CN114072803A - 使用储层模拟验证岩石物理模型的系统和方法 - Google Patents
使用储层模拟验证岩石物理模型的系统和方法 Download PDFInfo
- Publication number
- CN114072803A CN114072803A CN202080048312.3A CN202080048312A CN114072803A CN 114072803 A CN114072803 A CN 114072803A CN 202080048312 A CN202080048312 A CN 202080048312A CN 114072803 A CN114072803 A CN 114072803A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- data
- single well
- simulation model
- model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 154
- 238000004088 simulation Methods 0.000 title claims abstract description 85
- 238000004519 manufacturing process Methods 0.000 claims description 34
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 31
- 230000035699 permeability Effects 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 17
- 229930195733 hydrocarbon Natural products 0.000 claims description 15
- 150000002430 hydrocarbons Chemical class 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 13
- 239000004215 Carbon black (E152) Substances 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 10
- 239000000203 mixture Substances 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 19
- 239000012530 fluid Substances 0.000 description 9
- 230000006399 behavior Effects 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000005755 formation reaction Methods 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 229910052500 inorganic mineral Inorganic materials 0.000 description 5
- 239000011707 mineral Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000003208 petroleum Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000008398 formation water Substances 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 238000002441 X-ray diffraction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000000634 powder X-ray diffraction Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V20/00—Geomodelling in general
-
- 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
-
- 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
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/66—Subsurface modeling
- G01V2210/665—Subsurface modeling using geostatistical modeling
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Navigation (AREA)
Abstract
本公开提供了用于选择岩石物理技术以对储层进行建模的系统和方法。使用两种技术(确定性技术和优化岩石物理学技术)来计算储层性质，并且开发了模拟模型。选择产生与储层数据更精确和一致地吻合的模拟模型的技术，以进一步开发储层模型。
Description
技术领域
本公开大体上涉及石油储层的建模，并且尤其涉及用于评估储层的计算机模拟模型的系统和方法。
背景技术
在结构上或地层学上将烃类圈闭(trap)在石油储层中的行为是复杂的过程。在岩石物理储层建模过程中考虑静态地质特性和动态流动特性。储层建模产生便于理解储层性能并有助于优化从储层采收烃类的烃分布和流动性质。储层建模还有助于评估应用于特定储层的不同操作条件和采收方法。
发明内容
这里提供了克服现有技术中关于验证储层模拟模型和选择适当的岩石物理技术来对储层性能建模的缺点的系统和方法。实施例包括选择适当的技术来构建单井储层模型的方法。一种这样的方法包括使用确定性技术处理与储层中的单井相关联的第一多个数据以生成表示单井的特性的第一模拟模型，以及使用优化岩石物理学技术处理与单井相关联的第二多个数据以生成表示单井的特性的第二模拟模型。该方法还包括将来自第一模拟模型的第一多个模拟特性和与单井相关联的测量历史数据进行比较，以及将来自第二模拟模型的第二多个模拟特性和与单井相关联的测量历史数据进行比较。该方法还包括响应于第一多个模拟特性与测量历史数据之间的差小于第二多个模拟特性与测量历史数据之间的差，选择确定性技术来构建单井储层模型，或者响应于第二多个模拟特性与测量历史数据之间的差小于第一多个模拟特性与测量历史数据之间的差，选择优化岩石物理学技术来构建单井储层模型。可以使用确定性技术来处理第一多个数据，以提供模拟的固有渗透率、有效孔隙度和有效水饱和度，从而生成第一模拟模型。第一模拟模型可以基于单井的分层建模，其中，每一层具有同质储层性质和0.5英尺的厚度。在一些实施例中，向第一模拟模型提供来自储层中的单井的一个或多个取心间隔上的岩心分析数据。可以使用优化岩石物理学技术来处理第二多个数据，以提供模拟的固有渗透率、有效孔隙度和有效水饱和度，以生成第二模拟模型。第二模拟模型可以基于单井的分层建模，其中，每一层具有同质储层性质和0.5英尺的厚度。在一些实施例中，向第二模拟模型提供来自储层中的单井的一个或多个取心间隔上的岩心分析数据。测量历史数据可以包括从储层中的单井获得的生产数据。生产数据可以包括与储层中的单井的油产量、气产量、水产量、气/油比、压力、温度和烃组分相关联的信息。
实施例包括选择适当技术来构建单井储层模型的系统。一种这样的系统包括处理器、通信地耦接到处理器的储层数据库、以及通信地耦接到处理器并且其中存储有指令的非暂时性计算机可读存储介质，所述指令在由处理器执行时使得处理器执行本公开中描述的方法。储层数据库被配置为存储与储层中的单井相关联的第一多个数据。一种这样的方法包括以下步骤：使用确定性技术处理与储层中的单井相关联的第二多个数据，以生成表示单井的特性的第一模拟模型。第二多个数据是与储层中的单井相关联的第一多个数据的子集。下一步骤包括使用优化岩石物理学技术来处理与单井相关联的第三多个数据，以生成表示单井的特性的第二模拟模型。第三多个数据是与储层中的单井相关联的第一多个数据的子集。下一步骤包括将来自第一模拟模型的第一多个模拟特性和与单井相关联的测量历史数据进行比较，以及将来自第二模拟模型的第二多个模拟特性和与单井相关联的测量历史数据进行比较。作为最后的步骤，响应于所述第一多个模拟特性与所述测量历史数据之间的差小于所述第二多个模拟特性与所述测量历史数据之间的差，选择所述确定性技术来构建单井储层模型；或者响应于第二多个模拟特性与测量历史数据之间的差小于第一多个模拟特征与测量历史数据之间的差，选择优化岩石物理学技术构建单井储层模型。
在某些实施例中，所述系统还包括通信地耦接到储层数据库的数据采集装置。数据获取装置可以是电缆测井工具。可以使用确定性技术来处理第二多个数据，以提供模拟的固有渗透率、有效孔隙度和有效水饱和度，从而生成第一模拟模型。在一个实施例中，向第一模拟模型提供来自储层中的单井的一个或多个取心间隔上的岩心分析数据。第一模拟模型可以基于单井的分层建模，其中，每一层具有同质储层性质和0.5英尺的厚度。可以使用优化岩石物理学技术来处理第三多个数据，以提供模拟的固有渗透率、有效孔隙度和有效水饱和度，以生成第二模拟模型。在一个实施例中，向第二模拟模型提供来自储层中的单井的一个或多个取心间隔上的岩心分析数据。第二模拟模型可以基于单井的分层建模，其中，每一层具有同质储层性质和0.5英尺的厚度。测量历史数据可以包括从储层中的单井获得的生产数据。生产数据可以包括与储层中的单井的油产量、气产量、水产量、气/油比、压力、温度和烃组成相关联的信息。
附图说明
专利或申请文件包含至少一个彩色附图。具有(多个)彩色附图的本专利或专利申请公开的副本在请求并支付必要费用后将由美国专利局提供。包含在本说明书并构成本说明书一部分的附图示出了所公开的主题的实施例，并且与以上对主题的一般描述和以下对实施例的详细描述一起用于解释任何数量的基本原理并提供任何数量的优点。
图1是示出根据实施例的储层建模系统的框图。
图2A和图2B分别是使用确定性方法和优化岩石物理学方法开发的两个模拟模型的示例，其中确定性方法利用确定性导出的输入。
具体实施方式
本公开描述了与对石油储层进行建模的计算机系统和计算机实现方法相关的各种实施例。在各种实施例中，通过使用确定性方法或优化岩石物理学方法来生成模型，并且然后对模型进行历史匹配。选择与预定标准更精确和一致地吻合(align)的模型以进一步开发储层模型。可以描述和公开更多的实施例。现在将参考附图中示出的示例性实施例，并且在此将使用特定的语言来描述这些示例性实施例。然而，将理解，不旨在由此限制本公开的范围。相关领域的技术人员和拥有本公开的人员将会想到的对在此所示的特征的改变和进一步修改，以及对在此所示的潜在实施例、组件和操作的基本原理的附加应用，都被认为是在本公开的范围内。
描述可以使用短语“在一些实施例中”、“在各种实施例中”、“在一个实施例中”或“在多个实施例中”，它们各自可以指代相同或不同实施例中的一个或多个。此外，如关于本公开的实施例所使用的术语“包括”(comprising，including)、“具有”等是同义的。
所公开和描述的各种实施例涉及对石油储层进行建模的计算机系统和计算机实现方法。可以在单井和多井规模上表征储层。通过组合各个井性能，可以使用这些方法来预测油田性能。在某些实施例中，所述系统和方法针对储层中的单井进行模拟。某些系统和方法涉及在精细尺度模型中对同质地层性质进行假设。在一个实施例中，计算机实现方法比较计算岩石物理性质的两种不同方法-确定性技术和优化岩石物理学技术-的结果。将来自这两种方法的结果与历史数据进行比较，并且使用和优化最匹配的一种方法。来自每种方法的主要数据集是固有渗透率、有效孔隙度和有效水饱和度。如果岩心数据(core data)可用，则使用岩心数据以更高的精度生成模拟模型。
某些实施例包括验证由不同技术生成的模拟模型并选择合适的技术来构建单井储层模型的系统和方法。开发鲁棒的储层模型是获得不同生产条件下储层性能的可靠预测并因此优化来自烃储层的输出的关键。储层被分成一系列互连区域，并且开发模型以理解和预测烃类的流动。在储层模型中的各个区域内采用了分层方法。在某些实施方案中，考虑可变厚度的层。在某些实施方案中，考虑恒定厚度的层。该方法的某些实施例包括根据储层的性质采用恒定厚度的层和可变厚度的层。该方法可以根据数据分辨率质量或储层的性质或两者，适应厚度变化的层。在某些实施例中，假定单井的多个垂直层中的每一个为同质(homogenous)储层性质。在一个实施例中，分层方法假定各垂直层的厚度在0.1英尺到1英尺的范围内。在一个实施例中，来自测井样品的数据在各0.5ft层处获得并被纳入模型中。这样做是为了匹配测井数据深度分辨率。与储层性质中的每一个相关联的数据是从各种源-地震数据、钻孔数据、电缆测井数据、辐射测量数据、井历史或岩心分析数据-获得的。在某些实施例中，提供给确定性技术或优化岩石物理学技术的数据可以包括诸如地质断层和断层性质的结构数据。虽然提供给两个模型的数据集是相同的，但是优化岩石物理学技术使得能够直接包括岩相数据、X射线粉末衍射和岩心数据。在某些实施例中，储层性质包括岩性、孔隙度、粘土体积、粒度、水饱和度和渗透性中的一个或多个。在某些实施例中，储层性质包括固有渗透率、有效孔隙度和有效水饱和度中的一种或多种。可以使用其他储层性质，例如矿物性质，如页岩含量和岩性、可移动烃类、相对渗透性、生产率、断裂强度和方向、孔体积或烃孔体积。在每种方法中可以考虑矿物学和流体性质和行为；然而，优化岩石物理学模型更有效地使用该数据。第一储层模型生成单井的第一组模拟性质。响应于从一个或多个储层数据源获取的数据，例如钻孔数据、电缆测井数据、辐射测量数据和井性能数据，使用确定性技术生成该第一储层模型。在某些实施例中，有效孔隙度、有效水饱和度和固有渗透率被提供为确定性数据集。在一个实施例中，利用一个或多个取心间隔上的岩心分析数据校准数据，以确定有效孔隙度，并且在将被模拟的整个区域上评估数据。在一个实施例中，根据岩心和流体样本确定阿尔奇水饱和度电参数和地层水电阻率，并且使用所述阿尔奇水饱和度电参数和地层水电阻率来生成模拟模型。还建立孔隙度渗透率关系并根据岩心数据对其进行校准。
第二储层模型生成单井的第二组模拟特性。响应于从一个或多个储层数据源获取的数据，例如钻孔数据、电缆测井数据、辐射测量数据和井性能数据，以及可选地对应于任何垂直层的任何可用岩心数据，使用优化岩石物理学技术生成该第二储层模型。在特定实施例中，优化岩石物理学技术仅利用来自测井分析的数据。在某些实施例中，优化岩石物理学模型基于使用来自岩心描述的矿物数据、储层流体性质和阿尔奇水饱和度电气参数。模型被校准以匹配可用的岩心数据，并提供有效孔隙度和水饱和度作为输出。还建立孔隙度渗透率关系并根据岩心数据对其进行校准。输出-有效孔隙度、有效水饱和度和固有渗透率-作为优化岩石物理学数据集被提供。
将来自单井的第一储层模型和第二储层模型的单井的模拟特性与关于单井的历史数据进行比较。根据哪种技术已经生成了与关于单井的历史数据最吻合的储层模型并且捕获高置信度预测储层行为所需的层次细节(level of detail)，选择确定性技术或优化岩石物理学技术用于储层模型的进一步开发。当模拟的模型与历史油田和井行为吻合时，历史匹配有助于验证模拟的储层模型。在一个实施例中，使用模拟性质集中的每一个来创建储层性能的综合历史(synthetic history)，并且在历史匹配过程中使用该综合历史。在一个实施例中，可以开发失配函数，该失配函数量化该组模拟性质与历史数据之间的失配。根据哪种方法产生较低失配函数，选择确定性技术或优化岩石物理学技术用于储层模型的进一步开发。在某些实施例中，使用其他标准(诸如基于相对于生产历史、生产率或井处压力特性的模拟性质的储层模型的精确度)，来评估第一组模拟性质和第二组模拟性质。
确定性技术是一种不包含随机分量的建模方法，其中每个分量或输入由分析员精确指定。例如，总孔隙度是根据密度交会图和中子交会图计算的。然后将该值输入有效孔隙率的方程中以说明页岩存在。并且，该输出结合深读取电阻率测量，以及关于地层水电阻率、胶结&饱和指数和曲折因子的伴随假设，被用于阿尔奇水饱和度方程(或另一合适的方程)。通过确定性方法来执行任何假设或测量中的误差，并且该误差保留在最终解中。由于该方法是数据驱动的，数据输入的质量确定了从确定性分析得到的模型。确定性技术的软件应用示例包括
(Emerson Paradigm Holding LLC提供的
地层评估软件的一部分，Emerson Paradigm Holding LLC位于美国德克萨斯州休斯顿Gessner路820号，邮编77024)。优化岩石物理学方法是一种建模方法，其优化存在于所测量的地层中的流体和矿物的体积，以便最小化预测测井工具输出与实际测量之间的差的误差。利用通过检查钻屑或从先验知识得到的地层的矿物组分的预知，优化岩石物理学方法通常收敛到与岩心测量相比更能代表实际孔隙度、流体和矿物体积的答案。另外，该方法允许集成所有岩石物理数据，诸如电缆测井、岩心分析、X射线衍射数据和岩相数据。这样的数据可以驻留在包含储层中的各种岩石物理性质和流体行为的信息的储层数据库中。用于优化岩石物理学技术的软件应用示例包括Multimin(Emerson ParadigmHolding LLC提供的
地层评估软件的一部分，Emerson ParadigmHolding LLC位于美国德克萨斯州休斯顿Gessner路820号，邮编77024)、MineralSolverTM(来自Lloyd’s Register的交互式岩石物理学(IPTM)产品的一部分，Lloyd’s Register位于英国伦敦芬彻奇街71号)和Quanti.ELANTM(斯伦贝谢TechLogTM软件)。
在某些实施例中，呈现了单井储层模拟模型，其在垂直气井沿排水区的精细尺度模型中假定同质地层性质。该模型用于比较使用储层岩石物理性质的历史匹配，该储层岩石物理性质使用两种方法计算，所述两种方法是确定性技术
和优化岩石物理学技术
在实施建立整个地质模型的方法之前，使用两种方法以选择要使用的最佳方法来确定岩石物理参数：孔隙度、渗透率和水饱和度。某些实施例涉及精确的流体组分数据的假设。在某些实施例中，使用标准的一组测井数据来执行确定性岩石物理技术，并且针对用于测试方法的井，该确定性岩石物理技术向模拟工程师提供输出：孔隙度、水饱和度和渗透率。在某些实施例中，使用标准的一组测井数据来执行优化岩石物理学技术，并且针对用于测试方法的井，该优化岩石物理学技术向模拟工程师提供输出：孔隙度、水饱和度和渗透率。
在此还提供了基于计算机的系统，以选择合适的技术来构建单井储层模型。一种这样的系统包括处理器和通信地耦接到处理器的储层数据库。储层数据库被配置为存储与储层中的单井相关联的数据。该数据库还可以存储与储层中的其它井相关联的数据以及关于储层整体的数据。该数据库还可以存储与该区域和世界其他地区中的其他类似储层相关联的数据。该系统还包括非暂时性计算机可读存储介质，其通信地耦接到处理器并且具有存储在其中的指令，当由处理器执行时，所述指令使处理器执行一系列步骤。所述步骤包括使用确定性技术处理与储层中的单井相关联的数据子集，以生成表示单井的特性的第一模拟模型。在某些实施例中，使用确定性技术处理该数据子集，以向第一模拟模型提供模拟的固有渗透率、有效孔隙度和有效水饱和度。该第一模拟模型可以提供有来自储层中的单井的一个或多个取心间隔上的岩心分析数据。该第一模拟模型可以基于单井的分层建模，其中，每一层具有同质储层性质并且具有0.5英尺的厚度。由处理器执行的步骤包括使用优化岩石物理学技术来处理与单井相关联的数据的子集，以生成表示单井的特性的第二模拟模型。在某些实施例中，使用优化岩石物理学技术处理该数据子集，以向第二模拟模型提供模拟的固有渗透率、有效孔隙度和有效水饱和度。该第二模拟模型可以提供有来自储层中的单井的一个或多个取心间隔上的岩心分析数据。该第二模拟模型可以基于单井的分层建模，其中，每一层具有同质储层性质并且具有0.5英尺的厚度。由处理器执行的步骤还包括将来自第一模拟模型的一组模拟特性和来自第二模拟模型的一组模拟特性与与单井相关联的测量历史数据进行比较。如果与来自所述第二模拟模型的一组模拟特性和所述测量历史数据之间的差相比，来自所述第一模拟模型的一组模拟特性和所述测量历史数据之间的差更小，则选择所述确定性技术来构建单井储层模型。如果与来自第二模拟模型的一组模拟特性与测量历史数据之间的差相比，来自第一模拟模型的一组模拟特性与测量历史数据之间的差更小，则选择优化岩石物理学技术来构建单井储层模型。在某些实施例中，诸如电缆测井工具的数据获取装置通信地耦接到储层数据库。测量历史数据包括从储层中的单井获得的生产数据。生产数据可以包括与储层中的单井的油产量、气产量、水产量、气/油比、压力、温度和烃组分相关联的一个或多个信息。
图1是示出了包括建模引擎102的示例性储层建模系统100的框图。本文公开的方法中的一个或多个可以由系统100中描述的一个或多个计算装置执行。储层建模系统100的不同组件中的每一个可以以任何类型的基于计算机的架构来实现，该基于计算机的架构包括适当的处理器控制、配置如图1和以下进一步描述的装置，该处理器控制的装置接收、处理和/或发送电子数据。在某些实施例中，建模引擎102可以实现为执行程序指令以执行在此描述的算术、逻辑和输入/输出操作的软件。可以使用包括一个处理器的单处理器系统或包括任何数量的合适处理器的多处理器系统来实现建模引擎102，可以采用所述处理器以提供并行和/或顺序执行本文描述的方法的一个或多个部分。在一些实施例中，建模引擎102可由服务器、一个或多个服务器计算机、客户端计算装置等执行。建模引擎102的合适实现方式的示例包括服务器、授权的客户端计算装置、智能电话、台式计算机、膝上型计算机、平板计算机，以及接收、处理和/或发送数字数据的其他类型的处理器控制的装置。在一个示例中，建模引擎102执行系统架构100的正确操作所需的某些操作。建模引擎102作为执行包含在计算机可读介质内(诸如存储器内)的软件指令的中央处理单元来执行这些操作。在一个实施例中，系统的软件指令从另一存储器位置(诸如从存储装置或经由通信接口从另一计算装置)读入到与建模引擎102相关联的存储器中。在该实施例中，包含在存储器内的软件指令指示建模引擎102执行本文描述的过程。可代替地，可以使用硬连线电路代替软件指令或与软件指令组合来实现本文所述的过程。因此，本文描述的实现方式不限于硬件电路和软件的任何特定组合。
在图1中，建模引擎102从包括但不限于储层数据库104的若干数据库接收数据。其它数据库可以包括公众可用数据库(例如，海湾成本日志库(Gulf Cost Log Library)和地质数据库)、商业数据库(例如，TGS的交互式数字库、HIS
和Divestco’s
)以及公司专用的专有数据库。在某些方面，储层数据库104和一个或多个其他数据库的组合可以是单个实体、一组嵌套数据库，或者可以是一组互连数据库。本文描述为存储在储层数据库104中的数据也可以存储或维持在非暂时性存储器中，并且在子例程、函数、模块、对象、程序产品或过程之间(例如根据此类子例程、函数、模块、对象、程序产品或过程的对象和/或变量)存取。非暂时性计算机可读介质包括所有计算机可读介质，唯一例外是暂时性传播信号。数据库可以是例如单个数据库、多个数据库或基于云的数据库，包括来自多个源(例如万维网上的服务器)的数据。
这些数据库中的每一个经由网络106通信地耦接到建模引擎102。网络106可以包括任何通信架构，包括装置和软件，其促进驻留在形成系统100的一个或多个计算装置中的发射器和接收器之间的通信。网络组件可以在专用处理装置中实现，或者可替代地在云处理网络中实现。网络106可以是内联网、局域网(LAN)、云网络、虚拟专用网(VPN)、无线区域网(WAN)和因特网，或使服务器和用户装置能够彼此交互的任何其它网络。包括网络106的装置的非限制性示例可以包括路由器、交换机、集线器、防火墙、代理服务器、电信中继线等。因此，网络106可以全部或部分地通过无线通信网络来实现。另外，根据各种示例性实施例，无线通信网络可以通过各种无线通信技术中的任何一种来实现，例如：码分复用接入、全球移动通信系统，以及诸如WiFi、微波接入全球互通或蓝牙的无线局域网。
在某些实施例中，建模引擎102处理对数据和分析的请求以及来自用户装置110的任何查询参数，并且将经处理的数据存储在储层数据库104处。例如，用户可以提供特定参数以用作模拟模型或历史匹配过程的一部分。处理后的数据可以包括用于生成模拟模型的数据和由模拟模型生成的数据。建模引擎102可以在用户装置110处生成图形用户界面以促进经由一个或多个计算网络106与系统100的交互。图形用户界面包括呈现在用户装置110上的一个或多个显示，其使得用户能够与建模引擎102或系统100中的其他装置、相关联的数据获取装置108和处理功能进行交互。
数据采集装置108是提供关于储层和烃类的定性和定量特性数据的一个或多个工具。数据采集装置108的示例包括测井工具、电感或电阻率装置、岩性密度装置、中子孔隙度装置、声学装置、测径装置、伽马射线装置、电磁成像装置、流体电容测井装置、多频测量装置、压力测试装置、温度测量装置、岩石和流体取样装置。
示例
描述了各种示例以说明使用储层模拟来验证岩石物理模型的系统和方法的各种实施例的所选方面。
示例1
在该示例中，采集了诸如气体速率和来自压力瞬态分析和生产测井工具的数据的井信息。还获得了来自用于地球物理线路测井的弹性分布式数据集(RDD)的日志ASCII标准(LAS)文件。生成的Excel表格具有静态属性，其用作GigaPOWERSTM的输入，GigaPOWERSTM是一种可从Saudi Aramco获得的专有储层模拟器软件。该方法假定每层的储层性质是同质的。多个垂直层具有每层0.5ft的厚度，这使得其成为非常精细的分辨率模型。模拟模型的主要输入是由两种岩石物理方法确定的固有渗透率、有效孔隙度和有效水饱和度。另外，如果存在岩心读数，则为了更精确，在取心间隔中使用它们代替两种方法。使用确定性技术和优化石油物理学技术生成两个模拟模型。然后，对这些模型经进行历史匹配，该历史匹配将模型与储层的历史数据进行比较。历史数据包括与油田和井特性以及烃行为相关联的信息，诸如压力和生产数据的质量和数量。生产数据选自与油产量、气产量、水产量、气/油比、压力、温度和储层中的烃组分相关的信息。其它信息可以包括由当前最佳实践规定的储层的历史数据。使用尽可能再现储层的历史行为的模拟模型来预测未来储层性能。
使用该方法对碳酸盐储层中的九个垂直井进行建模。对于九口井，从优化岩石物理学模型导出的储层性质与井的历史数据紧密匹配。例如，模拟的压力点在静态井底压力的50磅/平方英寸(psi)以内。估计的现场气体在使用物料平衡获得的现场气体的10％以内。另一方面，从确定性岩石物理模型导出的储层性质与九口井中的仅四口井的历史数据紧密匹配。从确定性方法和优化岩石物理学方法导出的模型在新钻的井中产生类似的结果。然而，对于较老的井，结果是不同的。这些模型是不同的，因为每个模型在输入数据集中包括不同程度的不确定性，这只能在(使用这种单井方法)动态数据验证之后确定。单井模型方法被证明是用于评估在大型综合储层研究中使用的测井分析的有价值的工具。这种方法提供了快速和可靠的单井模型。令人惊讶地，与从确定性岩石物理方法导出的模型相比，优化岩石物理学方法产生更一致和精确的模型。
鉴于本说明书，本公开的各个方面的进一步修改和替代实施例对于本领域技术人员将是显而易见的。因此，本说明书应被解释为仅是说明性的，并且是为了教导本领域技术人员实施这些实施例的一般方式。应当理解，这里示出和描述的实施例的形式将被认为是实施例的示例。这里示出和描述的元件和材料可以被代替，部件和过程可以颠倒或省略，并且实施例的某些特征可以独立地使用，所有这些对于本领域技术人员在受益于实施例的该描述之后将是显而易见的。在不背离所附权利要求中描述的实施例的精神和范围的情况下，可以对这里描述的元件进行改变。这里使用的标题仅用于组织目的，而不是用于限制说明书的范围。
将了解，本文描述的过程和方法是可根据所描述的技术采用的过程和方法的示例实施例。可以修改这些过程和方法以便于它们的实现方式和使用的变化。所提供的过程和方法以及操作的顺序可以改变，并且可以对各种元件进行添加、重新排序、组合、省略、修改等。过程和方法的各部分可以以软件、硬件或其组合来实现。过程和方法的各部分的一些或全部可以由这里描述的一个或多个处理器、模块或应用程序来实现。
如本申请通篇所使用的，词语“可以(may)”是在许可的意义上(例如，意味着具有可能性)而不是在强制的意义上(例如，意味着必须)使用的。词语“包括(include、including和includes)”意味着包括但不限于。如本申请通篇所使用的，单数形式“一(a、an、和the)”包括复数指代，除非内容另有明确说明。如本申请通篇所使用的，术语“来自(from)”不将关联操作限制为直接来自。因此，例如，接收“来自”实体的条目可以包括直接从实体或间接从实体(例如，通过中间实体)接收条目。除非另外特别说明，否则如从论述中显而易见，应了解，在整个本说明书论述中，利用例如“处理”、“计算”、“运算”、“确定”等术语指的是诸如专用计算机或类似专用电子处理/计算装置等专用设备的动作或过程。在本说明书的上下文中，专用计算机或类似专用电子处理/计算装置能够操纵或变换信号，该信号通常表示为专用计算机或类似专用电子处理/计算装置的存储器、寄存器或其他信息存储装置、传输装置或显示装置内的物理、电子或磁量。
Claims (20)
1.一种用于选择适当技术来构建单井储层模型的方法，所述方法包括以下步骤：
使用确定性技术处理与储层中的单井相关联的第一多个数据，以生成表示所述单井的特性的第一模拟模型；
使用优化岩石物理学技术处理与所述单井相关联的第二多个数据，以生成表示所述单井的特性的第二模拟模型；
将来自所述第一模拟模型的第一多个模拟特性和与所述单井相关联的测量历史数据进行比较；
将来自所述第二模拟模型的第二多个模拟特性和与所述单井相关联的所述测量历史数据进行比较；以及
响应于所述第一多个模拟特性与所述测量历史数据之间的差小于所述第二多个模拟特性与所述测量历史数据之间的差，选择所述确定性技术来构建单井储层模型；或
响应于所述第二多个模拟特性与所述测量历史数据之间的差小于所述第一多个模拟特性与所述测量历史数据之间的差，选择所述优化岩石物理学技术来构建单井储层模型。
2.根据前述权利要求中任一项所述的方法，其中，使用所述确定性技术来处理所述第一多个数据，以提供模拟的固有渗透率、有效孔隙度和有效水饱和度，从而生成所述第一模拟模型。
3.根据前述权利要求中任一项所述的方法，其中，所述第一模拟模型基于所述单井的分层建模，其中，每一层具有同质储层性质和0.5英尺的厚度。
4.根据前述权利要求中任一项所述的方法，其中，向所述第一模拟模型提供来自所述储层中的所述单井的一个或多个取心间隔上的岩心分析数据。
5.根据前述权利要求中任一项所述的方法，其中，使用所述优化岩石物理学技术处理所述第二多个数据，以提供模拟的固有渗透率、有效孔隙度和有效水饱和度，从而生成所述第二模拟模型。
6.根据前述权利要求中任一项所述的方法，其中，所述第二模拟模型基于所述单井的分层建模，其中，每一层具有同质储层性质和0.5英尺的厚度。
7.根据前述权利要求中任一项所述的方法，其中，向所述第二模拟模型提供来自所述储层中的所述单井的一个或多个取心间隔上的岩心分析数据。
8.根据前述权利要求中任一项所述的方法，其中，所述测量历史数据包括从所述储层中的所述单井获得的生产数据。
9.根据权利要求8所述的方法，其中，所述生产数据选自与所述储层中的所述单井的油产量、气产量、水产量、气/油比、压力、温度和烃组分相关联的信息。
10.一种用于选择适当技术来构建单井储层模型的系统，所述系统包括：
处理器；
储层数据库，其通信地耦接到所述处理器，所述储层数据库被配置成存储与储层中的单井相关联的第一多个数据；
非暂时性计算机可读存储介质，其通信地耦接到所述处理器并且具有存储在其中的指令，所述指令在由所述处理器执行时使所述处理器：
使用确定性技术处理与储层中的所述单井相关联的第二多个数据，以生成表示所述单井的特性的第一模拟模型，其中所述第二多个数据是与储层中的单井相关联的所述第一多个数据的子集；
使用优化岩石物理学技术处理与所述单井相关联的第三多个数据，以生成表示所述单井的特性的第二模拟模型，其中所述第三多个数据是与储层中的单井相关联的所述第一多个数据的子集；
将来自所述第一模拟模型的第一多个模拟特性和与所述单井相关联的测量历史数据进行比较；
将来自所述第二模拟模型的第二多个模拟特性和与所述单井相关联的所述测量历史数据进行比较；以及
响应于所述第一多个模拟特性与所述测量历史数据之间的差小于所述第二多个模拟特性与所述测量历史数据之间的差，选择所述确定性技术来构建单井储层模型；或
响应于所述第二多个模拟特性与所述测量历史数据之间的差小于所述第一多个模拟特性与所述测量历史数据之间的差，选择所述优化岩石物理学技术来构建单井储层模型。
11.根据权利要求10所述的系统，还包括通信地耦接到所述储层数据库的数据采集装置。
12.根据权利要求11所述的系统，其中，所述数据获取装置是电缆测井工具。
13.根据权利要求10至12中任一项所述的系统，其中，使用所述确定性技术来处理所述第二多个数据，以提供模拟的固有渗透率、有效孔隙度和有效水饱和度，从而生成所述第一模拟模型。
14.根据权利要求10至13中任一项所述的系统，其中，向所述第一模拟模型提供来自所述储层中的所述单井的一个或多个取心间隔上的岩心分析数据。
15.根据权利要求10至14中任一项所述的系统，其中，所述第一模拟模型基于所述单井的分层建模，其中，每一层具有同质储层性质和0.5英尺的厚度。
16.根据权利要求10至15中任一项所述的系统，其中，使用所述优化岩石物理学技术处理所述第三多个数据，以提供模拟的固有渗透率、有效孔隙度和有效水饱和度，从而生成所述第二模拟模型。
17.根据权利要求10至16中任一项所述的系统，其中，向所述第二模拟模型提供来自所述储层中的所述单井的一个或多个取心间隔上的岩心分析数据。
18.根据权利要求10至17中任一项所述的系统，其中，所述第二模拟模型基于所述单井的分层建模，其中，每一层具有同质储层性质和0.5英尺的厚度。
19.根据权利要求10至18中任一项所述的系统，其中，所述测量历史数据包括从所述储层中的所述单井获得的生产数据。
20.根据权利要求19所述的系统，其中，所述生产数据选自与所述储层中的所述单井的油产量、气产量、水产量、气/油比、压力、温度和烃组分相关联的信息。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/460,801 | 2019-07-02 | ||
| US16/460,801 US11340381B2 (en) | 2019-07-02 | 2019-07-02 | Systems and methods to validate petrophysical models using reservoir simulations |
| PCT/US2020/040747 WO2021003426A1 (en) | 2019-07-02 | 2020-07-02 | Systems and methods to validate petrophysical models using reservoir simulations |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114072803A true CN114072803A (zh) | 2022-02-18 |
Family
ID=71784707
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080048312.3A Pending CN114072803A (zh) | 2019-07-02 | 2020-07-02 | 使用储层模拟验证岩石物理模型的系统和方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US11340381B2 (zh) |
| EP (1) | EP3994503A1 (zh) |
| CN (1) | CN114072803A (zh) |
| WO (1) | WO2021003426A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US12020192B2 (en) * | 2021-09-24 | 2024-06-25 | Saudi Arabian Oil Company | Estimating well downtime factor in field modeling |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7512543B2 (en) | 2002-05-29 | 2009-03-31 | Schlumberger Technology Corporation | Tools for decision-making in reservoir risk management |
| CN102246060B (zh) | 2008-12-16 | 2014-07-30 | 埃克森美孚上游研究公司 | 用于优化油气层开发和管理的系统和方法 |
| US20110022368A1 (en) | 2009-07-21 | 2011-01-27 | Chevron U.S.A. Inc. | System and method for well performance optimization |
| US8902711B2 (en) * | 2009-11-11 | 2014-12-02 | Chevron U.S.A. Inc. | System and method for analyzing and transforming geophysical and petrophysical data |
| US9982521B2 (en) * | 2011-05-18 | 2018-05-29 | Bp Exploration Operating Company Limited | Method for injecting low salinity water |
| US10989835B2 (en) | 2013-01-25 | 2021-04-27 | Schlumberger Technology Corporation | Methods and systems for calculating and evaluating value of information for reservoir fluid models derived from DFA tool data |
| US20140214387A1 (en) | 2013-01-25 | 2014-07-31 | Schlumberger Technology Corporation | Constrained optimization for well placement planning |
| RU2016120202A (ru) | 2014-01-02 | 2018-02-07 | Лэндмарк Графикс Корпорейшн | Адаптация мультипористых моделей |
| US9864353B2 (en) | 2015-06-18 | 2018-01-09 | Schlumberger Technology Corporation | Flow balancing for a well |
| WO2017023309A1 (en) * | 2015-08-05 | 2017-02-09 | Halliburton Energy Services, Inc. | Time-lapsed seismic wavefield monitoring of downhole formations |
| US10191182B2 (en) | 2015-12-01 | 2019-01-29 | Saudi Arabian Oil Company | Accuracy of water break-through time prediction |
| US10510167B2 (en) * | 2018-01-11 | 2019-12-17 | Hitachi, Ltd. | Geological formation and log visualization |
-
2019
- 2019-07-02 US US16/460,801 patent/US11340381B2/en active Active
-
2020
- 2020-07-02 CN CN202080048312.3A patent/CN114072803A/zh active Pending
- 2020-07-02 WO PCT/US2020/040747 patent/WO2021003426A1/en active Application Filing
- 2020-07-02 EP EP20745426.5A patent/EP3994503A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021003426A8 (en) | 2021-02-11 |
| US11340381B2 (en) | 2022-05-24 |
| WO2021003426A1 (en) | 2021-01-07 |
| US20210003741A1 (en) | 2021-01-07 |
| EP3994503A1 (en) | 2022-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8515720B2 (en) | Determine field fractures using geomechanical forward modeling | |
| AU2013397958B2 (en) | A simulation-to-seismic workflow construed from core based rock typing and enhanced by rock replacement modeling | |
| US11269113B2 (en) | Modeling of oil and gas fields for appraisal and early development | |
| US20130046524A1 (en) | Method for modeling a reservoir basin | |
| US11126694B2 (en) | Automatic calibration for modeling a field | |
| US20160231461A1 (en) | Nuclear magnetic resonance (nmr) porosity integration in a probabilistic multi-log interpretation methodology | |
| Kamali et al. | 3D geostatistical modeling and uncertainty analysis in a carbonate reservoir, SW Iran | |
| Jamshidnezhad | Experimental design in petroleum reservoir studies | |
| AU2014357650A1 (en) | Tuning digital core analysis to laboratory results | |
| Szabó et al. | Exploratory factor analysis of wireline logs using a float-encoded genetic algorithm | |
| CN114072803A (zh) | 使用储层模拟验证岩石物理模型的系统和方法 | |
| Raghu et al. | Reservoir history matching using constrained ensemble Kalman filtering | |
| CA3040439C (en) | Petrophysical field evaluation using self-organized map | |
| Lomask et al. | A seismic to simulation unconventional workflow using automated fault-detection attributes | |
| Eltom et al. | Passageways for permeability: Geostatistical simulation of controls on the connectivity of vug-to-vug pore networks | |
| Garia et al. | Mapping petrophysical properties with seismic inversion constrained by laboratory based rock physics model | |
| US20240201417A1 (en) | System for building machine learning models to accelerate subsurface model calibration | |
| US20230280494A1 (en) | Proper layout of data in gpus for accelerating line solve pre-conditioner used in iterative linear solvers in reservoir simulation | |
| Katterbauer et al. | A Novel Well Log Data Quality Prescriptive Framework for Enhancing Well Log Data Quality Interpretation | |
| Zhang et al. | Development and validation of a novel interpretation algorithm for enhanced resolution of well logging signals | |
| US20230359793A1 (en) | Machine-learning calibration for petroleum system modeling | |
| Ma et al. | Introduction to Model Upscaling, Validation and History Match | |
| Friedel et al. | Optimum parameterization for saturation modeling in heterogeneous hydrocarbon reservoirs using well log inversion | |
| Grytsai et al. | A Novel Integrated Approach to 3D Modeling and History Matching of Gas Condensate Fields with Paucity of Geological and Production Data | |
| Al-Kandari et al. | Geosteering in Swept and Stacked Channel Reservoir-Integrated Approach Using Mathematical Reservoir Modeling Towards Completion Optimization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |