FR3062673A1 - Pixellisation par solution d inversion de la distance par rapport au lit - Google Patents
Pixellisation par solution d inversion de la distance par rapport au lit Download PDFInfo
- Publication number
- FR3062673A1 FR3062673A1 FR1850050A FR1850050A FR3062673A1 FR 3062673 A1 FR3062673 A1 FR 3062673A1 FR 1850050 A FR1850050 A FR 1850050A FR 1850050 A FR1850050 A FR 1850050A FR 3062673 A1 FR3062673 A1 FR 3062673A1
- Authority
- FR
- France
- Prior art keywords
- pixelated
- model
- pixel
- models
- resistivity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims description 76
- 238000012549 training Methods 0.000 claims description 30
- 238000005259 measurement Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 15
- RUXRFDVEVQNQMF-UHFFFAOYSA-N 2-methylpropyl 3,5-ditert-butyl-4-hydroxybenzoate Chemical compound CC(C)COC(=O)C1=CC(C(C)(C)C)=C(O)C(C(C)(C)C)=C1 RUXRFDVEVQNQMF-UHFFFAOYSA-N 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 230000001052 transient effect Effects 0.000 claims description 3
- 238000013459 approach Methods 0.000 abstract description 10
- 238000003786 synthesis reaction Methods 0.000 abstract 1
- 238000005755 formation reaction Methods 0.000 description 34
- 230000006870 function Effects 0.000 description 20
- 238000005553 drilling Methods 0.000 description 13
- 239000000523 sample Substances 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/18—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/02—Determining slope or direction
- E21B47/026—Determining slope or direction of penetrated ground layers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/18—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging
- G01V3/34—Transmitting data to recording or processing apparatus; Recording data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/18—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging
- G01V3/20—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging operating with propagation of electric current
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geology (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geochemistry & Mineralogy (AREA)
- Fluid Mechanics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Geophysics And Detection Of Objects (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Measurement Of Resistance Or Impedance (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Une approche basée sur la pixellisation pour résumer les résultats d'inversion de fond de puits acquiert des solutions d'inversion et génère un modèle initial. Chaque solution stratifiée est pixellisée en pixels où chaque pixel contient la valeur de résistivité du modèle initial. Une fonction de pondération qui pondère les pixels en fonction de leur proximité avec l'outil de diagraphie peut être utilisée pour générer le modèle pixellisé afin d'améliorer ainsi la précision. Une étude de synthèse statistique est réalisée pour identifier le meilleur modèle pixellisé, qui est ensuite utilisé pour déterminer une ou plusieurs caractéristiques de la formation.
Description
® RÉPUBLIQUE FRANÇAISE
INSTITUT NATIONAL DE LA PROPRIÉTÉ INDUSTRIELLE © N° de publication : 3 062 673 (à n’utiliser que pour les commandes de reproduction)
©) N° d’enregistrement national : 18 50050
COURBEVOIE
©) Int Cl8 : E 21 B 47/00 (2017.01), E 21 B 49/00, G 06 T 3/40
DEMANDE DE BREVET D'INVENTION A1
©) Date de dépôt : 04.01.18. | © Demandeur(s) : HALLIBURTON ENERGY SERVICES, |
(30) Priorité : 06.02.17 IB WOUS2017016698. | INC. — US. |
©) Inventeur(s) : WU HSU-HSIANG, SONG | |
RENCHENG et PAN Ll. | |
(43) Date de mise à la disposition du public de la | |
demande : 10.08.18 Bulletin 18/32. | |
©) 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. |
PIXELLISATION PAR SOLUTION D INVERSION DE LA DISTANCE PAR RAPPORT AU LIT.
FR 3 062 673 - A1 yV) une approche basée sur la pixellisation pour résumer les résultats d'inversion de fond de puits acquiert des solutions d'inversion et génère un modèle initial. Chaque solution stratifiée est pixellisée en pixels où chaque pixel contient la valeur de résistivité du modèle initial. Une fonction de pondération qui pondère les pixels en fonction de leur proximité avec l'outil de diagraphie peut être utilisée pour générer le modèle pixellisé afin d'améliorer ainsi la précision. Une étude de synthèse statistique est réalisée pour identifier le meilleur modèle pixellisé, qui est ensuite utilisé pour déterminer une ou plusieurs caractéristiques de la formation.
Pixellisation par solution d’inversion de la distance par
RAPPORT AU LIT
DOMAINE DE LA DIVULGATION
La présente divulgation concerne de manière générale l’interprétation de 5 données de résistivité obtenues en fond de puits et, plus spécifiquement, l’utilisation de la pixellisation pour interpréter plus précisément les solutions d’inversion de la distance par rapport au lit (« DTBB »).
CONTEXTE
L’utilisation des données de résistivité est bien connue dans l’industrie îo pétrolière et gazière. Cependant, la résistivité est une propriété de formation difficile à mesurer avec précision, car aucune technique n’existe actuellement permettant de mesurer directement la résistivité de la formation in situ. Au lieu de cela, la résistivité est généralement estimée en mesurant la quantité de courant électrique dans la formation, habituellement par des opérations de diagraphie en cours de forage (« LWD ») et des opérations analogues. Un processus d’inversion est utilisé qui augmente la résolution et la fiabilité des données LWD et améliore ainsi la précision des estimations de la résistivité.
L’inversion implique généralement d’abord la création d’un modèle paramétrique de la formation basé sur un ensemble sélectionné de paramètres, puis d’utiliser un ordinateur pour prédire une réponse de journal basée sur le modèle. La réponse de journal prédite est ensuite comparée aux données de journal mesurées acquises à partir de l’enregistrement ou d’une autre opération. La différence entre le journal prédit et le journal mesuré est ensuite comparée et, sur la base de la comparaison, les paramètres du modèle sélectionné sont révisés et/ou de nouveaux paramètres de modèle sont sélectionnés. Le processus est ensuite répété jusqu’à ce que la différence entre le journal modélisé et le journal mesuré soit minimisée dans les contraintes de calcul existantes.
Pendant des années, cette inversion basée sur un modèle stratifié a été utilisée dans les outils de diagraphie de résistivité électromagnétique pour identifier les limites majeures entre différentes résistivités de formation. Une hypothèse de formation unidimensionnelle («1D») est également généralement utilisée dans l’inversion, où chaque limite stratifiée est parallèle de l’une à l’autre. Ces hypothèses de formation sont plus ou moins vraies en raison de la plage de détection des mesures utilisées dans l’inversion. De manière générale, la plage de détection type des outils de diagraphie de résistivité classiques est d’environ 5 à 10 pieds, et la détection maximale est autour de 18 pieds.
Récemment, des outils de diagraphie de résistivité ultra-profonde ont été développés pour détecter les limites de formation éloignées de 100 pieds latéralement par rapport aux outils, avec une plage de détection beaucoup plus profonde que les anciens outils de diagraphie. Lorsqu’elles sont utilisées avec les outils de résistivité ultra-profonds, les hypothèses de formation simplifiées utilisées avec les outils plus anciens peuvent entraîner des solutions problématiques dans l’inversion DTBB pour de telles mesures profondes. En raison du grand volume des mesures ultra-profondes que ces outils peuvent fournir, de telles mesures pourraient ne pas fournir une limite aussi nette par rapport à celle des outils de résistivité plus anciens et plus moins profonds. L’absence de limites clairement définies dans les profils de résistivité en gradient entraîne des résultats d’inversion instables (c.-à-d., ambiguïté de la solution) qui peut entraîner des défaillances opérationnelles.
BRÈVE DESCRIPTION DES FIGURES
La figure 1A illustre un outil de diagraphie utilisé dans une application LWD, selon certains modes de réalisation illustratifs tels qu’ils sont décrits ici ;
La figure IB illustre un outil de diagraphie utilisé dans une application câblée selon certains modes de réalisation illustratifs tels qu’ils sont décrits ici ;
La figure 2 illustre toutes les solutions d’inversion pour un modèle à N couches à une profondeur de fond de puits donnée, acquises en utilisant des mesures d’outil de lecture ultra-profond, selon certains procédés illustratifs décrits ici ;
La figure 3 illustre un exemple de pixellisation d’une solution d’inversion
DTBB ;
La figure 4 illustre l’application de la fonction pondérée dans certains procédés illustratifs de la présente divulgation ;
La figure 5 illustre deux approches pour réaliser l’étude statistique sur les nombreuses solutions, selon d’autres procédés illustratifs de la présente divulgation ;
La figure 6 est un organigramme d’un procédé de modélisation d’une formation souterraine, selon un procédé illustratif de la présente description ;
Les figures 7A et 7B illustrent un modèle de référence et un modèle pixellisé, respectivement, selon certains procédés illustratifs de la présente divulgation.
DESCRIPTION DES MODES DE RÉALISATION ILLUSTRATIFS
Des modes de réalisation illustratifs et des procédés associés de la présente description sont décrits ci-dessous sous la forme dont ils pourraient être employés dans une pixellisation de la solution DTBB. Dans un souci de clarté, toutes les caractéristiques d’une réalisation ou d’un procédé ne sont pas décrites dans cette spécification. Il sera bien sûr noté que dans le développement d’un quelconque mode réel de réalisation de ce type, de nombreuses décisions spécifiques à une implémentation doivent être prises afin d’atteindre les objectifs spécifiques des développeurs, telles que la conformité à des contraintes apparentées au système ou aux considérations commerciales, qui varieront d’une concrétisation à une autre. En outre, il sera noté qu’un tel effort de développement puisse être complexe et chronophage, mais serait néanmoins une entreprise de routine pour les hommes de métier qui bénéficient de cette divulgation. D’autres aspects et avantages des divers modes de réalisation et des procédés apparentés de la divulgation deviendront évidents à la lumière de la description et des figures suivantes.
Comme il est décrit ici, des modes de réalisation illustratifs et des procédés de la présente description décrivent une approche basée sur la pixellisation pour résumer les résultats d’inversion. Dans un procédé généralisé, toutes les solutions d’inversion au niveau d’une profondeur (ou peuvent être à différentes profondeurs plus proches les unes des autres) sont acquises et un modèle initial est généré. Ensuite, chaque solution stratifiée est pixellisée en pixels où chaque pixel contient la valeur de résistivité ou la couleur basé sur le modèle initial, générant ainsi un modèle pixellisé. Une fonction pondérée qui pondère les pixels en fonction de leur proximité à l’outil de diagraphie peut être utilisée pour générer le modèle pixellisé, intégrant ainsi la sensibilité de mesure dans les positions de limite. En fin de compte, une étude de synthèse statistique est réalisée sur la base des solutions de pixellisation pour identifier le meilleur modèle pixellisé utilisé pour déterminer une ou plusieurs caractéristiques de la formation. Par conséquent, la présente invention concerne des profils de résistivité de gradient de formation et procure également une meilleure compréhension et interprétation de la géologie de la formation pour les clients. De tels procédés de pixellisation de solution sont également utiles dans l’inversion stochastique où de nombreuses solutions d’inversion peuvent être acquises.
Les procédés et modes de réalisation illustratifs décrits ici ont une compatibilité et une applicabilité à une grande plage d’outils et de services, y compris tout type ou conception d’outils et de services de résistivité de fond de puits. Des exemples peuvent comprendre des services de résistivité LWD pour l’évaluation de la formation et la géoorientation, ainsi que des outils de « look-ahead-around-around » (« LALA ») et de résistivité très profonde (« VDR »). En général, tout outil LWD de résistivité, outil de diagraphie câblée, ou service nécessitant une inversion pour l’analyse et l’interprétation des données de résistivité LWD, que ce soit pour l’évaluation de formation, le LALA ou géo-orientation, et notamment l’inversion DTBB pour la géo-orientation et l’évaluation de la formation, peut bénéficier de la présente divulgation.
Un environnement LWD est représenté dans la figure IA, conformément à certains modes de réalisation illustratifs dans la présente divulgation. Une plateforme de forage 102 est équipé d’un derrick 104 qui soutien une moufle mobile 106 permettant de remonter et d’abaisser mie colonne de forage 108. La moufle mobile 106 suspend un entraînement supérieur îo 110 qui est utilisé pour faire pivoter la colonne de forage 108 et pour abaisser la colonne de forage à travers la tête de puits 112. Des sections de colonne de forage 108 sont reliées par des connecteurs filetés 107. Un trépan de forage 114 est relié à l’extrémité inférieure d’une colonne forage 108. La rotation du trépan 114, créé un trou de forage 120 qui traverse diverses formations 121. Une pompe 116 fait circuler du fluide de forage à travers un tuyau d’alimentation 118 vers l’entraînement supérieur 110, vers le fond du puits à travers l’intérieur de la colonne de forage 108, à travers des orifices dans le trépan de forage 114, et de retour à la surface à travers l’anneau 150 autour de la colonne de forage 108, et dans un bassin de rétention 124. Le fluide de forage transporte les déblais provenant du trou de forage 120 dans le bassin 124 et aide à maintenir l’intégrité du trou de forage.
Un outil de diagraphie 126 est intégré dans l’ensemble de fond de trou à proximité du trépan 114. L’outil de diagraphie 126 peut prendre la forme d’une masse-tige, c.-àd., un tube à paroi épaisse qui procure du poids et de la rigidité pour faciliter le processus de forage. Dans au moins tm mode de réalisation, l’outil de diagraphie 126 est un outil de résistivité électromagnétique LWD. Par exemple, l’outil de diagraphie 126 peut être un service « Azimuthal
Deep Resistivity® » (« ADR ») proposé par Halliburton Energy Services, Inc., fonctionnant en mode rotatif (forage). Lorsque le trépan 114 prolonge le trou de forage 120 à travers les formations 121, l’outil de diagraphie 126 collecte des mesures concernant diverses propriétés de la formation ainsi que l’orientation et la position de l’outil et de diverses autres conditions de forage.
3o Dans des puits utilisant la télémétrie à impulsions de boue pour le LWD, des capteurs de fond de puits (y compris l’outil de diagraphie de résistivité 126) sont couplés à un module de télémétrie 128 comprenant un transmetteur de télémétrie à impulsions de boue qui transmet des signaux de télémétrie sous forme de variations de pression dans la paroi du tube de forage 108. Un réseau de récepteurs de télémétrie par impulsions de boue 130 (comprenant, par ex., un ou plusieurs transducteurs de pression) peut être couplé à un tube situé en-dessous du dispositif d’entraînement supérieur 110 pour recevoir des signaux de télémétrie transmis. D’autres techniques de télémesure peuvent être employées notamment la télémétrie acoustique (en utilisant, par ex., un ou plusieurs modules de répéteur 132, pour recevoir et retransmettre des signaux de télémesure), la télémétrie électromagnétique et la télémétrie de tige de forage par câble. De nombreuses techniques de télémétrie offrent également la possibilité de transférer des commandes de la surface vers l’outil, permettant ainsi l’ajustement de la configuration de l’outil et des paramètres de fonctionnement. Dans au moins certains modes de réalisation, le module de télémétrie 128 stocke en plus, ou en variante, des mesures pour une récupération ultérieure lorsque l’outil revient à la surface.
Un système informatique (ou système/circuit de traitement) 140 collecte des mesures à partir de l’outil de diagraphie 126 (par ex., via la matrice de récepteur 130), et comprend des moyens de calcul pour traiter et stocker les mesures collectées par l’outil de diagraphie. Bien qu’illustré comme étant à la surface, le système informatique 140 peut également être situé en fond de puits, auquel cas le traitement se fait également au fond du puits. Dans au moins certains modes de réalisation, le système informatique 140 comprend un processeur 142 qui réalise des opérations d’analyse de la modélisation de la formation en exécutant un logiciel ou des instructions provenant d’un support non transitoire lisible par ordinateur 148, local ou distant.
Le processeur 142 peut être, par ex., un microprocesseur polyvalent, un microcontrôleur, un processeur de signaux numériques, un circuit intégré spécifique à une application, un circuit intégré prédiffusé programmable, un dispositif logique programmable, un contrôleur, une machine d’état, une logique à portes, des composants matériels discrets, un réseau neural artificiel ou une quelconque entité de ce type appropriée qui peut réaliser des calculs ou d’autres manipulations de données. Dans au moins certains modes de réalisation, le matériel informatique peut également comprendre des éléments tels que, par ex., une mémoire (par ex., mémoire vive (« RAM »), mémoire flash, mémoire morte (« ROM »), mémoire morte programmable (« PROM »), mémoire morte effaçable (« EPROM »)), registres, disques durs, disques amovibles, CD-ROM, DVD ou tout autre support ou support de stockage approprié. Le système informatique 140 peut aussi comprendre un ou plusieurs dispositifs d’entrée 146 (par ex., un clavier, une souris, un pavé tactile, etc.) et un ou plusieurs dispositifs de sortie 144 (par ex., un écran, une imprimante, etc.). De tel(s) dispositif(s) d’entrée 146 et/ou dispositif(s) de sortie 144 procure(nt) une interface utilisateur qui permet à un opérateur d’interagir avec l’outil de diagraphie 126 et/ou avec le logiciel exécuté par le processeur 142. Par exemple, le système informatique 140 peut permettre à un opérateur de sélectionner des options d’analyse de résistivité, de visualiser des données de résistivité collectées, d’afficher des résultats de l’analyse de la résistivité et/ou d’effectuer d’autres tâches.
La figure IB illustre un mode de réalisation alternatif de la présente divulgation selon lequel un outil de diagraphie par câble acquiert des mesures de résistivité. À différents moments lors du processus de forage, le train de tiges 108 peut être retiré du trou de forage comme le montre la figure IB. Une fois le train de forage 108 enlevé, les opérations de îo diagraphie peuvent être effectuées à l’aide d’une sonde de diagraphie câblée 134, c.-à-d., une sonde acoustique suspendue par un câble 141 comportant des conducteurs pour transporter du courant à la sonde et de la télémétrie de la sonde à la surface. Une sonde de diagraphie câblée
134 peut comporter des tampons et/ou des ressorts centralisants pour maintenir l’outil près de l’axe du trou de forage lorsque l’outil est tiré vers le haut du puits. La sonde de diagraphie 134 is peut comprendre une diversité d’émetteurs/récepteurs pour mesurer la résistivité de la formation, etc. Une installation de diagraphie 143 collecte des mesures à partir de la sonde de diagraphie
134 et comprend un système informatique 145 pour traiter et stocker les mesures de résistivité collectées par les capteurs, comme il est décrit ici.
En utilisant le système des figures IA et IB (ou une diversité d’autres systèmes de diagraphie, par ex., des systèmes câblés), des mesures de résistivité sont obtenues et l’inversion effectuée. Dans un procédé illustratif, l’inversion est une inversion DTBB pour l’analyse et l’interprétation. Dans cette approche, une position d’un instrument de diagraphie de puits {par ex., l’outil de diagraphie 126) par rapport à une limite de lit {par ex., une discontinuité de la couche de la formation) est déterminée par un traitement d’inversion. Pour effectuer l’inversion en général, un modèle de formation initial (ou modèle terrestre stratifié) est généré. Le modèle de formation initial contient une estimation initiale de la géométrie et/ou des caractéristiques des formations terrestres {par ex., la formation 121 des figures IA et IB) entourant un puits de forage dans lequel est positionné l’instrument de diagraphie de puits. Par exemple, le modèle de formation initial peut être caractérisé par des limites de couche données et/ou des valeurs isotropes ou anisotropes données {par ex., des valeurs de résistivité). Les attributs électromagnétiques (« EM ») du modèle de formation initial peuvent comprendre la résistivité, la conductivité, la permittivité, la perméabilité, l’aptitude au chargement et/ou d’autres paramètres/caractéristiques de polarisation induite (« IP »). Les attributs EM peuvent être isotropes ou anisotropes. Une inclinaison de couche peut être récupérée à partir de l’orientation de l’instrument de diagraphie de puits par rapport au modèle de résistivité en 1D.
Le modèle de formation initial peut représenter les formations terrestres entourant le puits de forage sous la forme d’une série de couches ou de strates, délimitées par des limites entre des couches contiguës. Dans le modèle de la couche terrestre, les propriétés physiques des couches individuelles du modèle peuvent comprendre : par ex., la résistivité (ou la conductivité) de chaque couche, une épaisseur de chaque couche et un nombre sélectionné de couches au-dessus et/ou en dessous d’une couche d’intérêt. Dans au moins certaines situations, la couche d’intérêt est la couche dans laquelle l’instrument de diagraphie de puits est positionné îo dans le puits de forage.
Pour affiner le modèle de couche terrestre tel que décrit ici, chaque couche dans la solution d’inversion est pixellisée en pixels qui contiennent la même valeur de résistivité que sa couche correspondante. Ensuite, les modèles pixellisés ainsi obtenus sont analysés en utilisant les procédés décrits ici pour déterminer le modèle pixellisé optimal qui sera utilisé pour déterminer les caractéristiques de la formation, qui peuvent ensuite être utilisées pour effectuer une variété d’opérations de forage de puits. Ces avantages et bien d’autres de la présente divulgation seront facilement évidents aux hommes de métier du domaine qui bénéficient de cette divulgation.
Souvent, de nombreuses solutions d’inversion sont acquises à partir des approches d’inversion déterministe ou d’inversion stochastique. La figure 2 illustre toutes les solutions d’inversion pour un modèle à N couches à une profondeur de fond de puits donnée, acquises en utilisant des mesures d’outil de lecture ultra-profond, selon certains procédés illustratifs décrits ici. Différentes colorations à échelle de gris sur la figure montrent différentes valeurs de résistivité pour la formation le long de la profondeur verticale réelle (« TVD ») dans l’axe des y, tandis que l’axe des abscisses montre l’indice de chaque solution acquise à partir des approches par inversion. Comme il est observé dans la figure 2, on peut clairement voir certaines des solutions converger vers les mêmes positions limites ; cependant, la position limite varie d’une solution à l’autre car la résistivité inversée de chaque solution varie également. Ceci indique en effet les problèmes d’ambiguïté de la solution qui surviennent en raison du nombre limité de couches utilisées dans les profils d’inversion et/ou de gradient de la formation dans les formations réelles.
Pour déterminer la meilleure interprétation du modèle de formation inversée à partir des nombreuses solutions utilisant des hypothèses de formation simplifiées, des procédés et des modes de réalisation illustratifs de la présente description appliquent un procédé de pixellisation à chacune des solutions inversées. La figure 3 illustre un exemple de pixellisation d’une solution d’inversion DTBB. Ici, les mesures de résistivité acquises au fond du puits ont été utilisées pour générer un modèle unique à 3 couches (c.-à-d., solution d’inversion). Cependant, dans un autre exemple, plus ou moins de couches peuvent être utilisées. Le modèle illustratif à trois couches à deux limites comme indiqué, où chaque couche représente une valeur de résistivité de la formation. Selon les procédés décrits ici, la solution de modèle à 3 couches provenant de l’inversion est divisée en plusieurs pixels où chaque pixel contient les données de résistivité (qui peuvent être indiquées par divers indicateurs, par ex., couleur, échelle de gris, îo etc.) du modèle original à 3 couches correspondant, créant ainsi un modèle pixellisé. Comme on peut le voir dans la figure 3, l’épaisseur des couches dans les deux modèles est la même. Cependant, puisque les valeurs de chaque pixel sont connues, les limites ne sont plus nécessaires. Par conséquent, l’hypothèse de modèle de couche est en effet supprimée dans le modèle de solution de pixellisation.
La pixellisation peut être réalisée de diverses manières. Dans certains procédés illustratifs, par ex., pour une couche d’épaisseur totale connue d, la largeur constante de pixel est définie par z. La couche entière sera représentée par les pixels de z, 2*z, 3*z,.., d. Chaque pixel a la même valeur de résistivité que la couche correspondante d’origine. Pour chaque couche, la pixellisation susmentionnée est appliquée et la formation avec toutes les couches est représentée comme un modèle de pixellisation. Le nombre de pixels utilisé pour un modèle de pixellisation donné peut varier en fonction de la résolution souhaitée.
Lorsque la pluralité de modèles stratifiés est générée à partir des mesures de résistivité, une pluralité de modèles pixellisés correspondants est également générée. Par la suite, une étude statistique peut être effectuée sur les nombreuses solutions d’inversion. Dans certains procédés illustratifs, les procédés statistiques impliquent la comparaison des modèles pixellisés à un modèle de référence ou les uns aux autres afin de déterminer le modèle de pixellisation le plus optimal, comme cela sera décrit plus en détail ci-dessous. Une fonction pondérée peut également être appliquée au modèle pixellisé lors de la génération du modèle pixellisé ou lors de l’exécution de l’étude statistique sur les nombreuses solutions d’inversion. La figure 4 illustre l’application de la fonction pondérée dans certains procédés illustratifs de la présente divulgation. Ici, un modèle pixellisé est illustré à côté d’une fonction pondérée illustrative. De plus, la position de l’outil de diagraphie (lorsque les mesures de résistivité ont été acquises) est également illustrée. Comme on peut le voir, la fonction pondérée est appliquée pour pondérer les pixels en fonction de leur proximité à la position de l’outil de diagraphie. Les pixels qui sont plus proches de l’outil de diagraphie sont pondérés plus lourdement que ceux qui sont plus éloignés.
La fonction pondérée appliquée peut prendre diverses formes. Par exemple, dans certains procédés, le poids peut être défini comme une fonction gaussienne dans laquelle les pixels proches de l’outil ont un poids plus important par rapport aux pixels éloignés de l’outil. Le poids total peut ressembler à une forme de cloche pour mettre en évidence les pixels proches de l’outil, ce qui est cohérent avec la sensibilité de l’outil. La fonction pondérée fournit les considérations d’incertitude lorsque la solution de pixel est éloignée de la position de l’outil, où les mesures de l’outil auront moins de sensibilité à ces limites éloignées/résistivités et les résultats d’inversion correspondants peuvent être inexacts.
À la lumière de ce qui précède, la figure 5 illustre deux approches illustratives (5(1) et 5(2)) pour effectuer l’étude statistique sur les nombreuses solutions. Dans un premier procédé (5(1)), les modèles pixellisés sont comparés pixel par pixel à un modèle de référence à la même ou aux mêmes profondeurs. Le modèle de référence peut être généré de plusieurs façons, par ex., en étant défini par un utilisateur sur la base des journaux de puits de décalage, d’autres outils de référence, etc. Par comparaison avec les modèles pixellisés, le modèle de référence indiquera les meilleurs modèles semblables parmi les nombreuses solutions utilisant le procédé de pixellisation. Dans la figure 5, le modèle de référence a été obtenu à partir d’un puits décalé. Afin de réaliser l’étude, chaque pixel des modèles pixellisés est comparé à son pixel correspondant dans le modèle de référence. Les pixels correspondants peuvent être identifiés par une diversité de moyens tels que, par ex., par la profondeur. Il peut y avoir deux profondeurs pour représenter la position du pixel : la profondeur mesurée (MD) et la profondeur verticale réelle (TVD). Chaque pixel a une coordonnée représentée par (MD_j, TVDi). Le modèle de référence est pixellisé en tant que modèle de pixel. Le modèle de solution d’inversion est également pixellisé en tant que pixels. Ensuite, les pixels du modèle de référence et les modèles de solution avec les mêmes coordonnées sont comparés pour déterminer le pixel de la solution finale.
Une fois identifiée, la similitude de tous les modèles pixellisés peut être comparée les uns aux autres pour ainsi déterminer les plus proches correspondances au modèle de référence. Les figures 7A et 7B illustrent un modèle de référence et un modèle pixellisé, respectivement. Pour comparer les pixels, chaque pixel peut être considéré comme un vecteur et les vecteurs sont comparés. Comme il est décrit ci-dessus, au MD donné, le modèle de formation est pixellisé sous forme de pixels. Tous ces pixels sont représentés comme un vecteur avec le même MD. Par conséquent, la comparaison du pixel peut être une comparaison de pixels individuels (à (MD_j, TVDi)) ou une comparaison du vecteur de pixels (chaque pixel est à (MD J, TVD i), i = 1,2,..., N pixel).
Cependant, veuillez noter que les informations préalables (par ex., puits de compensation, etc.) peuvent être quelque fois imprécises. Ainsi, en se rapportant toujours à la figure 5, un deuxième procédé illustratif (5(2)) est illustré, dans lequel tous les modèles pixellisés à la même ou aux mêmes profondeurs sont comparés pixel par pixel. Ce procédé compare la similitude entre de nombreuses solutions par elles-mêmes (c.-à-d., sans modèle de référence) en utilisant la méthode de pixellisation. Dans certains procédés, une médiane de tous les pixels correspondants peut être prise afin de déterminer un modèle pixellisé final. Cependant, une diversité d’autres méthodes statistiques peuvent également être utilisées.
Dans Tune ou l’autre approche statistique, avec la fonction pondérée appliquée à la pixellisation, le système se concentre sur les solutions de pixel les plus proches des positions de l’outil plutôt que sur les solutions de pixels qui sont éloignées de l’outil. D’un autre côté, dans d’autres procédés illustratifs, il n’est pas nécessaire d’avoir la fonction pondérée si les mesures de l’outil ont une sensibilité suffisante pour détecter la plage maximale de l’inversion.
La figure 6 est un organigramme d’un procédé de modélisation d’une formation souterraine, selon un procédé illustratif de la présente divulgation. Au bloc 602 du procédé 600, de nombreuses solutions d’inversion à une profondeur (ou possiblement à différentes profondeurs qui sont plus proches les unes des autres) sont acquises par un outil de diagraphie positionné le long d’une formation souterraine. Au bloc 604, chaque solution est pixellisée en pixels et chaque pixel contient la valeur de résistivité (par ex., couleur, échelle de gris, etc.) basée sur le modèle stratifié d’origine. Dans certains procédés illustratifs, une fonction pondérée peut être appliquée dans les solutions de pixels pour prendre en compte la sensibilité de mesure aux positions limites. Au bloc 606, une étude de résumé statistique est effectuée sur la base des solutions de pixellisation pour identifier le meilleur modèle. Ici, dans certains procédés illustratifs, la fonction de pondération peut également être appliquée pour pondérer fortement les pixels les plus proches de la position de l’outil. Une fois le modèle pixellisé optimal déterminé, une ou plusieurs caractéristiques de formation (par ex., perméabilité, etc.) peut être déterminée en utilisant le modèle. A son tour, une opération de puits de forage peut être réalisée, comme par ex., la géo-orientation.
Les procédés de modélisation et d’inversion illustratifs décrits dans cette divulgation peuvent être implémentés soit sous forme d’un logiciel autonome, soit intégrés à un logiciel commercial d’enquête/de navigation/ d’évitement de collision ou de modélisation d’actifs numériques (par ex., StrataSteer3D® ou DecisionSpace® de Halliburton Energy Services, Inc.) via une interface d’application programmable (« API »). Dans ces modes de réalisation intégrés dans des applications de forage, les procédés d’inversion peuvent être réalisés en temps réel en même temps que le forage par l’ensemble de fond de puits. De plus, le traitement divulgué peut être effectué à distance depuis le site du puits, moyennant quoi les ordinateurs du site du puits sont connectés aux ordinateurs de traitement à distance via un réseau. Les utilisateurs peuvent ensuite utiliser les procédés pour mieux analyser l’inversion des données de résistivité et les modèles associés, et ainsi obtenir une estimation plus précise de la résistivité îo de la formation.
Les modes de réalisation illustratifs et les procédés décrits ici fournissent des procédés efficaces pour analyser des résultats DTBB ayant différentes couches. Après la pixellisation, toutes les solutions sont représentées sous forme de pixels où la couleur ou un autre indicateur représente la valeur de résistivité. Par conséquent, la solution d’inversion finale et sa précision peuvent être obtenues avec une analyse statistique unidimensionnelle plutôt que de considérer séparément la résistivité et la limite comme dans les approches classiques.
Les procédés et modes de réalisation décrits ici concernent également l’un ou plusieurs des paragraphes suivants :
1. Un procédé de modélisation d’une formation souterraine, comprenant 20 l’acquisition de données de diagraphie représentant la résistivité de la formation le long d’un puits de forage ; effectuer un processus d’inversion de distance au lit (« DTBB ») sur les données de diagraphie afin de générer ainsi un modèle terrestre stratifié ; pixéliser le modèle terrestre stratifié pour générer ainsi un modèle pixellisé et déterminer une ou plusieurs caractéristiques de la formation en utilisant le modèle pixellisé.
2. Le procédé tel que défini dans le paragraphe 1, dans lequel la génération du modèle pixellisé comprend la génération d’une pluralité de modèles pixellisés ; la réalisation d’une comparaison pixel à pixel des modèles pixellisés et d’un modèle pixellisé de référence ; et la détermination d’un modèle pixellisé final basée sur la comparaison, le modèle pixellisé final étant utilisé pour déterminer les caractéristiques de la formation.
3. Le procédé tel que défini dans les paragraphes 1 ou 2, dans lequel, pendant la comparaison des modèles pixellisés, une fonction de pondération est appliquée pour pondérer les pixels en fonction de la proximité à une position d’outil de diagraphie.
4. Le procédé tel que défini dans l’un quelconque des paragraphes 1 à 3, dans lequel la génération du modèle pixellisé comprend la génération d’une pluralité de modèles pixellisés ; la réalisation d’une comparaison de pixel à pixel des modèles pixellisés ; et la détermination d’un modèle pixellisé final basée sur la comparaison, le modèle pixellisé final étant utilisé pour déterminer les caractéristiques de la formation.
5. Le procédé selon l’un quelconque des paragraphes 1 à 4, dans lequel, pendant la comparaison des modèles pixellisés, une fonction de pondération est appliquée pour pondérer les pixels en fonction de la proximité à une position d’outil de diagraphie.
6. Le procédé tel que défini dans l’un quelconque des paragraphes 1 à 5, dans îo lequel le modèle terrestre stratifié comprend des couches définies par des limites de lit, chaque couche représentant une valeur de résistivité de la formation ; et le modèle pixellisé comprend des pixels qui correspondent aux couches, chaque pixel représentant la valeur de résistivité d’une couche correspondante.
7. Le procédé tel que défini dans l’un quelconque des paragraphes 1 à 6, dans 15 lequel chaque pixel a un indicateur représentant la valeur de résistivité du pixel.
8. Le procédé tel que défini dans l’un quelconque des paragraphes 1 à 7, dans lequel l’indicateur peut être une échelle de couleur ou de gris.
9. Le procédé tel que défini dans l’un quelconque des paragraphes 1 à 8, comprenant également la réalisation d’une opération de puits de forage basée sur les caractéristiques de la formation.
10. Le système de modélisation d’une formation souterraine, comprenant un ensemble de diagraphie ayant un ou plusieurs capteurs positionnés sur celui-ci pour acquérir des mesures de résistivité ; et des circuits de traitement couplés aux capteurs et fonctionnant pour réaliser un procédé comprenant d’acquisition de données de diagraphie représentant la résistivité de la formation le long d’un puits de forage ; effectuer un processus d’inversion de distance au lit (« DTBB ») sur les données de diagraphie afin de générer ainsi un modèle terrestre stratifié ; pixéliser le modèle terrestre stratifié pour générer ainsi un modèle pixellisé et déterminer une ou plusieurs caractéristiques de la formation en utilisant le modèle pixellisé.
11. Le système tel que défini dans le paragraphe 10, dans lequel la génération du modèle pixellisé comprend : la génération d’une pluralité de modèles pixellisés ; la réalisation d’une comparaison pixel à pixel des modèles pixellisés et d’un modèle pixellisé de référence ; et la détermination d’un modèle pixellisé final basée sur la comparaison, le modèle pixellisé final étant utilisé pour déterminer les caractéristiques de la formation.
12. Le système tel que défini dans les paragraphes 10 ou 11, dans lequel, pendant la comparaison des modèles pixellisés, une fonction de pondération est appliquée pour pondérer les pixels en fonction de la proximité à une position d’outil de diagraphie.
13. Le système tel que défini dans l’un quelconque des paragraphes 10 à 12, 5 dans lequel la génération du modèle pixellisé comprend la génération d’une pluralité de modèles pixellisés ; la réalisation d’une comparaison de pixel à pixel des modèles pixellisés ; et la détermination d’un modèle pixellisé final basée sur la comparaison, le modèle pixellisé final étant utilisé pour déterminer les caractéristiques de la formation.
14. Le système tel que défini dans l’un quelconque des paragraphes 10 à 13, îo dans lequel, pendant la comparaison des modèles pixellisés, une fonction de pondération est appliquée pour pondérer les pixels en fonction de la proximité à une position d’outil de diagraphie.
15. Le système tel que défini dans l’un quelconque des paragraphes 10 à 14, dans lequel le modèle terrestre stratifié comprend des couches définies par des limites de lit, chaque couche représentant une valeur de résistivité de la formation ; et le modèle pixellisé comprend des pixels qui correspondent aux couches, chaque pixel représentant la valeur de résistivité d’une couche correspondante.
16. Le système tel que défini dans l’un quelconque des paragraphes 10 à 15, dans lequel chaque pixel a un indicateur représentant la valeur de résistivité du pixel.
17. Le système tel que défini dans l’un quelconque des paragraphes 10 à 16, dans lequel l’indicateur peut être une échelle de couleur ou de gris.
18. Le système tel que défini dans l’un quelconque des paragraphes 10 à 17, comprenant également la réalisation d’une opération de puits de forage basée sur les caractéristiques de la formation.
En outre, les procédés décrits ici peuvent être réalisés dans un système comprenant un circuit de traitement pour implémenter l’un quelconque des procédés, ou un support non transitoire lisible par ordinateur comprenant des instructions qui, lorsqu’elles sont exécutées par au moins un processeur, amènent le processeur à effectuer l’un des procédés décrits ici.
Même si divers modes de réalisation et procédés ont été illustrés et décrits, la divulgation n’est pas limitée à de tels modes de réalisation ou procédés est on comprendra quelle englobe des modifications et des variations qui seront évidentes à un spécialiste du domaine. Par conséquent, il doit être compris que la divulgation n’est pas destinée à être limitée aux formes particulières divulguées. Au lieu de cela, la divulgation doit couvrir toutes les modifications, les équivalences et les alternatives qui sont à l’intérieur de l’esprit et de la portée de la divulgation, telle qu’elle est définie dans les revendications ci-jointes.
Claims (15)
- REVENDICATIONS1. Procédé de modélisation d’une formation souterraine, comprenant: l’acquisition de données de diagraphie représentant la résistivité de la formation le long d’un puits de forage ;la réalisation d’un processus d’inversion de distance au lit (« DTBB ») sur les données de diagraphie afin de générer ainsi un modèle terrestre stratifié ;la pixellisation du modèle terrestre stratifié pour générer ainsi un modèle pixellisé ; et la détermination d’une ou de plusieurs caractéristiques de la formation en utilisant le modèle pixellisé.
- 2. Procédé selon la revendication 1, dans lequel la génération du modèle pixellisé comprend :la génération d’une pluralité de modèles pixellisés, la réalisation d’une comparaison de pixel à pixel des modèles pixellisés et d’un modèle pixellisé de référence, et la détermination d’un modèle pixélisé final basé sur la comparaison, le modèle pixélisé final étant utilisé pour déterminer les caractéristiques de la formation ; ou la génération d’une pluralité de modèles pixellisés, réalisant comparaison de pixel à pixel des modèles pixellisés, et la détermination d’un modèle pixellisé final basé sur la comparaison, le modèle pixellisé final étant utilisé pour déterminer les caractéristiques de la formation.
- 3. Procédé selon la revendication 2, dans lequel pendant la comparaison des modèles pixellisés une fonction de pondération est appliquée pour pondérer les pixels en fonction de la proximité à une position d’outil de diagraphie.
- 4. Procédé selon l’une quelconque des revendications 1 à 3, dans lequel :le modèle terrestre stratifié comprend des couches définies par des limites de lit, chaque couche représentant une valeur de résistivité de la formation ;et le modèle pixellisé comprend des pixels qui correspondent aux couches, chaque pixel représentant la valeur de résistivité d’une couche correspondante.
- 5. Procédé selon la revendication 4, dans lequel chaque pixel a un indicateur représentant la valeur de résistivité du pixel.
- 6. Procédé selon la revendication 5, dans lequel l’indicateur peut être une échelle de couleur ou de gris.
- 7. Procédé selon l’une quelconque des revendications 1 à 7, comprenant également la réalisation d’une opération de puits de forage basée sur les caractéristiques de la formation.
- 8. Système de modélisation d’une formation souterraine, comprenant :un ensemble de diagraphie comportant un ou plusieurs capteurs positionnés sur celui-ci pour acquérir des mesures de résistivité ; et des circuits de traitement couplés aux capteurs et pouvant fonctionner pour exécuter un procédé comprenant :l’acquisition de données de diagraphie représentant la résistivité de la formation le long d’un puits de forage ;la réalisation d’un processus d’inversion de distance au lit (« DTBB ») sur les données de diagraphie afin de générer ainsi un modèle terrestre stratifié ;la pixellisation du modèle terrestre stratifié pour générer ainsi un modèle pixellisé ; et la détermination d’une ou de plusieurs caractéristiques de la formation en utilisant le modèle pixellisé.
- 9. Système selon la revendication 8, dans lequel la génération du modèle pixellisé comprend :la génération d’une pluralité de modèles pixellisés, la réalisation d’une comparaison de pixel à pixel des modèles pixellisés et d’un modèle pixellisé de référence, et la détermination d’un modèle pixellisé final basé sur la comparaison, le modèle pixellisé final étant utilisé pour déterminer les caractéristiques de la formation ; ou la génération d’une pluralité de modèles pixellisés, la réalisation d’une comparaison de pixel à pixel des modèles pixellisés ; et la détermination d’un modèle pixellisé final basé sur la comparaison, le modèle pixellisé final étant utilisé pour déterminer les caractéristiques de la formation.
- 10. Système selon la revendication 9, dans lequel pendant la comparaison des modèles pixellisés une fonction de pondération est appliquée pour pondérer les pixels en fonction de la proximité à une position d’outil de diagraphie.
- 11. Système selon l’une quelconque des revendications 8 à 10, dans lequel :le modèle terrestre stratifié comprend des couches définies par des limites de lit, chaque couche représentant une valeur de résistivité de la formation ;et le modèle pixellisé comprend des pixels qui correspondent aux couches, chaque pixel représentant la valeur de résistivité d’une couche correspondante.
- 12. Système selon la revendication 11, dans lequel chaque pixel a un indicateur représentant la valeur de résistivité du pixel.
- 13. Système selon la revendication 12, dans lequel l’indicateur peut être une échelle de couleur ou de gris.
- 14. Système selon l’une quelconque des revendications 8 à 13, comprenant également la réalisation d’une opération de puits de forage basée sur les caractéristiques de la formation.
- 15. Support non transitoire lisible par ordinateur comprenant des instructions qui, lorsqu’elles sont exécutées par au moins un processeur, amènent le processeur à exécuter l’un quelconque des procédés selon les revendications 1 à 7.1/7
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IBWOUS2017016698 | 2017-02-06 | ||
PCT/US2017/016698 WO2018144035A1 (fr) | 2017-02-06 | 2017-02-06 | Pixélisation de solution d'inversion de limite de distance au lit |
Publications (1)
Publication Number | Publication Date |
---|---|
FR3062673A1 true FR3062673A1 (fr) | 2018-08-10 |
Family
ID=62948406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR1850050A Withdrawn FR3062673A1 (fr) | 2017-02-06 | 2018-01-04 | Pixellisation par solution d inversion de la distance par rapport au lit |
Country Status (10)
Country | Link |
---|---|
US (1) | US11574459B2 (fr) |
EP (1) | EP3545168B1 (fr) |
CN (1) | CN110192004B (fr) |
AR (1) | AR110817A1 (fr) |
AU (1) | AU2017397408A1 (fr) |
BR (1) | BR112019014495A2 (fr) |
CA (1) | CA3049367C (fr) |
FR (1) | FR3062673A1 (fr) |
SA (1) | SA519402410B1 (fr) |
WO (1) | WO2018144035A1 (fr) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NO20210010A1 (en) * | 2018-08-22 | 2021-01-05 | Halliburton Energy Services Inc | A 1-d inversion process for determining formation properties ahead of a drill bit in a subsurface formation |
US11549358B2 (en) | 2020-10-22 | 2023-01-10 | Halliburton Energy Services, Inc. | Deep learning methods for enhancing borehole images |
US11885925B2 (en) * | 2021-06-21 | 2024-01-30 | Halliburton Energy Services, Inc. | System and methods for evaluating a formation using pixelated solutions of formation data |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6388947B1 (en) * | 1998-09-14 | 2002-05-14 | Tomoseis, Inc. | Multi-crosswell profile 3D imaging and method |
WO2013022909A1 (fr) * | 2011-08-09 | 2013-02-14 | Schlumberger Canada Limited | Affichage interactif de résultats obtenus à partir de l'inversion de données de journalisation |
WO2014123509A1 (fr) * | 2013-02-05 | 2014-08-14 | Halliburton Energy Services, Inc. | Appareil et procédés permettant de visualiser des caractéristiques associées à une formation |
WO2015005937A1 (fr) * | 2013-07-12 | 2015-01-15 | Halliburton Energy Services, Inc. | Détection d'emplacements de limite de couche sur la base de mesures provenant de multiples profondeurs d'outil dans un puits de forage |
WO2015113067A1 (fr) * | 2014-01-27 | 2015-07-30 | Schlumberger Canada Limited | Flux de travail pour la navigation par rapport à un contact pétrole-eau utilisant des mesures de résistivité directionnelles profondes |
WO2015134455A1 (fr) * | 2014-03-05 | 2015-09-11 | Schlumberger Canada Limited | Technique d'inversion pour positionnement de puits et caractérisation de réservoir en temps réel |
WO2016111685A1 (fr) * | 2015-01-07 | 2016-07-14 | Halliburton Energy Services, Inc. | Paramétrage de modèle terrestre fonctionnel pour l'inversion de résistivité |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5210691A (en) * | 1990-05-08 | 1993-05-11 | Schlumberger Technology Corporation | Method and apparatus for producing a more accurate resistivity log from data recorded by an induction sonde in a borehole |
US5999489A (en) | 1997-03-21 | 1999-12-07 | Tomoseis Inc. | High vertical resolution crosswell seismic imaging |
US6594584B1 (en) * | 1999-10-21 | 2003-07-15 | Schlumberger Technology Corporation | Method for calculating a distance between a well logging instrument and a formation boundary by inversion processing measurements from the logging instrument |
US7093672B2 (en) * | 2003-02-11 | 2006-08-22 | Schlumberger Technology Corporation | Systems for deep resistivity while drilling for proactive geosteering |
CN101095143B (zh) * | 2004-11-04 | 2010-06-16 | 贝克休斯公司 | 多精度多维测井数据反演以及深岩层成像方法 |
US7640110B2 (en) * | 2007-04-27 | 2009-12-29 | Schlumberger Technology Corporation | Pixel based inversion method for surface electromagnetic measurement |
WO2009055152A1 (fr) * | 2007-10-22 | 2009-04-30 | Schlumberger Canada Limited | Modélisation de formation, lors d'un forage, en vue d'obtenir un placement amélioré de puits à grande déviation ou horizontal |
CA2845627C (fr) * | 2011-10-06 | 2016-11-29 | Halliburton Energy Services, Inc. | Procedes et systemes de tomographie de puits-a-puits compensee |
EP2810101B8 (fr) * | 2012-01-30 | 2018-10-17 | Services Petroliers Schlumberger | Amélioration de l'efficacité d'algorithmes d'inversion à base de pixels |
RU2594618C2 (ru) * | 2012-06-25 | 2016-08-20 | Статойл Петролеум Ас | ОЦЕНКА НАСЫЩЕННОСТИ С ИСПОЛЬЗОВАНИЕМ mCSEM ДАННЫХ И СТОХАСТИЧЕСКОГО ПЕТРОФИЗИЧЕСКОГО МОДЕЛИРОВАНИЯ |
WO2014100783A1 (fr) * | 2012-12-21 | 2014-06-26 | Flir Systems, Inc. | Amélioration d'image infrarouge espacée dans le temps |
EP2926080A4 (fr) * | 2013-03-15 | 2016-07-06 | Halliburton Energy Services Inc | Identification de formations non classiques |
WO2014200996A2 (fr) * | 2013-06-10 | 2014-12-18 | Services Petroliers Schlumberger | Système pour compléter une lacune d'image de puits de forage |
CN104520734B (zh) * | 2013-07-18 | 2017-09-08 | 哈里伯顿能源服务公司 | 检测多个地下层的边界位置 |
WO2015051123A1 (fr) * | 2013-10-02 | 2015-04-09 | Schlumberger Canada Limited | Procédé et appareil de détermination de propriétés de formation utilisant des mesures électromagnétiques non directionnelles dans des puits à grande déviation ou horizontaux |
MX369871B (es) * | 2014-04-03 | 2019-11-25 | Halliburton Energy Services Inc | Metodos y sistemas de registro de induccion con componentes multiples utilizando inversion de frecuencia seleccionada. |
WO2017074744A1 (fr) * | 2015-10-30 | 2017-05-04 | Schlumberger Technology Corporation | Inversion bidimensionnelle à base de pixels |
-
2017
- 2017-02-06 BR BR112019014495-1A patent/BR112019014495A2/pt not_active Application Discontinuation
- 2017-02-06 CN CN201780083001.9A patent/CN110192004B/zh active Active
- 2017-02-06 WO PCT/US2017/016698 patent/WO2018144035A1/fr active Application Filing
- 2017-02-06 US US16/461,923 patent/US11574459B2/en active Active
- 2017-02-06 AU AU2017397408A patent/AU2017397408A1/en not_active Abandoned
- 2017-02-06 CA CA3049367A patent/CA3049367C/fr active Active
- 2017-02-06 EP EP17895293.3A patent/EP3545168B1/fr active Active
-
2018
- 2018-01-04 FR FR1850050A patent/FR3062673A1/fr not_active Withdrawn
- 2018-01-05 AR ARP180100030A patent/AR110817A1/es unknown
-
2019
- 2019-08-06 SA SA519402410A patent/SA519402410B1/ar unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6388947B1 (en) * | 1998-09-14 | 2002-05-14 | Tomoseis, Inc. | Multi-crosswell profile 3D imaging and method |
WO2013022909A1 (fr) * | 2011-08-09 | 2013-02-14 | Schlumberger Canada Limited | Affichage interactif de résultats obtenus à partir de l'inversion de données de journalisation |
WO2014123509A1 (fr) * | 2013-02-05 | 2014-08-14 | Halliburton Energy Services, Inc. | Appareil et procédés permettant de visualiser des caractéristiques associées à une formation |
WO2015005937A1 (fr) * | 2013-07-12 | 2015-01-15 | Halliburton Energy Services, Inc. | Détection d'emplacements de limite de couche sur la base de mesures provenant de multiples profondeurs d'outil dans un puits de forage |
WO2015113067A1 (fr) * | 2014-01-27 | 2015-07-30 | Schlumberger Canada Limited | Flux de travail pour la navigation par rapport à un contact pétrole-eau utilisant des mesures de résistivité directionnelles profondes |
WO2015134455A1 (fr) * | 2014-03-05 | 2015-09-11 | Schlumberger Canada Limited | Technique d'inversion pour positionnement de puits et caractérisation de réservoir en temps réel |
WO2016111685A1 (fr) * | 2015-01-07 | 2016-07-14 | Halliburton Energy Services, Inc. | Paramétrage de modèle terrestre fonctionnel pour l'inversion de résistivité |
Non-Patent Citations (2)
Title |
---|
ROLAND E. CHEMALI ET AL: "Successful Applications of Azimuthal Propagation Resistivity for Optimum Well Placement and Reservoir Characterization While Drilling", SPE ANNUAL TECHNICAL CONFERENCE AND EXHIBITION, 14 November 2007 (2007-11-14), pages 1 - 12, XP055689346, DOI: 10.2118/109959-MS * |
TSILI WANG ET AL: "Dipping bed response and inversion for distance to bed for a new while-drilling resistivity measurement", SEG TECHNICAL PROGRAM EXPANDED ABSTRACTS 2006, 1 January 2006 (2006-01-01), pages 416 - 420, XP055689417, DOI: 10.1190/1.2370288 * |
Also Published As
Publication number | Publication date |
---|---|
CA3049367A1 (fr) | 2018-08-09 |
EP3545168A1 (fr) | 2019-10-02 |
AU2017397408A1 (en) | 2019-07-18 |
US20190346584A1 (en) | 2019-11-14 |
AR110817A1 (es) | 2019-05-08 |
SA519402410B1 (ar) | 2023-02-12 |
EP3545168A4 (fr) | 2020-06-17 |
BR112019014495A2 (pt) | 2020-02-11 |
CN110192004A (zh) | 2019-08-30 |
CN110192004B (zh) | 2023-11-10 |
US11574459B2 (en) | 2023-02-07 |
EP3545168B1 (fr) | 2023-03-22 |
WO2018144035A1 (fr) | 2018-08-09 |
CA3049367C (fr) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
FR3070180A1 (fr) | Modeles de reseau de neurones pour l'optimisation en temps reel de parametres de forage lors d'operations de forage | |
FR2855272A1 (fr) | Appareil et procede de resistivite electromagnetique directionnelle | |
FR3058180A1 (fr) | Determination en temps reel de la lenteur de la boue, du type de formation, et des pointes de lenteur monopolaire dans des applications en fond de puits | |
FR3060174A1 (fr) | Estimation d'ondelettes pour une caracterisation quadridimensionnelle de proprietes de subsurface sur la base d'une simulation dynamique | |
FR3057604B1 (fr) | Diagraphie mci améliorëe pour le traitement de mesures de fond de puits | |
FR3092691A1 (fr) | Planification d’une configuration de puits à l’aide de paramètres géomécaniques | |
FR3057092A1 (fr) | Analyse geostatistique de donnees microsismiques dans le cadre d'une modelisation de fracture | |
FR3060049A1 (fr) | Traitement de donnees de diagraphie acoustique utilisant l'amplitude et la phase de forme d'onde | |
FR3057978A1 (fr) | Determination avec une meilleure resolution de la lenteur d'ondes de volume dans une formation rocheuse a partir d'ondes guidees de trou de forage | |
FR3062673A1 (fr) | Pixellisation par solution d inversion de la distance par rapport au lit | |
FR3077142A1 (fr) | Optimisation d’une longueur de référence à des fins de préservation de signal et traitement d’une longueur de référence à des fins de détection de vibration répartie | |
FR3046863A1 (fr) | Estimation du parametre d'anisotropie basee sur la semblance a l'aide de collections d'images communes a migration en profondeur isotrope | |
FR3062674A1 (fr) | Inversion de distance jusqu'a la limite de base (dtbb) multi-couche avec de multiples valeurs supposees initiales | |
FR3057606A1 (fr) | Systemes et procedes d utilisation d un capteur pour fournir une resolution spatiale dans la detection de fuite en fond de puits | |
FR3034894A1 (fr) | ||
FR3036820A1 (fr) | Modelisation de la saturation et permeabilite de reservoir de champ petrolifere | |
FR3035723A1 (fr) | Estimation de parametre anisotrope a partir de donnees vsp autonomes utilisant une evolution differentielle | |
US20170138871A1 (en) | Estimating Subterranean Fluid Viscosity Based on Nuclear Magnetic Resonance (NMR) Data | |
FR3061236A1 (fr) | Segmentation des signatures de frequence temporelle pour la determination automatisee de defaut de tuyau | |
FR3067750A1 (fr) | Quantification de la contamination d'echantillon de fond de trou | |
FR3061298A1 (fr) | Detection de la corrosion en fond de puits par voie electromagnetique en utilisant des elements de tuyau connus et le rejet des variations naturelles des tuyaux | |
FR3070207A1 (fr) | Detection de structures geologiques souterraines sur la base de l’interpretation de donnees sismiques | |
FR3048782A1 (fr) | Generateur de donnees sismiques internes | |
FR3132320A1 (fr) | Détection et correction de fausses classifications positives à partir d’un outil de détection de sable de produit | |
FR3037682A1 (fr) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 2 |
|
PLSC | Publication of the preliminary search report |
Effective date: 20200619 |
|
ST | Notification of lapse |
Effective date: 20200906 |