EP1503258A1 - Methode pour optimiser la production d'un gisement petrolier en presence d'incertitudes - Google Patents
Methode pour optimiser la production d'un gisement petrolier en presence d'incertitudes Download PDFInfo
- Publication number
- EP1503258A1 EP1503258A1 EP04291232A EP04291232A EP1503258A1 EP 1503258 A1 EP1503258 A1 EP 1503258A1 EP 04291232 A EP04291232 A EP 04291232A EP 04291232 A EP04291232 A EP 04291232A EP 1503258 A1 EP1503258 A1 EP 1503258A1
- Authority
- EP
- European Patent Office
- Prior art keywords
- parameters
- production
- deposit
- criterion
- intrinsic
- 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.)
- Ceased
Links
- 238000000034 method Methods 0.000 title claims description 20
- 238000004519 manufacturing process Methods 0.000 claims abstract description 85
- 238000011161 development Methods 0.000 claims abstract description 39
- 229930195733 hydrocarbon Natural products 0.000 claims abstract description 23
- 150000002430 hydrocarbons Chemical class 0.000 claims abstract description 23
- 238000009826 distribution Methods 0.000 claims abstract description 21
- 239000004215 Carbon black (E152) Substances 0.000 claims abstract description 13
- 238000012360 testing method Methods 0.000 claims abstract description 7
- 238000000528 statistical test Methods 0.000 claims abstract description 6
- 238000013528 artificial neural network Methods 0.000 claims abstract description 3
- 238000004088 simulation Methods 0.000 claims description 13
- 238000002474 experimental method Methods 0.000 claims description 8
- 238000013401 experimental design Methods 0.000 claims description 4
- 239000003208 petroleum Substances 0.000 claims description 2
- 238000011002 quantification Methods 0.000 abstract 1
- 238000005457 optimization Methods 0.000 description 19
- 230000001186 cumulative effect Effects 0.000 description 18
- 102100036109 Dual specificity protein kinase TTK Human genes 0.000 description 12
- 101000659223 Homo sapiens Dual specificity protein kinase TTK Proteins 0.000 description 12
- 238000011084 recovery Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 240000008042 Zea mays Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 241001080024 Telles Species 0.000 description 1
- 241000897276 Termes Species 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001955 cumulated effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
Definitions
- the present allows to study and / or optimize a production scheme of an oil field. It makes it possible to evaluate the risks taken in terms of development scheme, to compare several schemes, and to define a optimal scheme taking into account a given production criterion, for example the maximizing oil recovery, minimizing recovery water, maintaining the production flow at a given value during a given period.
- the present invention aims at optimizing a scheme of production in a probabilistic framework. Indeed, the optimization is carried out in taking into account the uncertainties inherent in the reservoir.
- Production schema optimization is a very problem interesting since it aims at better management (in terms of cost, profit, safety, respect of the environment) of the production of tanks oil.
- the method according to the invention makes it possible to study this problematic in a more general context than the one used until now: it allows optimization while integrating the different sources of uncertainty on the tank.
- step c we can quantify the relative influence of the parameters between them and one can delete the parameters having an influence negligible on the criterion of production of the deposit over time.
- step c) it is possible to set the value of at least one of said intrinsic parameters to the deposit and one can determine the value of at minus one of the said parameters related to the development options of the deposit in order to optimize the production criterion.
- step c) the following steps can be performed: i) a draw is made randomness of several values of at least one of said intrinsic parameters at the deposit according to its law of uncertainty, ii) the values of at least one of the said parameters related to the development options of the deposit of in order to optimize the production criterion for each value drawn in step i), iii) from the values determined in step ii) the distribution is obtained optimal of said parameters related to the development options of the deposit.
- the analytical model can be determined using a plan experience, each experiment consisting of a simulation of the deposit tanker carried out by the flow simulator. In step b), also determine the analytical model using networks of neurons.
- said at least one parameter intrinsic to the deposit may be of the discrete, continuous, and / or stochastic type.
- the method according to the invention can be applied whatever the state of field development (apraisal, mature fields ).
- the invention is schematized by the diagram of FIG.
- Step 1 Determination of uncertain parameters and options development
- the first step of the method according to the invention consists in selecting uncertain technical parameters related to the reservoir considered and having a influence on the production profiles of hydrocarbons or water by the tank.
- the parameters dedicated to the development have a strong impact on production given the presence of other uncertainties. Indeed, it is possible that the uncertainty on one of the intrinsic parameters to the reservoir, such that the different options for development have a negligible impact on production, taking into account the prevailing uncertainty.
- a joint sensitivity analysis is carried out, ie including times the uncertain parameters intrinsic to the reservoir and the parameters of production. To do this, one can use the method of the plans of experiments previously cited [3].
- the basic principle of this theory consists, knowing the ranges of variation of the parameters studied, to recommend a series of simulations that will assess the sensitivity to different parameters of cumulative production at twelve years. For example, we realize sixteen flow simulations to obtain an analytical modeling of the cumulative hydrocarbon production behavior at twelve years in according to the five parameters studied.
- Step 2 approximation of the flow simulator
- the oil field is modeled using a digital simulator tank.
- the tank simulator or flow simulator allows in particular to calculate the production of hydrocarbons or water over time according to technical parameters such as the number of layers of reservoir, the permeability of the layers the strength of the aquifer, the position of the well oil, etc.
- An analytical model expressing a production criterion is determined studied over time, from a finite number of values this criterion previously obtained using the flow simulator.
- the simulations are performed by varying the different parameters selected in Step 1.
- the analytical model can be determined using mathematical methods such as experimental designs, networks of neurons, etc.
- Step 3 Risk analysis by uncertain parameters and options development.
- the analytical model (of order 2), one can obtain a diagnosis quantitative. Indeed, it is important to verify that this model retranscribes faithfully the simulated values and moreover that it can be used so reliable for making predictions of cumulative hydrocarbon production at twelve years in other points than those simulated. To do this, we can use the calculation of a statistical criterion to evaluate the quality of the adjustment and of the predictivity of the analytical model.
- the analytical model makes it possible to perform calculations of prediction of cumulative 12-year hydrocarbon production at any point in the uncertain domain, without resorting again to the flow simulator.
- Step 4 Optimizing a development schema
- the optimization of a development scheme consists in determining the tank operating scheme options (type of well, location of well, positioning of completions, type of recovery %) which allows the better recovery of hydrocarbon or water.
- optimization makes it possible to define the optimal position of the P1 well to maximize cumulative hydrocarbon recovery at twelve years.
- This optimization can be carried out in two ways: deterministic or probabilistic.
- Deterministic optimization consists of setting each of the uncertain parameters to a given value (the one that seems most likely), and to search in this context that has become deterministic (the uncertainties are now lifted) the values of P1X and P1Y which maximize the cumulative oil at 12 years old.
- Probabilistic optimization is a generalization of optimization deterministic in the sense that it does not restrict the uncertain parameters to a probable value but incorporates all their randomness.
- each of the uncertain parameters retains its distribution likelihood (as in the sampling phase), and in this probabilistic context the development options that maximize the production.
- FIG. 5 represents the optimal distribution of the well P1 along the x-axis, given the existing uncertainty (values of x are given in value normalized between [-1,1]).
- Figure 6 represents the distribution of the well P1 along the y-axis, taking into account the existing uncertainty (the values of y are given in standardized value between [-1,1]).
- Figure 7 shows the residual variability of the production cumulated hydrocarbons at age 12 in the context of a optimal development but in the presence of reservoir uncertainties that one does not can control.
- the optimal solution corresponds to a well location located in mesh 9 (0.27 in normalized) along the x-axis, and mesh 22 (014 normalized) along the y-axis.
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Méthode pour optimiser la production des champs pétroliers, et notamment les schémas de production, tout en tenant compte des incertitudes inhérentes à toute étude de réservoir. Cette méthodologie peut se décomposer en trois étapes séquentielles : Etape 1 : Etude de sensibilité pour évaluer l'impact sur la production du réservoir pétrolier des configurations de schéma de production testées (plusieurs emplacements de puits, ...) en comparaison aux incertitudes propres au réservoir (perméabilité, force d'aquifère, ...). Etape 2 : Etude de quantification des risques associés aux configurations envisagées pour déterminer s'il est nécessaire de chercher un schéma optimal de production, Etape 4 : Etude d'optimisation du schéma de production : dans cette phase, l'objectif est de déterminer la configuration de production idéale pour un objectif donné. <IMAGE>
Description
La présente permet d'étudier et/ou d'optimiser un schéma de production
d'un gisement pétrolier. Elle permet d'évaluer les risques pris en terme de
schéma de développement, de comparer plusieurs schémas, et de définir un
schéma optimal compte tenu d'un critère de production donné, par exemple la
maximisation de la récupération d'huile, la minimisation de la récupération
d'eau, maintien du débit de production à une valeur donnée pendant une
période donnée. La présente invention vise à optimiser un schéma de
production dans un cadre probabiliste. En effet, l'optimisation est effectuée en
tenant compte des incertitudes inhérentes au réservoir.
Actuellement, l'optimisation de schéma de production est menée selon
deux approches :
- En comparant chacun des scénarios de production de manière discrète, ce qui est le cas par exemple dans les approches de type "nested simulations" [1] ou "arbre de décision" [2]. Cette approche présente l'avantage de pouvoir combiner différentes options de développement mais son coût en terme de simulation numérique est extrêmement lourd. De plus, elle ne permet pas l'intégration d'incertitudes incontrôlables inhérentes au réservoir (perméabilité, porosité).
- En déterminant la configuration de production optimale pour un réservoir
donné en négligeant toute forme d'incertitude. De telles études, utilisant les
plans d'expériences ont permis de proposer un schéma de production
optimal, mais en émettant l'hypothèse forte qu'aucune incertitude n'existait
sur le comportement géologique, statique ou dynamique du réservoir [3].
- [1] [2] Ian Colins, "Decision tree analysis and simple economic models identify technical option ranking and project cost estimates for full field case", WordOil, pp. 62-69 May 2003.
- [3] Dejean, J.P. and Blanc, G., "Managing uncertainties on production prédictions using integrated statistical methods", SPE 56696, SPE Annual Technical Conference and Exhibition, Houston, USA, oct. 3-6, 1999.
L'optimisation de schéma de production est un problème très
intéressant puisqu'il vise une meilleur gestion (en terme de coût, de bénéfice,
de sécurité, de respect de l'environnement) de la production des réservoirs
pétroliers. La méthode selon l'invention permet d'étudier cette problématique
dans un contexte plus général que celui utilisé jusqu'alors : elle permet
l'optimisation tout en intégrant les différentes sources d'incertitudes régnant
sur le réservoir.
De manière générale, l'invention propose une méthode pour optimiser,
dans un contexte incertain, un critère de production d'un gisement pétrolier
modélisé par un simulateur d'écoulement, dans lequel on effectue les étapes
suivantes :
Avant l'étape c), on peut quantifier l'influence relative des paramètres
entre eux et on peut supprimer les paramètres ayant une influence
négligeables sur le critère de production du gisement au cours du temps. On
peut quantifier l'influence relative des paramètres entre eux au moyen d'un
test statistique (par exemple le tests de Student ou de Fisher).
A l'étape c), on peut fixer la valeur d'au moins au moins un desdits
paramètres intrinsèques au gisement et on peut déterminer la valeur d'au
moins un desdits paramètres liés aux options de développement du gisement
de manière à optimiser le critère de production.
A l'étape c) on peut effectuer les étapes suivantes : i) on réalise un tirage
aléatoire de plusieurs valeurs d'au moins un desdits paramètres intrinsèques
au gisement selon sa loi d'incertitude, ii) on détermine les valeurs d'au moins
un desdits paramètres liés aux options de développement du gisement de
manière à optimiser le critère de production pour chaque valeur tirée à l'étape
i), iii) à partir des valeurs déterminées à l'étape ii) on obtient la distribution
optimale desdits paramètres liés aux options de développement du gisement.
A l'étape b), on peut déterminer le modèle analytique en utilisant un plan
d'expérience, chaque expérience consistant en une simulation du gisement
pétrolier effectuée par le simulateur d'écoulement. A l'étape b), on peut
également déterminer le modèle analytique en utilisant des réseaux de
neurones.
A l'étape a), ledit au moins un paramètre intrinsèque au gisement peut
être du type discret, continu, et/ou stochastique.
La méthode selon l'invention peut s'applique quelque soit l'état de
développement du champs (apraisal, champs matures...)
D'autres caractéristiques et avantages de l'invention seront mieux
compris et apparaítront clairement à la lecture de la description faite ci-après
en se référant aux dessins parmi lesquels :
- la figure 1 schématise la méthode selon l'invention,
- la figure 2 représente un diagramme de Pareto,
- la figure 3 représente un diagramme de Pareto,
- la figure 4 représente la variabilité de la production cumulée d'hydrocarbure à douze ans et avant optimisation du schéma de développement,
- la figure 5 représente la distribution optimale du puits P1 selon l'axe des x,
- la figure 6 représente la distribution optimale du puits P1 selon l'axe des y,
- la figure 7 représente la variabilité résiduelle de la production cumulée d'hydrocarbures à douze ans et après optimisation du schéma de développement.
On considère un réservoir constitué par 5 couches poreuses et perméables,
numérotées 1 à 5 de haut en bas. Les couches 1, 2, 3 et 5 possèdent de bonnes
qualités pétrophysiques tandis que la couche 4 est de mauvaise qualité. Ce
réservoir est exploité grâce à 5 puits producteurs.
L'invention est schématisée par le diagramme de la figure 1.
La première étape de la méthode selon l'invention consiste à sélectionner
des paramètres techniques incertains liés au réservoir considéré et ayant une
influence sur les profils de production d'hydrocarbures ou d'eau par le
réservoir.
On sélectionne des paramètres incertains intrinsèques au réservoir. Par
exemple, on peut considérer les paramètres suivants :
- Un multiplicateur de perméabilité pour les couches 1, 2, 3 et 5 : MPH1
- La force de l'aquifère: AQUI
- La saturation d'huile résiduelle après un balayage à l'eau: SORW
Chacun de ces paramètres est incertain et peut avoir un impact
significatif sur les profils de production. La méthode selon l'invention permet
de quantifier dans quelle mesure l'incertitude sur ces paramètres a un impact
sur les prévisions de production à douze ans. Pour ce faire, on associe à chaque
paramètre une plage de variation probable:
- MPH1 ∈ [MPH1min, MPH1max] = [0.8 ; 1.2]
- AQUI ∈ [AQUImin, AQUImax] = [0.2 ; 0.3]
- SORW ∈ [SORWmin, SORWmax] = [0.15 ; 0.25]
En vue de l'optimisation d'un schéma de production, on sélectionne
ensuite des paramètres correspondant à des options de développement du
gisement qui pourraient influencer la production. Ces paramètres peuvent
être : la position d'un puits, le niveau de complétion, la technique de forage,
etc. En terme de production, le comportement de la production à douze ans est
examiné.
Par exemple, le schéma de production à tester et à optimiser consiste en l'ajout d'un nouveau puits P1. Les paramètres que nous cherchons à optimiser sont :
Par exemple, le schéma de production à tester et à optimiser consiste en l'ajout d'un nouveau puits P1. Les paramètres que nous cherchons à optimiser sont :
- La position du puits selon l'axe x : P1X ∈ [P1Xmin, P1Xmax]= [6 ; 11]
- La position du puits selon l'axe y : P1Y ∈ [P1Ymin, P1Ymax] = [21 ; 23]
Selon l'exemple choisi, on considère cinq paramètres incertains : trois
paramètres intrinsèques au réservoir et deux paramètres visant à optimiser un
critère de production.
Selon l'invention, on peut vérifier que les paramètres dédiés au schéma de
développement influencent bien la production compte tenu de la présence des
autres incertitudes. En effet, il est possible que l'incertitude sur l'un des
paramètres intrinsèques au réservoir soit telle que les différentes options de
développement aient un impact négligeable sur la production, compte tenu de
l'incertitude prédominante.
On effectue une analyse de sensibilité conjointe, c'est à dire incluant à la
fois les paramètres incertains intrinsèques au réservoir et les paramètres de
production. Pour ce faire, on peut utiliser la méthode des plans d'expériences
précédemment citée [3]. Le principe de base de cette théorie consiste,
connaissant les plages de variation des paramètres étudiés, à préconiser une
série de simulations qui permettront d'évaluer la sensibilité aux différents
paramètres de la production cumulée à douze ans. Par exemple, on réalise
seize simulations d'écoulement pour obtenir une modélisation analytique du
comportement de la production cumulée d'hydrocarbures à douze ans en
fonction des cinq paramètres étudiés.
Un test statistique, par exemple de Student, est alors appliqué pour tester
l'influence de chacun des paramètres du modèle analytique. Ainsi, on obtient
un diagramme de Pareto, représenté par la figure 2, qui précise l'influence
respective de l'incertitude de chacun des paramètres sur la production cumulée
d'hydrocarbures à douze ans. Les termes situés à droite de la ligne 1 sont
influents alors que ceux à gauche sont négligeables. On peut simplifier le
modèle analytique, en supprimant les termes négligeables. Ainsi, on obtient un
meilleur diagnostic de l'influence du choix des options de développement par
rapport aux incertitudes intrinsèques au réservoir.
Par itérations successives, on peut supprimer selon le diagnostic du test
de Student les termes négligeables. Le modèle simplifié obtenu à la suite des
suppressions met effectivement en valeur les impacts prépondérants sur la
réponse en production. On peut dès lors constater que les incertitudes
intrinsèques au réservoir sont influentes mais que l'option de développement
est également cruciale au travers des termes P1X, P1X:P1Y, AQUI:P1X et P1Y.
Ces résultats confirment donc la nécessité d'envisager une étude des
options du schéma de développement en présence d'incertitudes sur les
paramètres liés au réservoir ainsi qu'une optimisation de l'emplacement du
puits P1 pour optimiser la récupération d'hydrocarbures ou d'eau tout en
tenant compte des autres incertitudes.
Le gisement pétrolier est modélisé à l'aide d'un simulateur numérique de
réservoir. Le simulateur de réservoir ou simulateur d'écoulement permet
notamment de calculer la production d'hydrocarbures ou d'eau dans le temps
en fonction de paramètres techniques tels que le nombre de couches du
réservoir, la perméabilité des couches la force de l'aquifère, la position du puits
de pétrole, etc.
On détermine un modèle analytique exprimant un critère de production
étudié au cours du temps, à partir d'un nombre fini de valeurs ce critère
préalablement obtenues au moyen du simulateur d'écoulement. Les
simulations sont réalisées en faisant varier les différents paramètres
sélectionnés à l'étape 1. Le modèle analytique peut être déterminé à l'aide de
méthodes mathématiques telles que les plans d'expériences, les réseaux de
neurones, etc.
Dans le cas où l'on utilise la méthode des plans d'expériences, en fonction
des types et du nombre de paramètres incertains sélectionnés à l'étape 1, il
existe des plans d'expériences adaptés définissant un nombre de simulations
numériques à effectuer afin de caractériser de façon rigoureuse et homogène le
domaine incertain. Ainsi, il est possible d'analyser rapidement et correctement
l'influence de chaque paramètre incertain. Il est possible d'utiliser les plans
d'expérience décrits par le document précédemment cité [3].
A partir des résultats des simulations numériques et en utilisant des
méthodes statistiques, on peut lier la production d'hydrocarbures ou d'eau dans
le temps par une ou plusieurs fonctions analytiques aux paramètres techniques
incertains. La forme de la ou des fonctions analytiques dépend du plan
d'expériences choisi et du type des paramètres.
L'utilisation des méthodes mathématiques, telles que les plans
d'expériences, les réseaux de neurones, et l'utilisation d'outils statistiques
adaptés présentent l'avantage de remplacer le simulateur d'écoulement très
cher en temps de calcul par une ou plusieurs fonctions analytiques très
rapides, valables sur le domaine incertain, permettant de transcrire l'évolution
d'une réponse de production en fonction des paramètres incertains. De plus il
est important de noter que les fonctions analytiques définies ne dépendent pas
de la densité de probabilité des paramètres incertains mais seulement de leurs
bornes supérieures et inférieures.
Ainsi il est possible de remplacer par plusieurs fonctions analytiques le
profil de production d'un gisement. Il suffit de déterminer les fonctions
analytiques donnant la production d'hydrocarbures en fonction des paramètres
techniques, à chaque année du profil de production.
Dans notre exemple nous allons déterminer des fonctions polynomiales
permettant de lier la production cumulée d'hydrocarbures pour chacune des
douze années du profil de production aux cinq paramètres incertains
déterministes définis à l'étape 1. Pour ce faire, on choisit un plan d'expériences
d'ordre 2 adapté à cinq paramètres déterministes ayant les caractéristiques
décrites dans le tableau 1 et permettant de prendre en compte les termes
décrits dans le tableau 2.
| Caractéristiques du plan d'expérience | |
| Propriétés du plan | |
| Type de plan | Central Composite - Face Centrée |
| Nombre de paramètres | 5 |
| Nombre de simulations | 27 |
Les vingt-sept simulations associées au plan d'expériences considéré ont
été effectuées afin d'obtenir vingt-sept résultats simulés de la production
cumulée d'hydrocarbures pour la douzième année de production. A partir de ces
résultats un modèle polynomial est construit, en utilisant la méthode
statistique des surfaces de réponse, afin d'approcher le simulateur
d'écoulement sur le domaine incertain pour la douzième année de production.
On peut appliquer un test statistique, par exemple de Student ou de
Fisher, pour tester l'influence de chacun des paramètres du modèle analytique.
Ainsi, on obtient un diagramme de Pareto, représenté par la figure 3, qui
précise l'influence respective de l'incertitude de chacun des paramètres sur la
production cumulée d'hydrocarbures à douze ans.
Par itérations successives, on peut supprimer selon le diagnostic du test
de Student les termes négligeables. Le nouveau modèle simplifié met
effectivement en valeur les impacts prépondérants sur la réponse en
production. On peut dès lors constater que les incertitudes sur les paramètres
intrinsèques au réservoir sont influentes mais que l'option de développement
est aussi cruciale au travers des termes P1X, P1X:P1Y, AQUI:P1X, P1Y mais
aussi P1X2 et P1Y2.
Grâce au modèle analytique (d'ordre 2), on peut obtenir un diagnostic
quantitatif. En effet, il est important de vérifier que ce modèle retranscrit
fidèlement les valeurs simulées et de plus qu'il peut être utilisé de manière
fiable pour faire des prédictions de la production cumulée d'hydrocarbures à
douze ans en d'autres points que ceux simulés. Pour ce faire, on peut utiliser le
calcul d'un critère statistique permettant d'évaluer la qualité de l'ajustement et
de la prédictivité du modèle analytique.
Par conséquent, le modèle analytique permet d'effectuer des calculs de
prédiction de la production cumulée d'hydrocarbures à 12 ans en tout point du
domaine incertain, et ce sans recourir de nouveau au simulateur d'écoulement.
Ainsi, on peut estimer la distribution probabilisée de la production
cumulée d'hydrocarbures en attribuant une loi de distribution à chacun des
paramètres incertains et à chacun des paramètres correspondant aux options
de développement pris en compte par le modèle analytique:
- MPH1 suit une loi normale de moyenne 1.0 et d'écart type 0.1
- AQUI suit une loi uniforme entre 0.2 et 0.3
- SORW suit une loi normale de moyenne 0.2 et d'écart type 0.016
Après échantillonnage, par exemple selon la méthode de Monte Carlo, on
obtient la distribution de probabilité de la production cumulée d'hydrocarbures
à douze ans traduisant l'impact de l'incertitude sur les paramètres et les
options de développement (figure 4). On constate que compte tenu des
incertitudes intrinsèques au réservoir et des différentes options de
développement, l'estimation du cumulé d'huile à douze ans varie entre 2,4 et
3,0 millions de m3. Cette variation justifie alors la décision de procéder à
l'optimisation du schéma de développement, pour réduire cette incertitude sur
la récupération d'hydrocarbure et espérer maximiser la production.
L'optimisation d'un schéma de développement consiste à déterminer les
options du schéma d'exploitation du réservoir (type de puits, emplacement de
puits, positionnement des complétions, type de récupération ...) qui permet la
meilleure récupération d'hydrocarbure ou d'eau.
Par exemple, l'optimisation permet de définir la position optimale du
puits P1 pour maximiser la récupération cumulée d'hydrocarbure à douze ans.
Cette optimisation peut être menée de deux façons : déterministe ou
probabiliste.
L'optimisation déterministe consiste à fixer chacun des paramètres
incertains à une valeur donnée (celle qui semble la plus probable), et de
chercher dans ce contexte devenu déterministe (les incertitudes étant
maintenant levées) les valeurs de P1X et P1Y qui maximisent le cumulé d'huile
à 12 ans. Les résultats de l'optimisation numérique sont :
P1XOpt = 9.18, P1YOpt = 22.15 et CumoilOpt = 2.889 MM3
L'optimisation probabiliste constitue une généralisation de l'optimisation
déterministe dans le sens où elle ne restreint pas les paramètres incertains à
une valeur probable mais intègre tout leur caractère aléatoire.
Pour ce faire, chacun des paramètres incertains conserve sa distribution
de probabilité (comme lors de la phase d'échantillonnage), et on détermine
dans ce contexte probabiliste les options de développement qui maximisent la
production.
Plus précisément, on effectue un tirage aléatoire selon chacune des lois
choisies :
- MPH1 : tirage de 1000 réalisations d'une loi normale de moyenne 1 et d'écart type 0.1
- AQUI : tirage de 1000 réalisations d'une loi uniforme entre 0.2 et 0.3
- SORW : tirage de 1000 réalisations d'une loi normale de moyenne 0.2 et d'écart type 0.016
On utilise alors chacun de ces triplets pour déterminer la position de puits
optimale correspondante qui permet de maximiser un critère de production.
Par exemple, on obtient à l'issue de cette optimisation multiple de 1000 valeurs
optimales de P1X, de P1Y et de la production cumulée d'huile maximale à
douze ans. Dans ce contexte, le schéma de développement optimal n'est plus
unique, mais il intègre parfaitement l'incertitude intrinsèque au réservoir. La
figure 5 représente la distribution optimale du puits P1 selon l'axe des x,
compte tenu de l'incertitude existante (les valeurs de x sont données en valeur
normalisée entre [-1,1]). De même, la figure 6 représente la distribution
optimale du puits P1 selon l'axe des y, compte tenu de l'incertitude existante
(les valeurs de y sont données en valeur normalisée entre [-1,1]).
Les distributions optimales de P1X et P1Y démontrent que les paramètres
incertains intrinsèques au réservoir ont un impact sur la prise de décision du
schéma de développement. Dans ce cas, il faut :
- soit réduire les incertitudes sur ces paramètres, par exemple en menant de nouveaux programmes d'acquisition,
- soit choisir une des valeurs optimales probables, en général les valeurs qui constituent le maximum de probabilité.
Enfin, la figure 7 représente la variabilité résiduelle de la production
cumulée d'hydrocarbures à douze ans dans le contexte d'un schéma de
développement optimal mais en présence d'incertitudes réservoir que l'on ne
peut contrôler. Dans ce contexte précis, la solution optimale correspond à un
emplacement de puits situé en maille 9 (0.27 en normalisé) selon l'axe des x, et
en maille 22 (014 en normalisé) selon l'axe des y.
Par contre, on constate bien que l'optimisation du schéma de
développement a permis de réduire l'incertitude sur les prévisions de
production du cumulé d'huile à 12 ans : l'estimation du cumulé d'huile varie
entre 2.8 et 2.95 millions de m3 et non plus comme précédemment entre 2.4 et
3.0 millions de m3.
Claims (9)
- Méthode pour optimiser, dans un contexte incertain, un critère de production d'un gisement pétrolier modélisé par un simulateur d'écoulement, dans lequel on effectue les étapes suivantes :a) on sélectionne au moins un paramètre intrinsèque au gisement et au moins un paramètre lié aux options de développement du gisement, lesdits paramètres ayant une influence sur la production d'hydrocarbures du gisement,b) on détermine un modèle analytique exprimant le critère de production du gisement au cours du temps en fonction des paramètres sélectionnés à l'étape a), en tenant compte d'un nombre fini de valeurs du critère de production, lesdites valeurs étant obtenues par ledit simulateur d'écoulement,c) à partir du modèle analytique déterminé à l'étape b), on associe une loi d'incertitude à au moins un desdits paramètres intrinsèques au gisement et on détermine une distribution d'au moins un desdits paramètres liés aux options de développement du gisement de manière à optimiser le critère de production.
- Méthode selon la revendication 1, dans laquelle avant l'étape c), on quantifie l'influence relative des paramètres entre eux et on supprime les paramètres ayant une influence négligeables sur le critère de production du gisement au cours du temps.
- Méthode selon la revendication 2, dans laquelle on quantifie l'influence relative des paramètres entre eux au moyen d'un test statistique.
- Méthode selon la revendication 3, dans laquelle le test statistique est choisi par mis les tests de Student et de Fisher.
- Méthode selon l'une des revendications précédentes, dans laquelle à l'étape c), on fixe la valeur d'au moins au moins un desdits paramètres intrinsèques au gisement et on détermine la valeur d'au moins un desdits paramètres liés aux options de développement du gisement de manière à optimiser le critère de production.
- Méthode selon l'une des revendications précédentes, dans laquelle à l'étape c) on effectue les étapes suivantes : i) on réalise un tirage aléatoire de plusieurs valeurs d'au moins un desdits paramètres intrinsèques au gisement selon sa loi d'incertitude, ii) on détermine les valeurs d'au moins un desdits paramètres liés aux options de développement du gisement de manière à optimiser le critère de production pour chaque valeur tirée à l'étape i), iii) à partir des valeurs déterminées à l'étape ii) on obtient la distribution optimale desdits paramètres liés aux options de développement du gisement.
- Méthode selon l'une des revendications précédentes, dans laquelle à l'étape b), on détermine le modèle analytique en utilisant un plan d'expérience, chaque expérience consistant en une simulation du gisement pétrolier effectuée par le simulateur d'écoulement.
- Méthode selon l'une des revendications 1 à 6, dans laquelle à l'étape b), on détermine le modèle analytique en utilisant des réseaux de neurones.
- Méthode selon l'une des revendications précédentes, dans laquelle à l'étape a), ledit au moins un paramètre intrinsèque au gisement est du type discret, continu, et/ou stochastique.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0306637A FR2855631A1 (fr) | 2003-06-02 | 2003-06-02 | Methode pour optimiser la production d'un gisement petrolier en presence d'incertitudes |
| FR0306637 | 2003-06-02 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| EP1503258A1 true EP1503258A1 (fr) | 2005-02-02 |
Family
ID=33427604
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| EP04291232A Ceased EP1503258A1 (fr) | 2003-06-02 | 2004-05-13 | Methode pour optimiser la production d'un gisement petrolier en presence d'incertitudes |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US7054752B2 (fr) |
| EP (1) | EP1503258A1 (fr) |
| CA (1) | CA2469960C (fr) |
| FR (1) | FR2855631A1 (fr) |
| NO (1) | NO335800B1 (fr) |
Families Citing this family (60)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6574565B1 (en) * | 1998-09-15 | 2003-06-03 | Ronald R. Bush | System and method for enhanced hydrocarbon recovery |
| US6853921B2 (en) | 1999-07-20 | 2005-02-08 | Halliburton Energy Services, Inc. | System and method for real time reservoir management |
| FR2837947B1 (fr) * | 2002-04-02 | 2004-05-28 | Inst Francais Du Petrole | Methode pour quantifier les incertitudes liees a des parametres continus et discrets descriptifs d'un milieu par construction de plans d'experiences et analyse statistique |
| US7584165B2 (en) | 2003-01-30 | 2009-09-01 | Landmark Graphics Corporation | Support apparatus, method and system for real time operations and maintenance |
| FR2855633B1 (fr) * | 2003-06-02 | 2008-02-08 | Inst Francais Du Petrole | Methode d'aide a la prise de decision pour la gestion d'un gisement petrolier en presence de parametres techniques et economiques incertains |
| FR2874706B1 (fr) | 2004-08-30 | 2006-12-01 | Inst Francais Du Petrole | Methode de modelisation de la production d'un gisement petrolier |
| MX2007016574A (es) * | 2005-07-27 | 2008-03-04 | Exxonmobil Upstream Res Co | Modelaje de pozo asociado con extraccion de hidrocarburos a partir de yacimientos subterraneos. |
| EP1922669A2 (fr) * | 2005-07-27 | 2008-05-21 | ExxonMobil Upstream Research Company | Modelisation de puits associee a l'extraction d'hydrocarbures dans des formations souterraines |
| EP1922663A4 (fr) * | 2005-07-27 | 2015-11-04 | Exxonmobil Upstream Res Co | Modelisation de puits associee a l'extraction d'hydrocarbures dans des formations souterraines |
| GB0524134D0 (en) * | 2005-11-26 | 2006-01-04 | Univ Edinburgh | Improvements in and relating to hydrocarbon recovery from a hydrocarbon reservoir |
| AU2007207497B8 (en) * | 2006-01-20 | 2013-05-16 | Landmark Graphics Corporation | Dynamic production system management |
| WO2007089832A1 (fr) * | 2006-01-31 | 2007-08-09 | Landmark Graphics Corporation | Procédés, systèmes, et supports lisibles par ordinateur pour optimisation de production de champs de pétrole et de gaz en temps réel à l'aide d'un simulateur mandataire |
| EP1984860B1 (fr) * | 2006-01-31 | 2022-06-15 | Landmark Graphics Corporation | Procédés, systèmes, et supports lisibles par ordinateur pour la mise à jour rapide de modèles de production de champs de pétrole et de gaz à l'aide de simulateurs physiques et mandataires |
| US8504341B2 (en) * | 2006-01-31 | 2013-08-06 | Landmark Graphics Corporation | Methods, systems, and computer readable media for fast updating of oil and gas field production models with physical and proxy simulators |
| US7486589B2 (en) | 2006-02-09 | 2009-02-03 | Schlumberger Technology Corporation | Methods and apparatus for predicting the hydrocarbon production of a well location |
| EP1989396A4 (fr) * | 2006-02-10 | 2014-08-27 | Exxonmobil Upstream Res Co | Procede de completion de puits polyvalent |
| CA2664409C (fr) | 2006-10-31 | 2016-08-23 | Exxonmobil Upstream Research Company | Modelage et gestion de systemes de reservoirs avec des groupes de compensation de materiau |
| US8898018B2 (en) * | 2007-03-06 | 2014-11-25 | Schlumberger Technology Corporation | Methods and systems for hydrocarbon production |
| FR2919932B1 (fr) * | 2007-08-06 | 2009-12-04 | Inst Francais Du Petrole | Methode pour evaluer un schema de production d'un gissement souterrain en tenant compte des incertitudes |
| CA2690991C (fr) * | 2007-08-24 | 2013-12-24 | Exxonmobil Upstream Research Company | Procede d'analyse de modele geomecanique a plusieurs echelles par simulation informatique |
| US8548782B2 (en) | 2007-08-24 | 2013-10-01 | Exxonmobil Upstream Research Company | Method for modeling deformation in subsurface strata |
| WO2009029135A1 (fr) * | 2007-08-24 | 2009-03-05 | Exxonmobil Upstream Research Company | Procédé de prédiction de la fiabilité d'un puits par simulation informatique |
| US8768672B2 (en) * | 2007-08-24 | 2014-07-01 | ExxonMobil. Upstream Research Company | Method for predicting time-lapse seismic timeshifts by computer simulation |
| AU2008338406B2 (en) | 2007-12-17 | 2013-09-12 | Landmark Graphics Corporation, A Halliburton Company | Systems and methods for optimization of real time production operations |
| US8365831B2 (en) | 2007-12-18 | 2013-02-05 | Exxonmobil Upstream Research Company | Determining connectivity architecture in 2-D and 3-D heterogeneous data |
| EP2232406A4 (fr) | 2007-12-21 | 2017-10-18 | Exxonmobil Upstream Research Company | Procédé et appareil pour analyser des données tridimensionnelles |
| WO2009085395A1 (fr) * | 2007-12-31 | 2009-07-09 | Exxonmobil Upstream Research Company | Procédés et systèmes pour déterminer des caractéristiques proches de puits de forage et des propriétés de réservoir |
| EP2235566A1 (fr) * | 2008-01-22 | 2010-10-06 | Exxonmobil Upstream Research Company | Analyse de connectivité en dynamique |
| AU2009223731B2 (en) | 2008-03-10 | 2013-09-05 | Exxonmobil Upstream Research Company | Method for determing distinct alternative paths between two object sets in 2-D and 3-D heterogeneous data |
| US8504335B2 (en) * | 2008-04-17 | 2013-08-06 | Exxonmobil Upstream Research Company | Robust optimization-based decision support tool for reservoir development planning |
| EP2291761A4 (fr) * | 2008-04-18 | 2013-01-16 | Exxonmobil Upstream Res Co | Outil d'aide à la décision à base de processus de décision de markov pour une planification de développement de réservoir |
| BRPI0910333A2 (pt) * | 2008-04-21 | 2015-10-06 | Exxonmobil Upstream Res Co | métodos para planejamento de desenvolvimento de um reservatório, para suporte à decisão que considera o desenvolvimento de recursos de petróleo, para otimização do planejamento de desenvolvimento com base em computador para um reservatório de hidrocarboneto, e para produzir hidrocarbonetos, e, produto de programa de computador |
| WO2009137176A2 (fr) | 2008-05-05 | 2009-11-12 | Exxonmobile Upstream Research Company | Systèmes et procédés pour une analyse de connectivité à l’aide d’objets fonctionnels |
| US8527203B2 (en) * | 2008-05-27 | 2013-09-03 | Schlumberger Technology Corporation | Method for selecting well measurements |
| EP2376948A4 (fr) * | 2008-12-16 | 2017-03-22 | Exxonmobil Upstream Research Company | Systèmes et procédés pour l'optimisation du développement et de la gestion de réservoirs d'hydrocarbures |
| US8352228B2 (en) * | 2008-12-23 | 2013-01-08 | Exxonmobil Upstream Research Company | Method for predicting petroleum expulsion |
| US9552462B2 (en) * | 2008-12-23 | 2017-01-24 | Exxonmobil Upstream Research Company | Method for predicting composition of petroleum |
| US8914268B2 (en) | 2009-01-13 | 2014-12-16 | Exxonmobil Upstream Research Company | Optimizing well operating plans |
| CA2753131A1 (fr) | 2009-03-13 | 2010-09-16 | Exxonmobil Upstream Research Company | Procede de prediction d'un ecoulement de fluide |
| WO2011019421A1 (fr) * | 2009-08-12 | 2011-02-17 | Exxonmobil Upstream Research Company | Optimisation de politique de gestion de puits |
| NO20101371A1 (no) * | 2009-10-05 | 2011-04-06 | Logined Bv | Fremgangsmate, system og apparat for modellering av usikkerhet i produksjonssystemnettverk |
| US9085957B2 (en) | 2009-10-07 | 2015-07-21 | Exxonmobil Upstream Research Company | Discretized physics-based models and simulations of subterranean regions, and methods for creating and using the same |
| EP2491431A1 (fr) | 2009-10-20 | 2012-08-29 | Exxonmobil Upstream Research Company | Procédé d'évaluation quantitative de la connectivité pour des paires de puits à des fréquences variables |
| US8931580B2 (en) | 2010-02-03 | 2015-01-13 | Exxonmobil Upstream Research Company | Method for using dynamic target region for well path/drill center optimization |
| CA2783977C (fr) | 2010-02-12 | 2018-11-20 | Exxonmobil Upstream Research Company | Procede et systeme de partitionnement de modeles de simulation parallele |
| US9367564B2 (en) | 2010-03-12 | 2016-06-14 | Exxonmobil Upstream Research Company | Dynamic grouping of domain objects via smart groups |
| US8532968B2 (en) * | 2010-06-16 | 2013-09-10 | Foroil | Method of improving the production of a mature gas or oil field |
| US8412501B2 (en) | 2010-06-16 | 2013-04-02 | Foroil | Production simulator for simulating a mature hydrocarbon field |
| US8855986B2 (en) | 2010-09-03 | 2014-10-07 | Chevron U.S.A. Inc. | Iterative method and system to construct robust proxy models for reservoir simulation |
| EP2668641B1 (fr) | 2011-01-26 | 2020-04-15 | Exxonmobil Upstream Research Company | Procédé d'analyse des compartiments d'un réservoir en utilisant la structure topologique d'un modèle de terre 3d |
| NO346676B1 (no) | 2011-10-20 | 2022-11-21 | Schlumberger Technology Bv | Optimalisering av en flerperiodemodell for vurdering anvendt på selvregulerende strømningsventiler |
| EP2811107A1 (fr) * | 2013-06-06 | 2014-12-10 | Repsol, S.A. | Procédé de sélection et d'optimisation de commande de champ de pétrole d'un plateau de production |
| AU2014278645B2 (en) | 2013-06-10 | 2016-07-28 | Exxonmobil Upstream Research Company | Interactively planning a well site |
| US9864098B2 (en) | 2013-09-30 | 2018-01-09 | Exxonmobil Upstream Research Company | Method and system of interactive drill center and well planning evaluation and optimization |
| CN105388531B (zh) * | 2015-10-19 | 2018-01-09 | 成都理工大学 | 一种基于支持向量回归机和核fisher分析的岩性识别方法 |
| US20180082202A1 (en) * | 2016-09-20 | 2018-03-22 | Public Engines, Inc. | Device and method for generating a crime type combination based on historical incident data |
| US11041976B2 (en) | 2017-05-30 | 2021-06-22 | Exxonmobil Upstream Research Company | Method and system for creating and using a subsurface model in hydrocarbon operations |
| US11634980B2 (en) | 2019-06-19 | 2023-04-25 | OspreyData, Inc. | Downhole and near wellbore reservoir state inference through automated inverse wellbore flow modeling |
| CN113962145B (zh) * | 2021-10-08 | 2024-06-28 | 北京航空航天大学 | 一种区间数据样本条件下的参数不确定性量化建模方法 |
| CN116464437B (zh) * | 2023-04-23 | 2024-04-12 | 西南石油大学 | 一种碳酸盐岩气藏地层水产水量的预测方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB9015433D0 (en) * | 1990-07-13 | 1990-08-29 | Anadrill Int Sa | Method of determining the drilling conditions associated with the drilling of a formation with a drag bit |
| US5444619A (en) * | 1993-09-27 | 1995-08-22 | Schlumberger Technology Corporation | System and method of predicting reservoir properties |
| US5992519A (en) * | 1997-09-29 | 1999-11-30 | Schlumberger Technology Corporation | Real time monitoring and control of downhole reservoirs |
| US6980940B1 (en) * | 2000-02-22 | 2005-12-27 | Schlumberger Technology Corp. | Intergrated reservoir optimization |
| US6494525B1 (en) * | 2000-09-15 | 2002-12-17 | Sika Corporation | Side impact reinforcement |
| US6836731B1 (en) * | 2001-02-05 | 2004-12-28 | Schlumberger Technology Corporation | Method and system of determining well performance |
-
2003
- 2003-06-02 FR FR0306637A patent/FR2855631A1/fr not_active Withdrawn
-
2004
- 2004-05-13 EP EP04291232A patent/EP1503258A1/fr not_active Ceased
- 2004-05-28 CA CA2469960A patent/CA2469960C/fr not_active Expired - Fee Related
- 2004-06-01 NO NO20042267A patent/NO335800B1/no not_active IP Right Cessation
- 2004-06-02 US US10/857,945 patent/US7054752B2/en not_active Expired - Lifetime
Non-Patent Citations (1)
| Title |
|---|
| No Search * |
Also Published As
| Publication number | Publication date |
|---|---|
| US20040254734A1 (en) | 2004-12-16 |
| NO335800B1 (no) | 2015-02-16 |
| NO20042267L (no) | 2004-12-03 |
| FR2855631A1 (fr) | 2004-12-03 |
| US7054752B2 (en) | 2006-05-30 |
| CA2469960C (fr) | 2013-02-19 |
| CA2469960A1 (fr) | 2004-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2469960C (fr) | Methode pour optimiser la production d'un gisement petrolier en presence d'incertitudes | |
| CA2469957C (fr) | Methode d'aide a la prise de decision pour la gestion d'un gisement petrolier en presence de parametres techniques et economiques incertains | |
| EP1630348B1 (fr) | Méthode de modélisation de la production d'un gisement pétrolier | |
| EP2037080B1 (fr) | Méthode pour estimer la preméabilité d'un réseau de fractures à partir d'une analyse de connectivité | |
| US20080082469A1 (en) | Method for forecasting the production of a petroleum reservoir utilizing genetic programming | |
| EP2963235B1 (fr) | Procede d'exploitation d'un gisement petrolier a partir d'une technique de positionnement des puits a forer | |
| FR2837947A1 (fr) | Methode pour quantifier les incertitudes liees a des parametres continus et discrets descriptifs d'un milieu par construction de plans d'experiences et analyse statistique | |
| EP1760492A1 (fr) | Méthode pour mettre à jour un modèle géologique de réservoir à l'aide de données dynamiques | |
| FR3041026A1 (fr) | Procede pour caracteriser le reseau de fractures d'un gisement fracture et procede pour l'exploiter | |
| CA2821099C (fr) | Procede d'exploitation d'un reservoir geologique a partir d'un modele de reservoir cale par le calcul d'une loi analytique de distribution conditionnelle de parametres incertains du modele | |
| EP2650471A1 (fr) | Procédé de sélection des positions de puits a forer pour l'exploitation d'un gisement pétrolier | |
| FR3034894A1 (fr) | ||
| EP2770162B1 (fr) | Procédé d'exploitation d'un réservoir géologique au moyen d'un modèle de réservoir calé et cohérent vis à vis des propriétés d'écoulement | |
| EP2469021B1 (fr) | Méthode pour construire un modèle d'écoulement associé à des courbes de pression capillaire et/ou des courbes de perméabilité relative | |
| FR3029664A1 (fr) | Definition de petrofacies non-lineaires pour un modele de simulation de reservoir | |
| Tan et al. | Casing Damage Prediction Model Based on the Data‐Driven Method | |
| FR3037682A1 (fr) | ||
| EP1431880A1 (fr) | Méthode de discrétisation/groupage d'un attribut source ou d'un groupe attributs source d'une base de données | |
| FR3101660A1 (fr) | Procédé pour déterminer une trajectoire d'un puits dans un réservoir pétrolier | |
| WO2014023916A1 (fr) | Procede d'assistance a la modelisation geologique par regroupements de mailles | |
| WO2022175279A1 (fr) | Procede de selection, pour au moins une formation souterraine comportant des hydrocarbures, d'une technique d'exploitation de ladite formation souterraine | |
| FR3047581A1 (fr) | Analyse d'arbre de regression et de classification des realisations de formation | |
| EP3058397A1 (fr) | Procédé et dispositif de détermination de groupes de faciès géologiques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PUAI | Public reference made under article 153(3) epc to a published international application that has entered the european phase |
Free format text: ORIGINAL CODE: 0009012 |
|
| AK | Designated contracting states |
Kind code of ref document: A1 Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IT LI LU MC NL PL PT RO SE SI SK TR |
|
| AX | Request for extension of the european patent |
Extension state: AL HR LT LV MK |
|
| 17P | Request for examination filed |
Effective date: 20050802 |
|
| AKX | Designation fees paid |
Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IT LI LU MC NL PL PT RO SE SI SK TR |
|
| 17Q | First examination report despatched |
Effective date: 20090512 |
|
| STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: THE APPLICATION HAS BEEN REFUSED |
|
| 18R | Application refused |
Effective date: 20150203 |