BR112019011191B1 - Método e aparelho para estimar uma concentração relativa para cada um de dois ou mais componentes químicos em um composição química de hidrocarbonetos de interesse - Google Patents
Método e aparelho para estimar uma concentração relativa para cada um de dois ou mais componentes químicos em um composição química de hidrocarbonetos de interesse Download PDFInfo
- Publication number
- BR112019011191B1 BR112019011191B1 BR112019011191-3A BR112019011191A BR112019011191B1 BR 112019011191 B1 BR112019011191 B1 BR 112019011191B1 BR 112019011191 A BR112019011191 A BR 112019011191A BR 112019011191 B1 BR112019011191 B1 BR 112019011191B1
- Authority
- BR
- Brazil
- Prior art keywords
- chemical composition
- physical properties
- hydrocarbons
- interest
- measured
- Prior art date
Links
- 239000000126 substance Substances 0.000 title claims abstract description 99
- 229930195733 hydrocarbon Natural products 0.000 title claims abstract description 87
- 150000002430 hydrocarbons Chemical group 0.000 title claims abstract description 87
- 239000000203 mixture Substances 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000000704 physical effect Effects 0.000 claims abstract description 93
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 39
- 239000004215 Carbon black (E152) Substances 0.000 claims description 37
- 239000002131 composite material Substances 0.000 claims description 27
- 238000004519 manufacturing process Methods 0.000 claims description 18
- OFBQJSOFQDEBGM-UHFFFAOYSA-N n-pentane Natural products CCCCC OFBQJSOFQDEBGM-UHFFFAOYSA-N 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 16
- VLKZOEOYAKHREP-UHFFFAOYSA-N n-Hexane Chemical compound CCCCCC VLKZOEOYAKHREP-UHFFFAOYSA-N 0.000 claims description 15
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 12
- 230000015572 biosynthetic process Effects 0.000 claims description 11
- IMNFDUFMRHMDMM-UHFFFAOYSA-N N-Heptane Chemical compound CCCCCCC IMNFDUFMRHMDMM-UHFFFAOYSA-N 0.000 claims description 10
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 8
- 230000001419 dependent effect Effects 0.000 claims description 8
- 238000012417 linear regression Methods 0.000 claims description 8
- 239000010779 crude oil Substances 0.000 claims description 7
- IJDNQMDRQITEOD-UHFFFAOYSA-N n-butane Chemical compound CCCC IJDNQMDRQITEOD-UHFFFAOYSA-N 0.000 claims description 6
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 claims description 5
- 239000001273 butane Substances 0.000 claims description 5
- 239000001294 propane Substances 0.000 claims description 5
- 238000006467 substitution reaction Methods 0.000 claims description 5
- 239000000523 sample Substances 0.000 description 15
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000005553 drilling Methods 0.000 description 5
- 239000003921 oil Substances 0.000 description 5
- 239000003208 petroleum Substances 0.000 description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical group [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 238000000611 regression analysis Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000004817 gas chromatography Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- NNPPMTNAJDCUHE-UHFFFAOYSA-N isobutane Chemical compound CC(C)C NNPPMTNAJDCUHE-UHFFFAOYSA-N 0.000 description 2
- QWTDNUCVQCZILF-UHFFFAOYSA-N isopentane Chemical compound CCC(C)C QWTDNUCVQCZILF-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000001134 F-test Methods 0.000 description 1
- 102100040837 Galactoside alpha-(1,2)-fucosyltransferase 2 Human genes 0.000 description 1
- 101000893710 Homo sapiens Galactoside alpha-(1,2)-fucosyltransferase 2 Proteins 0.000 description 1
- 101000882403 Staphylococcus aureus Enterotoxin type C-2 Proteins 0.000 description 1
- 241000364021 Tulsa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000012159 carrier gas Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- AFABGHUZZDYHJO-UHFFFAOYSA-N dimethyl butane Natural products CCCC(C)C AFABGHUZZDYHJO-UHFFFAOYSA-N 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000001282 iso-butane Substances 0.000 description 1
- 238000011005 laboratory method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- -1 oil Natural products 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
- E21B49/08—Obtaining fluid samples or testing fluids, in boreholes or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
- E21B43/25—Methods for stimulating production
- E21B43/26—Methods for stimulating production by forming crevices or fractures
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/06—Measuring temperature or pressure
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/12—Means for transmitting measuring-signals or control signals from the well to the surface, or from the surface to the well, e.g. for logging while drilling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
- E21B49/08—Obtaining fluid samples or testing fluids, in boreholes or wells
- E21B49/087—Well testing, e.g. testing for reservoir productivity or formation parameters
- E21B49/0875—Well testing, e.g. testing for reservoir productivity or formation parameters determining specific fluid parameters
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
Um método para estimar uma composição química de hidrocarbonetos de interesse influi: realizar uma medição para cada propriedade física de uma pluralidade de propriedades físicas dos hidrocarbonetos de interesse usando um sensor para fornecer um valor para cada propriedade física diferente sendo medida; e estimar a composição química dos hidrocarbonetos de interesse utilizando uma função de predição de correlação para cada componente químico na composição química em termos das diferentes propriedades físicas sendo medidas.
Description
[0001] Este pedido de patente reivindica o benefício do Pedido US 15/369300, depositado em 5 de dezembro de 2016, que é aqui incorporado por referência na sua totalidade.
[0002] O petróleo bruto em diferentes reservas de petróleo ou mesmo na mesma formação de terra pode ter diferentes composições químicas. Por exemplo, diferentes petróleos brutos podem ter diferentes composições químicas, tais como diferentes concentrações relativas de metano, etano, propano, butano, pentano, hexano, heptano e semelhantes. Analistas e engenheiros de petróleo gostariam de conhecer as composições químicas das reservas de petróleo para recuperar e processar eficientemente o petróleo que encontram. Cromatografia gasosa (GC) é o método laboratorial de superfície padrão para obter tal composição química detalhada, mas os tempos de retenção são muito dependentes da temperatura e das taxas de fluxo do gás de arraste e seria extremamente complicado implementar a GC no fundo de poço, o que exigiria um esforço de engenharia muito grande e caro. Assim, seria apreciado na indústria do petróleo se fossem desenvolvidos métodos novos e eficientes para estimar uma composição química de óleo no fundo de poço em tempo real.
[0003] É divulgado um método para estimar uma composição química de hidrocarbonetos de interesse. O método inclui: realizar uma medição para cada propriedade física de uma pluralidade de propriedades físicas dos hidrocarbonetos de interesse usando um sensor para fornecer um valor para cada propriedade física diferente sendo medida; e estimar, por um processador, a composição química dos hidrocarbonetos de interesse utilizando uma função de predição de correlação para cada componente químico na composição química em termos das diferentes propriedades físicas a serem medidas.
[0004] Também é divulgado um aparelho para estimar uma composição química de hidrocarbonetos de interesse. O aparelho inclui: um sensor configurado para realizar uma medição para cada propriedade física em uma pluralidade de propriedades físicas dos hidrocarbonetos de interesse para fornecer um valor para cada propriedade física diferente sendo medida; e um processador configurado para estimar a composição química dos hidrocarbonetos de interesse usando uma função de predição de correlação para cada componente químico na composição química em termos das diferentes propriedades físicas sendo medidas.
[0005] As descrições a seguir não devem ser consideradas limitantes em nenhuma circunstância. Em referência aos desenhos anexos, elementos semelhantes são enumerados de forma semelhante:
[0006] FIG. 1 é uma vista em corte transversal de uma modalidade de um sensor de fundo de poço, disposto em poço que penetra na terra;
[0007] FIG. 2 é uma vista em corte de uma modalidade de equipamento de produção de hidrocarbonetos;
[0008] FIG. 3 é um fluxograma para um método para estimar uma composição química de hidrocarbonetos no fundo de poço;
[0009] FIG. 4 é um fluxograma para um método para gerar uma correlação que correlaciona uma composição química de hidrocarbonetos com uma pluralidade de parâmetros físicos medidos;
[0010] As FIGS. 5A a 5C, coletivamente referida como FIG. 5, descrevem aspectos da geração de variáveis independentes compostas para a regressão;
[0011] FIG. 6 apresenta um exemplo de faixas de propriedades físicas medidas de amostras que têm faixas de composições químicas conhecidas; e
[0012] As FIGS. 7A a 7G, coletivamente referidas como FIG. 7,representam aspectos de valores observados versus valores preditos para componentes químicos em uma composição química de um hidrocarboneto de interesse.
[0013] Uma descrição detalhada de uma ou mais modalidades do aparelho e método divulgados apresentados no presente documento a título de exemplificação e não limitação com referência às Figuras.
[0014] São divulgadas modalidades de métodos e aparelhos associados para estimar uma composição química de hidrocarbonetos, tal como óleo, em um ambiente de fundo de poço. Embora seja sabido que uma propriedade física de hidrocarbonetos de interesse pode ser estimada a partir de sua composição química, é contraintuitivo estimar a composição química de hidrocarbonetos de interesse indiretamente a partir de medições de várias propriedades físicas desses hidrocarbonetos. Conceitualmente, esse método é de certa forma análogo a trabalhar de trás para frente para determinar os valores reais de um conjunto de números inteiros simplesmente conhecendo sua soma. Como aqui divulgado, utilizando valores medidos de várias propriedades físicas diferentes , um processo de retrocesso a partir de propriedades físicas brutas pode ser usado para estimar a composição química detalhada correspondente de petróleos brutos. Este processo pode fornecer uma cromatografia sintética de valores de propriedades físicas de um hidrocarboneto de interesse.
[0015] A solução para o problema em questão se baseia na medição das propriedades físicas de um grande número de amostras de hidrocarbonetos nas temperaturas e pressões do reservatório, juntamente com a medição de suas composições químicas, de modo a criar um conjunto de treinamento. As porcentagens de peso da composição química detalhada (C1, C2, etc.) tornam-se as variáveis dependentes nas regressões subsequentes no conjunto de treinamento. Várias variáveis independentes compostas são geradas a partir dos diferentes tipos de propriedades físicas. Para simplificar a discussão, o termo “propriedades físicas” pretende incluir as variáveis de estado termodinâmicas - temperatura e pressão. Uma regressão da composição química detalhada em termos das várias variáveis independentes compostas é realizada para fornecer uma correlação estatisticamente significativa e função de predição. Consequentemente, medindo as propriedades físicas dos hidrocarbonetos de interesse no fundo de poço, a composição química dessas propriedades químicas pode ser estimada usando a função de predição de correlação.
[0016] FIG. 1 é uma vista em corte transversal de uma modalidade de uma composição de fundo de poço (BHA) 10 disposta em um poço 2 que penetra a terra 3 tendo uma formação 4. Um transportador 5 está configurado para transportar a BHA 10 através do poço 2. Em uma ou mais modalidades, o transportador 5 é uma coluna de perfuração 6 em uma modalidade de perfilagem durante a perfuração (LWD). Alternativamente, o transportador 5 pode ser um cabo de aço blindado em uma modalidade referida como perfilagem de cabo de aço. Acoplado à extremidade distai da coluna de perfuração 6 está uma broca 7 configurada para cortar ou desintegrar a rocha para formar o poço 2. Uma sonda de perfuração 8 está configurada para conduzir operações de perfuração, tal como girar a coluna de perfuração 6 e, assim, a broca de perfuração 7 para perfurar o poço 2. Além disso, a sonda de perfuração 8 está configurada para bombear fluido ou lama de perfuração através da coluna de perfuração 6 a fim de lavar fragmentos e cascalhos do poço 2 e lubrificar a broca de perfuração 7.
[0017] Um testador de formação 11 está dispostos na BHA 10. O testador de formação 11 é configurado para extrair uma amostra de fluido de formação, tal como hidrocarbonetos de interesse, através de uma parede do poço 2 utilizando uma sonda extensível 12. Um ou mais sensores 9 estão configurados para detectar múltiplas propriedades físicas da amostra de fluido no fundo de poço. As modalidades não limitantes das propriedades físicas incluem densidade, viscosidade, velocidade do som, pressão, temperatura e compressibilidade. Uma única propriedade física pode ser detectada por um sensor 9 ou múltiplas propriedades físicas podem ser detectadas por um sensor 9. Os dados do sensor podem ser processados no fundo de poço por eletrônica de fundo de poço 13. Alternativamente, os dados do sensor podem ser transmitidos para a superfície da terra usando telemetria 14 e recebidos para processamento por um sistema de processamento de computador de superfície 15. Além disso, as funções de processamento de dados do sensor podem ser realizadas por uma combinação da eletrônica do fundo de poço 13 e do sistema de processamento por computador da superfície 15. As modalidades não limitantes da telemetria incluem tubos de perfuração com fios e telemetria de lama pulsada. Uma profundidade na qual a amostra de fluido é extraída pode ser registrada para correlacionar as propriedades físicas detectadas com a profundidade na qual a amostra correspondente foi extraída. Assim, a composição química pode ser determinada em função da profundidade. Pode ser percebido que os dados do sensor podem ser processados assim que são recebidos e assim fornecer respostas a um usuário em tempo real.
[0018] FIG. 2 é uma vista em corte transversal de uma modalidade do equipamento de produção de hidrocarbonetos 20 que está configurado para realizar ações de produção de hidrocarbonetos com base no conhecimento da composição química dos hidrocarbonetos de interesse. Como a composição química pode ser apresentada em função da profundidade, esta informação pode ser usada para determinar uma profundidade na qual certas ações de produção de hidrocarbonetos são realizadas. O equipamento de produção de hidrocarbonetos 20 pode incluir uma plataforma de produção de hidrocarbonetos 21 configurada para conduzir ações de produção de hidrocarbonetos, tais como abaixar ou elevar uma ferramenta de produção 22 no poço 2. Em uma ou mais modalidades, a ferramenta de produção 22 está configurada para perfurar um invólucro 23 que reveste o poço 2 a uma profundidade ou faixa de profundidades selecionadas. O equipamento de produção de hidrocarbonetos 20 também pode incluir um sistema de fraturamento hidráulico 24 configurado para fraturar hidraulicamente a formação 4 em um intervalo de profundidade selecionado. O equipamento de produção de hidrocarbonetos 20 também pode incluir um sistema de extração de hidrocarbonetos 25 configurado para bombear e processar hidrocarbonetos da formação 4. A composição química dos hidrocarbonetos de interesse pode dar uma indicação quanto ao estado dos hidrocarbonetos de interesse na superfície para que possam ser processados apropriadamente. O sistema de extração de hidrocarbonetos 25 pode incluir bombas, válvulas e instalações de armazenamento (todas não mostradas) apropriadas para a composição química dos hidrocarbonetos de interesse a serem extraídos. Por exemplo, um sistema de extração de hidrocarbonetos para uma composição química indicando predominantemente petróleo pode ser diferente de um sistema de extração de hidrocarbonetos para uma composição química indicando predominantemente gás. Da mesma forma, um sistema de extração de hidrocarbonetos para petróleo leve pode ser diferente de um sistema de extração de hidrocarbonetos para petróleo pesado. Um controlador 26 pode ser usado para controlar as funções de produção de hidrocarbonetos e/ou configurações e pode receber entrada com base na composição química de hidrocarbonetos estimada e profundidade correspondente opcional do sistema de processamento de superfície 15.
[0019] FIG. 3 é um fluxograma para um método 30 para estimar uma composição química de hidrocarbonetos de interesse. O bloco 31 pede que o transportador atravesse um poço perfurando a terra. As modalidades não limitantes do transportador incluem um cabo de aço, uma coluna de perfuração, uma tubulação espiralada e uma cabo liso.
[0020] O bloco 32 exige a realização de uma medição para cada propriedade física de uma pluralidade de propriedades físicas de hidrocarbonetos de interesse, utilizando um sensor disposto no transportador para fornecer um valor para cada propriedade física diferente a ser medida. As modalidades não limitantes das propriedades físicas que são detectadas e medidas incluem densidade, viscosidade, velocidade do som, temperatura, pressão e compressibilidade. O sensor pode representar um único sensor para cada propriedade física detectada. Alternativamente, um único sensor pode detectar duas ou mais propriedades físicas, como o sensor do diapasão, que pode medir a densidade e a viscosidade.
[0021] O bloco 33 exige a estimação, por um processador, da composição química dos hidrocarbonetos de interesse, utilizando uma função de predição de correlação para cada componente químico na composição química em termos das diferentes propriedades físicas a serem medidas. Em uma ou mais modalidades, a função de predição de correlação é uma equação matemática para cada componente químico na composição química, de tal forma que uma concentração do componente químico na composição química possa ser prevista inserindo os valores das propriedades físicas medidas. Por exemplo, as concentrações de metano (C1), etano (C2), propano (C3), butano (C4), pentano (C5), hexano (C6) e heptano (C7) podem ser estimadas introduzindo os valores de propriedades físicas, a, b, c, d, e e f nas seguintes funções de predição de correlação f1, f2, f3, f4, f5, f6 e f7: C1 = f1(a,b,c,d,e,f) C2 = f2(a,b,c,d,e,f) C3 = f3(a,b,c,d,e,f) C4 = f4(a,b,c,d,e,f) C5 = f5 (a, b, c, d, e, f) C6 = f6(a,b,c,d,e,f) C7 = f7 (a, b, c, d, e, f)
[0022] Em uma ou mais modalidades, as cadeias de carbon maiores que C7 podem ser agrupadas em conjunto com C7 e simplesmente referidas como C7+. Por exemplo, para a porcentagem de peso de metano, C1wt, a única variável independente composta mais correlacionada para um conjunto de aproximadamente 500 petróleos brutos vivos é a recíproca do produto de temperatura (°K) com densidade ao quadrado (g/cc) resultando na função de predição da correlação, C1wt = - 9,80587598 + 2955,4188/(D2T), mas a fração de dados explicada por esta correlação (R2) é de apenas 0,728 e o erro padrão de calibração (SEC) é de 2,700 na predição de percentual de peso. A próxima variável mais correlacionada que o software usado (Statistica) adicionada durante a regressão em etapas foi a pressão (kpsi) produzindo a equação, C1wt = -10,4650253 + 2544,13363/(D2T) + 0,700564866 P, que tem um R2 = 0,858 com um SEC = 1,954. Continuando, sujeito à exigência de que todas as variáveis independentes no modelo tenham uma probabilidade estatística de menos de 5% de que seu coeficiente de regressão correspondente possa ser zero, um R2 = 0,929 e SEC = 1,392 são obtidos como mostrado na Fig. 7A usando dez variáveis independentes compostas. Similarmente, as FIGS. 7B a 7G mostram resultados de regressão para valores preditos em função dos valores observados para as percentagens de C2wt, C3wt, C4wt, C5wt, C6wt e C7+wt. Estes gráficos não estão todos da mesma escala, portanto, para gráficos de escala ampliada que cobrem uma faixa menor, as correlações não parecem visualmente tão boas quanto as de uma faixa muito maior, mesmo quando SEC é realmente mais baixa (melhor). Não são mostradas algumas boas regressões para isobutano e butano normal, em que iC4wt + nC4wt = C4wt (i = iso e n = normal) e para isopentano e pentano normal, em que iC5wt + nC5wt = C5wt. Embora a discussão anterior descreva a regressão linear múltipla por etapas, outros métodos de regressão linear podem ser usados, como a Regressão de Componentes Principais (PCR) ou a regressão de Quadrados Mínimos Parciais (PLS). Outros métodos de modelagem, como Redes Neurais (NN), que podem criar modelos lineares ou não lineares, também poderiam ser usados. Observe que, se houver erro aleatório, sL, nos valores de laboratório para C1, C2, C3, ... C7+ no conjunto de treinamento, o erro de calibração padrão do modelo incluirá tanto a imprecisão do laboratório, sL, quanto qualquer erro de modelagem , sM, de modo que o SEC2 = Sqrt(sL2 + sM2). Os modelos de mínimos quadrados lineares ajustam um hiperplano a um conjunto de pontos de dados no hiperespaço, de modo que a soma dos quadrados das distâncias de pontos acima do hiperplano para ele será igual à soma dos quadrados das distâncias de pontos abaixo do hiperplano para ele. Portanto, o modelo de hiperplano age para calcular a média do erro aleatório de laboratório nos valores de calibração do conjunto de treinamento, o que significa que o desempenho de predição real do modelo em amostras desconhecidas pode ser melhor que a SEC (Ver R. DiFoggio, Examination of Some Misconceptions about Near-Infrared Analysis, Applied Spectroscopy January 1995 49:67-75, doi: 10.1366/0003702953963247). O bloco 33 também pode incluir introduzir os valores medidos das diferentes propriedades físicas na função de predição de correlação e obter como resultado a composição química da amostra de hidrocarboneto a ser avaliada. O resultado pode então ser transmitido como um sinal para um usuário para realizar outras ações relacionadas ao conhecimento da composição química.
[0023] FIG. 4 é um fluxograma para um método 40 para gerar uma função de predição de correlação que correlaciona propriedades físicas medidas a uma composição química. O bloco 41 exige a obtenção de uma pluralidade de medições de valores de diferentes propriedades físicas de amostras de hidrocarbonetos a temperaturas e pressões do reservatório, cada amostra tendo uma composição química conhecida, para servir como conjunto de treinamento. Para ser claro, o conjunto de treinamento mediu os valores das propriedades físicas de múltiplas amostras de diferentes hidrocarbonetos em temperaturas e pressões insitu, cada amostra tendo uma composição química medida. As propriedades físicas diferentes são as propriedades físicas usadas na função de predição de correlação discutida anteriormente. Este bloco também pode incluir a realização da pluralidade de medições usando um sensor. FIG. 6 apresenta um exemplo de faixas de propriedades físicas medidas de amostras que têm faixas de composições químicas conhecidas.
[0024] O bloco 42 exige a geração de uma pluralidade de variáveis independentes compostas compreendendo duas ou mais variáveis que correspondem às propriedades físicas das amostras sendo medidas. Ou seja, cada variável independente composta inclui duas ou mais variáveis, com cada variável representando uma propriedade física diferente. Por exemplo, a variável independente composta 1 (CIV1) pode representar(ax-by) para as variáveis de propriedade física a e b. A variável independente composta 2 (CIV2) pode representar (ax/by). Com mais valores de propriedades físicas e muitas opções para expoentes, pode haver muitos tipos de combinações e permutações, resultando em um grande número de variáveis independentes compostas, como centenas ou até mais.
[0025] FIG. 5 ilustra um exemplo de como gerar um conjunto expandido de variáveis independentes compostas independentes linearmente de um conjunto original de quatro variáveis independentes, Densidade (D), Viscosidade (V), Pressão (P) e Temperatura (T). Naturalmente, um conjunto original ainda maior de variáveis independentes poderia ser usado, o que também incluía Compressibilidade (C) e Velocidade de Som (SS), mas isso tornaria este exemplo mais complexo para propósitos de ensino. Este exemplo de um processo é semelhante aos termos de produto individuais de uma expansão multinomial em que a soma dos expoentes de cada termo é igual à potência à qual o multinomial é obtido. Para o exemplo a seguir, mostrado como “Terceira ordem” na FIG. 5C, a potência multinomial é 3 e a soma dos expoentes em cada termo também é 3. (D+V+P+T)3 = 1 D3 V0 P0 T0 + 3 D2 V1 P0 T0 + 3 D2 V0 P1 T0 + 3 D2 V0 P0 T1 + 3 D1 V2 P0 T0 + 6 D1 V1 P1 T0 + 6 D1 V1 P0 T1 + 3 D1 V0 P2 T0 + 6 D1 V0 P1 T1 + 3 D1 V0 P0 T2 + 1 D0 V3 P0 T0 + 3 D0 V2 P1 T0 + 3 D0 V2 P0 T1 + 3 D0 V1 P2 T0 + 6 D0 V1 P1 T1 + 3 D0 V1 P0 T2 + 1 D0 V0 P3 T0 + 3 D0 V0 P2 T1 + 3 D0 V0 P1 T2 + 1 D0 V0 P0 T3
[0026] Na FIG. 5A (“Primeira Ordem”) a potência multinomial é um, enquanto na FIG. 5B (“Segunda Ordem”) a potência multinomial é dois. Para expandir ainda mais a lista de variáveis compostas linearmente independentes, D poderia ser substituído por seu 1/D recíproco em cada termo. Alternativamente, V poderia ser substituído por seu recíproco ou P por seu recíproco ou T por seu recíproco. Em seguida, quaisquer duas das variáveis originais, D, V, P e T poderiam ser substituídas por seus recíprocos. Em seguida, qualquer combinação de três variáveis ou todas as quatro variáveis poderia ser substituída por seus recíprocos. Da mesma forma, substituições de potência fracionária para variáveis como raízes quadradas também poderiam ser usadas. Logaritmos também podem ser usados. Uma maneira simples de preparar exaustivamente uma lista de todos os termos de ordem n de um termo m multinomial levado à enésima potência é contar na base de números, (n + 1), de 1 a (n + 1) m -1 e, em seguida, reter apenas os conjuntos de dígitos para os quais a soma dos dígitos é n, o que pode ser feito facilmente em uma planilha. Observe que as variáveis independentes compostas criadas dessa maneira também serão linearmente independentes umas das outras, o que é importante ao executar a regressão linear múltipla, de modo que não haverá redundância linear no conjunto de variáveis independentes.
[0027] Referindo-se novamente à FIG. 4, o Bloco 43 exige a realização de uma regressão no conjunto de treinamento para variáveis dependentes representando a composição química dos hidrocarbonetos em termos das variáveis independentes compostas, de modo a desenvolver a função de predição de correlação que usa valores medidos das diferentes propriedades físicas como entrada para prever a composição química de uma amostra sendo avaliada no fundo de poço. A avaliação do fundo de poço se refere à obtenção de uma amostra de hidrocarbonetos no fundo de poço e a realização de medições no interior de diferentes propriedades físicas sob condições in-situ de temperatura e pressão para obter valores das diferentes propriedades físicas. “Regressão” se refere a estimar uma relação matemática (isto é, função de correlação) entre a composição química dos hidrocarbonetos de interesse e as variáveis independentes compostas usando o conjunto de treinamento. Diferentes tipos de técnicas de análise de regressão podem ser usados. Em uma ou mais modalidades, é utilizado uma Regressão Linear Múltipla (MLR) de passo à frente com substituição. Nesta técnica, a escolha ou variáveis compostas preditivas é realizada por um procedimento automático, tal como um algoritmo proposto pela primeira vez por Efroymson em 1960. Esse procedimento geralmente toma a forma de uma sequência de testes F ou testes t, mas outras técnicas são possíveis, como o R2 ajustado a fim de selecionar as variáveis compostas que fornecem o melhor ajuste. A regressão linear múltipla de passo à frente envolve começar sem variáveis no modelo, testando a adição de cada variável usando um critério de ajuste de modelo escolhido, adicionando a variável (se houver) cuja inclusão dá a melhoria estatisticamente mais significativa do ajuste e repetir o processo até que nenhum melhore o modelo para um nível estatisticamente significativo. Outro tipo de análise de regressão é a eliminação reversa, que envolve começar com todas as variáveis candidatas, testando a exclusão de cada variável usando um critério de ajuste do modelo escolhido, excluindo a variável (se houver) cuja perda dá a deterioração estatisticamente mais insignificante do ajuste do modelo e repetir este processo até que nenhuma outra variável possa ser excluída sem uma perda de ajuste estatisticamente significativa. Ainda outro tipo de análise de regressão é a eliminação bidirecional, uma combinação dos itens anteriores, testando em cada etapa as variáveis a serem incluídas ou excluídas. Software comercial, tal como Statistica (vendido pela StatSoft de Tulsa, Oklahoma) está prontamente disponível para realizar tais técnicas de análise de regressão.
[0028] Note que “com substituição” pode ser significativo porque, na regressão linear múltipla de passo a frente, o algoritmo começa com a variável independente correlacionada mais alta e então procura uma segunda variável independente que forneça a informação mais complementar à primeira. No entanto, ao escolher uma terceira variável independente, essa terceira variável, juntamente com a segunda, pode modelar os dados tão bem que a primeira variável se torna estatisticamente insignificante, caso em que a primeira variável é descartada. Especificamente, o usuário define dois limites de teste F, um para inserir uma nova variável independente no modelo e outro para remover uma variável independente atual do modelo. Essa situação pode ocorrer quando as segunda e terceira variáveis independentes não são individualmente altamente correlacionadas à variável dependente, mas fornecem informações altamente complementares para que, juntas, elas forneçam melhor correlação que a primeira variável sozinha, de forma que a inclusão da primeira variável em um modelo de três variáveis se torne estatisticamente insignificante e a primeira variável seja então descartada do modelo.
[0029] Os métodos e aparelhos aqui divulgados fornecem várias vantagens. Uma vantagem é que as propriedades físicas necessárias para serem introduzidas na função de correlação são prontamente mensuráveis no fundo de poço e evitam a despesa e o tempo necessários para transferir uma amostra da formação para um laboratório de superfície em condições in situ. Outra vantagem é que, porque as propriedades físicas podem ser facilmente medidas no fundo de poço, os métodos aqui divulgados podem ser implementados em tempo real em vez de esperar meses por uma análise laboratorial de superfície. Ao receber informações de composição química de hidrocarbonetos em tempo real, os analistas e engenheiros de petróleo podem implementar ou alterar rapidamente os procedimentos de conclusão e/ou configurar equipamentos de produção de hidrocarbonetos com base na composição química. A análise em tempo real da composição do petróleo bruto permite que o operador tome decisões antecipadas sobre os tipos específicos de equipamentos de produção e processamento caros e em longo prazo que serão necessários.
[0030] Ainda outra vantagem é que a conectividade do reservatório pode ser determinada com base na composição química das camadas sendo iguais ou diferentes. A determinação da conectividade do reservatório pode ser útil no planejamento e execução de planos para o poço ou a completação do reservatório. Reservatórios desconectados precisarão de poços separados para drená-los, o que pode ser um empreendimento muito caro, especialmente em alto-mar.
[0031] Abaixo estão algumas modalidades da divulgação anterior:
[0032] Modalidade 1: Um método para estimar uma composição química de hidrocarbonetos de interesse, o método compreendendo: realizar uma medição para cada propriedade física de uma pluralidade de propriedades físicas dos hidrocarbonetos de interesse usando um sensor para fornecer um valor para cada propriedade física diferente sendo medida; e estimar, por um processador, a composição química dos hidrocarbonetos de interesse utilizando uma função de predição de correlação para cada componente químico na composição química em termos das diferentes propriedades físicas a serem medidas.
[0033] Modalidade 2: O método de acordo com qualquer modalidade anterior, compreendendo ainda gerar a função de predição por: obtenção de uma pluralidade de medições de valores de diferentes propriedades físicas de amostras de hidrocarbonetos a temperaturas e pressão do reservatório, cada amostra tendo uma composição química conhecida, para servir como um conjunto de treinamento; gerar uma pluralidade de variáveis independentes compostas compreendendo duas ou mais variáveis correspondentes às propriedades físicas das amostras sendo medidas; e realizar uma regressão no conjunto de treinamento para variáveis dependentes representando a composição química dos hidrocarbonetos em termos das variáveis independentes compostas, de modo a desenvolver a função de predição de correlação que usa valores medidos das diferentes propriedades físicas como entrada para prever a composição química de uma amostra sendo avaliada no fundo de poço.
[0034] Modalidade 3: O método de acordo com qualquer modalidade anterior, em que a composição química compreende uma concentração relativa para cada uma de duas ou mais moléculas de carbono.
[0035] Modalidade 4: O método de acordo com qualquer modalidade anterior, em que as duas ou mais moléculas de carbono compreendem metano (C1), etano (C2), propano (C3), butano (C4), pentano (C5), hexano (C6) e heptano e superior (C7+).
[0036] Modalidade 5: O método de acordo com qualquer modalidade anterior, em que a função de predição compreende uma função de predição para cada uma das duas ou mais moléculas de carbono.
[0037] Modalidade 6: O método de acordo com qualquer modalidade anterior, em que as variáveis independentes compostas compreendem termos de uma expansão multinomial de variáveis representando a pluralidade de propriedades físicas a serem medidas.
[0038] Modalidade 7: O método de acordo com qualquer modalidade anterior, em que pelo menos uma variável na expansão multinomial é uma reciproca de uma propriedade física a ser medida.
[0039] Modalidade 8: O método de acordo com qualquer modalidade anterior, em que a regressão compreende uma regressão linear múltipla de passo à frente com substituição.
[0040] Modalidade 9: O método de acordo com qualquer modalidade anterior, em que a pluralidade de propriedades físicas compreende pelo menos duas seleções de um grupo consistindo em densidade, viscosidade, velocidade do som, pressão e temperatura.
[0041] Modalidade 10: O método de acordo com qualquer modalidade anterior, em que a estimativa é realizada em tempo real após receber as medições para cada propriedade física na pluralidade de propriedades físicas dos hidrocarbonetos de interesse.
[0042] Modalidade 11: O método de acordo com qualquer modalidade anterior, compreendendo ainda realizar uma ação de produção de hidrocarbonetos utilizando a composição química estimada dos hidrocarbonetos de interesse.
[0043] Modalidade 12: O método de acordo com qualquer modalidade anterior, em que a ação de produção de hidrocarbonetos compreende a fratura hidráulica de uma formação de terra contendo os hidrocarbonetos em uma faixa selecionada de profundidades.
[0044] Modalidade 13: O método de acordo com qualquer modalidade anterior, compreendendo ainda o transporte de um transportador através de um poço que penetra na terra, em que o sensor está disposto no transportador e a medição de cada propriedade física é realizada no fundo de poço.
[0045] Modalidade 14: Um aparelho para estimar uma composição química de hidrocarbonetos de interesse, o aparelho compreendendo: um sensor configurado para realizar uma medição para cada propriedade física em uma pluralidade de propriedades físicas dos hidrocarbonetos de interesse para fornecer um valor para cada propriedade física diferente sendo medida; e um processador configurado para estimar a composição química dos hidrocarbonetos de interesse usando uma função de predição de correlação para cada componente químico na composição química em termos das diferentes propriedades físicas sendo medidas.
[0046] Modalidade 15: O aparelho de acordo com qualquer modalidade anterior, compreendendo ainda um transportador configurado para ser transportado através de um poço perfurado na terra, em que o sensor está disposto no transportador e está configurado para realizar a medição para cada propriedade física do fundo de poço.
[0047] Modalidade 16: O aparelho de acordo com qualquer modalidade anterior, em que o transportador compreende um cabo de aço fixa, uma coluna de perfuração, uma bobina enrolada ou uma cabo liso.
[0048] Modalidade 17: O aparelho de acordo com qualquer modalidade anterior, em que o sensor compreende pelo menos duas seleções de um grupo que consiste em um sensor de densidade, um sensor de viscosidade, um sensor de velocidade do som, um sensor de pressão e um sensor de temperatura.
[0049] Modalidade 18: Aparelho de acordo com qualquer modalidade anterior, compreendendo ainda uma interface de usuário configurada para receber um sinal do processador, o sinal compreendendo a composição química dos hidrocarbonetos de interesse.
[0050] Modalidade 19: O aparelho de acordo com qualquer modalidade anterior, em que o processador é configurado ainda para gerar a função de predição por: obtenção de uma pluralidade de medições de valores de diferentes propriedades físicas de amostras de hidrocarbonetos a temperaturas e pressão do reservatório, cada amostra tendo uma composição química conhecida, para servir como um conjunto de treinamento; gerar uma pluralidade de variáveis independentes compostas compreendendo duas ou mais variáveis correspondentes às propriedades físicas das amostras sendo medidas; e realizar uma regressão no conjunto de treinamento para variáveis dependentes representando a composição química dos hidrocarbonetos em termos das variáveis independentes compostas, de modo a desenvolver a função de predição de correlação que usa valores medidos das diferentes propriedades físicas como entrada para prever a composição química de uma amostra sendo avaliada no fundo de poço.
[0051] Em apoio aos ensinamentos no presente documento, vários componentes de análise podem ser usados, incluindo um sistema analógico e/ou digital. Por exemplo, os sensores 9, o testador de formação 11, a eletrônica de fundo de poço 13 e/ou o sistema de processamento de computador de superfície 15 podem incluir sistemas digitais e/ou analógicos. O sistema pode ter componentes, tais como um processador, meio de armazenamento, memória, entrada, saída, links de comunicação (com fio, sem fio, lama pulsada, ópticos ou outros), interfaces de usuário, programas de software, processadores de sinal (digital ou analógico) e outros desses componentes (tais como resistores, capacitores, indutores e outros) para proporcionar operação e análises do aparelho e dos métodos divulgados neste documento de qualquer uma de várias maneiras bem apreciadas na técnica. Considera-se que esses ensinamentos podem ser, mas não precisam ser, implementados em conjunto com um conjunto de instruções executáveis em computador armazenado em um meio legível por computador, incluindo memória (ROMs, RAMs), óptico (CD-ROMs), ou magnético (discos, discos rígidos), ou qualquer outro tipo que, quando executados, fazem um computador executar o método da presente invenção. Essas instruções podem prever o funcionamento do equipamento, controle, coleta e análise de dados e outras funções consideradas relevantes por um projetista, proprietário, usuário do sistema ou outra pessoa, além das funções descritas nesta divulgação.
[0052] Adicionalmente, vários outros componentes podem ser incluídos e solicitados para fornecer aspectos dos ensinamentos aqui contidos. Por exemplo, uma fonte de alimentação (por exemplo, pelo menos um de um gerador, um suprimento remoto ou uma bateria), componente de resfriamento, componente de aquecimento, ímã, eletroímã, sensor, eletrodo, transmissor, receptor, transceptor, antena,controlador, unidade óptica, unidade elétrica ou unidade eletromecânica pode ser incluída em apoio aos vários aspectos discutidos no presente documento ou em apoio a outras funções além desta divulgação.
[0053] O termo “transportador” como usado neste documento significa qualquer dispositivo, componente do dispositivo, combinação de dispositivos, meios e/ou membro que pode ser utilizado para transmitir, alojar, suportar ou, de outra forma, facilitar a utilização de outro dispositivo, componente do dispositivo, combinação de dispositivos, meios e/ou membro. Modalidades não limitantes de transportadores incluem colunas de perfuração do tipo de tubulação espiralada, do tipo de tubo articulado e qualquer combinação ou porção dos mesmos. Outros exemplos de transportadores incluem tubos de revestimento, cabos de aço, sondas de cabo de aço, sondas de cabo liso, drop shots, composições de fundo, inserções de coluna de perfuração, módulos, alojamentos internos e porções de substrato dos mesmos.
[0054] Os elementos das modalidades foram introduzidos seja com os artigos “um” ou “uma”. Os artigos pretendem significar que há um ou mais dos elementos. Os termos “incluindo” e “tendo” e semelhantes se destinam a serem inclusivos de modo que possa haver elementos adicionais além dos elementos listados. A conjunção “ou”, quando usada com uma lista de pelo menos dois termos deve significar qualquer termo ou combinação de termos. O termo “configurado” se refere a uma ou mais limitações estruturais de um dispositivo que são necessárias para que o dispositivo execute a função ou operação para a qual o dispositivo está configurado. Os termos “primeiro” e “segundo” são usados para distinguir elementos e não são usados para indicar uma ordem específica.
[0055] Os fluxogramas representados neste documento são apenas um exemplo. Pode haver muitas variações nestes diagramas ou nas etapas (ou operações) descritas no mesmo sem fugir do espírito da invenção. Por exemplo, as etapas podem ser executadas em uma ordem diferente ou etapas podem ser adicionadas, excluídas ou modificadas. Todas essas variações são consideradas parte da invenção reivindicada.
[0056] A divulgação ilustrada aqui pode ser praticada na ausência de qualquer elemento que não seja especificamente divulgado aqui.
[0057] Embora uma ou mais modalidades tenham sido mostradas e descritas, modificações e substituições podem ser feitas sem fugir do espírito e escopo da invenção. Por conseguinte, é para ser entendido que a presente invenção foi descrita por meio de ilustrações e não de limitação.
[0058] Será reconhecido que os vários componentes ou as várias tecnologias podem fornecer certa funcionalidade ou certas características necessárias ou benéficas. Consequentemente, estas funções e recursos, conforme possam ser necessários em apoio às reivindicações anexas e variações das mesmas, são reconhecidas como incluídas inerentemente como uma parte dos ensinamentos no presente documento e uma parte da invenção divulgada.
[0059] Embora a invenção tenha sido descrita com referências a modalidades exemplares, será entendido que várias mudanças podem ser feitas e equivalentes podem ser usados em lugar de elementos das mesmas sem afastamento do escopo da invenção. Além disso, muitas modificações serão apreciadas para adaptar um instrumento, situação ou material particular aos ensinamentos da invenção sem afastamento do escopo essencial da mesma. Portanto, pretende-se que a invenção não seja limitada à modalidade particular revelada como o melhor modo contemplado para realizar esta invenção, mas que a invenção inclua todas as modalidades caindo dentro do escopo das reivindicações anexas.
Claims (11)
1. Método (30, 40) para estimar uma concentração relativa para cada um de dois ou mais componentes químicos em um hidrocarboneto de interesse, caracterizado pelo fato de que o método (30, 40) compreende: realizar uma medição para cada propriedade física de uma pluralidade de propriedades físicas dos hidrocarbonetos de interesse usando um sensor (9) para fornecer um valor para cada propriedade física diferente sendo medida; e estimar, por um processador, a composição química dos hidrocarbonetos de interesse, utilizando uma função de predição de correlação para cada componente químico na composição química em termos das diferentes propriedades físicas a serem medidas; em que o hidrocarboneto de interesse é petróleo bruto; em que os dois ou mais componentes químicos compreendem metano (C1), etano (C2), propano (C3), butano (C4), pentano (C5), hexano (C6) e heptano e superior (C7+); em que a função de predição compreende uma função de predição para cada um dos dois ou mais componentes químicos; e em que as funções de predição foram geradas: obtendo uma pluralidade de medições de valores de diferentes propriedades físicas de amostras de hidrocarbonetos a temperaturas e pressões do reservatório, cada amostra tendo uma composição química conhecida, para servir como conjunto de treinamento; gerando uma pluralidade de variáveis independentes compostas compreendendo duas ou mais variáveis que correspondem às propriedades físicas das amostras sendo medidas; e realizando uma regressão no conjunto de treinamento para variáveis dependentes representando a composição química dos hidrocarbonetos em termos das variáveis independentes compostas, de modo a desenvolver a função de predição de correlação que usa valores medidos das diferentes propriedades físicas como entrada para prever a composição química de uma amostra sendo avaliada no fundo de poço.
2. Método (30, 40), de acordo com a reivindicação 1, caracterizado pelo fato de que as variáveis independentes compostas compreendem termos de uma expansão multinomial de variáveis representando a pluralidade de propriedades físicas sendo medidas.
3. Método (30, 40), de acordo com a reivindicação 2, caracterizado pelo fato de que pelo menos uma variável na expansão multinomial é uma recíproca de uma propriedade física sendo medida.
4. Método (30, 40), de acordo com a reivindicação 1, caracterizado pelo fato de que a regressão compreende uma regressão linear múltipla de passo à frente com substituição.
5. Método (30, 40), de acordo com a reivindicação 1, caracterizado pelo fato de que a pluralidade de propriedades físicas compreende pelo menos duas seleções de um grupo consistindo em densidade, viscosidade, velocidade do som, pressão e temperatura.
6. Método (30, 40), de acordo com a reivindicação 1, caracterizado pelo fato de que a estimativa é realizada em tempo real após receber as medições para cada propriedade física na pluralidade de propriedades físicas dos hidrocarbonetos de interesse.
7. Método (30, 40), de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda realizar uma ação de produção de hidrocarbonetos utilizando a composição química estimada dos hidrocarbonetos de interesse.
8. Método (30, 40), de acordo com a reivindicação 7, caracterizado pelo fato de que a ação de produção de hidrocarbonetos compreende a fratura hidráulica de uma formação de terra (4) contendo os hidrocarbonetos em uma faixa selecionada de profundidades.
9. Método (30, 40), de acordo com a reivindicação 1, caracterizado pelo fato de que compreendendo ainda transportar um transportador (5) através de um poço (2) que penetra na terra (3), em que o sensor (9) está disposto no transportador (5) e a medição para cada propriedade física é realizada no fundo de poço.
10. Aparelho para estimar uma composição química de hidrocarbonetos de interesse, caracterizado pelo fato de que o aparelho compreende: um sensor (9) configurado para realizar uma medição para cada propriedade física em uma pluralidade de propriedades físicas dos hidrocarbonetos de interesse para fornecer um valor para cada propriedade física diferente sendo medida; e um processador configurado para estimar a composição química dos hidrocarbonetos de interesse, utilizando uma função de predição de correlação para cada componente químico na composição química em termos das diferentes propriedades físicas a serem medidas; em que o hidrocarboneto de interesse é petróleo bruto; em que a composição química compreende uma concentração relativa para cada um de dois ou mais componentes químicos; em que os dois ou mais componentes químicos compreendem metano (C1), etano (C2), propano (C3), butano (C4), pentano (C5), hexano (C6) e heptano e superior (C7+); em que a função de predição compreende uma função de predição para cada um dos dois ou mais componentes químicos; e em que as funções de predição foram geradas: obtendo uma pluralidade de medições de valores de diferentes propriedades físicas de amostras de hidrocarbonetos a temperaturas e pressões do reservatório, cada amostra tendo uma composição química conhecida, para servir como conjunto de treinamento; gerando uma pluralidade de variáveis independentes compostas compreendendo duas ou mais variáveis que correspondem às propriedades físicas das amostras sendo medidas; e realizando uma regressão no conjunto de treinamento para variáveis dependentes representando a composição química dos hidrocarbonetos em termos das variáveis independentes compostas, de modo a desenvolver a função de predição de correlação que usa valores medidos das diferentes propriedades físicas como entrada para prever a composição química de uma amostra sendo avaliada no fundo de poço.
11. Aparelho, de acordo com a reivindicação 10, caracterizado pelo fato de que compreende ainda um transportador (5) configurado para ser transportado através de um poço (2) que penetra na terra (3), em que o sensor (9) está disposto no transportador (5) e está configurado para executar a medição para cada propriedade física do fundo de poço.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/369,300 US10570733B2 (en) | 2016-12-05 | 2016-12-05 | Synthetic chromatogram from physical properties |
| US15/369,300 | 2016-12-05 | ||
| PCT/US2017/064471 WO2018106585A1 (en) | 2016-12-05 | 2017-12-04 | Synthetic chromatogram from physical properties |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| BR112019011191A2 BR112019011191A2 (pt) | 2019-10-08 |
| BR112019011191B1 true BR112019011191B1 (pt) | 2023-04-25 |
Family
ID=62240492
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR112019011191-3A BR112019011191B1 (pt) | 2016-12-05 | 2017-12-04 | Método e aparelho para estimar uma concentração relativa para cada um de dois ou mais componentes químicos em um composição química de hidrocarbonetos de interesse |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US10570733B2 (pt) |
| EP (1) | EP3548703B1 (pt) |
| CN (1) | CN110300837B (pt) |
| BR (1) | BR112019011191B1 (pt) |
| SA (1) | SA519401919B1 (pt) |
| WO (1) | WO2018106585A1 (pt) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11156084B2 (en) | 2017-05-19 | 2021-10-26 | Baker Hughes Holdings Llc | Oil-Based Mud contamination estimate from physical properties |
| US10941646B2 (en) * | 2017-07-28 | 2021-03-09 | Schlumberger Technology Corporation | Flow regime identification in formations using pressure derivative analysis with optimized window length |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| MY107650A (en) * | 1990-10-12 | 1996-05-30 | Exxon Res & Engineering Company | Method of estimating property and / or composition data of a test sample |
| US5859430A (en) | 1997-04-10 | 1999-01-12 | Schlumberger Technology Corporation | Method and apparatus for the downhole compositional analysis of formation gases |
| US5939717A (en) | 1998-01-29 | 1999-08-17 | Schlumberger Technology Corporation | Methods and apparatus for determining gas-oil ratio in a geological formation through the use of spectroscopy |
| US7095012B2 (en) * | 2000-12-19 | 2006-08-22 | Schlumberger Technology Corporation | Methods and apparatus for determining chemical composition of reservoir fluids |
| AUPS220302A0 (en) * | 2002-05-08 | 2002-06-06 | Chang, Chak Man Thomas | A plasma formed within bubbles in an aqueous medium and uses therefore |
| WO2006063094A1 (en) | 2004-12-09 | 2006-06-15 | Caleb Brett Usa Inc. | In situ optical computation fluid analysis system and method |
| US7423258B2 (en) | 2005-02-04 | 2008-09-09 | Baker Hughes Incorporated | Method and apparatus for analyzing a downhole fluid using a thermal detector |
| US20070050154A1 (en) * | 2005-09-01 | 2007-03-01 | Albahri Tareq A | Method and apparatus for measuring the properties of petroleum fuels by distillation |
| US7595876B2 (en) * | 2006-01-11 | 2009-09-29 | Baker Hughes Incorporated | Method and apparatus for estimating a property of a fluid downhole |
| US8032311B2 (en) | 2008-05-22 | 2011-10-04 | Baker Hughes Incorporated | Estimating gas-oil ratio from other physical properties |
| US8899107B2 (en) * | 2009-03-11 | 2014-12-02 | Schlumberger Technology Corporation | Downhole determination of asphaltene content |
| US8952829B2 (en) * | 2010-10-20 | 2015-02-10 | Baker Hughes Incorporated | System and method for generation of alerts and advice from automatically detected borehole breakouts |
| WO2013106755A1 (en) * | 2012-01-13 | 2013-07-18 | Aspen Technology, Inc. | Method of characterizing chemical composition of crude oil for petroleum refinery processing |
| US9228429B2 (en) * | 2012-01-18 | 2016-01-05 | Baker Hughes Incorporated | Carbon dioxide content of natural gas from other physical properties |
| US8619256B1 (en) * | 2012-09-14 | 2013-12-31 | Halliburton Energy Services, Inc. | Systems and methods for monitoring the properties of a fluid cement composition in a flow path |
| US9359891B2 (en) * | 2012-11-14 | 2016-06-07 | Baker Hughes Incorporated | LWD in-situ sidewall rotary coring and analysis tool |
| WO2014123993A1 (en) * | 2013-02-05 | 2014-08-14 | Yokogawa Corporation Of America | System, method and apparatus for determining properties of product or process streams |
| US9506338B2 (en) * | 2013-06-26 | 2016-11-29 | Baker Hughes Incorporated | Downhole cooling with electrocaloric effect |
| US10316648B2 (en) * | 2015-05-06 | 2019-06-11 | Baker Hughes Incorporated | Method of estimating multi-phase fluid properties in a wellbore utilizing acoustic resonance |
-
2016
- 2016-12-05 US US15/369,300 patent/US10570733B2/en active Active
-
2017
- 2017-12-04 BR BR112019011191-3A patent/BR112019011191B1/pt active IP Right Grant
- 2017-12-04 EP EP17878356.9A patent/EP3548703B1/en active Active
- 2017-12-04 CN CN201780074655.5A patent/CN110300837B/zh active Active
- 2017-12-04 WO PCT/US2017/064471 patent/WO2018106585A1/en active Application Filing
-
2019
- 2019-06-02 SA SA519401919A patent/SA519401919B1/ar unknown
Also Published As
| Publication number | Publication date |
|---|---|
| BR112019011191A2 (pt) | 2019-10-08 |
| EP3548703B1 (en) | 2022-08-24 |
| SA519401919B1 (ar) | 2023-02-07 |
| US20180156035A1 (en) | 2018-06-07 |
| EP3548703A4 (en) | 2020-07-08 |
| EP3548703A1 (en) | 2019-10-09 |
| CN110300837A (zh) | 2019-10-01 |
| CN110300837B (zh) | 2023-04-04 |
| WO2018106585A1 (en) | 2018-06-14 |
| US10570733B2 (en) | 2020-02-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2014278444B2 (en) | System and method for estimating oil formation volume factor downhole | |
| US11156083B2 (en) | Drilling fluid contamination determination for downhole fluid sampling tool | |
| US20240044248A1 (en) | Drilling fluid contamination determination for downhole fluid sampling tool | |
| US11767755B2 (en) | Predicting clean fluid composition and properties with a rapid formation tester pumpout | |
| US10550692B2 (en) | Fluid characterization and phase envelope prediction from downhole fluid sampling tool | |
| NO20120952A1 (no) | Anordning og fremgangsmate for maling av bronnhullsfluidsammensetning og -egenskaper | |
| BR112019011191B1 (pt) | Método e aparelho para estimar uma concentração relativa para cada um de dois ou mais componentes químicos em um composição química de hidrocarbonetos de interesse | |
| US20120059636A1 (en) | Device and method to determine conductivity for high pressure-high temperature service | |
| US11156084B2 (en) | Oil-Based Mud contamination estimate from physical properties | |
| WO2013109574A1 (en) | Carbon dioxide content of natural gas from other physical properties | |
| WO2020247390A1 (en) | Oil-based mud contamination estimate from physical properties | |
| US10330665B2 (en) | Evaluating reservoir oil biodegradation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| B350 | Update of information on the portal [chapter 15.35 patent gazette] | ||
| B06W | Patent application suspended after preliminary examination (for patents with searches from other patent authorities) chapter 6.23 patent gazette] | ||
| 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 04/12/2017, OBSERVADAS AS CONDICOES LEGAIS |