JP2021515125A - 新たな炭化水素産地の位置特定と炭化水素移動からの貯留層性能の予測 - Google Patents

新たな炭化水素産地の位置特定と炭化水素移動からの貯留層性能の予測 Download PDF

Info

Publication number
JP2021515125A
JP2021515125A JP2020544931A JP2020544931A JP2021515125A JP 2021515125 A JP2021515125 A JP 2021515125A JP 2020544931 A JP2020544931 A JP 2020544931A JP 2020544931 A JP2020544931 A JP 2020544931A JP 2021515125 A JP2021515125 A JP 2021515125A
Authority
JP
Japan
Prior art keywords
reservoir
data processing
processing system
fluid
simulation section
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
JP2020544931A
Other languages
English (en)
Inventor
ドグル，アリ，ハイダール
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Saudi Arabian Oil Co
Original Assignee
Saudi Arabian Oil Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Saudi Arabian Oil Co filed Critical Saudi Arabian Oil Co
Publication of JP2021515125A publication Critical patent/JP2021515125A/ja
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V20/00—Geomodelling in general
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00—Survey of boreholes or wells
    • E21B47/10—Locating fluid leaks, intrusions or movements
    • E21B47/107—Locating fluid leaks, intrusions or movements using acoustic means
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
    • E21B49/003—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells by analysing drilling variables or conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/66—Subsurface modeling
    • G01V2210/661—Model from sedimentation process modeling, e.g. from first principles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Mining & Mineral Resources (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Fluid Mechanics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Acoustics & Sound (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

堆積盆シミュレーションセクションにより石油およびガスの移動を決定し、現在の貯留層生産測定値から将来の貯留層性能を予測する、データ処理システムを提供する。データ処理システムは、そのような属性が測定できない井戸位置間の貯留層位置における、より正確な貯留岩および流体特性分布を提供する。データ処理システムは、堆積盆シミュレーションセクションによる移動から捕捉された物理的現実に基づいて動作する。データ処理システムは、井戸で得られた測定値を用い、統計的手法を用いて井戸間の領域について内挿法を行う、従来の方法とは異なる。データ処理システムからの結果は、井戸間の貯留層の不連続部により多くの光を当て、貯留層内の硫化水素、タールゾーン（重質油）のより良好な分布をもたらす。また、データ処理システムを用いて得られた貯留層モデルにおける貯留層内のより正確な初期流体および岩石特性分布は、貯留層シミュレーションセクションによる炭化水素貯留層の生産予測精度を改善する。

Description

本発明は、地下地質構造における高温高圧によって引き起こされる熱履歴と化学反応の熱シミュレーションに基づいて、新たな油田・ガス田の位置特定と、炭化水素移動からの貯留層性能の予測に関する。
貯留層シミュレータは、貯留層モデルのコンピュータ実行を行って、地下貯留層内の流体の流れと、貯留層からの生産が開始された後の井戸からの流体の流れとの両方を検査する。貯留層シミュレータは、流体の経時的挙動を理解するために必要とされる石油物理学的特徴を含む貯留層モデル上に構築される。通常、シミュレータは、「履歴照合」と呼ばれる処理で履歴圧力と生産データを使用して較正される。シミュレータが正常に較正されると、新しい井戸の掘削、さまざまな流体の注入、または活性化などの一連の可能性のある筋書きの下、将来の貯留層生産を予測するために使用される。
堆積盆シミュレータは、過去数百万年にわたる地質学的タイムスケールにわたって、堆積盆地における地質学的処理の定量的モデルのコンピュータ実行を行う。堆積盆シミュレータは、炭化水素発生からの堆積物圧縮および堆積物温度に関連して、熱および流体モデルを形成した。また、堆積盆シミュレータは、地質学的堆積盆の進化中の過去の地質学的タイムスケールにわたる炭化水素の地下移動と蓄積中の流体流のモデルを形成した。
実際には、堆積盆シミュレータは新たな油田・ガス田の発見に使用されてきた。堆積盆シミュレータは、過去の地質学的履歴を再構築し、過去の地質学的タイムスケール中の地質学的堆積盆の進化に伴う炭化水素の発生、移動、捕捉をシミュレートすることにより、新しい石油・ガス貯留層の位置を特定する。
貯留層シミュレータは、実際に炭化水素流体を生産している井戸を有する既存の貯留層が、将来どのように生産できるかを予測する。貯留層シミュレーションモデルには、生産レベルを維持するためにどれだけの井戸を掘削するか、井戸をいつどこで掘削するか、どのような種類の井戸を掘削するか、という指標が示されている。貯留層シミュレータは、現在生産している石油・ガス貯留層の管理や、新たな産地の開拓に活用されている。
貯留層シミュレータは、今日といった貯留層が生産を行った日付に基づいてその計算を開始するが、一方、堆積盆シミュレータは、現在までにどのように層の堆積によって堆積盆が形成されたかを考察する。
これまで知られている限り、貯留層シミュレータおよび堆積盆シミュレータは、異なる調査時間および異なる物理的原理を扱ってきた。さらに、貯留層シミュレータおよび堆積盆シミュレータは、異なる目的のために別々に操作され、別々の異なる結果を得た。
簡単に述べると、本発明は、炭化水素を生産する貯留層を有する関心領域内の地下層中の炭化水素の存在を特定するための、新たに改良されたデータ処理システムを提供する。データ処理システムは、関心領域において予測される地下流体、温度、および圧力条件のシミュレータを含む。シミュレータの堆積盆シミュレーションセクションは、貯留層内の貯留岩特性と流体特性条件の予測測定値を形成する。堆積盆シミュレーションセクションはまた、生産貯留層からの炭化水素の生産中の所定時間における形成された予測測定値を、所定時間における生産貯留層の実際の貯留岩特性および流体特性条件に適合するように調整する。また、データ処理システムのシミュレータは、貯留層シミュレーションセクションを含み、貯留層シミュレーションセクションは、所定時間以外の貯留層からの生産時に、生産貯留層内の貯留岩特性および流体特性条件の予測測定値を形成する。
データ処理システムはまた、所定精度の範囲内で対応する貯留層シミュレーションセクションからの貯留岩特性および流体特性条件の予測測定値を用いて、堆積盆シミュレーションセクションからの所定時間における貯留岩特性および流体特性条件の形成された予測測定値を調整する、プロセッサを含む。堆積盆シミュレーションセクションはまた、生産貯留層から離れた関心領域における炭化水素の存在を示すために、所定時間より前の時間における貯留岩特性および流体特性条件の測定値を形成する。
本発明による、新たな炭化水素産地の位置を特定し、貯留層性能を予測するための、関心位置における地面の三次元地下層の概略図である。
図１の一部の拡大図であり、地下地質構造における高温高圧によって引き起こされる化学反応から生じる異なる炭化水素組成物の生成、移動、および捕捉を示す。
地下地質構造における高温高圧によって引き起こされる化学反応から、有機堆積物の地下層におけるより軽質の炭化水素への変換を示す概略図である。
本発明による、新たな産地の炭化水素の存在を特定し、炭化水素移動から貯留層性能を予測するための、データ処理システムの概略ブロック図である。
図４のデータ処理システムを用いて、炭化水素の存在を特定し、炭化水素移動から貯留層性能を予測するためのワークフローの概略図である。
井戸内の関心深度区間にわたる垂直圧力分布の図４のデータ処理システムの、堆積盆シミュレーションセクションとの履歴照合の結果を示す概略図である。
井戸内の関心深度区間にわたる垂直温度分布の図４のデータ処理システムの、堆積盆シミュレーションセクションとの履歴照合の結果を示す概略図である。
井戸内の関心深度間隔にわたるメタン分布の図４のデータ処理システムの、堆積盆シミュレーションセクションとの履歴照合の結果を示す概略図である。
井戸の関心深度間隔にわたる初期水飽和率分布の図４のデータ処理システムの、堆積盆シミュレーションセクションと測定された初期水飽和率分布との履歴照合の結果を示す概略図である。
ガス油接触面およびガス飽和率の測定された初期分布の図４のデータ処理システムの、堆積盆シミュレーションセクションとの履歴照合の結果を示す概略図である。
図４のデータ処理システムの堆積盆シミュレーションセクションで得られる初期流体組成物と、図４のデータ処理システムの貯留層シミュレーションセクションによって得られる初期流体組成物とを示す概略図である。
図４のデータ処理システムで得られた地層厚および深度と比較した、井戸における測定された地層厚および深度の初期分布を示す概略図である。
図４のデータ処理システムの堆積盆シミュレーションセクションで得られた貯留層モデルにおける地下地層の井戸間透水分布を、図４のデータ処理システムの貯留層シミュレーションセクションで得られた層の井戸間透水分布と比較して示す概略図である。
図４のデータ処理システムの堆積盆シミュレーションセクションで得られた貯留層モデルにおける地下層の井戸間多孔率分布を、図４のデータ処理システムの貯留層シミュレーションセクションで得られた層の井戸間多孔率分布と比較して示す概略図である。
図４のデータ処理システムの堆積盆シミュレーションセクションで得られた貯留層モデルにおける地下層の地層厚分布を、図４のデータ処理システムの貯留層シミュレーションセクションで得られた層の地層厚分布と比較して示す概略図である。
図４のデータ処理システムの堆積盆シミュレーションセクションで得られた貯留層モデルにおける地下層の層連続性を、図４のデータ処理システムの貯留層シミュレーションセクションで得られた層の層連続性と比較して示す概略図である。
図４のデータ処理システムを用いた、炭化水素移動のための地面の地下層の三次元貯留層モデルの垂直面における例示的な貯留層グリッドシステムの概略図である。
図４のデータ処理システムを用いた、炭化水素移動前の図１７の貯留層グリッドシステムにおける例示的な推定産地事例の概略図である。
図４のデータ処理システムを用いた、移動中の経時的なケロジェン質量の相対的な減少、および軽質油成分および重質油成分の生成のプロットである。
図４のデータ処理システムを用いた、炭化水素移動後の図１８の例示的な推定産地事例の概略図である。
オリジナルのケロジェン生成サイトについて、異なるオリジナル位置の、図２０の産地事例における、油飽和率に対する効果の概略図である。 オリジナルのケロジェン生成サイトについて、異なるオリジナル位置の、図２０の産地事例における、油飽和率に対する効果の概略図である。 オリジナルのケロジェン生成サイトについて、異なるオリジナル位置の、図２０の産地事例における、油飽和率に対する効果の概略図である。 オリジナルのケロジェン生成サイトについて、異なるオリジナル位置の、図２０の産地事例における、油飽和率に対する効果の概略図である。
産地が生産を行った日付に開始される、時間の関数としての井戸の予測性能のプロットである。
図面において、図１は、炭化水素生産地層岩石層１０の形態の地下炭化水素貯留層Ｒが存在する場所における、地下地質構造Ｓまたは地面の地層の概略的な形態の等角図である。図１に示すように、炭化水素生産地層岩石層１０は、地表２０の下の１２、１４、１６で示すように、いくつかの他の地層岩石層の下に存在する。２８および３０に示すように坑井を通って地層を貫通するために、２２、２４、２６に示すように、探査用または生産用の井戸が掘削されている。
生産井である井戸２２、２４および２６は、炭化水素（油およびガス）と水または海水との流体混合物の形態をとる地下貯留層Ｒからの流れを示す。生産された流体は、トラップ３２（図２）から生産井に入り、そこで炭化水素ガス３４、軽質油３６および重質油３８が、不透水率地層４２の下の透水率地層４０中の海水または水の上に封入または捕捉される。
炭化水素油３６、３８および炭化水素ガス３４の起源は、トラップ３２からある程度離れていることが多い地層４６内の別の位置にある発源地４４である。発源地４４からの５８において概略的に示される炭化水素の流れは、地質学的時間にわたって水で満たされた地下層の多孔質媒体中で起こる。発源地４４では、何百万年もの地質学的時間にわたって、流送土砂中の有機材料（またはケロジェン）が多くの堆積層の下に埋設されてきた。発源地４４内のケロジェンは、高温高圧にさらされる。
ケロジェンは、元来、主に重質炭化水素鎖から構成される。発源地４４では、ケロジェンは高温高圧下にある。このプロセスは時には調理と呼ばれ、この文脈における発源地４４はキッチンと呼ばれる。このプロセスでは、石油精製と同様に、高圧下で、重質炭化水素分子がより軽質の分子成分に分解され、経時的に異なる温度で異なる炭化水素生成物を生じる。
図３において、高温での経時的なケロジェンの調理は、ケロジェン５２に作用するバーナーまたは熱源５０によって概略的に示され、一方、発源地は圧力容器５４として概略的に示される。５６で概略的に示されるように、炭化水素は、地質学的時間にわたって、熱および圧力の結果として、ガスとして、ならびに軽質油および重質油として、ならびにアスファルトとして移動する。石油およびガスは時間の経過とともに、矢印５８で示すように地下層を通って移動し、３２で示すようなトラップの位置に到達する（図２）。
本発明によれば、データ処理システムＤ（図４）は、炭化水素を生産する貯留層を有する関心領域内の地下層中の炭化水素の存在を特定するために提供される。データ処理システムＤは、相互作用的に動作する堆積盆シミュレーションおよび貯留層シミュレーションを実行し、その後のシミュレーション実行を調整する２つのシミュレーション操作の結果は、生産貯留層Ｒの近くの構造Ｓ内の関心領域にありそうな新たな油およびガスの蓄積の存在を特定するために実行される。データ処理システムＤにおける堆積盆シミュレーションおよび貯留層シミュレーションは、グリッドセルで構成される貯留層モデルに関連して実行される。その実施例は、共通所有の米国特許第７，５９６，４８０号、米国特許第８，３５９，１８５号、米国特許第８，４３７，９９９号、米国特許第９，１６４，１９１号、および米国特許第９，４７１，７２３号に記載されている。
地下地質構造Ｓでは、水で満たされた多孔質媒体中で炭化水素の流れが起こる。後述するように、データ処理システムＤは、石油およびガスの移動の生成中に起こる熱および化学反応に基づく地質モデルを形成する。さらに、生産開始時などの共通の時点での貯留層内の熱条件は同じである。したがって、貯留層および堆積盆シミュレーションの熱条件の数式は同じであるべきである。
しかしながら、堆積盆シミュレーションは、多くの温度および圧力条件、ならびに可変的な貯留層属性またはパラメータを含む。また、堆積盆シミュレーション結果に対するこれらの条件とパラメータの相互作用と影響は、物理的には決定の影響を受けない。このように、堆積盆シミュレーションから数百万年にわたる地質学的履歴には高度の不確実性が存在する。本発明によれば、堆積盆シミュレーションからの地下構造の過去の地質学的履歴は、数学的逆問題を解くことにより、非線形プログラミングを用いて較正される。
さらに、堆積盆シミュレーションは、地質学的時間の経過につれて移動する地下を定義するために移動グリッドに基づいている。対照的に、貯留層シミュレーションは、静止グリッドに基づいている。両方のシミュレータは、多孔質媒体を通る流れを想定する。堆積盆シミュレーションは、高温高圧によって誘発される化学反応に基づいて、異なる組成の石油の生成をモデル化することを含む。熱的および化学的原理による石油の地下生成は、実際には地下の製油所における石油化学反応によく似ている。
データ処理システムＤは、貯留岩特性と流体特性条件の予測測定値が、生産貯留層の測定された初期流体、圧力、温度分布条件と一致するまで、堆積盆シミュレーションの各種パラメータを変化させて、堆積盆シミュレーションを較正する。データ処理システムＤは、圧力、流体生産などのシミュレーション予測された井戸性能を、産地測定値に対して較正する（または履歴照合する）。次いで、データ処理システムＤは、貯留層Ｒを管理するために必要とされるように、進行中の貯留層シミュレーションを実行する。
データ処理システムＤは、試行錯誤を用いるのではなく、非線形最適化逆問題として地質較正あるいは地質履歴照合を行う。何百万年にもわたる地質履歴には高度の不確実性があるので、堆積盆の過去の履歴は、非線形最適化方法論によって本発明に従って実質的に較正される。
地質履歴が較正された後、データ処理システムＤは、さらなる堆積盆シミュレーション実行を行い、さらなる新たな石油ガス貯留層の位置を特定する。新たな石油ガスの蓄積の可能性は、生産貯留層Ｒからの実際の生産測定値に基づいて較正された、地質履歴に照合した堆積盆シミュレーションにより高くなるべきである。新たな試掘位置特定の精度は、地質履歴の照合の精度に依存する。実際には、より既知の貯留層の初期条件が一致する場合、精度が上がる。
［データ処理装置］
図４に示すように、データ処理システムＤは、プロセッサ１０２と、プロセッサ１０２に接続され、その内部に動作命令、制御情報およびデータベース記録を記憶する、メモリ１０４と、を有するコンピュータ１００を含む。データ処理システムＤは、好ましくはＩｎｔｅｌ Ｃｏｒｐｏｒａｔｉｏｎ社またはＡｄｖａｎｃｅｄ Ｍｉｃｒｏ Ｄｅｖｉｃｅｓ（ＡＭＤ）社、またはＨＰＣ Ｌｉｎｕｘクラスタコンピュータからのようなノードを有するマルチコアプロセッサである。データ処理システムＤは、ニューヨーク州ＡｒｍｏｎｋのＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ（ＩＢＭ）社または他のソースから入手可能なものなど、任意の従来のタイプの適切な処理容量のメインフレームコンピュータであってもよい。データ処理システムＤは、場合によってはパーソナルコンピュータ、ラップトップコンピュータ、または任意の他の適切な処理装置など、任意の従来のタイプの適切な処理能力のコンピュータであってもよい。したがって、多数の市販のデータ処理システムおよびタイプのコンピュータをこの目的のために使用できることを理解されたい。
コンピュータ１００は、関心領域内の予測された地下流体、温度、および圧力条件のシミュレータ１０６を含む。シミュレータ１０６は、貯留層内の貯留岩特性および流体特性条件の予測測定値を形成する堆積盆シミュレーションセクション１０８を含む。堆積盆シミュレーションセクション１０８はまた、生産貯留層からの炭化水素の生産中の所定時間における形成された予測測定値を、所定時間における生産貯留層の実際の貯留岩特性および流体特性条件に適合するように調整する。シミュレータ１０６はまた、所定時間以外の貯留層からの生産中の時間に、生産貯留層内の貯留岩特性および流体特性条件の予測測定値を形成する貯留層シミュレーションセクション１１０を含む。
プロセッサ１０２は、堆積盆シミュレーションセクション１０８からの所定時間における貯留岩特性および流体特性条件の形成された予測測定値を、貯留層シミュレーションセクション１１０からの貯留岩特性および流体特性条件の予測測定値と、所定精度内に一致するように調整する。堆積盆シミュレーションセクション１０８はさらに、生産貯留層から離れた関心領域内の炭化水素の存在を示すために、所定時間より前の時間に貯留岩特性および流体特性条件の測定値を形成する。
堆積盆シミュレーションセクション１０８は、例えば、Ａｎｇｅｌｏ Ｌｕｃｉａによる、「Ｆｕｌｌｙ Ｃｏｍｐｏｓｉｔｉｏｎａｌ ａｎｄ Ｔｈｅｒｍａｌ Ｒｅｓｅｒｖｏｉｒ Ｓｉｍｕｌａｔｉｏｎｓ Ｅｆｆｉｃｉｅｎｔｌｙ Ｃｏｍｐａｒｅ ＥＯＲ Ｔｅｃｈｎｉｑｕｅｓ」ＳＰＥ １６７１８４、ＳＰＥ Ｕｎｃｏｎｖｅｎｔｉｏｎａｌ Ｒｅｓｏｕｒｃｅｓ Ｃｏｎｆｅｒｅｎｃｅ−Ｃａｎａｄａ、Ｃａｌｇａｒｙ、Ａｌｂｅｒｔａ、Ｃａｎａｄａ、Ｎｏｖ．５−２０１３の議事録に記載されているタイプの蒸気圧入シミュレータであってもよい。堆積盆シミュレーションセクション１０８はまた、例えば、Ｓ．Ｋｈｏｒｓａｎｄｉ Ｋｏｕｈａｎｅｓｔａｎｉ ｅｔ ａｌ．による、「Ｆｕｌｌｙ ｉｍｐｌｉｃｉｔ ｃｏｍｐｏｓｉｔｉｏｎａｌ ｔｈｅｒｍａｌ ｓｉｍｕｌａｔｏｒ ｕｓｉｎｇ ｒｉｇｏｒｏｕｓ ｍｕｌｔｉｐｈａｓｅ ｃａｌｃｕｌａｔｉｏｎｓ」， Ｔｒａｎｓａｃｔｉｏｎｓ Ｃ： Ｃｈｅｍｉｓｔｒｙ ａｎｄ Ｃｈｅｍｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｓｃｉｅｎｔｉａ Ｉｒａｎｉｃａ， （２０１１）， Ｖｏｌ １８ （３） ｐ．５０９−５１７に記載されているタイプの熱シミュレータであってもよい。
貯留層シミュレーションセクション１１０は、文献に記載されているＧｉｇａＰＯＷＥＲＳとして知られているタイプであってもよい。例えば、出願人Ｄｏｇｒｕ，Ａ．Ｈ． ｅｔ ａｌ．による記事である「Ａ Ｎｅｘｔ−Ｇｅｎｅｒａｔｉｏｎ Ｐａｒａｌｌｅｌ Ｒｅｓｅｒｖｏｉｒ Ｓｉｍｕｌａｔｏｒ ｆｏｒ Ｇｉａｎｔ Ｒｅｓｅｒｖｏｉｒｓ」ＳＰＥ １１９２７２、２００９ ＳＰＥ Ｒｅｓｅｒｖｏｉｒ Ｓｉｍｕｌａｔｉｏｎ Ｓｙｍｐｏｓｉｕｍ，Ｔｈｅ Ｗｏｏｄｌａｎｄｓ，Ｔｅｘａｓ，ＵＳＡ，Ｆｅｂ ２−４，２００９の議事録、Ｄｏｇｒｕ，Ａ．Ｈ．，Ｆｕｎｇ，Ｌ．Ｓ．，Ｍｉｄｄｙａ，Ｕ．，Ａｌ−Ｓｈａａｌａｎ，Ｔ．Ｍ．，Ｂｙｅｒ，Ｔ．，Ｈｏｙ，Ｈ．，Ｈａｈｎ，Ｗ．Ａ．，Ａｌ−Ｚａｍｅｌ，Ｎ．，Ｐｉｔａ，Ｊ．，Ｈｅｍａｎｔｈｋｕｍａｒ，Ｋ．，Ｍｅｚｇｈａｎｉ，Ｍ．，Ａｌ−Ｍａｎａ，Ａ．，Ｔａｎ，Ｊ，Ｄｒｅｉｍａｎ，Ｔ．，Ｆｕｇｌ，Ａ，Ａｌ−Ｂａｉｚ，Ａ．による「Ｎｅｗ Ｆｒｏｎｔｉｅｒｓ ｉｎ Ｌａｒｇｅ Ｓｃａｌｅ Ｒｅｓｅｒｖｏｉｒ Ｓｉｍｕｌａｔｉｏｎ」ＳＰＥ １４２２９７、２０１１ ＳＰＥ Ｒｅｓｅｒｖｏｉｒ Ｓｉｍｕｌａｔｉｏｎ Ｓｙｍｐｏｓｉｕｍ、Ｔｈｅ Ｗｏｏｄｌａｎｄｓ、Ｔｅｘａｓ、ＵＳＡ、Ｆｅｂ２１−２３、２０１１の議事録を参照されたい。ＧｉｇａＰＯＷＥＲＳ貯留層シミュレーションは、シナリオ当たり数百ギガバイトまたはＧＢのフットプリントを利用しながら、後処理のための１０億セル障壁を超える微細スケールのグリッドシミュレーションが可能である。ＧｉｇａＰＯＷＥＲＳは、このタイプのコンピュータ処理のための出願人サウジアラビアンオイルカンパニー（Ｓａｕｄｉ Ａｒａｂｉａｎ Ｏｉｌ Ｃｏｍｐａｎｙ）の商標である。
コンピュータ１００は、ユーザインターフェース１１２を介してオペレータまたはユーザにアクセス可能であり、出力グラフィックユーザディスプレイ１１４を用いて、本発明に従って得られた出力データまたは処理結果の記録を表示するために利用可能である。出力ディスプレイ１１４は、出力記録または画像として、グラフ、データシート、グラフィック画像、データプロット等の形態で印刷出力情報または可視表示を提供することができるプリンタおよび出力ディスプレイスクリーン等の構成要素を含む。
コンピュータ１００のユーザインターフェース１１２はまた、適切なユーザ入力装置または入出力制御ユニット１１６を含み、情報およびデータベース記録を制御またはアクセスし、コンピュータ１００を操作するためのユーザアクセスを提供する。データ処理システムＤはさらに、コンピュータメモリに記憶されたデータのデータベースを含み、これは、内部メモリ１０４、またはサーバ１２６内の関連データベース１２４内の１２２で示されるような、外部メモリ、ネットワーク化されたメモリ、または非ネットワーク化されたメモリであってもよい。
データ処理システムＤは、コンピュータ１００のメモリ１０４に非一時的に記憶されたプログラムコード１２８を含む。本発明によるプログラムコード１２８は、本発明によるデータプロセッサ１０２に、炭化水素を生産する貯留層を有する関心領域内の地下層中の炭化水素の存在を特定するようにさせるコンピュータ動作可能命令の形態である。
データ処理システムＤは、ネットワークを介して接続された、単一のＣＰＵの形態、または図４に示すように、プロセッサノードと呼ばれるコンピュータクラスタまたはコンピュータ１３０のグループの形態をとることができる。
Figure 2021515125
Figure 2021515125
Figure 2021515125
［データ処理システムの操作］
図５は、本発明によるデータ処理システムＤの機能および操作を概略的に示す。本発明によるデータ処理システムＤは、まず、関心地下領域Ｓにおける初期条件を予測する。また、堆積盆シミュレーションセクション１０８は、形成された予測測定値を調整して、所定時間に、地下領域Ｓ内に位置する貯留層Ｒの測定された初期条件と照合する。所定時間は、貯留層Ｒからの炭化水素生産を開始するｔ＝０である。堆積盆シミュレーションセクション１０８によって行われる照合は、所定時間における生産貯留層Ｒの貯留層モデル内の岩石特性および流体特性分布を示す貯留層属性である。
１５０に示されるように、堆積盆シミュレーションセクション１０８は、メモリ１０４から関心地下領域Ｓのための地質データ記述を受信する。地質データ記述には、貯留層モデルグリッドセルの位置における三次元グリッド座標（ｉ、ｊ、ｋ）に関する三次元（ｘ、ｙ、ｚ）マトリックス形式の貯留層モデルのセルに関する情報と、現在の層、地平線とその相、古地形、地質年代にわたる堆積年代、地質年代にわたる境界条件と相特性に関する時間（ｔ）が含まれる。
１５２に示されるように、堆積盆シミュレーションセクション１０８は、時間ｔ＝０で実行され、三次元グリッド座標（ｉ、ｊ、ｋ）位置に従って、貯留層モデルのセルのマトリックスに対する初期貯留層属性のセットを決定する。本発明による貯留層モデルのセルのための貯留層生産を開始する時間ｔ＝０における例示的な初期貯留層属性は、圧力、温度、流体飽和度、成分流体および濃度などの流体測定値と、上記の用語体系のセクションで識別されるように、地下領域Ｓの貯留層モデルグリッドセルの三次元グリッド座標（ｉ、ｊ、ｋ）位置のための多孔率、透水率、地層厚などの地層パラメータとを含む。
１５４で示されるように、貯留層シミュレーションセクション１１０は、貯留層モデルグリッドセルの三次元グリッド座標（ｉ、ｊ、ｋ）位置および生産貯留層Ｒに関するメモリ１０４からの地質および流体のデータとの時間（ｔ）に関して、マトリックス形式の貯留層モデルのセルのための貯留層属性を有する貯留層生産を開始する時間ｔ＝０で初期化される。１５６で示されるように、貯留層シミュレーションセクション１１０は、上述したように、堆積盆シミュレーションセクション１０８によって生成された貯留層属性の初期設定、およびメモリ１０４からの地質および流体のデータに基づいて、貯留層シミュレーションを実行する。したがって、貯留層シミュレーションセクション１１０に提供される貯留層属性は例えば、上記の用語体系のセクションで識別されるような流体測定値および地層パラメータを含む。
データ処理システムＤのプロセッサ１０２は、１５８で示されるように、貯留層モデルを較正する。較正は、堆積盆シミュレーションセクション１０８によって生成される貯留層属性と、貯留層モデルのグリッドセルのマトリックスに対する貯留層シミュレーションセクション１１０との間の差異について、後述するように、目的関数Jを最小化する。
ステップ１５８においてプロセッサ１０２によって実行される較正操作は、シミュレーションセクション１０８および１１０から生成された上述の用語体系セクションにおいて識別されるように、貯留層属性流体測定値および地層パラメータの地質履歴照合である。堆積盆シミュレーションセクション１０８は、上述したように、貯留層の初期貯留層条件に基づいて堆積盆シミュレーションを行う。初期条件は、種々の炭化水素成分の分布のような炭化水素貯留層の測定された物理量から構成され、例えば、液体油またはガス中のメタン濃度、石油またはガス中のＣＯ２濃度、液体圧変化、温度変化、井戸の岩石層の厚さ、岩石の種類、および井戸での透水率および多孔率のような岩石特性が測定される。
１５８の間の地質履歴照合は、自然界で観測されたデータから貯留層属性を決定するという（属性のいくつかの可能性のあるセットがあり得るという点で）一意性でない逆問題である。より多くの観測された変数を照合させることができることは、一意性の見込みが増す。図６〜図１６は、プロセッサ１０２によって実行される地質履歴照合中に、炭化水素貯留層の測定された物理量に照合するために、堆積盆シミュレーションセクション１０８によって生成される貯留層属性（変数）の例を示す。
プロセッサ１０２による地質履歴照合１５８に加えて、１６０（図５）で示されるような堆積盆シミュレーションセクション１０８は、ケロジェン岩石発源地４４に対する地下Ｓ内の可能性のある位置を決定する。これは、以下に説明するように、地下層における新たな石油ガス蓄積の予測のために行われる。１６２（図５）で示されるような貯留層シミュレーションセクション１１０は、将来の貯留層性能の貯留層シミュレーション実行をさらに実行する。
［堆積盆シミュレーションのための予測貯留層条件の地層測定値］
プロセッサ１０２によって照合される例示的な変数には、井戸における堆積盆シミュレータと貯留層モデル（測定初期条件）との間の井戸における圧力Ｐ（ｚ）（図６）の垂直プロファイル、井戸における温度分布Ｔ（ｚ）（図７）、メタン濃度ＣＨ４（ｚ）（図８）、または井戸における任意の他の測定量が含まれる。照合のための他の例示的な変数には、井戸における鉛直水飽和率分布Ｓｗ（ｚ）（図９）（井戸検層またはコアフラッド試験によって測定）、ガス飽和率Ｓｇ（ｚ）（図１０）、およびガス油および油水接触面、透水率、多孔率、および地層厚マップの面積分布が含まれる。逆問題を解決する際に使用される属性の数は、データの可用性によって決定することができる。
図６は、図４のデータ処理システムの堆積盆シミュレーションセクション１０８のための既存の垂直井戸において１７０で示されるような異なる属性を有する地層についての関心深度間隔ｚにわたる、測定された垂直圧力分布P（z）の履歴照合の概略的にシミュレートした結果を示す。図６は、１７２において、測定された垂直圧力分布Ｐ（ｚ）を有するデータ処理システムＤによって、堆積盆シミュレーションセクション１０８のために履歴照合されるべき既存の井戸において測定された垂直圧力分布Ｐ（ｚ）の初期貯留層条件を示す。１７２における垂直圧力分布は、圧力井戸検層実行または貯留層内の井戸で実施された圧力過渡試験から得られる。
貯留層のための垂直圧力分布のような、測定された生産および地層パラメータの情報／データは、既存の井戸位置でのみ入手可能である。堆積盆シミュレーションセクション１０８のシミュレーション実行は、異なる垂直圧力プロファイルを提供するために実行され、そのうちの１つは１７４で示される。堆積盆シミュレーションセクション１０８は、堆積盆シミュレーションセクション１０８によって予測される１７４で示される垂直圧力プロファイルＰ（ｚ）が井戸内の測定された圧力分布１７２と良好に一致するまで、データ処理システムＤのプロセッサ１０２によって、図５に示される操作方法論によって較正される。
同様に、図７は、図４のデータ処理システムの堆積盆シミュレーションセクション１０８のための既存の井戸において、１７８で示された地層について、関心深度間隔ｚにわたって１７６で示された測定温度分布Ｔ（ｚ）の履歴照合の概略的にシミュレートした結果を示す。１７６での垂直圧力分布は、例えば、貯留層の井戸で行われた温度井戸検層実行から得られる。ここでも、堆積盆シミュレーションセクション１０８のシミュレーション実行が行われ、異なる温度プロファイルが提供され、そのうちの１つが１８０で示される。堆積盆シミュレーションセクション１０８は、堆積盆シミュレーションセクション１０８によって予測される１８０で示される温度プロファイルＴ（ｚ）が井戸内の測定温度分布１７６と良好に一致するまで、データ処理システムＤのプロセッサ１０２によって、図５に示される操作方法論によって較正される。
図８は、井戸の１８４に示される地層の関心深度間隔ｚにわたる１８２に示されるメタン分布ＣＨ４（ｚ）の図４のデータ処理システムの堆積盆シミュレーションセクション１０８のための履歴照合のシミュレーション結果を概略的に示す図である。１８２で示されるメタン分布は、例えば、貯留層の井戸で行われる井戸検層実行から得られる。堆積盆シミュレーションセクション１０８のシミュレーション実行は、例えば１８６で示されているような異なるメタン分布プロファイルを提供するように実行される。堆積盆シミュレーションセクション１０８は、堆積盆シミュレーションセクション１０８によって予測される１８６で示されるメタン分布ＣＨ４（ｚ）が井戸内の測定メタン分布１８２と良好に一致するまで、データ処理システムＤのプロセッサ１０２を用いて、図５に示される操作方法論によって較正される。
これに対応して、図９は、井戸内の１９０で示される地層について、関心深度間隔ｚにわたって１８８で示される初期水飽和率Ｓｗ（ｚ）の図４のデータ処理システムの堆積盆シミュレーションセクション１０８について、履歴照合のシミュレーション結果を概略的に示す概略図である。１８８で示される水飽和率分布は、例えば、貯留層内の井戸で実施される電気抵抗率または飽和井戸検層実行から得られる。堆積盆シミュレーションセクション１０８のシミュレーション実行は、１９２で示されるような、異なる水飽和率分布プロファイルを提供するために実行される。堆積盆シミュレーションセクション１０８は、堆積盆シミュレーションセクション１０８によって予測された１９２で示される初期水飽和率Ｓｗ（ｚ）が、井戸内の測定された水飽和率分布１８８と良好に一致するまで、データ処理システムＤのプロセッサ１０２を用いて、図５に示される操作方法論によって較正される。
図１０は、既存の井戸内の１９４で示された形成層における深度でのガス油接触面の測定深度を較正したシミュレーション結果を概略的に示す。１９６で示されるガス油接触面は、井戸内で行われた測定から得られる。図１０はまた、井戸内で実施された飽和井戸検層実行から１９４で示されるような地層についての、関心深度間隔ｚにわたって１９８で示されるガス飽和率プロファイルＳｇ（ｚ）を示す。堆積盆シミュレーションセクション１０８のシミュレーション実行は、２００で示されるような異なるガス油接触面深度と、２０２で示されるようなガス飽和率分布プロファイルとを提供するために実行される。堆積盆シミュレーションセクション１０８は、堆積盆シミュレーションセクション１０８によって予測される２００および２０２で示されたガス油接触面深度およびガス飽和率Ｓｇ（ｚ）が、井戸について１９６および１９８で示された測定パラメータ値と良好に一致するまで、データ処理システムＤのプロセッサ１０２によって図５に示される操作方法論によって較正される。
図１１は、それぞれ２０６および２０８の符号のついたガス油および油水接触面において、掘削された井戸による実際の測定から得られた貯留層に利用可能な井戸深度の関数として概略的に示す。図１１はまた、２０６においてガスキャップ２１０の初期流体組成濃度、および２０８において油ゾーン２１２の初期流体組成濃度を示す。図１１は、２１４において、油ゾーンの下の水中の測定された水塩分をさらに示す。流体組成物２１０、２１２、および２１４は、図５の１５６で示されるように、生産貯留層Ｒ（図１１）に関する流体データからの貯留層シミュレーションセクション１１０の初期条件を表す。
図１１はまた、ガスキャップ２１８の２１６における初期流体組成濃度、油ゾーン２２２の２２０における初期流体組成濃度、および２２４における油ゾーンの下の水中の測定水塩分などの、異なる初期流体組成を提供するために行われる、堆積盆シミュレーションセクション１０８のいくつかのシミュレーション実行のうちの１つの結果を示す。図１１の２１８に示されるように、初期堆積盆シミュレーションセクション１０８は、異なる深度で平坦なガス油接触面を示し得、図１１に示される貯留層シミュレーションセクション１１０の初期条件から、２２０で示されるような異なるガスおよび油の組成を示し得る。本発明により、堆積盆シミュレーションセクション１０８は、流体レベル接触面情報および流体組成に影響を及ぼす所定の貯留層属性を、堆積盆シミュレーションセクション１０８からの結果が、貯留層モデルに含まれる生産貯留層Ｒに関する流体データから提供される産地測定値と良好に一致するまで変更することによって、較正される。
図１２は、既存の垂直井戸内の地層について、関心深度間隔にわたる測定量に基づいて貯留層モデル内のそれぞれの層の垂直層厚および透水率測定値を２３０において概略的に示す。図１２はまた、堆積盆シミュレーションセクション１０８によって予測されたそれぞれの層の、垂直地層厚および透水率測定値を２３２において示す。図１２の２３４に示されるように、堆積盆シミュレーションセクション１０８は最初に、２３０に示される貯留層の値とは異なる貯留層の深度、厚さ、および透水率を予測する。本発明によれば、堆積盆シミュレーションセクション１０８は、堆積盆シミュレーションセクション１０８からの結果が貯留層の実際の深度、厚さ、および透水率測定値に良好に一致するまで、データ処理システムＤの操作によって、図４に概略的に示すように較正される。
図１３は、図４のデータ処理システムの堆積盆シミュレーションセクション１０８で得られた貯留層モデルにおいて、既存の井戸Ｗ１、Ｗ２、Ｗ３、Ｗ４、Ｗ５、およびＷ６付近の領域の地下層における井戸間透水率分布を２４０、２４２、および２４４に概略的に示す図である。図１３はまた、図４のデータ処理システムの貯留層シミュレーションセクション１１０で得られた同一地層の井戸間透水率分布を２４６、２４８、および２５０に示す。
図１４は、図４のデータ処理システムの堆積盆シミュレーションセクション１０８で得られた貯留層モデルにおいて、Ｗ１〜Ｗ６の既存の井戸付近の領域の地下層における井戸間多孔率分布を２５２、２５４、および２５６に概略的に示す図である。図１４はまた、図４のデータ処理システムの貯留層シミュレーションセクション１１０で得られた同一地層の井戸間多孔率分布を２５８、２６０、および２６２に示す。
図１５は、図４のデータ処理システムの堆積盆シミュレーションセクション１０８で得られた貯留層モデルにおいて、Ｗ１〜Ｗ６の既存の井戸付近の領域の地下層の地層厚分布を、２７０、２７２、および２７４に概略的に示す図である。図１５はまた、図４のデータ処理システムの貯留層シミュレーションセクション１１０で得られた同一地層の地層厚多孔率分布を２７６、２７８、および２８０に示す。
図１３〜図１５は、堆積盆シミュレーションセクション１０８および貯留層シミュレーションセクション１１０による貯留層モデルの同じ井戸間領域における、透水率、多孔率、および地層厚の貯留層特性の面積分布を示している。井戸間の貯留層の領域では、地下パラメータの物理的測定は不可能であるので、貯留層モデルは井戸間の透水率、多孔率、地層厚などの属性値を推定するために、地質統計学に依存する。したがって、貯留層シミュレーションから図１３、図１４、図１５に示される透水率、多孔率、地層厚に関する概念的属性輪郭は、地質統計学に基づく推定値である。対照的に、堆積盆シミュレーションセクション１０８は、物理的現実に基づいて、透水率、多孔率、および地層厚の面積分布を予測する。具体的には、堆積盆シミュレーションが実行される貯留層属性は、貯留層の地質学的履歴に適合するパラメータに密接に対応するパラメータである。したがって、較正された堆積盆シミュレーションセクション１０８は、より信頼性の高い面積特性分布を予測する可能性が最も高い。
図１６は、貯留層モデルの井戸Ｗ１〜Ｗ６の領域において、それぞれ、堆積盆シミュレーションセクション１０８および貯留層シミュレーションセクション１１０によって決定された、面層連続性を２８２および２８４に示す。いくつかの貯留層では、面方向に出入りする高透水率層が存在し、同様に、連続していないが層の間でそれらの位置が未知である緊密な岩石領域が存在する。図１６は、２つのアプローチ間の差異を示す。ここで、堆積盆シミュレーションセクションの結果２８２は、垂直方向に測定された情報の場合のように、貯留層シミュレーションセクションの結果２８４と照合させるべきではなく、むしろ、貯留層モデルの較正に使用できる別の画像を提供する。測定データに対して較正した後の堆積盆シミュレーションセクション１０８は、これらのゾーンの面積範囲に関する貴重な情報を提供することができる。
［地質履歴照合］
堆積盆シミュレータが予測した地層および流体特性を、測定した初期条件あるいは貯留層モデル初期条件に照合させることは、堆積盆シミュレータの属性の値を変え、多くの実行を行うことによって可能である。
これは長々しいプロセスであり、その結果、コンピュータ処理リソースの非効率的な使用とコンピュータ操作の複雑化をもたらす。このため、本発明は、適切な非線形最適化パッケージまたは技術を使用することによって、逆問題を解くための非線形最適化方法論を提供する。堆積盆シミュレーションセクション１０８からの形成された予測測定値と貯留層シミュレーションセクション１１０からの予測測定値との間の一致を最適化するための逆問題は、以下の式１に従って目的関数
Figure 2021515125
を最小化するプロセッサ１０２によって実行される。
Figure 2021515125
式１の変数は、上記の用語体系の項で定義されている。重み係数は、利用可能な信頼できるデータの量と目的関数Ｊに対する所定変数の重要性に基づいて研究を行っている地球科学者によって決定される。あるいは、それらは数学的感度分析を行うことによって理論的に決定することができる。
目的関数式１で特定された圧力、温度、成分流体濃度、岩石層パラメータおよびグリッド流体分布に関する堆積盆属性の値は、堆積盆シミュレーションセクション１０８によって決定される。本発明による堆積盆シミュレータ１０８および貯留層シミュレーションセクション１１０は、以下の構成要素またはサブモジュール、すなわち、材料保存（成分質量バランス）、エネルギーバランス、流体および岩石特性関係、熱力学状態方程式、および化学反応、で構成される。堆積盆シミュレーションセクション１０８および貯留層シミュレーションセクション１１０は、成分質量バランス関係およびエネルギーバランス関係に基づいて、貯留層モデル上の流体特性分布および貯留岩特性を決定する。
以下に、シミュレーションセクション１０８および１１０の操作、ならびにケロジェンのより軽い分子量の炭化水素成分への変換中の化学反応を支配する貯留層属性およびパラメータに基づく、材料およびエネルギー保存関係の説明を記載する。有機材料が成長に達すると、石油根源石４４内で炭化水素が生成し始める。まず、発生した炭化水素は、石油根源石４４が飽和するまで石油根源石４４に吸着される。この段階は、一次移動と呼ばれる。多くの貯留層シミュレータは、様々な形態の吸着モデルを使用する。本発明では、岩石試料について実験を行い、シミュレーションセクションの吸着については岩石試料実験結果に標準吸着モデルを当てはめることが好ましい。
ケロジェンからの炭化水素による石油根源石４４の飽和が発生すると、追加で生成された炭化水素が放出される。追加で生成された炭化水素は、浮力のために地殻内を上方向に移動し始める。この段階は、二次移動と呼ばれる。以下に記載するのは、二次移動段階の成分質量バランスおよびエネルギーバランス関係であり、これは、位置を特定し、石油を生産するために井戸が掘削される、地下炭化水素貯留層を充填することを担う発生源である。
［成分質量（またはモル）バランス方程式］
堆積履歴中の時間ｔにおける三次元空間の層の堆積履歴、それらの特性、および厚さが与えられると、任意の炭化水素または非炭化水素成分ｉについての質量（モル）保存方程式が与えられ、ｚ方向のみの移動を仮定し、炭化水素または非炭化水素成分ｉについて離散形式で以下のように記述される。
Figure 2021515125
 ここで、流体相伝達率
Figure 2021515125
は、グリッド中心有限体積アプローチを使用して、グリッドブロックｉとｉ＋１との間の任意の方向ｄについて、以下のように定義される。
Figure 2021515125
式３では、
Figure 2021515125
はグリッド中心ｉおよびｉ＋１における絶対透水率の調和平均である。絶対透水率は、土被り圧と地層圧の関数である。同様に、界面領域Ａは、土被り圧の関数である。絶対透水率は、地層深度および層数が蓄積するにつれて、土被り圧が高くなるとともに収縮する。
同様に、蓄積期間のかさ体積は、土被り圧が増加するにつれて、流れに垂直なグリッドブロック面積が変化（小さくなる）するため、変化する。同様に、多孔率は土被り圧のために、さらに変化する。したがって、絶対透水率および多孔率の両方は、土被り圧および流体圧力によって影響される。関数形で書くと、透水率
Figure 2021515125
および多孔率φは、次のように表すことができる。
Figure 2021515125
［エネルギー方程式−成分熱バランス］
成分熱バランス関係は、以下のように表すことができる。
Figure 2021515125
ここで、
Figure 2021515125
は、式３と同様に定義される伝達率に基づく熱伝導率であるが、Ｋは地層岩石の熱伝導率を表す。
式５において、ｈは比エンタルピーを表し、変数は用語体系で定義される通りである。
［ケロジェンのより軽質の炭化水素への変換］
以下の式６では、ncは水素成分の数を表す。発源地４４においてケロジェンをより軽質の炭化水素に変換することは、２つの炭化水素成分の概念として実証することができる。nHOが重質の成分を表し、nLOが軽質の成分を表すと、次のようになる。
Figure 2021515125
式６において、下付き文字Ｋはケロジェンを表し、ＨＯは重質油を表し、ＬＯは軽質油を表し、nHOは重質油と軽質油の混合物中の重質油のモル分率（濃度）の数を表す。
Figure 2021515125
Figure 2021515125
反応速度定数は実験から決定することができ、またはアレニウスの式から計算することができる。
Figure 2021515125
 ここで、EHOは活性化エネルギーであり、Ｔは絶対温度であり、Ｒは普遍的なガス定数であり、Ａは反応の定数である。
式７では、CK,HOおよびCHO,LOは、実験から決定された化学量論的係数である。所与の温度Ｔに対して、式７、８、９は、線形結合常微分方程式の集合を形成し、それはnK(t),nHO(t),nLO(t)が最終シミュレーション時間である
Figure 2021515125
について、Tfinalについて一意に解くことができる。式７は、解析解が実行されることを仮定している。
ケロジェン：
Figure 2021515125
 重質成分：
Figure 2021515125
 軽質成分：
Figure 2021515125
堆積盆シミュレーションセクション１０８では、温度Ｔ（ｉ、ｊ、ｋ、ｔ）について、方程式７、８および９が各グリッドブロックについて解かれる。したがって、堆積盆シミュレーションのその時間ステップで生成されたＨＯおよびＬＯモルの数を知ることが有用である。そのＰおよびＴにおけるＨＯおよびＬＯモルの混合物は、液体または液体および気体のいずれかであり、または非常に高温の場合は完全に気体である（ＨＯの分子量に依存する）。これは、フラッシュ計算手順によって決定することができる。既に説明したように（図３）、発生したＨＯおよびＬＯは、浮力のために、おそらく最も水で湿った多孔質媒体中を堆積盆内のより高い上昇位置へ移動する。
［新たな石油・ガス蓄積物（貯留層）の予測］
地質履歴照合においてプロセッサ１０２によって得られた、堆積盆シミュレーションセクション１０８からの予測測定値と、貯留層シミュレーションセクション１１０からの予測測定値との間で良好な一致が形成されると、堆積盆シミュレーションセクション１０８は、１６０で示されているように使用されて、追加の従来型および非従来型の油田およびガス田の位置を特定する。
さらに、堆積盆シミュレーションセクション１０８は、石油根源石位置４４がどれだけ多くの炭化水素を含み、追加の非従来型埋蔵物の位置を特定することができるかを推定するために使用される。従来の貯留層は、典型的な現在の炭化水素貯留層であり、石油およびガスは一般に、地下のドーム型構造に捕捉されて発見される。従来の炭化水素貯留層は、ケロジェンからの生成後に、石油根源石またはキッチンからの炭化水素の移動の結果として形成される。石油根源石は、有機材料を調理することによって、圧力および温度下で炭化水素を生成する。石油根源石中に大量に発生した炭化水素は、岩石によって吸着され、それは一次移動と呼ばれる。石油根源石が炭化水素で飽和すると、追加で発生した炭化水素が浮力により地面の地下構造内を上方に移動する。移動する炭化水素は、今日知られている従来の、通常はドーム型構造に捕捉されるようになる。しかしながら、石油根源石は、吸着状態で大量の石油やガスを含んでいる場合がある。吸着された炭化水素を含む石油根源石層は、非従来型貯留層と呼ばれている。石油根源石（非従来型貯留層）中に捕捉された炭化水素を掘削し、生産することは経済的利権である。
本発明によるデータ処理システムＤの操作方法論を確認するために、合成モデル３００を構築した。このモデルは、炭化水素の発生および移動が起こる地下層の垂直断面を仮定した。このモデルは、ｘ方向に長さ約２４,０００フィート、垂直またはｚ方向に厚さ４００フィートの寸法を有する二次元断面であった（図１７）。垂直断面はさらに、ｘ方向に８つのグリッドセルまたはブロック、垂直方向に４つのグリッドブロック（層）に分割された。したがって、各グリッドブロックまたはセルは、トラップ３０２（図１８）または厚さ５０フィートの多孔質媒体を表す最高位置を除いて、３,０００フィート×１００フィートの寸法を有していた。グリッドブロックの大部分は、１パーセントのオーダーの低い多孔率を有すると仮定された。合成モデル３００におけるトラップ３０２は、２０パーセントの多孔率が割り当てられ、一方、トラップの下のグリッドブロックは、５パーセントの多孔率を有すると仮定された。
図１７および１８の主題であるモデル３００では、層の右端の境界が３０４で示されるように一定の圧力に保たれ、東境界３０６内の炭化水素および水が逃げることを可能にすることを除いて、流れ境界（密封）条件がないと仮定された。
システムの温度は、最初は地熱勾配のものと仮定されたが、移動中に変化しやすかった。石油根源石における吸着（一次移動）および炭化水素の移動経路はないと仮定した。モデルにおける岩石媒体は、水によって飽和された１００パーセントであると仮定された（堆積盆層が堆積盆の形成中に水の下に堆積されたことを表す）。
式２、３、４および５で記述されるように実行する制御体積有限差分シミュレータを、種々の移動事例について実行した。シミュレータは、流体流に対するダルシーの法則を用いた多相二炭化水素成分および水成分三次元シミュレータである。
［ケロジェンの位置特定例］
発源地４４のようなケロジェン源の位置特定例を説明するために、式１の変数は、油飽和率S0のみに還元された。
Figure 2021515125
式１３において、ｋは試行回数を表し、Ｋは試行回数の総数であり、ｄはトラップ３０２とキッチン（ケロジェン）発源地４４との間の未知の距離を表し、S0,t,k(d)はｄの所与の値について堆積盆シミュレータによって計算されたトラップ３０２における油飽和率である。J(d)は、ｄに関しての最小二乗目的関数である。
目的は、J(d)を最小にする最適化動作１５８中に未知の距離ｄの値を見つけることである。テイラー級数におけるJ(d)を推定値dυ+1の周りに展開し、ここで、υは反復レベルを表す。
Figure 2021515125
右辺をゼロに設定すると、
Figure 2021515125
 を得ることができる。
式１５を並べ替えると、
Figure 2021515125
 が得られる。
プロセッサ１０２の最適化動作１５８（図５）の反復は、１６０で示すように、
Figure 2021515125
 で停止する。
［モデル例−推測産地］
図１８は、モデル３００についての貯留層構造における関心の最高位置であるポテンシャルトラップ３０２から離れた距離に位置するケロジェン発源地４４を示す。ケロジェン発源地４４は、地表下９，２００フィートの深度に位置し、ポテンシャルトラップ３０２は、地表下７,０００フィートに位置する。図１８のモデル３００において、ケロジェングリッドブロックの中心点（ｉ＝３（ｘ方向指標；ｉ＝１，８）；および層＝３）とトラップ３０２の中心（ｘ方向、ｉ指標＝６に位置、および層＝１）との間の距離は、９，２６５フィートである。
図１８のモデルでは、ケロジェン温度は華氏２３５度であり、トラップ温度は華氏２０４度である。システムは、地熱温度勾配を伴う静水圧平衡で仮定した。各時間ステップの温度方程式を解くために、５つの不均一層を貯留層の頂部に加え（熱流を適切に説明するために対数的に間隔を空けた）、５つの層を貯留層の底部（第４貯留層）に加えた。
各貯留層は１．５ダルシーの一定の水平透水率を持つと仮定したが、垂直透水率は１５ ｍＤに設定した。上部層では、１〜６Ｄの間で変化する高透水率が選択された。トラップブロック３００を除く層の多孔率は１％と仮定し、トラップ面積多孔率は２０％とした。
［基本ケースモデルの結果］
液体油貯留層地層を伴う簡略化された基本ケースモデルについて、重質油および軽質油が、ケロジェンが時間内に分解することにつれて生成された例示的ケースについて、データ処理システムＤを実行した（図３）。上述のように、生成された軽質炭化水素および重質炭化水素の質量（またはモル）は、キッチン４４を出て、浮力の下でモデル３００（図２０）の構造の頂部に垂直に移動し始める（図１８）。油が上方に移動することにつれて、地層水を移動させる。移動した水は、東境界３０６で機構から漏れ出る。
データ処理システムＤからの実施例の結果は、炭化水素の生成および移動の終わりに、トラップ３０２がその泡立ち点より上の油で満たされたことを示した。図２０は、新たな油田が７０３７．５フィートの油水接触面で形成されたことを示す。モデル内のトラップ３０２ を表すグリッドブロックの油飽和率S0は０．７５ である。油のＡＰＩ比重は３８．１であり、泡立ち点圧力は６６７ｐｓｉであり、軽質留分モル分率（組成は０．４５）であった。トラップ油圧は３７３０ｐｓｉであった。
捕捉された炭化水素特性は、ケロジェン分解の結果である。化学量論係数Ｃを図１９に示す。図１９に示すように、ケロジェンの分子量は８００ｌｂ．／ｌｂ−モルであり、ケロジェンの重質油成分への変換の化学量論係数は０．５５であり、ケロジェンの軽質油への変換の化学量論係数は０．４５である（式６および７）。図１９は、移動時間＝０の初期状態において、炭化水素生成が開始する前に、３１０で示される全ケロジェン質量は、無次元単位で１であることを示す。ケロジェン生成が時間と共に進行することにつれて、石油根源石中のケロジェン質量の量が減少し（１未満）、３１２で示されるような重質油の質量および３１４で示されるような軽質油の質量が生成される。図１９からも分かるように、重質油と軽質油の発生量は、それぞれ３１２ａと３１４ａで示されるように、最大に達する。その後、石油根源石中のケロジェンの総量が減少することにつれて、重質油および軽質油の発生は減少し始める。
トラップ３０２が充填された後にケロジェンがより多くの軽質油を生成する場合、モデル３００内のトラップ３０２は、より多くの軽質油で充填されるはずであり、最終的に、ガスキャップがトラップ３０２において形成され得るか、または完全にガス貯留層であり得る。この実施例では、注記したように、簡略化した例示的な実施例として、液体油貯留層地層を選択した。
［さらなるモデル結果］
式２、３、４、および５に対して実行される制御体積有限差分シミュレータを使用するデータ処理システムＤのいくつかの実行は、キッチン（ケロジェン）４４を異なる位置に配置し、トラップ３０２の油飽和率Ｓ0を予測することによって、図１８のモデルに対して行われた。３回の実行結果を図２１、２２および２３に示す。図２１に見られるように、最初に、キッチン４４がトラップから４．７ｋｍ離れて位置すると仮定した。このケースでは、トラップ油飽和率Ｓ0は６０％になった。次に、キッチン４４は、約１ｋｍ離れていると仮定された（図２２）。このケースでは、トラップ油飽和率Ｓ0が８６％になった。ケース３では、キッチン４４をトラップ３０２から３ｋｍ離れた位置に移動させた（図２４）。ケース３の場合、計算されたトラップ油飽和率Ｓ0は０．７６であった。キッチンの位置を変え、トラップ油飽和率を計算することにより、より多くの実行を行った。
二次関数は、キッチン４４の多数の位置について、このようにしてデータ処理システムＤの実行によって得られた発源地についての決定された結果に適合した。得られた適合した二次関数は、捕捉された油飽和率Ｓｏと図１８のモデル３００におけるトラップ３０２とキッチン４４との間の距離ｄを解析的に記述する関係を定義する。捕捉された油飽和率Ｓ0と距離ｄとの間の関係は、式１８に示される。
Figure 2021515125
式１８を式１６に代入し、ｄ＝１，０００フィートの開始値を想定すると、次の表になる。
Figure 2021515125
式１８のさらなる反復および適用は、キッチン４４が、基本モデルに対して決定された９，２６５フィート（図１８）からわずか１４フィート離れたトラップ３０２から約９，２５０フィート離れた距離に配置されたことを推定した。
油飽和率のみに基づく前述の実施例を、例示的なモデル実施例として使用した。実際の産地のケースでは、式１で識別される組成、温度、流体特性、および他の堆積盆属性のような、式１に示されるより多くの変数は、ケロジェン発源地の決定された位置の精度を改善するために照合されるべきである。
［将来の貯留層性能のシミュレーション］
また、上記の式２〜５は、貯留層内の流体の流れを記述している。従って、貯留層シミュレーションセクション１１０は再度、トラップされた石油を使用して、貯留層の将来の性能を予測するために、１６２で示されるように使用することができる。図２４に示される例示的なモデルが提供される。将来の貯留層性能のシミュレーションを例証するために、２つの生産井３２０および３２２が、石油トラップ３０２（図２４のｘグリッド位置、ｉ＝６およびｉ＝７、層１−トップ層）に掘削されたと仮定された。次いで、貯留層シミュレーションセクション１１０を実行して、貯留層性能を予測した。
井戸３２０および３２２は生産をし、それらの性能を決定した。得られた決定された結果は、図２５において将来の貯留層時間の関数としてプロットされた。図２５は、貯留層井戸が生産を開始した日に開始する貯留層生産時間の関数として、井戸の予測された性能（３２４で示される圧力、３２６での石油生産率、および３２８での含水率）の出力表示プロットである。予測性能は、図４のデータ処理システムのシミュレータ１０６シミュレーションの貯留層シミュレーションセクション１１０を用いて行われる。例えば、貯留層シミュレーションは、１９６０年や２０１７年など、近年、あるいは現在の数年間実行することができ、堆積盆シミュレーションは、５億年前の地質時代に始まり、現在（２０１７年）停止している。
図２５は、堆積盆シミュレーションのために堆積盆シミュレーションセクション１０８によって使用されるのと同じグリッドシステムが貯留層シミュレーションのために使用され得ることを示す結果のプロットである。図５に示されるように、貯留層シミュレーションセクション１１０は、貯留層の生産を予測するために、ステップの間に決定された較正された属性を使用して、１６２で示されるように実行され得る。図２４に示されるように、井戸３２０および３２２は、例示目的のために貯留層内に掘削されたものとして示される。したがって、データ処理システムＤによるシミュレーションプロセス全体の時間枠には、過去の地質学的時間にわたる地質学的堆積盆履歴が含まれ、貯留層井戸が生産を開始した日まで、また将来の予測生産に至るまで、時間的に前進し続ける。例えば、年単位の時間枠では、地質学的堆積盆履歴は１億年であり、貯留層の生産履歴および予測は５０年であり得る。
以上のことから、本発明のデータ処理システムＤは、堆積盆シミュレーションセクション１０８によって、石油およびガスの移動を決定すること、および貯留層シミュレーションセクション１１０によって、現在の貯留層生産測定値から将来の貯留層性能を予測することが分かる。データ処理システムＤは、そのような属性を測定することができない井戸位置間の貯留層位置における、より正確な貯留岩および流体特性分布を提供する。
データ処理システムＤは、堆積盆シミュレーションセクション１０８によって移動から捕捉された物理的現実に基づいて動作する。データ処理システムは、井戸で得た測定値を用い、統計的手法を用いて井戸間の領域について貯留岩と流体特性分布の内挿法を行う従来の方法とは異なる。
本発明のデータ処理システムＤからの結果は、井戸間の貯留層不連続部により多くの光を当て、貯留層内の炭化水素ガス、軽質油、および重質油（タール）ゾーンと同様に、関心のある貯留層パラメータのより良好な分布をもたらす。データ処理システムＤで得られた貯留層モデルにおける貯留層内のより正確な初期流体および岩石特性分布もまた、貯留層シミュレーションセクション１１０による炭化水素貯留層の生産予測精度を向上させる。
本発明は、当業者が本発明において言及された結果を再現し、得られるように十分に説明されており、それにもかかわらず、本発明の主題である技術分野の当業者は、本明細書の要求に記載されていない修正を実行して、これらの修正を決定された構造に適用し、またはその製造プロセスにおいて、後述の特許請求の範囲に記載された事項を必要とする。そのような構造は、本発明の範囲内に包含されるものとする。
添付の特許請求の範囲に記載される本発明の精神または範囲から逸脱することなく、上記詳細に記載された本発明の改良および修正がなされ得ることに留意され、理解されるべきである。

Claims (26)

  1. 炭化水素を生産する貯留層を有する関心領域において、前記貯留層内の井戸間の位置における地下層の貯留層属性を決定することによって、地下層の炭化水素の発源地を位置特定するデータ処理システムであって、
    （ａ）貯留層シミュレータであって、
    （１）貯留層の中の地層の地質測定値を受信する堆積盆シミュレーションセクションであって、前記貯留層が貯留層セルのグリッドに編成された貯留層モデルとして編成されている、堆積盆シミュレーションセクションと、
    （２）前記貯留層内の前記井戸からの生産の初期時間における、前記貯留層の前記井戸内で受信された観測された実際の貯留岩および流体特性に基づいて、前記貯留層内の前記井戸間の位置における前記貯留層モデルのグリッドセル内の貯留層属性の初期堆積盆シミュレーション予測測定値を形成する、堆積盆シミュレーションセクションと、
    （３）前記貯留層の前記井戸からの生産の初期時間に、前記貯留層の前記井戸内で観測された実際の貯留岩および流体特性を受信する、 貯留層シミュレーションセクションと、
    （４）前記貯留層の前記井戸からの生産の初期時間における、前記貯留層の前記井戸内で受信された観測された実際の貯留岩および流体特性に基づいて、前記貯留層内の前記井戸間の位置における前記貯留層モデルの前記グリッドセル内の貯留層属性の貯留層シミュレーションセクション予測測定値を形成する、貯留層シミュレーションセクションと、
    を含む、貯留層シミュレータと、
    （ｂ）前記貯留層モデルの前記グリッドセル内の貯留層属性の、形成された初期堆積盆シミュレーション予測測定値を、前記井戸間の位置において、所定精度の範囲内に対応するように、前記貯留層モデルの前記グリッドセル内の貯留層属性の、形成された貯留層シミュレーションセクション予測測定値と較正する、プロセッサと、
    （ｃ）前記貯留層モデルの前記グリッドセル内の前記貯留層属性の、較正された初期堆積盆シミュレーション予測測定値に基づいて、前記井戸から離れた位置における前記貯留層内の炭化水素の存在を示す、前記貯留層モデルの前記グリッドセル内の貯留岩特性および流体特性条件の測定値をさらに形成する、堆積盆シミュレーションセクションと、
    を含む、データ処理システム。
  2. 前記貯留層のグリッドセルは、三次元グリッド座標マトリックスに編成される、請求項１に記載のデータ処理システム。
  3. 前記グリッドセル内の貯留層属性の較正された貯留層シミュレーションセクション予測測定値に基づいて、前記貯留層の前記井戸間の位置における前記貯留層モデルの前記グリッドセルからの貯留層生産の予測測定値を形成する、貯留層シミュレーションセクションをさらに含む、請求項１に記載のデータ処理システム。
  4. 前記貯留層属性が貯留岩特性を含む、請求項１に記載のデータ処理システム。
  5. 前記貯留岩特性が流体飽和度を含む、請求項４に記載のデータ処理システム。
  6. 前記貯留岩特性が地層厚を含む、請求項４に記載のデータ処理システム。
  7. 前記貯留岩特性が地層多孔率を含む、請求項４に記載のデータ処理システム。
  8. 前記貯留岩特性が地層透水率を含む、請求項４に記載のデータ処理システム。
  9. 前記貯留層属性が貯留層流体特性を含む、請求項１に記載のデータ処理システム。
  10. 前記貯留層流体特性が流体温度を含む、請求項９に記載のデータ処理システム。
  11. 前記貯留層流体特性が流体圧力を含む、請求項９に記載のデータ処理システム。
  12. 前記貯留層流体特性が成分濃度を含む、請求項９に記載のデータ処理システム。
  13. 前記貯留層流体特性が成分流体濃度を含む、請求項９に記載のデータ処理システム。
  14. 前記貯留層が、前記地下層において石油根源石から移動した炭化水素を生産するデータ処理システムであって、
    前記貯留層モデルの前記グリッドセルにおける貯留層属性の較正された初期堆積盆シミュレーション予測測定値に基づいて、前記地下層および井戸から離れた石油根源石の位置に貯留層中の炭化水素の存在を示す前記貯留層モデルの前記グリッドセルの貯留岩特性および流体特性条件の測定値を形成する、請求項９に記載のデータ処理システム。
  15. 炭化水素を生成する貯留層の関心領域における地下層の井戸間の位置における貯留層属性を較正するデータ処理システムであって、前記貯留層はグリッドセルの三次元グリッド座標マトリックスに編成され、
    （ａ）貯留層シミュレータであって、
    （１） 前記貯留層の地層の地質測定値を受信する堆積盆シミュレーションセクションと、
    （２）前記貯留層の前記井戸からの生産の初期時間における前記貯留層の前記井戸内の受信した観測された実際の貯留岩および流体特性に基づいて、前記貯留層内の前記井戸間の位置における前記貯留層モデルの前記グリッドセル内の貯留層属性の初期堆積盆シミュレーション予測測定値を形成する、堆積盆シミュレーションセクションと、
    （３）前記貯留層の前記井戸からの生産の初期時間に、前記貯留層の前記井戸内で観測された実際の貯留岩および流体特性を受信する、貯留層シミュレーションセクションと、
    （４）前記貯留層の前記井戸からの生産の初期時間における、前記貯留層の前記井戸内の受信された観測された実際の貯留岩および流体特性に基づいて、前記貯留層の前記井戸間の位置における前記貯留層モデルの前記グリッドセル内の貯留層属性の貯留層シミュレーションセクション予測測定値を形成する、貯留層シミュレーションセクションと、
    を含む、貯留層シミュレータと、
    （ｂ）前記貯留層モデルの前記グリッドセル内の貯留層属性の形成された初期堆積盆シミュレーション予測測定値を、前記井戸間の位置において、所定精度の範囲内に対応するように、前記貯留層モデルの前記グリッドセル内の貯留層属性の形成された貯留層シミュレーションセクション予測測定値と較正する、プロセッサと、
    を含む、データ処理システム。
  16. 前記グリッドセル内の貯留層属性の較正された貯留層シミュレーションセクション予測測定値に基づいて、前記貯留層の前記井戸間の位置における前記貯留層モデルの前記グリッドセルから貯留層生産の予測測定値を形成する、貯留層シミュレーションセクションをさらに含む、請求項１５に記載のデータ処理システム。
  17. 前記貯留層属性が貯留岩特性を含む、請求項１６に記載のデータ処理システム。
  18. 前記貯留岩特性が流体飽和度を含む、請求項１７に記載のデータ処理システム。
  19. 前記貯留岩特性が地層厚を含む、請求項１７に記載のデータ処理システム。
  20. 前記貯留岩特性が地層多孔率を含む、請求項１７に記載のデータ処理システム。
  21. 前記貯留岩特性が地層透水率を含む、請求項１７に記載のデータ処理システム。
  22. 前記貯留層属性が貯留層流体特性を含む、請求項１５に記載のデータ処理システム。
  23. 前記貯留層流体特性が流体温度を含む、請求項２２に記載のデータ処理システム。
  24. 前記貯留層流体特性が流体圧力を含む、請求項２２に記載のデータ処理システム。
  25. 前記貯留層流体特性が成分濃度を含む、請求項２２に記載のデータ処理システム。
  26. 前記貯留層流体特性が成分流体濃度を含む、請求項２２に記載のデータ処理システム。
JP2020544931A 2018-02-28 2019-02-27 新たな炭化水素産地の位置特定と炭化水素移動からの貯留層性能の予測 Ceased JP2021515125A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/907,828 US11126762B2 (en) 2018-02-28 2018-02-28 Locating new hydrocarbon fields and predicting reservoir performance from hydrocarbon migration
US15/907,828 2018-02-28
PCT/US2019/019764 WO2019168928A1 (en) 2018-02-28 2019-02-27 Locating new hydrocarbon fields and predicting reservoir performance from hydrocarbon migration

Publications (1)

Publication Number Publication Date
JP2021515125A true JP2021515125A (ja) 2021-06-17

Family

ID=65818069

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020544931A Ceased JP2021515125A (ja) 2018-02-28 2019-02-27 新たな炭化水素産地の位置特定と炭化水素移動からの貯留層性能の予測

Country Status (6)

Country Link
US (1) US11126762B2 (ja)
EP (1) EP3759527B1 (ja)
JP (1) JP2021515125A (ja)
CN (1) CN111771144B (ja)
CA (1) CA3092083C (ja)
WO (1) WO2019168928A1 (ja)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12001762B2 (en) * 2018-12-21 2024-06-04 ExxonMobil Technology and Engineering Company Method for performing well performance diagnostics
CN112943224B (zh) * 2019-12-11 2023-02-07 中国石油化工股份有限公司 稠油井动液面的计算方法
US11178247B2 (en) 2020-04-03 2021-11-16 Toyota Motor Engineering & Manufacturing North America, Inc. Digital twin-based edge server switching decision
US11486722B2 (en) 2020-04-21 2022-11-01 Toyota Motor Engineering & Manufacturing North America, Inc. Vehicular edge server switching mechanism based on historical data and digital twin simulations
CN111507537B (zh) * 2020-04-26 2023-06-20 中国石油大学(北京) 一种水驱气藏的储量和水侵量的预测方法及装置
CN114151070B (zh) * 2020-08-17 2023-08-22 中国石油天然气股份有限公司 原油裂解气藏流体古压力恢复方法
EP4217905A1 (en) * 2020-09-23 2023-08-02 Services Pétroliers Schlumberger Machine-learning calibration for petroleum system modeling
CN112434076A (zh) * 2020-10-28 2021-03-02 南京润江安全环保科技有限公司 土壤污染物迁移与预警模拟方法及系统
CN112593930A (zh) * 2020-12-09 2021-04-02 成都北方石油勘探开发技术有限公司 一种油气成藏有利区的筛选评价方法
CN112983406B (zh) * 2021-03-15 2022-03-25 西南石油大学 一种天然气水合物储层参数指标评价方法
CN113221411B (zh) * 2021-05-08 2022-12-09 桂林理工大学 针对任意形状有损耗介质充电电位数值模拟方法、系统、终端
CN113297803B (zh) * 2021-06-17 2022-12-06 东北石油大学 一种油气产量智能模拟预估方法和系统
US20230112695A1 (en) * 2021-10-12 2023-04-13 Saudi Arabian Oil Company Generating input data for simulating reservoirs with variable fluid contact depths
US20240093577A1 (en) * 2022-09-20 2024-03-21 Ergo Exergy Technologies Inc. Quenching and/or sequestering process fluids within underground carbonaceous formations, and associated systems and methods
CN117195511B (zh) * 2023-08-23 2024-04-30 中国科学院南海海洋研究所 一种初始地壳厚度和伸展系数定量计算方法
CN117153291B (zh) * 2023-10-31 2024-01-02 水利部交通运输部国家能源局南京水利科学研究院 一种灌区稻田碳汇价值计算方法及系统
CN117217393B (zh) * 2023-11-08 2024-01-26 新疆智能港环保科技有限公司 一种通过渗析扩容提高油气井产量检测修正系统
CN118011523A (zh) * 2024-04-09 2024-05-10 中国石油大学(华东) 一种基于生排烃模拟的高成熟气源岩分级评价方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130346040A1 (en) * 2012-06-20 2013-12-26 Schlumberger Technology Corporation Shale gas production forecasting
US20140233352A1 (en) * 2013-02-20 2014-08-21 Chevron U.S.A. Inc. Velocity models for processing seismic data based on basin modeling
US20150247940A1 (en) * 2014-03-03 2015-09-03 King Abdullah University Of Science And Technology History matching of time-lapse crosswell data using ensemble kalman filtering
US20190293835A1 (en) * 2016-07-22 2019-09-26 Schlumberger Technology Corporation Modeling of Oil and Gas Fields for Appraisal and Early Development

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6980940B1 (en) 2000-02-22 2005-12-27 Schlumberger Technology Corp. Intergrated reservoir optimization
WO2002047011A1 (en) * 2000-12-08 2002-06-13 Ortoleva Peter J Methods for modeling multi-dimensional domains using information theory to resolve gaps in data and in theories
US6918442B2 (en) * 2001-04-24 2005-07-19 Shell Oil Company In situ thermal processing of an oil shale formation in a reducing environment
FR2837572B1 (fr) * 2002-03-20 2004-05-28 Inst Francais Du Petrole Methode pour modeliser la production d'hydrocarbures par un gisement souterrain soumis a une depletion
US7725302B2 (en) 2003-12-02 2010-05-25 Schlumberger Technology Corporation Method and system and program storage device for generating an SWPM-MDT workflow in response to a user objective and executing the workflow to produce a reservoir response model
FR2869116B1 (fr) 2004-04-14 2006-06-09 Inst Francais Du Petrole Methode pour construire un modele geomecanique d'une zone souterraine destine a etre couple a un modele de reservoir
US7596480B2 (en) 2005-04-14 2009-09-29 Saudi Arabian Oil Company Solution method and apparatus for large-scale simulation of layered formations
US20080040086A1 (en) 2006-08-09 2008-02-14 Schlumberger Technology Corporation Facilitating oilfield development with downhole fluid analysis
CA2720117C (en) * 2008-05-05 2017-11-28 Exxonmobil Upstream Research Company Systems, methods, and computer program products for modeling dynamic systems by visualizing a parameter space and narrowing the parameter space
CA2738122C (en) 2008-09-19 2020-02-11 Chevron U.S.A. Inc. Computer-implemented systems and methods for use in modeling a geomechanical reservoir system
US8280709B2 (en) 2008-10-03 2012-10-02 Schlumberger Technology Corporation Fully coupled simulation for fluid flow and geomechanical properties in oilfield simulation operations
US8165817B2 (en) 2009-03-09 2012-04-24 Schlumberger Technology Corporation Method for integrating reservoir charge modeling and downhole fluid analysis
MX2012001961A (es) * 2009-08-14 2012-04-02 Bp Corp North America Inc Analisis de arquitectura y conectividad de yacimiento.
US20110141851A1 (en) * 2009-12-16 2011-06-16 Chevron U.S.A. Inc. System and method for integrated reservoir and seal quality prediction
BR112012017278A2 (pt) * 2010-02-12 2016-04-26 Exxonmobil Upstream Res Co método e sistema para criar modelos de simulação de ajuste de histórico
US8359185B2 (en) 2010-06-30 2013-01-22 Saudi Arabian Oil Company Reservoir simulation of giant subsurface reservoirs with accelerated phase equilibrium determination
EP2599031A4 (en) * 2010-07-29 2014-01-08 Exxonmobil Upstream Res Co METHOD AND SYSTEMS FOR A FLOW SIMULATION BASED ON MACHINERY LEARNING
US8437999B2 (en) * 2011-02-08 2013-05-07 Saudi Arabian Oil Company Seismic-scale reservoir simulation of giant subsurface reservoirs using GPU-accelerated linear equation systems
US9164191B2 (en) 2011-02-09 2015-10-20 Saudi Arabian Oil Company Sequential fully implicit well model for reservoir simulation
US8731891B2 (en) * 2011-07-28 2014-05-20 Saudi Arabian Oil Company Cluster 3D petrophysical uncertainty modeling
US9378311B2 (en) * 2012-02-09 2016-06-28 Saudi Arabian Oil Company Multi-level solution of large-scale linear systems in simulation of porous media in giant reservoirs
US9471723B2 (en) 2012-03-16 2016-10-18 Saudi Arabian Oil Company Input parsing and array manipulation in reservoir simulation
US10012764B2 (en) * 2012-09-12 2018-07-03 Bp Exploration Operating Company Limited System and method for determining retained hydrocarbon fluid
RU2595535C1 (ru) * 2013-05-15 2016-08-27 Лэндмарк Графикс Корпорейшн Моделирование бассейн-пласт
US10083258B2 (en) * 2013-09-13 2018-09-25 Schlumberger Technology Corporation Combining downhole fluid analysis and petroleum systems modeling
US10101498B2 (en) * 2014-09-05 2018-10-16 Schlumberger Technology Corporation Well survivability in multidimensional geomechanical space
CA2907871C (en) * 2014-10-09 2024-02-20 Schlumberger Canada Limited Fault representation
WO2017111964A1 (en) * 2015-12-22 2017-06-29 Landmark Graphics Corporation Method for improving reservoir performance by using data science
US10295683B2 (en) * 2016-01-05 2019-05-21 Schlumberger Technology Corporation Amplitude inversion on partitioned depth image gathers using point spread functions

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130346040A1 (en) * 2012-06-20 2013-12-26 Schlumberger Technology Corporation Shale gas production forecasting
US20140233352A1 (en) * 2013-02-20 2014-08-21 Chevron U.S.A. Inc. Velocity models for processing seismic data based on basin modeling
US20150247940A1 (en) * 2014-03-03 2015-09-03 King Abdullah University Of Science And Technology History matching of time-lapse crosswell data using ensemble kalman filtering
US20190293835A1 (en) * 2016-07-22 2019-09-26 Schlumberger Technology Corporation Modeling of Oil and Gas Fields for Appraisal and Early Development

Also Published As

Publication number Publication date
CA3092083A1 (en) 2019-09-06
WO2019168928A1 (en) 2019-09-06
US11126762B2 (en) 2021-09-21
CN111771144B (zh) 2023-08-01
EP3759527A1 (en) 2021-01-06
CN111771144A (zh) 2020-10-13
CA3092083C (en) 2024-03-12
US20190266294A1 (en) 2019-08-29
EP3759527B1 (en) 2023-08-23

Similar Documents

Publication Publication Date Title
JP2021515125A (ja) 新たな炭化水素産地の位置特定と炭化水素移動からの貯留層性能の予測
CA3001146C (en) Method for estimating oil/gas production using statistical learning models
US8359184B2 (en) Method, program and computer system for scaling hydrocarbon reservoir model data
Zhang et al. A supervised learning approach for accurate modeling of CO2–brine interfacial tension with application in identifying the optimum sequestration depth in saline aquifers
Rupke et al. Automated thermotectonostratigraphic basin reconstruction: Viking Graben case study
US20230111179A1 (en) Predicting oil and gas reservoir production
Riley et al. The effect of heterogeneities in hydrate saturation on gas production from natural systems
Ganjdanesh et al. A field pilot of huff-n-puff gas injection for enhanced oil recovery in Permian Basin
Hou et al. Numerical simulation and evaluation of the fracturing and tight gas production with a new dimensionless fracture conductivity (f cd) model
Zhou et al. Inference of relative permeability curves in reservoir rocks with ensemble Kalman method
US20190187311A1 (en) Method and System for Modeling a Subsurface Region
Meulbroek Equations of state in exploration
Shi et al. Oil and gas assessment of the Kuqa Depression of Tarim Basin in western China by simple fluid flow models of primary and secondary migrations of hydrocarbons
Manestar et al. Dual porosity modeling for shale gas wells in the Vaca Muerta formation
Tang Development and applications of a fully implicitly coupled wellbore-reservoir simulator
Ogbechie Fracture modeling and flow behavior in shale gas reservoirs using discrete fracture networks
Kim et al. Sequential formulation of all‐way coupled finite strain thermoporomechanics for largely deformable gas hydrate deposits
Shen et al. Ordovician Hydrocarbon Migration along the Tazhong No. 10 Fault Belt in the Tazhong Uplift, Tarim Basin, Northwest China
WO2020047451A1 (en) Digitial multi-phase flow analysis system for assisting enhanced oil recovery
Bogdanov et al. Petroleum potential of the north-western part of the Khanty-mansiysk autonomous region KhmAO on the basis of petroleum system development history reconstruction
Lubnin et al. System approach to planning the development of multilayer offshore fields
Choudhary et al. Uncertainty Propagation in Predicting Recovery from Gas Hydrate Reservoirs: From Reservoir Characteristics to Performance Analysis
MacLennan et al. Using multiphase fluid-flow modeling and time-lapse electromagnetics to improve 4D monitoring of CO2 in an EOR reservoir
Amer et al. Methods Used to Estimate Reservoir Pressure Performance: A Review
Veedu et al. Evaluation of development strategies and uncertainties of a newly discovered heavy oil field in Kuwait

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201020

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20211018

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211124

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20220217

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220413

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220830

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221130

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230322

A045 Written measure of dismissal of application [lapsed due to lack of payment]

Free format text: JAPANESE INTERMEDIATE CODE: A045

Effective date: 20230725