-
Die
vorliegende Erfindung bezieht sich allgemein auf das Management
von Öl-
oder Gasreservoirs, und insbesondere auf eine Methode für das Kontrollieren
der Entwicklung eines solchen Reservoirs.
-
Ein Öl- oder
Gasreservoir ist eine Zone in der Erde, welche eine oder mehrere
Quellen von Öl
oder Gas beinhaltet, oder welche verdächtigt wird, dieselben zu beinhalten.
Wenn ein solches Reservoir gefunden wird, werden normalerweise ein
oder mehrere Bohrlöcher
in die Erde gebohrt, um die Quelle(n) von Öl oder Gas für das Fördern derselben
an die Erdoberfläche
anzuzapfen.
-
Die
Kunst und Wissenschaft des Managements von Öl- oder Gasreservoirs hat sich
im Laufe der Jahre weiter entwickelt. Es werden verschiedene Techniken
dazu angewendet zu bestimmen, ob ausreichend Öl oder Gas in einem bestimmten
Reservoir vorhanden ist, um ein Bohrverfahren rechtzufertigen, und
wenn dies der Fall ist, wie ein solches Reservoir am besten entwickelt
werden kann, um das wirklich vorhandene Öl oder Gas zu fördern.
-
Eine
Technik besteht ganz einfach aus der Anwendung menschlicher Erfahrung.
Individuelle Personen haben auf den Bereichen des Studierens von
Daten, welche für
ein bestimmtes Reservoir aufgezeichnet werden, Fähigkeiten entwickelt, welche
dann für
das Treffen von Entscheidungen bezüglich des jeweiligen Reservoirs
und eine mögliche
Entwicklung desselben angewendet werden können.
-
Computermodelltechniken
werden seit einiger Zeit verwendet.
-
Ältere Typen
von Reservoirmodellen wurden auf lineare mathematische Analysen
und nur sehr wenige Eingabeparameter basiert (d. h. zwei oder drei
Parameter wie zum Beispiel Reservoirqualität, Standort, Behandlungsrate
usw.). Seit einiger Zeit werden auch neurale Netzmodelle von Reservoirs
angewendet. Das neurale Netzmodellieren ist sehr vorteilhaft, denn
es kann Korrelationen zwischen einer relativ grossen Anzahl von
Eingabeparametern und einem oder mehreren Ausgabeparametern entwickeln,
welche mit Hilfe der linearen mathematischen Techniken nur schwer
oder überhaupt
nicht aufgezeichnet werden können.
-
Neurale
Netztechniken werden für
das Vorhersagen der Produktion aus Gasvorratsreservoirs angewendet,
nachdem das Netz mit Hilfe von vorher gebohrten und behandelten
Bohrlöchern
vorbereitet wurde. Diese vorherige neurale Netzentwicklung verläßt sich
auf menschliche Experten, welche die neurale Topologie oder die
Korrelation zwischen Eingaben und Ausgaben entwerfen und die optimalen
Eingaben für
die Topologie auswählen.
Diese Methode fordert jedoch selbst wenn ein Experte vorhanden ist
einen sehr grossen fachlichen Aufwand an Versuchen und Fehlern,
bevor eine gewünschte
Topologie und korrespondierende optimale Eingaben gefunden werden
können.
Dies fordert einen grossen Zeit- und Kostenaufwand und muss normalerweise
für jedes
der verschiedertien Reservoire neu durchgeführt werden, wobei jedes Mal
ein sehr erfahrener menschlicher Experte erforderlich ist, bevor
nützliche
Resultate erzeugt werden können.
-
Das
Schriftwerk „Neural
Network: What it Can Do for Petroleum Engineers" (Shahab Mohaghegh Society of Petroleum
Engineers, Nr. 29219, 1995) diskutiert das Thema, wie neurale Netze
sich als Muster erkennende Hilfsmittel als besonders wertvoll erwiesen
haben. US-Anmeldung 5,251,286 offenbart eine Methode für das Bestimmen
der Durchlässigkeit
von Gesteinsformationen mit Hilfe von Bohrlochdrahtleitungslogs
und der Anwendung von neuralen Netzen. US-Anmeldung 5,444,619 offenbart
ein System und eine Methode für das
Vorhersagen von Ölreservoireigenschaften
für das
gesamte Reservoir mit Hilfe von Bohrlochdaten und seismischen Daten.
Diese Methode verwendet Artificial Neural Networks (ANNs – d. h.
künstliche
neurale Netze). „Predict
Permeability From Wireline Logs Using Networks" (Wiener J et al, Petroleum Engineer
International, Hart Publications, US, Vol. 68, Nr. 5, 1. Mai 1995)
beschreibt eine Studie, welche die Vorteile von neuralen Netzen
gegenüber
von statistischen Regressionstechniken während des Analysierens der
Formationsdurchlässigkeit
mit Hilfe von Bohrlochlogs illustriert. „Automatic Parameter Estimation
From Well Test Data Using Artificial Neural Network (S Athichanagorn
und R N Home, Society of Petroleum Engineers, Nr. 30556, 1995) beschreibt
eine robuste Methode für
das Erstellen einer Bohrlochtestinterpretierung, welche die sequenzielle
vorhersagende Wahrscheinlichkeitsmethode mit einer künstlichen
neuralen Netzmethode kombiniert.
-
Die
Fähigkeit,
ein Reservoir mit irgendwelchen Hilfsmitteln schneller und kostengünstiger
zu analysieren, wird mit der Zeit immer wichtiger. Unternehmen,
welche Geräte
und Dienstleistungen für
die Anwendung während
der Entwicklung von Öl-
und Gasreservoirs anbieten, basieren wichtige geschäftliche
Entscheidungen eher auf eine totale Reservoiranalyse als auf individuelle
Bohrlöcher,
wenn sie einen bestimmten Auftrag erledigen. Diese Entscheidungen
müssen
jedoch schnell getroffen werden, wenn sich solche Möglichkeiten bieten,
und es besteht daher ein Bedarf für eine verbesserte Methode
für das
Analysieren von Öl-
oder Gasreservoirs, und besonders für das Kontrollieren der darauffolgenden
Entwicklung von Reservoirs, welche für eine Produktion von Öl oder Gas
vorteilhaft erscheinen.
-
Die
vorliegende Erfindung reduziert oder mildert die oben aufgeführten und
andere Nachteile des aktuellen Standes der Technik, indem dieselbe
eine neuartige und verbesserte Methode für das Kontrollieren der Entwicklung
eines Öl-
oder Gasreservoirs bietet. Die vorliegende Erfindung verwendet eine
neurale Netztechnologie, sodass mehrere Eingabeparameter für das Bestimmen
einer bedeutungsvollen Korrelation mit einer gewünschten Ausgabe angewendet
werden können,
obwohl die vorliegende Erfindung dieses Verfahren ausserdem auch
automatisiert, um die Nachteile des aktuellen Standes der Technik
des Ausprobierens und Ausfalls der neuralen Netztechnik zu überwinden.
Insbesondere verwendet die vorliegende Erfindung genetische Algorithmen
für das
Definieren der neuralen Netztopologie und der korrespondierenden
optimalen Eingaben.
-
Vorteile,
welche mit Hilfe der vorliegenden Erfindung erzielt werden können, schliessen
die Fähigkeit, ein
Modell eines bestimmten Reservoirs schneller und kostengünstiger
als wie mit den weiter oben schon beschriebenen Techniken erstellen
zu können,
ein. Im Gegensatz zu einer einfachen Bestimmung einer maximal möglichen
Produktion, welche nicht immer kosteneffektiv erstellt werden kann,
kann die vorliegende Erfindung dazu angewendet werden, die Produktion
eines Öl-
oder Gasreservoirs für
jeden Dollar zu optimieren, welcher für das Stimulieren ausgegeben
wird. Durch das Optimieren der Produktion pro Stimulierungsdollar
erhält
der Kunden den grösstmöglichen
Profit für
seine Investition. Die vorliegende Erfindung kann ausserdem dazu
angewendet werden, zu entscheiden, ob die Entwicklung eines Reservoirs
verfolgt werden sollte (und daher auch ob ein Service-Unternehmen
zum Beispiel ein Angebot für
einen auf das Reservoir bezogenen Auftrag unterbreiten sollte).
Die vorliegende Erfindung ist ausserdem vorteilhaft für das Treffen
der Entscheidung, wieviele Bohrlöcher
wo in dem Reservoir gebohrt werden sollen, und unterstützt den
Entwurf von optimalen Systemen für
das Komplettieren oder Behandeln von Bohrlöchern (d. h. das Einbringen
von Kiesmaterial, Perforieren, Säuern,
Spalten usw.), und das Auswerten der Leistung.
-
Eine
Ausführungsform
der vorliegenden Erfindung kann als eine Methode für das Erstellen
eines Modells eines Öl-
oder Gasreservoirs auf einem digitalen Computer für die Anwendung
während
des Analysierens des Reservoirs definiert werden. Diese Methode
umfasst das Liefern einer Datenbank für eine Reihe von Bohrlöchern, welche
wirklich in dem Reservoir gebohrt wurden, an den Computer, wobei
dieselben die Parameter der physischen Eigenschaften derselben Bohrlöcher einschliessen;
das Liefern eines neuralen Netzes und eines genetischen Algorithmusanwendungsprogramms
an den Computer, für
das Definieren einer neuralen Netztopologie auf dem Computer in
Reaktion auf die Parameter der Datenbank; und das Initialisieren
des Computers, sodass das neurale Netz und die genetischen Algorithmen
innerhalb des Anwendungsprogramms automatisch die neurale Netztopologie
und die angewendeten Eingabedaten definieren, um die Technologie auf
diese Weise in Reaktion auf die Datenbank der Parameter der physischen
Eigenschaften der Bohrlöcher optimal
zu formen. Diese Methode kann weiter das Folgende umfassen: das Bestimmen
eines hypothetischen Satzes von Parametern der physischen Eigenschaften,
welche mit mindestens einigen der physischen Eigenschaftsparametern
der Datenbank korrespondieren; das Liefern der bestimmten hypothetischen
Parametersätze
an den Computer; das Errechnen eines Produktionsparameters, welcher
mit dem hypothetischen Parametersatz korreliert ist, auf dem Computer
mit Hilfe der definierten neuralen Netztopologie; und das Betreiben eines
Anzeigegerätes
in Reaktion auf die errechneten Produktionsparameter, sodass eine
Person, welche das Anzeigegerät
einsieht, eine mögliche
Produktion aus einem Bohrloch verfolgen kann, für welches der hypothetische
Parametersatz vor einer eigentlichen korrespondierenden Produktion
angewendet wird. Die Methode kann zusätzlich das Bohren eines wirklichen
Bohrloches in dem Reservoir in Reaktion auf die Anzeige einer möglichen
Produktion umfassen.
-
Sie
kann weiter das Folgende umfassen: das Bestimmen von zusätzlichen
Daten und das Liefern dieser zusätzlichen
Daten an die Datenbank des Computers, einschließlich des Messens und des Aufzeichnens der
wirklichen Parameter der physischen Eigenschaften des wirklichen
Bohrloches, welches in dem Reservoir gebohrt wurde; und das Initialisieren
des Computers, sodass das neurale Netz und das genetische Algorithmusanwendungsprogramm
automatisch auf dem Computer betrieben wird, um die neurale Netztopologie
in Reaktion auf die Datenbank von Parametern der physischen Eigenschaften
des Bohrloches neu zu definieren, wobei die Datenbank die zusätzlichen
Daten beinhaltet.
-
Eine
zweite Ausführungsform
der vorliegenden Erfindung kann als eine Methode für das Kontrollieren der
Entwicklung eines Öl-
oder Gasreservoirs definiert werden, welche die folgenden Stufen
umfasst:
- (a) das Auswählen eines Öl- oder Gasreservoirs, wobei
dasselbe Reservoir über
eine Reihe von Bohrlöchern
verfügt,
welche in demselben gebohrt wurden, und aus welchen Öl oder Gas
gefördert
wurde;
- (b) das Identifizieren von Bohrlochbohrparametern, welche mit
dem Bohren der Reihe von Bohrlöchern
assoziiert sind;
- (c) das Identifizieren von Bohrlochkomplettierungsparametern,
welche mit dem Komplettieren der Reihe von Bohrlöchern assoziiert sind;
- (d) das Identifizieren von Bohrlochstimulierungsparametern,
welche mit dem Stimulieren der Reihe von Bohrlöchern assoziiert sind;
- (e) das Identifizieren von Formationsparametern, welche mit
den Standorten innerhalb des Reservoirs assoziiert sind, an welchen
die Reihe von Bohrlöchern
gebohrt wurde;
- (f) das Identifizieren von Produktionsparametern, welche mit
der Produktion von Öl
oder Gas aus der Reihe von Bohrlöchern
assoziiert sind;
- (g) das Auswählen
von mindestens einem Bohrparameter, mindestens einem Komplettierungsparameter, mindestens
einem Stimulierungsparameter, mindestens einem Formationsparameter,
und mindestens einem Produktionsparameter aus den identifizierten
Bohrlochbohrparametern, Bohrlochkomplettierungsparametern, Bohrlochstimulierungsparametern,
Formationsparametern, und Produktionsparametern;
- (h) das Umwandeln der ausgewählten
Parameter in codierte digitale Signale für einen Computer;
- (i) das Definieren einer neuralen Netztopologie auf dem Computer,
welche ein Verhältnis
zwischen den ausgewählten
Bohr-, Komplettierungs-, Stimulierungs-, und Formationsparametern
repräsentiert,
und mindestens eines ausgewählten
Produktionsparameters in Reaktion auf die codierten digitalen Signale,
einschließlich
des Manipulierens der codierten digitalen Signale auf dem Computer
mit Hilfe von genetischen Algorithmen, für das Definieren der neuralen
Netztopologie;
- (j) das Liefern einer ersten Gruppe von zusätzlichen codierten digitalen
Signalen, welche beabsichtigte Bohr-, Komplettierungs-, Stimulierungs-
und Formationsparameter des gleichen Typs wie die ausgewählten Bohr-,
Komplettierungs-, Stimulierungs- und Formationsparameter repräsentieren,
in Form einer Eingabe in die definierte neurale Netztopologie an
den Computer, und das Erstellen einer Ausgabe mit Hilfe der definierten
neuralen Netztopologie in Reaktion;
- (k) das Wiederholen der Stufe (j) mit Hilfe von mindestens einer
zweiten Gruppe von zusätzlichen
codierten digitalen Signalen, welche andere beabsichtigte Bohr-,
Komplettierungs-, Stimulierungs- und Formationsparameter repräsentieren;
und
- (l) das Kontrollieren der weiteren Entwicklung des Öl- oder
Gasreservoirs in Reaktion auf mindestens eine der erstellten Ausgaben,
einschließlich
mindestens einer Stufe, welche aus einer Gruppe ausgewählt wird, welche
(1) das Bohren von mindestens einem neuen Bohrloch in dem Reservoir
in Reaktion auf die erstellte Ausgabe, und (2) das Behandeln von
mindestens einem Bohrloch in dem Reservoir in Reaktion auf die erstellte
Ausgabe beinhaltet.
-
Das
resultierende vorbereitete Netz kann dann als eine Anpassungsfunktion
für ein
weiteres genetisches Algorithmusprogramm angewendet werden, um ein
Optimieren der Eingabeparameter zu ermöglichen, welche geändert werden
können.
Diese veränderbaren
Parameter sind alle ausser der Reservoirparameter, da die Reservoirparameter
fest stehen, wenn das Bohrloch an einem spezifischen Standort gebohrt
wird. Die Reservoirparameter können
ausserdem mit Hilfe des neuralen Netzes und der genetischen Algorithmen
optimiert werden, um auf diese Weise den Standort zu wählen, welcher
die Reservoirparameter einschliessen sollte, welche die letztendliche
Produktion optimieren sollen.
-
Es
wird aus dem Vorhergehenden deshalb klar, dass die allgemeine Aufgabe
der vorliegenden Erfindung daraus besteht, eine neuartige und verbesserte
Methode für
das Kontrollieren der Entwicklung eines Öl- oder Gasreservoirs zu bieten.
Andere und weitere Aufgaben, Eigenschaften und Vorteile der vorliegenden
Erfindung werden einem Fachmann auf diesem Gebiet sofort erkennbar
werden, wenn die folgende Beschreibung der bevorzugten Ausführungsformen
unter Bezugnahme auf die beiliegenden Zeichnungen gelesen wird.
-
Kurze Beschreibung der
Zeichnungen
-
1 stellt ein Blockdiagramm
und eine bildliche Veranschaulichung dar, welche ein Öl- oder
Gasreservoir mit einer Reihe von Bohrlöchern repräsentiert, für welche die vorliegende Erfindung
angewendet wird.
-
2 stellt eine Kurve dar,
welche einen Vergleich zwischen der eigentlichen Produktion und
einer vorhergesagten Produktion für ein spezifisches Reservoir
zeigt, für
welches die vorliegende Erfindung angewendet wurde.
-
3 stellt eine Kurve dar,
welche eine Empfindlichkeitsanalyse zeigt, für welche verschiedene Parameter
für Bohrlöcher in
dem in 2 geoffenbarten
Reservoir variiert wurden. Diese variierten Basisparameter stammen
von den behandelten Bohrlöchern.
-
4 stellt eine Kurve dar,
welche die Empfindlichkeitsanalyse des in 2 geoffenbarten Reservoirs zeigt, wenn
alle Bohrlöcher
mit der gleichen Behandlungsmethode stimuliert werden. Diese Behandlungsparameter
sind verschieden. Die Formationsparameter wurden auch variiert,
um zu zeigen, welche Formationsparameter bei dieser bestimmten Anwendung
den grössten
Einfluß auf
die Produktion ausübten.
-
Detaillierte Beschreibung
der Erfindung
-
Mit
Hilfe der vorliegenden Erfindung ist es möglich, ein Öl- oder Gasreservoir zu analysieren
und zu bestimmen, ob dasselbe eine weitere Entwicklung wert ist,
und wenn dies der Fall sein sollte, wie es weiter entwickelt werden
sollte. Ein solches weiteres Management schließt das Bohren zusätzlicher
Bohrlöcher,
das Überarbeiten
existierender Bohrlöcher
in dem Reservoir, oder das Durchführen von neuen Behandlungs-
oder Stimulierungsverfahren ein. Spezifische Bohrinformation, welche
mit Hilfe der vorliegenden Erfindung abgeleitet werden kann, schließt ein wo
und wie gebohrt werden sollte, oder welche Art von Bohrverfahren
durchgeführt
werden sollte, sowohl wie Beispiele bestimmter Behandlungs- und
Stimulierungsverfahren, wobei dieselben gemäß der vorliegenden Erfindung
bestimmte Arten von Perforierungs-, Säure-, Spalt- oder Kiespackverfahren
einschliessen können.
So bietet die vorliegende Erfindung eine Methode für das Kontrollieren
der Entwicklung eines Öl-
oder Gasreservoirs. Insbesondere umfasst dieselbe eine computerimplementierte
Methode für
das Kontrollieren der Entwicklung eines Öl- oder Gasreservoirs, welche
es einer Person ermöglicht,
mit Hilfe des Betriebs des Computers eine simulierte Produktion
von Öl
oder Gas aus dem Reservoir zu beobachten, bevor ein wirkliches Bohrloch
in dem Reservoir gebohrt wird, um auf diese Weise zu versuchen,
wirkliche Produktionsinformation zu erhalten, welche mit der simulierten
Produktion korrespondiert. Als Teil dieses Verfahrens umfasst die
vorliegende Erfindung eine Methode für das Erstellen eines Modells
eines Öl-
oder Gasreservoirs auf einem digitalen Computer, für die Anwendung
während
der Analyse des Reservoirs.
-
Die
vorliegende Erfindung wird typischerweise für ein spezifisch ausgewähltes Reservoir
angewendet; bestimmte, für
ein Reservoir erstellte Resultate können sich jedoch auch zumindest
als ein Ausgangspunkt für die
Analyse eines anderen Reservoirs als nützlich erweisen, welches noch
nicht entwickelt worden ist, und für welches spezifische Datentypen
noch nicht erhältlich
sind. Wenn solche Daten dann erhältlich
sind, könnte
die Methode der vorliegenden Erfindung für das spezifische Reservoir
angewendet werden. Dementsprechend zeigt 1 die Methode mit Bezug auf ein Untergrundreservoir 2,
welches hier eine oder mehrere Ablagerungen von Öl oder Gas enthält. Das
Reservoir 2 befindet sich unter der Erdoberfläche 4,
durch welche eine Reihe von Bohrlöchern 6a–6n gebohrt
wurde. Ein jedes dieser Bohrlöcher 6 umfasst
eine herkömmliche
Bohrlochkammerausrüstung 8 an
der Erdoberfläche 4,
und ein jedes Bohrloch 6 umfasst eine Tieflochausrüstung 10, welche
den Erdboden penetriert und mit einer oder mehreren ölhaltigen
oder gashaltigen Formationen oder Zonen des Reservoirs 2 in
Kommunikation steht. Die Bohrlöcher 6 bestehen
aus existierenden, wirklichen Bohrlöchern, aus welchen Öl oder Gas
gefördert
worden ist.
-
1 zeigt, dass ein jedes
der Bohrlöcher 6 mit
Hilfe eines geeigneten Bohrverfahrens 12 gebohrt wurde.
Beispiele schliessen das Rotierkronenbohren mit flüssigen Bohrschlammen
und das Luftbohren ein. Einige Arten des Komplettierungsprozesses 13 (d.
h. Zementieren, Perforieren, usw.) wurden in jedem der Bohrlöcher schon
durchgeführt.
Zusätzlich
wurde in jedem der dargestellten Bohrlöcher schon eine Art von Stimulierungsverfahren 14 durchgeführt. Beispiele
schliessen das Stimulieren mit einer proppanthaltigen Flüssigkeit mit
einer aus einem linearen Gel, einem kreuzvernetzten Gel, einem Schaum,
oder einer anderen geeigneten Flüssigkeit
bestehenden Basisflüssigkeit
ein. Die Stimulierflüssigkeit
kann auch aus einer Säure
oder einer anderen existierenden oder zukünftigen Stimulierflüssigkeit
oder einem Prozess bestehen, welcher für das Fördern der Produktion aus einem
Bohrloch entworfen wurde. Als ein Resultat der vorhergehenden Maßnahmen wurde
eine Produktion 16 aus den jeweiligen Bohrlöchern erzielt.
Mit einem jeden Bohrverfahren 13, jeder Komplettierung 13,
Stimulierung 14 und Produktion 16 sind Bohrparameter 18,
Komplettierungsparameter 19, Stimulierungsparameter 20,
und Produktionsparameter 22 assoziiert. Zusätzlich zu
den Parametern 18, 19, 20, 22 existieren
Formationsparameter 24, welche Eigenschaften definieren,
die sich auf den Untergrunderdboden, die Struktur, und das Reservoir 2 beziehen.
Im allgemeinen bestehen diese aus Bohrlochimplementierungsparametern
(welche die Parameter 18, 19, 20 und 24 der
bevorzugten Ausführungsform
einschliessen) und Bohrlochproduktionsparametern (Parameter 22 für den oben
aufgeführten
Fall). Die spezifischen Werte der Produktionsparameter für ein bestimmtes
Bohrloch sind zu einem bestimmten Grad das Resultat der spezifischen
Werte oder Implementierungen der Bohrlochimplementierungsparameter,
und es ist das Bestimmen dieses Verhältnisses, welches einen Gesichtspunkt
der vorliegenden Erfindung repräsentiert.
-
Beispiele
von Bohrparametern 18, welche sich auf die vorliegenden
Erfindung beziehen, schliessen die folgenden ein, sind jedoch nicht
auf diese beschränkt:
die Art des Bohrverfahrens, die Bohrflüssigkeit, die Anzahl von Bohrtagen,
das Bohrunternehmen, die Jahreszeit, zu welcher das Bohrverfahren
begonnen und abgeschlossen wird, und den Tag und das Jahr, an welchen
das Bohrverfahren abgeschlossen wird. Diese Bohrparameter werden
mit Hilfe der Bohraufzeichnungen erstellt, welche für ein jedes
Bohrloch von dem Bohrlochbetriebsunternehmen aufgezeichnet werden.
-
Beispiele
von Komplettierungsparametern 19, welche sich auf die vorliegende
Erfindung beziehen, schliessen die folgenden ein, sind jedoch nicht
auf diese beschränkt:
die Anzahl von Perforierungen, die Grösse der Perforierungen, die
Orientierung der Perforierungen, die Anzahl von Perforierungen pro
Fuß (Meter}, die
Tiefe der Ober-und Unterkante der Perforierungen, die Grösse der
Verrohrung, und die Grösse
der Rohranordnung. Diese Parameter können mit Hilfe der Aufzeichnungen
des Betriebsunternehmens bezüglich
der Komplettierung des Bohrloches erstellt werden. In manchen Fällen kann
diese Information mit Hilfe von Bohrlochlogs bestätigt werden.
-
Beispiele
von Stimulierungsparametern 20, welche sich auf die vorliegende
Erfindung beziehen, schliessen die folgenden ein, sind jedoch nicht
auf diese beschränkt: die
Art der Basisflüssigkeit,
das Bauschvolumen, die Bauschrate, das Behandlungsvolumen, die Behandlungsrate,
der Proppanttyp, die Proppantgrösse,
das Proppantvolumen, die Proppantkonzentration, das Gasvolumen für Schaumflüssigkeiten,
die Schaumqualität,
den Gastyp, den Säuretyp
und dessen Konzentration, das Säurevolumen,
die durchschnittliche Säureinjektionsrate,
den Tag und das Jahr der Behandlung, und das Service-Unternehmen,
welches die Behandlung durchführt.
Mit Hilfe der oben aufgeführten
Parameter wird die folgende Information von dem Jobticket für die jeweilige
Behandlung durch das Betriebsunternehmen oder Service-Unternehmen
erstellt: der Basisflüssigkeitstyp,
der Proppanttyp, die Proppantgrösse,
der Gastyp, der Säuretyp
und dessen Konzentration, der Tag und das Jahr der Behandlung, und
das Service-Unternehmen, welche die Behandlung durchgeführt hat.
Die anderen der oben aufgeführten
Stimulierungsparameter werden mit Hilfe von Meßinstrumenten (Durchflußmeßgeräten, Dichtemessern,
usw.) erstellt, welche in den Fließleitungen positioniert sind
und die Information an den Computer übertragen, welcher die Information
während
des gesamten Jobs in Echtzeit aufzeichnet. Diese Werte werden dann
in der Form eines Jobberichtes oder eines Tickets von dem Service-Unternehmen an das
Betriebsunternehmen übergeben.
Diese Werte werden daraufhin von dem Jobbericht oder dem Ticket
abgelesen und manuell in eine Datenbank eingegeben, welche einschlägige Information
für das Behandeln
des Reservoirs enthält.
-
Beispiele
von Formationsparametern 24, welche sich auf die vorliegende
Erfindung beziehen, schliessen die folgenden ein, sind jedoch nicht
auf diese beschränkt:
die Porosität,
die Durchlässigkeit,
der eingeschlossene Bohrlochdruck, die Tiefe der Oberkante des Förderhorizontes,
die Tiefe der Unterkante des Förderhorizontes,
den Breitengrad, den Längengrad,
die Oberflächenhöhe, die
Zone, und die Reservoirqualität. Die
Porosität,
die Durchlässigkeit,
die Tiefe der Ober- und Unterkante des Förderhorizontes, und die Zone
werden direkt mit Hilfe des Bohrlochloggens bestimmt. Der eingeschlossene
Bohrlochdruck ist ein gemessener Parameter. Der Breitengrad, der
Längengrad,
und die Oberflächenhöhe werden
mit Hilfe der Vermessungsaufzeichnungen festgestellt, welche den
Standort des Bohrloches an der Erdoberfläche anzeigen. Die Reservoirqualität ist ein
errechneter Wert, welcher sich auf bestimmte, verschiedene Bereiche
bezieht. Ein Beispiel wäre eine
Reservoirqualität,
welche mit Hilfe der Formel (Durchlässigkeit)*(Gesamtfußmaß des Förderhorizontes)*((eingeschlossener
Bohrlochdruck)^2) errechnet würde.
-
Beispiele
von Produktionsparametern 22, welche sich auf die vorliegende
Erfindung beziehen, schliessen die folgenden ein, sind jedoch nicht
auf diese beschränkt:
den Tag und das Jahr, in dem die Produktion begann, eine sechsmonatige
kumulative Gas- und/oder Ölproduktion,
und eine zwölfmonatige
kumulative Gas- und/oder Ölproduktion.
Diese Information wird mit Hilfe der Aufzeichnungen des Betriebsunternehmens oder
eines Unternehmens wie zum Beispiel Dwight erstellt, welches Datenbanken
für die
Förderung
von Öl und
Gas unterhält.
-
Von
den Parametern, welche mit Bezug auf ein bestimmtes Bohrverfahren 12,
Komplettierungsverfahren 13, Stimulierungsverfahren 14,
Produktionsverfahren 16 oder eine Formation identifiziert
werden können oder
vorhanden sind werden bestimmte derselben entweder manuell oder
durch die genetischen Algorithmen wie gewünscht ausgewählt und
in einen Computer 26 der vorliegenden Erfindung eingegeben.
Die ausgewählten
Parameter werden als codierte elektrische Signale bereitgestellt
und entweder direkt den Sensorgeräten entnommen, welche für die oben
erwähnten
Verfahren angewendet werden, oder in geeignete codierte elektrische
Signale umgewandelt (d. h. Übersetzung
einer Zahl oder eines Buchstabens in ein korrespondierendes, codiertes
elektrisches Signal wie zum Beispiel durch die Eingabe der Nummer
oder des Buchstabens mittels einer Tastatur des Computers 26).
Diese Signale werden in dem Speicher des Computers 26 gespeichert,
sodass die codierten elektrischen Signale, welche die Parameter
für ein
bestimmtes Bohrloch repräsentieren,
wie weiter unten beschrieben auf dem Computer 26 für die Anwendung
assoziiert werden. Auf diese Weise wird eine Datenbank mit einer
Reihe von Parametern für
die Reihe von Bohrlöchern 6 an
den Computer 26 geliefert, welche wirklich in dem Reservoir 2 gebohrt
werden.
-
Der
Computer 26 besteht aus einem beliebigen geeigneten Typ
für das
Durchführen
der neuralen Netzverfahren der vorliegenden Erfindung. Diese schliessen
normalerweise Computer des Typs 386–25 MHz oder besser ein. Spezifische
Modelle geeigneter Computer schliessen IBMs ValuePointTM Modell
100dx4 und Dells 75 MHz Pentium® ein.
-
Beispiele
von geeigneten Betriebssystemen, mit welchen ein gewählter Computer
für das
Betreiben bestimmter, weiter unten aufgeführten bekannten Typen von Anwendungsprogrammen
programmiert werden sollte, schliessen ein: Windows 3.1TM,
Windows 95TM, und Windows NT®. Software
ist ausserdem für
UNIX®, DOS,
OS2/2.1® und
Macintosh System 7.x Betriebssysteme erhältlich.
-
Der
Computer 26 wird mit einem neuralen und einem genetischen
Anwendungsprogramm 28 programmiert. Der neurale Teil ermöglicht das
Trainieren von Topologien, welche von dem genetischen Teil des Programms
ausgewählt
wurden.
-
Das
neurale und das genetische Programm kann aus einem beliebigen geeigneten
Typ bestehen, wobei jedoch die folgenden Beispiele spezifischer
Programme repräsentieren:
NeuroGenetic OptimizerTM von BioComp Systems
Inc., NeuralystTM von Cheshire Engineering
Corporation, und BrainMaker Genetic Training Option von California
Scientific Software. Die gleichen Resultate können auch mit Hilfe von getrennter
neuraler Netzsoftware und genetischer Algorithmus-Software und einem
darauffolgenden Verbinden derselben auf dem Computer erzielt werden.
Ein Beispiel solcher getrennter Software-Programme sind die neurale
Netzsoftware NeuroShellTM 2 und
die genetische Algorithmus-Software GeneHunter® von
Ward Systems Group Inc. Die spezifische Implementierung des/der
Programm(s/e) 28 wird zusammen mit der oben aufgeführten Datenbank
auf dem Computer 26 betrieben.
-
Wenn
die gewählten
Parameter in die Datenbank des Computers 26 eingegeben
worden sind und das neurale und das genetische Programm 28 auf
dem Computer 26 vorhanden sind, wird der Betrieb des Computers 26 initialisiert,
sodass das Anwendungsprogramm 28 automatisch die genetischen
Algorithmen und die Eingaben überprüft, welche
einen wesentlichen Einfluß auf
die Bohrlochproduktion sowohl wie die korrespondierende Topologie
ausüben
werden, welche in einer vorhersagbaren Produktion resultiert, die
der wirklichen gemessenen Produktion am nähsten kommt. Diese neurale
Netztopologie repräsentiert
die Korrelation oder das Verhältnis
zwischen den gewählten
Bohr-, Komplettierungs-, Bohrlochstimulierungs- und Formationsparametern
und mindestens einem ausgewählten
Produktionsparameter. Diese Parameter werden auf dem Computer mit
Hilfe der genetischen Algorithmen in ihrem codierten digitalen Signalformat
manipuliert, um die neurale Netztopologie zu definieren.
-
Das
folgende Verfahren wird für
das Aufzeichnen und Trainieren der Netze einer bestimmten Implementierung
angewendet. Zuerst wird die Datenbank in ein kommabegrenztes Format
organisiert (*.csv), wobei die Ausgaben in der am weitesten rechts
aufgeführten
Spalte stehen. Als nächstes
wird das NeuoGenetic OptimizerTM (NGO) Programm
gestartet. Das NGO ist so eingestellt, dass es im Funktionseinschätzungsmodus arbeitet.
Als nächstes
wird die Anzahl von Ausgaben, welche angepaßt werden sollen, aus der Datenbank
ausgewählt.
Die Datendatei (*.csv) wird dann ausgewählt. Nach der Auswahl der Datendatei
trennt das NGO die Daten in eine Trainings- und eine Testdatengruppe.
Die Vorgabe für
diese Auswahl ordnet 50% der Daten der Trainingsdatengruppe, und
50% der Daten der Testdatengruppe zu. Diese Gruppen werden so ausgewählt, dass
sich die Bestandteile der Trainings- und Testdatengruppen innerhalb
einer vom Benutzer spezifizierten Anzahl von Standardabweichungen
des kompletten Datensatzes befinden. Dieses automatisierte Aufteilungssystem
spart viele manuelle Arbeitsstunden, die sonst für das Erstellen von statistisch
gültigen
Aufteilungen mit der Hand erforderlich wären.
-
Neurale
Parameter werden als nächstes
ausgewählt.
Eine Auswahl eines Grenzwertes für
die Anzahl von Neuronen innerhalb einer verborgenen Schicht erstellt
Grenzen für
die Suchregion der genetischen Algorithmen. Verborgene Schichten
können
auf 1 oder 2 beschränkt
werden. Die kleinere Zahl schränkt
die Suchregion des genetischen Algorithmus ein. Die Arten von Übertragungsfunktionen
(hyperbolische Tangente, logistisch, oder linear) können für die verborgenen
Schichten eingestellt werden. Die drei oben aufgeführten Übertragungsfunktionen
werden automatisch für
die Suchregion der Ausgabeschicht angewendet, wenn das System nicht
nur auf lineare Ausgaben beschränkt
ist. Die lineare Ausgabengrenze wird so gewählt, dass sie eine bessere
Vorhersage ausserhalb des Datenbereichs der Originaltrainingsdaten
ermöglicht.
Das „Optimieren" des neuralen Trainingsmodus
wird gewählt,
um die genetischen Algorithmen zu aktivieren. Neurale Trainingsparameter
werden so eingestellt, dass das System mindestens zwanzigmal alle
Daten überprüfen wird, wobei
dieselben mit maximal hundert Durchläufen die Prüfung bestehen und das Training
gestoppt wird, wenn nach dreissig Durchläufen keine neue beste Genauigkeit
gefunden wird. Eine variable Lernrate (.8 bis .1) und ein variables
Momentum (.6 bis .1) eignen sich für dieses System.
-
Diese
variablen Raten funktionieren so, dass die Lernrate für den ersten
Durchlauf zum Beispiel .8, und für
den hundertsten Durchlauf .1 betragen würde, wenn die maximale Anzahl
von Durchläufen
auf hundert eingestellt ist. Als nächstes werden die genetischen
Parameter eingestellt. Die Bevölkerungsanzahl
wird auf dreissig eingestellt, und ein Auswahlmodus wird so eingestellt,
dass fünfzig
Prozent der Bevölkerung,
welche eine neurale Topologie ergibt, und gewählte Eingabeparameter mit dem
grössten
Einfluß auf
diese Topologie überleben
sollen, um als Ausgangspunkt für
die nächste
Generation verwendet werden zu können.
Die ausgewählte
Vermehrungstechnik besteht aus einem Endaustausch mit der restlichen
Bevölkerung,
die durch Cloning wieder aufgefüllt
wird. Eine Mutationsrate von .25 wird dabei angewendet.
-
Als
nächstes
werden die Systemparameter eingestellt. Für diese Anwendung wird die „durchschnittliche
absolute Genauigkeit" für das Bestimmen
der Genauigkeit einer jeden Topologie mit Hilfe der NGO-Algorithmen überprüft. Das
System wird so eingestellt, dass es das Optimierungsverfahren stoppt,
wenn entweder fünfzig
Generationen den genetischen Algorithmus bestanden haben, oder wenn
ein „durchschnittlicher
absoluter Fehler" von „0.0" für eine der
Topologien erreicht ist.
-
Das
System kann nun betrieben werden. Während des Betriebs wird das
System mit Hilfe des Trainingsdatensatzes geschult und überprüft Fehler
mit Hilfe des Testdatensatzes. Auf diese Weise wird die Gültigkeit
einer jeden getesteten Topologie bestimmt, da das System die eingestellten
Testdaten während
des Trainings nicht sieht, sondern erst nach dem Training der Topologie
mit den Trainingsdaten. Während
das System weiter läuft,
werden die zehn Topologien mit den besten Genauigkeiten für eine weitere
Analyse aufbewahrt. Wenn das System die fünfzigste Generation erreicht
hat, oder wenn sich der Bevölkerungskonvergenzfaktor
nicht weiter verbessert, werden die zehn besten Topologien überprüft. Die
besten Topologien werden dann noch einmal durchlaufen, wobei die
maximale Anzahl von Durchläufen
jedoch dieses Mal auf dreihundert geändert wird. Auf diese Weise
wird eine jede Topologie auf ihre maximalen Fähigkeiten trainiert, da sich
die Genauigkeit von einigen der originalen zehn besten weiter verbessert
haben wird, wenn der hundertste Durchlauf erreicht ist. Normalerweise
wird die Topologie mit der einfachsten Form und der höchsten Genauigkeit
ausgewählt.
-
Wenn
eine bestimmte Topologie als zufriendenstellend beurteilt wird,
kann diese Topologie als eine Anpassungsfunktion in einem anderen
genetischen Algorithmusprogramm angewendet werden (z. B. GeneHunter®,
welches von Ward Systems Group Inc. vertrieben wird). Diese Anordnung
ermöglicht
eine vollständige Optimierung
der Standortauswahl-, Bohr-, Komplettierungs-, Reservoir-, und Stimulierungsparameter
für das Erstellen
von optimalen Bedingungen für
das Maximieren der Produktion eines Reservoirs.
-
Die
oben aufgeführte
Methode verfügt
im Vergleich mit herkömmlichen
Methoden über
Vorteile, da die herkömmlichen
Methoden einen menschlichen Experten für das Aufteilen des Datensatzes
entweder manuell oder mit Hilfe einer anderen Art von Software in
repräsentative
Trainings- und Testsätze
fordern. Wie weiter oben schon erwähnt kann dieses Verfahren mehrere
Stunden in Anspruch nehmen, wenn es manuell durchgeführt wird,
während
ein neuralgenetisches Verfahren diese Aufteilung in nur wenigen
Sekunden durchführen kann.
-
Herkömmliche
Methoden setzen ausserdem voraus, dass der Experte bestimmt, welche
der Eingabedaten den grössten
Einfluß auf
die Vorhersagegenauigkeit ausüben
wird, und auch eine auf Erfahrung basierte Probemethode (Versuch
und Einschätzung)
für das
Bestimmen der als nächstes
zu überprüfenden Topologie anwenden
wird.
-
Auch
diese Methode ist sehr zeitraubend; die Anwendung von Genetik für die Auswahl
bei der vorliegenden Erfindung reduziert den Zeitaufwand für dieselbe
jedoch auf wenige Minuten oder Stunden, wobei dieser von dem Umfang
und der Anzahl von Eingaben und Ausgaben für den Datensatz und die Grösse der überprüften Tolopogien
abhängen
wird.
-
Als
ein Resultat des Vorhergehenden wird die neurale Netztopologie oder
Korrelation erzeugt, welche dann wie in 1 durch das Kästchen 32 dargestellt
auf dem Computer 26 vorhanden ist. In Wirklichkeit ist die
Korrelation 32 nicht von den Programmen 28, 30 getrennt,
sondern repräsentiert
ein internes Resultat von Gewichtungsfunktionen oder Matritzen,
welche angewendet werden, wenn neue Parameter eingegeben werden.
So besteht zum Beispiel nach dem Definieren der neuralen Topologie
ein Add-On des NGO aus dem Programm Penney, welches eine Application
Programming Interface (API – Anwendungsprogrammierschnittstelle)
bereit stellt, die für
das Entwickeln von Excel®-basierten Anwendungen
genutzt werden kann. NGO liefert ausserdem die Gewichtungsfunktionen
im Matritzenformat, sodass die Matritzen in ein beliebiges Anwendungsprogramm
mit eingeschlossen werden können,
welches für
das Analysieren eines bestimmten Reservoirs geschrieben wurde.
-
Wenn
die Korrelation 32 definiert worden ist, können spezifische
Werte oder Implementierungen von weiteren Parametern 34 des
gleichen Typs wie die Bohrparameter 18, die Komplettierungsparameter 19,
die Stimulierungsparameter 20 und Formationsparameter 24 in
den Computer eingegeben und für
die Korrelation 32 während
der Erstellung einer Ausgabe 36 verwendet werden, welche
einen oder mehrere daraus resultierende Produktionsparameter definiert.
Mögliche
Parameter 34 können
as einer oder mehreren Gruppen von zusätzlichen codierten digitalen
Signalen bestehen, welche mögliche
Bohr-, Komplettierungs-, Bohrlochstimulierungs- und Formationsparameter
des gleichen Typs wie die ausgewählten
Bohr-, Komplettierungs-, Bohrlochstimulierungs- und Formationsparameter 18, 19, 20, 24 repräsentieren.
Diese beziehen sich normalerweise auf ein geplantes Bohrloch, welches
mit Hilfe eines zusätzlichen,
hypothetischen Satz von Parametern 34 gebohrt und/oder
behandelt werden könnte.
Die Ausgabe 36 simuliert eine Produktion eines solchen
möglichen
Bohrloches. Eine Repräsentation
der simulierten Produktionsausgabe 36 wir für die Einsicht
durch das Betriebspersonal angezeigt, zum Beispiel auf dem Monitor
des Computers 26. Diese Anzeige kann alphanumerisch oder
grafisch einen Fluß aus
dem dargestellten Bohrloch repräsentieren.
Während
des Betriebs eines solchen Anzeigegerätes in Reaktion auf die Ausgabe 36 kann
das Betriebspersonal, welches dasselbe Anzeigegerät überwacht,
die mögliche
Produktion aus einem Bohrloch verfolgen, welchem vor dem Auftreten
einer wirklichen korrespondierenden Produktion eine Gruppe des hypothetischen
Parametersatzes 34 zugeordnet wurden.
-
Mit
Hilfe der Ausgabe 36 kann die weitere Entwicklung des Öl- oder
Gasreservoirs kontrolliert werden. Dies schliesst entweder ein neues
Bohren und Komplettieren 38 oder ein neues Stimulieren 40 (von
neuen oder alten Bohrlöchern)
ein. Wenn ein neues Bohrverfahren durchgeführt wird, kann die Ausgabe 36 dazu
verwendet werden, einen Standort für das Bohren des Bohrloches
in dem Reservoir 2 auszuwählen, welcher mit Hilfe der
korrespondierenden Gruppe oder des Satzes von eingegebenen möglichen
Parametern 34 bestimmt wurde. Die Ausgabe 36 kann
ausserdem für
das Formulieren von Stimulierungsflüssigkeit und das Pumpen derselben
Stimulierungsflüssigkeit
in das Bohrloch in Reaktion auf die erzeugte Ausgabe 36 angewendet
werden, welche auch mit Hilfe der korrespondierenden Gruppe oder
des Satzes von eingegebenen möglichen
Parametern 34 bestimmt wurde. Dies bedeutet, dass die Parameter
des korrespondierenden Eingabesatzes für das Auffinden, Bohren, Komplettieren
und/oder das Stimulieren angewendet werden, wenn die gewünschte Ausgabe
mit Hilfe der oben beschriebenen hypothetischen Eingabe und dem
daraus resultierenden Ausgabeprozess mit Hilfe der Korrelation 32 bestimmt
wurde. So kann zum Beispiel der Eingabesatz von Parametern Standortinformation
beinhalten, mit welcher spezifiziert werden kann, wo ein neues Bohrloch
in dem Reservoir gebohrt werden soll; oder der Eingabesatz kann
Stimulierungsflüssigkeitsparameter
und Pumpparameter beinhalten, welche die Zusammensetzung einer wirklichen
Flüssigkeit
designieren, welche formuliert werden soll, sowohl wie die Rate
oder Raten, mit welcher dieselbe in das Bohrloch eingepumpt werden
soll, wobei die Flüssigkeitsformulierung
und das Einpumpen mit Hilfe von bekannten Techniken erfolgen.
-
Eine
Art und Weise, die vorhergehenden Parameter aufzuzeichnen, besteht
aus der Anwendung der Korrelation 32 für die Auswahl eines Jobs, welcher
in den Mittelwertbereich für
alle Bohrlöcher
fällt,
welche in einem Reservoir behandelt werden sollen. Als nächstes wird
ein jeder der Parameter variiert und in das neurale Netz eingegeben
um zu bestimmen, wie empfindlich das Reservoir gegenüber eines
jeden Parameters ist. Dies repräsentiert
das Verfahren der weiter unten aufgeführten Beispiele 1–3.
-
Ein
weiteres Verfahren ist wie folgt. Nachdem die beste neurale Topologie
mit Hilfe der NGO (für
die spezifische, weiter oben aufgeführte Implementierung) bestimmt
worden ist, wird das neurale Netz als eine Anpassungsfunktion für einen
genetischen Algorithmus verwendet, welcher die Reservoirparameter
festhält
und die Behandlung für
einen jeden Satz von Reservoirparametern optimiert. Diese Optimierung
kann für
die maximale Produktion, die maximale Produktion pro Dollar, der
für die
Stimulierung ausgegebenen wurde, die maximale Produktion pro Dollar,
der für
das Bohrloch vom Bohren bis zur Produktion ausgegeben wurde, usw. durchgeführt werden.
Ein weiteres neurales Netz wird mit Hilfe der NGO trainiert und
sagt die Bohrlochparameter, d. h. Breiten- und Längengrade vorher. Als nächstes wird
der genetische Algorithmus dazu angewendet, den optimalen Breitengrad,
Längengrad,
und die Behandlungsparameter für
das Maximieren der Produktion zu bestimmen. Die Reservoirparameter
werden den Werten zugeordnet, welche mit Hilfe des zweiten neuralen Netzes
für jede
Eingabe eines Breiten- und Längengrades
vorhergesagt wurden. Das Resultat dieses Prozesses ist der optimale
Standort für
das Bohren eines neuen Bohrloches sowohl wie die beste Bohr-, Komplettierungs-
und Stimulierungsmethode. Dies ist jedoch lediglich eine Methode,
und es sind viele weitere Methoden möglich. Wenn das Bohrloch schon
gebohrt und komplettiert ist, wird lediglich die Optimierung der
Produktion mit Hilfe der Behandlungsparameter durchgeführt.
-
Auch
die weitere Entwicklung des Öl-
oder Gasreservoirs kann auf die folgende An und Weise kontrolliert
werden. Sie schliesst das Errechnen der Kosten für das Implementieren der geplanten
Bohr-, Komplettierungs-, Stimulierungs- und Formationsparameter
der möglichen
Parameter 34 ein, welche für das Durchführen neuer
Bohr- und Komplettierungsverfahren 38 oder eine neue Stimulierung 40 verwendet
werden. Sie schliesst weiter das Errechnen eines Ertrages für die projizierte
Produktion für
eine jede der erstellten Ausgaben 36 ein. Das Verhältnis des
Ertrages im Vergleich zu den Kosten wird dann bestimmt, und die
erstellte Ausgabe 36 mit dem höchsten Verhältnis wird als die für die weitere
Entwicklung des Reservoirs anzuwendende Ausgabe ausgewählt, wenn
es wünschenswert
erscheint, die Produktion pro in dieselbe Produktion investiertem
Dollar zu maximieren. Diese Stufen werden angewendet, wenn zwei
oder mehr Gruppen von möglichen
Parametern 34 mit der Korrelation 32 angewendet
werden, um die jeweiligen Ausgaben 36 zu erstellen.
-
Die
Methode der vorliegenden Erfindung kann weiter das Initialisieren
des Computers 26 auf eine solche Art und Weise umfassen,
dass das neuralgenetische Programm 28 automatisch auf dem
Computer 26 betrieben wird, um die neurale Netztopologie
(d. h. die Korrelation 32) neu zu definieren. Dies wird
in Reaktion auf die Datenbank von Parametern durchgeführt, mit
welchen die Originakorrelation definiert wurde, sowohl wie mit zusätzlichen
Daten, welche mit Bezug auf die mit Hilfe der neuen Bohr- und Komplettierungsverfahren 38 oder
der neuen Stimulierung 40 wirklich gebohrten oder stimulierten
Bohrlöcher
gemessen und aufgezeichnet wurden. Auf diese Weise kann die Korrelation 32 definiert
werden, wenn zusätzliche
Daten während
der weiteren Entwicklung des Reservoirs 2 aufgezeichnet
werden.
-
Es
folgen Beispiele für
eine bestimmte Implementierung der vorliegenden Erfindung.
-
Beispiel 1
-
Die
vorliegende Erfindung wurde für
eine Gruppe von vierzig Bohrlöchern
in einer Formation in Cleveland auf der Landzunge Texas angewendet.
Ein quantitatives Trendresultat, welches in 1 die Ausgabe 36 repräsentiert,
wurde innerhalb von zwei Tagen nach der Identifizierung und Auswahl
der folgenden Parameter aufgezeichnet: Komplettierungsdatum, Spaltdatum,
Stimulierungsflüssigkeitstyp,
gesamte reine Flüssigkeit, Kohlendioxidmenge,
gesamte Proppantmenge, maximale Proppantkonzentration, durchschnittliche
Injektionsrate, Durchlässigkeit,
durchschnittliche Porosität,
eingeschlossener Bohrlochdruck, Formationsqualität, Nettohöhe des Förderhorizontes, und Mitte des
perforierten Intervalls. Die letzten sechs der obigen Parameter
werden auch als Formationsparameter bezeichnet und sind für ein bestimmtes
Bohrloch nicht variabel, da sie von der Formation selber festgelegt
werden. Die restlichen Parameter, welche auch als Oberflächenparameter
bekannt sind, und welche die Bohr-, Komplettierungs-, und Stimulierungsparameter 12, 13, 14 einschliessen, können für zukünftige Bohrlöcher geändert werden;
diese Parameter werden jedoch von den für das Erstellens der Topologie
innerhalb der Bohrlöcher
durchgeführten
Arbeitsvorgängen
festgelegt, wenn eine bestimmte neurale Netztopologie definiert
wird.
-
Die
in 2 dargestellte Kurve
zeigt die Genauigkeit der Korrelation 32, welche für die vierzig
Bohrlöcher
der Cleveland-Formation erzielt wurde. Zwanzig Prozent (d. h. acht)
der Bohrlöcher
wurden aus dem Datensatz entfernt, bevor die Korrelation erstellt
wurde. Für
eine hundertprozentige Korrelation würden alle Daten in 2 auf einer diagonalen Linie 42 liegen.
Die zweiunddreißig
dunklen Kreise zeigen die vorhergesagte Produktion im Vergleich
zur wirklichen Produktion für
die zweiunddreißig
Bohrlöcher,
welche für
das Training des neuralen Netzes und der Erstellung der Korrelation
verwendet wurden. Nach dem Aufzeichnen der Korrelation wurden die
anfänglich
aus den Daten entfernten korrespondierenden Parameter für die acht
Bohrlöcher
als die möglichen
Parameter 34 eingegeben, um die Korrelation zu testen,
d. h. die Vorhersage der Produktion für Bohrlöcher, die das System nie zuvor
gesehen hatte. Die Parameter bezüglich
der wirklichen Produktion im Vergleich mit der vorhergesagten Produktion
für diese
acht Bohrlöcher
sind in 2 mit Hilfe
der hellen Kreise dargestellt.
-
Beispiel 2
-
Die
Methode der vorliegenden Erfindung wurde auch dazu angewendet, die
Empfindlichkeit der Parameter zu testen. Ein Modell des Reservoirs
ermöglicht
das Ändern
verschiedener Parameter, um die Empfindlichkeit des Reservoirs gegenüber von Änderungen
der Parameter zu bestimmen. Alle in 3 dargestellten mit
vertikalen Innenlinien repräsentieren
Oberflächenparameter,
welche vom Betriebspersonal geändert
werden können,
und die Balken mit horizontalen Innenlinien repräsentieren die Parameter, die
von der Formation festgelegt werden. Obwohl die Formationsparameter
für eine
spezifische Anwendung festgelegt sind, wurden die in 3 dargestellten Formationsparameter
für das
Testen des Effektes solcher Änderungen
um zehn Prozent abgeändert.
Als Teil dieser Analyse wurden alle Bohrlöcher als anfänglich behandelt
dargestellt und jeweils nur ein Parameter geändert. Ein jeder der Balken
auf der rechten Seite des „Normalbalkens" (welcher die Summe
der sechsmonatigen kumulativen Produktion aller vierzig Bohrlöcher repräsentiert,
welche in Beispiel 1 beschrieben wurden) zeigt die mögliche Änderung
der Produktion aufgrund einer zehnprozentigen Variation des Parameters,
welcher auf der in 3 dargestellten
Kurve mit dem jeweiligen Balken assoziiert ist. So wurden zum Beispiel
zur Erzeugung des Balkens „Proppant" in 3 alle Parameter, welche aufgrund der Behandlungsart
der Bohrlöcher
aufgezeichnet wurden, und alle Formationsparameter als Behandlungswerte belassen,
während
die Menge des Proppantes um zehn Prozent geändert wurde. Unter konstanter
Beibehaltung aller anderen Parameter und einer zehnprozentigen Änderung
der Proppantmengen wurde dieser neue Datensatz in das neurale Netz
eingegeben und die vorhergesagte Produktion aller Bohrlöcher zusammengerechnet,
um die kumulative Produktion zu errechnen. Diese neue kumulative
Produktion, welche lediglich durch eine Änderung der Proppantmenge um
zehn Prozent errechnet wurde, wurde dann als ein Balken über dem
Titel „Proppant" dargestellt. Das
gleiche Verfahren wurde für
das individuelle Variieren eines jeden der anderen aufgeführten Parameter
angewendet. Die in 3 dargestellte
Kurve zeigt, dass die grössten Änderungen
aus der Variation des eingeschlossenen Bohrlochdruckparameters resultieren.
-
Beispiel 3
-
Um
die Parameterempfindlichkeit gegenüber von verschiedenen Flüssigkeitsbehandlungstypen
bestimmen zu können,
wurde die gleiche Typenempflindlichkeitsanalyse noch einmal durchgeführt, wobei
dieselbe jedoch diesmal mit Bezug auf ein Standardarbeitsverfahren
angewendet wurde, bei welchem sich lediglich der Flüssigkeitstyp änderte.
Die Parameter des Standardarbeitsverfahrens waren wie folgt:
Proppant | 200.000
Pfund (90.718 kg) |
Reine
Flüssigkeit | 60.000
Gallonen (227 m3) |
CO2 | 100
Tonnen (90.718 kg) (0 wenn kein Schaum) |
Durchschnittliche
Injektionsrate | 55
Fässer
pro Minute (8,74 m pro Minute) |
Maximale
Proppantkonzentration | 68,5
Teile pro Gallone (0,257 Teile pro m3) |
-
Unter
Bezugnahme auf 4 bezieht
sich die zweite Reihe von Balken mit dem Titel „behandelt" auf die in 3 dargestellte Empfindlichkeitsanalyse.
Die anderen Balken zeigen die Empfindlichkeitsanalyse für jeden
Flüssigkeitstyp
und die oben aufgeführte
Standardbehandlung. Die Schaumgelbehandlungen haben sich im Vergleich
zu den anderen Behandlungen einschließlich der „behandelten" Gruppe als minderwertig
erwiesen. Die Gelsäure
und die Schaumsäure
erwiesen sich als besser als die behandelte Gruppe. Die Schaumkreuzvernetzungsbehandlungen
erwiesen sich als die besten in dieser Analyse, wobei die Gültigkeit
dieses Resultates jedoch fragbar bleibt, da keine ausreichend grossen
Proben der Schaumkreuzvernetzungsarbeiten vorhanden waren (es wurden
für den
Originaldatensatz für
die Erstellung dieses Modells nur vier Bohrlöcher einer Schaumkreuzvernetzungsbehandlung
unterworfen). Wenn dieses Vier-Bohrloch-Resultat jedoch weitgehend
korrekt ist, besteht die Möglichkeit
einer drastischen Verbesserung der Produktion mit Hilfe einer Schaumkreuzvernetzungsflüssigkeit
in diesem Reservoir.
-
Die
folgende Tabelle zeigt an, ob die individuellen Parameter der Beispiele
2 und 3 gesteigert (+) oder reduziert (–) wurden, um eine Steigerung
der Produktion zu erzielen:
-
Die
vorliegende Erfindung ist daher sehr gut für das Erfüllen ihrer Aufgabe und das
Erreichen der weiter oben aufgeführten
Ziele und Vorteile sowohl wie der darin inhärenten Ziele und Vorteile adaptiert.
Obwohl hier bevorzugte Ausführungsformen
der Erfindung zur Veranschaulichung derselben beschrieben wurden
wird der Fachmann auf diesem Gebiet erkennen, dass die Erfindung
innerhalb des Umfangs der beiliegenden Ansprüche modifiziert werden kann.