pelo menos auxiliares, através do uso de máquinas, hardware, software, firmware, middleware, microcódigo, linguagens de descrição de hardware, ou qualquer combinação dos mesmos. Quando implementado em software, firmware, middleware ou microcódigo, o código de programa ou segmentos de código para executar as tarefas necessárias podem ser armazenados em uma mídia legível em máquina. Um(uns) processador(es) pode (m) executar as tarefas necessárias.
A figura 1 ilustra um cenário de campo de óleo no qual uma modelagem de rocha digital em multiescala para simulação de reservatório é realizada, de acordo com algumas modalidades. Na figura 1, poços 110 e 120 são quase horizontais no reservatório 102. Na superfície 100, o truque de perfilagem a cabo 112 implanta uma ferramenta de perfilagem 140 no poço 110. Similarmente, o truque de perfilagern a cabo 122 é mostrado implantando urna ferramenta de perfilagern 142 no poço 120. Embora a figura 1 ilustre poços quase horizontais, aqueles versados na técnica perceberiam que as técnicas descri tas poderiam ser também
5 utilizadas nos poços que são desviados ou são verticais.
As ferramentas de perfilagern 140 e 142 podem ser, por exemplo,
ferramentas de irnagearnento de furo, ferramentas de testernunhagern, ferramentas de amostragem de fluido,
ferramentas de resistividade, ferramentas nucleares,
ferrarne'Gtas sísmicas de furo, ferramentas de perfilagern sônica, e ferramentas eletromagnéticas (incluindo EM de poço cruzado) . Os dados de truques de perfilagern 112 e 122 são transmitidos para um centro de processamento 150 que inclui urna ou mais unidades de processamento central 144 para realizar os procedimentos de processamento de dados corno descrito aqui, bem corno outro processamento.
O centro de processamento 150 também inclui um sistema de armazenagem 142, comunicações e módulos de entrada/ saída
140, um display de usuário 146 e um sistema de entrada de usuário 148. De acordo com algumas modalidades, o centro de processamento 150 pode ser localizado em um local distante dos locais de poço.
Embora não mostrado na figura 1, o centro de processamento 150 também recebe muitos outros tipos de dados utilizados em modelagem de rocha digital em rnultiescala, corno dados de análise de testemunho e dados sísmicos de superfície.
Modelos de rocha digitais são utilizados para desenvolver fluxos de trabalho conceptuais para executar simulações de multiescala em rochas heterogêneas. Os modelos variam em tamanho de poro (nm a mícron) para furo 5 (mm a m) para inter-poços (dezenas a centenas de m) até escala de tampo total (dezenas a centenas de km) . De acordo com algumas modalidades, em cada escala, propriedades petrofísicas são calculadas de modelos de rocha digitais na escala menor adjacente. As propriedades petrofísicas são entãü lit:ilizadas para popular simulações na escala maior seguinte. Esse processo, uma forma de escalonamento ascendente, converte modelos de escala fina em grades de simulação grossa.
De acordo com algumas modalidades, em todas as escalas, modelos de rocha digital empregam estatísticas de multipontos (na sigla em inglês para multi-point statistics, MPS) e volumes de elemento representativo (REV' s) . MPS é uma abordagem de modelagem geoestatística que cria simulações de campos de propriedade de reservatório e geológico espacial, condicionados a aceitar resultados conhecidos, como aqueles medidos em furos de poço ou amostras de rocha. REV's são os menores volumes que podem ser modelados para capturar heterogeneidade de rocha, em limites especificados de variância da propriedade medida, como porosidade ou permeabilidade.
Amostras de testemunho para modelagem em escala de poro são estrategicamente escolhidas utilizando grades de minipermeabilidade de testemunho inteiro e varreduras de CT convencionais. Modelos em escala de poro empregam ferramentas como microscopia de fluorescência de varredura 5 laser transmitida, varreduras micro CT, varreduras nano CT, e microscopia de elétron de varredura de feixe de íon focalizado para poros de imagem em 3D. dados de pressão capilar de injeção de mercúrio e/ou ressonância magnética nuclear, se disponíveis, fornecem modos independentes para quantif~car ou modificar distribuições de tamanho de poro.
Análises mostram preferivelmente que um REV foi amostrado para cada facies petrofísica antes que a segmentação em imagens binárias deva ocorrer. MPS é utilizado para criar modelos realistas de tamanho e formato arbitrários. Modelos de poro são diretamente utilizados para modelagem de fluxo, ou convertidos em modelos de rede de poro, que são então utilizados para modelagem de fluxo. Propriedades SCAL (Análise de Testemunho Especial) numéricas computadas são validadas com dados derivados de laboratório, e utilizadas para popular modelos de escala de poço.
De acordo com algumas modalidades, modelos de escala de poço combinam grades de minipermeabilidade e varreduras CT convencionais de testemunho inteiro com imagens de furo elétricas para criar pseudotestemunhos numéricos 3D. propriedades SCAL determinadas de modelos de escala de poro são distribuídas para cada facies petrofísica em pseudotestemunhos numéricos. Novamente, as análises devem mostrar que um REV foi amostrado antes que a modelagem de fluxo ocorra. Propriedades SCAL efetivas computadas de várias realizações MPS são utilizadas para 5 popular modelos de escala inter-poços.
De acordo com algumas modalidades, na escala inter- poços, atributos sísmicos e estatísticas de variograma de perfilagem durante perfuração (na sigla em inglês para logging while drilling, LWD) são utilizadas para popular modelos''\\> de rocha digitais. As propriedades eficazes computadas de simulações de fluxo na escala de inter-poços são utilizadas para popular modelos de escala de campo total. Na escala de campo total, análogos de afloramento, estratigrafia de sequência, mapas de isopacas, curvas de proporção de facies, modelos estratigráficos avançados, modelos diagenéticos, modelos de escala de bacia, e modelos MPS são combinados para aperfeiçoar simulações de fluxo.
A abordagem descrita aqui provê melhor compreensão de percurso de fluxo de fluido, saturações de fluido, e fatores de recuperação em reservatórios de hidrocarboneto.
O fluxo de trabalho é apropriado para qualquer litologia, como carbonatos, arenito, xistos, carvões, evaporitas e rochas ígneas ou metamórficas. Em cada escala, propriedades petrofísicas são calculadas, transferidas para a escala seguinte, e utilizadas para popular modelos de rocha digitais mais grossos.
Modelagem digital de rocha. De acordo com algumas modalidades, um fluxo de trabalho é descrito para simulação de reservatório de mul tiescalas, com base em modelos de rocha digitais. Tais modelos são construídos de 5 testemunhos, perfilagens de poço e dados sísmicos. Um objetivo é criar modelos 3D para representar digitalmente espaço de poro e tecidos de rocha heterogêneas em todas as escalas. Essa abordagem é válida em carbonatos, arenito, xistos e outros litológicos, como carvões, evaporitas e rochas ~gneas ou metamórficas. fraturas e falhas podem ser incluídas em várias escalas. Em todas as modalidades reveladas, temas recorrentes de modelagem de rocha digital incluem estatísticas de multipontos e volumes de elemento representativos.
Estatísticas de multipontos (MPS) criam simulações de campos de propriedade de reservatório e geológico espacial. Essas simulações condicionais utilizam resultados conhecidos, como aqueles medidos em furos de poço ou amostras de rocha, como dados fixos ou permanentes que são absolutamente aceitos durante modelagem. MPS utiliza "imagens de treinamento" 1D, 2D ou 3D como gabaritos quantitativos para modelar propriedades subsuperficiais.
Os volumes de elemento representativo (REV) fornecem uma nova aplicação em modelagem de reservatório, com base em técnicas utilizadas em hidrologia de água subterrânea. Em resumo, REV é o menor volume que pode ser modelado para fornecer resultados compatíveis, em limites aceitáveis de variância da propriedade modelada, como porosidade ou permeabilidade. Utilizando essa abordagem, podemos determinar o menor volume que necessita ser 5 modelado, operar esse modelo de fluxo e utilizar os resultados para escalonamento ascendente para simulações de escala maior.
Modelos de escala de poro. Um objetivo principal de modelagem de rocha digital de escala de poro é construir modelos"~ 3D que utilizam estatísticas de multipontos (MPS) para combinar microscopia de fluorescência de varredura laser e outras técnicas de resolução elevada com varreduras micro CT, com volumes relativamente grandes imageadas. De acordo com algumas modalidades, uma ou mais das seguintes ferramentas e tecnologias são utilizadas:
1. Microscopia de fluorescência laser transmitida provê modelos de poro 3D de alta resolução (aproximadamente 250 nm) para capturar quantitativamente microporosidade. A partir disso computamos distribuições de tamanho de poro e curvas simuladas de pressão capilar.
2. Micro varreduras CT utilizam tomografia computadorizada de raios-X (CT) em amostras pequenas (comumente tampões de testemunho com 5 mm de diâmetro) para detectar corpos de poro, com resoluções que são tipicamente 1 a 5 mícrons em tamanho. Vide Knackstedt, M.A., Arns, C.H., Sakellariou, A., Senden, T.J., Sheppard, A.P., Sok,
R.M., Pinczewski, W.V., and Bunn, G.F., 2004, Digital core Laboratory: Properties of reservoir core derived from 3D images: SPE Preprint 87009, apresentado na Asia-Pacific conference on integrated modeling for asset management, 29- 5 30 de março. Software converte imagens de poro em modelos de rede de poro, com distribuições de tamanho de corpo de poro e garganta de poro, resultantes.
3. Nano varreduras CT utilizam tomografia computadorizada de raios-X (CT) em amostras muito pequenas (tampõe~ de testemunho comumente com tamanho de 60 mícrons) para detectar corpos de poro com resoluções que são tipicamente aproximadamente 50 nm a 60 nm em tamanhos.
Software converte imagens de poro em modelos de rede de poro, com distribuições resultantes de tamanho de corpo de poro e garganta de poro.
4. Microscopia de elétron de varredura de feixe de íon focalizado (FIB-SEM) utiliza afinamento de feixe de íon para criar seções seriais 2D múltiplas, estreitamente espaçadas que são utilizadas para construir modelos 3D de poros de escala de sub-micron. Resolução é tipicamente na escala de 5 nm a 10 nm.
5. Pressão capilar de injeção de mercúrio (MICP) envolve injeção progressiva de mercúrio em uma amostra limpa, comumente um tampão, em pressões constantemente crescentes. Vide Jennings, J.B., 1987, Capillary pressure techniques: application to exploration and development geology: AAPG Bulletin, v. 71, pág. 1196-1209; e Pittman, E.D., 1992: Relationship of porosity and permeability to various parameters derived from mercury injection-capillary pressure curves for sandstone: AAPG Bulletin, v. 76, pág.
5 191-198. Em cada pressão aumentada, gargantas de poro de um tamanho específico são invadidas por mercúrio.
Distribuições de tamanho de garganta de poro são genericamente mostardas como histogramas, computados de resultados MICP. Observe que MICP não é genericamente útil para• g~gantas de poro maiores do que 100 mícrons porque essas gargantas são cheias em pressões de injeção muito baixas. O tamanho ideal de garganta de poro para MICP é 0,1 a 100 mícrons.
6. Ressonância nuclear magnética (NMR) se baseia na interação de testemunhos de hidrogênio (prótons) com um campo magnético e pulsos de sinais de radiofrequência. Vide Coates, G.R., Xiao, L and Prammer, M.G., 1999, NMR logging: Principles and applications; Halliburton Energy services, USA, 234 p. a distribuição de tempo de relaxamento transversal de NMR (distribuição T_2) se refere à distribuição de tamanho de poro na rocha. Os resultados NMR podem ser utilizados para dividir porosidade em micro, meso e macroporosidade. Vide Ramamoorthy, R., Boyd, A., Neville, T.J., Seleznev, N., Sun, H., Flaum, C. and Ma, J., 2008, A new workflow for petrophysical and textural evaluation of carbonate reservoirs: SPWLA Preprint, 49th Annual Logging symposiurn, 25-28 de maio, 15 p. tais resultados podem ser utilizados para limitar modelos de rocha digitais de escala de poro.
7. Facies petrofísicas são áreas encerradas por 5 contornos de rniniperrneabilidade em faces de chapa de testemunho. Vide Bourke, L.T., 1993, Core perrneability irnaging: it's relevance to conventional core characterization and potential application to wireline rneasurernent; Marine and Petroleurn Geology, v. 10, pág. 318- 324; · e'~Dehghani, K., Harris, P. M., Edwards, K.A., and Dees, W. T., 1999, Modeling a vuggy carbonate reservoir: AAPG Bulletin, v. 83, pág. 19-42. Tais regiões têm comumente também assinaturas características sobre perfis de imagem de furo, corno drusas, adesivos resistivos, e adesivos condutivos. Vide Zhang 2009. Adesivos condutivos que correspondern a regiões de porosidade e permeabilidade aumentadas, fornecem continuidade de fluxo entre drusas.
Tais adesivos condutivos ou resistivos têm formatos 3D complexos.
Fluxos de trabalho podem ser utilizados para gerar os seguintes produtos. Modelos de poro ou modelos de rede de poro são utilizados para computar, para volumes de elemento representativo (REV' s) de facies petrofísicas individuais, os seguintes resultados: porosidades, permeabilidades, pressões capilares, índices de resistividade, permeabilidades relativas, saturações de água, saturações de água irredutíveis, saturações de óleo residual, fatores de recuperação e expoentes de cimentação Archie {m) e saturação (n). esses valores SCAL numéricos, especialmente quando validados com medições de laboratório, 5 são utilizados para popular modelos de escala de poço.
Modelos de escala de poço. Um objetivo principal de modelagem de rocha digital de escala de poço é construir modelos de fluxo de carbonatos heterogêneos utilizando testemunhos e imagens de furo. De acordo com algumas modatid~des, uma ou mais das seguintes ferramentas e tecnologias são utilizadas:
1. Varreduras de CT convencionais (aproximadamente 1 mm a 2 mm de espaçamento) são feitas e processadas em imagens de testemunho 3D. essas são utilizadas como imagens de treinamento MPS para pseudotestemunhos numéricos.
2. Imagens de furo total são vistas de 360 graus da parede de furo geradas por "preencher as lacunas" entre os pads ,de perfis de imagem de furo utilizando MPS. Vide Hurley, N.F. andZhang, T., 2009, Method to generate fullbore images using borehole images and multi-point statistics: SPE preprint 120671-PP, apresentado no Middle East Oil & Gas show and Conference, Bahrain, 15-18 de março. Heterogeneidade de rocha é imageada no volume de furo próximo, e utilizada como dados permanentes para limitar modelos MPS de testemunhos numéricos.
3. Minipermeâmetros capturam variação de ----------··---------
permeabilidade em superfícies de chapa de rocha, e são utilizados para: (a) modelos de rocha digitais de segmento em facies petrofísicas apropriadas, (b), validar aquelas facies em valores de permeabilidade absolutos, e (c) 5 identificar subvolumes para amostragem mais detalhada.
Fluxos de trabalho podem ser utilizados para gerar os seguintes produtos: (1) pseudotestemunhos numéricos utilizam varreduras CT convencionais de testemunhos, perfis de imagem de furo, e MPS para gerar modelos 3D em que cada célula ~em sua própria porosidade, permeabilidade, pressão capilar, e atributos de permeabilidade relativa. Tais modelos capturam quantitativamente heterogeneidade de rocha na escala de poço. Vide Zhang 2009; e (2) modelos de fluxo de eclipse de pseudotestemunhos numéricos são utilizados para computar porosidades, permeabilidades, pressões capilares, índices de resistividade, permeabilidades relativas, saturações de água, saturações de água irredutíveis, saturações de óleo residual, e expoentes de cimentação Archie (m) e saturação (n), efetivos, para REV's de tipos de rocha principal.
Modelos de escala inter-poços. Um objetivo principal de modelagem de rocha digital em escala inter- poços é utilizar ferramentas geoestatísticas, como estatísticas de variogram de dados LWD, atributos sísmicos, e geofísica de poço cruzado para capturar heterogeneidade inter-poços. Propriedades de fluxo são fornecidas por pseudotestemunhos numéricos. De acordo com algumas modalidades, uma ou mais das seguintes ferramentas e tecnologias são utilizadas:
1. Dados de perfilagem durante perfuração (LWD) , 5 especialmente perfis de densidade e nêutron, são adquiridos para geodireção em poços horizontais. Estudos de afloramento mostram que variações cíclicas (conhecidas como efeito de furo) ocorrem em seções transversais de permeabilidade e porosidade ao longo de horizontes estrat~~ráficos específicos. vide Pyrcz, M.J., and Deutsch, C.V., 2003. The whole story on the hole effect, em Searston, S. (ed.) Geostatistical Association of Australasia, Newsletter 18, maio, 16 p, (a seguir "Pyrcz 2003"); e Pranter, M.J., Hirstius, C.B., e Budd, D.A., 2005, Scales of lateral petrophysical heterogeneity in dolomite lithofacies as determined from outcrop analogs: Implications for 3-D reservoir modeling: AAPG Bulletin, v.
89, pág. 645-662 (a seguir "Pranter 2005"). Se esses ciclos ocorrerem em reservatórios, estatísticas de variogram de dados LWD podem ser utilizadas para fornecer 'estrutura' heterogenea para ajudar a popular modelos da região de inter-poços.
2. Pseudotestemunhos numéricos são feitos para tipos de rocha de reservatório específicos como múltiplas realizações, ou como modelos com faixas de porosidade selecionadas. SCAL numéricos previstos de REV's desses modelos podem ser utilizados para popular modelos de rocha digitais em escala de inter-poços.
3. Variogramas são ferramentas geoestatísticas utilizadas para representar variância espacial nos grupos 5 de dados, traçados como uma função de distância entre pontos de dados. Quando variogramas são construídos de dados de perfil em poços horizontais, podem ser utilizados para mapear variabilidade espacial na escala de inter- poços.
~4. Atributos sísmicos, como amplitude e impedância acústica, comumente se referem à porosidade. Tais atributos podem ser utilizados como dados temporários para limitar modelos MPS do volume de inter-poços.
5. Geofísica de poço cruzado, como EM (eletromagnética) ou tomografia sísmica, pode ser utilizada para limitar variações de propriedade no volume de inter- poços.
Fluxos de trabalho podem ser utilizados para gerar os seguintes produtos: modelos de fluxo de eclipse de pseudotestemunhos numéricos são utilizados para popular modelos de fluxo de escala inter-poços com porosidades, permeabilidades, pressões capilares, índices de resistividade, permeabilidades relativas, saturações de água, saturações de água irredutíveis, saturações de óleo residual, fatores de recuperação e expoentes de cimentação Archie (m) e saturação (n), efetivos para REV's de tipos de rocha principal.
Modelos de escala de campo total. Um objetivo principal de modelagem de rocha digital em escala de campo total é construir modelos estáticos do reservatório 5 utilizando testemunhos, perfis de poço, análogos de afloramento, e estratigrafia de sequência. Modelos geoestatísticos baseados em variograma, MPS, ou modelos estratigráficos avançados podem ser utilizados para ajudar a popular as regiões inter-poços. De acordo com algumas modaiid~des, uma ou mais das seguintes ferramentas e tecnologias são utilizadas:
1. Estratigrafia de sequência é um campo de estudo interdisciplinar que combina dados sísmicos, de perfil, fóssil e afloramento em escalas local, regional e global.
Depósitos sedimentares de encher bacia são interpretados na estrutura de sedimentação e alterações relativas no nível de mar, causadas por efeitos tectônicos ou eustáticos ou ambos. A .. abordagem é utilizada para correlacionar camadas e prever estratigrafia em áreas relativamente desconhecidas.
A estratigrafia de sequência promove compreensão da evolução de bacias, enquanto permite a interpretação de rochas de fonte potencial e rochas de reservatório tanto em áreas de fronteira como em províncias de hidrocarboneto mais maduras. Neal, J., Risch, D, and Vail, P., 1993, Sequence stratigraphy - a global theory for local success: Oilfield Review, January Issue, pág. 51-62.
2. Afloramentos são corpos de rocha expostos na superfície da terra. Afloramentos com litologias análogas e ambientes de depósito para reservatórios subsuperficiais podem ser utilizados para ajudar a construir modelos 5 estáticos.
3. Modelos estratigráficos avançados são utilizados para construir padrões de camadas 3D realistas com base em princípios hidráulicos que se aplicam a transporte de sedimentos. Tais modelos podem lidar com transp~te subaquoso e eólia de material siliciclastico, e crescimento orgânico de carbonatos e sedimentos relacionados à vegetação, como carvões. Vide Sedsim, 2010, https://wiki.csiro.au/confluence/display/seabedchange/home, acessado em 10 de outubro de 2010.
4. Mapas de isopacas representam espessura de camadas de rocha específicas, ou espessuras de rochas com propriedades petrofísicas dadas, como porosidade.
5. Curvas de proporção de facies são geradas de descrições de testemunho e perfis. São utilizados para estimar e limitar as quantidades relativas de cada facies em uma camada de um geomodelo. Vide iReservoir, 2010, http: I /www. ireservoir. com/ case_j onah. html., acessado em 10 de outubro de 2010.
6. Atributos sísmicos, como impedância acústica e amplitude, comumente se referem à porosidade. Tais atributos podem ser utilizados como dados temporários para limitar modelos de MPS do volume inter-poços.
7. Modelos diagenéticos são utilizados para simular cimentação, compactação e outros processos diagenéticos que acompanham soterramento de sedimento. As 5 abordagens variam dos modelos de transporte de reação, com base em termodinâmica e cinética, para modelos baseados em textura, composição, e histórico de soterramento do sedimento original. Vide Geocosm, 2010, http://www.geocosm.net/, acessado em 10 de outubro.
~8. Modelos de escala de bacia são utilizados para modelar sistemas de petróleo, comumente em escalas mui to maiores do que campos de óleo. Um sistema de petróleo é definido como a combinação de elementos geológicos e processos necessários para gerar e armazenar hidrocarbonetos. Os elementos e processos incluem carga, coleta, e timing de geração de hidrocarboneto, migração e perda. Vide Petromod., 2010, http://www.ies.de/, acessado em 10 de outubro.
Estatísticas de multipontos. Métodos de estatística de multipontos (ou múltiplos pontos) (MPS) são uma família de algoritmos de interpolação estatística espacial propostos na década de 90 utilizados para gerar simulações condicionais de campos variáveis discretos, como facies geológicas, através de imagens de treinamento. Vide Guardiano, F., and Srivastava, R.M., 1993, Multivariate geostatistics: Beyond bivariate moments: Geostatistics-
Troia, A. Soares, Dordrecht, Netherlands, Kluwer Academic Publications, v. 1, pág. 133-144 (a seguir "Guardiano 1993"). MPS gera modelos realistas que podem ser limitados por tipos diferentes de dados. Ao contrário das abordagens 5 geoestatísticas à base de variograma ou 2 pontos convencionais, MPS utiliza uma imagem de treinamento para quantificar padrões de depósito complexos que existem em reservatórios estudados. Esses padrões de treinamento são então reproduzidos nos modelos MPS finais com condicion'smento para dados locais coletados dos reservatórios. Portanto, MPS permite que modeladores utilizem suas interpretações geológicas anteriores como modelos conceptuais (imagens de treinamento) no processo de modelagem de reservatório e avaliar a incerteza associada a interpretações anteriores por utilizar imagens de treinamento diferentes.
Além de variáveis categorias, MPS pode lidar com imagens de treinamento continuamente variáveis, como distribuição espacial de porosidade. Duas famílias de algoritmos MPS são disponíveis para tratar desses tipos diferentes de imagens de treinamento: Snesim para variáveis categorias, e Filtersim para variáveis contínuas. Um algoritmo Snesim eficiente introduziu o conceito de uma árvore de busca para armazenar todas as réplicas de padrões encontradas em um gabarito sobre a imagem de treinamento.
Vide Strebelle, S. 2002, Conditional simulation of complex geological structures using multiple point statistics: Mathematical geology, v. 34, pág. 1-22. Isso faz várias ordens de código Snesim de magnitude mais rápida do que o algoritmo original proposto por Guardiano 1993. Filtersim 5 aplica um conjunto de filtros locais na imagem de treinamento, que pode ser categórica ou contínua, para agrupar padrões locais em classes de padrão. Vide Zhang, T.
2006, Filter-based training image pattern classification for spatial pattern simulation: Unpublished Ph.D.
dissert'&ção, Stanford University, Palo Alto, CA. a simulação de padrão prossegue então com base nessa classificação.
Algoritmos Snesim e Filtersim aceitam limitações absolutas ou "permanentes" de dados adquiridos em poços ou afloramentos, e outras mapas de tendência interpretadas do reservatório sob estudo. Imagens de treinamento são o acionador principal de qualquer abordagem MPS. Uma questão levantada implicitamente por algoritmos de MPS atuais é como gerar imagens de treinamento. Imagens de treinamento buscam modelar ou reproduzir aspectos geológicos reais e devem ser o máximo possível derivadas de imagens geologicamente significativas existentes.
Volumes de elemento representativos. Volumes de elemento representativo (REV) fornecem um novo modo para lidar com questões de heterogeneidade e escalonamento ascendente em modelagem de reservatório. Vide Qi 2009. Em resumo, REV é o menor volume que pode ser modelado para fornecer resultados compatíveis, em limites aceitáveis de variância de uma propriedade modelada, como porosidade ou permeabilidade. Utilizando essa abordagem, podemos escalar 5 ascendente propriedades de rocha de escalas fina até grossa. Isso é realizado por determinar o volume menor que necessita ser modelado, fazer o modelo de fluxo e então utilizar os resultados nas simulações de escala maior seguintes. Após o REV ter sido modelado, volumes maiores não nedéssitam ser modelados porque a heterogeneidade parra o tipo específico de rocha naquela escala foi capturada.
O conceito de REV foi discutido em 1972. Vide Bear, J. 1972, Dynamics of fluids in porous media: Elsevier, New York, 746 p (a seguir "Bear 1972") . b.ui é definido como um volume em um meio poroso, com um centróide de P. b.ui é considerado com sendo muito maior do que um poro único ou grão. b.uv é o volume de espaço vazio, e ni é a razão de espaço vazio para volume, isto é, a porosidade fracionai.
Em valores grandes de b.ui, há flutuações mínimas de porosidade como uma função de volume. Entretanto, à medida que o volume diminui, flutuações em porosidade aumenta, especialmente à medida que b.ui se aproxima do tamanho de um poro único, qúe tem porosidade fracionai de 1. se o centróide P acontecer de se situar em um grão, porosidade é O quando b.ui O. O valor b.ua é definido como o REV, abaixo do qual flutuações de porosidade são significativas, e acima do qual flutuações de porosidade são mínimas. Em resumo, as dimensões de L'l.u 0 são suficientes de modo que "o efeito de adicionar ou subtrair um ou vários poros não tem 5 influência significativa sobre o valor de n." vide Bear
1972.
Utilizando a abordagem REV, o meio poroso é substituído por "um continuum fictício: uma substância sem estrutura, a qualquer ponto no qual podemos atribuir variávé~s cinemáticas e dinâmicas e parâmetros que são funções contínuas das coordenadas espaciais do ponto e de tempo." Vide Bear 1972. Observe que o REV para porosidade pode diferir do REV para permeabilidade ou outros parâmetros. Além disso o REV para propriedades estáticas VS. Dinâmicas pode variar. Na prática, o melhor método é utilizar o maior REV determinado para vários parâmetros.
De acordo com algumas modalidades, REV é determinado para uma propriedade de rocha como porosidade.
De acordo com algumas modalidades, um volume grande pode ser modelado, subamostrado, e a variância em porosidade pode ser computada como uma função de volume de subamostra.
Isso pode ser feito em qualquer escala, variando de poros para furos para volumes inter-poços.
Dentro das limitações de potência de computação disponível, estatísticas de multipontos (MPS) podem gerar modelos de qualquer tamanho e formato. Devido a isso,
modelos MPS podem ser utilizados para ajudar a computar REV' s. por exemplo, um volume modelado em escala de poro pode ter 600 x 600 mícrons em área, e 150 mícrons em espessura. Subvolumes menores, por exemplo, cubos de 10, 50 5 ou 150 mícrons, poderiam ser extraídos do volume modelado, e suas porosidades podem ser determinadas. Na escala inter- poços, subvolumes menores, por exemplo, 1, 10, e 20 m3 , poderiam ser extraídos do volume modelado, e suas porosidades poderiam ser determinadas. Todos os subvolumes, indeperr&ente de escala, devem ser volumes independentes, de não sobreposição. Se a variância de porosidade for menor do que um corte escolhido, por exemplo +/- 5%, então aquele volume pode ser utilizado como o REV. Para fins de modelagem de fluxo, o REV é suficiente para fornecer resultados representativos.
A abordagem generalizada para determinação de REV para qualquer propriedade de rocha é: (1) modelar um bloco grande com propriedades de rocha de interesse; (2) selecionar aleatoriamente uma subamostra de um dado tamanho pequeno no bloco; (3) aleatoriamente selecionar outra subamostra de não sobreposição do mesmo tamanho; (4) repetir esse processo muitas vezes; (5) aumentar o tamanho de subamostra, e amostrar muitos objetos similares; (6) traçar propriedade de rocha VS. Tamanho de subamostra, para ver como a variância a partir da média de amostra diminui como uma função de tamanho de subamostra; e (7) quando a variância está em limites aceitáveis (por exemplo, ± 5%), esse é o REV para a propriedade de rocha em estudo.
Um procedimento de etapa por etapa será fornecido agora para criar modelos de rocha digitais e escalar 5 ascendente os mesmos de poro para furo para inter-poços para escala de campo total, de acordo com algumas modalidades. Variações nesse procedimento podem ser feitas, de acordo com outras modalidades, por exemplo, dependendo dos conjuntos de dados disponíveis.
'.;.As figuras 2A-B são diagramas de blocos mostrando procedimentos recomendados para simulação de reservatório de multiescala de acordo com algumas modalidades. O diagrama de blocos mostra uma sequência de tempo de etapas (da esquerda para a direita) utilizada para construir modelos de rocha digitais validados em campo e laboratório, e escalar ascendente resultados de poro para o furo para o inter-poços para as escalas de campo total de acordo com algumas modalidades. As etapas de escala de poro 210, etapas de escala de poço 220, etapas de escala inter-poços 230 e etapas de escala de campo total 240 são realizadas como mostrado. Observe como indicado pela seta 212, preferivelmente os dados de varredura CT convencionais e minipermeabilidade são obtidos para auxiliar a definir as facies petrofísicas na escala de tampão de testemunho, e utilizadas para ajudar a determinar onde perfurar os tampões de testemunho. O SCAL numérico computado (Pc, krel•
porosidade e permeabilidade) são utilizados para escalar ascendente de escala de poro para escala de poço, como indicado pela seta 214. Como indicado pela seta 216, o SCAL numérico computado (P 0 , kre 1 , porosidade e permeabilidade) é 5 novamente utilizado para escalar ascendente de escala de poço para escala inter-poços. Finalmente, como indicado pela seta 218, o SCAL numérico computado krel1 porosidade e permeabilidade) a partir da escala inter-poços é utilizado para escalar ascendente para escala de campo total n~ modelagem de MPS do campo total.
A figura 3 é um diagrama de bloco que mostra um fluxo de trabalho com modelos de rocha digitais de escala de poro, de acordo com algumas modalidades. Na prática, testemunhos inteiros são imageados com varreduras CT convencionais, utilizando fatias estreitamente espaçadas (aproximadamente 1 mm a 2 mm) . grades de minipermeabilidade (aproximadamente 0,5 em a 1,0 em) em faces de chapa permitem segmentar testemunhos em sub- regiões, validadas com permeabilidades medidas em laboratório. Tampões de testemunho estrategicamente escolhidos, amostrados no contexto de resultados de varredura CT 312 e 314 e resultados de minipermeabilidade 310, representam facies petrofísicas. Poros de tamanho de submicra de cada facies petrofísica são imageados para seus REVs correspondentes utilizando microscopia de fluorescência de varredura laser (confocal) e varreduras micro CT, e outras técnicas de resolução elevada, que podem ser combinadas utilizando MPS.
SCAL numérico 320, computado de modelos de poro ou modelos de rede de poro, nos levam até a próxima escala maior, isto é,o poço.
5 A figura 4 é um diagrama de blocos que mostra um fluxo de trabalho com modelos de rocha digitais em escala de poço, de acordo com algumas modalidades.
Pseudotesternunhos numéricos 414 são criados utilizando algoritmos de MPS variáveis discretos. Valores inteiros são atribuí'ios a cada facies petrofísica, por exemplo, matriz de rocha densa (0), drusas (1), adesivos resistivos (2) e adesivos condutivos (3). Varreduras CT convencionais 410 de amostras de rocha de testemunho inteiro são utilizadas corno imagens de treinamento de MPS, isto é, são os gabar i tos quantitativos utilizados para guiar a modelagem de texturas 3D na escala de poço. Imagens de furo total 412, derivadas de FMI ou outros perfis de imagem de furo, circundam pseudotesternunhos numéricos com envoltórios cilíndricos que condicionam os modelos. Segmentação das varreduras CT convencionais e imagens de furo total em facies petrofísicas distintas é feita utilizando dados de rniniperrneabilidade de grade, corno contorno, de acordo com algumas modalidades. Cada pseudotesternunho numérico 414 preferivelmente aceita absolutamente a heterogeneidade das amostras de rocha digitais e os dados de imagem de furo total. Subvolurnes podem ser arnostrados para confirmar que
REV's estão sendo modelados para um pseudotestemunho numérico dado.
Pseudotestemunhos numéricos são em grade em modelos utilizados para simulação de fluxo de fluido. Para cada 5 facies petrofísica, porosidade, permeabilidade, pressão capilar, e curvas de permeabilidade relativa são fornecidas por SCAL numérico de escala de poro. Propriedades de volume, ou escala de sistema ou eficazes são computadas de resultados de modelo de fluxo para os pseudotestemunhos numéridits: porosidades, permeabilidades, pressões capilares, índices de resistividade, permeabilidades relativas, saturações de água, saturações de água irredutíveis, saturações de óleo residual, fatores de recuperação, e expoentes de cimentação Archie (m) e saturação (n) 416. Essas propriedades são utilizadas para popular modelos de rocha digitais na escala seguinte, isto é, blocos de grade inter-poços.
A figura 5 é um diagrama que mostra um fluxo de trabalho com modelos de rocha digitais de escala de inter- poços, de acordo com algumas modalidades. Estatísticas de variograma 512 e 514 de poços horizontais, como poço 510, perfuradas nas camadas de rocha específicas, podem ser combinados com atributos sísmicos 516 e geofísica de poço cruzado para capturar heterogeneidade na escala de inter- poços. Múltiplas realizações de modelos de rocha digitais, ou múltiplas amostras em vários valores de porosidade 520,
522, 524 e 526, são utilizados para popular volumes inter- poços com propriedades SCAL numéricas de escala de poço.
A figura 6 é um diagrama de blocos que mostra um fluxo de trabalho para simulação de campo total, de acordo 5 com algumas modalidades. A simulação de campo total utiliza modelagem estratigráfica avançada 614, mapas de isopacas 616, curvas de proporção de facies 620, e estatísticas de multipontos 624 para aceitar dados de poço. O modelo estratigráfico avançado 614 é utilizado como uma imagem de treinamento ou cubo de probabilidade de facies para modelagem de estatística de multipontos 624. A estratigrafia de sequência 610, análogos de afloramento 612, e atributos sísmicos 618 são utilizados para desenvolver o modelo estático. Modelos diagenéticos são utilizados para modificar propriedades petrofísicas iniciais 622 e tardias 626 durante depósito e soterramento.
A figura 7 é um fluxograma que mostra etapas preliminares a serem realizadas antes de uma simulação de reservatório de multiescala, de acordo com algumas modalidades. Uma definição de Tipos de Rocha de Reservatório (RRT's) é preferivelmente realizada juntamente com análises de perfil convencionais. Na etapa 710, testemunhos são descritos para identificar facies, tecido de rocha, e RRT' s. Um campo dado terá genericamente 5-10 RRT's. esse exercício funciona melhor se RRT's forem baseados em litofacies combinados com propriedades petrofísicas (por exemplo, porosidade, permeabilidade, MICP, NMR) Na etapa 712, análises de permeabilidade e porosidade convencionais são adquiridas para amostras de testemunho inteiro e/ou tampões de testemunho. Na etapa 5 714' análises de testemunho existentes, descrições de testemunho, e RRT' s são avaliados e integrados. Na etapa 716, análises de perfil convencionais nos poços são realizadas. Na etapa 718, interpretar imagens de poço e outros perfis de furo aberto, e comparar os mesmos com facies ~eológicas observadas no testemunho. Se a correlação for boa, redes neurais podem ser utilizadas para distribuir facies ao longo do comprimento do(s) poço(s).
Modelagem de escala de poro e poço. As figuras 8A-B são um fluxograma que mostra etapas em realizar uma análise avançada de testemunho digital, na forma de pseudotestemunhos numéricos e simulação de fluxo, de acordo com algumas modalidades. Referência também é feita aos fluxos de trabalho mostrados em e descritos com relação às figuras 3 e 4.
Na etapa 810, intervalos de testemunho com chapa ou testemunho inteiro de 1- a 3 -pés (O, 3 a 1, o m) são escolhidos de cada RRT principal. Preferivelmente, esses intervalos serão de poço(s) com perfis de imagem de furo elétrico (por exemplo, FMI) Benefícios adicionados virão de poços com perfis de espectroscopia elementar (por exemplo, ECS) e perfis de ressonância magnética nuclear
(por exemplo, CMR) . Esses registros serão úteis para mineralogia e divisão de porosidade (macro, meso, microporosidade), respectivamente. Na etapa 812, varreduras CT convencionais (distância de etapa de 1 ou 2 mm) são 5 adquiridas para intervalos de 1 a 3 pés (O, 3 a 1, O m) . Na etapa 814, dados de mini permeabilidade em grade (espaçamento de grade de 0,5 a 1,0 em) são adquiridos para rochas que foram varridas CT. o dispositivo de minipermeabilidade é calibrado para tampões de testemunho que têm~uma ampla gama de permeabilidades (por exemplo, 0,1 md a 3, 000 md) . Permeabilidades absolutas calibradas são computadas para cada ponto de grade. Os dados de minipermeabilidade são contornados. Essa etapa 814 levará a: (a) segmentação adequada das imagens de furo total e varredura CT de testemunho inteiro, (b) validação para permeabilidades medidas em laboratório, e (c) identificação de subvolumes para amostragem mais detalhada.
Na etapa 816, dados de minipermeabilidade são registrados para face de chapa de varreduras CT convencionais. Utilizar essa combinação para escolher áreas de subamostra apropriadas para laminação ou tamponamento de testemunho. Perfurar tampões de testemunho estrategicamente escolhidos de facies petrofísicas distintas, e submeter às mesmas para (a) seções finas (30 mícrons) ou espessa (5.000 mícrons) para microscopia de fluorescência de varredura laser transmitida e micro varredura CT, e (b) porosidade de
- - - - - - - - - - - - ----- 44 laboratório, permeabilidade, e SCAL (MICP, Preferivelmente, esses dados serão adquiridos em condições de reservatório. Tais resultados serão utilizados como propriedades de rocha de ponto final para facies 5 petrofísicas. De acordo com algumas modalidades preferidas, essa é uma parte importante da etapa de validação de laboratório.
Seções finas ou espessas devem ser impregnadas por pressão a vácuo com epóxi com corante fluorescente 10 (Rhodam'i>ne B) Na etapa 818, microscopia de fluorescência de varredura laser transmitida é utilizada para verificar que um REV foi amostrado para cada facies petrofísica. Na etapa 820, REV's imageado com microscopia de fluorescência de varredura laser transmitida são utilizados para 15 segmentar as varreduras micro CT. Essa etapa é especialmente preferida se quantidades significativas de porosidade situarem entre o limite de resolução do dispositivo de micro varredura CT.
Na etapa 822, MPS é utilizado para construir 20 modelos de rede de poro 3D. tais modelos são uma abordagem que pode ser utilizada para computar SCAL numérico (porosidades, permeabilidades, pressões capilares, índices de resistividade, permeabilidades relativas, saturações de água, saturações de água irredutíveis, saturações de óleo 25 residual, fatores de recuperação, e expoentes de cimentação Archie (m) e saturação (n) que serão utilizados para popular pseudotestemunhos numéricos de escala maior. Se seções espessas forem feitas, fazer micro varredura CT com resolução de 5 mícrons ou melhor. MPS utiliza varreduras confocais como imagens de treinamento e varreduras micro CT 5 como dados permanentes para construir modelos de "porosidade total" compósitos para cada facies petrofísica.
SCAL numérico pode ser diretamente computado de tais modelos de poro, utilizando Boltzmann de treliça ou outros simuladores de fluxo, ou de modelos de rede de poro derivad'~s dos modelos de poro.
Na etapa 824, se perfis de imagem de furo forem disponíveis, gerar imagens de furo total para cada intervalo de 3 pés 1 m) , abrangendo os intervalos de testemunho varrido CT. Criar pseudotestemunhos numéricos 3D a partir de imagens de furo e varreduras CT utilizando MPS.
Na etapa 826, resultados SCAL numéricos de modelos de escala de poro são utilizados para popular modelos de rocha digitais de escala de poço, isto é, pseudotestemunhos numéricos. Na etapa 828, uma confirmação é feita que pseudotestemunhos numéricos são REV' s para o RRT específico.
Na etapa 83 o' determinar porosidades, permeabilidades, pressões capilares, índices de resistividade, permeabilidades relativas, saturações de água, saturações de água irredutíveis, saturações de óleo residual, fatores de recuperação, e expoentes de cimentação
Archie (m) e saturação(n) em volumes de furo próximo utilizando simuladores de fluxo convencionais como Eclipse.
Se possível, avaliar SCAL computado determinado de pseudotestemunhos numéricos com SCAL de testemunho inteiro 5 feito no lab. Fazer múltiplas realizações, ou fazer realizações para faixas de porosidade diferentes. Integrar pressão de reservatório, propriedades de fluido, e outros dados de campo para fazer simulações de fluxo.
Modelagem de escala inter-poços. A figura 9 é um ' )~ fluxograma que mostra etapas utilizadas para distribuir facies e construir o modelo de escala inter-poços, de acordo com algumas modalidades. Referência também é feita ao fluxo de trabalho mostrado em e descrito com relação à figura 5.
Na etapa 910, o perfil estratigráfico intersectado por poços horizontais que têm dados de densidade LWD é determinado. Estatísticas de variograma são computadas para intervalos onde o poço permanece compreendido na mesma camada estratigráfica. Procure o efeito de furo, uma indicação de ciclicidade espacial (vide Pyrcz 2003; e Pranter 2005), construa variogramas e construa mapas geoestatísticos de porosidade para a área inter-poços. Na etapa 912, voxels de porosidade são populados em áreas inter-poços utilizando perfis de poço LWD e de furo aberto, combinados com SCAL digital determinado de pseudotestemunhos numéricos no RRT' s apropriado e com as faixas de porosidade apropriadas. Na etapa 914 uma confirmação é feita que volumes de inter-poços são REV' s para o RRT específico. Na etapa 916, múltiplas realizações de pseudotestemunhos numéricos são feitos, ou 5 pseudotestemunhos numéricos são criados para faixas de porosidade específicas. Mapas geoestatísticos são populados com dados SCAL numéricos de pseudotestemunhos numéricos.
Na etapa 918, heterogeneidade de porosidade é mapeada em volumes inter-poços utilizando atributos sísmicó•, se disponíveis. Dados sísmicos são utilizados para fornecer entrada para modelos de distribuição de facies 3D. se atributos sísmicos correlacionarem com porosidade, utilizar isso como dados temporários para limitar mapas geoestatísticos de regiões inter-poços. Na etapa 920, propriedades de rocha são limitadas na área inter-poços utilizando dados geofísicos de poço cruzado, como EM (eletromagnético) e tomografia sísmica, se disponível. Na etapa 922, com base em modelos de porosidade, heterogeneidade de permeabilidade pode ser prevista utilizando co-simulação colocada com a porosidade sendo utilizada como variáveis secundárias. Na etapa 924, porosidades efetivas, permeabilidades, pressões capilares, índices de resistividade, permeabilidades relativas, saturações de água, saturações de água irredutíveis, saturações de óleo residual, fatores de recuperação, e expoentes de cimentação Archie (m) e saturação (n) são computados para cada volume inter-poços utilizando simuladores de fluxo convencionais como Eclipse.
Modelagem de escala de campo total. As figuras 10A- B ilustram um fluxograma que mostra etapas recomendadas 5 para escalonamento ascendente de volumes de inter-poços para simulações de campo total, de acordo com algumas modalidades. É feita referência ao fluxo de trabalho mostrado em e descrito com relação à figura 6.
Na etapa 1010, resultados para SCAL numérico efetiv~~ são utilizados para volumes inter-poços para popular simulações de campo total, construídos de modelos estáticos com RRT' s independentemente distribuídos em uma estrutura de correlação de perfil e/ou estratigráfica de sequência. Na etapa 1012, análogos de afloramento, se disponíveis, são utilizadas para limitar tipos de facies, associações de facies, e correlações laterais no modelo estático de subsuperfície. Esses análogos de afloramento podem se~ utilizados para auxiliar modelagem MPS em gerar imagens de treinamento. Na etapa 1014, modelos de escala de bacia, se disponíveis, são utilizados para colocar o campo em seu contexto regional em termos de rocha de fonte, reservatório, coletor e vedação. Histórico de soterramento, e seu efeito sobre diagenese são considerações importantes.
Na etapa 1016, planilhas de tops de perfil, facies, e limites de sequência são criadas para cada testemunho descrito e/ou poço perfilado em um campo dado. Curvas de proporção de facies são computadas para cada poço com testemunho e/ou perfilado. Na etapa 1018, associações de facies na sucessão vertical são determinadas utilizando análise de cadeia Markov, ou urna abordagem similar. Mapas 5 de isopacas de facies principais e/ou espessuras de parâmetro são construídos. Na etapa 1020 superfícies sísmicas ou modelos conceptuais são utilizados para fornecer paleotopografia para o modelo estratigráfico avançado (na sigla em inglês para forward stratigraphic rnodeJ., '~SM) . FSM' s são criados para visualizar cenários para transporte hidráulico ou crescimento orgânico de sedimentos. Na etapa 1022, espessura de sequências e o intervalo de interesse aproximado são casados. Ajustes de etapa de tempo FSM são utilizados para casar aproximadamente espessuras de camada, proporções de facies, e associações de facies observadas em poços com testemunho.
Na etapa 1024, pseudopoços são criados em locais arbitrários no campo. "Litologia" FSM ou "tamanho de grão" são utilizados corno Proxy para facies de descrição de testemunho. Na etapa 1026, os FSM são ajustados utilizando descrições de testemunho e interpretações de perfil para: (a) espessuras de camada, (b) proporções de facies, e (c) associações de facies. Na etapa 1028 os FSM ajustados são utilizados corno urna imagem de treinamento ou cubo de probabilidade de facies (dados temporários) para simulação MPS. Se o FSM for utilizado corno um cubo de probabilidade de facies, imagens de treinamento de MPS poderiam ser modelos em camadas, com espessuras comparáveis, proporções de facies, e associações de facies para testemunhos e perfis descritos nos poços. Se necessário, devido à 5 arquitetura de camada variável, imagens de treinamento diferentes podem ser utilizadas em regiões diferentes do campo. Na etapa 1030, modelos diagenéticos são utilizados para representar alterações em porosidade e permeabilidade como uma função de cimentação e compactação devido à soterra:'lkento.
Embora a invenção seja descrita através das modalidades exemplares acima, será entendido por aqueles com conhecimentos comuns na técnica que modificação em e variação das modalidades ilustradas podem ser feitas sem se afastar dos conceitos inventivas aqui revelados. Além disso, embora as modalidades preferidas sejam descritas com relação a várias estruturas ilustrativas, uma pessoa versada na técnica reconhecerá que o sistema pode ser incorporado utilizando uma variedade de estruturas específicas. Por conseguinte, a invenção não deve ser vista como limitado exceto pelo escopo e espírito das reivindicações apensas.
Claims (2)
1. MÉTODO PARA ESCALONAMENTO ASCENDENTE COM UM
SISTEMA DE PROCESSAMENTO DADOS DE MODELAGEM DE ROCHA
DIGITAIS DE ESCALA DE POÇO REPRESENTANDO ROCHA DE 5 RESERVATÓRIO, o método caracterizado pelo fato de que compreende combinar os dados de modelagem de rocha digitais de escala de poço com dados de fonte de escala inter-poços para gerar dados de modelagem de rocha digitais de escala inter-poços que pelo menos parcialmente capturam hetero~eneidade em uma escala inter-poços.
2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda identificar uma pluralidade de tipos de rocha de reservatório pelo menos nos dados de modelagem de rocha digitais de escala de poço.
3. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de fonte de escala inter-poços são coletados utilizando uma ou mais técnicas selecionadas de um grupo que consiste em: dados de perfilagem durante perfuração de um poço não vertical, medições geofísicas de poço cruzado e medições sísmicas.
4. Método, de acordo com a reivindicação 3, caracterizado pelo fato de que os dados de fonte de escala inter-poços são coletados utilizando dados de perfilagem durante perfuração de um poço não vertical.
5. Método, de acordo com a reivindicação 3,
caracterizado pelo fato de que os dados de fonte de escala inter-poços incluem estatísticas de variograma computadas.
6. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de modelagem de 5 rocha digitais de escala de poço utilizados para gerar os dados de modelagem de rocha digitais de escala inter-poços incluem valores computados em uma escala de poço, de uma ou mais propriedades selecionadas de um grupo que consiste em: porosidades, permeabilidades, pressões capilares, índices de resf~tividade, permeabilidades relativas, saturações de água, saturações de água irredutíveis, saturações de óleo residual, fatores de recuperação, e expoentes de cimentação Archie (m) e saturação (n) .
7. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de modelagem de rocha digitais são dados tridimensionais.
8. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de modelagem de rocha digitais incluem resultados de estatísticas de multipontos.
9. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de modelagem de rocha digitais incluem uma pluralidade de volumes de elemento representativo.
10. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de modelagem de rocha digitais de escala de poço foram pelo menos parcialmente escalados de forma ascendente de dados de modelagem de rocha digitais de escala de poro.
11. Método, de acordo com a reivindicação 10, 5 caracterizado pelo fato de que escalonamento ascendente de dados de modelagem de rocha digitais de escala de poro são baseados pelo menos em parte em valores computadores em uma escala de poro, de uma ou mais propriedades selecionadas de um grupo que consiste em: porosidades, permeabilidades, pressõe'$ capilares, índices de resistividade, permeabilidades relativas, saturações de água, saturações de água irredutíveis, saturações de óleo residual, fatores de recuperação, e expoentes de cimentação Archie (m) e saturação (n) .
12. Método, de acordo com a reivindicação 10, caracterizado pelo fato de que os dados de modelagem de rocha digitais de escala de poro incluem geometria de poro que é quantificada utilizando uma ou mais técnicas selecionadas de um grupo que consiste em: microscopia de fluorescência de varredura laser transmitida, varreduras micro CT, varreduras nano CT, microscopia de elétrons de varredura de feixe de íon focalizado, pressão capilar de injeção de mercúrio, e/ou ressonância magnética nuclear.
13. Método, de acordo com a reivindicação 10, caracterizado pelo fato de que os dados de modelagem de rocha digitais de escala de poro são gerados pelo menos em parte utilizando tampões de testemunho estrategicamente selecionados, escolhidos utilizando mini permeabilidade em grade e dados de varredura CT convencionais de uma ou mais chapas de testemunho.
5 14. Método, de acordo com a reivindicação 13, caracterizado pelo fato de que os dados de mini permeabilidade são em grade em um espaçamento entre aproximadamente 0,5 em e 1 em.
15. Método, de acordo com a reivindicação 13, caractéil>izado pelo fato de que os dados de varreduras CT convencionais tem um espaçamento de fatia entre aproximadamente 1 mm e 2 mm.
16. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda construir um modelo de fluxo de rochas heterogêneas pelo menos em parte nos dados de modelagem de rocha digitais de escala inter-poços gerados.
17. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda escalonamento ascendente dos dados de modelagem de rocha digitais de escala inter-poços para gerar dados de modelagem de rocha digitais de escala de campo total.
18. Método, de acordo com a reivindicação 17, caracterizado pelo fato de que o escalonamento ascendente para gerar dados de modelagem de rocha digitais de escala de campo total é baseado pelo menos em parte em valores computados em uma escala inter-poços dos dados de modelagem de rocha digitais de escala inter-poços, os valores computados sendo de uma ou mais propriedades selecionadas de um grupo que consiste em: porosidades, permeabilidades, 5 pressões capilares, índices de resistividade, permeabilidades relativas, saturações de água, saturações de água irredutíveis, saturações de óleo residual, fatores de recuperação e expoentes de cimentação Archie (m) e saturação (n) .
~19. Método, de acordo com a reivindicação 17, caracterizado pelo fato de que os dados de modelagem de rocha digitais de escala de campo total são gerados utilizando uma ou mais técnicas selecionadas de um grupo que consiste em: modelagem estratigráfica de sequência, análogos de afloramento, mapas de isopacas, curvas de proporção de facies, atributos sísmicos, modelagem estratigráfica avançada, modelagem diagenética, modelagem de escala de bacia e/ou modelagem de estatísticas de multipontos.
20. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que a rocha de reservatório inclui um ou mais tipos de litologias selecionadas de um grupo que consiste em: carbonatos, arenito, xistos, carvões, evaporitas, e rochas ígneas ou metamórficas.
21. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de modelagem de rocha digitais de escala inter-poços gerados incluem uma ou mais falhas ou fraturas.
22. Sistema para gerar dados de modelagem de rocha digitais de escala inter-poços, caracterizado pelo fato de 5 que utiliza um método da reivindicação 1.
23. MÉTODO DE ESCALONAMENTO ASCENDENTE COM UM
SISTEMA DE PROCESSAMENTO DADOS DE MODELAGEM DE ROCHA
DIGITAIS DE ESCALA DE PORO REPRESENTANDO ROCHA DE RESERVATÓRIO, o método caracterizado pelo fato de que 1O compreéll\de: gerar dados de modelagem de rocha digitais de escala de poro pelo menos em parte utilizando minipermeabilidade e dados de varredura CT de um ou mais chapas de testemunho da rocha de reservatório, combinado com dados de geometria de poro; e escalonar ascendente os dados de modelagem de rocha digitais de escala de poro para dados de modelagem de rocha digitais de escala de poço com base pelo menos em parte em combinar os dados de modelagem de rocha digitais de escala de poro com dados de fonte de escala de poço.
24. Método, de acordo com a reivindicação 23, caracterizado pelo fato de que os dados de geometria de poro são obtidos utilizando uma ou mais técnicas selecionadas de um grupo que consiste em: microscopia de fluorescência de varredura laser transmitida, varreduras micro CT, varreduras nano CT, microscopia de elétrons de
- 7 varredura de feixe de íon focalizado, pressão capilar de injeção de mercúrio, e ressonância magnética nuclear.
25. Método, de acordo com a reivindicação 23, caracterizado pelo fato de que o escalonamento ascendente 5 de dados de modelagem de rocha digitais de escala de poro é baseado pelo menos em parte em valores computados em uma escala de poro, de uma ou mais propriedades selecionadas de um grupo que consiste em: porosidades, permeabilidades, pressões capilares, índices de resistividade, 10 permeab''iilidades relativas, saturações de água, saturações de água irredutíveis, saturações de óleo residual, fatores de recuperação e expoentes de cimentação Archie (m) e saturação (n) .
26. SISTEMA PARA GERAR DADOS DE MODELAGEM DE ROCHA 15 DIGITAIS DE ESCALA DE POÇO ESCALADOS DE FORMA ASCENDENTE, caracterizado pelo fato de que utiliza um método da reivindicação 23.
27. MÉTODO DE ESCALONAMENTO ASCENDENTE COM UM
SISTEMA DE PROCESSAMENTO DADOS DE MODELAGEM DE ROCHA 20 DIGITAIS DE ESCALA DE POÇO, o método caracterizado pelo fato de que compreende: gerar dados de modelagem de rocha digitais de escala inter-poços pelo menos em parte utilizando dados de poço de pelo menos um poço não vertical; e 25 escalonar ascendente os dados de modelagem de rocha digitais de escala de poço para dados de modelagem de rocha digitais de escala inter-poços com base pelo menos em parte em combinar os dados de modelagem de rocha digitais de escala de poço com dados de fontes de escala inter-poços.
28. Método, de acordo com a reivindicação 27, 5 caracterizado pelo fato de que os dados de poço incluem um ou mais tipos de dados selecionados de um grupo que consiste em: dados de perfilagem, estatísticas de variograma, dados sísmicos de poço cruzado, dados eletromagnéticos e dados de atributos sísmicos.
~29. Método, de acordo com a reivindicação 27, caracterizado pelo fato de que escalonamento ascendente de dados de modelagem de rocha digitais de escala de poço são baseados pelo menos em parte em valores computados em uma escala de poço, de uma ou mais propriedades selecionadas de um grupo que consiste em: porosidades, permeabilidades, pressões capilares, índices de resistividade, permeabilidades relativas, saturações de água, saturações de água irredutíveis, saturações de óleo residual, fatores de recuperação e expoentes de cimentação Archie (m) e saturação (n) .
30. SISTEMA PARA GERAR DADOS DE MODELAGEM DE ROCHA DIGITAIS DE ESCALA INTER-POÇOS DE ESCALONAMENTO ASCENDENTE, caracterizado pelo fato de que utiliza um método da reivindicação 27.
31. MÉTODO DE ESCALONAMENTO ASCENDENTE COM UM
SISTEMA DE PROCESSAMENTO DADOS DE MODELAGEM DE ROCHA
DIGITAIS DE ESCALA INTER-POÇOS, o método caracterizado pelo fato de que compreende: gerar os dados de modelagem de rocha digitais de escala de campo total; e 5 escalonar ascendentemente os dados de modelagem de rocha digitais de escala inter-poços para dados de modelagem de rocha digitais de escala de campo total com base pelo menos em parte em combinar os dados de modelagem de rocha digitais de escala inter-poços com dados de fonte de esca\.a de campo total.
32. Método, de acordo com a reivindicação 31, caracterizado pelo fato de que os dados de modelagem de rocha digitais de escala de campo total são gerados pelo menos em parte utilizando uma ou mais técnicas selecionadas de um grupo que consiste em: modelagem estratigráfica de sequência, análogos afloramento, mapas de isopacas, curvas de proporção de facies, atributos sísmicos, modelagem estratigráfica avançada, modelagem diagenética, modelagem de escala de bacia e modelagem de estatística de multipontos.
33. Método, de acordo com a reivindicação 31, caracterizado pelo fato de que o escalonamento ascendente de dados de modelagem de rocha digitais de escala de inter- poços é baseado pelo menos em parte em valores computados em uma escala inter-poços, de uma ou mais propriedades selecionadas de um grupo que consiste: porosidades,
permeabilidades, pressões capilares, índices de resistividade, permeabilidades relativas, saturações de água, saturações de água irredutíveis, saturações de óleo residual, fatores de recuperação e expoentes de cimentação Archie (m) e saturação (n) .
34. SISTEMA PARA GERAR DADOS DE MODELAGEM DE ROCHA
DIGITAIS DE ESCALA DE CAMPO TOTAL DE ESCALONAMENTO ASCENDENTE, caracterizado pelo fato de que utiliza um método de acordo com a reivindicação 31.
~ jjQ CENTRO DE · PROCESSAMENTO ~ 140
112 122 f-'
'w f-' 100
110
Fig. 1
TEMPO ,--------------------------------~-----------,
I ESCALA DE PORO I : TAMPÕES DE TESTEMUNHO- FADIES PETROFÍSICAS PARA CADA FACIESPETROFÍSICA PARA CADA FACIES PETRDFÍSICA I POROSIDADE E PERMEABILIDADE DADIJS CONFOCAIS - DETERMINAR REVS #> VALIDAÇÃO USANDO SCA.l DE LA.BORATÓRIO I I SCA~ DE LA!!OPATÓRIO (MCP, kref/ DADIJS CONFOGAIS- SEGMENTAR VARREDURAS MICRO CT AJUSTAR E FINALIZAR MODElQS I 1 SEÇOES GROSSAS (5.000 MICRONS) DADOS CONFOGAIS- REBISTPAR EM VARREDURAS MICRO CT MPS- CONSTRUIR MWELOS COMPOSITOS I
II MICROSCOPIA CONFOCAL VARREDUPA MICRO CT GERAR MODELOS [)E PORO OU MODELOS DE REDE DE POROS
J . .J COMPUTAR SCAL NUMERICA (Pc, kref, POROSIDADE, PERM J 'f L-- ------- ~::.__ 1 _[, 214 , ESCALONAMENmJO _ _ _ _ _ _ _
ASCENDENTE ~--------: r------------- 1 CHAPAS DE TESTEMUNHO ----------------------------,I
ESCALA DE POÇO tv I VARREDUR~S CT CONVENCIONAIS PARA CADA TIPO DE ROCHA DE RESERVATÓRIO PAPA CADA TIPO DE ROCHA DE RESERVATÓRIO 1 ',_, ESPAÇAMENTO 1 MM) I GRADES DE MINIPERWEABILIDADE TESTEMUNHOS NUMÉRICOS- VARREDURAS CT, IMAGENS DE .AJUSTAR E FINALIZAR USANDIJ MODELOS DE I w POÇO, MPS ESCALA DE PORO I ESPAÇAMENTO 0,5 MM) DETERMINAR REVS VALIDAÇÃO USANDO DADOS DE APARELHO i I TAMPÔES. DE TESTEMUNHO- FACIES FACIES PETROFÍSICAS-ATRIBUIR SCAL NUMÉRICA DE TESTE DE FORMAÇÃO DE CABO DE AÇO I I PETROFISICAS (1 AJI CHAPA) CONSTRUIR SIMULAÇÃO DE FLUXO ECLIPSE IMAGENS [)E POÇO MÚLTIPLAS REALIZAÇÕES f I MUDANÇA DE PROF. TESTEMUNHO PAPA COMPUTAR SCAL NUMÉRICA EFETIVA (Pc, kref. I I PERFILA.GEM POROSIDADE, PERMEABILIDADE]
I I IMA!OENS DE POÇO TOTA.L DADOS DE PERFILAGEM- POÇOS VERTICAIS I f INTERPRETAR PERFILAGENS CONVENCIONAIS, -216 220: 1
I -----------------------------'
MDT I ~------- ________ I ESCA.LONAMENTO -- --- --- - ---------- ------ - - - - , ASCENDENTE
I
I ESCALA INTERPOÇOS I 23.Q
I I Flg. 2A
~
TEMPO
I
I I 22Q .
ESCALA DE POÇO {{216, #f
I
II ------- - - - - - - - - - - - - - - - ----- 1 ------- ---- - - - - - ---------
ESCALONAMENTO ASCENDENTE ~-------------------- 1 ESCALA INTER;Ç; - - - - - - - - - -...;:7- - - - - - - - - - -I
I I I DADOS SiSMICDS- ADQUIRIR, _PROCESSAR AOOUIRIR E INTERPRETAR DADO POC POPULA.R BLOCOS DE GRADE INTERPOÇOS HETEROGÊNEOS I GERAR SISMOGRAMAS SINTETICOS • S DE .O ATRIBUTOS SISMICOS w I VSI', DADOS DE POÇO CRUZADOS DE OBSERVAÇAO MODELO GEOESTATiSTICO BASEADO EM VARIOGRAMA I ( DADOS DE PERFILAGEM- POÇOS HOP.IZONTAIS DADOS SISMICOS DADOS DE POÇOS CRUZADOS I ---- >-' w J DETERMINAR PERFIS DO POÇO- ESTRATIGPAFIA LOCAL INTERPRETARVSP COMPUTAR SCAL NUMÊ.RICA EFETIVA ( COMPUTARVARIOGRAMAS HORIZONTAIS POP. ZONA INTERPRETAR DADOS DE POÇO CRUZADOS {Po, krBI, POROSIDADE, PERMEABILIDADE) ( INTERPRETARATRIBUTOS I I VALIDAÇÃO_USUÁRIO POÇO CRUZADO, I f OBSERVAÇAO DADOS DE POÇO I 230 f ~ ;:g:; , 218 I ._ zw • I ------------------------------9~~------------ r - - - - - - - - - - - - - - - - - - - - - - - - - - ----~~ . :. _ ___ --·- - - - - - , I ESTRP-JIBRAFIA DE SEQUÊNCIA ESCALA DE CAMPO COMPLETO w « I
I MODEL~GEM MP~ ANÁLOGOS DEAFLORI'.MENTO f MAPAS DE ISOPACAS • ESTRATIGRÁFICA DIRETA MODELAGEM DE CAMPLO OOMPLETO I CURVAS DE PROPORÇAO DE FACIES MODELO DIAGENÉTICO·INIGIAL MODELO DIAGENETICO- TAR[IIO f
I ATRIBUTOS SISMICOS J I ~ I L___________________ I Fig. 28---------------------
VARREDURAS CT DE MODELOS DE REDE TESTEMUNHO TESTEMUNHO , MODELOS DE ~310 1 DE POROS PROPRIEDADES POROS • r-312 38 10 14 30 25 1 22 24 47 19 65 23 #'REVI ;> P.L f!:JJ.~~ ~~~ 19 26 27 12 16 10 28 40 27 32 iO 51 '* 9 9 17 13 8 8 0.3 5 s"' 50 9 13 2 GRANDES DRUSAS E MICROPOROS ... 3 4 3 7 14 73 7 7 10 15 14 6
REV PoL ---- >-' w ~k, ~ 2 4 12 13 <=:> 26 22 25 31 i02 21 41 33 a:::o4 50 71 19 31 ..._~ s.. PRINCIPALMENTE MICROPOROS 314 320
INTERCEPTAÇÕES DE
MINIPERMEABIIDADE Fig. 3
412 REV. 414 ~ 410 ~l 416
I "'..,"'"'··~ i I+ ' - kr ·....., •• lJ1 '- ..... w
IMAGEM DE
FMI DE FURO TESTEMUNHO
TREINAMENTO DE
VARREDURA CT TOTAL NUMÉRICO Sw DIÂM. ~ 61N DIÂM. ~ 61N DIÂM. ~ 2,41N COMPR. ~3ft COMPR. ~3ft COMPR. ~ 6,41N Fig. 4
RRT1 Amostra 1 ou Atributos Fig. 5 5201. Realização 1 Porosidade 24%
RRT1 Amostra2ou Realização2 0"\ Porosidade 21 % '1--'w 524""(_ RRT1 .., Amostra3 ou - C.1<
Estatistíca de variograma 1m Realização 3 Porosidade 18% Ir \ ,-. y t~~1.:;:.·--' /..~·-·-·< -~ --~·-- ~-"'-"''"'~: j .. .... 5261 I .' "'*"· ;r(
RRT1 ill Amostra4ou Realização 4 Porosidade 15% 100m 10om 100m
ANÁLOGOS DE AFLORAMENTO
SEQUÊNCIA ESTRATIGRÁFICA ..----------. ~
MODELOS MAPAS DE
ESTRATIGRÁFICOS ISOPACAS
DIRETOS
2.12 ' ATRIBUTOS SÍSMICOS J1, ç 620
CURVAS DE
PROPORÇÃO DE
D
FACIES
MODELO DIAGENÉTICO ESTATÍSTICA DE MODELO -INICIAL MULTIPONTOS DE DIAGENÉTICO-
MODELO ESTÁTICO TARDIO Fig. 6
DESCREVER TESTEMUNHOS PARA IDENTIFICAR FACIES,
TECIDOS DE ROCHA E RRTS 710 '
ADQUIRIR ANÁLISES DE PERMEABILIDADE E POROSIDADE
CONVENCIONAIS PARA AMOSTRAS DE TESTEMUNHO INTEIRO E/OU TAMPÕES DE TESTEMUNHO 712 ...
AVALIAR E INTEGRAR ANÁLISES DE TESTEMUNHO EXISTENTES, DESCRIÇÕES DE TESTEMUNHO, E RRTS 714
REALIZAR ANÁLISES DE PERFILAGEM CONVENCIONAIS NOS
POÇOS 716
INTERPRETAR IMAGENS DE POÇO E OUTROS PERFIS DE
FURO ABERTO E COMPARAR OS MESMOS COM FACIES
GEOLÓGICAS OBSERVADAS NO TESTEMUNHO 718 Fig. 7
ESCOLHER INTERVALOS DE TESTEMUNHO COM CHAPA OU TESTEMUNHO INTEIRO DE 1- A 3- PÉS (0,3- A 1,O M) DE CADA RRT PRINCIPAL 810 l ADQUIRIR VARREDURAS CT CONVENCIONAIS (DISTÂNCIA DE ETAPA DE 1 OU 2 MM) PARA INTERVALOS DE 1 A 3 PES (0,3 A 1,0 M) ESCOLHIDOS 812 ADQUIRIR DADOS DE MINIPERMEABILIDADE EM GRADE (ESPAÇAMENTO DE GRADE DE 0,5 A 1,O CM) PARA ROCHAS QUE FORAM VARRIDAS CT; PERMEABILIDADES PARA CADA PONTO DE . GRADE SÃO COMPUTADAS; E DADOS DE MINIPERMEABILIDADE SÃO CONTORNADOS -,., 814 •
REGISTRAR DADOS DE MINI PERMEABILIDADE PARA FACE DE CHAPA DE VARREDURAS CT CONVENCIONAIS; PERFURAR TAMPÓES DE TESTEMUNHO ESTRATEGICAMENTE ESCOLHIDOS; ADQUIRIR MICROSCOPIA DE FLUORESCÊNCIA DE VARREDURA LASER, VARREDURAS MICRO C E POROSIDADE DE LABORATÓRIO, PERMEABILIDADE E SCAL 816
USAR MICROSCOPIA DE FLUORESCÊNCIA DE VARREDURA LASER TRANSMITIDA PARA
VERIFICAR QUE UM REV FOI AMOSTRADO PARA CADA FACIES PETROFÍSICA 818 t USAR REV'S IMAGEADOS COM MICROSCOPIA DE FLUORESCÊNCIA DE VARREDURA LASER
TRANSMITIDA PARA SEGMENTAR AS VARREDURAS MICRO CT 820 .. ,..._ j Fig. BA ~
\? USAR MPS PARA CONSTRUIR MODELOS DE PORO 3D OU MODELOS DE REDE DE PORO PARA CADA FACIE PETROFÍSICA, COMPUTAR SCAL NUMÉRICA (POROSIDADE, PERMEABILIDADE, PRESSÃO CAPILARES E/OU PERMEABILIDADE RELATIVA) 822 ~ GERAR IMAGENS DE FURO TOTAL PARA CADA INTERVALO DE 3 PÉS ( 1 M), ABRANGENDO OS
INTERVALOS TESTEMUNHADOS VARRIDOS CT 824 .,.
USAR RESULTADOS SCAL NUMÉRICOS DE MODELOS DE ESCALA DE PORO PARA POPULAR MODELOS DE ROCHA DIGITAIS DE ESCALA DE POÇO, ISTO É, PSEUDOTESTEMUNHOS
NUMÉRICOS 826 CONFIRMAR QUE TESTEMUNHOS NUMÉRICOS SÃO REV'S PARA O RRT ESPECÍFICO 828 DETERMINAR POROSIDADES EFETIVAS, PERMEABILIDADES, PRESSÓES CAPILARES, PERMEABILIDADES RELATIVAS, SATURAÇÓES E FATORES DE RECUPERAÇÃO EM VOLUMES
DE FURO PRÓXIMO UTILIZANDO SIMULADORES DE FLUXO CONVENCIONAIS COMO ECLIPSE 830 Fig. 88
DETERMINAR O PERFIL ESTRATIGRÁFICO INTERSECTADO POR POÇOS HORIZONTAIS QUE TÊM DADOS DE DENSIDADE LWD. COMPUTAR ESTATÍSTICAS DE VARIOGRAMA,
CONSTRUIR VARIOGRAMAS E CONSTRUIR MAPAS GEOESTATÍSTICOS DE POROSIDADE 910 ~ POPULAR VOXELS DE POROSIDADE EM ÁREAS INTER-POÇOS UTILIZANDO PERFIS DE POÇO LWD E DE FURO ABERTO, COMBINADOS COM SCAL DIGITAL DETERMINADA DE TESTEMUNHOS NUMERICOS NOS RRT'S APROPRIADOS E COM AS FAIXAS DE
POROSIDADE APROPRIADAS 912 * CONFIRMAR QUE VOLUMES INTER-POÇOS SÃO REV'S PARA O RRT ESPECÍFICO 914 '"' t
RODAR MÚLTIPLAS REALIZAÇÕES DE PSEUDOTESTEMUNHOS NUMÉRICOS OU CRIAR PSEUDOTESTEMUNHOS NUMÉRICOS PARA FAIXAS DE POROSIDADE ESPECÍFICAS;
POPULAR MAPAS GEOESTATÍSTICOS 916 l MAPEAR HETEROGENEIDADE DE POROSIDADE EM VOLUMES INTER-POÇOS UTILIZANDO
ATRIBUTOS SÍSMICOS 918 . LIMITAR PROPRIEDADES DE ROCHA NA ÁREA INTER-POÇOS UTILIZANDO DADOS GEOFÍSICOS DE POÇO CRUZADO, COMO EM (ELETROMAGNÉTICOS) E TOMOGRAFIA SÍSMICA, SE DISPONÍVEIS 920 - COM BASE EM MODELOS DE POROSIDADE, HETEROGENEIDADE DE PERMEABILIDADE PODE SER PREVISTA UTILIZANDO CO-SIMULAÇÃO COLOCADA COM A POROSIDADE
SENDO UTILIZADA COMO VARIÁVEIS SECUNDÁRIAS 922 ~ COMPUTAR PRESSÕES CAPILARES, PERMEABILIDADES RELATIVAS, SATURAÇÕES E
FATORES DE RECUPERAÇÃO PARA CADA BLOCO DE GRADE UTILIZANDO SIMULADORES
DE FLUXO CONVENCIONAIS COMO ECLIPSE 924 " ___ , -~ Fig. 9
USAR RESULTADOS PARA SCAL NUMÉRICO EFETIVO PARA VOLUMES INTER-POÇOS PARA
POPULAR SIMULAÇÕES DE CAMPO TOTAL CONSTRUÍDOS DE MODELOS ESTÁTICOS COM RRT'S INDEPENDENTEMENTE DISTRIBUÍDOS EM UMA ESTRUTURA DE CORRELAÇÃO DE PERFIL E/OU ESTRATIGRÁFICA DE SEQUÊNCIA 1010 t USAR ANÁLOGOS DE AFLORAMENTO, SE DISPONÍVEIS, PARA LIMITAR TIPOS DE FACIES,
ASSOCIAÇÕES DE FACIES E CORRELAÇÕES LATERAIS NO MODELO ESTÁTICO DE
SUBSUPERFÍCIE 1012 ......... ... . l .. USAR MODELOS DE ESCALA DE BACIA. SE DISPONÍVEIS, PARA COLOCAR O CAMPO EM SEU CONTEXTO REGIONAL EM TERMOS DE ROCHA DE FONTE, RESERVATÓRIO, COLETOR E
VEDAÇÃO -,.. 1014
L CRIAR PLANILHAS DE TOPOS DE PERFIL, FACIES E LIMITES DE SEQUÊNCIA PARA CADA TESTEMUNHO DESCRITO EM UM CAMPO DADO. COMPUTAR CURVAS DE PROPORÇÃO DE FACIES PARA CADA POÇO TESTEMUNHADO E/OU PERFILADO 1016 +
DETERMINAR ASSOCIAÇÕES DE FACIES NA SUCESSÃO VERTICAL UTILIZANDO ANÁLISE DE CADEIA MARKOV, OU UMA ABORDAGEM SIMILAR. CONSTRUIR MAPAS DE ISOPACAS DE FACIES PRINCIPAIS E/OU ESPESSURAS DE PARÁMETRO 1018 ~
USAR SUPERFÍCIES SÍSMICAS OU MODELOS CONCEITUAIS PARA FORNECER PALEOTOPOGRAFIA PARA O MODELO ESTRATIGRÁFICO AVANÇADO (FSM). CRIAR F_SM'S PARA
VISUALIZAR CENARIOS PARA TRANSPORTE HIDRAULICO OU CRESCIMENTO ORGANICO DE
SEDIMENTOS 1020 ~ Fig. 10A
COMBINAR ESPESSURA DE SEQUENCIAS E O INTERVALO BRUTO DE INTERESSE. USAR
AJUSTES ESCALONADOS NO TEMPO FSM PARA GROSSEIRAMENTE COMBINAR ESPESSURAS DE CAMADA, PROPORÇÕES DE FACIES E ASSOCIAÇÕES DE FACIES OBSERVADAS EM POÇOS
TESTEMUNHADOS 1022 CRIAR PSEUDOPOÇOS EM LOCALIZAÇÕES ARBITRÁRIAS DENTRO DO CAMPO. USAR "LITOLOGIA" FSM OU "TAMANHO DE GRÃO" COMO UM PROXY PARA FACIES A PARTIR DA
DESCRIÇÃO DE TESTEMUNHO 1024 -~
AJUSTAR FSM USANDO DESCRIÇÕES DE TESTEMUNHO E INTERPRETAÇÕES DE PERFILAGEM PARA: (a) ESPESSURAS DE CAMADA, (b) PROPORÇÕES DE FACIES E (c) ASSOCIAÇÕES DE
FACIES 1026
USAR FSM AJUSTADA COMO UMA IMAGEM DE TREINAMENTO OU CUBO DE PROBABILIDADES DE FACIES (DADOS MACIOS) PARA SIMULAÇÃO DE MPS 1028
USAR MODELOS DIAGENÉTICOS PARA REPRESENTAR MUDANÇAS EM POROSIDADE E
PERMEABILIDADE EM FUNÇÃO DE CEMENTAÇÃO E COMPACTAÇÃO DEVIDA A SOTERRAMENTO 1030 ·-.,.~ Flg. 108
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US13/036,770 | 2011-02-28 | ||
| US13/036,770 US9134457B2 (en) | 2009-04-08 | 2011-02-28 | Multiscale digital rock modeling for reservoir simulation |
| PCT/US2012/027037 WO2012118864A2 (en) | 2011-02-28 | 2012-02-28 | Multiscale digital rock modeling for reservoir simulation |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| BR112013015288A2 true BR112013015288A2 (pt) | 2020-08-11 |
| BR112013015288B1 BR112013015288B1 (pt) | 2021-09-14 |
Family
ID=46719600
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR112013015288-5A BR112013015288B1 (pt) | 2011-02-28 | 2012-02-28 | Método para aumentar a escala com um sistema de processamento de dados de modelagem de rocha digitais |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US9134457B2 (pt) |
| BR (1) | BR112013015288B1 (pt) |
| RU (1) | RU2573739C2 (pt) |
| WO (1) | WO2012118864A2 (pt) |
Families Citing this family (129)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ES2792357T3 (es) | 2009-04-20 | 2020-11-11 | Exxonmobil Upstream Res Co | Procedimiento para predecir el flujo de fluido |
| EP2499548A4 (en) * | 2009-11-12 | 2017-01-25 | Exxonmobil Upstream Research Company | Method and system for rapid model evaluation using multilevel surrogates |
| US8954296B2 (en) * | 2010-08-31 | 2015-02-10 | Energywright, Inc. | Model building for pressure diagnostics simulation |
| RU2576501C2 (ru) | 2011-02-28 | 2016-03-10 | Шлюмбергер Текнолоджи Б.В. | Способы построения 3-мерных цифровых моделей пористой среды с использованием комбинации данных высокого и низкого разрешения и многоточечной статистики |
| US8909508B2 (en) | 2011-02-28 | 2014-12-09 | Schlumberger Technology Corporation | Petrographic image analysis for determining capillary pressure in porous media |
| EP2756337A2 (en) * | 2011-09-15 | 2014-07-23 | Saudi Arabian Oil Company | Core-plug to giga-cells lithological modeling |
| WO2013074802A1 (en) * | 2011-11-15 | 2013-05-23 | Chevron U.S.A. Inc. | System and method of using spatially independent subsets of data to determine the uncertainty of soft-data debiasing of property distributions for spatially correlated reservoir data |
| US9684084B2 (en) * | 2012-05-01 | 2017-06-20 | Saudi Arabian Oil Company | Three-dimensional multi-modal core and geological modeling for optimal field development |
| US9377546B2 (en) | 2012-05-06 | 2016-06-28 | Schlumberger Technology Corporation | Automatic extraction and characterization of fault and fracture populations |
| US20140052420A1 (en) * | 2012-08-20 | 2014-02-20 | Ingrain Inc. | Digital Rock Analysis Systems and Methods that Estimate a Maturity Level |
| WO2014062947A2 (en) * | 2012-10-19 | 2014-04-24 | Conocophillips Company | Method for modeling a reservoir using 3d multiple-point simulations with 2d training images |
| US9229127B2 (en) | 2013-02-21 | 2016-01-05 | Saudi Arabian Oil Company | Methods program code, computer readable media, and apparatus for predicting matrix permeability by optimization and variance correction of K-nearest neighbors |
| CA2869825C (en) * | 2013-05-13 | 2018-07-24 | Aramco Services Company | Three-dimensional multi-modal core and geological modeling for optimal field development |
| WO2014200669A2 (en) | 2013-06-10 | 2014-12-18 | Exxonmobil Upstream Research Company | Determining well parameters for optimization of well performance |
| US20140373616A1 (en) * | 2013-06-19 | 2014-12-25 | Conocophillips Company | Mechanical characterization of core samples |
| WO2014209879A2 (en) * | 2013-06-24 | 2014-12-31 | Services Petroliers Schlumberger | Characterizing porosity distribution from a borehole image |
| US9207356B2 (en) * | 2013-07-29 | 2015-12-08 | Chevron U.S.A. Inc. | System and method for estimating a reservoir parameter using joint stochastic inversion of multisource geophysical data |
| WO2015021088A1 (en) * | 2013-08-06 | 2015-02-12 | Schlumberger Canada Limited | Methods for determining a saturation-height function in oil and gas reservoirs |
| MX2016001183A (es) * | 2013-08-07 | 2016-07-18 | Landmark Graphics Corp | Metodos y sistemas de calibracion de modelos terrestres estaticos que usan pruebas de permeabilidad. |
| EP3033484B1 (en) * | 2013-08-13 | 2023-03-15 | Services Pétroliers Schlumberger | Digital core sensitivity analysis |
| US20150062300A1 (en) * | 2013-08-30 | 2015-03-05 | Halliburton Energy Services, Inc. | Wormhole Structure Digital Characterization and Stimulation |
| CN103439741B (zh) * | 2013-09-16 | 2015-10-14 | 中国石油大港油田勘探开发研究院 | 一种零值法单砂体逐层剥离预测方法 |
| EP3077618B1 (en) * | 2013-12-04 | 2018-09-19 | Services Petroliers Schlumberger | Tuning digital core analysis to laboratory results |
| US9989667B2 (en) | 2013-12-19 | 2018-06-05 | Halliburton Energy Services, Inc. | Pore size classification in subterranean formations based on nuclear magnetic resonance (NMR) relaxation distributions |
| US9939548B2 (en) | 2014-02-24 | 2018-04-10 | Saudi Arabian Oil Company | Systems, methods, and computer medium to produce efficient, consistent, and high-confidence image-based electrofacies analysis in stratigraphic interpretations across multiple wells |
| US9892366B2 (en) * | 2014-02-28 | 2018-02-13 | Landmark Graphics Corporation | Facies definition using unsupervised classification procedures |
| US9483871B2 (en) | 2014-03-25 | 2016-11-01 | Saudi Arabian Oil Company | 360-degree core photo image integration and interpretation in a 3D petrophysical modeling environment |
| AU2015241030A1 (en) * | 2014-03-31 | 2016-10-20 | Ingrain, Inc. | Digital rock physics-based trend determination and usage for upscaling |
| WO2015187483A1 (en) | 2014-06-05 | 2015-12-10 | Geocosm, LLC | Predicting sediment and sedimentary rock properties |
| US10914864B2 (en) | 2014-07-16 | 2021-02-09 | Schlumberger Technology Corporation | Multiscale method for reservoir models |
| CN104134002A (zh) * | 2014-07-30 | 2014-11-05 | 中国石油天然气集团公司 | 一种基于数字地质露头的碎屑岩储层建模方法及装置 |
| US20160245950A1 (en) * | 2014-10-14 | 2016-08-25 | Landmark Graphics Corporation | Using representative elemental volume to determine subset volume in an area of interest earth model |
| WO2016065127A1 (en) * | 2014-10-23 | 2016-04-28 | Chevron U.S.A. Inc. | A system and method of pore type classification for petrophysical rock typing |
| US9581710B2 (en) * | 2014-10-24 | 2017-02-28 | Westerngeco L.L.C. | Three-dimensional rock properties using cross well seismic |
| BR112017008907A2 (pt) | 2014-11-17 | 2017-12-26 | Halliburton Energy Services Inc | método |
| CA2965867C (en) | 2014-12-08 | 2019-06-11 | Landmark Graphics Corporation | Determining non-linear petrofacies using cross-plot partitioning |
| US10502863B2 (en) | 2015-02-13 | 2019-12-10 | Schlumberger Technology Corporation | Diagenetic and depositional rock analysis |
| US10198804B2 (en) * | 2015-04-15 | 2019-02-05 | Halliburton Energy Services, Inc. | Method for determining fabric and upscaled properties of geological sample |
| US10055884B2 (en) | 2015-04-30 | 2018-08-21 | Saudi Arabian Oil Company | Three-dimensional fluid micromodels |
| EP3329091B1 (en) * | 2015-07-28 | 2022-12-28 | Services Pétroliers Schlumberger | Method and system for generating a virtual core |
| WO2017041281A1 (en) * | 2015-09-11 | 2017-03-16 | Irock Technologies Co., Ltd | Porous media anaylysis system and method |
| WO2017095395A1 (en) * | 2015-12-01 | 2017-06-08 | Landmark Graphics Corporation | Automated upscaling of relative permeability using fractional flow in systems comprising disparate rock types |
| US10049172B2 (en) | 2015-12-10 | 2018-08-14 | Saudi Arabian Oil Company | Predicting and modeling changes in capillary pressure and relative permeabilities in a porous medium due to mineral precipitation and dissolution |
| US11060391B2 (en) * | 2015-12-22 | 2021-07-13 | Landmark Graphics Corporation | Image based rock property tensor visualization of a geocellular grid in a dynamic 3D environment |
| US10087723B2 (en) | 2015-12-22 | 2018-10-02 | Chevron U.S.A. Inc. | Methodology for building realistic numerical forward stratigraphic models in data sparse environment |
| CN105487136B (zh) * | 2015-12-31 | 2017-11-07 | 中国石油大学(华东) | 基于经验模态分解和能量熵判别的碳酸盐岩储集体测井识别方法 |
| CN105929461B (zh) * | 2016-04-13 | 2018-10-26 | 河南工程学院 | 一种动静态岩石力学参数校正系统 |
| US10621292B2 (en) * | 2016-04-18 | 2020-04-14 | International Business Machines Corporation | Method, apparatus and computer program product providing simulator for enhanced oil recovery based on micron and submicron scale fluid-solid interactions |
| GB2569899B (en) * | 2016-10-04 | 2022-04-27 | Landmark Graphics Corp | Multivariate analysis of seismic data, microseismic data, and petrophysical properties in fracture modeling |
| US11163923B2 (en) | 2017-02-14 | 2021-11-02 | Landmark Graphics Corporation | Automated upscaling of relative permeability and capillary pressure in multi-porosity systems |
| CN106950610B (zh) * | 2017-02-15 | 2019-01-22 | 山东大学 | 一种电阻率法实验室水囊模拟装置及方法 |
| US10648292B2 (en) | 2017-03-01 | 2020-05-12 | International Business Machines Corporation | Cognitive enhanced oil recovery advisor system based on digital rock simulator |
| US10691846B2 (en) | 2017-03-01 | 2020-06-23 | International Business Machines Corporation | Capillary network simulations based on a low-dimensional representation of porous media |
| CN106855636B (zh) * | 2017-03-23 | 2018-10-26 | 西南石油大学 | 基于碳酸盐岩储层露头的原型地质模型地震正演方法 |
| CN111316294A (zh) | 2017-09-15 | 2020-06-19 | 沙特阿拉伯石油公司 | 使用神经网络推断烃储层的岩石物理特性 |
| WO2019075242A1 (en) | 2017-10-11 | 2019-04-18 | Beyond Limits, Inc. | SYSTEM FOR IMPROVING EXPLORATION AND TANK PRODUCTION |
| CN111615625A (zh) * | 2017-11-06 | 2020-09-01 | 哈里发科学技术大学 | 用于确定多孔介质的渗透率的方法和系统 |
| EP3724793A4 (en) * | 2017-12-14 | 2021-10-20 | Services Pétroliers Schlumberger | SYSTEM AND METHOD FOR SIMULATION OF TANK MODELS |
| RU2670174C1 (ru) * | 2017-12-18 | 2018-10-18 | Федеральное государственное учреждение "Федеральный научный центр Научно-исследовательский институт системных исследований Российской академии наук" (ФГУ ФНЦ НИИСИ РАН) | Способ многомасштабного моделирования нелинейных процессов подземной гидродинамики |
| AU2018410470B2 (en) * | 2018-02-20 | 2022-03-10 | Chevron U.S.A. Inc. | Systems and methods for generating permeability scaling functions to estimate permeability |
| CN108303729B (zh) * | 2018-02-27 | 2020-01-03 | 中建隧道建设有限公司 | 建筑物下盾构隧道影响区域岩溶探测方法 |
| US10983237B2 (en) | 2018-04-13 | 2021-04-20 | Saudi Arabian Oil Company | Enhancing seismic images |
| CN108682020B (zh) * | 2018-04-28 | 2019-04-12 | 中国石油大学(华东) | 岩心微米ct孔隙结构重构方法 |
| CN108875140B (zh) * | 2018-05-24 | 2022-06-03 | 西安石油大学 | 一种基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法 |
| US10891462B2 (en) | 2018-06-29 | 2021-01-12 | Saudi Arabian Oil Company | Identifying geometrical properties of rock structure through digital imaging |
| CN109211666B (zh) * | 2018-08-31 | 2019-12-03 | 山东科技大学 | 基于ct扫描的预测应力加载条件下煤体渗透率的方法 |
| CN109063383A (zh) * | 2018-09-19 | 2018-12-21 | 西南石油大学 | 基于微尺度重建模型的热-流-固多场耦合模拟方法 |
| US11047228B2 (en) | 2018-10-19 | 2021-06-29 | Saudi Arabian Oil Company | Predicting carbonate porosity based on petrographic data |
| RU2718409C1 (ru) * | 2018-10-23 | 2020-04-02 | Автономная некоммерческая образовательная организация высшего образования "Сколковский институт науки и технологий" | Система восстановления трехмерной структуры образца породы |
| CN109614634B (zh) * | 2018-10-25 | 2022-08-23 | 中国辐射防护研究院 | 一种水环境中放射性核素迁移扩散数值模拟方法及系统 |
| WO2020131694A1 (en) | 2018-12-18 | 2020-06-25 | Shell Oil Company | Method for digitally characterizing the permeability of rock |
| US11187821B2 (en) | 2019-01-23 | 2021-11-30 | Saudi Arabian Oil Company | Integration of seismic driven rock property into a geo-cellular model |
| CN111638552A (zh) * | 2019-03-01 | 2020-09-08 | 中国石油化工股份有限公司 | 一种古地貌恢复方法 |
| US20220186615A1 (en) * | 2019-04-16 | 2022-06-16 | Totalenergies Se | A method for upscaling of relative permeability of the phase of a fluid |
| US11525934B2 (en) * | 2019-05-16 | 2022-12-13 | Shell Usa, Inc. | Method for identifying subsurface fluids and/or lithologies |
| US11604909B2 (en) | 2019-05-28 | 2023-03-14 | Chevron U.S.A. Inc. | System and method for accelerated computation of subsurface representations |
| CN110173243B (zh) * | 2019-07-09 | 2024-03-22 | 西南石油大学 | 一种火成岩油藏注水/注气开发效果评价装置及方法 |
| CN110424944B (zh) * | 2019-07-22 | 2022-08-23 | 中国海洋石油集团有限公司 | 巨厚碳酸盐岩油藏油水拟相渗曲线的建立方法 |
| CN112287718B (zh) * | 2019-07-23 | 2024-05-03 | 中国石油天然气股份有限公司 | 数字地质露头孔洞提取方法及装置 |
| US11249220B2 (en) | 2019-08-14 | 2022-02-15 | Chevron U.S.A. Inc. | Correlation matrix for simultaneously correlating multiple wells |
| RU2725506C9 (ru) * | 2019-08-21 | 2020-07-27 | Общество с ограниченной ответственностью "Диджитал Петролеум" (ООО "ДП") | Способ и система оптимизации лабораторных исследований образцов горных пород |
| US11415501B2 (en) | 2019-10-16 | 2022-08-16 | King Fahd University Of Petroleum And Minerals | Method of determining absolute permeability |
| US11561215B2 (en) | 2019-10-31 | 2023-01-24 | Halliburton Energy Services, Inc. | Scale-coupled multiscale model simulation |
| US11079581B2 (en) * | 2019-11-25 | 2021-08-03 | Saudi Arabian Oil Company | Resolution preserving methodology to generate continuous log scale reservoir permeability profile from petrographic thin section images |
| US11010969B1 (en) | 2019-12-06 | 2021-05-18 | Chevron U.S.A. Inc. | Generation of subsurface representations using layer-space |
| US10984590B1 (en) | 2019-12-06 | 2021-04-20 | Chevron U.S.A. Inc. | Generation of subsurface representations using layer-space |
| US11187826B2 (en) | 2019-12-06 | 2021-11-30 | Chevron U.S.A. Inc. | Characterization of subsurface regions using moving-window based analysis of unsegmented continuous data |
| CN110927194B (zh) * | 2019-12-11 | 2020-08-18 | 中国科学院地质与地球物理研究所 | 确定泥页岩有机孔含量和孔径分布的方法 |
| CN114761991A (zh) | 2019-12-12 | 2022-07-15 | 国际壳牌研究有限公司 | 用于估计岩石的烃饱和度的方法 |
| CN111060428B (zh) * | 2019-12-12 | 2021-10-22 | 清华大学 | 一种多层级岩心结构的数字重构方法 |
| CN110987985A (zh) * | 2019-12-27 | 2020-04-10 | 西南石油大学 | 射孔损害室内评价数字岩心方法 |
| US11263362B2 (en) | 2020-01-16 | 2022-03-01 | Chevron U.S.A. Inc. | Correlation of multiple wells using subsurface representation |
| US11320566B2 (en) | 2020-01-16 | 2022-05-03 | Chevron U.S.A. Inc. | Multiple well matching within subsurface representation |
| US11961002B2 (en) * | 2020-03-05 | 2024-04-16 | Saudi Arabian Oil Company | Random selection of observation cells for proxy modeling of reactive transport modeling |
| US11561674B2 (en) | 2020-03-05 | 2023-01-24 | Saudi Arabian Oil Company | User interface for proxy modeling of reactive transport modeling |
| US11397279B2 (en) | 2020-03-27 | 2022-07-26 | Chevron U.S.A. Inc. | Comparison of wells using a dissimilarity matrix |
| CN113495304B (zh) * | 2020-04-01 | 2024-06-25 | 中国石油天然气集团有限公司 | 储层微裂缝的三维建模方法 |
| CN111624147B (zh) * | 2020-04-16 | 2023-04-07 | 中国石油天然气股份有限公司 | 岩心的相对渗透率测定方法及装置 |
| CN113552617B (zh) * | 2020-04-26 | 2024-01-23 | 中国石油化工股份有限公司 | 小尺度缝洞体的量化方法、装置、电子设备及存储介质 |
| EP4172661A1 (en) | 2020-06-30 | 2023-05-03 | Shell Internationale Research Maatschappij B.V. | Method for estimating hydrocarbon saturation of a rock |
| US11592593B2 (en) | 2020-07-01 | 2023-02-28 | Saudi Arabian Oil Company | Modeling hydrocarbon reservoirs using rock fabric classification at reservoir conditions |
| CN111855712B (zh) * | 2020-07-03 | 2023-04-11 | 大连理工大学 | 一种基于ct图像的胶结型水合物沉积物三维建模方法 |
| CN111862306B (zh) * | 2020-07-03 | 2023-09-19 | 大连理工大学 | 一种基于ct图像的孔隙填充型水合物沉积物三维建模方法 |
| US11286232B2 (en) | 2020-07-29 | 2022-03-29 | Saudi Arabian Oil Company | Preparation of cationic surfactants |
| US11467080B2 (en) | 2020-08-10 | 2022-10-11 | Saudi Arabian Oil Company | Estimating permeability of reservoir rocks using mercury injection capillary pressure |
| US11820842B2 (en) | 2020-09-09 | 2023-11-21 | Saudi Arabian Oil Company | Sulfonated polymer |
| US11947067B2 (en) | 2020-09-16 | 2024-04-02 | Saudi Arabian Oil Company | Systems and methods for developing horizontal hydrocarbon wells |
| CN112132965B (zh) * | 2020-09-25 | 2024-03-26 | 中国矿业大学 | 一种岩土体孔裂隙结构多尺度表征方法 |
| US11719094B2 (en) | 2020-10-23 | 2023-08-08 | Saudi Arabian Oil Company | Reservoir characterization using rock geochemistry for lithostratigraphic interpretation of a subterranean formation |
| US11668847B2 (en) | 2021-01-04 | 2023-06-06 | Saudi Arabian Oil Company | Generating synthetic geological formation images based on rock fragment images |
| CN112686917B (zh) * | 2021-01-30 | 2023-06-30 | 中国科学院地质与地球物理研究所 | 提高岩心非均质性表征精度的数字岩心建模方法及装置 |
| US11927709B2 (en) | 2021-02-02 | 2024-03-12 | Saudi Arabian Oil Company | Multi-scale geological modeling and well information integration |
| US11867869B2 (en) | 2021-02-11 | 2024-01-09 | Saudi Arabian Oil Company | Multiple porosity micromodel |
| CN113029908B (zh) * | 2021-03-16 | 2021-11-26 | 中国石油大学(华东) | 一种致密储层饱和度指数的实验室测量方法 |
| WO2022204692A1 (en) * | 2021-03-26 | 2022-09-29 | Halliburton Energy Services, Inc. | Visualizing fluid flow through porous media in virtual reality |
| CN112859197B (zh) * | 2021-03-31 | 2024-03-22 | 中国石油天然气集团有限公司 | 一种基于均质化地层电磁场理论的数字井筒电阻率模拟方法 |
| CN113109891A (zh) * | 2021-04-14 | 2021-07-13 | 中国石油大学(华东) | 重建沉积盆地地质流体演化历史的方法 |
| CN113281239B (zh) * | 2021-06-18 | 2022-06-24 | 中国石油大学(北京) | 多尺度煤岩孔隙网络生成方法和装置 |
| CN113409463B (zh) * | 2021-06-29 | 2022-06-07 | 中国地质大学（武汉） | 一种包括尖灭处理的三维地质模型构建方法及装置 |
| CN113588722B (zh) * | 2021-08-16 | 2023-04-28 | 中国地质大学（北京） | 基于数字岩石物理的高温岩石电学特性分析方法及系统 |
| CN113484909B (zh) * | 2021-09-07 | 2021-11-19 | 西南石油大学 | 一种基于几何网格化和参数分配的缝洞型储层建立方法 |
| US11566503B1 (en) | 2021-09-21 | 2023-01-31 | Saudi Arabian Oil Company | Oil recovery of a reservoir based on residual oil saturation |
| CN114325845B (zh) * | 2021-10-26 | 2024-03-15 | 重庆科技学院 | 一种基于数字岩心技术的非常规储层多尺度融合方法 |
| US11952891B2 (en) | 2022-08-22 | 2024-04-09 | Saudi Arabian Oil Company | Systems and method for constraining 3D fracture model properties using X-ray micro-computed tomography of core plugs for naturally fractured reservoirs |
| CN115984497B (zh) * | 2022-12-30 | 2024-02-23 | 中国铁路设计集团有限公司 | 一种地质横断面自动填绘方法 |
| CN116342815B (zh) * | 2023-05-12 | 2023-08-01 | 中国石油大学(华东) | 一种页岩孔隙空间的多尺度孔隙网络模型构建方法 |
| CN117592387B (zh) * | 2023-05-25 | 2024-06-25 | 中国石油大学(北京) | 低渗致密油藏浸润调控渗流规律表征方法、装置及设备 |
| CN117115370B (zh) * | 2023-08-15 | 2024-03-19 | 西南石油大学 | 一种高精度数字岩心模型构建方法 |
| CN118095021A (zh) * | 2024-04-28 | 2024-05-28 | 中国石油大学(华东) | 一种大尺寸数字岩心渗透率的高效计算方法 |
Family Cites Families (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5233568A (en) | 1991-06-28 | 1993-08-03 | Atlantic Richfield Company | Geopressure analysis system |
| US5835883A (en) | 1997-01-31 | 1998-11-10 | Phillips Petroleum Company | Method for determining distribution of reservoir permeability, porosity and pseudo relative permeability |
| US6826520B1 (en) | 1999-06-24 | 2004-11-30 | Exxonmobil Upstream Research Company | Method of upscaling permeability for unstructured grids |
| RU2166630C1 (ru) * | 1999-09-03 | 2001-05-10 | Закрытое акционерное общество "Инжиниринговый центр ЮКОС" | Способ контроля за разработкой нефтяного месторождения |
| US6886632B2 (en) | 2002-07-17 | 2005-05-03 | Schlumberger Technology Corporation | Estimating formation properties in inter-well regions by monitoring saturation and salinity front arrivals |
| US7496488B2 (en) * | 2003-03-06 | 2009-02-24 | Schlumberger Technology Company | Multi-scale finite-volume method for use in subsurface flow simulation |
| WO2005036338A2 (en) | 2003-10-04 | 2005-04-21 | Halliburton Energy Services Group | System and methods for upscaling petrophysical data |
| CN1898640A (zh) | 2004-01-30 | 2007-01-17 | 埃克森美孚上游研究公司 | 储层评价方法 |
| RU2289829C1 (ru) * | 2005-08-18 | 2006-12-20 | ОАО "НК "Роснефть" | Способ геофизической разведки для выявления нефтегазовых объектов |
| US7787678B2 (en) | 2005-10-07 | 2010-08-31 | Siemens Corporation | Devices, systems, and methods for processing images |
| WO2007149766A2 (en) | 2006-06-18 | 2007-12-27 | Chevron U.S.A. Inc. | Reservoir simulation using a multi-scale finite volume including black oil modeling |
| WO2009126375A1 (en) | 2008-04-09 | 2009-10-15 | Exxonmobil Upstream Research Company | Method for generating anisotropic resistivity volumes from seismic and log data using a rock physics model |
| US8725477B2 (en) | 2008-04-10 | 2014-05-13 | Schlumberger Technology Corporation | Method to generate numerical pseudocores using borehole images, digital rock samples, and multi-point statistics |
| CN101878434B (zh) | 2008-04-10 | 2014-05-07 | 普拉德研究及开发股份有限公司 | 用于表征被井眼穿过的地质构造的方法 |
| US8527248B2 (en) * | 2008-04-18 | 2013-09-03 | Westerngeco L.L.C. | System and method for performing an adaptive drilling operation |
| US8095349B2 (en) | 2008-05-30 | 2012-01-10 | Kelkar And Associates, Inc. | Dynamic updating of simulation models |
| US8200465B2 (en) | 2008-06-18 | 2012-06-12 | Terratek Inc. | Heterogeneous earth models for a reservoir field |
| US20110004447A1 (en) | 2009-07-01 | 2011-01-06 | Schlumberger Technology Corporation | Method to build 3D digital models of porous media using transmitted laser scanning confocal mircoscopy and multi-point statistics |
| US8311788B2 (en) | 2009-07-01 | 2012-11-13 | Schlumberger Technology Corporation | Method to quantify discrete pore shapes, volumes, and surface areas using confocal profilometry |
| FR2945879B1 (fr) * | 2009-05-20 | 2011-06-24 | Inst Francais Du Petrole | Methode d'exploitation de milieu poreux au moyen d'une modelisation d'ecoulements de fluide |
| US8498853B2 (en) * | 2009-07-20 | 2013-07-30 | Exxonmobil Upstream Research Company | Petrophysical method for predicting plastic mechanical properties in rock formations |
| WO2012118867A2 (en) | 2011-02-28 | 2012-09-07 | Schlumberger Technology Corporation | Method to determine representative element areas and volumes in porous media |
| US8909508B2 (en) | 2011-02-28 | 2014-12-09 | Schlumberger Technology Corporation | Petrographic image analysis for determining capillary pressure in porous media |
| RU2576501C2 (ru) | 2011-02-28 | 2016-03-10 | Шлюмбергер Текнолоджи Б.В. | Способы построения 3-мерных цифровых моделей пористой среды с использованием комбинации данных высокого и низкого разрешения и многоточечной статистики |
-
2011
- 2011-02-28 US US13/036,770 patent/US9134457B2/en active Active
-
2012
- 2012-02-28 WO PCT/US2012/027037 patent/WO2012118864A2/en active Application Filing
- 2012-02-28 RU RU2013143803/08A patent/RU2573739C2/ru active
- 2012-02-28 BR BR112013015288-5A patent/BR112013015288B1/pt active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| US9134457B2 (en) | 2015-09-15 |
| RU2573739C2 (ru) | 2016-01-27 |
| WO2012118864A3 (en) | 2012-12-13 |
| RU2013143803A (ru) | 2015-04-10 |
| BR112013015288B1 (pt) | 2021-09-14 |
| WO2012118864A2 (en) | 2012-09-07 |
| US20120221306A1 (en) | 2012-08-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| BR112013015288A2 (pt) | método de escalonamento ascendente com um sistema de processamento dados de modelagem de rocha digitais de escala de poro representando rocha | |
| Skalinski et al. | Carbonate petrophysical rock typing: integrating geological attributes and petrophysical properties while linking with dynamic behaviour | |
| US8725477B2 (en) | Method to generate numerical pseudocores using borehole images, digital rock samples, and multi-point statistics | |
| CN101802649B (zh) | 利用井眼图像、数字岩石样品以及多点统计算法生成数值假岩心的方法 | |
| CA2784405C (en) | Workflow for petrophysical and geophysical formation evaluation of wireline and lwd log data | |
| Slatt et al. | Pore-to-regional-scale integrated characterization workflow for unconventional gas shales | |
| Ahr et al. | Confronting the carbonate conundrum | |
| Fanchi | Shared Earth Modeling: Methodologies for Integrated Reservoir Simulations | |
| Soleimani et al. | Integrated petrophysical modeling for a strongly heterogeneous and fractured reservoir, Sarvak Formation, SW Iran | |
| WO2014143166A1 (en) | Methods of characterizing earth formations using physiochemical model | |
| WO2009070365A1 (en) | Method for determining the properties of hydrocarbon reservoirs from geophysical data | |
| Bigi et al. | CO2 flow through a fractured rock volume: Insights from field data, 3D fractures representation and fluid flow modeling | |
| Kadkhodaie et al. | An effective approach to generate drainage representative capillary pressure and relative permeability curves in the framework of reservoir electrofacies | |
| Zhang | MPS-driven digital rock modeling and upscaling | |
| Keogh et al. | Data capture for multiscale modelling of the Lourinha Formation, Lusitanian Basin, Portugal: an outcrop analogue for the Statfjord Group, Norwegian North Sea | |
| Boualam et al. | Advanced petrophysical analysis and water saturation prediction in three forks, williston basin | |
| de Jonge-Anderson et al. | Determining reservoir intervals in the Bowland Shale using petrophysics and rock physics models | |
| CN105804732B (zh) | 一种基于相对电阻率随机模拟反演的油气分布预测方法 | |
| Al-Sulami et al. | The unconventional shale reservoirs of jafurah basin: An integrated petrophysical evaluation using cores and advanced well logs | |
| Mellal et al. | Multiscale Formation Evaluation and Rock Types Identification in the Middle Bakken Formation | |
| Alumbaugh et al. | The Kimberlina synthetic multiphysics dataset for CO2 monitoring investigations | |
| Worthington | Reservoir characterization at the mesoscopic scale | |
| Corlett et al. | A geocellular modelling workflow for partially dolomitized remobilized carbonates: An example from the Hammam Faraun Fault block, Gulf of Suez, Egypt | |
| Hurley et al. | Multiscale workflow for reservoir simulation | |
| Asgari et al. | A fully integrated approach for the development of rock type characterization, in a middle east giant carbonate reservoir |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| B06F | Objections, documents and/or translations needed after an examination request according [chapter 6.6 patent gazette] | ||
| B06U | Preliminary requirement: requests with searches performed by other patent offices: procedure suspended [chapter 6.21 patent gazette] | ||
| B25A | Requested transfer of rights approved |
Owner name: SCHLUMBERGER HOLDINGS LIMITED (VG) |
|
| B09A | Decision: intention to grant [chapter 9.1 patent gazette] | ||
| B16A | Patent or certificate of addition of invention granted [chapter 16.1 patent gazette] |
Free format text: PRAZO DE VALIDADE: 20 (VINTE) ANOS CONTADOS A PARTIR DE 28/02/2012, OBSERVADAS AS CONDICOES LEGAIS. |