EA013941B1

EA013941B1 - Способ и устройство для укрупнения слоев в геологическом моделировании

Info

Publication number: EA013941B1
Application number: EA200970543A
Authority: EA
Inventors: Джозеф Дж. мл. Галлахер; Цзяньбин У; Кеннет Дж. Харпоул
Original assignee: Конокофиллипс Компани
Priority date: 2006-12-05
Filing date: 2007-10-15
Publication date: 2010-08-30
Also published as: AU2007329788B2; CN101563697B; US20080133192A1; WO2008070286A2; CN101563697A; US7933758B2; CA2665929C; CA2665929A1; EA200970543A1; EP2092454A4; EP2092454A2; WO2008070286A3; AU2007329788A1; EP2092454B1

Abstract

Варианты реализации настоящего изобретения предлагают способ и устройство для укрупнения слоев геологической модели. Данный способ может содержать вычисление одной или нескольких вертикальных средних характеристик ячеек для ячеек трехмерной геомодели; генерирование по меньшей мере одной тренд-суммы вертикальных средних; группирование ячеек с использованием по меньшей мере одной из упомянутых тренд-сумм вертикальных средних для определения совокупности областей ячеек; вычисление по меньшей мере одного значения горизонтальной дисперсии характеристик ячеек в по меньшей мере одной области ячеек и формирование некоторой совокупности блоков ячеек с использованием одного или несколько значений горизонтальной дисперсии характеристик ячеек.

Description

1. Область техники

Варианты реализации настоящего изобретения относятся к способам и устройствам для укрупнения слоев в геологическом моделировании. В частности, различные варианты реализации настоящего изобретения относятся к способам и устройствам, использующим разбиение на области и неоднородное укрупнение слоев для точного уменьшения сложности геологической модели.

2. Описание предшествующего уровня техники

Геологические модели, такие как геологические модели нефтяных пластов-коллекторов, часто используются в компьютерных системах для моделирования. Например, компьютерные системы могут использовать геологические модели нефтяных пластов-коллекторов для моделирования потоков и расположения углеводородов в пластах-коллекторах. Геологические модели, как правило, состоят из миллионов, а в некоторых случаях из миллиардов геологических ячеек, где каждая ячейка соответствует некоторому местоположению и некоторому физическому геологическому свойству. Поскольку количество ячеек в модели находится в определенном соответствии с точностью получаемых с ее помощью результатов моделирования, в общем случае желательно строить геологические модели, используя как можно большее число ячеек. К сожалению, доступная вычислительная мощность и ограничения по времени ограничивают предельное число ячеек, которое можно практически использовать в геологических моделях. Например, для точного описания нефтяного пласта-коллектора могут быть построены геологические модели с миллиардом ячеек, но вычислительные мощности, необходимые для расчетов модели с миллиардом ячеек за разумное время, могут потребовать использования массивно-параллельных вычислительных систем чрезмерно высокой стоимости.

Для уменьшения сложности геологических моделей, а следовательно и вычислительной мощности, требуемой для моделирования, были разработаны способы укрупнения. По обычным способам укрупнения в типовом случае слои ячеек группируются однородным образом в укрупненной модели, которую затем можно использовать для моделирования. К сожалению, такая однородно укрупняющая группировка приводит к потере неоднородности в модели и к уменьшению точности результатов компьютерного моделирования.

Сущность изобретения

Варианты реализации настоящего изобретения решают описанные выше проблемы и обеспечивают значительный этап вперед в методах укрупнения слоев в геологическом моделировании. В частности, различные варианты реализации изобретения относятся к способам и устройствам, применяющим разбиение на области и неоднородное укрупнение слоев для облегчения компьютерного моделирования.

Варианты реализации настоящего изобретения, в частности, предлагают способ укрупнения трехмерной модели, включающей совокупность ячеек, расположенных в некоторой совокупности зон. Указанный способ в общем содержит следующие этапы: вычисляют вертикально усредненные значения (вертикальные средние) одной или нескольких характеристик ячеек; используя упомянутые вертикальные средние характеристики ячеек, формируют одну или несколько тренд-сумм вертикальных средних; используя по меньшей мере одну из упомянутых тренд-сумм вертикальных средних, группируют ячейки для определения некоторой совокупности областей ячеек; вычисляют по меньшей мере одно значение горизонтальной дисперсии характеристик ячеек для по меньшей мере одной области ячеек; и, используя упомянутые одну или несколько горизонтальных дисперсий характеристик ячеек, формируют совокупность блоков ячеек.

Такие варианты реализации можно использовать для выполнения неоднородного укрупнения слоев в мелкомасштабных геологических моделях с получением моделей с укрупненными слоями, требуемыми для вычислений и моделирования, сохраняя при этом основные свойства первоначальной мелкомасштабной геологической модели. Другие аспекты и преимущества настоящего изобретения станут ясны из следующего подробного описания предпочтительных вариантов его реализации и сопровождающих его чертежей.

Краткое описание чертежей

Предпочтительные варианты реализации настоящего изобретения подробно описываются ниже со ссылками на прилагаемые чертежи, на которых фиг. 1 схематически показывает оборудование, которое может использоваться в различных вариантах реализации изобретения;

фиг. 2 - пример геологической модели и вычисление вертикального среднего характеристики одной типовой ячейки;

фиг. 3 - пример слоя геологической модели и вычисление типовых примеров тренд-сумм вертикальных средних;

фиг. 4 (а)-(1) - типичные примеры группирования ячеек в области и идентификаторы областей;

фиг. 5 - примеры геологических моделей с укрупненными слоями, образованных при помощи различных способов укрупнения слоев;

на фиг. 6 - блок-схема, показывающая некоторые из этапов, которые могут выполняться в различных вариантах реализации настоящего изобретения.

- 1 013941

Приведенные чертежи не ограничивают настоящее изобретение раскрываемыми и описываемыми здесь конкретными вариантами его реализации. Чертежи не обязательно выполнены в соответствующем масштабе, поскольку предназначены для того, чтобы понятным образом проиллюстрировать принципы различных вариантов реализации настоящего изобретения.

Подробное описание предпочтительных вариантов осуществления изобретения

Нижеследующее подробное описание изобретения ссылается на прилагаемые чертежи, иллюстрирующие конкретные варианты реализации, в которых изобретение может быть практически использовано. Указанные варианты реализации предназначены для описания аспектов данного изобретения достаточно детально для того, чтобы специалисты в данной области могли использовать его на практике. Можно использовать другие варианты реализации настоящего изобретения, а также вносить различные изменения, не выходя при этом за пределы его области защиты. Нижеследующее подробное описание не должно поэтому пониматься в ограничительном смысле. Объем защиты настоящего изобретения определяется только прилагаемыми пунктами формулы изобретения, а также всеми их эквивалентами в полном объеме.

Способы, соответствующие приводимому описанию, особенно подходят для реализации на вычислительном устройстве, таком как компьютер 10 на фиг. 1. Компьютер 10 может быть частью компьютерной сети, включающей один или несколько клиентских компьютеров и один или несколько серверных компьютеров, соединенных между собой по коммуникационной сети, такой как интранет или Интернет. Должно быть понятно, однако, что принципы настоящего изобретения могут использоваться независимо от конкретной реализации и что один или несколько описанных ниже этапов могут выполняться без помощи вычислительного устройства, или при помощи нескольких вычислительных устройств.

Настоящее изобретение может быть реализовано аппаратно, программно, в микропрограмме и/или в любой комбинации указанных средств. В одном предпочтительном варианте изобретения, однако, изобретение реализовано с помощью компьютерной программы. Данная компьютерная программа и описываемое ниже оборудование являются лишь примерами программы и оборудования, которые могут быть использованы для реализации настоящего изобретения, и могут быть заменены другим программным обеспечением и вычислительными устройствами, не выходя за пределы объема данного изобретения.

Компьютерные программы, соответствующие настоящему описанию, могут храниться на машиночитаемом носителе, расположенном в компьютере 10 или доступном ему, для управления выполнением в компьютере 10 описанных ниже способов. Данная компьютерная программа предпочтительно содержит совокупность сегментов кода, соответствующих исполняемым командам для реализации логических функций в компьютере 10 и других вычислительных устройствах, подсоединенных к компьютеру 10. Компьютерная программа может находиться на любом машиночитаемом носителе для использования (совместно с) системой, аппаратом или устройством выполнения команд, такими как компьютерная система, система, содержащая процессор или другая система, способная извлекать команды из системы, аппарата или устройства выполнения команд и выполнять эти команды.

Рядовому специалисту в данной области понятно, что программа может содержать один список исполняемых команд или два или более отдельных списков и может храниться на одном машиночитаемом носителе или на нескольких раздельных носителях. В контексте настоящей патентной заявки, машиночитаемый носитель может быть любым средством, содержащим, хранящим, сообщающим, распространяющим или передающим программу для использования (совместно с) системой, аппаратом или устройством выполнения команд. Машиночитаемый носитель может быть, например, электронной, магнитной, оптической, электромагнитной, инфракрасной или полупроводниковой системой, аппаратом или устройством, или средством распространения, не ограничиваясь вышеуказанным. Более конкретные, хотя и не исчерпывающие примеры машиночитаемых носителей могут включать электрическое соединение с двумя или более проводами, портативную компьютерную дискету, оперативную память (КАМ), постоянную память (КОМ), стираемую, программируемую постоянную память (ЕРКОМ или флэш-память), оптоволокно и портативный компакт-диск (СО) или цифровой видеодиск (ОУО). Машиночитаемый носитель может даже быть бумажным или другим подходящим носителем, на котором программа напечатана, поскольку она может быть прочитана электронным образом, например путем оптического сканирования бумажного или иного носителя, с последующей компиляцией, интерпретацией или другой подходящей обработкой, если она требуется, а затем сохранена в памяти компьютера.

Фиг. 6 показывает блок-схему этапов, которые могут использоваться вариантами реализации настоящего изобретения. Некоторые блоки в блок-схеме могут представлять сегмент кода или другую часть компьютерной программы. В некоторых альтернативных вариантах реализации функции, показанные в различных блоках, могут появляться в порядке, отличающемся от изображенного на фиг. 6. Например, два блока, показанные на фиг. 6, могут на самом деле выполняться, по существу, параллельно, или они могут иногда выполняться в обратном порядке, в зависимости от требуемой функциональности.

На этапе 100 читаются данные геологической модели. Данная геологическая модель является трехмерной моделью, содержащей множество ячеек. В различных вариантах реализации геомодель может представлять подземное пространство. Ячейки в геомодели расположены однородным трехмерным обра

- 2 013941 зом по трем осям ί, _) и к, как показано на фиг. 2, так что каждая ячейка представляет некоторый заданный объем. Каждой ячейке также предпочтительно соответствует по меньшей мере одна характеристика ячейки, выражающая свойство соответствующего объема. Например, характеристикой ячейки может быть тип породы, пористость, проницаемость, водонасыщенность, комбинация этих свойств и т.п. Такие геологические модели хорошо известны в данной области и могут быть построены обычными способами.

Геомодель, обрабатываемая в различных вариантах настоящего изобретения, может иметь любое количество ячеек.

Предпочтительно, ячейки обрабатываемой геомодели расположены в пределах совокупности зон, соответствующих различным особенностям объема, которому соответствует модель. В вариантах реализации, в которых ячейки геомодели не расположены в соответствии с совокупностью зон, такие зоны предпочтительно определяются при помощи обычных способов и методик зонирования.

В некоторых вариантах реализации геомодель по меньшей мере частично сохранена в памяти, подсоединенной к компьютеру 10, так что доступ к геомодели на этапе 100 может быть выполнен путем обращения к памяти и извлечением из нее данных. Геомодель может также быть извлечена из других вычислительных устройств или машиночитаемых устройств памяти по коммуникационной сети, так что геомодель не обязательно локализована в компьютере 10 и не обязательно содержится полностью на одном вычислительном устройстве или машиночитаемом носителе.

На этапе 102 вычисляется вертикальная средняя характеристика ячейки для по меньшей мере одной ячейки в пределах по меньшей мере одной зоны. Предпочтительно, вертикальная средняя характеристика ячейки вычисляется для всех ячеек в общей горизонтальной плоскости в каждой зоне. Например, как показано на фиг. 2, вертикальная средняя характеристика ячейки может быть вычислена для всех ячеек с координатами ί, _) в пределах каждой зоны, исходя из среднего значения характеристик ячеек по оси к. Таким образом вертикальная средняя характеристика ячейки для ячейки с координатами ί, ф равными 1,1 в зоне 3 х 3, будет равна где V есть вертикальная средняя характеристика ячейки, а

Ρχ,γ,ζ - значение свойства ячейки с координатами х, у, ζ.

Поскольку вертикальная средняя характеристика ячейки соответствует средней величине характеристики ячеек, имеющих общую вертикальную ось, горизонтальная плоскость, которой могут соответствовать вертикальные средние характеристики ячеек, может соответствовать любому двумерному объему ячеек в пределах каждой зоны, которая в общем перпендикулярна вертикальной оси зоны. Вычисленные вертикальные средние характеристики ячеек могут быть сохранены компьютером 10, например на некотором машиночитаемом носителе, для дальнейшего доступа.

На этапе 104 генерируется первая тренд-сумма вертикальных средних по первой оси в каждой зоне. Первая тренд-сумма вертикальных средних предпочтительно соответствует сумме вертикальных средних характеристик ячеек, вычисленных на этапе 102, вдоль первой горизонтальной оси в каждой зоне. Например, первая тренд-сумма вертикальных средних может быть суммой вертикальных средних характеристик ячеек вдоль каждого значения координаты _) по всем значениям координаты ί в каждой зоне. Конкретно, как показано на фиг. 3, первая тренд-сумма вертикальных средних может быть вычислена для каждого значения координаты _) в горизонтальной плоскости, использованной на этапе 102 при вычислении вертикальных средних характеристик ячеек.

На этапе 106 генерируется вторая тренд-сумма вертикальных средних по второй оси в каждой зоне. Вторая тренд-сумма вертикальных средних предпочтительно соответствует сумме вертикальных средних характеристик ячеек, вычисленных на этапе 102, вдоль второй горизонтальной оси в каждой зоне. Например, вторая тренд-сумма вертикальных средних может быть суммой вертикальных средних характеристик ячеек вдоль каждого значения координаты ί по всем значениям координаты _) в каждой зоне. Конкретно, как показано на фиг. 3, вторая тренд-сумма вертикальных средних может быть вычислена для каждого значения координаты ί в горизонтальной плоскости, использованной на этапе 102 при вычислении вертикальных средних характеристик ячеек.

На этапе 108 ячейки в зонах группируются с образованием совокупности областей. Предпочтительно, эти области формируются по меньшей мере первоначально с использованием тренд-сумм вертикальных средних, вычисленных на этапах 104 и 106. В некоторых вариантах реализации, однако, указанные области могут формироваться, используя только одну из тренд-сумм вертикальных средних.

Области, сформированные на этапе 108, имеют одинаковый размер по вертикали, но различные размеры по горизонтали. Например, каждая область, сформированная на этапе 108, может содержать одинаковое число ячеек по оси к, но различное количество ячеек по осям ί и ф В различных вариантах реализации указанные области формируются на этапе 108 разбиением каждой зоны вдоль осей ί и ф исходя из значений разности, вычисленных для тренд-сумм вертикальных средних, полученных на этапах 104 и 106. Например, области могут быть сформированы, выполнив сначала разбиение каждой зоны по

- 3 013941 оси ί, исходя из первой средней разности, а затем разбивая каждую зону по оси _] , исходя из второй средней разности.

Предпочтительно для формирования областей используются средние разности, описанные ниже более детально, и входные параметры, задаваемые пользователем, например, вводя их на компьютере 10, или определяемые самим компьютером 10. Входные параметры могут включать максимальное количество областей, которые можно сформировать по оси ί(χ) и по оси _](у). Входные параметры могут также включать значения отсечения для разностей по оси 1(х) и по оси _](у).

В общем случае зоны могут быть разбиты по оси ί с образованием некоторой совокупности областей, так что

где N есть текущее число областей по оси ί,

Ν_χ - входной параметр, определяющий максимальное число областей, которые могут быть сформированы по оси 1, средн1 - первая средняя разность и

Х_отсеч - значение отсечения для разности по оси 1(х) .

Аналогично, зоны могут быть разбиты по оси _] с образованием некоторой совокупности областей, так что

где N есть текущее число областей по оси _],

Ν_γ - входной параметр, определяющий максимальное число областей, которые могут быть сформированы по оси _], средн₂ - вторая средняя разность и

Υ _отсеч - значение отсечения для разности по оси Ду).

Первая средняя разность определяется, исходя из первых тренд-сумм вертикальных средних, вычисленных на этапе 104. В частности, первая средняя разность определяется путем вычисления среднего значения всех первых тренд-сумм вертикальных средних в каждой зоне, а затем определения разности между каждой конкретной тренд-суммой вертикальных средних в каждой зоне и вычисленным средним значением. Зона разбивается по оси I, как описано выше таким образом, чтобы минимизировать первую среднюю разность, например, разбивая зону по оси ί только когда вычисленная средняя разность больше соответствующего значения отсечения разности.

Вторая средняя разность вычисляется, по существу, аналогичным образом, с той разницей, что вторая средняя разность получается, используя вторые тренд-суммы вертикальных средних, вычисленные на этапе 106. Таким образом, зона разбивается по оси _], как описано выше, таким образом, чтобы минимизировать вторую среднюю разность, например, разбивая зону по оси _] только когда вычисленная средняя разность больше соответствующего значения отсечения разности.

Как показано на фиг. 4 (а)-(1), определенные области, используя первые средние разности и вторые средние разности, как описано выше, могут быть затем сгруппированы, исходя из отношений соседства областей и расстояния между областями. Область является соседней для другой области, если она имеет с ней общее ребро. Как описывается ниже, расстояние между двумя областями определяется как абсолютная величина разности характеристик между этими областями.

Фиг. 4(а) иллюстрирует простую крупномасштабную сетку, содержащую 9 областей, сформированных путем разбиения некоторой зоны с использованием первых и вторых средних разностей, как описано выше. Каждой области в этой крупномасштабной сетке первоначально присвоен некоторый идентификатор. На примере фиг. 4(а) области 0 и 1 - соседние, так же как и области 1 и 5, но области 0 и 5 не являются соседними.

Для облегчения дальнейшего группирования областей, предпочтительно вычисляется расстояние между различными областями крупномасштабной сетки. Расстояние может быть определено как

где I - первая область,

I - вторая область,

Р₁ - среднее значение характеристик ячеек, содержащихся в первой области, и

Рд - среднее значение характеристик ячеек, содержащихся во второй области.

Используя вычисленные расстояния между ними, области в каждой зоне снова группируются в более крупные области путем присваивания каждой из них некоторого идентификатора. Каждый идентификатор области может соответствовать любому количеству областей. Например, первый идентификатор может соответствовать двум или более конкретным областям в составе крупномасштабной сетки.

Присваивание идентификаторов областей некоторой совокупности областей проиллюстрировано на примере на последовательности фиг. 4(Ь)-4(1). Например, показаны первый идентификатор области, представляющий области 7, 3 и 6, второй идентификатор области, представляющий области 0 и 2, третий идентификатор области, представляющий области 4, 8 и 1, и четвертый идентификатор области, пред

- 4 013941 ставляющий область 5.

Чтобы определить, следует ли присвоить конкретной области данный идентификатор области, предпочтительно выполняется сравнение определенного выше расстояния между соседними областями с некоторым значением отсечения для областей. Значение отсечения для областей предпочтительно является одним из входных параметров, сообщенных пользователем компьютеру 10, но может также быть получено из других источников, таких как комбинация входных параметров или заданное статистическое значение.

Если расстояние между двумя соседними областями меньше или равно значению отсечения для областей, то этим двум соседним областям присваивается один и тот же идентификатор области. Если расстояние между двумя соседними областями больше значения отсечения для областей, то этим двум соседним областям присваиваются различные идентификаторы областей. Сравнение расстояний предпочтительно начинать в одном углу сетки, продвигаясь затем к другому углу.

На примере, показанном на последовательности фиг. 4(Ь)-4(1), сначала сравниваются расстояния между соседними областями 7-3 и 7-4, как показано на фиг. 4(Ь). В предположении, что расстояния (7, 4) больше значения отсечения для областей, областям 7 и 4 присваиваются разные идентификаторы, как показано на фиг. 4(6).

На фиг. 4(6) также видно, что присваивание идентификаторов областей предпочтительно выполняется в зависимости не только от расстояния между соседними областями, но также и между областями, соседствующими с соседними областями. Например, если текущая область есть область 0, то присваивание идентификатора области выполняется в зависимости от расстояний между блоком 0 и блоком 1 и между блоком 1 и блоком 8.

Конкретно, если расст(0,1) <расст(1, 8) и расст(0, 1) <значение отсечения для областей, то областям 8 и 1 присваивается одинаковый идентификатор области. Если ни одно из указанных неравенств не выполняется, то блоку 1 присваивается новый идентификатор области.

В случаях, когда область не имеет соседей сверху, как для области 2 на примере на фиг. 4(Ь)-4(1), присваивание идентификатора области выполняется в зависимости от расстояния между смежными и нижними областями, как например, расстояния между областями 0 и 2, 2 и 5, 5 и 1. Конкретно, если расст(1, 2) < значение отсечения для областей расст(1, 5) < значение отсечения для областей расст(2, 5) < значение отсечения для областей то областям 2 и 1 присваивается один и тот же идентификатор. Если расст(0, 2) меньше или равно значению отсечения для областей, то областям 0 и 2 присваивается один и тот же идентификатор. Если ни одно из вышеуказанных условий не выполняется, то области 2 присваивается новый идентификатор области.

В случаях, когда у области 1 нет соседей справа, как например у области 1 в примере на фиг. 4(Ь)(ί), присваивание идентификатора области выполняется в зависимости от расстояния между данной областью и ее верхним соседом. Например, если расст(1, 5) меньше или равно значению отсечения для областей, то областям 1 и 5 присваивается один и тот же идентификатор. В противном случае области 5 присваивается новый идентификатор.

Вышеописанный способ предпочтительно применяется ко всем областям крупномасштабной сетки, таким образом, чтобы все области в каждой зоне относились к каким-то идентификаторам. Предпочтительно, количество идентификаторов должно быть меньше количества областей в каждой зоне, чтобы еще уменьшить сложность модели и требуемую вычислительную мощность. Однако группирование областей с использованием идентификаторов областей не обязательно выполняется во всех вариантах реализации, поскольку можно формировать и группировать области, используя только описанные выше первые и вторые тренд-суммы вертикальных средних. Далее, в некоторых вариантах реализации этап 108 может выполняться независимо от этапов 102-106, так чтобы конкретные ячейки группировались, исходя из расстояний между ячейками.

Области, сформированные и/или сгруппированные на этапе 108, предпочтительно являются трехмерными объемами, содержащими по меньшей мере одну ячейку по каждому направлению 1, _) и к. Однако в некоторых вариантах реализации сформированные области могут быть двумерными областями.

На этапе 110 вычисляются горизонтальные средние характеристики ячеек. Горизонтальная средняя характеристика ячеек предпочтительно вычисляется для каждого слоя в каждой области в каждой зоне. В вариантах реализации, в которых областям присвоены идентификаторы, как описано выше, горизонтальная средняя характеристика ячеек предпочтительно вычисляется для каждого слоя в каждой группе областей для каждого идентификатора.

Слои, для которых вычисляются горизонтальные средние характеристики ячеек, предпочтительно соответствуют двумерным горизонтальным порциям области и/или группе областей. Таким образом, каждый слой в области или группе областей может соответствовать ячейкам вдоль осей ί и _) для данного значения к. Для каждого слоя горизонтальная средняя характеристика ячеек вычисляется, исходя из среднего значения характеристик ячеек для ячеек в данном слое.

- 5 013941

На этапе 112 вычисляют горизонтальную дисперсию характеристик ячеек. Горизонтальная дисперсия характеристик ячеек предпочтительно вычисляется для каждой области или группы областей в каждой зоне. Горизонтальная дисперсия характеристик ячеек в общем соответствует дисперсии горизонтальных средних характеристик ячеек, вычисленных на этапе 110, для каждой области или группы областей. Конкретно, горизонтальная дисперсия характеристик ячеек вычисляется для каждой области или группы областей подсчетом среднего значения всех горизонтальных средних характеристик ячеек в каждой области или группе областей и определением разностей между отдельными горизонтальными средними характеристиками ячеек и вычисленным средним значением.

На этапе 114 формируются блоки ячеек, используя горизонтальную дисперсию характеристик ячеек, вычисленную на этапе 112. Области или группы областей, определенные на этапе 108, на этапе 114 предпочтительно разбиваются на блоки ячеек. Таким образом, каждый блок ячеек может содержать любую часть одной или нескольких областей, включая трехмерные или двумерные объемы ячеек.

Блоки ячеек предпочтительно формируются, используя горизонтальную дисперсию характеристик ячеек, так что области или группы областей разбиваются, исходя из горизонтальной дисперсии характеристик ячеек в каждой из них. В частности, среди областей или групп областей ищется область или группа областей, имеющая максимальную горизонтальную дисперсию характеристик ячеек.

Если максимальная горизонтальная дисперсия характеристик ячеек меньше некоторого значения отсечения вертикальной разности, то дальнейшее формирование блоков и объединение слоев не требуется. Значение отсечения вертикальной разности предпочтительно является одним из входных параметров, сообщенных пользователем компьютеру 10, но может также быть выведено самим компьютером 10 или соответствовать некоторому заданному статистическому значению. Если максимальная горизонтальная дисперсия характеристик ячеек больше значения отсечения вертикальной разности, то область или группа областей, соответствующая максимальной горизонтальной дисперсии характеристик ячеек, разбивается на верхние и нижние блоки ячеек для минимизации результирующей максимальной горизонтальной дисперсии характеристик ячеек. После разбиения области или группы областей с максимальной горизонтальной дисперсией характеристик ячеек этапы 110 и 112 повторяются для вычисления обновленных значений горизонтальных средних характеристик ячеек и горизонтальной дисперсии характеристик ячеек. Далее блокам ячеек, полученным разбиением области или группы областей с максимальной горизонтальной дисперсией характеристик ячеек, присваиваются некоторые идентификаторы блоков ячеек. Если область или группа областей не разбита на блоки, то ей может быть присвоен идентификатор блока ячеек, соответствующий ее идентификатору области, так что данный блок ячеек будет иметь ту же конфигурацию, что и данная область или группа областей.

Этап 114 повторяется в каждой зоне до тех пор, пока максимальная горизонтальная дисперсия характеристик ячеек не станет меньше значения отсечения вертикальной разности или пока не будет превышено максимальное число блоков ячеек. Входные параметры, сообщенные пользователем или выведенные компьютером 10, могут включать предельное число блоков ячеек, так что процесс объединения слоев на этапе 114 останавливается, как только достигается это предельное число блоков ячеек.

В некоторых вариантах реализации, блоки ячеек могут формироваться с использованием весовых критериев с тем, чтобы отдавать предпочтение формированию блоков ячеек, исходя из одной или нескольких характеристик ячеек. В различных вариантах реализации упомянутые весовые критерии могут соответствовать таким свойствам пластов-коллекторов, как проницаемость, водонасыщенность, пористость, фации и т.д. Весовые критерии могут быть произведением, частным, логарифмом, степенью, экспоненциальной или любой другой математической функцией или их комбинацией и т.п. Весовые критерии могут быть реализованы в виде файла весовых коэффициентов, используемого компьютером 10, или могут быть сообщены пользователем вручную.

Весовые критерии могут включать математическую функцию 1од₁₀(К_х) и/или 1од₁₀ (К_х* (1-ЗААТ)), где К_х - проницаемость по направлению х, а ЗАЛТ - водонасыщенность. Использование этой последней весовой функции увеличивает размеры блоков ячеек за счет межслойных глыб в водоносных пластах в укрупненной геологической модели с весовым коэффициентом 1од₁₀(К,.). и одновременно в еще большей мере подчеркивает неоднородность и связность трехмерного объема геомодели пластов-коллекторов, когда водонасыщенность меньше единицы, уменьшая таким образом размеры блоков ячеек в этих объемах. Этот тип весовых параметров может быть расширен путем использования различных весовых функций в различных зонах пластов-коллекторов в мелкомасштабной геомодели, дополнительно к использованию единой функции учета межслойных глыб в мелкомасштабной геомодели. Далее, в некоторых вариантах реализации, параметрические весовые критерии могут применяться на других этапах, например, при группировании областей на этапе 108.

Выполнение этапов 100-114 позволяет достичь неоднородного группирования ячеек в совокупности зон геомодели, что способствует выполнению точного компьютерного моделирования. Например, если желательно сгруппировать мелкомасштабную модель 6x3x6 в 3 укрупненных слоя, как показано на примерах фиг. 5, то однородная крупномасштабная сетка, создаваемая однородным укрупнением слоев как показано на примерах 2 и 3, может не отражать мелкомасштабную модель достаточно точно. Напротив, пример 5 на фиг. 5, полученный разбиением на области, как показано на примере 4, и неоднородным ук

- 6 013941 рупнением слоев на этапах 100-114, позволяет получить модель с тремя укрупненными слоями, которая более точно отражает свойства первоначальной мелкомасштабной модели.

Далее группирование в соответствии с вариантами реализации настоящего изобретения уменьшает деградацию общего отношения средней вертикальной к средней горизонтальной проницаемости во всех укрупненных ячейках геомодели, полученной укрупнением/объединением слоев, по сравнению с однородным укрупнением слоев, и обеспечивает большее сохранение контраста между укрупненными блоками ячеек и первоначальными ячейками.

Геомодель с укрупненными слоями, полученная выполнением этапов 100-114, может использоваться для выполнения компьютерного моделирования с целью определения характеристики объема, которому соответствует геомодель. Например, в вариантах реализации, в которых геомодель соответствует подземному объему, компьютер 10 может выполнить моделирование потоков, используя сформированные блоки ячеек, для выявления природы, расположения и движения углеводородных ресурсов.

Заявляемые как представляющие новизну и требующие патентной защиты признаки настоящего изобретения, предпочтительный вариант реализации которого описан выше, приведены в формуле изобретения.

Claims

ФОРМУЛА ИЗОБРЕТЕНИЯ

1. Способ укрупнения слоев трехмерной модели, содержащей совокупность ячеек, расположенных в пределах совокупности зон, содержащий следующие этапы, на которых:

(a) вычисляют вертикальную среднюю характеристику ячейки по меньшей мере для одной ячейки в пределах по меньшей мере одной зоны;

(b) генерируют по меньшей мере одну тренд-сумму вертикальных средних по меньшей мере для одной зоны, используя вертикальную среднюю характеристику ячейки;

(c) группируют ячейки, используя тренд-сумму вертикальных средних, для определения совокупности областей ячеек;

(ά) вычисляют горизонтальную дисперсию характеристик ячеек по меньшей мере в одной области ячеек и (е) формируют совокупность блоков ячеек, используя горизонтальную дисперсию характеристик ячеек.
2. Способ по п.1, в котором этап (Ь) содержит этапы, на которых генерируют первую тренд-сумму вертикальных средних вдоль первой оси в каждой зоне и генерируют вторую тренд-сумму вертикальных средних вдоль второй оси в каждой зоне.
3. Способ по п.1, в котором каждая из определенных на этапе (с) областей ячеек включает в себя совокупность слоев ячеек.
4. Способ по п.3, дополнительно содержащий этап, на котором:

(1) вычисляют горизонтальную среднюю характеристику ячеек по меньшей мере для одного слоя по меньшей мере в одной области.
5. Способ по п.4, в котором этап (ά) содержит вычисление горизонтальной дисперсии характеристик ячеек с использованием горизонтальной средней характеристики ячеек.
6. Способ по п.1, в котором характеристика ячейки выбирается из группы, состоящей из типа породы, пористости, проницаемости, водонасыщенности и их комбинаций.
7. Способ по п.1, дополнительно содержащий этап, на котором:

(д) выполняют моделирование потоков, используя сформированные блоки ячеек.
8. Способ укрупнения слоев трехмерной модели, содержащей совокупность ячеек, расположенных в пределах совокупности зон, включающий следующие этапы, на которых:

(a) вычисляют вертикальную среднюю характеристику ячейки для каждой ячейки в пределах в общем горизонтальной плоскости в пределах каждой зоны;

(b) генерируют первую тренд-сумму вертикальных средних вдоль первой оси в пределах каждой зоны;

(c) генерируют вторую тренд-сумму вертикальных средних вдоль второй оси в пределах каждой зоны;

(ά) группируют ячейки в пределах каждой зоны в соответствии с тренд-суммами вертикальных средних для определения совокупности областей ячеек, каждая из которых включает совокупность слоев ячеек;

(е) вычисляют горизонтальную дисперсию характеристик ячейки для каждого слоя в пределах каждой области;

(1) вычисляют горизонтальную дисперсию характеристик ячейки для всех областей во всех зонах, используя горизонтальные средние характеристики ячейки; и (д) формируют совокупность блоков ячейки, используя вычисленные значения дисперсии.
9. Способ по п.8, в котором характеристика ячейки выбирается из группы, состоящей из типа породы, пористости, проницаемости, водонасыщенности и их комбинаций.

- 7 013941
10. Способ по п.8, дополнительно содержащий этап, на котором:

(й) выполняют моделирование потоков, используя сформированные блоки ячеек.
11. Способ по п.8, в котором этап (д) содержит этап, на котором формируют совокупность блоков ячеек, используя максимальную разность вычисленных значений дисперсии.
12. Способ по п.8, в котором этап (б) содержит этап, на котором группируют ячейки, разбивая зоны вдоль первой и второй оси, используя средние разности первой и второй тренд-сумм вертикальных средних.
13. Компьютерная программа для укрупнения слоев трехмерной модели, содержащей совокупность ячеек, расположенных в некоторой совокупности зон, хранящаяся на некотором машиночитаемом носителе для выполнения на вычислительном устройстве, содержащая кодовый сегмент, выполняемый для вычисления вертикальной средней характеристики ячейки по меньшей мере для одной ячейки по меньшей мере в одной зоне;

кодовый сегмент, выполняемый для вычисления по меньшей мере одной тренд-суммы вертикальных средних по меньшей мере для одной зоны с использованием вертикальной средней характеристики ячейки;

кодовый сегмент, выполняемый для группирования ячеек с использованием упомянутой трендсуммы вертикальных средних для определения совокупности областей ячеек;

кодовый сегмент, выполняемый для вычисления горизонтальной дисперсии характеристик ячеек по меньшей мере в одной области ячеек; и кодовый сегмент, выполняемый для формирования совокупности блоков ячеек с использованием горизонтальной дисперсии характеристик ячеек.
14. Компьютерная программа по п.13, дополнительно содержащая кодовый сегмент, выполняемый для вычисления первой тренд-суммы вертикальных средних вдоль первой оси в каждой зоне; и кодовый сегмент, выполняемый для вычисления второй тренд-суммы вертикальных средних вдоль второй оси в каждой зоне.
15. Компьютерная программа по п.13, в которой каждая из областей ячеек содержит совокупность слоев ячеек.
16. Компьютерная программа по п.13, дополнительно содержащая кодовый сегмент, выполняемый для вычисления горизонтальной средней характеристики ячеек по меньшей мере для одного слоя по меньшей мере в одной области.
17. Компьютерная программа по п.16, в которой горизонтальная дисперсия характеристик ячеек вычисляется с использованием горизонтальной средней характеристики ячеек.
18. Компьютерная программа по п.13, в которой характеристика ячейки выбирается из группы, состоящей из типа породы, пористости, проницаемости, водонасыщенности и их комбинаций.
19. Компьютерная программа по п.13, дополнительно содержащая кодовый сегмент, выполняемый для моделирования потоков с использованием сформированных блоков ячеек.
20. Компьютерная программа по п.13, дополнительно содержащая кодовый сегмент, выполняемый для доступа к файлу весовых параметров, содержащему весовой критерий, соответствующий упомянутой характеристике ячеек, чтобы формировать упомянутые блоки ячеек с использованием как упомянутой горизонтальной дисперсии характеристик ячеек, так и весового критерия.