FR3085077A1

FR3085077A1 - Modèles hybrides basés sur la physique et d’apprentissage automatique pour des simulations de réservoir

Info

Publication number: FR3085077A1
Application number: FR1908221A
Authority: FR
Inventors: Srinath Madasu; Keshava Prasad Rangarajan
Original assignee: Landmark Graphics Corp
Current assignee: Landmark Graphics Corp
Priority date: 2018-08-20
Filing date: 2019-07-19
Publication date: 2020-02-21

Abstract

L’invention concerne un système et des procédés pour simuler un écoulement de fluide pendant des opérations en fond de puits. Des mesures d’une variable de fonctionnement au niveau d’un ou de plusieurs emplacements à l’intérieur d’une formation sont obtenues à partir d’un outil de fond de puits disposé dans un puits de forage à l’intérieur de la formation pendant une étape en cours d’une opération en fond de puits effectuée le long du puits de forage. Les mesures obtenues sont appliquées comme entrées à un modèle hybride de la formation. Le modèle hybride comporte des modèles basés sur la physique et d’apprentissage automatique couplés ensemble à l’intérieur d’une grille de simulation. L’écoulement de fluide à l’intérieur de la formation est simulé, sur la base des entrées appliquées au modèle hybride. Une réponse de la variable de fonctionnement est estimée pour une étape suivante de l’opération en fond de puits le long du puits de forage, sur la base de la simulation. Les paramètres de régulation de débit pour l’étape suivante sont déterminés sur la base de la réponse estimée. L’étape suivante de l’opération est effectuée selon les paramètres de régulation de débit déterminés.

Description

Titre de l’invention : MODÈLES HYBRIDES BASÉS SUR LA PHYSIQUE ET D’APPRENTISSAGE AUTOMATIQUE POUR DES SIMULATIONS DE RÉSERVOIR RÉFÉRENCE CROISÉE À DES DEMANDES CONNEXES [0001] La présente demande revendique la priorité sur la demande de brevet provisoire des États-Unis d’Amérique ri 62/720,070, déposée le 20 août 2018, dont l’avantage est revendiqué et dont la description est incorporée ici par référence dans son intégralité. Domaine technique [0002] La présente invention concerne de manière générale la modélisation de réservoir et les simulations d’écoulement pour les opérations sur site de forage et en particulier, la modélisation de réservoir et les simulations d’écoulement pour prédire le comportement de fluide en fond de puits pendant les opérations sur site de forage.

CONTEXTE [0003] Diverses techniques de modélisation sont couramment utilisées dans la conception et l’analyse d’opérations d’exploration et de production d’hydrocarbures. Par exemple, un géologue ou un ingénieur de réservoir peut utiliser un modèle géocellulaire ou un autre modèle basé sur la physique d’une formation de réservoir souterrain pour prendre des décisions concernant l’emplacement de puits de production ou d’injection dans un champ de production d’hydrocarbures ou dans une région englobant plusieurs champs. De plus, de tels modèles basés sur la physique peuvent être utilisés conjointement avec diverses techniques numériques pour simuler un comportement de fluide en fond de puits. Les résultats de la simulation peuvent ensuite être utilisés pour estimer les paramètres de régulation de débit appropriés nécessaires afin d’optimiser la distribution de fluides injectés dans la formation et d’améliorer la récupération des hydrocarbures à partir de la formation.

[0004] La précision de la simulation peut dépendre de la capacité du modèle sous-jacent à prendre en compte la variabilité spatiale et temporelle de l’écoulement de fluide dans un ensemble donné de conditions de fonctionnement. Cependant, un modèle basé sur la physique est basé sur des hypothèses et nécessite généralement une délimitation précise de tous les paramètres pertinents affectant l’écoulement en fond de puits afin de rendre compte efficacement de la physique réelle de l’écoulement de fluide à l’intérieur de la formation. Par conséquent, dans les cas où les informations relatives à ces paramètres de fond de puits ne sont pas disponibles ou s’avèrent incomplètes, une simulation basée sur un modèle basé sur la physique peut ne pas être fiable. En outre, dans les cas où de telles informations sont disponibles, les exigences de traitement de données pour la simulation peuvent réduire considérablement les performances du système en raison de la quantité d’informations devant être traitées.

Brève description des dessins [0005] La figure 1 est un schéma d’un système de puits illustratif pour une opération en fond de puits le long de différentes sections d’un puits de forage à l’intérieur d’une formation de réservoir souterrain.

[0006] La figure 2 est un schéma fonctionnel d’un système illustratif pour la simulation d’écoulement et la commande en temps réel de l’injection de fluide pendant un traitement de stimulation à plusieurs étapes.

[0007] Les figures 3A, 3B et 3C sont des schémas de modèles hybrides de simulation de réservoir illustratifs basés sur différentes approches pour coupler ou combiner des modèles basés sur la physique et d’apprentissage automatique (ML) à l’intérieur d’une grille de simulation.

[0008] La figure 4 est une grille de valeurs de température illustrant un exemple d’une solution par différences finies pour un transfert de chaleur bidimensionnel (2D) à l’intérieur d’une formation de réservoir.

[0009] La figure 5 est une autre grille de valeurs de température illustrant un exemple d’une solution couplée par différences finies et par hydrodynamique des particules lissées (SPH) pour un transfert de chaleur entre des régions fracturées et non fracturées de la formation de réservoir.

[0010] La figure 6 est un graphe représentant une comparaison entre une solution numérique basé sur le ML et une solution analytique pour un transfert de chaleur unidimensionnel (1D) à l’intérieur de régions fracturées de la formation du réservoir.

[0011] La figure 7 est encore une autre grille de valeurs de température illustrant un exemple d’une solution couplée par différences finies et d’apprentissage automatique pour un transfert de chaleur entre des régions fracturées et non fracturées de la formation de réservoir.

[0012] La figure 8 est un organigramme d’un processus illustratif de simulation d’un écoulement de fluides pour une opération en fond de puits à l’intérieur d’une formation de réservoir basée sur un modèle hybride de simulation comportant des modèles couplés basés sur la physique et d’apprentissage automatique.

[0013] La figure 9 est un schéma fonctionnel d’un système informatique illustratif dans lequel des modes de réalisation de la présente invention peuvent être mis en œuvre. DESCRIPTION DE MODES DE RÉALISATION ILLUSTRATIFS [0014] Des modes de réalisation de la présente invention concernent l’utilisation de modèles hybrides de simulation de réservoir, comportant des modèles couplés basés sur la physique et d’apprentissage automatique (ML), pour la simulation et la commande en temps réel de l’écoulement de fluide pendant des opérations en fond de puits à l’intérieur d’une formation de réservoir souterrain. Bien que la présente invention soit décrite ici en référence à des modes de réalisation illustratifs pour des applications particulières, il faut bien comprendre que les modes de réalisation ne sont pas limités à celles-ci. D’autres modes de réalisation sont possibles, et des modifications peuvent être apportées aux modes de réalisation dans l’esprit et la portée des enseignements donnés ici et dans des domaines supplémentaires dans lesquels les modes de réalisation seraient d’une utilité significative.

[0015] Dans la description détaillée ci-après, les références à « un mode de réalisation », « un exemple de mode de réalisation », etc., indiquent que le mode de réalisation décrit peut comporter une fonctionnalité, une structure ou une caractéristique particulières, mais que chaque mode de réalisation ne comporte pas nécessairement la fonctionnalité, la structure ou la caractéristique particulières. De plus, de telles expressions ne font pas nécessairement référence au même mode de réalisation. En outre, lorsqu’une fonctionnalité, structure ou caractéristique particulières est décrite en relation avec un mode de réalisation, elle est soumise aux connaissances de l’homme du métier concerné pour mettre en œuvre une telle fonctionnalité, structure ou caractéristique en relation avec d’autres modes de réalisation, qu’ils soient ou non explicitement décrits.

[0016] Il apparaîtra également à l’homme du métier concerné que les modes de réalisation, comme décrit ici, peuvent être mis en œuvre dans de nombreux modes de réalisation différents de logiciel, de matériel, de micrologiciel et/ou des entités illustrées dans les figures. Tout code logiciel réel avec la commande spécialisée du matériel pour mettre en œuvre des modes de réalisation n’est pas limitatif de la description détaillée. Ainsi, le comportement opérationnel des modes de réalisation sera décrit en comprenant que des modifications et des variations des modes de réalisation sont possibles, étant donné le niveau de détail présenté ici.

[0017] Des modes de réalisation de la présente invention peuvent être utilisés pour prendre des décisions opérationnelles en temps réel afin d’optimiser des paramètres d’une opération en fond de puits à l’intérieur d’une formation souterraine. Par exemple, l’opération en fond de puits peut être un traitement de stimulation et les modes de réalisation décrits peuvent être utilisés pour déterminer des paramètres de régulation afin d’optimiser la distribution d’écoulement de fluides injectés dans une formation de réservoir en différents points le long d’un puits de forage foré à l’intérieur de la formation. Le traitement de stimulation peut impliquer l’injection d’un fluide de traitement dans la formation en plusieurs étapes pour stimuler la production d’hydrocarbures à partir de la formation. Le fluide peut être injecté à chaque étape de traitement dans une zone de la formation par l’intermédiaire d’une pluralité de points d’entrée de formation (ou « groupes de perforations ») le long d’une partie corres pondante du puits de forage. Dans un ou plusieurs modes de réalisation, un modèle hybride de simulation (ou « modèle hybride ») peut être utilisé pour simuler un écoulement de fluide à l’intérieur de la formation à chaque étape. Les résultats de la simulation peuvent ensuite être utilisés pour estimer une réponse d’une ou de plusieurs variables de fonctionnement pour une étape suivante du traitement et pour ajuster des paramètres de régulation de débit afin d’obtenir une distribution d’écoulement souhaitée du fluide à injecter pendant l’étape suivante. Bien que des modes de réalisation puissent être décrits dans le contexte d’un traitement de fracturation hydraulique à plusieurs étapes, il convient de comprendre que les techniques hybrides de modélisation et de simulation d’écoulement de réservoir décrites ne sont pas censées se limiter à celles-ci et que ces techniques peuvent être appliquées à d’autres types d’opérations en fond de puits, telles que les opérations de production et de complétion.

[0018] Dans un ou plusieurs modes de réalisation, le modèle hybride de simulation peut comporter un ou plusieurs modèles basés sur la physique couplés à un modèle d’apprentissage automatique. Des exemples de tels modèles basés sur la physique comportent, sans toutefois s’y limiter, un modèle à différences finies (FD), un modèle hydrodynamique à particules lissées (SPH), un modèle de Lattice Boltzmann et des types similaires de modèles basés sur la physique. Le modèle d’apprentissage automatique peut être, par exemple, au moins l’un parmi un modèle de réseau neuronal profond récurrent (DNN) ou un modèle de réseau neuronal profond à mémoire à court et long terme (LSTM).

[0019] Comme cela sera décrit plus en détail ci-dessous, les composants basés sur la physique et d’apprentissage automatique du modèle hybride décrits ici peuvent être combinés de différentes manières pour modéliser la dynamique et les interactions des fluides par rapport à différentes régions d’un domaine de calcul représentant la formation. Le domaine de calcul peut être, par exemple, une grille de simulation comportant une pluralité de cellules correspondant à différentes zones de formation. Dans un exemple, un modèle proxy basé sur un DNN pur peut être inclus dans le modèle hybride de simulation en tant que partie d’un modèle global de réservoir à différences finies. Dans un autre exemple, la dynamique des équations de physique basée sur la SPH peut être incorporée dans un DNN en tant que couches supplémentaires permettant la simulation d’interactions physiques avec des ensembles de particules non ordonnés. Dans un autre exemple encore, différentes régions de cellules à l’intérieur de la grille de simulation peuvent se voir attribuer soit un modèle basé sur la physique, par exemple, un modèle SPH, soit un modèle d’apprentissage automatique, par exemple, un DNN, pour la modélisation d’un transfert de chaleur entre les cellules, où les valeurs d’une variable de fonctionnement (par exemple, la température) au niveau d’emplacements à l’intérieur des cellules associées à un modèle peuvent être échangées en tant que conditions limites pour les cellules proches associées à l’autre modèle par l’intermédiaire d’interfaces entre les cellules à l’intérieur de la grille de simulation.

[0020] Des modes de réalisation illustratifs et les méthodologies associées de la présente invention sont décrits ci-dessous en référence aux figures 1 à 9 car ils pourraient être utilisés, par exemple, dans un système informatique pour la surveillance et la commande en temps réel de l’écoulement de fluide pendant une opération en fond de puits le long d’un trajet de puits prévu à l’intérieur d’une formation de réservoir. Bien que les exemples suivants puissent être décrits dans le contexte d’un traitement de fracturation hydraulique à plusieurs étapes, il convient de comprendre que les techniques hybrides de modélisation et de simulation d’écoulement de réservoir décrites ne sont pas censées se limiter à celles-ci et que ces techniques peuvent être appliquées à d’autres types d’opérations en fond de puits, par exemple, les opérations de production d’hydrocarbures, ainsi que d’autres types de traitements de stimulation, par exemple, les traitements de fracturation acide et d’acidification matricielle. D’autres fonctionnalités et avantages des modes de réalisation décrits seront ou deviendront apparents à l’homme du métier à l’examen des figures et de la description détaillée suivantes. Il est prévu que toutes ces fonctionnalités et avantages supplémentaires soient inclus dans la portée des modes de réalisation décrits. En outre, les figures illustrées ne sont présentées qu’à titre d’exemples, elles n’ont pas pour objet d’imposer de restriction explicite ou implicite quant à l’environnement, l’architecture, la conception ou le processus dans lesquels différents modes de réalisation peuvent être mis en œuvre. De même, bien qu’une figure puisse représenter un puits de forage horizontal ou un puits de forage vertical, sauf indication contraire, les hommes du métier comprendront que l’appareil selon la présente invention convient également pour une utilisation dans des puits de forage ayant d’autres orientations, y compris des puits de forage verticaux, des puits de forage inclinés, des puits de forage multilatéraux ou similaires.

[0021] La figure 1 est un schéma illustrant un exemple d’un système de puits 100 pour effectuer une opération en fond de puits à l’intérieur d’une formation de réservoir d’hydrocarbures. L’opération en fond de puits peut être, par exemple, un traitement de stimulation à plusieurs étapes. Cependant, il est à noter que les modes de réalisation de la présente invention ne sont pas destinés à y être limités. Comme représenté dans l’exemple de la figure 1, le système de puits 100 comporte un puits de forage 102 dans une formation de réservoir souterrain 104 sous une surface 106 du site de forage. Le puits de forage 102, comme représenté dans l’exemple de la figure 1, comporte un puits de forage horizontal. Cependant, il convient de noter que les modes de réalisation ne sont pas limités à ceux-ci et que le système de puits 100 peut comporter toute corn binaison d’orientations horizontale, verticale, inclinée, incurvée et/ou autre. La formation souterraine 104 peut comporter un réservoir contenant des ressources en hydrocarbures, telles que du pétrole, du gaz naturel et/ou autres. Par exemple, la formation souterraine 104 peut être une formation rocheuse (par exemple, schiste, charbon, grès, granite et/ou autres) qui comporte des gisements d’hydrocarbures, tels que du pétrole et du gaz naturel. Dans certains cas, la formation souterraine 104 peut être une formation gazéifère compacte qui comporte des roches à faible perméabilité (par exemple, schiste, charbon et/ou autres). La formation souterraine 104 peut être composée de roches naturellement fracturées et/ou de formations rocheuses naturelles qui ne sont pas fracturées de manière significative.

[0022] Le système de puits 100 comporte également un système d’injection de fluide 108 pour injecter un fluide de traitement, par exemple, un fluide de fracturation hydraulique, dans la formation souterraine 104 sur plusieurs sections 118a, 118b, 118c, 118d et 118e (collectivement désignées ci-après par « sections 118 ») du puits de forage 102, comme cela sera décrit plus en détail ci-dessous. Chacune des sections 118 peut correspondre, par exemple, à une étape ou à un intervalle différents du traitement de stimulation à plusieurs étapes. Les limites des sections respectives 118 et des étapes/intervailes de traitement correspondants sur la longueur du puits de forage 102 peuvent être délimitées, par exemple, par les emplacements des bouchons provisoires, des garnitures d’étanchéité et/ou d’autres types d’équipements dans le puits de forage 102. En plus ou en variante, les sections 118 et les étapes de traitement correspondantes peuvent être délimitées par des fonctionnalités particulières de la formation souterraine 104. Bien que cinq sections soient représentées dans la figure 1, il convient de noter que n’importe quel nombre de sections et/ou d’étapes de traitement peut être utilisé comme souhaité pour une mise en œuvre particulière. En outre, chacune des sections 118 peut avoir différentes largeurs ou peut être uniformément répartie le long du puits de forage 102.

[0023] Comme représenté dans la figure 1, le système d’injection 108 comporte un soussystème de commande d’injection 111, un sous-système de signalisation 114 installé dans le puits de forage 102 et un ou plusieurs outils d’injection 116 installés dans le puits de forage 102. Le sous-système de commande d’injection 111 peut communiquer avec les outils d’injection 116 à partir d’une surface 110 du puits de forage 102 par l’intermédiaire du sous-système de signalisation 114. Bien que cela ne soit pas représenté dans la figure 1, le système d’injection 108 peut comporter des fonctionnalités supplémentaires et/ou différentes pour mettre en œuvre les techniques de surveillance et de commande de déviation de la distribution d’écoulement décrites ici. Par exemple, le système d’injection 108 peut comporter un nombre quelconque de sous-systèmes informatiques, de sous-systèmes de communication, de sous-systèmes de pompage, de sous-systèmes de surveillance et/ou d’autres fonctionnalités souhaitées pour une mise en œuvre particulière. Dans certaines mises en œuvre, le sous-système de commande d’injection 111 peut être couplé en communication à un système informatique à distance (non représenté) pour échanger des informations par l’intermédiaire d’un réseau à des fins de surveillance et de commande des opérations de site de forage, y compris des opérations liées au traitement de stimulation. Un tel réseau peut être, par exemple et sans limitation, un réseau local, un réseau moyen et/ou un réseau étendu, par exemple, Internet.

[0024] Pendant chaque étape du traitement de stimulation, le système d’injection 108 peut modifier les contraintes et créer une multitude de fractures dans la formation souterraine 104 en injectant le fluide de traitement dans la formation souterraine environnante 104 par l’intermédiaire d’une pluralité de points d’entrée de formation le long d’une partie du puits de forage 102 (par exemple, le long d’une ou de plusieurs des sections 118). Le fluide peut être injecté par n’importe quelle combinaison d’une ou de plusieurs vannes des outils d’injection 116. Les outils d’injection 116 peuvent comporter de nombreux composants, y compris, mais sans s’y limiter, des vannes, des manchons coulissants, des actionneurs, des orifices et/ou d’autres éléments qui communiquent le fluide de traitement à partir d’un train de tiges de travail disposé à l’intérieur du puits de forage 102 dans la formation souterraine 104 par l’intermédiaire des points d’entrée de formation. Les points d’entrée de formation peuvent comporter, par exemple, des sections à trous ouverts le long d’une partie non tubée du trajet de puits de forage, un groupe de perforations le long d’une partie tubée du trajet de puits de forage, des orifices d’un dispositif de complétion à manchon coulissant le long du trajet de puits de forage, des fentes d’une colonne perdue perforée le long du trajet de puits de forage ou toute combinaison de ce qui précède.

[0025] Dans un ou plusieurs modes de réalisation, les vannes, les orifices et/ou d’autres caractéristiques des outils d’injection 116 peuvent être configurés pour commander l’emplacement, la vitesse, l’orientation et/ou d’autres propriétés d’écoulement de fluide entre le puits de forage 102 et la formation souterraine 104. Les outils d’injection 116 peuvent comporter de multiples outils couplés par des sections de tube, de tuyau ou d’un autre type de conduit. Les outils d’injection peuvent être isolés dans le puits de forage 102 par des garnitures d’étanchéité ou d’autres dispositifs installés dans le puits de forage 102.

[0026] Dans certaines mises en œuvre, le système d’injection 108 peut être utilisé pour créer ou modifier un réseau de fractures complexes dans la formation souterraine 104 en injectant un fluide dans des parties de la formation souterraine 104 où la contrainte a été modifiée. Par exemple, le réseau de fractures complexes peut être créé ou modifié après qu’un traitement par injection initiale a modifié la contrainte en fracturant la formation souterraine 104 au niveau de multiples emplacements le long du puits de forage 102. Une fois que le traitement par injection initiale a modifié les contraintes dans la formation souterraine, une ou plusieurs vannes des outils d’injection 116 peuvent être sélectivement ouvertes ou autrement reconfigurées pour stimuler ou restimuler des zones spécifiques de la formation souterraine 104 le long d’une ou de plusieurs sections 118 du puits de forage 102, tirant parti de l’état de contrainte modifié pour créer des réseaux de fractures complexes. Dans certains cas, le système d’injection 108 peut injecter du fluide simultanément à plusieurs intervalles et sections 118 du puits de forage 102.

[0027] Le fonctionnement des outils d’injection 116 peut être commandé par le soussystème de commande d’injection 111. Le sous-système de commande d’injection 111 peut comporter, par exemple, un équipement de traitement de données, un équipement de communication et/ou d’autres systèmes qui commandent les traitements d’injection appliqués à la formation souterraine 104 dans le puits de forage 102. Dans un ou plusieurs modes de réalisation, le sous-système de commande d’injection 111 peut recevoir, générer ou modifier un plan de traitement de base pour mettre en œuvre les différentes étapes du traitement de stimulation le long du trajet du puits de forage 102. Le plan de traitement de base peut spécifier des paramètres de régulation de débit initiaux pour l’injection du fluide de traitement dans la formation souterraine 104. Le plan de traitement peut également spécifier un programme de pompage de base pour les injections de fluide de traitement à chaque étape du traitement de stimulation.

[0028] Dans un ou plusieurs modes de réalisation, le sous-système de commande d’injection 111 initie des signaux de commande pour configurer les outils d’injection 116 et/ou d’autres équipements (par exemple, des camions de pompe, etc.) pour un fonctionnement basé sur le plan de traitement. Le sous-système de signalisation 114 tel que représenté dans la figure 1 transmet les signaux du sous-système de commande d’injection 111 au niveau de la surface de puits de forage 110 à un ou plusieurs des outils d’injection 116 disposés dans le puits de forage 102. Par exemple, le soussystème de signalisation 114 peut transmettre des signaux de commande hydrauliques, des signaux de commande électriques et/ou d’autres types de signaux de commande. Les signaux de commande peuvent être reformatés, reconfigurés, stockés, convertis, retransmis et/ou modifiés de toute autre manière selon les besoins ou les préférences sur le trajet entre le sous-système de commande d’injection 111 (et/ou une autre source) et les outils d’injection 116 (et/ou une autre destination). Les signaux transmis aux outils d’injection 116 peuvent commander la configuration et/ou le fonctionnement des outils d’injection 116. Des exemples de différentes manières de commander le fonctionnement de chacun des outils d’injection 116 comportent, sans toutefois s’y limiter, l’ouverture, la fermeture, la restriction, la dilatation, le repositionnement, la ré orientation et/ou autrement la manipulation d’une ou de plusieurs vannes de l’outil pour modifier la manière dont le fluide de traitement, l’agent de soutènement ou le matériau de déviation est communiqué dans la formation souterraine 104. Il convient de noter que la combinaison de vannes d’injection des outils d’injection 116 peut être configurée ou reconfigurée à tout moment donné pendant le traitement de stimulation. Il convient également de noter que les vannes d’injection peuvent être utilisées pour injecter n’importe lequel des divers fluides de traitement, agents de soutènement et/ou matériaux de déviation dans la formation souterraine 104.

[0029] Dans certaines mises en œuvre, le sous-système de signalisation 114 transmet un signal de commande à de multiples outils d’injection, et le signal de commande est formaté pour changer l’état d’un seul ou d’un sous-ensemble des multiples outils d’injection. Par exemple, une ligne de commande électrique ou hydraulique partagée peut transmettre un signal de commande à plusieurs vannes d’injection, et le signal de commande peut être formaté pour modifier sélectivement l’état d’une seule (ou d’un sous-ensemble) des vannes d’injection. Dans certains cas, la pression, l’amplitude, la fréquence, la durée et/ou d’autres propriétés du signal de commande déterminent quel outil d’injection est modifié par le signal de commande. Dans certains cas, la pression, l’amplitude, la fréquence, la durée et/ou d’autres propriétés du signal de commande déterminent l’état de l’outil d’injection affecté par la modification.

[0030] Dans un ou plusieurs modes de réalisation, les outils d’injection 116 peuvent comporter un ou plusieurs capteurs pour collecter des données relatives aux conditions de fonctionnement en fond de puits et aux caractéristiques de formation le long du puits de forage 102. Ces capteurs peuvent servir de sources de données en temps réel pour divers types de mesures en fond de puits et d’informations de diagnostic relatives à chaque étape du traitement de stimulation. Des exemples de tels capteurs comportent, sans toutefois s’y limiter, les capteurs micro-sismiques, les inclinomètres, les capteurs de pression et d’autres types d’équipements de détection de fond de puits. Les données collectées en fond de puits par de tels capteurs peuvent comporter, par exemple, des mesures et des données de diagnostic en temps réel pour surveiller l’ampleur de la croissance et de la complexité des fractures à l’intérieur de la formation environnante le long du puits de forage 102 pendant chaque étape du traitement de stimulation, correspondant par exemple à une ou plusieurs sections 118. Dans certaines mises en œuvre, les outils d’injection 116 peuvent comporter des capteurs à fibre optique pour collecter des mesures en temps réel d’intensité acoustique ou d’énergie thermique en fond de puits pendant le traitement de stimulation. Par exemple, les capteurs à fibre optique peuvent être des composants de sous-systèmes de détection acoustique distribuée (DAS), de détection de contrainte distribuée et/ou de détection de température distribuée (DTS) du système d’injection 108. Cependant, il convient de noter que les modes de réalisation ne sont pas destinés à se limiter à ceux-ci et que les outils d’injection 116 peuvent inclure l’un quelconque des divers outils de mesure et de diagnostic. Dans certaines mises en œuvre, les outils d’injection 116 peuvent être utilisés pour injecter des traceurs de particules, par exemple des bouchons de traceur, dans le puits de forage 102 afin de surveiller la distribution d’écoulement sur la base de la distribution des traceurs de particules injectés pendant le traitement. Par exemple, de tels traceurs peuvent avoir un profil de température unique établissant que le soussystème DTS du système d’injection 108 peut être utilisé pour effectuer une surveillance pendant une étape de traitement.

[0031] Dans un ou plusieurs modes de réalisation, le sous-système de signalisation 114 peut être utilisé pour transmettre des mesures et des données de diagnostic en temps réel collectées en fond de puits par une ou plusieurs des sources de données susmentionnées au sous-système de commande d’injection 111 pour un traitement à la surface de puits de forage 110. Ainsi, dans l’exemple de fibre optique ci-dessus, les données de fond de puits collectées par les capteurs à fibre optique peuvent être transmises au sous-système de commande d’injection 111 par l’intermédiaire, par exemple, de câbles à fibre optique inclus à l’intérieur du sous-système de signalisation 114. Le soussystème de commande d’injection 111 (ou ses composants de traitement de données) peut utiliser les données de fond de puits qu’il reçoit par l’intermédiaire du soussystème de signalisation 114 pour effectuer une cartographie des fractures en temps réel et/ou une interprétation de la pression de fracturation en temps réel en utilisant l’une quelconque des diverses techniques d’analyse de données pour surveiller les champs de contraintes autour des fractures hydrauliques.

[0032] Le sous-système de commande d’injection 111 peut utiliser les mesures et les données de diagnostic en temps réel reçues à partir de la ou des sources de données pour surveiller une distribution d’écoulement en fond de puits du fluide de traitement injecté dans la pluralité de points d’entrée de formation le long du trajet du puits de forage 102 pendant chaque étape du traitement de stimulation. Dans un ou plusieurs modes de réalisation, ces données peuvent être utilisées pour simuler un comportement d’écoulement de fluides injectés pendant chaque étape de traitement et déterminer les paramètres de régulation de débit pour l’étape de traitement suivante à mettre en œuvre le long du puits de forage 102, comme cela sera décrit plus en détail ci-dessous.

[0033] La figure 2 est un schéma fonctionnel d’un système illustratif 200 pour la simulation d’écoulement et la commande en temps réel de l’injection de fluide pendant un traitement de stimulation à plusieurs étapes. Le système 200 peut être utilisé pour mettre en œuvre le sous-système de commande d’injection 111 de la figure 1, comme décrit ci-dessus. Comme représenté dans la figure 2, le système 200 comporte un moniteur de puits 210, une mémoire 220, une interface utilisateur graphique (GUI) 230 et une interface réseau 240. Dans un ou plusieurs modes de réalisation, le moniteur de puits 210, la mémoire 220, la GUI 230 et l’interface réseau 240 peuvent être couplés en communication entre eux par l’intermédiaire d’un bus interne du système 200. Bien que seuls le moniteur de puits 210, la mémoire 220, l’interface utilisateur graphique 230 et l’interface réseau 240 soient représentés dans la figure 2, il convient de noter que le système 200 peut comporter des composants, modules et/ou sous-composants supplémentaires tels que souhaités pour une mise en œuvre particulière.

[0034] Le système 200 peut être mis en œuvre en utilisant n’importe quel type de dispositif informatique ayant au moins un processeur et un support de stockage lisible par le processeur pour stocker des données et des instructions pouvant être exécutées par le processeur. Des exemples d’un tel dispositif informatique comportent, sans toutefois s’y limiter, un téléphone portable, un assistant numérique personnel (PDA), un ordinateur tablette, un ordinateur portable, un ordinateur de bureau, un poste de travail, un serveur, un groupe d’ordinateurs, un boîtier décodeur ou un autre type de dispositif informatique. Un tel dispositif informatique peut également comporter une interface d’entrée/de sortie (E/S) pour recevoir une entrée ou des commandes d’utilisateur par l’intermédiaire d’un dispositif d’entrée d’utilisateur (non représenté). Le dispositif d’entrée d’utilisateur peut être, par exemple et sans limitation, une souris, un clavier QWERTY ou T9, un écran tactile, une tablette graphique ou un microphone.

L’interface d’entrée/de sortie peut également être utilisée par le dispositif informatique pour générer ou présenter des informations par l’intermédiaire d’un dispositif de sortie (non représenté). Le dispositif de sortie peut être, par exemple, un écran couplé ou intégré au dispositif informatique pour afficher une représentation numérique des informations présentées à Γutilisateur. L’interface E/S dans l’exemple représenté dans la figure 2 peut être couplée à la GUI 230 pour recevoir une entrée d’un utilisateur 202 et afficher des informations et un contenu pour Γutilisateur 202 sur la base de l’entrée reçue. La GUI 230 peut être n’importe quel type d’écran GUI couplé au système 200.

[0035] La mémoire 220 peut être utilisée pour stocker des informations accessibles par le moniteur de puits 210 et n’importe lequel de ses composants pour mettre en œuvre les techniques hybrides de modélisation et de simulation de réservoir décrites ici. Comme représenté dans l’exemple de la figure 2, ces informations peuvent comporter des données de fond de puits 222 et un modèle hybride 224. La mémoire 220 peut être n’importe quel type de support d’enregistrement couplé à un circuit intégré qui commande l’accès au support d’enregistrement. Le support d’enregistrement peut être, par exemple et sans limitation, une mémoire à semi-conducteur, un disque dur, ou un type de mémoire ou de dispositif de stockage similaire. Dans certaines mises en œuvre, la mémoire 220 peut être un stockage de données à distance, par exemple, un emplacement de stockage basé sur un nuage, couplé en communication au système 200 sur un réseau 204 par l’intermédiaire de l’interface réseau 240. Le réseau 204 peut être n’importe quel type de réseau ou de combinaison de réseaux utilisés pour communiquer des informations entre différents dispositifs informatiques. Le réseau 204 peut comporter, sans toutefois s’y limiter, un réseau câblé (par exemple, Ethernet) ou sans fil (par exemple, un réseau Wi-Fi ou de télécommunication mobile). De plus, le réseau 204 peut comporter, sans toutefois s’y limiter, un réseau local, un réseau moyen et/ou un réseau étendu tel qu’internet.

[0036] Dans un ou plusieurs modes de réalisation, le moniteur de puits 210 comporte un gestionnaire de données 212, un simulateur de réservoir 214 et un dispositif de commande d’injection 216. Le gestionnaire de données 212 peut stocker des données de fond de puits 222 à l’intérieur de la mémoire 220 après avoir obtenu les données d’un outil de fond de puits disposé dans un puits de forage foré à l’intérieur d’une formation de réservoir (par exemple, la formation 104 de la figure 1, comme décrit cidessus). L’outil de fond de puits peut être, par exemple, un outil de mesure en cours de forage (MWD) ou de diagraphie en cours de forage (LWD) couplé à ou inclus à l’intérieur d’un ensemble de fond de puits d’un train de forage disposé à l’intérieur du puits de forage. Les données de fond de puits 222 peuvent comporter des mesures en temps réel collectées par l’outil de fond de puits pour au moins une variable de fonctionnement au niveau d’un ou de plusieurs emplacements à l’intérieur de la formation au cours de chaque étape du traitement de stimulation le long du puits de forage.

[0037] Dans un ou plusieurs modes de réalisation, le simulateur de réservoir 214 peut appliquer les mesures collectées par l’outil de fond de puits pendant une étape en cours du traitement comme entrées au modèle hybride 224 pour simuler un écoulement de fluide à l’intérieur de la formation pour une étape suivante du traitement de stimulation à effectuer le long du puits de forage. Comme cela sera décrit plus en détail ci-dessous, le modèle hybride 224 peut être un modèle hybride de simulation comportant à la fois des modèles basés sur la physique et d’apprentissage automatique, couplés ensemble à l’intérieur d’une grille de simulation représentant la formation, y compris ses parties fracturées et non fracturées.

[0038] Dans un ou plusieurs modes de réalisation, le dispositif de commande d’injection 216 peut estimer une réponse de l’au moins une variable de fonctionnement à l’injection de fluide à l’intérieur de la formation pendant l’étape suivante du traitement de stimulation à effectuer, sur la base de la simulation effectuée par le simulateur de réservoir 214. Le dispositif de commande d’injection 216 peut également déterminer des paramètres de régulation de débit pour l’étape suivante du traitement de stimulation à effectuer, sur la base de la réponse estimée. Le dispositif de commande d’injection 216 peut alors effectuer l’étape de traitement suivante en injectant le fluide en fonction des paramètres de régulation de débit déterminés, par exemple, en envoyant des signaux de commande appropriés aux outils d’injection de fond de puits, par exemple, aux outils d’injection 116 de la figure 1, comme décrit ci-dessus, couplés au système 200 par l’intermédiaire d’un sous-système de signalisation, par exemple, un sous-système de signalisation 114 de la figure 1. Dans un ou plusieurs modes de réalisation, le dispositif de commande d’injection 216 peut surveiller une réponse réelle du fluide injecté à l’intérieur de la formation, sur la base de mesures supplémentaires de l’au moins une variable de fonctionnement obtenue par le gestionnaire de données 212 lorsque l’étape suivante du traitement de stimulation est effectuée le long du puits de forage. Le modèle hybride 224 peut être mis à jour si la différence entre la réponse réelle et la réponse estimée du fluide injecté dépasse un seuil de tolérance d’erreur. Le modèle mis à jour peut ensuite être utilisé par le simulateur de réservoir 214 pour effectuer des simulations d’écoulement de réservoir pour des étapes de traitement suivantes le long du puits de forage.

[0039] Dans un ou plusieurs modes de réalisation, le modèle hybride 224 peut être basé sur une grille de simulation générée par le simulateur de réservoir 214. La grille de simulation peut comporter une pluralité de cellules correspondant à différentes zones de la formation de réservoir. Dans un ou plusieurs modes de réalisation, la grille de simulation peut définir un domaine de calcul pour modéliser un transfert de chaleur à l’intérieur de différentes régions de la formation sur la base d’une combinaison hybride de modèles basés sur la physique et d’apprentissage automatique. Un tel modèle hybride peut être généré en utilisant l’une quelconque parmi diverses approches hybrides de modélisation combinant des modèles basés sur la physique et d’apprentissage automatique pour la simulation d’interactions des fluides à l’intérieur de la formation du réservoir. Trois exemples d’approches hybrides de modélisation seront décrits ci-dessous en utilisant les modèles hybrides représentés dans les figures 3A à 3B. Cependant, il convient de noter que les modes de réalisation de la présente invention ne sont pas destinés à se limiter à ceux-ci et que d’autres approches, y compris des variantes des approches décrites dans ces exemples, peuvent également être utilisées.

[0040] La figure 3A est un schéma illustrant un exemple d’un modèle hybride 300A comportant un modèle d’apprentissage automatique (ML) 310A dans une partie d’un modèle global à différences finies (FD) 320A d’une formation de réservoir. Dans un ou plusieurs modes de réalisation, le modèle FD 320A peut être un modèle basé sur la physique sous la forme d’une grille de simulation avec une pluralité de cellules représentant différentes régions de la formation. Le modèle ML 310A dans cet exemple peut être un modèle proxy basé sur un DNN pur qui remplace une ou plusieurs cellules de la grille de simulation associée à l’origine au modèle FD 320A. Les cellules associées au modèle ML 310A peuvent correspondre à des régions fracturées de la formation tandis que les cellules associées au modèle FD 320A peuvent correspondre à des régions environnantes non fracturées de la formation. Dans un ou plusieurs modes de réalisation, les mesures 312A d’au moins une variable de fonctionnement peuvent être appliquées comme entrées au modèle ML 310 (ou à la partie DNN du modèle hybride 300A) pour simuler un écoulement de fluide à l’intérieur de la formation ou de la partie pertinente de celle-ci. Les mesures 312A peuvent comporter, par exemple, les valeurs de la ou des variables de fonctionnement mesurées en temps réel par un outil de fond de puits au niveau d’un ou de plusieurs emplacements ou profondeurs à l’intérieur de la formation, par exemple, pendant une ou plusieurs étapes d’un traitement de stimulation effectué le long d’un puits de forage (par exemple, le puits de forage 102 de la figure 1, comme décrit ci-dessus). Des exemples d’une telle variable de fonctionnement comportent, sans s’y limiter, la pression, le volume et la température. Dans un ou plusieurs modes de réalisation, le modèle hybride 300A peut être utilisé pour modéliser les changements dans la variable de fonctionnement (par exemple, les changements de température dus à un transfert de chaleur) au niveau d’une interface 315A entre des cellules de la grille de simulation associées au modèle ML 310 et celles associées au modèle FD 320A. Dans cet exemple, l’interface 315A peut représenter des zones ou des emplacements à l’intérieur des cellules de la grille de simulation associées à un modèle, où les valeurs d’une variable de fonctionnement (par exemple, la température) peuvent être échangées en tant que conditions limites pour les cellules proches associées à l’autre modèle. Bien que les techniques hybrides de modélisation décrites puissent être décrites dans le contexte de la modélisation d’un transfert de chaleur, il convient de comprendre que les techniques décrites ne sont pas censées se limiter à celles-ci et que ces techniques peuvent être appliquées à la modélisation des modifications dans d’autres variables de fonctionnement susceptibles d’affecter la dynamique des fluides en fond de puits.

[0041] La figure 3B est un schéma illustrant un exemple d’un modèle hybride 300B. Comme le modèle hybride 300A de la figure 3A, décrit ci-dessus, le modèle hybride 300B comporte un modèle ML 310B (par exemple, un DNN) à l’intérieur d’une partie d’un modèle FD 320B sous la forme d’une grille de simulation avec une interface 315B entre des cellules associées à chaque modèle. Comme représenté dans la figure 3B, le modèle hybride 300B peut également incorporer un modèle SPH basé sur la physique et la dynamique des équations de physique basée sur la SPH associée en tant que couches SPH supplémentaires 330 du modèle DNN/ML 310B. Contrairement aux réseaux neuronaux classiques, qui ne disposent pas des fonctionnalités nécessaires pour interagir avec des ensembles de particules non ordonnés, les couches SPH supplémentaires 330 dans le modèle DNN/ML 310B du modèle hybride 300B permettent de calculer les interactions physiques avec des ensembles de particules non ordonnés.

Dans un ou plusieurs modes de réalisation, les couches SPH 330 ajoutées au DNN dans cet exemple peuvent comporter une couche SPH de convolution, qui peut être utilisée pour calculer des interactions par paires particule-particule sur la base d’équations SPH, et une couche de fonction de distance signée (SDF) de convolution, qui peut être utilisée pour calculer les interactions objet statique à particule. Ces couches peuvent être ajoutées ou combinées au DNN en utilisant des opérateurs standard (par exemple, ajout par élément) pour reproduire les effets SPH à l’intérieur du DNN.

[0042] Dans un ou plusieurs modes de réalisation, la couche SPH de convolution (appelée « ConvSP ») du modèle hybride 300B peut calculer des interactions particule à particule à l’intérieur d’une ou de plusieurs régions de formation en tant que noyau de lissage sur un ensemble de particules, par exemple, en utilisant l’équation (1) comme suit :

ConvSPÏX, F) = f Σ y Wld.,h]\ îeX] (1) l je Λ^y j \ ij /| J [0043] où z et j représentent différentes particules, X est l’ensemble des emplacements de particules, Y est un ensemble correspondant de vecteurs de caractéristiques, y ₇ = est le vecteur de caractéristique dans Y associé à la particule j, W est une fonction de noyau, d y est la distance entre les particules z et j, et h est le rayon de coupure.

[0044] Dans un ou plusieurs modes de réalisation, la couche SDF de convolution (appelée « ConvSDF ») du modèle hybride 300B peut calculer des interactions objet statique à particule à l’intérieur de la ou des régions de formation, par exemple, en utilisant l’équation (2) comme suit :

[0045]

ConvSDF(X) = (Σ w_kmin SDF .(p . + k * d \ ^{v 7} ( k e K ^K j F' ’ ' (2) [0046] où w _k est le poids associé à la cellule de noyau k, K est l’ensemble de décalages pour un noyau de convolution donné, p , est l’emplacement de la particule z, SDF j est le j ième SDF dans la scène, et d est la dilatation du noyau.

[0047] La figure 3C est un schéma d’un modèle hybride illustratif 300C comportant des modèles couplés basés sur la physique et d’apprentissage automatique pour différentes régions d’une grille de simulation. Comme décrit ci-dessus, différentes régions de cellules à l’intérieur de la grille de simulation peuvent se voir attribuer soit un modèle basé sur la physique (par exemple, un modèle FD 320C ou un modèle SPH 340) soit un modèle d’apprentissage automatique 310C (par exemple, un DNN incorporant des mesures 312C) pour la modélisation d’un transfert de chaleur ou d’autres modifications affectant la dynamique des fluides entre les cellules (par exemple, à l’intérieur des zones d’interface 315C et 345), où des valeurs d’une variable de fonctionnement (par exemple, la température) au niveau d’emplacements à l’intérieur des cellules associées à un modèle peuvent être échangées en tant que conditions limites pour les [0048] [0049] [0050] [0051] [0052] [0053] [0054] cellules proches associées à l’autre modèle par l’intermédiaire d’interfaces entre les cellules à l’intérieur de la grille de simulation.

Dans un ou plusieurs modes de réalisation, un transfert de chaleur à l’intérieur des cellules de la grille de simulation associée au modèle FD dans un modèle hybride, par exemple, l’un quelconque des modèles hybrides 300A, 300B et 300C représentés dans les figures 3A, 3B et 3C, respectivement, peut être modélisé en utilisant un modèle de transfert de chaleur bidimensionnel (2D) en régime permanent, par exemple, comme exprimé par l’équation (3) :

où T est la température, x et y sont des emplacements dans l’espace.

L’équation (3) peut être résolue en utilisant une technique de différences finies avec des conditions limites pour la variable de fonctionnement (température dans cet exemple) réglées sur T = 100 et T = 0. Un exemple des résultats de calcul pouvant être dérivés de la résolution de l’équation (3) avec ces conditions limites est représenté dans la figure 4. Dans la figure 4, une grille 400 de valeurs de température illustre un exemple de solution par différences finies pour le transfert de chaleur 2D de particules de fluide à l’intérieur d’une cellule du modèle hybride (ou d’une partie de celle-ci) qui est associée au modèle FD en fonction des emplacements (x) et (y). Par exemple, la grille 400 peut représenter une partie d’une cellule correspondant à la partie FD d’une interface entre le modèle FD et le modèle ML ou SPH à l’intérieur du modèle hybride.

Pour les cellules du modèle hybride correspondant à des régions fracturées de la formation, une équation de transfert de chaleur unidimensionnelle (1D) peut être résolue pour modéliser ou simuler le transfert de chaleur à l’intérieur des fractures en utilisant un modèle SPH, un modèle ML (par exemple, un DNN), ou une combinaison de ceux-ci (par exemple, comme dans les modèles hybrides 300B et 300C des figures 3B et 3C, respectivement, comme décrit ci-dessus). Par exemple, dans le modèle hybride 300C de la figure 3C, le modèle SPH 340 et le modèle ML 310C peuvent échanger des conditions limites avec le modèle FD 320C au niveau des interfaces 315C et 345 entre ces modèles à l’intérieur du modèle hybride 300C.

La figure 5 est une grille 500 représentant un exemple des résultats de calcul pouvant être dérivés pour un transfert de chaleur à l’intérieur des régions FD et SPH couplées d’un tel modèle hybride. Les régions SPH dans cet exemple peuvent correspondre aux fractures 502 à l’intérieur de la formation en cours de modélisation. En conséquence, le transfert de chaleur à l’intérieur des fractures 502 peut être simulé en utilisant un modèle SPH 1D du modèle hybride, par exemple, basé sur une équation de transfert de chaleur 1D correspondante, comme décrit ci-dessus.

La figure 6 est un graphe 600 qui représente une comparaison entre une solution numérique basée sur un modèle hybride, par exemple, le modèle hybride 300B de la figure 3B, comportant un modèle basé sur la physique (par exemple, le modèle SPH 330) à l’intérieur d’un modèle ML (par exemple, le modèle ML 310B) et une solution analytique (par exemple, basée sur T = 100(1-%)). La solution numérique peut être déterminée sur la base d’une fonction de coût modifiée, dont un exemple sera décrit plus en détail ci-dessous en utilisant l’équation (4). Comme représenté dans la figure 6, les solutions s’adaptent très bien l’une à l’autre, ce qui confirme que le modèle basé sur la physique peut être résolu efficacement à l’intérieur d’un cadre ML.

[0055] La figure 7 représente les résultats de calcul de la modélisation d’un transfert de chaleur dans les régions fracturées d’une formation de réservoir représentée par un modèle hybride. Les régions fracturées dans cet exemple peuvent être un ensemble de fractures 702 correspondant à une interface entre les modèles couplés FD et ML du modèle hybride (par exemple, l’interface 315B du modèle hybride 300B de la figure 3B, comme décrit ci-dessus). Dans un ou plusieurs modes de réalisation, le transfert de chaleur à l’intérieur des fractures 702 peut être simulé en utilisant un modèle ML 1D du modèle hybride. En outre, un modèle basé sur la physique (ou l’équation de transfert de chaleur 1D correspondante) du modèle hybride (par exemple, le modèle SPH 330 du modèle hybride 300B dans la figure 3B) peut être résolu à l’intérieur du modèle DNN ou ML (par exemple, le modèle ML 310B du modèle hybride 300B) en modifiant une fonction de coût, par exemple, comme exprimé par l’équation (4) :

^{100561 cos i=} |iy Γ⁺ I ^τ>· = 0- 1°°|² + I^rr = i-°|²⁺

I T - T ' I ² (⁴)

I ^{J 1} me sure.e I [0057] Les entrées du modèle ML selon l’équation (4) ci-dessus peuvent comporter des valeurs de température calculées ou mesurées (T ou T_mesurée ) en fonction de l’emplacement (y). Dans un ou plusieurs modes de réalisation, la fonction de coût du modèle ML peut être modifiée pour comporter une formation hybride basée sur une ou plusieurs équations SPH. Une telle formulation s’améliore par rapport aux modèles classiques basés sur la physique en tenant compte à la fois de la physique réelle et de diverses hypothèses, fondées par exemple sur une analyse empirique ou statistique.

[0058] Dans un ou plusieurs modes de réalisation, une formulation SPH unidimensionnelle (1D) d’une fonction de coût peut être exprimée en utilisant l’équation (5) :

[0059] SPH = Σ 2*m,/p.û * wp’(T,· - T Λ / r .. (5)

J ? 7 x ' / ' [0060] où z et j représentent différentes particules de fluide, m j est la masse de la particule j, wg est le gradient d’une fonction de pondération (par exemple, sur la base d’une fonction spline cubique), r y est la distance entre les particules i et j, T est la température, et les paramètres ρ , et ρ ₇ sont les densités des particules respectives i et j.

[0061] La figure 8 est un organigramme d’un processus illustratif 800 de simulation d’un écoulement de fluides injectés pour une opération en fond de puits à l’intérieur d’une formation de réservoir basée sur un modèle hybride de simulation comportant des modèles couplés basés sur la physique et d’apprentissage automatique. L’opération en fond de puits peut être, par exemple, un traitement de stimulation à plusieurs étapes, comme décrit ci-dessus. Cependant, il est à noter que les modes de réalisation de la présente invention ne sont pas destinés à y être limités. Alors que le processus 800 sera décrit en référence au système de puits 100 de la figure 1, comme décrit ci-dessus, il convient de noter que le processus 800 n’est pas destiné à se limiter à celui-ci.

[0062] Le processus 800 commence au bloc 802, qui comporte l’obtention de mesures en fond de puits d’une variable de fonctionnement au niveau d’un ou de plusieurs emplacements à l’intérieur de la formation pendant une étape en cours d’une opération en fond de puits (par exemple, un traitement de stimulation à plusieurs étapes, comme décrit ci-dessus) effectuée le long d’un puits de forage (par exemple, le puits de forage 102 de la figure 1 comme décrit ci-dessus) foré à l’intérieur de la formation. Les mesures peuvent être obtenues à partir d’un outil de fond de puits (par exemple, un ou plusieurs capteurs à l’intérieur des outils d’injection 116 de la figure 1, comme décrit ci-dessus) disposé dans le puits de forage.

[0063] Au bloc 804, les mesures obtenues peuvent être appliquées comme entrées à un modèle hybride de la formation. Le modèle hybride peut comporter des modèles basés sur la physique et d’apprentissage automatique couplés ensemble à l’intérieur d’une grille de simulation, comme décrit ci-dessus.

[0064] Le processus 800 passe ensuite au bloc 806, qui comporte la simulation d’un écoulement de fluide à l’intérieur de la formation, sur la base des entrées appliquées au modèle hybride.

[0065] Au bloc 808, une réponse de la variable de fonctionnement est estimée pour une étape suivante de l’opération en fond de puits à effectuer le long du puits de forage, sur la base de la simulation.

[0066] Au bloc 810, les paramètres de régulation de débit sont déterminés pour l’étape suivante de l’opération en fond de puits, sur la base de la réponse estimée.

[0067] L’étape suivante de l’opération en fond de puits est effectuée au bloc 812 selon les paramètres de régulation de débit déterminés.

[0068] Au bloc 814, une réponse réelle de la variable de fonctionnement est surveillée, sur la base de mesures supplémentaires obtenues à partir de l’outil de fond de puits lorsque l’étape suivante de l’opération en fond de puits est effectuée le long du puits de forage.

[0069] Lorsque le bloc 816 détermine qu’une différence entre la réponse réelle et la réponse estimée dépasse un seuil de tolérance d’erreur, le processus 800 passe au bloc 818, qui comporte la mise à jour du modèle hybride sur la base de la différence, puis revient au bloc 806 pour simuler un écoulement de fluide pour une autre étape de l’opération en fond de puits en utilisant le modèle hybride mis à jour. Sinon, le processus 800 retourne directement au bloc 806 pour simuler un écoulement de fluide en utilisant le modèle hybride d’origine.

[0070] La figure 9 est un schéma fonctionnel d’un système informatique illustratif 900 dans lequel des modes de réalisation de la présente invention peuvent être mis en œuvre. Par exemple, le processus 800 de la figure 8 et les fonctions remplies par le sous-système d’injection 111 de la figure 1 et le système 200 (comportant le moniteur de puits 210) de la figure 2, comme décrit ci-dessus, peuvent être mis en œuvre en utilisant le système 900. Le système 900 peut être un ordinateur, un téléphone, un PDA ou tout autre type de dispositif électronique. Un tel dispositif électronique comporte divers types de supports lisibles par ordinateur et des interfaces pour divers autres types de supports lisibles par ordinateur. Comme représenté dans la figure 9, le système 900 comporte un dispositif de stockage permanent 902, une mémoire système 904, une interface de dispositif de sortie 906, un bus de communication système 908, une mémoire morte (ROM) 910, une ou des unités de traitement 912, une interface de dispositif d’entrée 914 et une interface réseau 916.

[0071] Le bus 908 représente collectivement tous les bus de système, de périphérique et de jeu de puces qui connectent en communication les nombreux dispositifs internes du système 900. Par exemple, le bus 908 connecte en communication les unités de traitement 912 avec la ROM 910, la mémoire système 904 et le dispositif de stockage permanent 902.

[0072] A partir de ces différentes unités de mémoire, la ou les unités de traitement 912 récupèrent des instructions à exécuter et les données à traiter afin d’exécuter les processus de l’invention en question. La ou les unités de traitement peuvent être un processeur unique ou un processeur multicœur dans différentes mises en œuvre.

[0073] La ROM 910 stocke les données statiques et les instructions nécessaires à la ou aux unités de traitement 912 et à d’autres modules du système 900. Le dispositif de stockage permanent 902, d’autre part, est un dispositif de mémoire à lecture et écriture. Ce dispositif est une unité de mémoire non volatile qui stocke des instructions et des données même lorsque le système 900 est mis hors tension. Certaines mises en œuvre de l’invention en question utilisent un dispositif de stockage de masse (tel qu’un disque magnétique ou optique et son lecteur de disque correspondant) en tant que dispositif de stockage permanent 902.

[0074] D’autres mises en œuvre utilisent un dispositif de stockage amovible (tel qu’une disquette, un lecteur flash et son lecteur de disque correspondant) en tant que dispositif de stockage permanent 902. Tout comme le dispositif de stockage permanent 902, la mémoire système 904 est un dispositif de mémoire à lecture et écriture. Cependant, contrairement au dispositif de stockage 902, la mémoire système 904 est une mémoire volatile à lecture et écriture, telle qu’une mémoire à accès aléatoire. La mémoire système 904 stocke certaines des instructions et des données dont le processeur a besoin au moment de l’exécution. Dans certaines mises en œuvre, les processus de l’invention en question sont stockés dans la mémoire système 904, le dispositif de stockage permanent 902 et/ou la ROM 910. Par exemple, les diverses unités de mémoire comportent des instructions pour la conception de colonnes de tubes assistée par ordinateur sur la base des conceptions de colonnes existantes selon certaines mises en œuvre. A partir de ces différentes unités de mémoire, la ou les unités de traitement 912 récupèrent des instructions à exécuter et des données à traiter afin d’exécuter les processus de certaines mises en œuvre.

[0075] Le bus 908 se connecte également aux interfaces de dispositif d’entrée et de sortie respectives 914 et 906. L’interface de dispositif d’entrée 914 permet à l’utilisateur de communiquer des informations et de sélectionner des commandes au système 900. Les dispositifs d’entrée utilisés avec l’interface de dispositif d’entrée 914 comportent, par exemple, les claviers alphanumériques, QWERTY ou T9, les microphones et les dispositifs de pointage (également appelés « dispositifs de commande de curseur »). Les interfaces de dispositif de sortie 906 permettent, par exemple, l’affichage d’images générées par le système 900. Les dispositifs de sortie utilisés avec l’interface de dispositif de sortie 906 comportent, par exemple, des imprimantes et des dispositifs d’affichage, tels que des tubes à rayons cathodiques (CRT) ou des écrans à cristaux liquides (LCD). Certaines mises en œuvre comportent des dispositifs tels qu’un écran tactile qui fonctionne à la fois en tant que dispositifs d’entrée et de sortie. Il convient de noter que les modes de réalisation de la présente invention peuvent être mis en œuvre en utilisant un ordinateur comportant n’importe lequel des divers types de dispositifs d’entrée et de sortie pour permettre une interaction avec un utilisateur. Une telle interaction peut comporter un retour d’informations vers ou depuis l’utilisateur sous différentes formes de retour d’informations sensorielles y compris, sans toutefois s’y limiter, un retour visuel, un retour auditif ou un retour tactile. En outre, une entrée de l’utilisateur peut être reçue sous n’importe quelle forme y compris, sans toutefois s’y limiter, une entrée acoustique, vocale ou tactile. De plus, l’interaction avec l’utilisateur peut comporter la transmission et la réception de différents types d’informations, par exemple, sous la forme de documents, vers et depuis l’utilisateur par l’intermédiaire des interfaces décrites ci-dessus.

[0076] De plus, comme représenté dans la figure 9, le bus 908 couple également le système 900 à un réseau public ou privé (non représenté) ou à une combinaison de réseaux par l’intermédiaire d’une interface réseau 916. Un tel réseau peut comporter, par exemple, un réseau local (« LAN »), tel qu’un intranet, ou un réseau étendu (« WAN »), tel qu’Intemet. Tout ou partie des composants du système 900 peuvent être utilisés conjointement avec l’invention en question.

[0077] Les fonctions décrites ci-dessus peuvent être mises en œuvre dans des circuits électroniques numériques, dans des logiciels, des micrologiciels ou des matériels informatiques. Les techniques peuvent être mises en œuvre en utilisant un ou plusieurs produits de programmes informatiques. Les processeurs et les ordinateurs programmables peuvent être inclus ou intégrés en tant que dispositifs mobiles. Les processus et les flux logiques peuvent être mis en œuvre par un ou plusieurs processeurs programmables et par un ou plusieurs circuits logiques programmables. Les dispositifs informatiques et les dispositifs de stockage à usage général et spécial peuvent être interconnectés par l’intermédiaire de réseaux de communication.

[0078] Certaines mises en œuvre comportent des composants électroniques, tels que des microprocesseurs, des dispositifs de stockage et des mémoires stockant des instructions de programme informatique sur un support lisible par machine ou lisible par ordinateur (désigné également sous le nom de supports de stockage lisibles par ordinateur, supports lisibles par machine ou supports de stockage lisibles par machine). Des exemples de tels supports lisibles par ordinateur comportent la RAM, la ROM, les disques compacts en lecture seule (CD-ROM), les disques compacts enregistrables (CD-R), les disques compacts réinscriptibles (CD-RW), les disques polyvalents numériques en lecture seule (par exemple, DVD-ROM, DVD-ROM double couche), une variété de DVD enregistrables/réinscriptibles (par exemple, DVD-RAM, DVD-RW, DVD+RW, etc.), la mémoire flash (par exemple, cartes SD, cartes mini-SD, cartes micro-SD, etc.), les disques durs magnétiques et/ou électroniques, les disques BluRay® en lecture seule et enregistrables, les disques optiques à ultra-densité, tout autre support optique ou magnétique et les disquettes. Les supports lisibles par ordinateur peuvent stocker un programme informatique qui peut être exécuté par au moins une unité de traitement et comporte des ensembles d’instructions pour effectuer diverses opérations. Des exemples de programmes informatiques ou de code informatique comportent le code machine, tel qu’il est produit par un compilateur, et les fichiers comportant du code de niveau supérieur exécutés par un ordinateur, un composant électronique ou un microprocesseur en utilisant un interpréteur.

[0079] Bien que la description ci-dessus concerne principalement les processeurs à microprocesseur ou multicœur exécutant un logiciel, certaines mises en œuvre sont réalisées par un ou plusieurs circuits intégrés, tels que des circuits intégrés spécifiques à une application (ASIC) ou des réseaux de portes programmables par l’utilisateur (LPGA). Dans certaines mises en œuvre, de tels circuits intégrés exécutent des instructions stockées sur le circuit lui-même. En conséquence, le processus 800 de la figure 8 et les fonctions ou opérations effectuées par le sous-système d’injection 111 de la figure 1 et le système 200 de la figure 2, comme décrit ci-dessus, peuvent être mis en œuvre en utilisant le système 900 ou tout système informatique comportant des circuits de traitement ou un produit de programme informatique comportant des instructions stockées à l’intérieur, qui, lorsqu’elles sont exécutées par au moins un processeur, amènent le processeur à effectuer des fonctions relatives à ces procédés.

[0080] Tels qu’ils sont utilisés dans la présente description et dans toutes les revendications de la présente demande, les termes « ordinateur », « serveur », « processeur » et « mémoire » désignent tous des dispositifs électroniques ou d’autres dispositifs technologiques. Ces termes excluent des personnes ou des groupes de personnes. Tels qu’utilisés ici, les termes « support lisible par ordinateur » et « supports lisibles par ordinateur » désignent généralement des supports de stockage électroniques tangibles, physiques et non transitoires qui stockent des informations sous une forme lisible par un ordinateur.

[0081] Des modes de réalisation de l’objet décrit dans la présente description peuvent être mis en œuvre dans un système informatique comportant un composant secondaire, par exemple, un serveur de données, ou comportant un composant intergiciel, par exemple, un serveur d’applications, ou comportant un composant frontal, par exemple, un ordinateur client doté d’une interface utilisateur graphique ou d’un navigateur Web par l’intermédiaire duquel un utilisateur peut interagir avec une mise en œuvre de l’objet décrit dans la présente description, ou toute combinaison d’un ou de plusieurs de ces composants secondaires, intergiciels ou frontaux. Les composants du système peuvent être interconnectés par n’importe quel type ou support de communication de données numériques, par exemple, un réseau de communication. Des exemples de réseaux de communication comportent un réseau local (« LAN ») et un réseau étendu (« WAN »), un inter-réseau (par exemple, Internet) et des réseaux poste à poste (par exemple, des réseaux poste à poste homologues).

[0082] Le système informatique peut comporter des clients et des serveurs. Un client et un serveur sont généralement distants l’un de l’autre et interagissent généralement par l’intermédiaire d’un réseau de communication. La relation client-serveur découle des programmes informatiques exécutés sur les ordinateurs respectifs et qui entretiennent une relation client-serveur. Dans certains modes de réalisation, un serveur transmet des données (par exemple, une page Web) à un dispositif client (par exemple, dans le but d’afficher des données à et de recevoir une entrée d’utilisateur d’un utilisateur interagissant avec le dispositif client). Les données générées au niveau du dispositif client (par exemple, résultant de l’interaction de l’utilisateur) peuvent être reçues depuis le dispositif client au niveau du serveur.

[0083] Il est entendu que tout ordre ou hiérarchie spécifiques d’étapes dans les processus décrits est une illustration d’approches données à titre d’exemple. Sur la base des pré férences de conception, il est entendu que l’ordre ou la hiérarchie spécifiques des étapes dans les processus peut être réorganisé ou que toutes les étapes illustrées doivent être effectuées. Certaines des étapes peuvent être effectuées simultanément. Par exemple, dans certaines circonstances, le traitement multitâche et en parallèle peut être avantageux. De plus, la séparation de divers composants du système dans les modes de réalisation décrits ci-dessus ne doit pas être comprise comme nécessitant une telle séparation dans tous les modes de réalisation, et il convient de comprendre que les composants de programme et les systèmes décrits peuvent généralement être intégrés ensemble dans un seul produit logiciel ou intégrés dans plusieurs produits logiciels.

[0084] En outre, les exemples de méthodologies décrits ici peuvent être mis en œuvre par un système comportant un circuit de traitement ou un produit de programme informatique comportant des instructions qui, lorsqu’elles sont exécutées par au moins un processeur, amènent le processeur à mettre en œuvre l’une quelconque des méthodologies décrites ici.

[0085] Des modes de réalisation de la présente invention sont particulièrement utiles pour simuler un écoulement de fluide pendant des opérations en fond de puits en utilisant des modèles hybrides de formation comportant des modèles couplés basés sur la physique et d’apprentissage automatique. Comme décrit ci-dessus, un procédé mis en œuvre par ordinateur pour simuler un écoulement de fluide pendant des opérations en fond de puits peut comporter : l’obtention, par un système informatique à partir d’un outil de fond de puits disposé dans un puits de forage à l’intérieur d’une formation, de mesures d’une variable de fonctionnement au niveau d’un ou de plusieurs emplacements à l’intérieur de la formation pendant une étape en cours d’une opération en fond de puits effectuée le long du puits de forage ; l’application des mesures obtenues comme entrées à un modèle hybride de la formation, le modèle hybride comportant des modèles basés sur la physique et d’apprentissage automatique couplés ensemble à l’intérieur d’une grille de simulation ; la simulation d’un écoulement de fluide à l’intérieur de la formation, sur la base des entrées appliquées au modèle hybride ; l’estimation d’une réponse de la variable de fonctionnement pour une étape suivante de l’opération en fond de puits à effectuer le long du puits de forage, sur la base de la simulation ; la détermination des paramètres de régulation de débit pour l’étape suivante de l’opération en fond de puits à effectuer, sur la base de la réponse estimée ; et la mise en œuvre de l’étape suivante de l’opération en fond de puits selon les paramètres de régulation de débit déterminés.

[0086] En outre, un support de stockage lisible par ordinateur avec des instructions stockées dans celui-ci a été décrit, dans lequel les instructions, lorsqu’elles sont exécutées par un ordinateur, amènent l’ordinateur à effectuer une pluralité de fonctions, y compris des fonctions pour : obtenir, à partir d’un outil de fond de puits disposé dans un puits de forage à l’intérieur d’une formation, des mesures d’une variable de fonctionnement au niveau d’un ou de plusieurs emplacements à l’intérieur de la formation pendant une étape en cours d’une opération en fond de puits effectuée le long du puits de forage ; appliquer les mesures obtenues comme entrées à un modèle hybride de la formation, le modèle hybride comportant des modèles basés sur la physique et d’apprentissage automatique couplés ensemble à l’intérieur d’une grille de simulation ; simuler un écoulement de fluide à l’intérieur de la formation, sur la base des entrées appliquées au modèle hybride ; estimer une réponse de la variable de fonctionnement pour une étape suivante de l’opération en fond de puits à effectuer le long du puits de forage, sur la base de la simulation ; déterminer des paramètres de régulation de débit pour l’étape suivante de l’opération en fond de puits à effectuer, sur la base de la réponse estimée ; et mettre en œuvre l’étape suivante de l’opération en fond de puits selon les paramètres de régulation de débit déterminés.

[0087] Dans un ou plusieurs modes de réalisation du procédé susmentionné ou du support de stockage lisible par ordinateur, l’opération en fond de puits peut être un traitement de stimulation et l’application des mesures obtenues peut comprendre : le fait de déterminer si les un ou plusieurs emplacements au niveau desquels les mesures ont été obtenues correspondent à une fracture à l’intérieur de la formation ; lorsqu’il est déterminé que les un ou plusieurs emplacements correspondent à une fracture à l’intérieur de la formation, la désignation d’une ou de plusieurs de la pluralité de cellules correspondant aux un ou plusieurs emplacements à l’intérieur de la grille de simulation en tant que région fracturée du modèle hybride et l’attribution d’au moins l’un parmi un modèle basé sur la physique ou un modèle d’apprentissage automatique à la région fracturée à l’intérieur de la grille de simulation ; et lorsqu’il est déterminé que les un ou plusieurs emplacements ne correspondent pas à une fracture à l’intérieur de la formation, la désignation d’une ou de plusieurs de la pluralité de cellules correspondant aux un ou plusieurs emplacements à l’intérieur de la grille de simulation en tant que région non fracturée du modèle hybride. En outre, pour les modes de réalisation susmentionnés, le modèle basé sur la physique peut être au moins l’un parmi un modèle à différences finies (FD) ou un modèle hydrodynamique à particules lissées (SPH), le modèle d’apprentissage automatique peut être un réseau neuronal, le réseau neuronal peut être au moins l’un parmi un réseau neuronal profond récurrent (DNN) ou un réseau neuronal profond à mémoire à court et long terme (LSTM).

[0088] En outre, de tels modes de réalisation peuvent comporter n’importe lequel des fonctions, opérations ou éléments suivants, seuls ou en combinaison les uns avec les autres : la surveillance d’une réponse réelle de la variable de fonctionnement, sur la base de mesures supplémentaires obtenues à partir de l’outil de fond de puits lorsque l’étape suivante de l’opération en fond de puits est effectuée le long du puits de forage, et lors de la détermination qu’une différence entre la réponse réelle et la réponse estimée dépasse un seuil de tolérance d’erreur, la mise à jour du modèle hybride sur la base de la différence ; l’application des mesures obtenues au modèle hybride par la formation du réseau neuronal afin d’estimer la réponse des une ou plusieurs variables de fonctionnement à l’injection de fluide, sur la base d’une partie des mesures obtenues pendant l’étape en cours du traitement de stimulation et d’une fonction de coût associée à chacune des une ou plusieurs variables de fonctionnement, la détermination d’une réponse réelle des une ou plusieurs variables de fonctionnement, sur la base de mesures supplémentaires obtenues pendant l’étape suivante du traitement de stimulation le long du puits de forage, le fait de déterminer si une différence entre la réponse réelle et la réponse estimée dépasse un seuil de tolérance d’erreur, et la reformation du réseau neuronal en utilisant les mesures supplémentaires lorsqu’il est déterminé que la différence dépasse le seuil de tolérance d’erreur ; la reformation du réseau neuronal en appliquant une optimisation bayésienne pour reformer le réseau neuronal sur une pluralité d’itérations jusqu’à ce qu’un critère de convergence prédéterminé soit satisfait ; et la détermination de conditions limites pour une interface entre les régions fracturées et non fracturées du modèle hybride, dans lequel l’écoulement de fluide est simulé pour l’étape suivante de l’opération en fond de puits, sur la base des conditions limites déterminées.

[0089] En outre, un système a été décrit, qui comporte un processeur et une mémoire couplée au processeur avec des instructions stockées dans celle-ci, qui, lorsqu’elles sont exécutées par le processeur, amènent le processeur à effectuer une pluralité de fonctions, y compris des fonctions pour : obtenir, à partir d’un outil de fond de puits disposé dans un puits de forage à l’intérieur d’une formation, des mesures d’une variable de fonctionnement au niveau d’un ou de plusieurs emplacements à l’intérieur de la formation pendant une étape en cours d’une opération en fond de puits effectuée le long du puits de forage ; appliquer les mesures obtenues comme entrées à un modèle hybride de la formation, le modèle hybride comportant des modèles basés sur la physique et d’apprentissage automatique couplés ensemble à l’intérieur d’une grille de simulation ; simuler un écoulement de fluide à l’intérieur de la formation, sur la base des entrées appliquées au modèle hybride ; estimer une réponse de la variable de fonctionnement pour une étape suivante de l’opération en fond de puits à effectuer le long du puits de forage, sur la base de la simulation ; déterminer des paramètres de régulation de débit pour l’étape suivante de l’opération en fond de puits à effectuer, sur la base de la réponse estimée ; et mettre en œuvre l’étape suivante de l’opération en fond de puits selon les paramètres de régulation de débit déterminés.

[0090] Dans un ou plusieurs modes de réalisation du système susmentionné, l’opération en fond de puits peut être un traitement de stimulation et l’application des mesures obtenues peut comprendre : le fait de déterminer si les un ou plusieurs emplacements au niveau desquels les mesures ont été obtenues correspondent à une fracture à l’intérieur de la formation ; lorsqu’il est déterminé que les un ou plusieurs emplacements correspondent à une fracture à l’intérieur de la formation, la désignation d’une ou de plusieurs de la pluralité de cellules correspondant aux un ou plusieurs emplacements à l’intérieur de la grille de simulation en tant que région fracturée du modèle hybride et l’attribution d’au moins l’un parmi un modèle basé sur la physique ou un modèle d’apprentissage automatique à la région fracturée à l’intérieur de la grille de simulation ; et lorsqu’il est déterminé que les un ou plusieurs emplacements ne correspondent pas à une fracture à l’intérieur de la formation, la désignation d’une ou de plusieurs de la pluralité de cellules correspondant aux un ou plusieurs emplacements à l’intérieur de la grille de simulation en tant que région non fracturée du modèle hybride. En outre, pour les modes de réalisation susmentionnés, le modèle basé sur la physique peut être au moins l’un parmi un modèle à différences finies (FD) ou un modèle hydrodynamique à particules lissées (SPH), le modèle d’apprentissage automatique peut être un réseau neuronal, le réseau neuronal peut être au moins l’un parmi un réseau neuronal profond récurrent (DNN) ou un réseau neuronal profond à mémoire à court et long terme (LSTM).

[0091] En outre, de tels modes de réalisation du système peuvent comporter n’importe lequel des fonctions, opérations ou éléments suivants, seuls ou en combinaison les uns avec les autres : la surveillance d’une réponse réelle de la variable de fonctionnement, sur la base de mesures supplémentaires obtenues à partir de l’outil de fond de puits lorsque l’étape suivante de l’opération en fond de puits est effectuée le long du puits de forage, et lors de la détermination qu’une différence entre la réponse réelle et la réponse estimée dépasse un seuil de tolérance d’erreur, la mise à jour du modèle hybride sur la base de la différence ; l’application des mesures obtenues au modèle hybride par la formation du réseau neuronal afin d’estimer la réponse des une ou plusieurs variables de fonctionnement à l’injection de fluide, sur la base d’une partie des mesures obtenues pendant l’étape en cours du traitement de stimulation et d’une fonction de coût associée à chacune des une ou plusieurs variables de fonctionnement, la détermination d’une réponse réelle des une ou plusieurs variables de fonctionnement, sur la base de mesures supplémentaires obtenues pendant l’étape suivante du traitement de stimulation le long du puits de forage, le fait de déterminer si une différence entre la réponse réelle et la réponse estimée dépasse un seuil de tolérance d’erreur, et la reformation du réseau neuronal en utilisant les mesures supplémentaires lorsqu’il est déterminé que la différence dépasse le seuil de tolérance d’erreur ; la reformation du réseau neuronal en appliquant une optimisation bayésienne pour reformer le réseau neuronal sur une pluralité d’itérations jusqu’à ce qu’un critère de convergence prédéterminé soit satisfait ; et la détermination de conditions limites pour une interface entre les régions fracturées et non fracturées du modèle hybride, dans lequel l’écoulement de fluide est simulé pour l’étape suivante de l’opération en fond de puits, sur la base des conditions limites déterminées.

[0092] Bien que des détails spécifiques concernant les modes de réalisation ci-dessus aient été décrits, les descriptions de matériels et de logiciels ci-dessus ne sont conçues que comme exemples de modes de réalisation et ne sont pas destinées à limiter la structure ou la mise en œuvre des modes de réalisation décrits. Par exemple, bien que de nombreux autres composants internes du système 900 ne soient pas représentés, les hommes du métier comprendront que de tels composants et leur interconnexion sont bien connus.

[0093] De plus, certains aspects des modes de réalisation décrits, comme décrit ci-dessus, peuvent être intégrés dans un logiciel exécuté en utilisant un(e) ou plusieurs unités/ composants de traitement. Les aspects relatifs au programme de la technologie peuvent être considérés comme des « produits » ou des « articles de fabrication », généralement sous la forme de code exécutable et/ou de données associées exécutés ou incorporés dans un type de support lisible par machine. Les supports de type « stockage » tangibles non transitoires comportent tout ou partie de la mémoire ou d’un autre dispositif de stockage pour les ordinateurs, processeurs ou similaires, ou leurs modules associés, tels que diverses mémoires à semi-conducteur, lecteurs de bande, lecteurs de disque, disques optiques ou magnétiques, et similaires, qui peuvent fournir un stockage à tout moment pour la programmation logicielle.

[0094] De plus, l’organigramme et les schémas fonctionnels dans les figures illustrent l’architecture, la fonctionnalité et le fonctionnement de mises en œuvre possibles de systèmes, procédés et produits de programme informatique selon divers modes de réalisation de la présente invention. Il convient également de noter que, dans certaines mises en œuvre alternatives, les fonctions notées dans le bloc peuvent ne pas avoir lieu dans l’ordre indiqué dans les figures. Par exemple, deux blocs représentés à la suite peuvent en fait être exécutés sensiblement en même temps, ou les blocs peuvent parfois être exécutés dans l’ordre inverse, en fonction de la fonctionnalité concernée. On notera également que chaque bloc des schémas fonctionnels et/ou de l’illustration sous forme d’organigramme, ainsi que des combinaisons de blocs dans les schémas fonctionnels et/ou de l’illustration sous forme d’organigramme, peuvent être mis en œuvre par des systèmes matériels spécialisés qui exécutent les fonctions ou les actes spécifiés ou des combinaisons d’instructions de matériel et d’ordinateur spécialisées.

[0095] Les exemples de modes de réalisation spécifiques ci-dessus ne sont pas destinés à limiter la portée des revendications. Les exemples de modes de réalisation peuvent être modifiés en incluant, en excluant ou en combinant une ou plusieurs caractéristiques ou fonctions décrites dans l’invention.

[0096] Telles qu’utilisées ici, les formes singulières « un », « une » et « le » ou « la » sont destinées à comporter également les formes plurielles, à moins que le contexte n’indique clairement le contraire. On comprendra en outre que les termes « comprennent » et/ou « comprenant », lorsqu’ils sont utilisés dans cette description et/ ou les revendications, spécifient la présence de fonctionnalités, de nombres entiers, d’étapes, d’opérations, d’éléments et/ou de composants présentés, mais n’excluent pas la présence ou l’ajout d’un ou de plusieurs autres fonctionnalités, nombres entiers, étapes, opérations, éléments, composants et/ou groupes de ceux-ci. Les structures, matériaux, actes et équivalents correspondants de tous les moyens ou éléments d’étape plus fonction dans les revendications ci-dessous sont destinés à englober toute structure, tout matériau ou tout acte permettant d’effectuer la fonction en combinaison avec d’autres éléments revendiqués tels que revendiqués de manière spécifique. La description de la présente invention a été présentée à des fins d’illustration et d’explication, mais n’est pas destinée à être exhaustive ou limitée aux modes de réalisation sous la forme décrite. De nombreuses modifications et variations seront évidentes pour les hommes du métier sans s’écarter du champ d’application et de l’esprit de l’invention. Les modes de réalisation illustratifs décrits ici sont fournis pour expliquer les principes de l’invention et son application pratique, et pour permettre à d’autres hommes du métier de comprendre le fait que les modes de réalisation décrits peuvent être modifiés comme souhaité pour une mise en œuvre ou une utilisation particulière. La portée des revendications est destinée à couvrir de manière large les modes de réalisation décrits et toute modification de ce type.

Claims

Revendications [Revendication 1] Procédé mis en œuvre par ordinateur pour simuler un écoulement de fluide pendant des opérations en fond de puits, le procédé comprenant : l’obtention, par un système informatique à partir d’un outil de fond de puits disposé dans un puits de forage à l’intérieur d’une formation, de mesures d’une variable de fonctionnement au niveau d’un ou de plusieurs emplacements à l’intérieur de la formation pendant une étape en cours d’une opération en fond de puits effectuée le long du puits de forage ; l’application des mesures obtenues comme entrées à un modèle hybride de la formation, le modèle hybride comportant des modèles basés sur la physique et d’apprentissage automatique couplés ensemble à l’intérieur d’une grille de simulation ; la simulation d’un écoulement de fluide à l’intérieur de la formation, sur la base des entrées appliquées au modèle hybride ; l’estimation d’une réponse de la variable de fonctionnement pour une étape suivante de l’opération en fond de puits à effectuer le long du puits de forage, sur la base de la simulation ; la détermination de paramètres de régulation de débit pour l’étape suivante de l’opération en fond de puits à effectuer, sur la base de la réponse estimée ; et la mise en œuvre de l’étape suivante de l’opération en fond de puits selon les paramètres de régulation de débit déterminés. [Revendication 2] Procédé selon la revendication 1, comprenant en outre : la surveillance d’une réponse réelle de la variable de fonctionnement, sur la base de mesures supplémentaires obtenues à partir de l’outil de fond de puits lorsque l’étape suivante de l’opération en fond de puits est effectuée le long du puits de forage ; et lors de la détermination qu’une différence entre la réponse réelle et la réponse estimée dépasse un seuil de tolérance d’erreur, la mise à jour du modèle hybride sur la base de la différence. [Revendication 3] Procédé selon la revendication 1 ou 2, dans lequel l’opération en fond de puits est un traitement de stimulation, et l’application des mesures obtenues comprend : le fait de déterminer si les un ou plusieurs emplacements au niveau desquels les mesures ont été obtenues correspondent à une fracture à l’intérieur de la formation ;

[Revendication 4] [Revendication 5] [Revendication 6] [Revendication 7] lorsqu’il est déterminé que les un ou plusieurs emplacements correspondent à une fracture à l’intérieur de la formation : la désignation d’une ou de plusieurs d’une pluralité de cellules correspondant aux un ou plusieurs emplacements à l’intérieur de la grille de simulation en tant que région fracturée du modèle hybride ; et l’attribution d’au moins l’un parmi un modèle basé sur la physique ou un modèle d’apprentissage automatique à la région fracturée à l’intérieur de la grille de simulation ; et lorsqu’il est déterminé que les un ou plusieurs emplacements ne correspondent pas à une fracture à l’intérieur de la formation, la désignation d’une ou de plusieurs de la pluralité de cellules correspondant aux un ou plusieurs emplacements à l’intérieur de la grille de simulation en tant que région non fracturée du modèle hybride.

Procédé selon la revendication 3, dans lequel le modèle basé sur la physique est au moins l’un parmi un modèle à différences finies (FD) ou un modèle hydrodynamique à particules lissées (SPH), et éventuellement, dans lequel le modèle d’apprentissage automatique est un réseau neuronal.

Procédé selon la revendication 4, dans lequel le réseau neuronal est au moins l’un parmi un réseau neuronal profond récurrent (DNN) ou un réseau neuronal profond à mémoire à court et long terme (LSTM). Procédé selon la revendication 4, dans lequel l’application des mesures obtenues au modèle hybride comprend : la formation du réseau neuronal pour estimer la réponse des une ou plusieurs variables de fonctionnement à l’injection de fluide, sur la base d’une partie des mesures obtenues pendant l’étape en cours du traitement de stimulation et d’une fonction de coût associée à chacune des une ou plusieurs variables de fonctionnement ;

la détermination d’une réponse réelle des une ou plusieurs variables de fonctionnement, sur la base de mesures supplémentaires obtenues pendant l’étape suivante du traitement de stimulation le long du puits de forage ;

le fait de déterminer si une différence entre la réponse réelle et la réponse estimée dépasse un seuil de tolérance d’erreur ; et lorsqu’il est déterminé que la différence dépasse le seuil de tolérance d’erreur, la reformation du réseau neuronal en utilisant les mesures supplémentaires.

Procédé selon la revendication 6, dans lequel la reformation comprend [Revendication 8] [Revendication 9] l’application d’une optimisation bayésienne pour reformer le réseau neuronal sur une pluralité d’itérations jusqu’à ce qu’un critère de convergence prédéterminé soit satisfait, et éventuellement, le procédé comprend en outre :

la détermination de conditions limites pour une interface entre les régions fracturées et non fracturées du modèle hybride, dans lequel l’écoulement de fluide est simulé pour l’étape suivante de l’opération en fond de puits, sur la base des conditions limites déterminées.

Système comprenant :

un processeur ; et une mémoire couplée au processeur, la mémoire comportant des instructions stockées dans celle-ci, qui, lorsqu’elles sont exécutées par le processeur, amènent le processeur à effectuer une pluralité de fonctions, comportant des fonctions pour :

obtenir, à partir d’un outil de fond de puits disposé dans un puits de forage à l’intérieur d’une formation, des mesures d’une variable de fonctionnement au niveau d’un ou de plusieurs emplacements à l’intérieur de la formation pendant une étape en cours d’une opération en fond de puits effectuée le long du puits de forage ;

appliquer les mesures obtenues comme entrées à un modèle hybride de la formation, le modèle hybride comportant des modèles basés sur la physique et d’apprentissage automatique couplés ensemble à l’intérieur d’une grille de simulation ;

simuler un écoulement de fluide à l’intérieur de la formation, sur la base des entrées appliquées au modèle hybride ;

estimer une réponse de la variable de fonctionnement pour une étape suivante de l’opération en fond de puits à effectuer le long du puits de forage, sur la base de la simulation ;

déterminer des paramètres de régulation de débit pour l’étape suivante de l’opération en fond de puits à effectuer, sur la base de la réponse estimée ; et mettre en œuvre l’étape suivante de l’opération en fond de puits selon les paramètres de régulation de débit déterminés.

Système selon la revendication 8, dans lequel les fonctions effectuées par le processeur comportent en outre des fonctions pour : surveiller une réponse réelle de la variable de fonctionnement, sur la base de mesures supplémentaires obtenues à partir de l’outil de fond de puits lorsque l’étape suivante de l’opération en fond de puits est [Revendication 10] [Revendication 11] [Revendication 12] [Revendication 13] effectuée le long du puits de forage ; et déterminer si une différence entre la réponse réelle et la réponse estimée dépasse un seuil de tolérance d’erreur ; et lorsqu’il est déterminé qu’une différence entre la réponse réelle et la réponse estimée dépasse le seuil de tolérance d’erreur, mettre à jour le modèle hybride sur la base de la différence.

Système selon la revendication 8 ou 9, dans lequel l’opération en fond de puits est un traitement de stimulation, et les fonctions effectuées par le processeur comportent en outre des fonctions pour : déterminer si les un ou plusieurs emplacements au niveau desquels les mesures ont été obtenues correspondent à une fracture à l’intérieur de la formation ;

lorsqu’il est déterminé que les un ou plusieurs emplacements correspondent à une fracture à l’intérieur de la formation : désigner une ou plusieurs de la pluralité de cellules correspondant aux un ou plusieurs emplacements à l’intérieur de la grille de simulation en tant que région fracturée du modèle hybride ; et attribuer au moins l’un parmi un modèle basé sur la physique ou un modèle d’apprentissage automatique à la région fracturée à l’intérieur de la grille de simulation ; et lorsqu’il est déterminé que les un ou plusieurs emplacements ne correspondent pas à une fracture à l’intérieur de la formation, désigner une ou plusieurs de la pluralité de cellules correspondant aux un ou plusieurs emplacements à l’intérieur de la grille de simulation en tant que région non fracturée du modèle hybride.

Système selon la revendication 10, dans lequel le modèle basé sur la physique est au moins l’un parmi un modèle à différences finies (FD) ou un modèle hydrodynamique à particules lissées (SPH), et éventuellement, dans lequel le modèle d’apprentissage automatique est un réseau neuronal.

Système selon la revendication 11, dans lequel le réseau neuronal est au moins l’un parmi un réseau neuronal profond récurrent (DNN) ou un réseau neuronal profond à mémoire à court et long terme (LSTM). Système selon la revendication 11, dans lequel les fonctions effectuées par le processeur comportent en outre des fonctions pour : former le réseau neuronal pour estimer la réponse des une ou plusieurs variables de fonctionnement à l’injection de fluide, sur la base d’une partie des mesures obtenues pendant l’étape en cours du traitement de stimulation et d’une fonction de coût associée à chacune des une ou plusieurs variables de fonctionnement ;

déterminer une réponse réelle des une ou plusieurs variables de fonctionnement, sur la base de mesures supplémentaires obtenues pendant l’étape suivante du traitement de stimulation le long du puits de forage ; déterminer si une différence entre la réponse réelle et la réponse estimée dépasse un seuil de tolérance d’erreur ; et lorsqu’il est déterminé que la différence dépasse le seuil de tolérance d’erreur, reformer le réseau neuronal en utilisant les mesures supplémentaires.

[Revendication 14] Système selon la revendication 13, dans lequel les fonctions effectuées par le processeur comportent en outre des fonctions pour : appliquer une optimisation bayésienne pour reformer le réseau neuronal sur une pluralité d’itérations jusqu’à ce qu’un critère de convergence prédéterminé soit satisfait ; et éventuellement, déterminer des conditions limites pour une interface entre les régions fracturées et non fracturées du modèle hybride, dans lequel l’écoulement de fluide est simulé pour l’étape suivante de l’opération en fond de puits, sur la base des conditions limites déterminées.

[Revendication 15] Support de stockage lisible par ordinateur sur lequel sont stockées des instructions, qui, lorsqu’elles sont exécutées par un ordinateur, amènent l’ordinateur à effectuer une pluralité de fonctions, comportant des fonctions pour : obtenir, à partir d’un outil de fond de puits disposé dans un puits de forage à l’intérieur d’une formation, des mesures d’une variable de fonctionnement au niveau d’un ou de plusieurs emplacements à l’intérieur de la formation pendant une étape en cours d’une opération en fond de puits effectuée le long du puits de forage ;

appliquer les mesures obtenues comme entrées à un modèle hybride de la formation, le modèle hybride comportant des modèles basés sur la physique et d’apprentissage automatique couplés ensemble à l’intérieur d’une grille de simulation ;

simuler un écoulement de fluide à l’intérieur de la formation, sur la base des entrées appliquées au modèle hybride ;

estimer une réponse de la variable de fonctionnement pour une étape suivante de l’opération en fond de puits à effectuer le long du puits de forage, sur la base de la simulation ;

déterminer des paramètres de régulation de débit pour l’étape suivante de l’opération en fond de puits à effectuer, sur la base de la réponse estimée ; et mettre en œuvre l’étape suivante de l’opération en fond de puits selon les paramètres de régulation de débit déterminés.