CN103003718B - 用于模拟成熟油气田的产量模拟器 - Google Patents
用于模拟成熟油气田的产量模拟器 Download PDFInfo
- Publication number
- CN103003718B CN103003718B CN201180029441.9A CN201180029441A CN103003718B CN 103003718 B CN103003718 B CN 103003718B CN 201180029441 A CN201180029441 A CN 201180029441A CN 103003718 B CN103003718 B CN 103003718B
- Authority
- CN
- China
- Prior art keywords
- exploitation
- phase
- geology
- reservoir
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000004088 simulation Methods 0.000 title description 5
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims abstract description 31
- 239000012071 phase Substances 0.000 claims description 97
- 238000000034 method Methods 0.000 claims description 42
- 239000011435 rock Substances 0.000 claims description 39
- 230000006870 function Effects 0.000 claims description 34
- 239000012530 fluid Substances 0.000 claims description 33
- 230000035699 permeability Effects 0.000 claims description 25
- 238000000605 extraction Methods 0.000 claims description 22
- 238000012360 testing method Methods 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 230000007423 decrease Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000000926 separation method Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000005065 mining Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 230000004907 flux Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 239000011148 porous material Substances 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 239000007790 solid phase Substances 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 230000013011 mating Effects 0.000 claims description 2
- PHYFQTYBJUILEZ-IUPFWZBJSA-N triolein Chemical compound CCCCCCCC\C=C/CCCCCCCC(=O)OCC(OC(=O)CCCCCCC\C=C/CCCCCCCC)COC(=O)CCCCCCC\C=C/CCCCCCCC PHYFQTYBJUILEZ-IUPFWZBJSA-N 0.000 claims description 2
- 239000000243 solution Substances 0.000 description 9
- 238000013461 design Methods 0.000 description 5
- 230000000630 rising effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 150000002430 hydrocarbons Chemical group 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- XQCFHQBGMWUEMY-ZPUQHVIOSA-N Nitrovin Chemical compound C=1C=C([N+]([O-])=O)OC=1\C=C\C(=NNC(=N)N)\C=C\C1=CC=C([N+]([O-])=O)O1 XQCFHQBGMWUEMY-ZPUQHVIOSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002500 effect on skin Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000009329 sexual behaviour Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geology (AREA)
- General Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Geophysics (AREA)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- Geochemistry & Mineralogy (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
- Testing Of Engines (AREA)
- Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)
- Supply Devices, Intensifiers, Converters, And Telemotors (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种开采模拟器(2),用于模拟成熟油气田,从而提供每一相、每一口井、每一层(或一组层)和每一时间的作为开采参数(PP)的函数的采出量其中所述开采模拟器(2)与所述成熟油气田的历史数据(HD)相匹配并验证Vapnik条件。
Description
技术领域
本发明的技术领域是油气田的开发。更具体地,本发明涉及一种在成熟油田的具体情况下构建能够相对于开采参数预测采出量的可靠模拟器的方法。
背景技术
成熟油气田存在在投资和人力资源分配两者上的特殊挑战,这是因为任何新投资的净现值被成熟度削弱。因此,在支持油田开发的油藏研究中可能会投资越来越少的时间和精力。然而,即使在很少的投资下,仍然可以提高对整个熟油田的所谓的“基线”或“一切照常”特性的开采。在操作油气田的方式上的以前的战略选择已经使压力和饱和度产生一些不均匀性。这些可能被彻底重访并因此开采参数被转变。相对于成熟油气田,过去已经探索了许多开采手段,并且可以应用学习过程:可以以低风险执行转变参数。
当前已知两种现有技术方法来模拟油气田的特性并预测响应于给定组的应用开采参数而开采的预期量。
称作“网格模拟”或“有限元模拟”将储层分成多个100,000个单元(单元、流程线...),每一个单元携带多个参数(渗透率、孔隙度、原始饱和度...),并将自然规律应用于所述单元中的每一个以模拟油气田中的流体的特性。在这种情况下,从其中选择模拟器的方案S的空间的所谓的Vapnik-Chervonenkis、VC维h非常大。因此,即使用于熟油田,可得到的历史数据中的测量数据的数量m相对较小,并且比值相对于1表现得非常大。作为随后进一步提及的Vapnik学习理论的结果,预测的期望风险没有被适当地界限(由于Φ项),并且即使这种模拟器提供与历史数据非常良好的吻合,这种模拟器也不能被认为是可靠的。实际上,广泛地认为对于这种网格模型,良好的历史拟合不能保证良好的预测:存在亿万种方式与历史数据匹配,从而产生提供良好预测的较大的不确定性。
相反,第二种方法使用过简化模型,例如,递减曲线或物质平衡。然而,这被大大简化而不能正确地考虑储层的有关物理学和地质概况,具体地不能考虑复杂的相互作用和现象。在此情况下,预测期望风险R没有被最小化,这是因为可能不能达到良好的匹配(试验风险Remp项保持较大)。
发明内容
总之,本发明代表太复杂模拟方法与太简单模拟方法之间的适当折衷。这仅对以历史数据HD的形式传输充分的过去信息的成熟油田是有用的,以允许对用于称为油田开采模拟器的候选者构建空间S,所述空间S足够大以考虑油田中的成为问题的所有关键现象,而不需要变得太复杂,由此不需要对太多的历史数据进行校准。
Vapnik统计学习理论定义可以在哪一种条件下设计这种模拟器。这种模拟器可以被设计成使得所述模拟器遵守可靠预测能力的条件。
本本发明的目的是一种开采模拟器,用于模拟成熟油气田从而提供每一相、每一口井、每一层(或一组层)和每一时间的作为开采参数的函数的采出量,其中所述开采模拟器与所述成熟油气田的历史数据进行充分良好地匹配并验证Vapnik条件。所述Vapnik条件确保每一相、每一口井、每一层(或一组层)和每一时间的所述采出量是精确的。这将允许该模拟器的使用者根据不同的开采参数采取不同的开采情形,所述开采情形中的每一个都提供可靠的参量,使得这种情形可以被适当地相互比较,并且可以根据具体的判据选择适当的情形。因为所有开采情形将提供可靠的参量,因此所选择的一个情形也将提供可靠的开采预测,并因此使得开采油气田变得低风险并成为开采油气田的优选途径。
根据本发明的另一个特征,当对于大于现有值的p%,并且相对于同一时间区间[T1-Xy,T1]的累积采油量精确到达ε2时,获得与历史数据的匹配,其中
是由开采模拟器确定的每一相每一口井、每一层或一组层和每一个时间的采出量,
是在历史数据中发现的每一相、每一口井、每一层或一组层和每一个时间的相同采出量,
[T1-Xy,T1]是包括在时间T1之前的最近X年的时间区间,
T1是可获得历史数据(HD)的最后日期,
表示Z相对于时间区间[T1,T2]的模数,
ε1是小于1的正数,
ε2是小于1的正数,以及
p是接近100%的正数。
当认为模拟器可以提供令人满意的历史匹配(其作为必要条件)时,这种特征允许实际限定该情形为显示令人满意的预测性能的候选方案。
根据本发明的另一个特征,X=5,ε1=0.2,ε2=0.15和p=90%。
这种特征允许设计条件,该条件下历史数据可以被认为是精确的;其给出了可被预期用于令人满意的预测量的精度的量级。
根据本发明的另一个特征,Vapnik条件被表示为其中:
h是方案的空间S的Vapnik-Chervonenkis维度,从方案的空间S中选择模拟器,以及
m是历史数据中可获得的独立测量值的数量。
这种特征允许设计条件(当它们可以被计算时),以实现令人满意的预测能力。
根据本发明的另一个特征,Vapnik条件通过相对于N年进行由以下步骤确定的令人满意的盲试(blindtest)被验证:
-确定相对于在T-Ny前的时间区间与历史数据匹配的开采模拟器;
-在时间区间[T-Ny,T]上的给定采出参数的情况下,预测在同一时间区间[T-Ny,T]的采出量,
-当对于大于现有值的p%,并且在同一时间区域[T-Ny,T]上采出的累积油精确达到ε2时,盲试是令人满意的,其中,
是由开采模拟器确定的每一相、每一口井、每一层或一组层和每一个时间的采出量,
是在历史数据中发现的每一相、每一口井、每一层或一组层和每一个时间的相同采出量,
[T-Ny,T]是包括在时间T之前的最近N年的时间区间,
T是可获得历史数据HD的最后日期,
表示X相对于时间区间[T1,T2]的模数,
ε1是小于1的正数,
ε2是小于1的正数,以及
p是接近100%的正数。
这种特征允许限定区分测试,所述区分测试用于确定模拟器是否表现出令人满意的预测能力,不需要查看模拟器已经设立的方式而是查看模拟器可以实现的实际结果。这种特征允许执行测试而不需要等待数年来测量结果,而是使用实施测试的第三当事人已经获得而设置模拟器的当事人没有获得的数据(设置模拟器的当事人是“看不见的”)执行所述测试。
根据本发明的另一个特征,p=90%,ε1=0.1和ε2=0.1以及N=3。
这种特征允许设计用于对于适当地区分令人满意的模拟器与不令人满意的模拟器是可接受的盲试的实际条件。
根据本发明的另一个特征,Vapnik条件是当如果且则时验证的预测稳定性特性,其中
PP是开采参数,
PP′是微改变的不同的开采参数,
是在历史数据中发现的每一相、每一口井、每一层或一组层和每一个时间的采出量,
是在微改变的不同的历史数据中发现的每一相、每一口井、每一层或一组层和每一个时间的微改变的不同的采出量,
是在由采出模拟器确定的每一相、每一口井、每一层或一组层和每一个时间的采出量,
是由另一个充分接近的采出模拟器确定的每一相、每一口井、每一层或一组层和每一个时间的采出量,所述另一个充分接近的采出模拟器由微改变的不同的历史数据确定,
[T0,T]是从时间T0到时间T的时间区间,其中时间T0和时间T分别是可获得历史数据HD的初始日期和最后日期,
[T,T+Ny]是包括时间T后的N年的时间区间,
表示Z相对于时间区间[T1,T2]的模数,
ε是小于1的正数,以及
n是小于5的整数。
这种特征允许限定模拟器是否表现出可靠地计算预测量所预先需要的特性。该测试不需要与另一个现有模拟器进行比较,也不需要知道该模拟器已经建立的方式,这是因为只有其最终的特性被测试。
根据本发明的另一个特征,ε=0.05,n=2和N=3.
该特征允许相对于三年的时间段实际设计预测稳定性。
根据本发明的另一个特征,通过以下步骤构建开采模拟器:
-限定初始详细储层分隔、岩石特性、储层物理学定律和井物理学定律;
-使所述储层分隔、岩石特性、储层物理学定律和井物理学定律尺度上升(upscaling)直到所述Vapnik条件被验证;以及
-通过在开采模拟器候选方案中进行选择来校准所述开采模拟器,所述候选方案由α限定并最小化预测的所谓的“经验风险”Remp(α)。
尺度上升表示降低复杂性。尺度上升被实施使得用于变成诸如的模拟器的方案候选的空间尽可能小,其中
δ是接近零的正数,且1-δ限定概率,以及
Φ是由以下公式限定的正函数
h是方案空间的Vapnik-Chervonenkis的维度,以及
m是历史数据中可获得的独立测量值的数量,
e等于exp(1)。
在方案空间的候选方案中校准开采模拟器表示使“经验风险Remp(α)”尽可能地小,同时选择完全限定方案空间中的方案的适当参数α。该经验风险Remp(α)测量实际过去数据与由模拟器计算的相应数据之间的(正)距离。
此尺度上升过程是达到与Remp(α)值之间的折中(tradeoff)的方法,与Remp(α)都需要尽可能地小,因为目的是使得与Remp(α)的和对于给定的概率1-δ最小化。
在最小化上述和中,这使得根据Vapnik不等式的预测的预期风险R(α)最小化。
这种特征允许最小化预测的预期风险R(α),同时从的大值(因为模型是复杂的)和小经验风险Remp(α)(因为这种复杂模型可以适当的描绘过去数据)开始并逐渐降低复杂性,因此减小同时保持过去数据的良好匹配,因此保持经验风险Remp(α)小。
根据本发明的另一个特征,通过以下步骤使所述储层分隔尺度上升:
-将储层G分隔成基本部分Gab,使得且对于 其中描述x-y区域,而描述一个或多个z层;
-将显示均质岩石特性的相邻基本部分Gab分成子地质Gc,其中
这种特征给出了在识别合理小的数量的子地质Gc中使油田地质尺度上升的一种实际方式。
根据本发明的另一个特征,岩石特性通过以下步骤被尺度上升:根据公式相对于每一个子地质平均化岩石特性RPc,其中Vc是子地质Gc的体积。
这种特性描述了实际限定在给定子地质Gc中使用的特性的一种方式。
根据本发明的另一个特征,储层物理学定律被尺度上升,使得所述储层物理学定律与子地质Gc的函数参数一起应用,其中与子地质Gc相关联的空间和时间尺度被确定,使得相关联的方案空间以良好的水平与历史数据的复杂性一致。
这种特征提供了关注已经尺度上升的储层物理学定律的规则,在于注意它们的被测得的良好水平的特性。
根据本发明的另一个特征,通过以下步骤构建开采模拟器:
-限定初始粗糙储层分隔、岩石特性、物理学储层定律和井物理学定律;
-在保持所述Vapnik条件被验证的同时,使所述储层分隔、岩石特性、物理学储层定律和井物理学定律尺度下降,直到开采模拟器与历史数据相匹配为止;以及
-通过在开采模拟器候选方案中进行选择来校准所述开采模拟器,所述候选方案最小化预测期望风险。
尺度下降表示从油田的简单描述开始增加复杂性,并逐井地增加适当地描绘整个油田的特性的相关储层和/或井现象。尺度下降被实施使得用于变成保持为诸如的模拟器的方案候选的空间尽可能小,其中
δ是接近零的正数,且1-δ限定概率,以及
Φ是由以下公式限定的正函数:
h是方案空间的Vapnik-Chervonenkis的维度,以及
m是历史数据中可获得的独立测量值的数量,
e等于exp(1)。
在方案空间的候选方案中校准开采模拟器表示使“经验风险Remp(α)”尽可能地小,同时选择完整限定方案空间中的方案的适当参数“α”。该经验风险测量实际过去数据与由模拟器计算的相应数据之间的距离。
此尺度下降过程是达到与Remp(α)值之间的折中的方法,和Remp(α)都需要尽可能小,因为目的是以给出的概率1-δ使得和Remp(α)的总和 最小化。
在最小化上述总和中,这使得根据Vapnik不等式的、预测的预期风险R(α)最小化。
这种特征允许最小化预测的预期风险R(α)同时从的小值(因为模型是简单的)和大经验风险Remp(α)(因为这种简单模型不能适当的描绘过去数据)开始并逐渐增加复杂性,因此增加以更好地匹配过去数据,因此降低经验风险Remp(α)。
根据本发明的另一个特征,所述储层分隔以下面的步骤尺度下降:
-从整个储层开始;
-将所述储层分成子地质,其中储层特性的相当大的变化存在于所述子地质之间的界限周围。
这种特征描述从整体油田描述到细化了解的过程,其中局部特性以更细微尺度Gc表示。
根据本发明的另一个特征,岩石特性通过相对于每一个子地质Gc限定新的单独的岩石特性而被尺度下降。
这种特征描述以Gc水平分配不同物理特性的原理。
根据本发明的另一个特征,储层物理学定律被尺度下降使得所述储层物理学定律与子地质的函数参数一起应用,并且其中与子地质相关联的空间和时间尺度被确定使得相关联的方案空间以良好的水平与历史数据的复杂性一致。
这种特征提供了关注已经尺度下降的储层物理学定律的规则,在于注意它们的被测得的良好水平的特性。
根据本发明的另一个特征,储层物理学定律由流体的动量守恒和质量守恒(Navier-)Stokes方程推导出,所述流体形成在作为多孔介质的岩石模型中,所述多孔介质仅由其每一相每子地质的平均孔隙度、渗透率和相对渗透率表征。
该特征说明了如何以子地质水平简化通常的储层物理学定律,同时相对于整个子地质Gc平衡一些关键参数。
根据本发明的另一个特征,储层物理学定律包括以下公式:
其中:
是在子地质c中井k处的相的速度,
是在子地质c中相的粘度,
是在子地质c中相的密度,
是在子地质c中相的压力,
g是重力矢量,
k是渗透率系数,以及
是在子地质c处相的相对渗透率系数。
通过其与相饱和度的相关性是时间函数。
该特征说明了被认为实际上用于流体输送的定律以及如何参数化所述定律。
根据本发明的另一个特征,储层物理学定律还包括由以下公式给出的流体或气体与岩石之间的热传递定律:
So+Sw+Sg=1,
T=T(x,y,z)是温度并且能够相对于储层而变化,
Φ是岩石孔隙度,
是相的饱和度,
是相的密度,
是相的速度,
E是体积内能(下标s和f分别对应于固相和流体相),
uf=ug+uo+uw是焓通量(enthalpyflux),其中
是相的比焓,
hg=hw+Λ,Λ是水汽化的比热,
g,w,o下标分别是气体、水和油。
λ(T)是储层传导系数。
该特征描述需要考虑哪一种热传递定律并且如何参数化所述热传递定律。
根据本发明的另一个特征,储层物理学定律进一步包括由以下公式给出的相定律:
是子地质c处的相的粘度,所述粘度是局部压力P和局部温度T的函数,
是子地质c处的相的密度,所述密度是局部压力P和局部温度T的函数,
子地质c处的相的相对渗透率系数,所述相对渗透率系数是局部压力P和局部温度T的函数。
该特征说明如何通过压力和温度的相关性使流体传播定律和热传递定律联接在一起。
根据本发明的另一个特征,井物理学定律包括以下公式:
其中:
是在时间t子地质c中井k处的相的采出量,
Tkc是子地质c中井k的传递函数,
PPktc是在时间t时应用于子地质c中井k的开采参数,以及
是子地质c中井k处的相的速度。
该特征说明井特性如何例如通过传递函数被模拟。这种函数相对于储层的模拟具有相同的“精细度”:如果子地质Gc包括多个层b,则这些将以良好的水平一起被平衡(averageout)。
本发明还涉及一种用于优化开发成熟油气田的方法,该方法包括以下步骤:
-构建根据前述实施例所述的开采模拟器;
-对所述开采模拟器迭代多次以得到优化由所述采出量推导出的增益值的最优开采参数;以及
-应用如此获得的所述最优开采参数以开发所述油气田。
该特征描述了用于最大化油气田的增益函数的普通优化过程。该特征充分地使用开采模拟器的上述特征,即,其相对低复杂性,从而允许用于计算由其相应开采参数限定的给定开采情形的非常低的计算时间。该低计算时间使得可以处理大量情形,通常情形的数量大于100。
根据本发明的另一个特征,所述优化的增益值是所述油气田的净现值或储藏量。
该特征说明可本发明的实际应用,其相对于非优化情形产生大财政或金融收益。
根据本发明的另一个特征,所述净现值使用以下公式被确定:
其中:
Pkc是每一口井k和子地质c的采油量(单位桶),
Rik是井k和i年的税收和使用费,
Si是i年的油销售价格(每一桶),
d是百分比折扣率,
Iik是在i年期间对井k的投资,
OCik是i年期间井k的运营成本,
Lkc是井k和子地质c的采液量(单位桶),
TOi是i年的处理成本(每桶油),
TLi是i年的处理成本(每桶液体)。
该特征提供可一种限定可以使用每一相每一时间和每一子地质的井的开采完整计算的增益函数的实际方法,其中所述井的开采本身由用于任意给定组开采参数的开采模拟器计算。
附图说明
本发明的其它特征、细节和优点将从以下相对于附图给出的详细说明更加清楚呈现,其中:
图1显示了说明性油气田;
图2是根据本发明的整个模拟器的方框图;以及
图3是详细描述根据本发明的开采模拟器的方框图。
具体实施方式
根据图1,油气田是包括岩石和气体以及由油形成的流体的地下(或水下)储层G。所述储层G以公知的方式通过多个井11从地面10被钻进。所述井11可以负责将通常为水、气体或蒸汽的流体注入到储层以该改变其特性以例如改变所述储层的压力或温度的注入井。替代的,所述井11可以为负责从储层开采气体、油和相关联流体(或许其它成分)的生产井。还可以将适当的流体或气体注入到这些生产井中,以增强所述生产井的开采效率或改变局部储层特性。
本发明的目的是计算每一口井、每一相和每一个子地质随着时间的过去的未来油气开采。
本发明的另一个目的是确定并应用最佳开采参数PP,即,优化成熟油气田的诸如采出量NPV、储藏量的增益值的开采参数PP。
本发明涉及一种用于根据优化器1最佳地开发成熟油气田的方法。所述优化器1使用开采模拟器2模块,所述开采模拟器2模块提供每一相每一口井k,11,每一个子地质c和每一个时间t(所述时间通常由月表示)所开采的量作为开采参数PP的函数。所述相可以是油、气体、水或类似于化学添加剂的其它相关流体(油可以被认为是单相或被分成许多不同的油气相)。可以存在多个油相或气相,这取决于碳氢化合物链。气体可以是碳氢化合物、蒸汽或任意其它元素。
开采参数PP包括所有影响开采的驱动参数。这些开采参数包括:限定注入井或生产井的特性的注入率,例如按照泵送率不仅限定生产井的特性而且限定修井(类似于射孔、完井、酸化、压裂......)的开采率,或诸如生产井到注入井的可能转换的其它影响性选择或新补充井的钻进(所述新补充井可以是生产井和/或注入井)。PP可以是子地质相关的。
这种优化器1允许对隐含相对于基线(“一切照旧”开采方案)修改开采参数的新的开采方案的测试。
由于所述开采模拟器2充分简单到能迅速计算结果,因此优化器1可以对所述开采模拟器2的许多轮进行迭代,从而试验大量策略或方案,以发现优化从所述采出量获得的增益值5的最优化开采参数。
如由图2的方框图所示,优化器1的本质程序块是开采模拟器2。对于一组给定的开采参数PP,优化器1提供对采出量的预测。
可以通过模块4从所述采出量计算要被优化的增益值5。
在优化器1中,模块3负责提出以多组开采参数PP的形式的所述方案。在所述模块3中可以使用多个搜索法/算法,从随机Monte-Carlo法到更加有效的环境感知方法(contextawaremethod)以提出多组相关的候选开采参数PP。
如由反馈箭头所示,所述模块3可以利用反馈值5根据已知的最优化方法确定多个新组并探求新的方案。
通过如此迭代,优化器1可以确定优化增益值5的最优化开采参数组。
所述方法还包括应用如此获得的所述最佳开采参数PP以进行油气田的开发。当被模拟时,预期增益或收益可能是最佳的并且至少比基准好。
为了有效率,根据本发明的本质特征,在不复制现有技术方案的缺陷的情况下,当应用历史上应用的开采参数PP时,所述开采模拟器2必须首先与历史数据HD匹配,从而提供与过去的采出量相比较提供相当好的结果,从而与太更简单的模型区分开。此外,所述开采模拟器2必须验证Vapnik条件。
开采模拟器2用于尽可能准确地产生从时刻T开始的将来的估算数据。具有这种精度的一种必要条件首先在于所述开采模拟器与历史数据HD相匹配,即复制过去的已知数据,即所谓的历史数据HD。与历史数据匹配因此表示开采模拟器2充分准确地再现在T之前所已知的诸如每一相、每一口井k、每一个子地质和每一个时间T的采出量和总累积采出油的开采数据。所述匹配的质量通过记录在历史数据HD中的已知采出量与通过应用过去开采参数的开采模拟器2计算的采出量的相对比较而被认识。此外,在记录在历史数据HD中的总采出量与通过开采模拟器2计算的总采出量之间比较累积采出油。这种比较可以由以下公式表示:
对于采出量的p%,和其中
是由开采模拟器2确定的每一相每一口井k、每一个子地质c和每一个时间t的采出量,
是在历史数据(HD)中发现的每一相每一口井k、每一个子地质c和每一个时间t的采出量,
[T1-Xy,T1]是包括在时间T1之前的最近X年的时间区间,
T1是获得历史数据HD的最后日期,
表示Z相对于时间区间[T1,T2]的模数,
ε1是小于1的正数,
ε2是小于1的正数,以及
p是接近100%的正数。
为匹配条件所考虑的区间的长度可以适于历史数据的可用长度。然而,如有可能,五年的长度被认为是令人满意。这种长度与开采模拟器2的预期准确预测可比较界限,5年,相一致。
X=5,p=90%,ε1=0.2以及ε2=0.15的具体值已经发现在检测良好匹配时是令人满意的。
这里用于比较所使用的模数可以是以下所述中任一个:最小二乘方或加权的最小二乘方。
除了匹配条件之外,准确的开采模拟器2还必须验证Vapnik条件。所述Vapnik条件可以由不同的方式表示。
由Vapnik形成的学习理论的结果之一显示从包括m个独立测量值的m维给定历史数据HD组通过学习可以推导出在VC维h的空间中的模型,所述模型具有与参数α相关联的可靠预测预期风险R(α),由以上两个增加项Remp(α)+Φ的总和限定预期风险R(α)。第一项Remp(α)是与参数α相关联的表示与由所述参数α提供的历史数据的匹配质量的经验风险。第二项Φ由模型表征并可以由以下公式表示:
其中δ是接近零的正数,限定所述预测预期风险R(α)的概率的1-δ由Remp(α)+Φ限定,其中h是前述方案的空间S的VC维度,也被称为Vapnik-Chervonenkis或VC维度,而m是前述历史数据HD中可获得的独立测量值的数量。
根据所述结果,现有技术过简化模型由于模型的过简化而都具有高Remp(α)。相反,现有技术的复杂网格模型可以提供小Remp(α),但是由于高比而具有高Φ值,这是因为方案的空间的VC维度h相对于历史数据HD中所获得的独立测量值的数量m太大。
已经达到一种折中。m值是恒定的并由对于给定油气田可获得的历史数据给出。方案的空间的尺寸h则被适于使得保持较小。在具有大约+/-5%的可靠性的五年预测的平均目标的情况下,已经发现值可与随后详细描述的目标可靠性和尺度的可能性相容以获得模型。
表示和检查所述Vapnik条件的另一种方法是盲试。可以通过将历史数据分成两个时间区间来实现对N年的盲试。第一“过去”区间从可获得历史数据的起始时间T0到在最终时间T之前的N年的时间T-Ny。第二“盲”区间从T-Ny到与可获得历史数据的最后一次时间相对应的时间T。T通常为实际时间。“过去”区间的数据被认为是已知的,并用于通过学习所述数据构建匹配开采模拟器2。“盲”区间的数据被认为在开采模拟器的构件期间是未知物或至少被隐藏。然后在“盲”区间上相对于所述“盲”区间给定开采参数通过开采模拟器2比较所述数据以进行数据预测。当预测数据在所述隐藏区间上以足够的精度再现历史数据时,盲试被认为是令人满意的。
盲试然后包括以下步骤:
-相对于先前的时间区间T-Ny确定与历史数据HD匹配的开采模拟器2;
-相对于时间区间[T-Ny,T]预测采出量,
-当对于大于现有值的p%,且相对于同一时间区间[T-Ny,T]的累积采油量精确到ε2时,盲试是令人满意的,其中
是由开采模拟器确定的每一相、每一口井、每一层(或一组层)和每一个时间的采出量,
是在历史数据中发现的每一相、每一口井、每一层(或一组层)和每一个时间的相同采出量,
[T-Ny,T]是包括在时间T之前最近N年的时间区间,
T是获得历史数据的最近日期,
表示Z相对于时间区间[T1,T2]的模数,
ε1是小于1的正数,
ε2是小于1的正数;以及
p是接近100%的正数。
已经发现p=90%,ε1=0.1以及ε2=0.1的具体值对于良好的盲试是令人满意的。N=3年的时间段也是令人满意的。
这里用于比较所使用的模数可以是以下所述中任一个:最小二乘方或加权的最小二乘方。
检查Vapnik条件的另一种方法是通过测量预测稳定性特性来表示。这种特性响应于输入数据的微变化测试开采模拟器2对其输出数据的稳定性。输入数据是包括相对于[T0,T]时间区间的过去的开采参数和采出量的历史数据HD。基于这些标称数据PP和标称采出模拟器2建立。这些数据然后被稍微改变以获得相应的数据PP′和根据这些稍微变化的输入数据,预期充分接近标称采出模拟器2的另一个采出模拟器被构建而成。
输出数据,即采出量和通过标称采出模拟器2和另一个采出模拟器相对于未来时间区间[T,T+My]被分别预测,并然后进行比较。
当 并且隐含
验证预测稳定性特性,
其中
PP是开采参数,
PP′是微改变的开采参数,
是在历史数据HD中发现的每一相每一口井k、每一层(或一组层)b和每一个时间t的采出量,
是在微改变的历史数据中发现的每一相每一口井k、每一层(或一组层)b和每一个时间t的微改变采出量,
是在由采出模拟器2确定的每一相每一口井k、每一层(或一组层)b和每一个时间t的采出量,
是由另一个充分接近的采出模拟器确定的每一相每一口井k、每一层(或一组层)b和每一个时间t的采出量,所述另一个充分接近的采出模拟器由微改变的历史数据确定,
[T0,T]是从时间T0到时间T的时间区间,其中时间T0和时间T分别是可获得历史数据(HD)的初始日期和最后日期,
[T,T+My]是包括时间T后的M年的时间区间,
表示Z相对于时间区间[T1,T2]的模数,
ε是小于1的正数,以及
n是小于5的整数,
这里的重要值是被允许的输入变量ε和获得的输出变量nε之间的比值n。已经发现ε=0.05,n=2的值是令人满意的。当考虑准确目标时,M=3年的界限也是令人满意的。
这里用于比较所使用的模数可以是以下所述中任一个:最小二乘方或加权的最小二乘方。
可以单独或同时使用检查Vapnik条件的所述的三种方法。
如已经提及的,本发明的中心是开采模拟器2。所述开采模拟器可以使用诸如储层物理学定律6和井物理学定律7的特性物理学定律以与历史数据HD精确匹配。然而,方案S的空间的VC维度h必须保持充分小来验证所述Vapnik条件。
这里提出两种方法来达到这种结果。两种方法包括使用物理学定律并将该物理学定律应用于油藏模型。
在还被称作尺度上升的第一种方法中,所述油藏模型和物理学定律从详细公式开始,所述详细公式在可以观察到一些同质性(homogeneity)时和在可以观察到一些同质性的情况下,通过近似被逐渐简单化/换算,直到达到停止条件。通过使储层分区、岩石特性RP、储层物理学定律6和井物理学7定律尺度上升直到所述Vapnik条件被验证为止来达到所述条件。
根据还被称作尺度下降的第二方法,所述油藏模型和物理学定律以粗公式开始,所述粗公式在可以观察到一些实质变化和在可以观察到一些实质变化的情况下,通过细节化被逐渐复杂化/换算直到达到停止条件。通过使储层分区、岩石特性RP、储层物理学定律6和井物理学定律7尺度下降,保持所述Vapnik条件被验证,直到开采模拟器2与历史数据HD匹配而达到所述条件。
可以单独使用或可以交替使用所述两种方法。例如,可以通过合并多个部分使微细模型的地质尺度上升,然后使不能被匹配的后一个子地质局部尺度下降,从而揭露内部特性的大致变化。
在该步骤中,无论使用何种方法,开采模拟器2的结构被限定。然而,所述开采模拟器2取决于多个参数α,所述参数α必须被进一步整理以使开采模拟器2被操作。基于参数α,多个开采模拟器2可以是候选方案。对于每一组可能的参数α相对于预测期望风险R(α)检查这些多个候选方案,直到发现最小化所述期望风险R(α)的一组最佳参数α为止。
根据图1,储层G可以通过考虑其地质概况(即,含有油的岩石体积的闭合)并使用储层分区分离所述地质而被建模。
当使用尺度上升方法时,第一精细分区可以通过使由字母a表示的x-y区域(每一个例如包括至少一个井11)和由字母b表示的z区域相交(cross)来限定。在图1的示例中,使用四个这种x-y区域(a=1...4)以及五个(b=1...5)z区域来将储存G初始分隔。储层G因此被初始分成基本部分Gab,使得
且对了(两个不同的部分被分开),
其中描述x-v区域,而描述z层。
从该初始储层分区开始,所述分区通过考虑基本部分Gab并当相邻的部分显示出均相岩石特性PR时逐渐将所述相邻的部分合并在一起而被尺度上升。结果是形成包括子地质Gc的新的粗分区,其中在图1中显示了三个这种子地质。G1集合了显示均相特性的G11,G12,G13,G14和G15。G2集合了G21,G22,G23,G24,G25,G31,G32,G33,G34和G35。G3集合了G31,G32,G33,G34和G35.在实际情况下,子地质通常包括3至50口井。所述地质分区的尺度上升是减少方案S的空间的维度h的第一方法。方案的空间的尺寸则取决于具有代替如现有技术的网格模型中的100000个单元的大约很少的单元的地质的数量。
当使用尺度下降方法时,过程从例如由与整个储层G相对应的单个部分构成粗分区开始。所述粗分区然后被分成子地质Gc,其中并且每当特性的实质变化存在于所述子地质之间的边界周围。如此进行,可以在每一个子地质中预期均相特性,同时尽可能减小地保持这种压地质的数量。
岩石特性RP主要包括用于确定通过岩石的流体的动态的岩石孔隙度、渗透率k和相对渗透率但是也可以与诸如净产层、热容或传导性相关。因为子地质变成新的基本体积单元,因此所有这些岩石特性RP都被认为相对于给出的子地质Gc相当恒定。
当使用尺度上升方法时,根据以下平均公式,岩石特性RP相对于每一个子地质Gc被均质化:
当相反使用尺度下降方法时,岩石特性(RP)通过在通过沿着不连续进行分隔而获得的每一个新的子地质(Gc)限定新的单独的岩石特性RPc被而尺度下降。
相对于图3,以下更详细地描述开采模拟器2的内容。所述开采模拟器2模块可以被分成两个主要模块6、7。第一模块实施储层物理学定律6。给出一组开采参数PP,所述模块提供至少在每一口井11的入口处和每一个子地质b处穿过储层流体的动态特性。所述动态特性例如被表示为速度场。
所述储层物理学定律6被尺度上升或尺度下降,使得所述储层物理学定律6与子地质Gc的函数参数一起应用。此外,确定与子地质Gc相关联的空间与时间尺度,使得相关联的方案空间以很好的水平与历史数据HD的复杂性相一致。例如,如果对于与相关地层开采(m太小)获得不足的数据丰富性,井开采将被部分(一些层被集合)或全部(所有层被集合)加和:
在这种情况下,开采模拟器2仅描述每一口井的开采而不描述每一口井的每一层(或一组层)的开采。
尺度上升/尺度下降还应用于所述定律。可以通过使用更加简单或替代的更加详细的特性模型和公式获得物理学定律和井的数量和复杂性的变化。例如,达尔西定律是更普通的NavierStokes定律的简化。还可以根据期望的Vapnik条件改变公式的阶次以被增加或减小。一些参数可以是恒定的或者通过另一参数的变函数被修改或者是可变的。基于油气田到目前为止已经被开发的方式,可以考虑或不考虑热传递,从而采用热传递定律或忽视热传递定律。
以类似的方式,井传递函数有时可以被线性化或接近其函数点。
根据历史数据HD中的可用数据的细节的丰富性(维度m)在油气田的部分时间间隔或部分空间区域上考虑这种一致性。
储层物理学定律6以已知的方式由流体的动量守恒和质量守恒(Navier)-Stokes方程推导出,所述流体连续对应于相,形成在被模拟为仅由其平均孔隙度Φ、渗透率k和相对渗透率表征的多孔介质的岩石中。
通过使用与在微小尺度下考虑的多相输送关联的诸如Navier-Stokes方程的普遍的流动模型推导通用储层物理学定律6。流体形成在如由岩石补充获得的区域中,所述区域可以包括各种障碍拓扑结构和几何结构。尺度上升/尺度下降过程包括确定多孔介质中的流体的有效动态,在所述多孔介质中,岩石结构仅通过给定时间t下的平均孔隙度、渗透率和相对渗透率描述。
储层G中的流体传播由通用Navier-Stokes方程推导出,其中普通Navier-Stokes方程描述流体的动量守恒:
其中u是流体速度,ρ是流体密度,T是应力张量,而f是作用在流体上的体力(对于储层中的油来说,f是重力:f=p.g).
这些由流体质量守恒来补充:
并且对于每一相 {油,水,气}:
其中表示相饱和度,而为扩散通量。
当然,可以具有:
和
由于储层流体通常由小雷诺数(即,蠕动流)表征,因此假设静止不可压缩水流体,Navier-Stokes方程通常可以被简化成Stokes方程式:
和其中μ是粘度,μi是i方向上的粘度,gi是在i方向上的重力分量,而ρ是压力。
使用体积平均方法,Stokes方程可以被均质化,使得有效的粘性阻力与速度成比例并且反方向。因此在各向同性多孔介质的情况下可以写成:
其中k多孔介质的渗透率,而Φ是孔隙度。这根据压力梯度给出了速度:
以上公式给出了达尔西定律。在各向同性多孔介质的情况下,速度可以写成:
其中K表示对称的渗透率张量。最终的流体质量守恒方程由以下给出:
实际上,流体通常由其组分可能是复杂的例如取决于其盐度和碳氢链的气体(g)、油(o)和水(w)组成。尺度上升水平处的相 {o,w,g}的质量守恒可以被写为:
其中分别表示相的速度、密度、饱和度和扩散通量。
在任何情况下,必须根据类似于速度u和压力p以及相饱和度的平均流动特征确定相速度的的闭合定律。必须满足一致性关系,例如
相速度的闭合涉及说明相的微分迁移率的所谓的相对渗透率系数
其中表示相的粘度。
最后,模块6执行由以下公式表示的储层物理学定律:
其中:
是在子地质c中井k处的相的速度,
是在子地质c中相的粘度,
是在子地质c中相的密度,
是在子地质c中相的压力,
g是重力矢量,
k是渗透率系数,以及
是在子地质c中相的相对渗透率系数。
如果在历史数据HD中获得相应数据,则储层物理学定律6还可以包括由以下公式给出的流体或气体与岩石之间的热传递定律:
So+Sw+Sg=1,
T=T(x,y,z)是温度并且可以相对于储层而变化,
Φ是岩石孔隙度,
是相的饱和度,
是相的密度,
是相的速度,
E是体积内能(下标s和f分别对应于固相和流体相),
uf=ug+uo+uw是焓通量,其中
是相的比焓,
hg=hw+Λ,Λ是水汽化的比热,
g,w,o下标分别是气体、水和油。
λ(T)是储层传导系数。
另外,开采模拟器2中的一些变量可以是恒定的,或者通过将所述变量认为是例如局部压力P和局部温度T的变量而被详细说明。因此,储层物理学定律6可以进一步包括由以下公式给出的相定律:
是子地质c处的相的粘度,所述粘度是局部压力P和局部温度T的函数,
是子地质c处的相的密度,所述密度是局部压力P和局部温度T的函数,
子地质c处的相的相对渗透率系数,所述相对渗透率系数是局部压力P和局部温度T的函数。
从在每一口井k的子地质层c的多个层中的射孔孔眼处已知的所述速度以井物理学定律7的形式实施井模拟的第二模块7使用公式确定作为在子地质c处时间t时施加到每一口井k的开采参数PPktc和每一口井k处每一层b处的相的速度的函数的时间t时井k处子地质c中相的采出量其中Tkc是为每一口井k和每一个子地质c限定的传递函数。这种传递函数是尤其基于局部储层压力、地质情况、表皮效应、井/泵设计以及完井的函数。所述函数由于老化或损坏而可以随着时间变化。所述函数通常是由过去采出数据推导出的列表函数。
用于成为油气田的开采模拟器2的候选方案的空间是T(井传送物理学)和u(储层的延展物理学)的组合。每一个这种候选方案与一组参数α相关联并由所述一组参数α限定。这些参数α是限定使输入开采参数PPktc与候选采出量相关的候选模拟器的参数。在其中候选模拟器被限定的空间是储层、井和定律的尺度上升/尺度下降的结果。由这种参数α限定的模拟器将作为对给定PPktc的响应而逐井、逐子地质地充分表征油气田特性。这对于用于输入开采参数的容许值的给定空间是有效的。所述容许值的空间通常不大于所有过去采出参数的包迹(envelope),且具有+/-30%的额外变化。
根据历史数据HD,每一个开采模拟器候选方案与传递数据进行比较。通过相对于一组参数α进行迭代来确定候选方案,候选方案的一组参数最小化预测期望风险R(α)。
在成熟油田的情况下,以前采出或历史数据HD的数量m大到足以允许限定包含能够捕捉对于同样井的今后开采重要的所有关键现象的适当物理丰富性的方案S的空间。这种情况允许相对于有效数据的复杂性的适于方案的空间的VC维度的折中,因此最小化比,由此最小化Φ和R(α)值。预测期望风险R(α)被最小化,并且由开采模拟器2提供的预测可以被认为是可靠的。
对于每一种候选方案,使用Vapnik公式由以上界限预测期望风险R(α):
R(α)是与参数α相关联的预测期望风险,
Remp(α)是与参数α相关联的通过与历史数据HD的匹配过程确定的经验风险,
δ是接近零的正数,且1-δ限定不等式成立的概率,以及
Φ是由以下公式限定的函数:
h是方案的空间的Vapnik-Chervonenkis维度,以及
m是历史数据中可获得的独立测量值的数量,
e等于exp(1)。
最好保留的开采模拟器2由最小化预测期望风险R(α)的一组优化参数确定并限定。
一旦开采模拟器2被如此确定并优化以符合匹配条件、Vapnik条件以及最小化预测期望风险,则可以在内部使用优化器1。优化器1产生开采参数PP的多种情形并将开采模拟器2应用于这些情形。然后相对于不同组的开采参数PP迭代多次。在每一个迭代,计算由通过开采模拟器2预测的采出量获得的增益值5。产生的增益值5可以用于选择下一种情形。如此进行,可以获得优化所述增益值5的一组优化的开采参数PP。
所述优化的增益值5可以是油气田的净现值NPV或储藏量RES。
可以通过考虑本领域技术人员所公知的必要的经济参数或指标从由优化器1输出的采出量由模块4确定任意增益值5。可以例如使用以下公式确定所述净现值NPV:
其中:
Pkc是每一口井k和子地质c的采油量(单位桶),
Rik是井k和i年的税收和使用费,
Si是i年的油销售价格(每一桶),
d是百分比折扣率,
Iik是在i年期间对井k的投资,
OCik是i年期间井k的运营成本,
Lkc是井k和子地质c的采液量(单位桶),
TOi是i年的处理成本(每桶油),
TLi是i年的处理成本(每桶液体)。
可选的选择是油气田的储藏量RES值,储藏量RES值限定为在给出的时间段上的累积采出油。其它选择是可以的。
Claims (24)
1.一种开采模拟器,所述开采模拟器实施适于模拟成熟油气田的储层物理学定律和井传递物理学定律,从而提供每一相、每一口井、每一层或一组层以及每一个时间的作为开采参数的函数的采出量,其中所述开采模拟器由在方案空间内的一组参数α限定,与所述成熟油气田的历史数据相匹配,并显示良好的预测可靠性,所述预测可靠性能够根据统计学习理论由与所述参数α相关联的预测期望风险R(α)表征,其中用于成为油气田的开采模拟器的候选方案空间是井传递物理学和储层传播物理学的组合,每一个这种候选方案与一组参数α相关联并由所述一组参数α限定,这些参数α限定使输入开采参数PPktc与采出量相关的候选模拟器,其中井传递物理学定律包括以下公式:
其中:
是子地质c中每一口井k处在每一个时间t时相的采出量,
Tkc是子地质c中每一口井k的传递函数,
PPktc是在时间t时应用于子地质c中的井k的开采参数,以及
是子地质c中井k处的相的速度。
2.根据权利要求1所述的开采模拟器,所述开采模拟器由在方案空间内的一组参数α限定,所述开采模拟器能够证实预测期望风险R(α),从而最小化由Vapnik不等式推导出来的边界条件
R(α)是与参数α相关联的预测期望风险,
Remp(α)是与参数α相关联的通过与历史数据匹配的过程确定的经验风险,
δ是接近零的正数,且1-δ限定不等式成立的概率,以及
Φ是由以下公式限定的函数:
其中
h是方案空间的Vapnik-Chervonenkis维度,以及
m是历史数据中可获得的独立测量值的数量,
e等于exp(1)。
3.根据权利要求1所述的开采模拟器,其中当对于现有值的p%,并且相对于同一时间区间[T1-Xy,T1]的累积采油量精确到达ε2时,获得与历史数据的匹配,其中
是由开采模拟器(2)确定的每一相每一口井k、每一层或一组层b和每一个时间t的采出量,
是在历史数据中发现的每一相每一口井k、每一层或一组层b和每一个时间t的相同采出量,
[T1-Xy,T1]是包括在时间T1之前的最近X年的时间区间,
T1是可获得历史数据(HD)的最后日期,
表示Z相对于时间区间[T1,T2]的模数,
ε1是小于1的正数,以及
ε2是小于1的正数,
p是接近100%的正数。
4.根据权利要求3所述的开采模拟器,其中,X=5,ε1=0.2,ε2=0.15和p=90%。
5.根据权利要求2所述的开采模拟器,其中,由Vapnik不等式推导出来的边界条件被表示为其中:
h是方案空间的Vapnik-Chervonenkis维度,以及
m是历史数据中可获得的独立测量值的数量。
6.根据权利要求2所述的开采模拟器,其中,由Vapnik不等式推导出来的边界条件通过相对于N年进行由以下步骤确定的令人满意的盲试被验证:
-确定相对于在T-Ny前的时间区间与历史数据匹配的开采模拟器;
-在时间区间[T-Ny,T]上的给定采出参数的情况下,预测在同一时间区间[T-Ny,T]的采出量,
-当对于所有值的p%,并且在同一[T-Ny,T]时间区域上采出的累积油精确达到ε2时,盲试是令人满意的,其中,
是由开采模拟器确定的每一相每一口井k、每一层或一组层b和每一个时间t的采出量,
是在历史数据中发现的每一相每一口井k、每一层或一组层b和每一个时间t的相同采出量,
[T-Ny,T]是包括在时间T之前的最近N年的时间区间,
T是可获得历史数据HD的最后日期,
表示Z相对于时间区间[T1,T2]的模数,
ε1是小于1的正数,
ε2是小于1的正数,以及
p是接近100%的正数。
7.根据权利要求6所述的开采模拟器,其中,p=90%,ε1=0.1和ε2=0.1以及N=3。
8.根据权利要求2所述的开采模拟器,其中,由Vapnik不等式推导出来的边界条件是当如果且
则时验证的预测稳定性特性,其中
PP是开采参数,
PP′是微改变的开采参数,
是在历史数据中发现的每一相每一口井k、每一层或一组层b和每一个时间t的采出量,
是在微改变的历史数据中发现的每一相每一口井k、每一层或一组层b和每一个时间t的微改变采出量,
是在由开采模拟器确定的每一相每一口井k、每一层或一组层b和每一个时间t的采出量,
是由另一个充分接近的开采模拟器确定的每一相每一口井k、每一层或一组层b和每一个时间t的采出量,所述另一个充分接近的开采模拟器由微改变的历史数据确定,
[T0,T]是从时间T0到时间T的时间区间,其中时间T0和时间T分别是可获得历史数据的初始日期和最后日期,
[T,T+Ny]是包括在时间T之后的N年的时间区间,
表示Z相对于时间区间[T1,T2]的模数,
ε是小于1的正数,以及
n是小于5的整数。
9.根据权利要求8所述的开采模拟器,其中,ε=0.05,n=2和N=3。
10.根据权利要求2所述的开采模拟器,通过以下步骤进行构建:
-限定初始详细储层分隔、岩石特性、储层物理学定律和井传递物理学定律;
-使所述储层分隔、岩石特性、储层物理学定律和井传递物理学定律尺度上升直到由Vapnik不等式推导出来的所述边界条件被验证;以及
-通过在开采模拟器候选方案中进行选择来优化所述开采模拟器,所述候选方案最小化预测期望风险R(α)。
11.根据权利要求10所述的开采模拟器,其中,通过以下步骤使所述储层分隔尺度上升:
-将储层G分隔成基本部分Gab,使得且对于(a,b)≠(a′,b′),其中a∈{1...A}描述x-y区域,而b∈{1...B}描述z层;
-将显示均质岩石特性的相邻基本部分Gab分成子地质Gc,其中c∈{1...C}。
12.根据权利要求10所述的开采模拟器,其中所述岩石特性通过以下步骤被尺度上升:根据公式相对于每一个子地质Gc平均化岩石特性RPc
其中,Vc是子地质Gc的体积。
13.根据权利要求10所述的开采模拟器,其中,储层物理学定律被尺度上升,使得所述储层物理学定律与子地质Gc的函数参数一起应用,其中与子地质Gc相关联的空间和时间尺度被确定,使得相关联的方案空间以良好的水平与历史数据的复杂性一致。
14.根据权利要求2所述的开采模拟器,通过以下步骤进行构建:
-限定初始粗糙储层分隔、岩石特性、储层物理学定律和井传递物理学定律;
-在保持由Vapnik不等式推导出来的所述边界条件被验证的同时,使所述储层分隔、岩石特性、储层物理学定律和井传递物理学定律尺度下降,直到开采模拟器与历史数据相匹配为止;以及
-通过在开采模拟器候选方案中进行选择来优化所述开采模拟器,所述候选方案最小化预测期望风险R(α)。
15.根据权利要求14所述的开采模拟器,其中,所述储层分隔通过以下步骤被尺度下降:
-从整个储层开始;
-将所述储层分成子地质Gc,其中c∈{1...C},其中特性的实质变化存在于所述子地质之间的界限周围。
16.根据权利要求14所述的开采模拟器,其中,岩石特性通过相对于每一个子地质Gc限定新的单独的岩石特性而被尺度下降。
17.根据权利要求14所述的开采模拟器,其中,储层物理学定律被尺度下降使得所述储层物理学定律与子地质Gc的函数参数一起应用,并且其中与子地质Gc相关联的空间和时间尺度被确定使得相关联的方案空间以良好的水平与历史数据的复杂性一致。
18.根据权利要求10所述的开采模拟器,其中,储层物理学定律由流体的动量守恒和质量守恒(Navier-)Stokes方程推导出,所述流体形成在作为多孔介质的岩石模型中,所述多孔介质仅由其每子地质c每一相的平均孔隙度渗透率和相对渗透率表征。
19.根据权利要求18所述的开采模拟器,其中所述储层物理学定律包括以下公式:
其中:
是在子地质c中井k处的相的速度,
是在子地质c中相的粘度,
是在子地质c中相的密度,
是在子地质c中相的压力,
g是重力矢量,
k是渗透率系数,以及
是在子地质c中相的相对渗透率系数。
20.根据权利要求19所述的开采模拟器,其中,储层物理学定律还包括由以下公式给出的流体或气体与岩石之间的热传递定律:
其中
T=T(x,y,z)是温度并且能够相对于储层而变化,
Φ是岩石孔隙度,
是相的饱和度,
是相的密度,
是相的速度,
E是体积内能,下标s和f分别对应于固相和流体相,
是焓通量,其中
是相的比焓,
Λ是水汽化的比热,
g,w,o下标分别是气体、水和油,
λ(T)是储层传导系数。
21.根据权利要求20所述的开采模拟器,其中储层物理学定律进一步包括由以下公式给出的相定律:
是子地质c处的相的粘度,所述粘度是局部压力P和局部温度T的函数,
是子地质c处的相的密度,所述密度是局部压力P和局部温度T的函数,
子地质c处的相的相对渗透率系数,所述相对渗透率系数是局部压力P和局部温度T的函数。
22.一种用于优化开发成熟油气田的方法,包括以下步骤:
-构建根据权利要求1所述的开采模拟器;
-对所述开采模拟器迭代多次以得到优化由所述采出量推导出的增益值的最优开采参数;以及
-应用如此获得的所述最优开采参数以开发所述油气田。
23.根据权利要求22所述的方法,其中,所述优化的增益值是所述油气田的净现值或储藏量。
24.根据权利要求23所述的方法,其中,所述净现值NPV使用以下公式被确定:
其中:
Pkc是井k和子地质c的采油量,单位桶,
Rik是井k和i年的税收和使用费,
Si是i年的每一桶油的销售价格,
d是百分比折扣率,
Iik是在i年期间对井k的投资,
OCik是i年期间井k的运营成本,
Lkc是井k和子地质c的采液量,单位桶,
TOi是i年的每桶油的处理成本,
TLi是i年的每桶液体的处理成本。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/816,940 | 2010-06-16 | ||
US12/816,940 US8412501B2 (en) | 2010-06-16 | 2010-06-16 | Production simulator for simulating a mature hydrocarbon field |
PCT/EP2011/059968 WO2011157764A2 (en) | 2010-06-16 | 2011-06-15 | Production simulator for simulating a mature hydrocarbon field |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103003718A CN103003718A (zh) | 2013-03-27 |
CN103003718B true CN103003718B (zh) | 2016-08-03 |
Family
ID=44587774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180029441.9A Expired - Fee Related CN103003718B (zh) | 2010-06-16 | 2011-06-15 | 用于模拟成熟油气田的产量模拟器 |
Country Status (15)
Country | Link |
---|---|
US (2) | US8412501B2 (zh) |
EP (1) | EP2583121B1 (zh) |
JP (1) | JP5797262B2 (zh) |
CN (1) | CN103003718B (zh) |
AU (1) | AU2011267039B2 (zh) |
BR (1) | BR112012032159B1 (zh) |
CA (1) | CA2801804C (zh) |
CO (1) | CO6640278A2 (zh) |
DK (1) | DK2583121T3 (zh) |
EA (1) | EA030299B1 (zh) |
ES (1) | ES2532766T3 (zh) |
MX (1) | MX2012014727A (zh) |
MY (1) | MY164433A (zh) |
PL (1) | PL2583121T3 (zh) |
WO (1) | WO2011157764A2 (zh) |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9703006B2 (en) | 2010-02-12 | 2017-07-11 | Exxonmobil Upstream Research Company | Method and system for creating history matched simulation models |
US9134454B2 (en) | 2010-04-30 | 2015-09-15 | Exxonmobil Upstream Research Company | Method and system for finite volume simulation of flow |
EP2599032A4 (en) | 2010-07-29 | 2018-01-17 | Exxonmobil Upstream Research Company | Method and system for reservoir modeling |
WO2012015518A2 (en) | 2010-07-29 | 2012-02-02 | Exxonmobil Upstream Research Company | Methods and systems for machine-learning based simulation of flow |
EP2599029A4 (en) | 2010-07-29 | 2014-01-08 | Exxonmobil Upstream Res Co | METHODS AND SYSTEMS FOR AUTOMATIC LEARNING FLOW SIMULATION |
BR112013002114A2 (pt) | 2010-09-20 | 2016-05-17 | Exxonmobil Upstream Res Co | formulações flexíveis e adaptáveis para simulações de reservatório complexas |
CN103959233B (zh) | 2011-09-15 | 2017-05-17 | 埃克森美孚上游研究公司 | 在执行eos计算的指令受限算法中最优化矩阵和向量运算 |
RU2591239C1 (ru) * | 2012-07-27 | 2016-07-20 | Лэндмарк Графикс Корпорейшн | Системы и способы для оценивания возможности коллекторной системы |
AU2013324162B2 (en) | 2012-09-28 | 2018-08-09 | Exxonmobil Upstream Research Company | Fault removal in geological models |
WO2014186545A1 (en) * | 2013-05-16 | 2014-11-20 | Exa Corporation | Mass exchange model for relative permeability simulation |
MX2015014242A (es) * | 2013-05-24 | 2016-01-14 | Halliburton Energy Services Inc | Metodos y sistemas de ajuste historico de yacimientos para un mejor calculo del rendimiento del yacimiento. |
BR112015026505B1 (pt) | 2013-06-10 | 2021-12-14 | Exxonmobil Upstream Research Company | Método para determinar parâmetros de poço para otimização de desempenho de poço |
GB2532153B (en) * | 2013-08-07 | 2018-06-13 | Landmark Graphics Corp | Static earth model calibration methods and systems using permeability testing |
CN105683494A (zh) * | 2013-09-16 | 2016-06-15 | 兰德马克绘图国际公司 | 伪相生产模拟:在储层流动模拟中经由连续相似的阶跃函数相对渗透率受控模型来评估准多相流生产以便对多个岩石物理学实现排序的信号处理方法 |
EP3094997B1 (en) * | 2014-01-14 | 2020-12-16 | Baker Hughes Holdings LLC | A method for detecting fluid fronts using a combination of electric and gravity measurements in boreholes |
EP3175265A1 (en) | 2014-07-30 | 2017-06-07 | ExxonMobil Upstream Research Company | Method for volumetric grid generation in a domain with heterogeneous material properties |
WO2016069171A1 (en) | 2014-10-31 | 2016-05-06 | Exxonmobil Upstream Research Company | Handling domain discontinuity in a subsurface grid model with the help of grid optimization techniques |
WO2016069170A1 (en) | 2014-10-31 | 2016-05-06 | Exxonmobil Upstream Research Company | Methods to handle discontinuity in constructing design space for faulted subsurface model using moving least squares |
CN104933246A (zh) * | 2015-06-15 | 2015-09-23 | 中国海洋石油总公司 | 一种定量表征气田储量参数对储量变化贡献的方法 |
KR101766917B1 (ko) * | 2015-12-23 | 2017-08-11 | 한국지질자원연구원 | 비투멘의 경제성 평가 장치 및 그 방법 |
AU2018212812A1 (en) | 2017-01-26 | 2019-08-15 | Dassault Systemes Simulia Corp. | Multi-phase flow visualizations based on fluid occupation time |
US11714040B2 (en) | 2018-01-10 | 2023-08-01 | Dassault Systemes Simulia Corp. | Determining fluid flow characteristics of porous mediums |
US11530598B2 (en) | 2018-08-21 | 2022-12-20 | Dassault Systemes Simulia Corp. | Determination of oil removed by gas via miscible displacement in reservoir rock |
RU2692369C1 (ru) * | 2018-12-26 | 2019-06-24 | Публичное акционерное общество "Газпром нефть" | Способ выбора системы разработки месторождения |
US11613984B2 (en) | 2019-09-04 | 2023-03-28 | Dassault Systemes Simulia Corp. | Determination of hydrocarbon mobilization potential for enhanced oil recovery |
US11549359B2 (en) | 2020-05-11 | 2023-01-10 | Saudi Arabian Oil Company | Systems and methods to identify and quantify field development opportunities through integration of surface and sub-surface data |
US11847391B2 (en) | 2020-06-29 | 2023-12-19 | Dassault Systemes Simulia Corp. | Computer system for simulating physical processes using surface algorithm |
US11907625B2 (en) | 2020-12-29 | 2024-02-20 | Dassault Systemes Americas Corp. | Computer simulation of multi-phase and multi-component fluid flows including physics of under-resolved porous structures |
CN113297803B (zh) * | 2021-06-17 | 2022-12-06 | 东北石油大学 | 一种油气产量智能模拟预估方法和系统 |
CN114241877B (zh) * | 2021-12-27 | 2024-03-15 | 西南石油大学 | 可调式油气地质研究模拟装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1912655A (zh) * | 2005-08-10 | 2007-02-14 | 大庆油田有限责任公司 | 一种沉积相控制预测砂岩油藏储层属性的方法 |
CN101644783A (zh) * | 2009-07-27 | 2010-02-10 | 中国石化集团胜利石油管理局 | 一种基于条件递推的油藏描述的方法 |
CN101661514A (zh) * | 2008-05-21 | 2010-03-03 | 中国石化股份胜利油田分公司地质科学研究院 | 一种油藏黑油模型数值模拟系统 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5305209A (en) * | 1991-01-31 | 1994-04-19 | Amoco Corporation | Method for characterizing subterranean reservoirs |
US6980940B1 (en) * | 2000-02-22 | 2005-12-27 | Schlumberger Technology Corp. | Intergrated reservoir optimization |
US6775578B2 (en) * | 2000-09-01 | 2004-08-10 | Schlumberger Technology Corporation | Optimization of oil well production with deference to reservoir and financial uncertainty |
US6810332B2 (en) * | 2003-01-31 | 2004-10-26 | Chevron U.S.A. Inc. | Method for computing complexity, confidence and technical maturity indices for reservoir evaluations |
US7835893B2 (en) * | 2003-04-30 | 2010-11-16 | Landmark Graphics Corporation | Method and system for scenario and case decision management |
FR2855631A1 (fr) * | 2003-06-02 | 2004-12-03 | Inst Francais Du Petrole | Methode pour optimiser la production d'un gisement petrolier en presence d'incertitudes |
WO2005020044A1 (en) * | 2003-08-26 | 2005-03-03 | The Trustees Of Columbia University In The City Of New York | Innervated stochastic controller for real time business decision-making support |
US20070016389A1 (en) * | 2005-06-24 | 2007-01-18 | Cetin Ozgen | Method and system for accelerating and improving the history matching of a reservoir simulation model |
US9043188B2 (en) * | 2006-09-01 | 2015-05-26 | Chevron U.S.A. Inc. | System and method for forecasting production from a hydrocarbon reservoir |
US7774184B2 (en) * | 2006-10-17 | 2010-08-10 | Schlumberger Technology Corporation | Brownfield workflow and production forecast tool |
US8024123B2 (en) * | 2007-11-07 | 2011-09-20 | Schlumberger Technology Corporation | Subterranean formation properties prediction |
US8793111B2 (en) * | 2009-01-20 | 2014-07-29 | Schlumberger Technology Corporation | Automated field development planning |
US8532968B2 (en) * | 2010-06-16 | 2013-09-10 | Foroil | Method of improving the production of a mature gas or oil field |
-
2010
- 2010-06-16 US US12/816,940 patent/US8412501B2/en active Active
-
2011
- 2011-06-15 ES ES11738981.7T patent/ES2532766T3/es active Active
- 2011-06-15 WO PCT/EP2011/059968 patent/WO2011157764A2/en active Application Filing
- 2011-06-15 BR BR112012032159-5A patent/BR112012032159B1/pt not_active IP Right Cessation
- 2011-06-15 DK DK11738981T patent/DK2583121T3/en active
- 2011-06-15 MX MX2012014727A patent/MX2012014727A/es active IP Right Grant
- 2011-06-15 EP EP11738981.7A patent/EP2583121B1/en active Active
- 2011-06-15 CA CA2801804A patent/CA2801804C/en active Active
- 2011-06-15 MY MYPI2012701158A patent/MY164433A/en unknown
- 2011-06-15 CN CN201180029441.9A patent/CN103003718B/zh not_active Expired - Fee Related
- 2011-06-15 AU AU2011267039A patent/AU2011267039B2/en not_active Ceased
- 2011-06-15 JP JP2013514709A patent/JP5797262B2/ja active Active
- 2011-06-15 PL PL11738981T patent/PL2583121T3/pl unknown
- 2011-06-15 EA EA201291174A patent/EA030299B1/ru not_active IP Right Cessation
-
2012
- 2012-11-13 US US13/675,691 patent/US9031821B2/en active Active
- 2012-12-14 CO CO12227056A patent/CO6640278A2/es not_active Application Discontinuation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1912655A (zh) * | 2005-08-10 | 2007-02-14 | 大庆油田有限责任公司 | 一种沉积相控制预测砂岩油藏储层属性的方法 |
CN101661514A (zh) * | 2008-05-21 | 2010-03-03 | 中国石化股份胜利油田分公司地质科学研究院 | 一种油藏黑油模型数值模拟系统 |
CN101644783A (zh) * | 2009-07-27 | 2010-02-10 | 中国石化集团胜利石油管理局 | 一种基于条件递推的油藏描述的方法 |
Non-Patent Citations (2)
Title |
---|
H. Jian,etc.Novel Approach To Predict Potentiality of Enhanced Oil Recovery.《SPE 99261》.2006,第1~8页. * |
Jian Hou,etc.Integrating genetic algorithm and support vector machine for polymer flooding production performance prediction.《Journal of Petroleum Science and Engineering》.2009,第33页第1栏第2段-第2栏第3段,第34页第3.1.1节,第36页第1栏第3段,第2栏、表2. * |
Also Published As
Publication number | Publication date |
---|---|
CA2801804A1 (en) | 2011-12-22 |
US9031821B2 (en) | 2015-05-12 |
EA030299B1 (ru) | 2018-07-31 |
WO2011157764A2 (en) | 2011-12-22 |
US20130073269A1 (en) | 2013-03-21 |
JP5797262B2 (ja) | 2015-10-21 |
BR112012032159B1 (pt) | 2020-11-17 |
MY164433A (en) | 2017-12-15 |
PL2583121T3 (pl) | 2015-06-30 |
US8412501B2 (en) | 2013-04-02 |
CO6640278A2 (es) | 2013-03-22 |
EA201291174A1 (ru) | 2013-06-28 |
WO2011157764A4 (en) | 2012-03-29 |
ES2532766T3 (es) | 2015-03-31 |
AU2011267039B2 (en) | 2014-05-22 |
CN103003718A (zh) | 2013-03-27 |
DK2583121T3 (en) | 2015-04-07 |
US20110313744A1 (en) | 2011-12-22 |
EP2583121B1 (en) | 2015-01-21 |
WO2011157764A3 (en) | 2012-02-09 |
JP2013534002A (ja) | 2013-08-29 |
BR112012032159A2 (pt) | 2016-11-16 |
EP2583121A2 (en) | 2013-04-24 |
CA2801804C (en) | 2019-02-12 |
MX2012014727A (es) | 2013-05-30 |
AU2011267039A1 (en) | 2013-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103003718B (zh) | 用于模拟成熟油气田的产量模拟器 | |
US20110011595A1 (en) | Modeling of Hydrocarbon Reservoirs Using Design of Experiments Methods | |
Wang et al. | Streamline approach for history matching production data | |
Zhong et al. | A deep-learning-based approach for reservoir production forecast under uncertainty | |
CN101238465B (zh) | 与从地下岩层抽取碳氢化合物相关的井建模 | |
US20150226878A1 (en) | Space-time surrogate models of subterranean regions | |
Rivero et al. | Modeling CHOPS using a coupled flow-geomechanics simulator with nonequilibrium foamy-oil reactions: A multiwell history matching study | |
Wilson et al. | Computational optimization of shale resource development using reduced-physics surrogate models | |
Behmanesh | Rate-transient analysis of tight gas condensate and black oil wells exhibiting two-phase flow | |
Seales | Multiphase flow in highly fractured shale gas reservoirs: Review of fundamental concepts for numerical simulation | |
Xu et al. | Revisiting field estimates for carbon dioxide storage in depleted shale gas reservoirs: The role of geomechanics | |
Thiele et al. | Evolve: A linear workflow for quantifying reservoir uncertainty | |
Olalotiti-Lawal et al. | Post-combustion CO2 WAG pilot in a mature field: model calibration and optimization | |
Olalotiti-Lawal et al. | Model calibration and optimization of a post-combustion CO2 WAG pilot in a mature oil field | |
Hamdi et al. | A bayesian approach for optimizing the huff-n-puff gas injection performance in shale reservoirs under parametric uncertainty: A duvernay shale example | |
Wang et al. | Fast History Matching and Robust Optimization Using a Novel Physics-Based Data-Driven Flow Network Model: An Application to a Steamflood Sector Model | |
Khataniar et al. | Aspects of multiscale flow simulation with potential to enhance reservoir engineering practice | |
Hamdi et al. | A simple method for quantifying inter-well communication using production data from single-phase shale gas reservoirs | |
Choudhary et al. | Application of global optimization methods for history matching and probabilistic forecasting—case studies | |
Fan et al. | Determination of Three-Phase Relative Permeability in CHOPS Processes by Use of an Improved Iterative Ensemble Smoother | |
Igwe et al. | Technical implications of neglecting compositional grading effects in petroleum reservoir simulation models | |
Bui et al. | The Integration of Geomechanics and Reservoir Modeling for Hydraulic Fracturing and Well Spacing Optimization in the Third Bone Spring Sand of the Delaware Basin | |
Lefebvre et al. | Building a roadmap for enhanced oil recovery prefeasibility study | |
Subbey et al. | Quantifying uncertainty in flow functions derived from SCAL data: USS relative permeability and capillary pressure | |
Aslam et al. | Rapid Simulation and Optimization of Geological CO2 Sequestration Using Coarse Grid Network Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160803 |