CN103069306B - 借助经加速相平衡确定对巨型地表下储层的储层模拟 - Google Patents

借助经加速相平衡确定对巨型地表下储层的储层模拟 Download PDF

Info

Publication number
CN103069306B
CN103069306B CN201180038566.8A CN201180038566A CN103069306B CN 103069306 B CN103069306 B CN 103069306B CN 201180038566 A CN201180038566 A CN 201180038566A CN 103069306 B CN103069306 B CN 103069306B
Authority
CN
China
Prior art keywords
reservoir
phase
component
unit
fluid
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.)
Active
Application number
CN201180038566.8A
Other languages
English (en)
Other versions
CN103069306A (zh
Inventor
若热·A·皮塔
纳比勒·M·阿勒扎迈勒
阿里·H·多鲁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Saudi Arabian Oil Co
Original Assignee
Saudi Arabian Oil Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Saudi Arabian Oil Co filed Critical Saudi Arabian Oil Co
Publication of CN103069306A publication Critical patent/CN103069306A/zh
Application granted granted Critical
Publication of CN103069306B publication Critical patent/CN103069306B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V20/00—Geomodelling in general
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/34—Displaying seismic recordings or visualisation of seismic data or attributes
    • G01V1/345—Visualisation of seismic data or attributes, e.g. in 3D cubes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Engineering & Computer Science (AREA)
  • Geology (AREA)
  • Mining & Mineral Resources (AREA)
  • Environmental & Geological Engineering (AREA)
  • Fluid Mechanics (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

计算机系统分析来自被组织成若干个组分单元的巨型地表下烃类储层的数据并基于热力学相平衡的确定而使用状态方程式EOS建模来模拟所述储层中的条件。所述计算机系统采取包含计算机处理器单元(或CPU)及图形处理单元(或GPU)的异质(混合)计算机环境的形式。所述系统利用所述图形处理单元的计算加速能力，同时利用所述计算机处理单元来进行数据及存储器的执行控制、输入/输出。通过胜过现有方法不止一数量级的速度改进而减少处理时间要求。

Description

借助经加速相平衡确定对巨型地表下储层的储层模拟
技术领域
本发明涉及对地球中的烃类储层的计算机化模拟，且特定来说，涉及借助对此些储层的单元中的相平衡条件的确定来模拟及预报从所述储层的开采。
背景技术
就目前所知，业内对组成储层模拟器的早期开发限制于小到足以由所关注储层被组织成的相对少的单元(大约100,000个)表征的储层模型。此早期类型的模型针对小型到中型储层或井田提供足够数值分辨率。
对于已被称为巨型油气井田的储层，早期模型在数据内容及准确度上则变得太粗略。巨型储层是地球上各个位置处含有烃类及其它流体的那些庞大的地表下储层。在巨型储层中，可能存在数千个井及可能数百个井群，当考虑到井的总数时，全部数目可能有上万个井。对于巨型储层，在模拟与分析一段时间内的动态中，所涉及的庞大数据量成为一问题。
当在一段时间(例如，储层的以年计的预期开采期限)内若干日期中的每一者处模拟储层动态的结果时，由巨型储层的数据量导致的问题甚至更加如此。由于此情形，在一些实例中可能有足够的单元分辨率。然而，此需要以将巨型储层模型划分成单独扇区为代价的折衷。接着单独地处理不同的单独扇区各自的数据。
组成储层模拟也需要对储层中的流体的相平衡组成进行快速且准确的计算。典型的储层模拟是以在地层流体中存在若干种烃类组分(基于实验室流体表征，所述组分可大约为从8到17种)以及水为基础。
已越来越多地关注用于考虑到经增强油回收方法及CO2埋存的储层分析。为了使用于此目的的模拟结果准确，必须将无机组分(例如氮、CO2、硫化物)作为将由于这些过程而存在于储层中的储层流体与烃类及水包含在一起。因此，将无机组分包含到储层模拟过程中增加了储层烃类组分及水的已经很大的数目。
对储层中随着时间的流体组成及行为的模拟一直由针对以各种比例存在于储层单元中的多组分烃类中的每一者及水的状态方程式(或EOS)确定支配。如所提及，在所计划的储层开采期限内若干个间隔开的时间间隔处在储层模拟期间针对储层单元中的每一者做出EOS确定。取决于在所计划的储层开采期限内的压力改变等，还必须考虑到存在的烃类的相对百分比以及气相及液相或蒸汽相的相对量。
最近关注度增加的另一领域一直为用以监视开采油气井田的在线/交互式储层模拟(也称为I井田技术)的领域。与本申请案共同拥有的第2009/0276100号美国公开专利申请案即为此类型的实时储层管理的实例。为使此类型的在线/交互式模拟有意义且有效，重要地，储层模拟器以将保持跟上从储层实时获取井田测量数据的速率的速度产生准确的结果。
转让给本申请案的受让人的第7,526,418号美国专利提供一种用于处理巨型储层模型的某些方面的模拟器。如此一来，储层被组织成若干单元，所述单元被组织成具有数百万个单元的模型。虽然提供了处理时间的显著减少及较准确的数据分辨率，但此项技术中的最近需要已增加储层模拟中的数据处理速记及准确度要求。
现有技术中展示了在其它背景中为避免大量计算或处理计算机时间而已采取的其它简化及折衷措施的实例。美国专利7,548,840为通过减少将使用近似计算的变量(组分)的数目而节省计算机时间的努力的实例。
当并不既定应用于数百万(或数十亿)单元组成储层模拟时，则在许多情况中可能容忍缓慢的常规方法。举例来说，当仅涉及地表设施而不涉及储层时(如在混合流体流的开采分配系统中)，商用(基于CPU)过程模拟器通常已相当充分。美国专利7,373,285即为其中处理速度并非问题的此类应用的实例。
发明内容
简单地说，本发明提供一种在多个数据处理器的计算机系统中的计算机化模拟的新且改进的方法。所述数据处理器包含至少一个中央处理单元及至少一个图形处理单元以及输出显示器。所述计算机化模拟是针对巨型地表下储层的组分烃类流体中的油相及气相的组分组成变量进行的且经完成以从所述储层模拟动态及开采。将正模拟的巨型地表下储层分割成布置成经组织单元系统的若干个单元。所述模拟基于所述储层的所述单元的地质与流体表征信息。本发明的方法涉及在所述中央处理单元中接收所述单元及所述储层的地质与流体表征信息并将所述地质与流体表征信息传送到所述图形处理单元的计算机处理步骤。本发明的方法还包含在所述图形处理单元中处理所述地质与流体表征信息以确定所述储层的所述单元的组分流体中的流体相的所述组分组成变量的相。接着将所述组分组成变量的所述所确定的相从所述图形处理单元传送到所述中央处理单元。形成所述巨型地表下储层中的所要位置处所述单元的所述油相及气相的个别烃类物质的所述组分组成变量的输出显示以因此从所述巨型储层模拟动态及开采。
本发明还提供一种用于对地球中的储层的地下层状地层中的流体的状态改变进行计算机化模拟的新且改进的数据处理系统，所述数据处理系统包含：中央处理器，其在中央处理单元中接收单元及所述储层的地质与流体表征信息并将所述地质与流体表征信息传送到所述数据处理系统的图形处理单元。所述数据处理系统还包含图形处理器，所述图形处理器处理所述地质与流体表征信息以确定所述储层的所述单元的组分流体中的相的组分组成变量的相。所述图形处理器还将所述储层的所述单元的组分烃类流体中的所述油相及气相的所述组分组成变量的所述所确定的相传送到所述中央处理单元。所述数据处理系统中的存储器存储所述储层的所述单元的组分烃类流体中的所述油相及气相的所述组分组成变量的所述所确定的相。
本发明进一步提供一种其中存储有计算机可读媒体计算机可操作指令的新且改进的数据存储装置，所述计算机可读媒体计算机可操作指令用于使包括至少一个中央处理单元、至少一个图形处理单元及输出显示器的数据处理系统模拟地球中的地下层状地层中的流体的状态改变。存储于所述数据存储装置中的所述指令致使所述数据处理系统在所述中央处理单元中接收单元及储层的地质与流体表征信息且还将所述地质与流体表征信息传送到所述图形处理单元。所述指令致使在所述图形处理单元中处理所述地质与流体表征信息以确定所述储层的所述单元的组分流体中的相的组分组成变量的相。所述指令还致使将所述组分组成变量的所述所确定的相从所述图形处理单元传送到所述中央处理单元。所述指令还致使形成巨型地表下储层中的所要位置处所述单元的油相及气相的个别烃类物质的组分组成变量的输出显示。
附图说明
图1是组织成若干个单元的巨型地下烃类储层的组成模型的等轴视图。
图2是从图1的组成烃类储层模型放大的邻近单元群组的等轴视图。
图3是根据本发明的针对储层模拟组织的计算机系统的示意图。
图4是根据本发明的在地下储层的计算机化储层模拟期间在图3的计算机系统的计算机数据处理单元或CPU中执行的一组数据处理步骤的一部分的功能框图。
图5是根据本发明的在地下储层的计算机化储层模拟期间在图3的计算机系统的图形处理单元或CPU中执行的一组数据处理步骤的部分的功能框图。
图6是根据本发明的在地下储层的计算机化储层模拟期间在图3的计算机系统的计算机数据处理单元或CPU中执行的一组数据处理步骤的一部分的功能框图。
具体实施方式
在图式中，字母M标识地表下烃类储层的一部分的简化模型，针对所述地表下烃类储层，根据本发明基于针对储层的单元获得的地质与流体表征信息而在所估计开采期限内模拟基于操作条件及参数的开采结果。因此，所获得的结果为可用的且用于历史动态的模拟及从储层的开采的预报。基于此模拟的结果，接着形成组成模型(例如第7,526,418号美国专利中所描述及展示的那些模型)且其可用于评估及分析。第7,526,418号美国专利为本发明的受让人所拥有且以引用的方式并入本文中。
在预期储层开采期限内针对其模拟开采数据的类型的实例性储层(如模型M所图解说明)通常为此项技术中的人员称为巨型储层的储层。巨型储层在地球下面延伸的长度、宽度及深度可为数英里，且可(举例来说)具有大约三千亿立方英尺的体积或大小。
将模型M分割成适合尺寸的若干个单元C，图2中以从图1放大的形式及比例描绘所述单元中的数个邻近单元。在出于分析目的将储层的体积分割成有意义大小的若干单元时，在储层中的共同参考平面中(在储层中的所述位置处深度或厚度为15英尺或更小)，典型的单元各自沿着其横向尺寸为80英尺左右。在一些模型中，所述厚度可为半英尺。因此，图1的模型M表示由具有这些尺寸的一百万或更多个单元构成的储层。将了解，出于说明性目的，与模型M相比，图式中展示为形成模型M的单元C被显著放大。关于此类型及复杂度的模型的进一步信息阐述于先前所提及的以引用方式并入的第7,526,418号美国专利中。
在模型M的单元C中，存在流体压力以及组成流体的各种组分的摩尔Ni。目前，出于储层模拟目的，期望针对可能作为组分流体存在于单元C的组成流体中的具有摩尔Ni到Nn且包含Ni及Nn的多达8到17种(或更多)可能组分的烃类流体以及具有摩尔Nw的水分析储层开采数据。
在几何学上，出于参考及定位目的，模型M中的每一个别单元C位于x、y、z坐标系中的数值坐标位置I、J、K处，如图1中在坐标x＝I、y＝J及z＝K处所展示，且位置(I、J、K)处的单元C中的Nc种可能流体组分n中的每一者具有在液相中的可能摩尔分数xi及在气相中的可能摩尔分数yi。
组成储层模拟需要对储层中的流体的相平衡组成进行快速且准确的计算。最近对经增强油回收方法及CO2埋存的关注要求将这些及其它无机组分添加到模型中所包含的数目已经很大的烃类组分。
因此，可了解，模型M中的单元及组成流体的组分的数目大大超出了常规组成储层模拟器的正常处理能力且储层将被视为巨型的。因此，就目前所知，此大小的储层的模拟可能仅通过简化或假设进行，此将危害模拟结果的准确度，如上文也已描述。本申请案的受让人所拥有的第7,526,418号、第7,660,711号及第7,596,480号美国专利即为用以减少这些简化及假设中的一些的影响的方式的实例。这些专利中的一些(例如第7,526,418号及第7,660,711号美国专利)已使用状态方程式(EOS)处理技术。
一组完整的相平衡确定应不仅包含储层中的流体的相分(油对气体的比例)而且包含储层中的那两种相中的每一者中的每一烃类或非烃类组分的个别组成(摩尔分数)。使用状态方程式处理技术的热力学相平衡计算是组成储层模拟的本质组成部分。由于状态方程式是高度复杂且非线性的数学函数，因此迭代程序需要仔细地线性化这些方程式，从而对计算负担施加进一步的需求。
为加速这些确定而通常做出的简化假设中的一者一直是将储层条件视为等温的。具体来说，在确定储层流体条件时，未考虑到储层温度对流体的相条件的影响。然而，事实上，用于EOS确定的支配方程式组实际上是基于储层流体的两种相的热力学逸度的相等性。准确的EOS确定必须考虑到储层中的非等温条件的影响。此可通过在模拟过程中包含流体相的逸度的确定来实现。
在热力学中，流体的相的逸度的自然对数是流体的P-V-T(压力-体积-温度)性质的积分。因此，为准确模拟及评估而准确处理储层数据需要与P-V-T性质相关的状态方程式(EOS)。然而，逸度积分的分析积分法导致执行起来计算昂贵的复杂对数表达式。
申请人已确定追踪10种或更多种组分的“闪蒸”或逸度平衡可占总储层模拟时间的40％或更多。在油气工业中所使用的类型的组成储层模拟器中，典型的EOS计算(具有8到17种或更多组分)可占用总计算时间的40％或更多，此取决于流体中的烃类组分及存在于油中及/或作为经增强回收机制的一部分添加的无机组分(例如，CO2、N2及H2S)的数目。因此，获得指示包含温度的储层条件的准确模拟结果使模拟计算时间增加达一数量级或更多。此为已经冗长的计算机处理时间的实质性增加，从而增加可在任何给定时间内执行的储层研究且对其强加时间约束。
借助本发明，如图2中所示意性地展示，模型M的特定区域或细分区中邻近单元C的适合群组G由数据处理系统P分配给CPU12(图3)与GPU14群组(图3)的特定“节点”以供处理。因此，可并行使用多个计算“节点”(通常由一个或一个以上CPU及一个GPU构成)以便将储层细分成单独的计算任务，使得每一CPU-GPU节点或组合处理在储层的其特定经指派细分区中的数据。
以此方式，可通过将一个群组G的数万个(或甚至更多)单元指派给专用于那些单元的特定CPU-GPU组合以供计算处理来并行处理由数百万或数十亿个单元组成的储层模型。由于单元的热力学闪蒸计算仅取决于个别单元的组成、压力及温度性质，因此容易实现高度可缩放的并行度，因为针对计算处理任何单元都不取决于来自任何其它单元的处理结果。
现在考虑根据本发明的数据处理系统，如图3中所图解说明，提供用于对地球中的储层的模型的地下层状地层中的流体的状态改变进行计算机化模拟的数据处理系统P。数据处理系统P包含一个或一个以上中央处理单元或CPU12。CPU12具有与其相关联的用于储层单元地质与流体表征信息的储层存储器或数据库16以及用户接口18。用户接口18包含用于显示图形图像的图形显示器20、打印机或其它适合图像形成机构以及用以提供用户存取以操纵、存取处理结果、数据库记录及其它信息并提供其输出形式的用户输入装置22。
储层存储器或数据库16通常在外部数据存储计算机28的存储器26中。插入数据库16含有包含模型M中的单元的结构、位置及组织的数据以及关于井、处理设施的数据、包含所测量静态井底压力数据的时间相关井开采数据、包含所测量井口压力的时间相关注入井数据及注入速率数据、地质信息与流体表征信息以及供在储层模拟中使用的其它储层开采记录及参数，如下文将描述。
数据处理系统P的CPU计算机12包含处理器30及耦合到处理器30以存储操作指令、控制信息且视需要而用作存储或传送缓冲器的内部存储器32。数据处理系统P包含存储于一或若干CPU14的存储器32中的程序代码34。根据本发明，程序代码34呈计算机可操作指令的形式，其致使CPU12来回地传送数据以供GPU14处理以模拟地下地层中的流体的状态改变，如将阐述。
应注意，程序代码34可呈微代码、程序、例程或符号计算机可操作语言的形式，其提供控制数据处理系统P的运行且引导其操作的一组特定有序操作。程序代码34的指令可存储于存储器32中或计算机磁盘、磁带、常规硬盘驱动器、电子只读存储器、光学存储装置或其上存储有计算机可使用媒体的其它适当数据存储装置上。程序代码34还可作为计算机可读媒体含在数据存储装置上。
图形单元或GPU14为通用可编程图形处理单元，通常还称为GPGPU。GPU14经编程以使用EOS计算针对各种组分流体确定储层中的流体的相组成，如将阐述，针对流体中的烃类组分及存在于油中及/或作为经增强回收机制的一部分添加的无机组分(例如，CO2、N2及H2S)。
虽然本发明与所使用的特定计算机硬件无关，但本发明的一个实施例是基于四核心CPU及240核心NVidia GPU。CPU12呈AMD四核心Barcelona2.5GHz处理器的形式，且在此实施例中，GPU14是240核心NVidia Tesla S1070。然而，应理解，还可使用其它计算机硬件，如下文将阐述。
本发明利用双层方法以经由GPU14加速，此提供胜过较早方法不止一数量级的速度改进。本发明在包含CPU12及GPU14两者的异质(混合)计算机环境中实现储层模拟。因此，本发明提供用于使用状态方程式(EOS)建模进行热力学相平衡计算的基于计算机的系统。本发明经设计及实施以利用GPU(图形处理单元)14的计算加速能力。
在本发明中获得的使储层模拟过程的EOD处理序列加速一数量级或更多可具有在节省计算机时间、减少成本且还允许在给定时间约束内执行更多储层研究方面的实质性影响。本发明的另一重要应用是在用以监视开采油气井田的在线/交互式储层模拟(I井田技术)中。如将阐述，在一些实例中，处理时间已实现17倍的加速。在本发明中由GPU对计算的加速实现比先前可能实现的快得多的确定，使得储层模拟器可跟上井田测量的实时数据获取。
建模方法及数学基础
根据本发明的热力学相平衡计算采取图式的图4、5及6中所图解说明的以下组的处理步骤的形式。借助本发明，CPU负责读取数据、提供逻辑控制并分配局部存储器。此外，借助本发明，将繁重的计算负担转移给GPU。将信息从CPU传送到GPU需要低级C程序设计(例如，NVidia的CUDA-C)或高级FORTRAN-90程序设计(例如，CUDA-FORTRAN或加速指令，如在波特兰集团(Portland Group)的商用PGF90编译器中)。
在任一情况中，针对储层模型中的每个单元在三阶段过程中招致某一量的额外开销：(a)将数据(压力、温度及单元组成)从CPU传送到GPU，如图4中所指示；(b)在GPU中执行计算以确定相稳定性、相的分裂比及密度以及每组分个别相组成，如图5中所图解说明；及(c)将在GPU处理期间产生的计算结果传送回到CPU且从所述CPU传送到数据库，如图6中所展示。
假定涉及大量计算，结果已展示，与从在GPU上执行计算密集算法(阶段b)获得的显著性能增益(加速)相比，数据在CPU与GPU之间的双向传送(阶段a及c)的成本为相对小的。对于储层模拟中的数百万及数十亿单元要求，尤其如此。
在阶段a期间，如图4中所图解说明，在特定所关注时间处针对模型M从储层数据库存储器16读取数据，如在步骤100处所指示。接着分配CPU12中的内部存储器32，如在102处所指示，且在阶段104期间，根据上文所描述的数据分配或细分将储层数据传送到经指派GPU14。
由于状态方程式为高度复杂且非线性的数学函数，因此迭代程序需要仔细地线性化这些方程式，从而对计算负担施加进一步的需求。可将组成模拟器中的每一单元视为与炼油厂中的分裂器或分离器单元相当，其在给定压力及温度下以类似此炼厂单元的方式执行油的组分之间的闪蒸分离。因此，状态方程式分析需要迭代确定过程来收敛到每一组分的相之间的逸度的相等性。预期随着每一单元中的压力、温度及组成改变，组成模拟器例行且稳健地执行此些闪蒸计算(取决于模型中的单元的数目，甚至达数十亿次)。
在阶段b(图5)期间，在GPU的节点中执行的处理步骤具有三个类别。第一或初始处理步骤110涉及每一储层单元中的稳定性分析确定。求出表示混合物的吉布斯自由能的最小化的多组分方程式系统以如在步骤112处所指示确定在现有的压力及温度条件下组分混合物是以一种单相还是以多相存在。下文在标题为“稳定性分析”的章节中更详细地描述此处理。
第二类型的处理是针对单相储层单元的相识别的处理。在此处理期间，如果在第一处理的步骤112中确定了单相，那么在步骤114期间将所述相识别为液相或气相。下文在“相识别”章节中更详细地描述此处理。
在步骤116处指示GPU16中的第三类型的处理，其涉及针对两相储层单元的闪蒸计算。在此处理期间，将在第一或初始处理期间确定为存在有两种相的单元“闪蒸”成其液体及气体分裂馏分以确定每一相中的每一组分的个别组成(摩尔分数)。用于此确定的支配方程式组是两种相中的热力学逸度的相等性。这些方程式为高度线性的且针对混合物中的每一组分公式化一个此种方程式。在热力学中，逸度的自然对数是流体的P-V-T(压力-体积-温度)性质的积分，且因此，其评估需要与P-V-T性质相关的状态方程式(EOS)。
本发明使用两个通用的EOS：彭-罗宾逊(Peng-Robinson)及索阿维-雷德利希-邝(Soave-Redlich-Kwong)。逸度积分的分析积分法导致执行起来计算昂贵(且非常有利于GPU中的处理)的复杂对数表达式。下文在章节“EOS与性质确定”中更详细地描述状态方程式处理。下文在章节“针对两相单元的闪蒸计算”中描述闪蒸计算处理。当完成针对模型的单元的步骤处理时，将储层模拟结果传送到CPU12，如在步骤118处所指示。
在处理的阶段c(图6)期间，如在步骤120处所指示，在CPU12中接收来自GPU14的储层模拟结果以继续模拟，且接着将其传送到储层数据库16，如步骤122所指示。如在步骤124处所指示将时间间隔递增到下一所关注时间，且处理控制再次转移到步骤100以接收另一组数据。如在步骤128处所指示，可借助显示器20在适当时间处形成所关注数据的输出显示。
在每一单元处针对模拟器的每一非线性迭代且在每一时间步长处执行图5中所图解说明的处理步骤。考虑巨型储层的典型模型可具有5千亿个单元且针对50年模拟需要每时间步长平均4个非线性迭代及平均2000个时间步长，在GPU处理期间执行的相平衡计算的数目可容易达到数万亿。因此，模拟的此本质内核的加速对总体模拟周转时间具有戏剧性的影响。如较早所论述，稳定性分析处理涉及多个对数评估。类似地，步骤116的闪蒸计算处理具有多个超越函数评估。借助本发明执行的步骤110的处理有助于对GPU的非常有效的利用。
在本发明的算法中，在两个不同层级上利用借助本发明通过GPU提供的加速。在第一层级上，在GPU中求出多种组分的吉布斯自由能最小化及逸度方程式系统的迭代非线性解以获得加速。这些方程式的复杂数学形式从经加速的数值计算获益，因为其评估在典型的组成储层模拟期间可能执行数十亿次。
在第二层级上，使一组竞争回归方程式与之前的压力及组成计算拟合，且使用选定的选择以便依据针对新压力及组成的闪蒸计算预测结果，因此节省非线性迭代的花费。回归方程式采用当在GPU上执行时极其快速的超越函数及分数求幂，因此实现对通过非线性方程式的迭代解提供的加速水平的额外加速水平。
可并行使用多个计算“节点”(通常由一个或一个以上CPU及一个GPU构成)以便将储层细分成单独的计算任务，使得每一CPU-GPU组合处理在储层的其特定细分区中的数据。以此方式，可通过将数万(或甚至数百万)个单元指派给每一CPU-GPU组合来并行处理由数百万或数十亿个单元组成的储层模型。假定热力学闪蒸计算仅取决于每个单元处的组成、压力及温度性质，则自然地实现高度可缩放的并行度，因为任何单元都不取决于任何其它单元的结果。
应注意，此符号CPU-GPU过程与实施方案的并行度不同，但与其互补。由一个或一个以上多核心CPU及一个众核心GPU组成的每一计算机“节点”通过并行化的域分解(即，MPI实施方案)而仅处置指派给其的储层“块”。大量的这些节点并行操作，其中典型的计算“群集”由那些节点中的512个组成，每一节点由两个4核心CPU及一个240核心GPU组成。
当前，“多核心”CPU的标识正在每CPU4个与8个计算核心之间演变，且“众核心”GPU的标识正在每GPU240个与512个计算核心之间演变。
目前，CPU核心含有比GPU核心显著更多的存储器(约100×)及更高的时钟频率(约2×到3×)。有限的存储器强加对在CPU与GPU之间选择性地传送所需信息(上文所描述的阶段a及c)的需要。还应注意，相对于CPU，GPU核心的较慢时钟因GPU核心对CPU核心的大得多的数目(50×到100×)而得到更多补偿。
EOS及性质确定
假设多组分流体行为遵循热力学状态方程式(EOS)。所选的EOS对于液相及蒸汽相两者来说均应为准确的，因为其主要目的是在相平衡计算期间提供两种相的密度及逸度系数。本发明提供使用彭-罗宾逊或索阿维-雷德利希-邝(业内广泛已知的两个通用状态方程式)的选择。这些状态方程式的一般(或“典范”)形式为：
对于彭-罗宾逊，将b参数定义为：
b1＝bm；
对于索阿维-雷德利希-邝，将b参数定义为：
b1＝bm；b2＝bm；b3＝0
此外，使用以下所谓的“混合规则”来产生来自多组分混合物的EOS参数：
bm＝∑xibi
其中xi是每一相中的每一组分“i”的个别摩尔分数。δij
是可作为输入供应的“二元相互作用系数”(默认值为零)。
每一组分的“a”及“b”参数的个别值由下式给出：
对于彭-罗宾逊：
WB＝0.0778，WA＝0.45724
WF＝0.37464+1.54226ωi-0.26992ωi 2
对于索阿维-雷德利希-邝：
WB＝0.0866，WA＝0.4275
WF＝0.48+1.574ωi-0.176ωi 2
Tci、Pci及ωi为每一组分的临界温度、临界压力及偏心因子，这些必须作为输入数据供应。Tri仅仅为对比温度(Tri＝T/Tci)。
WA及WB参数在文献中通常为常数，但本发明允许将其指定为输入，因为在一些情况中可通过改变这些参数来实现较准确的流体表征。
为了计算平衡组成(在液相及蒸汽相两者中，倘若存在两种相的话)，必须求出非线性方程式系统，此强制针对每一组分在两种相中逸度系数乘以摩尔分数的乘积必须相同的热力学约束。此在热力学上等效于两种相的逸度的相等性。在数学标记法中：
F≡ln(φi Gyi)-ln(φi Lxi)＝0
应注意，每一烃类组分存在一个此种方程式，因此此表示Nc个非线性方程式的系统(其中Nc为组分的数目)。由于通常以对数形式给出逸度系数，因此通常使用自然对数。为了计算在此方程式中需要的逸度系数，必须根据热力学关系对EOS进行整合：
产生分析表达式：
对此，使用彭-罗宾逊：
或者，使用索阿维-雷德利希-邝：
α＝1；β＝0；γ＝1
从三次型EOS求出每一相的摩尔密度(或更确切地说，其倒数，摩尔体积)。遗憾地，在许多情形中，由此些双参数(a及b)状态方程式(如彭-罗宾逊及索阿维-雷德利希-邝)产生的体积往往高估气体体积且低估液体体积。此必须通过第三参数(c)校正，其称为“移位参数”：
V＝VEOS-c
或
V＝VEOS-∑Sibixi；
其中si是每组分的个别移位参数，所述参数可作为输入供应(默认值为零)。
当执行闪蒸计算时，需要逸度关于组成的偏导数。这些描述于下一章节中且由于其求导使用微积分链规则，因此其为计算起来可能在时间方面昂贵的复杂表达式。每一组分需要针对模型中的每一单元计算这些导数，此为GPU非常适合于多线程计算的理想情形。
状态方程式的导数
对于闪蒸计算处理，有必要获得某些导数。下文描述这些导数。
组分逸度关于压力的导数：
组分逸度关于摩尔分数的导数：
在导出以上表达式时，已使用以下两个结果：
压缩因子关于压力的导数：
其中，对于彭-罗宾逊：
B1＝bm-1
且，对于索阿维-雷德利希-邝：
B1＝-1B3＝-ambm
压缩因子关于摩尔分数的导数：
其中，对于彭-罗宾逊：
B1＝bm-1
且，对于索阿维-雷德利希-邝：
B1＝-1B3＝-ambm
稳定性分析
与组成闪蒸计算相关联的关键问题是不能提前知晓在平衡中相的数目。常规方法一直是假设以平衡存在的相的数目且估计平衡因子的初始值(K值)。重复此程序直到获得收敛为止。或者，可将平衡公式化为吉布斯自由能最小化问题。
两种方法在以下情况下均可能失败：迭代变量的初始估计太不准确且两者可需要实质量的计算，此对于其中通常必须在每个储层模型单元处执行闪蒸的组成储层模拟来说将为不实际的。
本发明代替地使用数值方法来决定一相是否为热力学稳定的。这些所谓的“稳定性测试”不需要以平衡存在的相的数目及平衡因子的由用户提供的初始估计。稳定性测试基于此项技术中称为“吉布斯切平面准则”的准则。
切平面准则
在温度及压力(T0，P0)下具有组分摩尔分数(z1、…、zM)的M组分混合物具有以下吉布斯能
其中是混合物中的组分i的化学位。
现在假设将此混合物划分成具有摩尔数N-ε及ε的2种相，第二相的量ε为无穷小的。设相II中的摩尔分数为(y1、…、yM)。吉布斯能的改变则为
ΔG＝GI+GII-G。＝G(N-ε)+G(ε)-G。
忽略ε的二阶项的GI的泰勒级数展开式得出：
或，等效地
原始混合物的稳定性要求其吉布斯能为全域最小值。因此，对于所有试验组成稳定性的必要条件为
在几何学上，是距组成处的摩尔吉布斯能面到组成处的能面的切超平面的垂直距离。稳定性要求切超平面绝不位于能面上方。
对于多相系统，平衡的必要条件是个别物质在所有相中具有相同的化学位。由于此位相等性，F的值并不取决于所研究的相，且因此，F的方程式也为稳定性的充分条件。
对于状态方程式计算，在计算逸度系数方面更为方便，此给出下式作为稳定性准则：
其中且
关于M-1个独立摩尔分数的简单微分得出稳定条件：
lnyi+lnφi-hi＝k(i＝1、2、...、M)
引入新的变量Yi＝exp(-k)yi产生：
lnYi+lnφi-hi＝0(i＝1、2、...、M)
借助本发明，通过作为迭代变量代换且接着线性化并应用牛顿-拉普森(Newton-Raphson)方法而获得计算更高效的形式。就这些而论，可将关系表达为：
其中
相识别
用以识别所遇到的单相(液体或气体)的性质的处理程序还称为“相标示步骤”，其使用来自状态方程式的先前所计算的数量。相识别处理准则为简单的。
如果这两个条件同时成立，那么热力学相为液体：
及
否则，热力学相为气体。
在以上方程式中，Zc为状态方程式的“临界压缩”(常数值0.307)。
针对两相单元的闪蒸计算
当稳定性分析处理指示一单元中存在两种相时，必须使用迭代技术求出确立热力学逸度的相等性的非线性方程式。牛顿-拉普森方法为求出此非线性逸度方程式系统的优选方法。
依据热力学逸度相等性，
F≡ln(φi Vyi)-ln(φi Lxi)＝0
待求出的方程式组为：
或者，就K值(Ki＝yi/xi)而论：
此方程式系统的雅克比矩阵由下式给出
且依据下式求出校正向量β(其中βi＝ΔlnKi)
Jβ＝-f
可将雅克比矩阵表示为矩阵方程式：
J＝BA-1
其中
使用在迭代期间获得的K值来依据拉福特-拉亥斯(Rachford-Rice)方程式计算q，即混合物的相分(即，气相中的摩尔除以总摩尔数的比)：
由此方程式产生的q值为在0与1之间的十进制分数(接近于0的值指示混合物大致全部为液体，而接近于1的值指示混合物大致全部为气体)。
一旦确定“q”的值，便依据下式使用进料组成(z)及K值来确定液相(x)及气相(y)两者的个别相组成：
yi＝Kixi
K值及蒸汽相分数的竞争回归曲线
如上文所提及，使一组竞争回归方程式与之前的压力及组成计算拟合，且使用选定的选择以便依据针对新压力及组成的闪蒸计算预测结果。下文阐述所述组回归方程式：
线性拟合：
Y＝a+bX
对数拟合：
lnY＝a+bX
幂拟合：
Y＝aXb
指数拟合：
Y＝a.ebX
有理拟合：
倒数拟合：
双倒数拟合：
二次对数拟合：
Y＝a+b.ln(X)+c.[ln(X)]2
三次对数拟合：
Y＝a+b.ln(X)+c.[ln(X)]2+d.[ln(X)]3
有理对数拟合：
有理缩放指数拟合：
缩放二次拟合：
缩放三次拟合：
指数倒数拟合：
倒数二次对数拟合：
双对数二次拟合：
ln(Y)＝a+b.ln(X)+c.[ln(X)]2
倒数二次倒数对数拟合：
倒数缩放二次拟合：
双对数倒数二次拟合：
对数缩放二次拟合：
对数逆缩放二次拟合：
多项式对数拟合：
Y＝a+b.[ln(X)]l+c.[ln(X)]m+d.[ln(X)]n
多项式缩放拟合：
倒数多项式对数拟合：
对数多项式对数拟合：
ln(Y)＝a+b.[ln(X)]l+c.[ln(X)]m+d.[ln(X)]n
在上文所给出的那些方程式当中选择最佳方程式需要对每一者执行最小二乘方拟合(回归步骤)以确定其统计相关系数。具有最高相关系数的曲线赢得竞争且在预测步骤中使用。在下文中描述这两个步骤：
回归步骤
有必要针对N个观测最小化数量“Y”的实际值与其所估计值“Ye”之间的误差，针对此，可将问题视为其差的二乘方的最小化(因此通常对所述方法赋予名称“最小二乘方”)：
最小化：
为了最小化S，必须计算S关于拟合参数中的每一者的一阶偏导数。由于所有这些一阶倒数必须为零以达到最小值，因此将其作为简单线性方程式系统同时求出。
借助以下实例性候选回归来图解说明所述解(l、m及n为预定义数，通常为1、2及3，但可使用其它整数或分数值)：
公式化S，且关于拟合参数a、b、c及d取导数，并使其等于零：
将四个未知量(a、b、c及d)的这四个线性方程式作为线性系统同时求出以获得最佳拟合参数：
预测步骤
在回归方程式中使用经拟合参数(a、b、c及d)的所获得值以获得所估计值ye。通过使用统计公式来获得相关系数“r”：
“r”的值在范围0到1内，其中1为所观测值与所估计值之间的完全相关且0意味着根本无相关。
统计回归在本发明中的应用
在已计算数个时间步长(典型的值为10或N＝10)之后，使以上25个候选方程式与由这N个观测组成的数据拟合。典型的情况是X表示单元块中的压力变量且Y表示(a)每一组分的K值或(b)“q”相分比。当仅拟合来自模拟的N个先前步骤的K对压力值时，依据较早给出的拉福特-拉亥斯方程式来计算“q”的值。不需要执行闪蒸逸度迭代计算，因为现在K值是从最佳拟合获得的。在其中单元块组成已在N个时间步长内显著改变的情况中，建议使K及相分比(“q”)两者拟合以获得最准确的相组成。
在本发明的背景中使用此方法的优点以如下事实为中心：GPU在这些回归计算方面的性能可为在CPU上的30倍快，而之前曾注意到，经由严格逸度方程式解直接计算闪蒸仅为在CPU上的约17倍快。然而，应注意，此较快方法并非对全解方案的替代，因为为了将N个在前时间步长产生到其中可应用回归的点需要全解。
储层模拟的重要性
本发明以准许GPU的更迅速计算的方式转移耗时的相平衡计算。结果展示当在GPU而非CPU上执行这些计算时会有不止一数量级的增益且使储层模拟移动而更接近于I井田及其它实时数据获取过程所需的交互水平(例如，正在储层中钻凿的井朝向其最优目标的地质导向)。
虽然本发明以两相热力学平衡(气体-液体平衡)的加速为中心，但到三相(油相-气相-水相)的扩展将利用相同架构且在GPU上甚至更有利地执行(假定有GPU可借助比CPU更多的计算核心处理的增加的数目的组分)。
借助本发明，因此调适较早相平衡状态方程式技术以利用GPU处理。由于其多组分性质及在储层模拟器中在数亿到数十亿个单元中的每一者内执行计算的需要，发现这些计算非常适合于众核心GPU的多线程性质。本发明的一个实施方案利用当前NVidia TeslaGPU的所有240个核心。因此，所述技术可自然地扩展以利用即将到来的NVidia Fermi GPU的所有512个核心。
性能比较
下表展示关于不同硬件配置GPU胜过CPU的加速优点(性能比)。
CPU GPU 加速
AMD Opteron2.33GHz NVIDIA Quadro FX5600 6.2
Intel Harpertown3GHz NVidia Tesla C1060 11.4
AMD Barcelona2.5GHz NVidia Tesla S1070 17.0
实际上，17∶1加速允许在CPU上执行500,000单元组成模型的闪蒸计算所需的时间量现在用于处理8,500,000单元组成模型。考虑在典型储层模拟期间涉及数十亿个这些计算，可潜在地将总模拟时间从数小时减少到仅几分钟。
针对回归曲线计算的性能比较
下表是针对具有9种组分的石油流体针对变化的储层模拟模型大小的计算速度的比较。使用上文所阐述的多项式缩放拟合回归曲线，因为其表示针对其它曲线在GPU与CPU之间获得的性能比。由于GPU的众核心架构，超越函数及求幂在GPU中非常高效且每当在数学模型中涉及这些类型的计算时就赋予其胜过CPU的直接优点。
然而，应注意，由于在将数据传送到GPU及还将结果从GPU传回时招致额外开销，因此储层模型中的单元块的数目很重要。换句话说，如果将非常少的单元馈送到众核心架构，那么相对于所招致的数据传送成本并未施加足够的计算负载。下表非常清晰地对其进行阐明。用于此数据的硬件是具有NVidia Tesla C1060GPU的Intel Harpertown3.2GHz CPU。
单元(百万) GPU/CPU性能比
4.8 33.3
102.4 32.9
51.2 31.5
25.6 25.0
12.8 20.0
6.4 15.1
3.2 7.3
1.6 5.7
0.8 2.4
0.4 1.71
0.2 0.82
0.1 0.46
应注意，针对200,000个单元及更小的模型，GPU实施方案实际上比CPU慢。
因此，本发明提供异质计算机硬件设计，从而利用GPU(图形处理单元)来加速浮点计算。CPU将执行这些经加速计算所需的信息传递到GPU，且在完成之后，GPU即刻将结果返回到CPU。
根据本发明，针对追踪“闪蒸”或逸度平衡的过程获得达一数量级或更大的加速。因此，本发明提供在节省计算机时间、减少成本且还允许在给定时间约束内执行更多储层研究方面的实质性影响。在本发明中由GPU对计算的加速实现比先前可能实现的快得多的计算，使得储层模拟器可跟上井田测量的实时数据获取，例如在上文所提及类型的在线/交互式储层模拟或I井田技术中。
本发明利用双层方法以经由GPU(图形处理单元)加速以提供速度改进。在第一层中，借助加速硬件(GPU)求出热力学平衡的常规非线性迭代以依据压力及混合物组成预测相组成(液体及气体)，从而产生超过10倍的加速。在第二层中，若干个回归方程式竞争以依据先前时间步长处的已计算的结果预测新相分比及组成。这些回归方程式在GPU上比在常规CPU中快得多，因为其涉及非常适合于GPU硬件加速的超越函数(对数及指数)以及分数求幂。
之前的方法将其自身限制于使用CPU的同质计算机硬件实施方案。虽然本发明仍使用CPU来进行输入/输出及流程控制，但计算密集的数据处理步骤由GPU处置，从而产生性能方面的实质性增益及计算机时间的减少。因此，本发明可每时间单位解决大得多的问题，或相反地针对给定问题大小实现快得多的周转。需要此速度使得伴随I井田监视中的在线数据获取的实时储层模拟可变得现实。
变量的术语
为便于参考及理解，下文阐述在表达在根据本发明的数据处理步骤与分析中所使用的各种参数与测量之间的物理关系的方程式中所使用的术语的列表：
Ai＝状态方程式(EOS)中的二元相互作用系数的混合规则
ai＝组分i的第一状态方程式(EOS)参数
am＝EOS中的“a”参数的混合规则
bi＝组分i的第二状态方程式(EOS)参数
bm＝EOS中的“b”参数的混合规则
b1、b2、b3＝典范状态方程式(EOS)参数
c＝EOS中的移位参数
G＝吉布斯自由能
K＝每一组分的K值(蒸汽相中的组分的摩尔分数/液相中的组分的摩尔分数)
Lm＝混合物中的液体的摩尔
ni＝混合物中的烃类组分“i”的摩尔
N＝针对最小二乘方统计回归的观测的数目
Nc＝混合物中的组分的数目
P＝储层压力
Pci＝组分i的临界压力
q＝相分比(蒸汽相中的摩尔/总摩尔)
r＝“拟合优度”的统计相关系数
R＝通用气体常数
si＝组分i的个别移位参数
S＝所测量值与所估计值之间的差的二乘方的和
T＝储层温度
Tci＝组分i的临界温度
Tri＝组分i的对比温度(Tri＝T/Tci)
ui＝混合物中组分“i”的化学位
V＝状态方程式中流体的体积
Vm＝混合物中的蒸汽的摩尔
WA＝状态方程式参数
WB＝状态方程式参数
xi＝液相中的组分i的摩尔分数(每一单元块中)
X＝曲线拟合回归的独立变量
X0＝曲线拟合回归的独立变量的任选缩放
yi＝气相中的组分i的摩尔分数(每一单元块中)
Y＝曲线拟合回归的所观测相关变量
Ye＝曲线拟合回归的所估计相关变量
zi＝混合物中的组分i的摩尔分数(每一单元块中)
Z＝流体压缩因子(＝PV/RT)
z＝储层深度
希腊变量：
δij＝任何两种组分i与j之间的二元相互作用系数
φi＝组分i的逸度系数
ωi＝组分i的偏心因子
ρj＝相j的摩尔密度(j可针对油为“o”、针对气体为“g”或针对水为“w”)
已充分描述本发明使得具有物质常识的人可再现并获得本文的发明中所提及的结果。不过，所属技术领域的技术人员可执行本文的请求中未描述的修改以将这些修改应用于所确定的结构，或在其制造过程中，需要所附权利要求书中的所主张标的物；此些结构应涵盖在本发明的范围内。
应注意且理解，可对上文详细描述的本发明做出改进及修改，此并不背离在所附权利要求书中所阐述的本发明的精神或范围。

Claims (7)

1.一种在多个数据处理器以及一输出显示器的计算机系统中进行计算机化模拟的方法，所述多个数据处理器包含至少一个中央处理单元及至少一个图形处理单元，所述计算机化模拟是针对地表下储层的组分烃类流体的油相及气相的个别烃类物质的组分组成变量进行的以从所述储层模拟动态及开采，所述地表下储层是通过分割成布置成经组织单元系统的若干个单元的模型模拟的，所述模拟进一步基于所述储层的所述若干个单元的地质与流体表征信息，所述进行计算机化模拟的方法包括以下计算机处理步骤：
(a)在所述中央处理单元中接收所述若干个单元及所述储层的地质与流体表征信息；
(b)从所述中央处理单元传送所述地质与流体表征信息，以用于进一步处理；
(c)在所述图形处理单元中处理所述所传送的地质与流体表征信息，以确定所述储层的所述若干个单元中的每一单元中的组分烃类流体的混合物；
(d)在所述图形处理单元中处理所述所传送的地质和流体表征信息，以确定所述储层的所述若干个单元中的每一单元的所述组分流体的流体相的所述组分组成变量的相；
(e)将所述储层的所述若干个单元中的每一单元所确定的所述组分组成变量的相从所述图形处理单元传送到所述中央处理单元；及
(f)形成所述储层中的所要位置处的所述储层的所述若干个单元所确定的所述组分组成变量的相的输出显示，以从所述储层模拟动态及开采。
2.根据权利要求1所述的方法，其中在所述图形处理单元中处理所述所传送的地质与流体表征信息以确定所述组分组成变量的相的步骤指示所述储层中的单元的组分流体的多相的存在。
3.根据权利要求2所述的方法，其进一步包含以下计算机处理步骤：
确定所指示的多流体相中的每一者的组分的摩尔分数。
4.根据权利要求2所述的方法，其进一步包含以下计算机处理步骤：
确定所指示的多流体相中的每一者的密度。
5.根据权利要求1所述的方法，其中在所述图形处理单元中处理所述所传送的地质与流体表征信息以确定所述组分组成变量的相的步骤指示所述储层中的单元的组分流体的单相的存在。
6.根据权利要求5所述的方法，其进一步包含以下计算机处理步骤：
确定所指示的单相的状态。
7.根据权利要求5所述的方法，其进一步包含以下计算机处理步骤：
确定所指示的单相的密度。
CN201180038566.8A 2010-06-30 2011-06-28 借助经加速相平衡确定对巨型地表下储层的储层模拟 Active CN103069306B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US12/827,477 US8359185B2 (en) 2010-06-30 2010-06-30 Reservoir simulation of giant subsurface reservoirs with accelerated phase equilibrium determination
US12/827,477 2010-06-30
PCT/US2011/042085 WO2012012126A2 (en) 2010-06-30 2011-06-28 Reservoir simulation of giant subsurface reservoirs with accelerated phase equilibrium determination

Publications (2)

Publication Number Publication Date
CN103069306A CN103069306A (zh) 2013-04-24
CN103069306B true CN103069306B (zh) 2017-05-17

Family

ID=44630360

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180038566.8A Active CN103069306B (zh) 2010-06-30 2011-06-28 借助经加速相平衡确定对巨型地表下储层的储层模拟

Country Status (5)

Country Link
US (1) US8359185B2 (zh)
EP (1) EP2588894B1 (zh)
CN (1) CN103069306B (zh)
BR (1) BR112013000022A2 (zh)
WO (1) WO2012012126A2 (zh)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3450679A1 (en) 2009-11-30 2019-03-06 Exxonmobil Upstream Research Company Adaptive newton's method for reservoir simulation
EP2564309A4 (en) 2010-04-30 2017-12-20 Exxonmobil Upstream Research Company Method and system for finite volume simulation of flow
BR112012032060A2 (pt) 2010-06-29 2016-11-08 Exxonmobil Upstream Res Co método e sistema para modelos de simulação paralela.
EP2599032A4 (en) 2010-07-29 2018-01-17 Exxonmobil Upstream Research Company Method and system for reservoir modeling
US9187984B2 (en) 2010-07-29 2015-11-17 Exxonmobil Upstream Research Company Methods and systems for machine-learning based simulation of flow
WO2012015515A1 (en) 2010-07-29 2012-02-02 Exxonmobil Upstream Research Company Methods and systems for machine-learning based simulation of flow
CA2807300C (en) 2010-09-20 2017-01-03 Exxonmobil Upstream Research Company Flexible and adaptive formulations for complex reservoir simulations
CA2814669A1 (en) 2010-11-23 2012-05-31 Exxonmobil Upstream Research Company Variable discretization method for flow simulation on complex geological models
US8994549B2 (en) * 2011-01-28 2015-03-31 Schlumberger Technology Corporation System and method of facilitating oilfield operations utilizing auditory information
US9284832B2 (en) * 2011-06-02 2016-03-15 Baker Hughes Incorporated Apparatus and method for determining inclination and orientation of a downhole tool using pressure measurements
WO2013039606A1 (en) * 2011-09-15 2013-03-21 Exxonmobil Upstream Research Company Optimized matrix and vector operations in instruction limited algorithms that perform eos calculations
WO2013148021A1 (en) 2012-03-28 2013-10-03 Exxonmobil Upstream Research Company Method for mutiphase flow upscaling
US8994739B2 (en) * 2012-07-10 2015-03-31 Landmark Graphics Corporation Systems and methods for reservoir simulation
EP2901363A4 (en) 2012-09-28 2016-06-01 Exxonmobil Upstream Res Co ERROR REMOVAL IN GEOLOGICAL MODELS
WO2014160793A2 (en) * 2013-03-27 2014-10-02 Halliburton Energy Services Inc. Surface gas correction by group contribution equilibrium model
US9995835B2 (en) * 2013-07-17 2018-06-12 Chevron U.S.A. Inc. System and method of implementing finite difference time domain models with multiple accelerated processing components (APCS)
US11118428B2 (en) 2013-12-04 2021-09-14 Schlumberger Technology Corporation Construction of digital representation of complex compositional fluids
US10634814B2 (en) * 2014-01-17 2020-04-28 Conocophillips Company Advanced parallel “many-core” framework for reservoir simulation
EP3175265A1 (en) 2014-07-30 2017-06-07 ExxonMobil Upstream Research Company Method for volumetric grid generation in a domain with heterogeneous material properties
CA2963092C (en) 2014-10-31 2021-07-06 Exxonmobil Upstream Research Company Methods to handle discontinuity in constructing design space for faulted subsurface model using moving least squares
EP3213126A1 (en) 2014-10-31 2017-09-06 Exxonmobil Upstream Research Company Handling domain discontinuity in a subsurface grid model with the help of grid optimization techniques
GB2553449B8 (en) * 2015-03-23 2021-08-11 Geoquest Systems Bv Extended isenthalpic and/or isothermal flash calculation for hydrocarbon componets that are soluble in oil, gas and water
GB2557493B (en) * 2015-09-17 2021-02-17 Landmark Graphics Corp Fluid flow network simulation methods and systems employing two-phase envelopes with interpolated values
US11126762B2 (en) 2018-02-28 2021-09-21 Saudi Arabian Oil Company Locating new hydrocarbon fields and predicting reservoir performance from hydrocarbon migration
US10822925B2 (en) 2018-04-26 2020-11-03 Saudi Arabian Oil Company Determining pressure distribution in heterogeneous rock formations for reservoir simulation
CN109920491A (zh) * 2019-04-13 2019-06-21 西南石油大学 一种基于prsv状态方程的甲烷在水中的溶解度计算方法
CN112581868B (zh) * 2020-12-09 2021-11-02 惠州市华星光电技术有限公司 柔性显示面板及其制备方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100504816C (zh) * 2006-08-24 2009-06-24 国际商业机器公司 使高速缓存线暂时无效和重新有效的方法和数据处理系统
CN101687738A (zh) * 2008-03-07 2010-03-31 阿科玛股份有限公司 R-1233在液体冷却器中的用途

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7526418B2 (en) 2004-08-12 2009-04-28 Saudi Arabian Oil Company Highly-parallel, implicit compositional reservoir simulator for multi-million-cell models
US7373285B2 (en) 2004-12-01 2008-05-13 Bp Corporation North America Inc. Application of phase behavior models in production allocation systems
US7596480B2 (en) 2005-04-14 2009-09-29 Saudi Arabian Oil Company Solution method and apparatus for large-scale simulation of layered formations
US7660711B2 (en) 2006-04-28 2010-02-09 Saudi Arabian Oil Company Automated event monitoring system for online reservoir simulation
US20070279429A1 (en) * 2006-06-02 2007-12-06 Leonhard Ganzer System and method for rendering graphics
US7548840B2 (en) 2006-06-06 2009-06-16 Chevron U.S.A. Inc. Efficient application of reduced variable transformation and conditional stability testing in reservoir simulation flash calculations
WO2008087505A2 (en) * 2007-01-20 2008-07-24 Spectraseis Ag Time reverse reservoir localization
US8078328B2 (en) 2008-05-03 2011-12-13 Saudi Arabian Oil Company System, program product, and related methods for performing automated real-time reservoir pressure estimation enabling optimized injection and production strategies
US8437962B2 (en) * 2009-11-25 2013-05-07 Halliburton Energy Services, Inc. Generating probabilistic information on subterranean fractures

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100504816C (zh) * 2006-08-24 2009-06-24 国际商业机器公司 使高速缓存线暂时无效和重新有效的方法和数据处理系统
CN101687738A (zh) * 2008-03-07 2010-03-31 阿科玛股份有限公司 R-1233在液体冷却器中的用途

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A Fully Implicit,Compositional, Parallel Simulator for IOR Processes in Fractured Reservoirs;REZA NAIMI-TAJDAR;《SOCIETY OF PETROLEUM ENGINEERS JOURNAL》;20070930;第12卷(第3期);全文 *
A Next-Generation Parallel Reservoir Simulator for Giant Reservoirs;ALT H. DOGRU等;《SOCIETY OF PETROLEUM ENGINEERS JOURNAL》;20090228;全文 *
Coupling Equation-of-State Composition and Surfactant Models in a Fully Implicit Parallel Reservoir Simulator Using the Equivalent-Alkane-Carbon-Number Concept;C.HAN, M.DELSHAD等;《SOCIETY OF PETROLEUM ENGINEERS JOURNAL》;20090630;第14卷(第2期);全文 *
GPU-accelerated simulation of flow through a porous medium;Asbjour Bydal;《University of Agder》;20090525;全文 *

Also Published As

Publication number Publication date
WO2012012126A2 (en) 2012-01-26
US20120004892A1 (en) 2012-01-05
WO2012012126A3 (en) 2012-10-18
EP2588894B1 (en) 2021-01-13
US8359185B2 (en) 2013-01-22
CN103069306A (zh) 2013-04-24
BR112013000022A2 (pt) 2016-05-24
EP2588894A2 (en) 2013-05-08

Similar Documents

Publication Publication Date Title
CN103069306B (zh) 借助经加速相平衡确定对巨型地表下储层的储层模拟
EP1792053B1 (en) A highly-parallel, implicit compositional reservoir simulator for multi-million-cell models
EP2673465B1 (en) Seismic-scale reservoir simulation of giant subsurface reservoirs using gpu-accelerated linear equation systems
US9372943B2 (en) Modeling dynamic systems by visualizing and narrowing a parameter space
US10198535B2 (en) Methods and systems for machine-learning based simulation of flow
US9552462B2 (en) Method for predicting composition of petroleum
Diehl et al. An adjoint-based SQP algorithm with quasi-Newton Jacobian updates for inequality constrained optimization
Bahmani et al. A kd-tree-accelerated hybrid data-driven/model-based approach for poroelasticity problems with multi-fidelity multi-physics data
De Miguel et al. Detailed examination of the calculation of the pressure in simulations of systems with discontinuous interactions from the mechanical and thermodynamic perspectives
Agosti et al. Learning patient‐specific parameters for a diffuse interface glioblastoma model from neuroimaging data
Tatar et al. Implementing radial basis function neural networks for prediction of saturation pressure of crude oils
Hazlett et al. Optimal well placement in heterogeneous reservoirs through semianalytic modeling
Yan et al. Reservoir Modeling and Optimization Based on Deep Learning with Application to Enhanced Geothermal Systems
Ali et al. The multiscale perturbation method for second order elliptic equations
Liu et al. Evaluation of upscaling approaches for the amellago carbonate outcrop model
Nordtvedt et al. Determination of three-phase relative permeabilities from displacement experiments
Agoshkov et al. Methods of variational data assimilation with application to problems of hydrothermodynamics of marine water areas
Steven A dimensional analysis of two phase flow through a horizontally installed Venturi flow meter
Naimi-Tajdar et al. A fully implicit, compositional, parallel simulator for IOR processes in fractured reservoirs
Gajdica et al. A new method of matching aquifer performance and determining original gas in place
Manasipov et al. Automated interpretation tool for synchronous history matching of multiple SCAL experiments with advance nurbs representations of relevant functions
Werneck et al. An OpenMP parallel implementation using a coprocessor for numerical simulation of oil reservoirs
Hashan et al. Modelling of fluid flow in a petroleum reservoir using an engineering approach
Algaba et al. Interfacial properties of square-well chains from molecular dynamics simulation
Werneck et al. An OpenMP parallel implementation for numerical simulation of gas reservoirs using Intel Xeon Phi coprocessor

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant