FR3058455A1

FR3058455A1 - Analyseur universel de fluide de fond de puits avec entrees generiques

Info

Publication number: FR3058455A1
Application number: FR1759227A
Authority: FR
Inventors: Dingding Chen; Bin Dai; Christopher M. Jones; Darren Gascooke
Original assignee: Halliburton Energy Services Inc
Current assignee: Halliburton Energy Services Inc
Priority date: 2016-11-04
Filing date: 2017-10-03
Publication date: 2018-05-11
Also published as: US20190120049A1; WO2018084853A1

Abstract

Le système et les méthodes d'analyse des fluides de fond de puits sont décrits. Les mesures sont obtenues à partir d'un ou de plusieurs capteurs de fond dans une section actuelle du puits de forage dans une formation souterraine. Les mesures obtenues à partir du ou des capteurs de fond sont transformées en données de composantes principales spectroscopiques (PSC). Au moins une composition ou propriété de fluide est estimée pour la section actuelle du puits de forage, en fonction des données PSC et d'un modèle d'analyse de fluide. Le modèle d'analyse de fluide est affiné pour une ou plusieurs sections subséquentes du puits de forage dans la formation souterraine, basée au moins en partie sur la composition ou la propriété de fluide estimée pour la section actuelle du puits de forage.

Description

® RÉPUBLIQUE FRANÇAISE

INSTITUT NATIONAL DE LA PROPRIÉTÉ INDUSTRIELLE

COURBEVOIE © N° de publication :

(à n’utiliser que pour les commandes de reproduction)

©) N° d’enregistrement national

058 455

59227 © Int Cl⁸ : E 21 B 49/08 (2017.01)

DEMANDE DE BREVET D'INVENTION

A1

©) Date de dépôt : 03.10.17.	© Demandeur(s) : HALLIBURTON ENERGY SERVICES,
© Priorité : 04.11.16 IB WOUS2016060586.	INC. — US.
	@ Inventeur(s) : CHEN DINGDING, DAI BIN, JONES
	CHRISTOPHER M. et GASCOOKE DARREN.
(43) Date de mise à la disposition du public de la
demande : 11.05.18 Bulletin 18/19.
©) Liste des documents cités dans le rapport de
recherche préliminaire : Ce dernier n'a pas été
établi à la date de publication de la demande.
(© Références à d’autres documents nationaux	® Titulaire(s) : HALLIBURTON ENERGY SERVICES,
apparentés :	INC..
©) Demande(s) d’extension :	(© Mandataire(s) : GEVERS & ORES Société anonyme.

ANALYSEUR UNIVERSEL DE FLUIDE DE FOND DE PUITS AVEC ENTREES GENERIQUES.

FR 3 058 455 - A1

? y

Analyseur universel de fluide de fond de puits avec entrées

GENERIQUES

DOMAINE DE LA DIVULGATION

La présente divulgation concerne de manière générale l'analyse de fluide 5 dans les opérations de récupération des hydrocarbures et, en particulier, l'analyse de fluide basée sur les mesures collectées à l'aide de capteurs de fond de puits durant les opérations de récupération des hydrocarbures.

CONTEXTE

Une diversité d'outils de fond peut être utilisée dans un puits de forage en io relation à l'analyse des fluides de fond de puits pendant les opérations de récupération des hydrocarbures effectuées sur le site du puits. Des dispositifs de capteurs optiques couplés à un outil de fond de puits situé à l'intérieur du puits de forage peuvent être utilisés pour collecter des mesures à partir de multiples échantillons de fluide prélevés à l'intérieur du puits de forage et de la formation environnante tout au long du processus de récupération des hydrocarbures. De telles mesures peuvent être utilisées pour caractériser les compositions et les propriétés de différents types de fluides de fond de puits. Par exemple, de telles mesures peuvent être appliquées à un modèle de caractérisation de fluide pour évaluer différentes propriétés d'intérêt. Le modèle est spécifiquement étalonné sur des échantillons de fluide sélectionnés à partir d'une banque de fluides standard dans des conditions stabilisées en utilisant un certain nombre de paramètres prédéterminés en tant qu'entrées de modèle pouvant être dérivées de, ou simulées avec, des données de sorties de détecteur spécifique d'un capteur optique. La prédiction des données utilisant des entrées d'étalonnage standard est habituellement précise sur les échantillons de formation utilisés pour le développement du modèle. Cependant, des problèmes de prédiction de la composition des fluides de la formation peuvent survenir du fait que les données sur le terrain se trouvent en dehors de la plage de données d'étalonnage, la variation de l'intensité du signal optique avec un environnement et un conditionnement des outils rudes et un ou plusieurs éléments optiques qui ne fonctionnent pas correctement.

BRÈVE DESCRIPTION DES FIGURES

La figure IA est un schéma illustratif d'un système de puits pour l'analyse de fluides de fond de puits basée sur les données de composantes principales de la spectroscopie (PSC) obtenues grâce à la transformation des données du capteur optique lors des opérations en site de forage.

La figure IB est un schéma illustratif d'un système filaire pour l'analyse de fluide de forage basée sur des données de PSC.

Les figures 2A, 2B et 2C sont des graphiques illustrant les relations de données entre l'intensité du signal PSC normalisé et la composition ou la propriété du fluide.

La figure 3 est un schéma illustratif d'une structure de réseau neuronal à entrées multiples et à sortie unique (MISO) pour estimer une composition ou une propriété de fluide particulière (FCP).

La figure 4 est un schéma illustratif d'une autre structure de réseau neuronal MISO pour estimer/simuler une réponse du capteur optique aux fluides qui peut être mesurée au io fond de puits.

La figure 5A est un graphique montrant un exemple de données de PSC pour un groupe de fluides à partir duquel un échantillon de fluide sous multiples conditions de mesure peut être choisi comme fluide de référence.

La figure 5B est un graphique montrant des réponses optiques mesurées et 15 simulées pour les fluides de la figure 5A dans un espace paramétrique de capteur.

Les figures 6A et 6B sont des graphiques montrant une comparaison entre les données d'étalonnage des fluides de référence originaux et des fluides supplémentaires ou étendus.

La figure 7 est un schéma illustratif d'une structure de réseau neuronale multi20 entrées et multi-sorties (ΜΙΜΟ) pour convertir des données de capteurs optiques en données

PSC.

Les figures 8A et 8B sont des tracés croisés montrant les résultats d'étalonnage de la transformation inverse sur deux sorties PSC avec quatre capteurs en utilisant des fluides de référence seuls.

Les figures 9A et 9B sont des tracés croisés illustratifs des résultats d'étalonnage du modèle de transformation inverse pour les mêmes sorties de la transformation inverse des figures 8A et 8B, sauf avec un seul capteur et des entrées de données étendues.

La figure 10A est un graphique montrant des exemples de classifications différentes pour regrouper des données de fluides sous PSC dans un groupe de type de fluides.

La figure 10B est un graphique de données PSC par rapport à une distance de noyau de groupe associée à différentes classifications appliquées aux fluides de la figure 10A.

Les figures 11 A, 11 B, 11C et 11D sont des graphiques illustrant les prédictions du réseau de membres sur la concentration chimique des fluides sur les figures 10a et 10b

Les figures 12A est un graphique des prédictions d'un ensemble de réseau neuronal (NNE) sur les acides gras saturés, les composés aromatiques, les résines et asphaltènes (SARA).

La figure 12B est un graphique montrant une comparaison entre la combinaison SARA prédite par NNE et la densité de fluide de référence.

La figure 13 est un graphique montrant un exemple d'un moyen et des limites pour un groupe adapté de référence SARA dans une base de données de fluides

La figure 14 est un organigramme illustratif d'un procédé d'analyse de fluide basé sur des données de PSC.

La figure 15 est un schéma fonctionnel illustratif d'un système informatique dans lequel des modes de réalisation de la présente description peuvent être mis en œuvre.

DESCRIPTION ILLUSTRATIVE DES MODES DE RÉALISATION

Les modes de réalisation de la présente invention concernent des techniques d'analyse de fluide de fond de puits pour estimer des compositions fluides et des propriétés basées sur des données de composants principaux spectroscopiques (PSC). Bien que la présente description soit décrite ici en référence à des modes de réalisation illustratifs pour des applications particulières, il doit être entendu que les modes de réalisation ne s'y limitent pas. D’autres modes de réalisation sont possibles, et des modifications peuvent être apportées aux modes de réalisation dans l'esprit et dans la portée des présents enseignements et de domaines supplémentaires dans lesquels les modes de réalisation peuvent être d'une utilité importante. En outre, lorsqu'une propriété, structure ou caractéristique particulière est décrite en relation à un mode de réalisation, il est entendu qu'un spécialiste du domaine possède la capacité d'implémenter une telle propriété, structure ou caractéristique particulière en lien avec d'autres modes de réalisation, qu'ils soient ou non explicitement décrits.

Il sera évident pour un spécialiste du domaine que les modes de réalisation décrits ici peuvent être implémentés dans de nombreux modes de réalisation différents de logiciel, matériel, micrologiciel et/ou les entités illustrées dans les figures. Tout code logiciel réel doté de la commande spéciale de matériel pour implémenter les modes de réalisation ne se limite pas à la description détaillée. Ainsi, le comportement opérationnel des modes de réalisation sera décrit avec la compréhension que des modifications et des variantes des modes de réalisation sont possibles, compte tenu du niveau de détail présenté ici.

Dans la présente description détaillée, des références à « un mode de réalisation », « un exemple de mode de réalisation » etc., indiquent que le mode de réalisation décrit peut comprendre une propriété, une structure ou une caractéristique donnée, mais que chaque mode de réalisation peut ne pas nécessairement comprendre la propriété, la structure ou la caractéristique donnée. En outre, de telles phrases ne se réfèrent pas nécessairement au même mode de réalisation. En outre, lorsqu'une propriété, structure ou caractéristique donnée est décrite en relation à un mode de réalisation, il est entendu qu'un spécialiste du domaine possède la capacité d'affecter une telle propriété, structure ou caractéristique donnée en relation à d'autres modes de réalisation, qu'ils soient ou non explicitement décrits.

Tel qu'utilisé ici, le terme « PSC » désigne inclusivement à la fois des techniques de transformation PSC et des techniques de transformation multidimensionnelles associées pour produire des paramètres ou des variables PSC, où chaque variable PSC résultante est une combinaison des variables d'origine qui ont une dimension réduite. Le terme « spectroscopie » est utilisé ici pour désigner la nature multivariée des données et pas nécessairement à une technique de spectroscopie particulière, par exemple spectroscopie optique ou spectroscopie de masse. Par exemple, les données d'origine à partir desquelles les données de PSC sont dérivées peuvent inclure une combinaison de l'un des différents canaux de données de capteurs pour lesquels existe un degré de covariance. Bien que les techniques d'analyse de fluide décrites soient décrites en référence aux données de la PSC, il convient de noter que les modes de réalisation de la présente invention ne sont pas destinés à y être limités et que les techniques décrites peuvent être appliquées à toute donnée qui a été transformée en un espace multidimensionnel commun.

Comme il sera décrit plus en détail ci-dessous, les techniques d'analyse de fluide décrites peuvent être utilisées pour estimer des compositions de fluides de fond de puits et des propriétés basées sur des données PSC. Les données PSC peuvent être dérivées des mesures obtenues à partir d'un ou de plusieurs capteurs de fond de puits. Les capteurs de fond de puits peuvent comprendre des capteurs optiques ayant un filtre à bande étroite, un filtre à large bande, un noyau d'élément de calcul intégré multivarié (ICE) ou toute combinaison de ceux-ci. De tels capteurs optiques peuvent être couplés à un outil de fond de puits situé dans un puits creusé dans une structure souterraine contenant des hydrocarbures. Dans un ou plusieurs modes de réalisation, les mesures brutes collectées par les capteurs optiques pendant une opération de fond de puits le long de différentes sections du puits de forage peuvent être transformées en données PSC et ensuite fournies en tant qu'entrées vers un modèle d'analyse de fluide pour effectuer une analyse de fluide en temps réel. Par exemple, le modèle d'analyse de fluide peut être utilisé pour estimer les compositions des fluides et les propriétés en temps réel pendant que l'opération de forage est effectuée le long de chaque section du puits. Contrairement aux techniques conventionnelles d'analyse des fluides basées sur les capteurs, les techniques d'analyse de fluide décrites basées sur la PSC permettent aux entrées du modèle d'analyse de fluide d'être indépendantes du type particulier de capteurs utilisés ou des mesures de capteur d'origine acquises lors de l'opération de forage. En conséquence, les techniques décrites peuvent être utilisées pour fournir un analyseur de fluide de fond de puits universel, indépendant du capteur.

Les techniques décrites utilisées pour estimer les compositions et les 5 propriétés des fluides à partir des entrées de données PSC peuvent inclure la simulation des réponses des capteurs optiques en assurant une transformation améliorée des données ICE vers la PSC avec des mesures agrégées de capteur et des données d'entrée simulées pour surmonter les contraintes associées aux techniques conventionnelles d'étalonnage et pour améliorer la transformation des données optiques. Dans un ou plusieurs modes de réalisation, toute incertitude dans les données PSC transformées et/ou la composition de fluide et les prédictions de propriétés peut être estimée en utilisant comme soutien des groupes de références de types de fluide et de composition/propriété. Dans certaines réalisations, un ensemble de réseau neuronal peut être utilisé pour évaluer la prévision du produit de réponse. Les avantages des techniques décrites comprennent, mais sans s'y limiter, l'amélioration des procédures d'étalonnage des capteurs optiques et la consolidation de l'identification et de la caractérisation du fluide de fond de puits. On peut également bénéficier d'un diagnostic et d'une analyse corrective en temps réel tels que la détection des incohérences, l'identification des fluides inconnus et la re-sélection des modèles adaptatifs.

Des modes de réalisation illustratifs et des procédés afférents à la présente

2o description sont décrits ci-après en référence aux figures 1 à 15 comme ils pourraient être utilisés, par exemple, dans un outil de fond de puits pour effectuer une analyse de fluide en temps réel sur la base de mesures de capteurs acquises le long d'un puits de forage pendant une opération de fond. Un tel analyseur de fluide de fond de puits peut être couplé à un train de travail disposé à l'intérieur du puits de forage, par exemple dans le cadre d'un montage inférieur de puits couplé à une extrémité distale du train de travail à l'intérieur du puits de forage. L'outil d'analyse de fluide de fond de puits peut également comprendre au moins un processeur et une mémoire pour stocker des instructions et des données lisibles par le processeur, comme cela sera décrit plus en détail ci-dessous. D'autres caractéristiques et avantages des modes de réalisation décrits seront évidents ou apparaîtront aux spécialistes après examen des figures et de la description détaillée suivantes. Il est prévu que toutes ces caractéristiques et avantages fassent partie du cadre des modes de réalisation décrits. De plus, les figures illustrées ne sont que des exemples et ne sont pas destinées à affirmer ou à suggérer une quelconque limitation par rapport à l'environnement, à l'architecture, à la conception ou aux procédés dans lesquels divers modes de réalisation peuvent être mis en œuvre.

La figure IA est un schéma illustratif d'un système de puits pour la classification des liquides de fond de puits utilisant des données PSC. Tel qu’illustré dans la figure IA, le système de puits comprend une colonne de forage 32 qui se prolonge d'une plateforme de forage 26 dans un puits de forage 60 dans une formation souterraine contenant des hydrocarbures. La plate-forme de forage 26 peut inclure des équipements pour élever et abaisser le cuvelage, les tuyaux de forage, les tubes enroulés, les tubes de production, d'autres types de colonne de tubage ou d'autres types de véhicules de transport, par exemple, des lignes filaires ou câbles lisses, pour effectuer diverses opérations de fond de puits dans le site de forage. De telles opérations peuvent inclure, mais sans s'y limiter, les opérations de forage, de production et de io stimulation effectuées selon différentes sections du puits de forage 60. De plus, comme le montre la figure IA, le train de forage 32 comprend un trépan de forage 50, un ou plusieurs capteurs optiques 52 couplés à un outil de fond de puits 100. Dans un ou plusieurs modes de réalisation, l’outil de fond de puits 100 peut être un testeur de formation de sortie de pompe comprenant un montage de pompe pour pomper des échantillons de fluide hors de la formation pour le test et is l'analyse. Bien que non illustré en figure 1 A, il convient de noter que le train de forage 32 peut inclure d'autres types de capteurs en plus des capteurs optiques 52. Des exemples de tels autres capteurs incluent, mais sans s'y limiter, des capteurs de densité pour mesurer des densités de fluide et des capteurs de localisation pour déterminer l'emplacement relatif ou l'orientation, la direction et l'orientation azimutale du trépan de forage 50 ou du train de forage 32 dans le puits de forage 60 et la formation souterraine lors des opérations de fond.

Dans un ou plusieurs modes de réalisation, des capteurs optiques 52 et d'autres capteurs du train de forage 32 peuvent être utilisés pour détecter et mesurer les caractéristiques de formation le long du puits de forage 60 à n'importe quelle profondeur ou emplacement désiré dans la formation du souterraine. Par exemple, des capteurs optiques 52 et d'autres capteurs peuvent être utilisés pour mesurer les caractéristiques du fluide près du trépan de forage 50 ainsi que d'autres paramètres environnementaux dans la formation entourant le trépan de forage 50. De tels paramètres environnementaux peuvent inclure, sans s'y limiter, la pression, la température et le volume des fluides. Cependant, il convient de noter que les modes de réalisation décrits ne sont pas destinés à être limités à ceux-ci et que, si les capteurs optiques 52 sont représentés au-dessus du trépan de forage 50 sur la figure IA, les capteurs optiques 52 peuvent être positionnés à n'importe quel endroit le long du train de forage 32. Par exemple, dans certaines réalisations, des capteurs optiques 52 le long des surfaces internes ou externes de l’outil de fond de puits 100 .

Dans un ou plusieurs modes de réalisation, les capteurs optiques 52 peuvent comprendre un ou plusieurs noyaux d'élément de calcul intégré (ICE) pour détecter des compositions chimiques particulières ou des propriétés des fluides de formation. Un tel noyau ICE peut utiliser un rayonnement électromagnétique émis par une source lumineuse pour interagir optiquement avec un échantillon de fluide pour déterminer une ou plusieurs caractéristiques d'échantillon du fluide. L'échantillon peut provenir d'un fluide de forage de puits polyphasé (comprenant par exemple de l'huile, du gaz, de l'eau et des solides), pour lesquels une variété de propriétés de fluide peut être détectée. Des exemples de telles propriétés comprennent, mais sans s'y limiter, la concentration en hydrocarbure en C1-C5, le rapport gaz/huile (GOR), la concentration de SARA (saturés, aromatiques, résines et asphaltènes), CO2, H2O, la concentration de fluide de forage synthétique (SDF), et la densité.

Dans un ou plusieurs modes de réalisation, les mesures collectées par des capteurs optiques 52 et d'autres capteurs pour une section courante du puits de forage 60 dans la formation de sous-surface peuvent être utilisées par l'outil de fond de puits 100 pour le traitement en temps réel et l'analyse de fluide qualitative et/ou quantitative en aval. La section actuelle du puits de forage 60 peut correspondre, par exemple, à une position actuelle du trépan de forage 50 dans le puits de forage 60, par exemple, déterminé en utilisant des mesures de capteur de localisation. Comme cela sera décrit plus en détail ci-dessous, les résultats de l'analyse de fluide effectuée par l'outil de fond de puits 100 peuvent être utilisés pour prendre des décisions opérationnelles en temps réel liées à l'opération de fond de puits, par exemple, en effectuant des ajustements sur un trajet actuel du puits de forage 60 à travers la formation souterraine pendant une opération de forage. Cependant, il convient de noter que les techniques décrites ici ne sont pas destinées à être limitées aux opérations de forage et que ces techniques peuvent être appliquées à d'autres types d'opérations de fond de puits.

Tel qu’illustré dans l'exemple de la figure IA, l'outil de fond de puits 100 comprend un convertisseur de données 102, un analyseur de fluide 104 et une unité de commande 106. Dans un ou plusieurs modes de réalisation, le convertisseur de données 102 peut convertir ou transformer les mesures obtenues à partir de capteurs optiques 52 en données PSC à utiliser par l'analyseur de fluide 104. Par exemple, le convertisseur de données 102 peut transformer les signaux optiques bruts d'un ou plusieurs noyaux ICE de capteurs optiques 52 d'un espace paramétrique de capteur associé à des capteurs optiques 52 à un espace paramétrique PSC associé au classificateur de fluide 104. Les données PSC résultant des données ICE transformées peuvent ensuite être fournies en tant qu'entrées vers l'analyseur de fluide 104. Les mesures provenant d'autres capteurs non optiques, par exemple, des données de densité de fluide provenant de capteurs de densité couplés à un train de forage 32, peuvent être fournies en tant qu'entrées supplémentaires directement à l'analyseur de fluide 104, sans aucune conversion ou transformation par le convertisseur de données 102. Dans un ou plusieurs modes de réalisation, le convertisseur de données 102 peut être un convertisseur de réseau neuronal qui utilise un ou plusieurs réseaux de neurones pour effectuer la transformation de données. Comme cela sera décrit plus en détail ci-dessous, un tel convertisseur de réseau neuronal peut utiliser, par exemple, un ensemble de réseau neuronal créé à partir d'une pluralité de réseaux de neurones, qui ont été combinés pour produire un résultat souhaité.

Dans un ou plusieurs modes de réalisation, l'analyseur de fluide 104 peut utiliser les données PSC du convertisseur de données 102 pour estimer des compositions de fluide et des propriétés dans la formation souterraine entourant la section actuelle du puits de forage 60. Comme cela sera décrit plus en détail ci-dessous, la transformation de données PSC îo réalisée par le convertisseur de données 102 permet de normaliser les entrées fournies à l'analyseur de fluide 104 à partir de différents types de capteurs indépendamment de la configuration particulière de capteur ou de la conception d’élément. Cela peut permettre en retour à l'analyseur de fluide 104 d'être utilisé comme analyseur de fluide universel qui fonctionne avec des entrées généralisées ou génériques, indépendantes du type de capteur ou des données de capteur d'origine à partir desquelles elles sont dérivées.

Dans un ou plusieurs modes de réalisation, l'unité de commande 106 de l’outil de fond de puits 100 peut utiliser des informations supplémentaires obtenues à partir d'un classificateur de type fluide (non représenté) ou d'un modèle de classification de fluide de celuici, pour affiner la sortie de l'analyseur de fluide 104 pour les sections en cours et/ou subséquentes du puits de forage 60. Dans un ou plusieurs modes de réalisation, de telles informations peuvent être utilisées avec les compositions et propriétés estimées des fluides pour affiner un modèle d'analyse de fluide, comme cela sera décrit plus en détail ci-dessous. L'unité de commande 106 peut comprendre, par exemple, un processeur de signal (non représenté), une interface de communication (non représentée) et d'autres circuits nécessaires pour atteindre les objectifs de la présente divulgation, comme cela serait compris par les spécialistes du domaine bénéficiant de cette divulgation. Dans un ou plusieurs modes de réalisation, l'unité de commande 106 peut utiliser le processeur de signal pour envoyer des signaux de commande par l'intermédiaire de l'interface de communication à d'autres composants du train de forage 32 afin de commander ou de faire des ajustements appropriés lors de l'exécution des opérations de fond de puits. Les ajustements particuliers peuvent être basés sur les types de fluides identifiés par l'analyseur de fluide 104 pour la section actuelle du puits de forage 60. Par exemple, de tels signaux de contrôle peuvent être utilisés pour contrôler ou ajuster le trajet du puits de forage 60 pour les sections de puits ultérieures à forer dans la formation souterraine pendant une opération de forage. L'unité de commande 106 dans cet exemple peut envoyer des signaux de commande appropriés à un ensemble de moteur de fond de puits (non représenté) afin de contrôler la direction ou l'orientation du trépan de forage 50 selon le trajet ajusté du puits de forage 60. Le chemin ajusté peut être celui qui a été jugé plus optimal pour la récupération des hydrocarbures sur la base des compositions des fluides estimées et des propriétés (ou profil de fluide) de la formation.

Dans un ou plusieurs modes de réalisation, l'unité de commande 106 peut 5 également transmettre les compositions fluides et les propriétés estimées par l'analyseur de fluide 104 à une unité de traitement en surface 19 située au niveau d’une surface 27 du site de puits. Tel qu’illustré dans la figure IA, l'unité de traitement en surface 19 peut comprendre un dispositif informatique 18 couplé de manière communicative aux composants du train de forage 32, comprenant un outil de fond de puits 100 et des capteurs optiques 52, par l'intermédiaire d'un io chemin de communication 22. Le dispositif informatique 18 peut stocker les types de fluide dans une mémoire locale ou une base de données 17. En outre ou par ailleurs, le dispositif informatique 18 peut envoyer les compositions fluides et les propriétés à un autre dispositif informatique d'une unité de traitement de données 12 via, par exemple, une connexion filaire 16 ou une connexion sans fil établie entre les émetteurs-récepteurs 14 et 10 des unités de traitement is de surface 19 et 12, respectivement. L'unité de traitement de données 12 peut être, par exemple, un système de stockage de données à distance ou de base de données comprenant un serveur de base de données qui est couplé de manière communicative au dispositif informatique 18 par l'intermédiaire d'un réseau de communication. Un tel réseau de communication peut être, par exemple, un réseau local, un réseau moyen ou un réseau étendu, par exemple Internet. Les dispositifs informatiques des unités de traitement de données 12 et 19 peuvent être mis en œuvre en utilisant n'importe quel type de dispositif informatique, dont un exemple sera décrit plus en détail ci-dessous en ce qui concerne la figure 15.

Bien que seul le convertisseur de données 102, l'analyseur de fluide 104 et l'unité de commande 106 soient représentés sur la figure IA, il convient de noter que l'outil de fond de puits 100 peut comprendre des composants, des modules et/ou des sous-composants supplémentaires souhaités pour une mise en œuvre particulière. Il convient également de noter que le convertisseur de données 102, l'analyseur de fluide 104 et l'unité de commande 106 peuvent être mis en œuvre dans un logiciel, un microprogramme, un matériel ou une combinaison de ceux-ci. En outre, il convient de noter que les modes de réalisation du convertisseur de données 102, de l'analyseur de fluide 104 et de l'imité de commande 106, ou des parties de ceux-ci, peuvent être mis en œuvre pour fonctionner sur n'importe quel type de dispositif de traitement, y compris, mais sans s'y limiter, un ordinateur, un poste de travail, un système intégré, un périphérique en réseau, un appareil mobile ou autre type de processeur ou système informatique capable de réaliser la fonctionnalité décrite ici.

Dans certaines réalisations, les fonctions de transformation de données et d'analyse de fluide effectuées par le convertisseur de données 102 et l'analyseur de fluide 104, respectivement, ainsi que les fonctions de commande exécutées par l'unité de commande 106 de l’outil de fond de puits 100, comme décrit ci-dessus, peuvent être réalisées par le dispositif informatique 18 à la surface. Par exemple, les mesures de fond de puits collectées par des capteurs optiques 52 et d'autres capteurs du train de forage 32 peuvent être transmises au dispositif informatique 18 via le chemin de communication 22. Dans certains cas, les capteurs optiques 52 peuvent comprendre un appareil de traitement de signal pour transmettre les mesures du fond du puits en tant que signaux directement au dispositif informatique 18 par l'intermédiaire îo d'un chemin de communication 22 le long du train de forage 32.

Comme décrit ci-dessus, des modes de réalisation de la présente description peuvent être appliqués à l'une quelconque des diverses opérations de fond de puits. Ainsi, alors que l'exemple de la figure 1A est décrite ci-dessus dans le contexte du train de forage 32 ou d'un ensemble de forage, il convient de noter que les modes de réalisation décrits peuvent être mis en œuvre en utilisant d'autres types de montages de fond de puits ou de colonnes tubulaires. Par exemple, les capteurs optiques 52 et l’outil de fond de puits 100 peuvent être déployés dans le puits de forage 60 en tant que partie d'un ensemble filaire, comme cela sera décrit plus en détail ci-dessous en ce qui concerne la figure IB.

La figure 1 B est un schéma illustratif d'un système filaire pour un classificateur de fluide de fond de puits basé sur des données de PSC. Comme il est illustré dans la figure IB, l’outil de fond de puits 100 peut être utilisé avec des systèmes « filaires » pour effectuer des opérations d'enregistrement ou d'autres opérations. Par exemple, au lieu d'utiliser la colonne de forage 32 de la figure IA pour déployer l’outil de fond de puits 100 dans le puits de forage 60, l'outil de fond de puits 100 peut être descendu dans le puits de forage 60 par un moyen de transport filaire 130, comme il est représenté sur la figure IB. Comme sur la figure 1 A, l'outil de fond de puits 100 comprend un convertisseur de données 102 et un classificateur de fluide 104. L'outil de fond de puits 100 tel qu'illustré dans la figure IB incorpore également des capteurs optiques 52 et d'autres capteurs non optiques (non représentés).

Le dispositif convoyeur comme illustré dans la figure IB peut être ancré dans la plate-forme de forage 129 ou des moyens portables tels qu'un camion. Le dispositif convoyeur 130 peut être un ou plusieurs fils (par exemple, une ligne filaire), une ligne mince, des câbles ou similaires, ainsi que des moyens de transport tubulaires tels que des tubes enroulés, des tubes d'articulation ou d'autres tubes. Le dispositif convoyeur 130 peut fournir un support pour l'outil de fond de puits 100 et également, permettre des communications entre l'outil et une unité de traitement de surface 118 en surface. Dans l'exemple de la figure IB, un dispositif informatique de l'unité de traitement en surface 118 peut effectuer les fonctions réalisées par l'unité de commande 106 de l’outil de fond de puits 100 comme décrit ci-dessus par rapport à la figure 1 A.

Le dispositif convoyeur 130 peut inclure le câblage par fibre optique pour effectuer des communications. En outre, l'alimentation peut être fournie au travers du dispositif convoyeur 130 pour répondre aux exigences de puissance de l’outil de fond de puits 100 et de ses composants. Pour les configurations de câble lisse ou d'autres tubes, l'alimentation peut être fournie en fond de puits avec une batterie ou via un générateur de fond de puits.

On notera que même si les figures IA et IB représentent de façon générale une opération terrestre ou terrestre, les techniques décrites ici s'appliquent également aux io opérations offshores qui utilisent des plates-formes flottantes ou maritimes, sans s'écarter de la portée de la divulgation. En outre, alors que les figures IA et IB représentent des puits verticaux, la présente invention est également bien adaptée pour une utilisation dans des puits de forage ayant d'autres orientations, y compris des puits horizontaux, des puits inclinés, des puits de forage multilatéraux ou similaires. En outre, alors que le puits de forage 60 est représenté sur les is figures IA et IB en tant que trou cuvelé, il convient de noter que l’outil de fond de puits 100 peut être également bien adapté pour une utilisation dans des opérations à trous ouverts. Des détails supplémentaires relatifs aux techniques de traitement de données en temps réel et d'analyse de fluide décrites ici, par exemple, telles que réalisées par l’outil de fond de puits 100 des figures IA et IB, seront maintenant décrits en utilisant les figures 2 à 15.

La modélisation basée sur la spectroscopie optique de fluide est fondamentale pour l’analyse optique des fluides en aval. Cependant, les données spectroscopiques optiques sont rarement utilisées dans toute la gamme de longueurs d'onde en raison de sa très grande dimension. Dans un ou plusieurs modes de réalisation, des données PSC peuvent être générées en appliquant l'une quelconque des diverses techniques d'analyse de composants principaux (PCA) aux données spectroscopiques de pression, de volume et de température de grande dimension (PVT). De telles données peuvent inclure des mesures de laboratoire des spectroscopies de fluide sur une gamme ou des plages de longueur d'onde complète ou sélectionnée, par exemple, obtenue en utilisant un ou plusieurs spectromètres de laboratoire à haute résolution. Les données de spectroscopie pour différents types de fluides peuvent également être stockées dans une base de données optique-PVT pour un accès et une récupération ultérieurs. Dans un ou plusieurs modes de réalisation, les données de PSC générées peuvent être fournies en tant qu'entrées vers un analyseur de fluide de fond de puits, par exemple l'analyseur de fluide 104 des figures IA and IB, tel que décrit plus haut. Bien qu’il puisse y avoir une réduction significative de la dimensionnalité associée à ces données d'entrée PSC par rapport aux données PVT à partir de laquelle elles ont été dérivées, les données PSC peuvent encore capturer de manière adéquate les caractéristiques les plus pertinentes des informations originelles de spectroscopie de fluide à grande échelle. En tant que tel, même quelques entrées de PSC peuvent être suffisantes pour estimer une variété de compositions et de propriétés de fluides différentes à des fins d'étalonnage multivarié de l'analyseur de fluide de fond de puits (ou modèle correspondant d'analyse de fluide), comme cela sera décrit plus en détail ci-dessous.

Les figures 2A-2C sont des graphiques illustrant des relations de données entre l'intensité du signal PSC et différentes propriétés de fluide. L'intensité du signal PSC dans chaque graphique peut représenter une parmi une pluralité d'entrées de PSC appliquées à l'analyseur de fluide de fond de puits décrit ci-dessus pour estimer les propriétés de fluide. Aux ίο fins de cet exemple, on suppose qu'il y a un total de neuf entrées PSC. Cependant, les modes de réalisation ne sont pas destinés à être limités à ceux-ci et n'importe quel nombre d'entrées de PSC peut être utilisé comme souhaité pour une mise en œuvre particulière. On suppose également que les données de spectroscopie dans cet exemple se situent dans une plage de données normalisée de -1 à +1 pour les deux entrées de PSC et les propriétés de fluide estimées. On suppose en outre que les données de PSC représentées dans ces graphiques ont été dérivées de spectroscopies de transmission optique (par exemple environ 3400 spectres) de plus de 200 échantillons de divers types de fluides avec des longueurs d'onde allant de 1200 à 3350 nanomètres. Des exemples de ces types de fluides comprennent, sans toutefois s'y limiter, les huiles lourdes, l'huile moyenne, l'huile légère, les condensais et les hydrocarbures gazeux, l'eau, l'azote et les échantillons de CO2 avec différentes compositions et propriétés. De telles données de spectroscopie peuvent inclure des mesures en laboratoire des échantillons de fluide dans une plage donnée de température et de pression pour différents types de fluides. On suppose que la plage de température mesurée associée aux échantillons de fluide dans cet exemple est de 150 à 250 Fahrenheit. On suppose que la plage de pression pour les échantillons de fluide est de 3000 à 12 000 livres par pouce carré (psi). Les mesures de laboratoire peuvent être stockées dans une base de données optiquePVT, comme décrit ci-dessus. Dans un ou plusieurs modes de réalisation, les mesures stockées pour des fluides choisis d'intérêt peuvent être récupérées à partir de la base de données optiquePVT et converties ou transformées en données PSC en utilisant l'une quelconque des diverses techniques d'analyse de composants principaux (PCA).

Ainsi, la figure 2A est un tracé transversal 200A d'une neuvième entrée PSC (PSC9) de l'analyseur de fluide de fond dans cet exemple par rapport à la concentration en éthane gazeux. La figure 2B est diagramme croisé 200B d'une septième entrée PSC (PSC7) par rapport à la concentration aromatique. La figure 2C est un diagramme croisé 200C d'une première entrée PSC (PSC1) par rapport à la densité de fluide. Cependant, il convient de noter que les techniques d'analyse de fluide décrites peuvent être appliquées à d'autres types de compositions ou de propriétés fluides et d'entrées PSC.

Dans un ou plusieurs modes de réalisation, l'analyseur de fluide de fond de puits peut utiliser un modèle d'analyse de fluide sous la forme d'un réseau neuronal avec une structure non-linéaire multi-entrée/sortie unique (MISO) pour estimer chaque composition ou propriété de fluide (FCP) sur les données d'entrée PSC. La figure 3 montre un exemple d'une telle structure MISO pour un réseau neuronal 300 ayant plusieurs couches de nœuds de réseau neuronal (ou « neurones »). Par exemple, le réseau neuronal 300 peut être utilisé pour estimer au moins une concentration en éthane gazeux, une concentration aromatique ou une densité de io fluide, comme représenté dans chacun des diagrammes croisés 200A, 200B et 200C des figures 2A, 2B et 2C respectivement. Les couches du réseau neuronal 300 peuvent comprendre une couche d'entrée, une pluralité de couches cachées et une couche de sortie FCP. La couche d'entrée du réseau neuronal 300 peut inclure des nœuds ou des neurones distincts pour n'importe quel nombre (N) d'entrées PSC (par exemple, de PSC01 à PSC0N) et une ou plusieurs entrées de température, pression et densité (TPD). Cependant, il convient de noter que les modes de réalisation de la présente invention ne sont pas destinés à être limités à la structure de réseau neuronal particulière représentée sur la figure 3 et que l'une quelconque des diverses structures de réseau neuronal peut être utilisée comme souhaité pour une implémentation particulière. En outre, alors que le réseau neuronal 300 est représenté sur la figure 3 avec deux couches cachées, il convient de noter que tout nombre de couches cachées peut être utilisé comme souhaité pour une réalisation particulière.

Dans un ou plusieurs modes de réalisation, le réseau neuronal 300 peut utiliser une fonction de transfert non linéaire pour définir la sortie de chaque neurone caché des couches cachées en fonction d'un ou plusieurs PSC et d'autres entrées de la couche d'entrée. La fonction de transfert non linéaire peut être, par exemple, une fonction sigmoïde tangente hyperbolique. En outre, le réseau neuronal 300 peut utiliser une fonction de transfert linéaire pour définir la sortie de chaque neurone de sortie de la couche de sortie en fonction des sorties des neurones cachés. Les sorties des neurones de sortie peuvent ensuite être utilisées pour estimer le FCP, comme le montre la figure 3. La sortie du neurone pour la première couche cachée, la deuxième couche cachée et la couche de sortie du réseau neuronal 300 peut être calculée en utilisant, par exemple, les équations (1), (2) et (3) respectivement :

Q,

d) ^a' ⁼ fi(ⁿ^ ) = -~= W, x a_i + B, ^e”² + e' * * (2) a_} = «j =W j x a ₂ + B ₃ p) dans laquelle :^û| est la sortie de la première couche cachée, ^6,2 est la sortie de a fi fi fi la deuxième couche cachée, et ³ est la sortie du réseau neuronal ; ¹, ², et ³ sont des entrées de neurones pour les couches cachées et de sortie respectives ; et , ^², ^², et ^³, ^³ sont des paramètres représentant des paires de coefficients de connexion pour le réseau neuronal 300, qui peuvent être optimisés par formation lors d'un étalonnage du réseau neuronal 300.

Dans un ou plusieurs modes de réalisation, le réseau neuronal 300 peut comprendre de multiples réseaux de neurones sous la forme d'un ensemble de réseaux neuronaux ίο (NNE), où chaque réseau neuronal membre peut être configuré avec un nombre différent de neurones cachés dans une ou plusieurs couches cachées ou calibré avec un nombre différent d'entrées ou de neurones d'entrée pour la couche d'entrée. Par exemple, un nombre variable d'entrées PSC candidates peut être utilisé pour étalonner le réseau neuronal 300 afin d’estimer différentes compositions et propriétés fluides. Dans l'équation (1) ci-dessus, P peut représenter un ensemble sélectionné d'entrées PSC candidates indexées d'un à n'importe quel nombre entier N (par exemple, allant de PSC01 à PSC0N). L'ensemble sélectionné peut être l'un parmi une pluralité de différents ensembles d'entrée PSC candidats.

Dans un ou plusieurs modes de réalisation, l'étalonnage du réseau neuronal 300 peut être effectué en utilisant l'apprentissage machine pour minimiser la différence entre la sortie prédite du réseau neuronal 300 (ou NNE) et une cible de formation assignée à chaque FCP particulier pour un ensemble donné de candidats Entrées PSC. La détermination des entrées optiques pour chaque prédiction FCP peut être optimisée grâce à l'apprentissage machine pendant l'étalonnage. Une telle optimisation peut inclure, par exemple, une sélection d'entrée progressive inverse pour obtenir une combinaison de paramètres optimisée pour chaque ensemble d'entrées candidates PSC et une évaluation des sorties pour minimiser l'erreur d'étalonnage.

Dans un ou plusieurs modes de réalisation, la sortie du réseau neuronal 300 peut représenter une moyenne des estimations ou des prédictions FCP générées par une pluralité de réseaux membres dans un NNE du réseau neuronal 300, où chaque réseau membre peut être formé ou étalonné à l'aide d'un sous-ensemble différent des entrées candidates ou des sousensembles d'entrées PSC. Les entrées PSC dans cet exemple peuvent être dérivées d'une gamme complète ou sélectionnée de mesures de spectroscopie de transmission de fluide extraites d'une base de données de laboratoire PVT (pression, volume et température), comme décrit ci-dessus. Dans certaines réalisations, une telle base de données optique-PVT peut inclure des données de PSC générées par l'application de diverses techniques d'analyse de composants principaux (PCA) aux mesures de laboratoire des spectroscopies de fluide sur une gamme de longueurs d'ondes complète ou sélectionnée ou des plages.

En outre ou en variante, les données PSC pour différents types de fluides peuvent être stockées dans une base de données PSC accessible au réseau neuronal 300 aux fins d'étalonnage. Par exemple, le réseau neuronal 300 peut accéder à une telle base de données pour récupérer des données PSC pour un nombre sélectionné de fluides de référence qui peuvent être îo représentatifs des types de fluides attendus dans la formation. Des exemples de tels fluides de formation comprennent, mais sans s'y limiter, les huiles, l'eau, l'azote gazeux, les hydrocarbures et les condensais. Les fluides de référence sélectionnés peuvent également inclure certains fluides sans réservoir comprenant, par exemple et sans limitation, le toluène, le dodécane et le pentanediol. L'addition de ces fluides de référence sans réservoir peut être utilisée pour améliorer la variété des motifs de fluide de fond représentés par les données d'entrée PSC et, par conséquent, combler les lacunes dans la plage de données d'étalonnage.

Comme décrit ci-dessus, les données d'entrée PSC appliquées au réseau neuronal 300 pour effectuer les techniques d'analyse de fluide décrites ici peuvent être dérivées des mesures de fluide obtenues à partir d'un ou plusieurs capteurs de fond de puits (par exemple, les capteurs optiques 52 des figures IA ou IB, tel que décrit plus haut). Dans un ou plusieurs modes de réalisation, un modèle de transformation inverse peut être utilisé pour transformer ces mesures d'un espace paramétrique de capteur en un espace paramétrique PSC multidimensionnel. Un exemple d'un tel modèle de transformation inverse est représenté sur la figure 7, comme cela sera décrit plus en détail ci-dessous. Pour rendre la transformation inverse plus robuste, le modèle peut être étalonné à l'aide d'une combinaison de paires de données capteur et PSC. Pour s'assurer que ces données d'étalonnage représentent adéquatement divers types de fluide sur une large gamme dynamique de compositions ou de propriétés des fluides, les données du capteur devraient refléter des mesures pour un nombre suffisamment élevé de fluides de référence. Ainsi, afin d'éviter de limiter les données d'étalonnage à un nombre petit ou insuffisant de fluides de référence, les données de détection disponibles peuvent être étendues pour inclure des données synthétiques de capteur. Les données synthétiques du capteur peuvent représenter les réponses de capteur simulées générées à l'aide d'un modèle de transformation prospectif. Dans un ou plusieurs modes de réalisation, le modèle de transformation prospectif peut être un réseau neuronal ayant une structure MIS O similaire à celle du réseau neuronal 300.

La figure 4 est un schéma illustratif d'un modèle de transformation prospectif 400 avec une telle structure de réseau neuronal MISO. Tel qu’illustré dans l'exemple de la figure 4, le modèle de transformation prospectif 400 peut être utilisé pour simuler une réponse de capteur optique pour un nombre donné d'entrées PSC (de PSC01 à PSC0N). La simulation utilisant le modèle de transformation prospectif 400 peut impliquer, par exemple, transformer les données d'entrée PSC en un espace paramétrique synthétique ou virtuel associé à un noyau ICE d'un capteur optique associé à un outil d'analyse de fluides de fond particulier (par exemple, l’outil de fond de puits 100 des figures IA ou IB, tel que décrit plus haut). Pour optimiser la transformation des données du capteur optique, le modèle de transformation prospectif 400 peut être étalonné pour un ensemble initial de fluides de référence. Les données de simulation pour des fluides supplémentaires peuvent ensuite être générées à l'aide du modèle de transformation prospectif calibré.

Tel qu’illustré dans la figure 4, le modèle de transformation' prospectif 400 peut inclure une seule couche cachée pour transformer des entrées d'étalonnage en une sortie d'étalonnage pour chaque noyau d’ICE ou élément de détection du capteur optique. Les entrées d'étalonnage dans cet exemple peuvent inclure un ensemble de paramètres d'entrée PSC candidats multivariés. Il convient de noter que le nombre de paramètres PSC candidats utilisés pour calibrer le modèle de transformation prospectif 400 dans la figure 4 peut varier en fonction du nombre de paramètres d'entrée PSC candidats sélectionnés pour étalonner le réseau neuronal 300 sur la figure 3, comme décrit ci-dessus, en fonction, par exemple, du niveau de précision souhaité pour chaque étalonnage et les relations de données d'entrée et de sortie associées. Dans certaines réalisations, le modèle de transformation prospectif 400 peut utiliser des fonctions de transfert non linéaire et linéaire pour les couches cachées et de sortie respectives identiques ou similaires à celles utilisées par le réseau neuronal 300 pour l'estimation FCP, comme décrit cidessus. Cependant, seules les équations (1) et (3) ci-dessus peuvent être nécessaires pour déterminer la sortie du réseau neuronal pour la couche cachée unique du modèle de transformation prospectif 400 dans l'exemple de la figure 4.

Dans un ou plusieurs modes de réalisation, le modèle de transformation prospectif 400 peut être utilisé pour simuler des réponses des capteurs optiques pour des fluides supplémentaires qui n'étaient pas inclus dans l'ensemble initial de fluides de référence. Les réponses simulées du capteur peuvent être combinées avec des réponses optiques mesurées aux fluides de référence d'un spectromètre de laboratoire pour un étalonnage plus robuste du modèle de transformation inverse. Étant donné que la plage de longueur d'onde utilisée dans le calcul PSC est généralement plus large que la plage de longueur d'onde de fonctionnement pour chaque élément de capteur particulier, l'algorithme de transformation MISO étalonné peut être utilisé comme synthétiseur pour générer une réponse optique de chaque élément de détection à partir des entrées de données orthogonales PSC. Pour améliorer les résultats de la transformation prospective, les fluides de référence sélectionnés pour l'étalonnage peuvent inclure des fluides qui sont représentatifs des types de liquides primaires d’intérêt. Des exemples de tels types de fluides peuvent inclure, mais sans s’y limiter, l'huile morte, l'huile moyenne et légère, le condensât et le gaz, et l'eau et l'azote.

Une fois que le modèle de transformation 400 a été étalonné, il peut être utilisé pour cartographier la plupart des données de spectroscopie de fluides stockées dans la base de données optique-PVT et/ou PSC à partir de l'espace paramétrique PSC vers l'espace îo paramétrique du capteur. La qualité de la cartographie des données PSC aux réponses attendues des capteurs optiques pour les différents fluides représentés dans la base de données peut être évaluée à l'aide d'analyse par segmentation et aux limites. Par exemple, les fluides représentés dans la base de données PSC peuvent être normalisés et regroupés en plusieurs groupes à l'aide d'une analyse de regroupement hiérarchique pour la classification par type de fluide. Les réponses des capteurs optiques mesurés pour un échantillon de fluide choisi comme fluide de référence devraient être similaires aux réponses simulées des capteurs optiques pour d'autres fluides appartenant au même groupe PSC pour un type de fluide correspondant à l'échantillon de fluide de référence.

La figure 5A est un graphique 500A montrant un exemple de données PSC pour un groupe de fluides dans lequel un échantillon de fluide de fond de puits (par exemple, un échantillon d'huile) sous multiples conditions de mesure peut être choisi comme fluide de référence. Aux fins de cet exemple, on peut supposer qu'il existe environ 40 autres échantillons de fluide mesurés avec des températures et des pressions différentes dans le même groupe PSC que l'échantillon de fluide de référence. On peut également supposer que les données PSC pour l'échantillon de fluide de référence dans cet exemple correspondent à la partie 502 du graphe 500A et la partie 504 correspond aux données PSC pour les autres échantillons de fluide.

La figure 5B est un graphique 500B montrant des réponses optiques mesurées 512 et des réponses optiques simulées 514 aux fluides de la figure 5A dans un espace paramétrique de capteur. Aux fins de cet exemple, on peut supposer que le capteur comporte au moins 29 éléments ou canaux de détection. Les réponses optiques mesurées peuvent être collectées pour le même fluide de référence, et les réponses optiques simulées peuvent être appliquées aux autres échantillons dans le groupe de la figure 5 A en utilisant, par exemple, le modèle de transformation prospectif 400 de la figure 4, comme il est décrit ci-dessus. Les réponses simulées du capteur optique peuvent être validées en utilisant des données de test supplémentaires sur les fluides mesurés dans l'espace paramétrique réel du capteur. Cependant, si de tels liquides de validation ne sont pas disponibles, il est possible de faire une évaluation technique approfondie quant à la qualité de la cartographie des données entre les réponses réelles / mesurées et simulées du capteur en comparant les résultats représentés sur les figures 5A et 5B. Dans certaines réalisations, un critère aux limites peut être utilisé pour éliminer certains échantillons de fluide de l'ensemble de données transformées si les réponses simulées des capteurs sont déterminées comme étant en dehors d'une plage de données d'étalonnage associée aux fluides de référence. Le critère aux limites dans ce contexte peut représenter un type de seuil de tolérance d'erreur pour évaluer la transformation prospective.

Dans un ou plusieurs modes de réalisation, les données de capteur simulées associées aux types de fluides identifiés ou aux groupes PSC peuvent être combinées avec l'ensemble des données d'origine des fluides de référence afin de construire un ensemble de données étendues pour étalonner le modèle de transformation inverse. Les figures 6A et 6B fournissent une comparaison entre les données d'étalonnage des fluides de référence originaux et des fluides étendus. La figure 6A est un graphique 600A montrant un exemple d'entrées d'étalonnage candidates. La figure 6B est un graphique 600B montrant des sorties avec des données de fluides de référence et des données étendues avant la normalisation.

La figure 7 est un schéma illustratif d'une structure de réseau neuronal multientrée/multi-sortie (ΜΙΜΟ) d'un modèle de transformation inverse 700. L'étalonnage du modèle de transformation inverse 700 peut inclure l'application de mesures de capteurs et de données de simulation comme données de formation qui sont similaires aux entrées bruitées appliquées à l'apprentissage machine. Cela peut permettre au modèle résultant d'être plus robuste que la formation avec des entrées propres, car les entrées bruitées peuvent être plus représentatives des conditions réelles de puits qui peuvent être rencontrées lors du traitement en temps réel des données des capteurs optiques collectés le long d'un puits de forage dans une formation souterraine.

Les figures 8A et 8B sont des tracés croisés montrant les résultats d'étalonnage de la transformation inverse sur deux sorties PSC avec quatre capteurs en utilisant des fluides de référence seuls. La figure8A est un tracé croisé 800A d'une cible de formation par rapport à une prédiction de réseau neuronal (NN) pour un premier ensemble de données d'entrée PSC (PSC1). La figure8B est un tracé croisé 800B de la cible de formation par rapport à la prédiction NN pour un quatrième ensemble de données d'entrée PSC (PSC4). Le nombre de fluides de référence utilisés peut varier (par exemple, de 9 à 13) pour différents capteurs. La répartition des données comme indiqué dans les tracés croisés 800A et 800B peut dépendre du capteur et être dispersée avec divers écarts sur la plage de données. Un modèle de transformation inverse formé à partir de ces données clairsemées peut avoir le risque de sur-ajustement des données de formation et, par conséquent, ne pas bien généraliser aux données réelles lors des applications de fond de puits.

En revanche, les tracés croisés 900A et 900B des figures 9A et 9B, respectivement, présentent les résultats d'étalonnage du modèle de transformation inverse pour les mêmes résultats de la transformation inverse des figure 8A et 8B, sauf avec un seul capteur et des entrées de données étendues. Les entrées de données étendues peuvent inclure des réponses de capteurs mesurées à partir d'un petit nombre de fluides de référence et des réponses de capteurs simulées à partir d'un grand nombre de fluides supplémentaires. Contrairement aux résultats représentés sur les figures 8A et 8B, la plage de données pour chaque paramètre de io sortie représenté sur les figure 9A et 9B est améliorée pour le type de fluide particulier d'intérêt.

Les figures 10A-13 seront utilisées pour décrire un exemple d'application des techniques décrites pour estimer des compositions de fluides et des propriétés dans le cadre de l'analyse de fluides en temps réel lors d'une opération de fond menée le long d'un puits de forage dans une formation souterraine. Par exemple, les données de capteurs optiques provenant d'un ou plusieurs capteurs couplés à un outil de fond situé dans le puits de forage peuvent être traitées en utilisant des techniques de normalisation de données PSC, par exemple en transformant les données de capteur acquises d'un espace paramétrique de capteur en un espace paramétrique de PSC tel que décrit au-dessus. Les données traitées (ou transformées) peuvent ensuite être appliquées en tant qu'entrées à un modèle prédictif pour la caractérisation des fluides, par exemple en estimant les compositions des fluides et les propriétés de la formation souterraine entourant différentes sections du puits de forage lors de l'opération de fond.

Dans un ou plusieurs modes de réalisation, l'analyse de fluide en temps réel peut être effectuée par un analyseur de fluide de l'outil de fond en fonction des données d'entrée PSC dérivées des mesures obtenues à partir du (des) capteur (s) le long d'une section courante du puits de forage. L'analyseur de fluide peut utiliser un sous-ensemble sélectionné des entrées PSC disponibles et d'autres données de capteur (par exemple, densité de fluide, mesure de bulle et/ou de compressibilité) pour effectuer la classification des fluides. Dans un ou plusieurs modes de réalisation, la classification des fluides peut être réalisée en utilisant les supports vectoriels de moyenne de groupe et la concordance des voisins les plus proches pour identifier un ou plusieurs types de fluide à partir des données de PSC appliquées. Pour chaque groupe, le vecteur moyen et l'écart type de l'échantillon par rapport à la distance entre l'échantillon et la moyenne peuvent être calculés et stockés sous forme de vecteurs de support de type de fluide. Dans un ou plusieurs modes de réalisation, les vecteurs de support de type de fluide peuvent être générés à partir d'une analyse de segmentation à densité (WDEN) et sans densité (NDEN) basée sur des données PSC et d'autres données de capteurs relatives à divers échantillons de fluides. Ces données peuvent être appliquées en tant que données de formation pour étalonner un modèle d'analyse de fluides utilisé par l'analyseur de fluides de fond et peuvent être stockées dans une banque d'huile standard et/ou une autre base de données de fluides accessible à l'analyseur de fluides de fond pour le traitement de données en temps réel.

La figure 10A est un graphique 1000A montrant des exemples de données

WDEN et NDEN PSC qui ont été regroupées dans un groupe de type de fluides. Le groupe de type de fluides dans cet exemple peut avoir un numéro d'index de groupe particulier (par exemple, 13), ce qui correspond à une forme de fluide prédéfinie associée au type de fluide particulier, par exemple huile lourde à moyenne, identifiée pour le groupe en fonction des io données obtenues sur une période de fonctionnement stabilisée. La figure 10B est un graphique 1000B de données de fluides PSC par rapport à la distance du centre de groupe, qui se situe bien dans la limite de référence des données de formation dans la bibliothèque de pétrole ou bien dans la base de données de fluides décrite ci-dessus. Les résultats de la classification des données WDEN et NDEN PSC peuvent être importants pour évaluer toute incertitude dans la is normalisation des données. Par exemple, le niveau d'incertitude par rapport à la transformation de données optiques de l'espace paramétrique du capteur à l'espace des paramétrique PSC peut être relativement faible si les résultats des classifications des fluides WDEN et NDEN se révèlent cohérents, par exemple dans une tolérance d'erreur donnée. Les résultats de la classification WDEN et NDEN peuvent également être utilisés pour l'évaluation des données de densité. Par exemple, pour les mêmes entrées PSC, la classification WDEN peut produire un résultat différent si des entrées de densité supplémentaires provenant d'autres capteurs sont inexactes. La classification des fluides dans cet exemple peut être effectuée en utilisant, par exemple, un modèle de classification des fluides sous la forme d'un modèle de réseau neuronal comprenant un ou plusieurs réseaux de neurones pour identifier différents types de fluides en utilisant un apprentissage machine supervisé.

Le modèle d'analyse de fluides dans cet exemple peut utiliser relativement plus d'entrées PSC que le nombre d'entrées utilisées pour la classification des fluides. Pour un nombre donné d'entrées, une combinaison optimale d'entrées candidates peut être déterminée par l'étalonnage du modèle d'analyse de fluides. Le modèle d'analyse de fluides étalonné ou une partie de celui-ci peut ensuite être utilisée pour estimer ou prédire une composition ou une propriété de fluide particulière (FCP). Comme décrit ci-dessus, le modèle d'analyse de fluides peut être implanté comme un ensemble de réseau neuronal (NNE) avec une pluralité de réseaux neuronaux membres pour estimer ou prévoir diverses compositions et propriétés de fluides.

Les figures 11A-11D sont des graphiques illustratifs de prédictions de réseau de membres pour la concentration de saturés, d'aromatiques, de résines et d'asphaltènes, respectivement sur la base d'un nombre variable d'entrées (par exemple, allant de 4 à 11 entrées) pour le même exemple de terrain. Les prédictions du réseau des membres sont généralement bien convergentes dans cet exemple, et le résultat de l'ensemble peut représenter une moyenne arithmétique avec une faible incertitude.

La figure 12A est un graphique 1200A des prédictions NNE sur les acides gras saturés, les composés aromatiques, les résines et les asphaltènes. Pour l'huile lourde à moyenne dans cet exemple, la concentration de gaz peut être très faible, et la combinaison SARA (saturés, aromatiques, résines et asphaltènes) peut être une bonne estimation de la densité de fluide. La figure 12B est un graphique 1200B montrant une comparaison entre la combinaison SARA prédite de NNE et la densité de fluide de référence. Les résultats sont généralement cohérents sur une partie stabilisée de la plage de données tracée, ce qui peut indiquer un faible niveau d'incertitude dans les prédictions résultantes.

Les questions sur la prédiction NNE peuvent être indiquées par :(a) tout type de fluide non concordant de la classification WDEN et NDEN ; (b) toutes distances inconnues de données de fluide PSC au centre de grappe qui dépassent le critère aux limites des données de formation ; (c) un manque de convergence entre les prédictions par différents réseaux membres ; et (d) des prédictions incohérentes à partir d'estimations de composition de fluide évaluées à l'aide d'une équation du bilan massique. Si des problèmes d'incertitude sont détectés en ce qui concerne les prédictions FCP produites par le NNE pendant le traitement des données en temps réel, les prédictions faites par la prédiction des réseaux membres individuels peuvent être comparées à des compositions de données de référence ou de formation dans des vecteurs/matrices de support de type de fluide pour déterminer comment ajuster ou affiner le NNE pour mieux adapter les données de formation.

La figure 13 est un graphique 1300 montrant un exemple de moyenne et des limites pour un groupe de concordance aux références SARA dans une base de données de fluides, comme décrit ci-dessus en ce qui concerne les figures 10A-12B. Bien que NNE ait prédit pour l'échantillon de site une concentration d'aromates proche de la limite supérieure (p. ex., moyenne de l'échantillon de grappe plus une variation de 1,5 fois l'écart-type) des données de référence, la concentration prédite de saturés, de résines et d'asphaltènes est généralement conforme aux valeurs moyennes des compositions dans les échantillons de fluide dans le groupe de concordance. Pour les cas problématiques, la sélection du modèle adaptatif en temps réel ou le post-traitement des données avec d'autres modèles pertinents peuvent être utilisés pour affiner la prédiction NNE.

La figure 14 est un organigramme illustratif d'un procédé 1400 d'analyse de fluides basé sur des données PSC. À des fins de discussion, le procédé 1400 sera décrit en référence aux systèmes de puits illustrés dans les figures IA and IB, tel que décrit plus haut. Cependant, le processus 1400 n'est pas destiné à y être limité. Par exemple, le procédé 1400 peut être mis en œuvre dans l'outil 100 de fond de puits pour estimer des compositions et propriétés des fluides en se basant sur des mesures obtenues à partir d'un ou plusieurs capteurs (par exemple, les capteurs optiques 52 des figures IA ou IB, comme décrit ci-dessus) lors d'une opération de fond effectuée le long d'un puits de forage dans une formation souterraine.

Tel qu’illustré dans la figure 14, le processus 1400 commence dans le bloc 1402, qui comprend les mesures obtenues à partir d'un ou plusieurs capteurs de fond dans une section actuelle du puits de forage dans une formation souterraine. Dans le bloc 1404, les io mesures du capteur sont transformées en données PSC, comme décrit ci-dessus. Le processus 1400 passe ensuite au bloc 1406, qui comprend l'estimation d'au moins une composition ou propriété de fluide pour la section actuelle du puits de forage, sur la base des données PSC et d'un modèle d'analyse de fluides, comme décrit ci-dessus. Dans le bloc 1408, le modèle d'analyse de fluides peut être affiné pour une ou plusieurs sections subséquentes du puits de forage en fonction des types de fluides identifiés et des compositions et propriétés de fluides estimées.

La figure 15 est un schéma de principe d'un système informatique exemplaire 1500 dans lequel des modes de réalisation de la présente description peuvent être mis en œuvre. Par exemple, le processus 1400 de la FIG. 14, comme décrit ci-dessus, peut être réalisé à l'aide du système 1500. Le système 1500 peut être un ordinateur, un téléphone, un PDA ou tout autre type d'appareil électronique. Dans un ou plusieurs modes de réalisation, un tel dispositif électronique peut être spécialement adapté pour fonctionner comme un outil de fond, par exemple, l’outil de fond de puits 100 des figures IA and IB, tel que décrit plus haut, ou un composant de celui-ci. Un tel appareil électronique contient divers types de supports lisibles par un ordinateur et des interfaces pour divers autres types de supports lisibles par ordinateur. Tel qu’illustré dans la figure 15, le système 1500 comprend un dispositif de stockage permanent 1502, une mémoire de système 1504, une interface de dispositif de sortie 1506, un bus de communication de système 1508, une mémoire morte (ROM) 1510, une unité de traitement 1512, une interface de dispositif d'entrée 1514, et une interface réseau 1516.

Le bus 1508 représente collectivement tous les systèmes de bus, périphériques et chipset qui connectent en communication les nombreux périphériques internes du système 1500. Par exemple, le bus 1508 relie en communication l'unité ou les unités de traitement 1512 à la ROM 1510, la mémoire du système 1504 et le dispositif de stockage permanent 1502.

À partir de ces diverses unités de mémoire, la ou les unités de traitement 1512 récupèrent des instructions pour exécuter et pour traiter des données afin d'exécuter les processus

3 0 5 8 4 5 5 de l’objet de la divulgation. La ou les unités de traitement peuvent être un processeur unique ou un processeur à cœurs multiples dans différentes réalisations.

La ROM 1510 stocke des données statiques et des instructions requises par la ou les unités de traitement 1512 et par les autres modules du système 1500. Le dispositif d'enregistrement permanent 1502 est par ailleurs un dispositif de mémoire à lecture-écriture. Ce dispositif est une unité à mémoire non volatile qui enregistre des instructions et des données même quand le système 1500 est à l'arrêt. Certaines réalisations de l'objet de la divulgation utilisent un dispositif de stockage à grande capacité (tel qu'un disque magnétique ou optique et son lecteur de disque correspondant) en tant que dispositif d'enregistrement permanent 1502.

D'autres implémentations utilisent un dispositif d'enregistrement amovible (tel qu'une disquette, un disque à mémoire flash, et son lecteur de disque correspondant) en tant que dispositif d'enregistrement permanent 1502. Comme le dispositif d'enregistrement permanent 1502, la mémoire de système 1504 est un dispositif de mémoire à lecture-écriture. Toutefois, à la différence du dispositif d'enregistrement 1502, la mémoire du système 1504 est une mémoire à lecture-écriture, telle qu'une mémoire vive. La mémoire du système 1504 enregistre une partie des instructions et des données dont le processeur a besoin lors de son fonctionnement. Dans certaines réalisations, les processus de la présente description sont enregistrés dans la mémoire du système 1504, dans le dispositif d'enregistrement permanent 1502 et/ou dans la ROM 1510.

Par exemple, les diverses unités de mémoire comprennent des instructions pour une conception de colonne de tubage fondée sur des conceptions existantes de colonnes conformes à certaines réalisations. D'après ces diverses unités de mémoire, la ou les unités de traitement 1512 récupèrent des instructions à exécuter et des données à traiter pour exécuter les processus de certaines réalisations.

Le bus 1508 se connecte aussi aux interfaces de dispositif d'entrée et de sortie 1514 et 1506. L'interface du dispositif d'entrée 1514 permet à l'utilisateur de communiquer des informations et de sélectionner les commandes destinées au système 1500. Les dispositifs d’entrée utilisés avec l'interface du dispositif d'entrée 1514 comprennent par exemple des claviers alphanumériques, QWERTY ou claviers T9, des microphones et des dispositifs de pointage (qu'on appelle aussi « dispositifs de commande de curseur »). Les interfaces de dispositif de sortie 1506 permettent par exemple l'affichage d'images produites par le système 1500. Les dispositifs de sortie utilisés avec l'interface de dispositif de sortie 1506 comprennent par exemple des imprimantes et des dispositifs d'affichage, tels que des écrans à tube cathodique (CRT) ou à cristaux liquides (LCD). Certaines réalisations comprennent des dispositifs tels qu'un écran tactile qui fonctionne comme dispositif d'entrée et de sortie. On comprendra que les modes de réalisation de la présente divulgation peuvent être réalisés à l'aide d'un ordinateur comprenant l'un quelconque parmi divers types de dispositifs d'entrée et de sortie, afin de permettre l'interaction avec un utilisateur. Une telle interaction peut comprendre la rétroaction vers l'utilisateur ou depuis celui-ci sous différentes formes de rétroaction sensorielle comprenant, sans s'y limiter, une rétroaction visuelle, une rétroaction sonore ou une rétroaction tactile. De plus, l'entrée provenant de l'utilisateur peut être reçue sous n'importe quelle forme comprenant, sans limitation, l'entrée acoustique, sous forme de paroles ou tactile. De plus, l'interaction avec l'utilisateur peut comprendre la transmission et la réception de différents types d'informations, par exemple sous la forme de documents destinés à l'utilisateur et provenant de celui-ci, par le biais des interfaces décrites ci-dessus.

îo De plus, comme le montre la figure 15, le bus 1508 couple aussi le système

1500 à un réseau public ou privé (non représenté) ou à une combinaison de réseaux par le biais d'une interface de réseau 1516. Ce réseau peut par exemple comprendre un réseau local (« LAN ») tel qu'un Intranet, ou un réseau étendu (« WAN ») tel qu'Intemet. Tout composant ou tous les composants du système 1500 peuvent être utilisés en lien avec la présente description.

Ces fonctions décrites ci-dessus peuvent être réalisées dans un circuit électronique numérique, dans un logiciel, un micrologiciel ou un matériel informatique. Les techniques peuvent être réalisées à l'aide d'un ou plusieurs produits logiciels. Des processeurs et des ordinateurs programmables peuvent être inclus ou conditionnés sous forme d'appareils mobiles. Les processus et les flux logiques peuvent être réalisés par au moins un processeur programmable et par au moins un circuit de logique programmable. Des dispositifs informatiques spécialisés ou polyvalents et les dispositifs d'enregistrement peuvent être interconnectés par des réseaux de télécommunication.

Certaines réalisations comprennent des composants électroniques tels que des microprocesseurs, une mémoire qui enregistre des instructions de programme informatique dans un support lisible par une machine ou lisible par un ordinateur (dénommé alternativement support d'enregistrement lisible par un ordinateur, support lisible par une machine ou support d'enregistrement lisible par une machine). Certains exemples de supports lisibles par un ordinateur comprennent des mémoires vives (RAM), des mémoires mortes (ROM), des disques compacts à mémoire morte (CD-ROM), des disques compacts inscriptibles (CD-R), des disques compacts réinscriptibles (CD-RW), des disques versatiles non inscriptibles numériques (par ex., DVD-ROM, DVD-ROM double couche), un certain nombre de DVD inscriptibles/réinscriptibles (par ex. DVD-RAM, DVD-RW, DVD+RW, etc.), mémoire Llash (par ex., cartes SD, cartes mini-SD, cartes micro-SD, etc.), des disques durs magnétiques et/ou à semi-conducteurs, des disques Blu-Ray® à mémoire morte et inscriptibles, des disques optiques à ultra densité et d'autres supports optiques ou magnétiques et des disquettes. Les supports lisibles par ordinateur peuvent contenir un programme informatique qui est exécutable par au moins une unité de traitement et qui comprend des ensembles d'instructions destinées à la réalisation de diverses opérations. Des exemples de logiciels ou de codes d'ordinateur comprenant un code de machine, tel que celui produit par un compilateur, et des fichiers contenant un code de niveau supérieur qui est exécuté par un ordinateur, un composant électronique ou un microprocesseur utilisant un interprète.

Alors que la discussion qui précède correspond surtout à un microprocesseur ou à des processeurs à cœurs multiples qui exécutent un logiciel, certaines réalisations sont effectuées par au moins un circuit intégré, tels que des circuits intégrés spécifiques d'application (ASIC) ou des réseaux prédiffusés programmables par l'utilisateur (FPGA). Dans certaines réalisations, ces circuits intégrés exécutent des instructions qui sont enregistrées sur le circuit luimême. Par conséquent, le procédé 1400 de la figure 14, tel que décrit précédemment, peut être réalisé grâce au système 1500 ou grâce à tout système informatique comportant un circuit de traitement ou un produit de type logiciel contenant des instructions qui y sont enregistrées qui, quand il est exécuté par au moins un processeur, amène le processeur à réaliser des fonctions inhérentes à ces procédés.

Tel qu'utilisé dans cette spécification et dans les revendications de cette application, les termes « ordinateur », « serveur», « processeur » et « mémoire » >se réfèrent tous à des dispositifs électroniques ou à d'autres dispositifs technologiques. Ces termes excluent des personnes ou des groupes de personnes. Dans ce contexte, les expressions « support lisible par un ordinateur » et « supports lisibles par un ordinateur » correspondent globalement à des supports d'enregistrement électronique tangibles, physiques et non transitoires qui enregistrent les informations sous une forme qui est lisible par un ordinateur.

Les modes de réalisation du présent objet décrit dans cette spécification peuvent être effectués dans un système informatique qui contient un composant de finalisation, par ex., un serveur de données, ou qui contient un composant d'intergiciel, par ex., un serveur d'application, ou qui contient un composant frontal, par ex., un ordinateur client comportant une interface graphique d'utilisateur ou un navigateur Web à travers lequel un utilisateur peut interagir avec une mise en œuvre du présent objet décrit dans cette description, ou toute combinaison d'au moins un composant de finalisation, intergiciel ou frontal. Les composants du système peuvent être interconnectés par toute forme ou tout support de communication de données numériques, par ex., un réseau de télécommunication. Des exemples de réseaux de télécommunication comprennent un réseau local (« LAN ») et un réseau étendu (« WAN »), un inter-réseau (par ex., l'Internet) et des réseaux par les pairs (par ex., des réseaux poste à poste ad hoc).

Le système informatique peut comprendre des clients et des serveurs. Un client et un serveur sont généralement éloignés mutuellement et communiquent généralement à travers un réseau de télécommunication. La relation de client et de serveur peut se faire par des programmes informatiques exécutés sur les ordinateurs respectifs et qui possèdent une relation client/serveur l'un vers l'autre. Dans certains modes de réalisation, un serveur transmet des données (par ex., une page Web) à un dispositif client (par ex., afin d'afficher des données vers l'utilisateur et de recevoir une entrée d'utilisateur à partir d'un utilisateur interagissant avec le dispositif client). Les données générées au niveau du dispositif du client (par ex., un résultat de l'interaction de l'utilisateur) peuvent être reçues depuis le dispositif client au niveau du serveur.

Il est compris que tout ordre spécifique ou hiérarchie des étapes dans les procédés décrits est une illustration de démarches exemplaires. Selon les préférences en matière de conception, on comprendra que l'ordre ou la hiérarchie spécifique des étapes dans les procédés peuvent être réarrangés, ou bien que toutes les étapes illustrées sont effectuées. Certaines des étapes peuvent être exécutées simultanément. Dans certaines circonstances, par exemple, un traitement multitâches et parallèle peut s'avérer avantageux. De plus, la séparation de divers composants du système dans les modes de réalisation décrits précédemment, ne doit pas être interprétée comme nécessitant cette séparation dans tous les modes de réalisation, et on comprendra que les composantes de programme et les systèmes décrits peuvent généralement être intégrés ensemble en un seul produit logiciel ou conditionnés en de multiples produits logiciels.

En outre, les exemples de procédés décrits ici peuvent être réalisés par un système contenant un circuit de traitement ou un produit de type logiciel contenant des instructions qui, quand il est exécuté par au moins un processeur, amène le processeur à réaliser l’un quelconque des procédés décrits ici.

Comme décrit ci-dessus, les modes de réalisation de la présente invention sont particulièrement utiles pour l'analyse de fluides de fond basée sur des données PSC indépendantes du type de capteur et de données. En conséquence, les avantages de la présente invention comprennent la possibilité de migrer des données en temps réel et historiques obtenues à partir de divers outils optiques de fond dans des champs pétrolifères divers, puis d'intégrer ces données avec des données de laboratoire dans une base de données générique unique pour des applications étendues. En minimisant le nombre d'entrées optiques nécessaires et en intégrant des entrées non optiques telles que la densité de fluide, le point de bulle et la compressibilité, les techniques décrites permettent d'effectuer des analyses de fluides en temps réel pour des opérations de fond améliorées et plus efficaces.

Ainsi, une méthode pour l'analyse de fluides de fond a été décrite. Les modes de réalisation du procédé peuvent inclure -.obtenir des mesures à partir d'un ou plusieurs capteurs de fond dans une section actuelle du puits de forage dans une formation souterraine ; transformer les mesures obtenues à partir d'un ou plusieurs capteurs de fond en données principales de la composante spectroscopie (PSC) ; estimer au moins une composition ou propriété de fluide pour la section actuelle du puits de forage, en fonction des données PSC et d'un modèle d'analyse de fluides ; et l'affinage du modèle d'analyse de fluide pour une ou plusieurs sections ultérieures du puits de forage dans la formation souterraine, basée au moins en partie sur la composition de fluide ou la propriété estimée pour la section actuelle du puits de forage. En outre, un support de îo stockage lisible par ordinateur a été décrit. Dans un ou plusieurs modes de réalisation, le support de stockage lisible par ordinateur peut avoir des instructions stockées dans celui-ci, qui, lorsqu'elles sont exécutées par un ordinateur, font que l'ordinateur exécute une pluralité de fonctions, y compris des fonctions pour :obtenir des mesures à partir d'un ou plusieurs capteurs de fond dans une section actuelle du puits de forage dans une formation souterraine ; transformer les mesures obtenues à partir d'un ou plusieurs capteurs de fond en données principales de la composante spectroscopie (PSC) ; estimer au moins une composition ou propriété de fluide pour la section actuelle du puits de forage, en fonction des données PSC et d'un modèle d'analyse de fluides ; et l'affinage du modèle d'analyse de fluide pour une ou plusieurs sections ultérieures du puits de forage dans la formation souterraine, basée au moins en partie sur la composition de fluide ou la propriété estimée pour la section actuelle du puits de forage.

Pour l'un quelconque des modes de réalisation précédents, les données PSC peuvent être appliquées comme une ou plusieurs entrées PSC au modèle d'analyse de fluides, et la composition ou propriété de fluide peut être identifiée sur la base des données de PSC appliquées. Le modèle d'analyse de fluide peut être un réseau de neurones ayant plusieurs couches de nœuds de réseaux neuronaux. L'un ou plusieurs capteurs de fond de puits peuvent comprendre un ou plusieurs capteurs optiques couplés à l'outil de fond situé à l'intérieur du puits de forage. Chacun, seul ou plusieurs des capteurs optiques peut comprendre au moins un élément de calcul intégré (ICE) pour mesurer une ou plusieurs propriétés de fluide de fond de puits. L'un ou plusieurs capteurs de fond peuvent inclure en outre un ou plusieurs capteurs non optiques. Le ou les capteurs non optiques peuvent être choisis dans le groupe consistant en : un capteur de densité de fluide ; un capteur à point de bulle ; et un capteur de compressibilité.

En outre, pour l'un quelconque des modes de réalisation précédents, les mesures d'un ou de plusieurs capteurs de fond de puits peuvent être transformées sur la base d'un modèle de transformation inverse. En conséquence, dans un ou plusieurs modes de réalisation, le procédé peut en outre comprendre :sélectionner des fluides de référence pour le modèle de transformation inverse à étalonner ; la simulation des réponses des capteurs pour des fluides supplémentaires en fonction d'un modèle de transformation prédictif et des fluides de référence sélectionnés ; combinant les réponses de capteurs simulées avec les réponses de capteur mesurées d'un ou plusieurs capteurs de fond ; et étalonner le modèle de transformation inverse en fonction des réponses simulées et mesurées des capteurs combinés. De même, dans un ou plusieurs modes de réalisation, la pluralité des fonctions effectuées par l'ordinateur lors de l'exécution d'instructions stockées dans le support de stockage lisible par ordinateur peut en outre inclure des fonctions pour : sélectionner les fluides de référence pour le modèle de transformation inverse à étalonner ; simuler les réponses des capteurs pour des fluides supplémentaires en fonction d'un modèle de transformation prédictif et des fluides de référence sélectionnés ; combiner les réponses de capteurs simulées avec les réponses mesurées du capteur d'un ou plusieurs capteurs de fond ; et étalonner le modèle de transformation inverse en fonction des réponses simulées et mesurées des capteurs combinés.

En outre, un système pour l'analyse de fluides de fond de puits a été décrit. Des modes de réalisation du système peuvent comprendre au moins un processeur et une mémoire couplée au processeur qui a des instructions stockées sur celui-ci, qui, lorsqu'elles sont exécutées par le processeur, amènent le processeur à exécuter des fonctions, y compris des fonctions pour :obtenir des mesures à partir d'un ou plusieurs capteurs de fond dans une section actuelle du puits de forage dans une formation souterraine ; transformer les mesures obtenues à partir d'un ou plusieurs capteurs de fond en données principales de la composante spectroscopie (PSC) ; estimer au moins une composition ou propriété de fluide pour la section actuelle du puits de forage, en fonction des données PSC et d'un modèle d'analyse de fluides ; et l'affinage du modèle d'analyse de fluide pour une ou plusieurs sections ultérieures du puits de forage dans la formation souterraine, basée au moins en partie sur la composition de fluide ou la propriété estimée pour la section actuelle du puits de forage.

Pour les modes de réalisation précédents du système, les données PSC peuvent être appliquées comme une ou plusieurs entrées PSC au modèle d'analyse de fluide, et la composition ou propriété de fluide peut être identifiée sur la base des données PSC appliquées. Le modèle d'analyse de fluide peut être un réseau de neurones ayant plusieurs couches de nœuds de réseaux neuronaux. L'un ou plusieurs capteurs de fond de puits peuvent comprendre un ou plusieurs capteurs optiques couplés à l'outil de fond situé à l'intérieur du puits de forage. Chacun, seul ou plusieurs des capteurs optiques peut comprendre au moins un élément de calcul intégré (ICE) pour mesurer une ou plusieurs propriétés de fluide de fond de puits. L'un ou plusieurs capteurs de fond peuvent inclure en outre un ou plusieurs capteurs non optiques. Le ou les capteurs non optiques peuvent être choisis dans le groupe consistant en : un capteur de densité de fluide ; un capteur à point de bulle ; et un capteur de compressibilité.

Dans un ou plusieurs autres modes de réalisation du système, les mesures provenant d'un ou plusieurs capteurs de fond peuvent être transformées sur la base d'un modèle de transformation inverse, et les fonctions exécutées par le processeur peuvent en outre inclure des fonctions pour (sélectionner les fluides de référence pour le modèle de transformation inverse à étalonner ; simuler les réponses des capteurs pour des fluides supplémentaires en fonction d'un modèle de transformation prédictif et des fluides de référence sélectionnés ; combiner les réponses de capteurs simulées avec les réponses mesurées du capteur d'un ou plusieurs capteurs io de fond ; et étalonner le modèle de transformation inverse en fonction des réponses simulées et mesurées des capteurs combinés.

Alors que les détails spécifiques concernant les modes de > réalisation qui précèdent ont été décrits, les descriptions de matériel et de logiciel sont destinées simplement à des exemples de modes de réalisation et ne visent pas à limiter la structure ou la mise en œuvre des modes de réalisation décrits ici. Par exemple, bien que de nombreux autres composants internes du système 1500 ne soient pas illustrés, il sera compris des hommes du métier que de tels composants et leur interconnexion sont bien connus.

De plus, certains aspects des modes de réalisation décrits, tels que soulignés ci-dessus, peuvent être mis en œuvre sous forme de logiciel qu'on exécute à l'aide d'au moins une unité/un composant de traitement. On peut considérer certains aspects de programme de la technologie comme des « produits » ou « articles de fabrication » typiquement sous la forme de codes exécutables et/ou de données associées qui sont exécutés ou mis en œuvre dans un certain type de support lisible par une machine. Les supports tangibles non transitoires de type « enregistrement » comprennent toute mémoire ou toutes les mémoires ou un autre enregistrement pour les ordinateurs, les processeurs ou matériels similaires, ou leurs modules associés, tels que diverses mémoires semi-conductrices, des lecteurs de bande, des lecteurs de disque ou des disques optiques ou magnétiques, et similaires, susceptibles de procurer un enregistrement à tout moment pour la programmation logicielle.

De plus, l'organigramme et le schéma de principe des figures illustrent l'architecture, la fonctionnalité et le fonctionnement de mises en œuvre éventuelles des systèmes, des procédés et des produits de type programmes informatiques selon divers modes de réalisation de la présente description. On devrait aussi noter que dans d'autres mises en œuvre, les fonctions notées dans le schéma de principe peuvent avoir lieu hors de l'ordre noté dans les figures. Par exemple, deux blocs apparaissant successivement peuvent, en fait, être exécutés sensiblement en concomitance, ou les blocs peuvent parfois être exécutés dans l'ordre inverse, en fonction de la fonctionnalité impliquée. On notera aussi que chaque bloc des schémas de principe et/ou des illustrations de type organigramme et les combinaisons de blocs dans les schémas de principe et/ou dans les illustrations de type organigramme peuvent être mis en œuvre par des systèmes d'affectation spécifique à base matérielle qui exécutent les fonctions ou les actions spécifiées, ou des combinaisons de matériel d'affectation spécifique et d'instructions informatiques.

Les modes de réalisation de l'exemple spécifique précédent ne sont pas destinés à limiter la portée des revendications. Les exemples de modes de réalisation peuvent être modifiés par inclusion, exclusion ou combinaison d'au moins une caractéristique ou fonction décrite dans la description.

Tels qu'utilisés ici, les termes au singulier « un », « une », « le » et « la » peuvent être destinés à inclure également les termes au pluriel, sauf indication contraire explicite dans le contexte. Il sera également compris que les termes « comprend », et/ou « comprenant », lorsqu'ils sont utilisés dans cette spécification et/ou les revendications indiquent la présence des caractéristiques, des nombres entiers, des étapes, des opérations, des éléments et/ou des composants énoncés, mais n'excluent pas la présence ou l'ajout d'un ou de plusieurs nombres entiers, dispositifs, étapes, opérations, éléments, composants et/ou groupes de ceux-ci. Les structures, les matériels, les actions correspondants et les équivalents de tous les moyens ou étapes plus les éléments fonctionnels dans les revendications suivantes sont destinés à inclure toute structure, matériel ou action pour réaliser la fonction en association à d'autres éléments revendiqués, comme il est spécifiquement revendiqué. La description de la présente divulgation a été présentée à des fins illustratives et descriptives, elle n’est pas destinée à être exhaustive ou à se limiter aux modes de réalisation dans la forme divulguée. De nombreuses modifications et variations seront évidentes pour les hommes du métier sans s’éloigner de la portée et de l’esprit de la divulgation. Les modes de réalisation illustratifs décrits ici sont fournis pour expliquer les principes de cette divulgation et l'application pratique de celle-ci, et pour permettre à d'autres hommes du métier de comprendre que les modes de réalisation divulgués peuvent être modifiés, selon les besoins, pour une réalisation ou une utilisation donnée. Le cadre des revendications est destiné à couvrir globalement les modes de réalisation divulgués et une quelconque modification de ce type.

Claims

REVENDICATIONS

1. Procédé d'analyse de fluides de fond de puits, le procédé comprenant : l’obtention des mesures à partir d'un ou plusieurs capteurs de fond de puits

5 dans une section actuelle du puits de forage dans une formation souterraine ;

la transformation des mesures obtenues à partir d'un ou plusieurs capteurs de fond de puits en données de composante principale spectroscopique (PSC) ;

l’estimation d’au moins une composition ou propriété de fluide pour la section actuelle du puits de forage, en fonction des données PSC et d'un modèle d'analyse de fluide ; et io l’affinage du modèle d'analyse de fluide pour une ou plusieurs sections subséquentes du puits de forage dans la formation souterraine, basée au moins en partie sur la composition de fluide ou la propriété estimée pour la section actuelle du puits de forage.
2. Procédé selon la revendication 1, dans lequel les données PSC sont 15 appliquées comme une ou plusieurs entrées PSC au modèle d'analyse de fluide, et la composition ou propriété de fluide est identifiée en fonction des données PSC appliquées.
3. Procédé selon la revendication 1, dans lequel le modèle d'analyse de fluide est un réseau de neurones ayant plusieurs couches de nœuds de réseau neuronal.
4. Procédé selon la revendication 1, dans lequel l’un ou les capteurs de fond comprennent un ou plusieurs capteurs optiques couplés à l'outil de fond de puits situé à l'intérieur du puits de forage.

25 5. Procédé selon la revendication 4, dans lequel chacun du ou des capteurs optiques comprend au moins un élément de calcul intégré (ICE) pour mesurer une ou plusieurs propriétés de fluide de fond de puits.

6. Procédé selon la revendication 4, dans lequel le ou les capteurs de fond

30 comprennent en outre un ou plusieurs capteurs non optiques.

7. Procédé selon la revendication 6, dans lequel l’un ou les capteurs non optiques sont choisis dans le groupe consistant en : un capteur de densité de fluide ; un capteur à point de bulle et un capteur de compressibilité.

8. Procédé selon la revendication 1, dans lequel les mesures provenant du ou des capteurs de fond de puits sont transformées sur la base d'un modèle de transformation inverse.

9. Procédé selon la revendication 8, comprenant en outre :

la sélection des fluides de référence pour le modèle de transformation inverse à étalonner ;

la simulation des réponses des capteurs pour des fluides supplémentaires en fonction d'un modèle de transformation prédictif et des fluides de référence sélectionnés ;

la combinaison des réponses de capteurs simulées avec les réponses de capteur mesurées du ou des capteurs de fond de puits; et l'étalonnage du modèle de transformation inverse en fonction des réponses simulées et mesurées combinées des capteurs.

10. Système pour l'analyse de fluide de fond de puits, le système comprenant :

au moins un processeur ; et une mémoire couplée au processeur comportant des instructions stockées sur celle-ci, qui, lorsqu'elles sont exécutées par le processeur, amènent le processeur à réaliser des fonctions, comprenant les fonctions pour :

obtenir des mesures à partir d'un ou plusieurs capteurs de fond de puits le long de la section actuelle du puits de forage dans une formation souterraine ;

transformer les mesures obtenues à partir du ou des capteurs de fond de puits en données de composante principale spectroscopique (PSC) ;

estimer au moins une composition ou propriété de fluide pour la section actuelle du puits de forage, en fonction des données PSC et d'un modèle d'analyse de fluide ; et affiner le modèle d'analyse de fluide pour une ou plusieurs sections subséquentes du puits de forage dans la formation souterraine, basée au moins en partie sur la composition de fluide ou la propriété estimée pour la section actuelle du puits de forage.

11. Système selon la revendication 10, dans lequel les données PSC sont appliquées comme une ou plusieurs entrées PSC au modèle d'analyse de fluide, et la composition ou propriété de fluide est identifiée sur la base des données PSC appliquées.

12. Système selon la revendication 10, dans lequel le modèle d'analyse de fluide est un réseau de neurones ayant plusieurs couches de nœuds de réseaux neuronaux.

13. Système selon la revendication 10, dans lequel le ou les capteurs de fond de puits comprennent un ou plusieurs capteurs optiques couplés à l'outil de fond de puits situé à l'intérieur du puits de forage.

14. Système selon la revendication 13, dans lequel chacun du ou des capteurs optiques comprend au moins un élément de calcul intégré (ICE) pour mesurer une ou plusieurs propriétés de fluide de fond de puits.

io 15. Système selon la revendication 13, dans lequel le ou les capteurs de fond de puits comprennent en outre un ou plusieurs capteurs non optiques.

16. Système selon la revendication 15, dans lequel le ou les capteurs non optiques sont choisis dans le groupe consistant en : un capteur de densité de fluide ; un capteur à

15 point de bulle ; et un capteur de compressibilité.

17. Système selon la revendication 10, dans lequel les mesures provenant du ou des capteurs de fond de puits sont transformées sur la base d'un modèle de transformation inverse.

18. Système selon la revendication 17, dans lequel les fonctions exécutées par le processeur comprennent en outre des fonctions pour :

sélectionner les fluides de référence pour le modèle de transformation inverse à étalonner ;

25 simuler les réponses des capteurs pour des fluides supplémentaires en fonction d'un modèle de transformation prédictif et des fluides de référence sélectionnés ;

combiner les réponses de capteurs simulées avec les réponses mesurées du capteur du ou des capteurs de fond de puits; et calibrer le modèle de transformation inverse en fonction des réponses 3o simulées et mesurées combinées des capteurs.

19. Support de stockage lisible par ordinateur comprenant des instructions qui y sont stockées qui, quand elles sont exécutées par un ordinateur, amènent l'ordinateur à effectuer une pluralité de fonctions, y compris les fonctions suivantes :

obtenir des mesures à partir d'un ou plusieurs capteurs de fond de puits le long d’une section actuelle du puits de forage dans une formation souterraine ;

transformer les mesures obtenues à partir du ou des capteurs de fond de puits en données de composante principale spectroscopique (PSC) ;
5 estimer au moins une composition ou propriété de fluide pour la section actuelle du puits de forage, en fonction des données PSC et d'un modèle d'analyse de fluide ; et affiner le modèle d'analyse de fluide pour une ou plusieurs sections subséquentes du puits de forage dans la formation souterraine, basée au moins en partie sur la composition ou propriété de fluide estimée pour la section actuelle du puits de forage.

io

20. Support de stockage lisible par ordinateur selon la revendication 19, dans lequel le modèle d'analyse de fluide est un réseau de neurones ayant plusieurs couches de nœuds de réseau de neurones, les données PSC sont appliquées comme une ou plusieurs entrées PSC au réseau de neurones et la composition ou la propriété de fluide est identifiée en fonction des données PSC appliquées.

1/1

F1G.1A

2/2