JP5927296B2 - クラスタ3次元の石油物理学的不確実性モデリング - Google Patents

クラスタ3次元の石油物理学的不確実性モデリング Download PDF

Info

Publication number
JP5927296B2
JP5927296B2 JP2014522868A JP2014522868A JP5927296B2 JP 5927296 B2 JP5927296 B2 JP 5927296B2 JP 2014522868 A JP2014522868 A JP 2014522868A JP 2014522868 A JP2014522868 A JP 2014522868A JP 5927296 B2 JP5927296 B2 JP 5927296B2
Authority
JP
Japan
Prior art keywords
reservoir
cell
node
reservoir model
model
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.)
Expired - Fee Related
Application number
JP2014522868A
Other languages
English (en)
Other versions
JP2014526044A (ja
Inventor
サング,ロジャー,アール.
アル−ワハビ,ハーリド,エス.
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 JP2014526044A publication Critical patent/JP2014526044A/ja
Application granted granted Critical
Publication of JP5927296B2 publication Critical patent/JP5927296B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V99/00Subject matter not provided for in other groups of this subclass
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00Details of seismic processing or analysis
    • G01V2210/60Analysis
    • G01V2210/66Subsurface modeling
    • G01V2210/667Determining confidence or uncertainty in parameters

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Geophysics And Detection Of Objects (AREA)

Description

本発明は、3次元のセルグリッドとしてモデル化された地中の炭化水素貯留層のコンピュータ化されたシミュレーションに関し、具体的には、貯留層モデルにおける個別セルに対するセルごとの貯留層属性または特性の決定に関する。
石油およびガス業界では、地下炭化水素貯留層の開発には典型的に、コンピュータシミュレーションモデルの開発および分析が含まれる。これらの地下炭化水素貯留層は、石油流体混合物および水の両方を含有する典型的に複雑な岩石層である。貯留層流体内容物は通常、2つ以上の流体相で存在する。貯留層流体中の石油混合物は、これらの岩石層の中へドリル穿孔されて完成される坑井によって生成される。いわゆる貯留層シミュレーションモデリングによって貯留層流体の性質および規模のシミュレーションが実行される。本出願の譲受人によって所有される米国特許第7,526,418号は、貯留層シミュレーションモデリングの一例である。
貯留層における岩石層の性質および規模はまた、貯留層にわたって変化し、層群の岩石の特性または属性として知られる特定の特質もまた変化する。岩石層の属性ならびに性質および規模は、いわゆる地質モデリングによって分析される。地質モデルから提供される水または油の飽和率、孔隙率、および浸透率などの属性は、貯留層の計画および開発で有益である。
石油およびガス会社は、石油備蓄を利用する能力を高める重要なツールとして地質モデルに依存するようになった。貯留層およびガス油田の地質モデルは、ますます大きくかつ複雑になっている。
この業界の合成的貯留層シミュレーションの初期開発は、今までに知られている限りでは、対象の貯留層が組織化された比較的少数(約100,000)のセルによって特徴付けられるのに十分に小さい貯留層モデルに限定されていた。
初期モデルは、巨大油田およびガス田として知られるようになっているものに対して、データ内容および精度がひどく粗悪であった。巨大貯留層とは、炭化水素および他の流体を含有する地球上の様々な場所におけるマンモス地下貯留層である。貯留層のサイズにより、セルの数は、百万から数百万であり得る。
加えて、25メートル面積(x×y)間隔で貯留層をサンプリングする詳細な地震波データの精度の向上により、すべての利用可能な詳細を取り入れるように数億から数十億のセルのモデルが必要とされ始め、次に貯留層のより正確なモデルをもたらすことが目的とされるようになり、より効果的かつ効率的な貯留層性能につながった。
石油物理学的アルゴリズムとして当該技術分野において既知でもある、いくつかの利用可能なコンピュータ実装された石油物理学的モデリングプロセスがあり、これは、貯留層において既存の坑井から得られる層コアサンプルからのデータに基づいて貯留層属性の基準を得るために使用することができる。従来、このような石油物理学的アルゴリズムは、コアサンプルからの坑井から得られるデータに基づいて個別の坑井場所で適用された。しかしながら、貯留層の現場を特徴付け、開発する際には、貯留層計画に対する正確なモデルを与えるために、3次元貯留層全体に及ぶ貯留層の3次元地質モデルが構築される必要がある。坑井場所にない大半のモデルセルは、その大半のセルについての貯留層属性の値を提供するためのある種の補間技術を必要とした。この補間は、従来の石油物理学的アルゴリズムを使用して計算された既存の坑井の場所におけるセル情報から得られる属性値の間に適用された。しかしながら、地下層レイヤの属性は、貯留層における層の規模とともに変化する。
これまで、坑井が交差しない貯留層上の広大な空間のモデル属性を得ようと試みるとき、少数の利用可能なデータ点からの平均化方法が適用された。補間または平均化方法は一般的に、石油物理学的アルゴリズムから計算されるときに精度をもたらさなかった。したがって、この技術は、貯留層の通常複雑な構造的性質を表すときに属性値の精度不足を被った。これは特に、巨大貯留層が関わる場合である。
したがって、浸透率のような必須の貯留層特性は、今までに知られている限りでは、現在、少数の経験的関数を使用することによって地質モデルを構築するときに計算されるか、または実際の坑井情報で通常少数のこれらの利用可能な場所から補間される。地質モデルのサイズは通常、小さい貯留層に対する数万から巨大貯留層に対する数億のセルに及ぶ。今までに知られている限りでは、現在の平均化または補間方法は、複雑な貯留層において十分な詳細または精度を提供していない。
簡潔に説明すると、本発明は、少なくとも1つのマスタノードと、複数のプロセッサノードとを含むコンピュータシステムにおいてコンピュータ化されたシミュレーションの新しく改良されたコンピュータ実装方法を提供する。形成される貯留層モデルは、地下貯留層構造の特性である。シミュレーションされる貯留層モデルは、組織化されたセルのシステム内に配列されるいくつかのセルに分割され、シミュレーションは、貯留層のセルに対する入力パラメータの予測値にさらに基づく。入力パラメータの予測値は、無作為に生成され、統計的な標準に関して特定の不確実度を有する。本発明によるコンピュータ実装方法は、マスタノードにおいてセルおよび貯留層の地下特徴に関する予測入力パラメータデータを受信することと、貯留層セルの特性の仮定値を決定するために石油物理学的アルゴリズムをプロセッサノードに転送することとを含む。個別セルに対する入力パラメータデータは、複数のプロセッサノードの間のマスタノードから分配される。貯留層セルのうちの個別セルに対する貯留層特性の仮定値は、プロセッサノードのうちの個別ノードで決定される。セルに対する貯留層特性の決定された仮定値は、プロセッサノードのうちの個別ノードによって決定するステップの完了時にデータメモリ内に記憶するためにプロセッサノードからマスタノードに転送される。分配、決定、および転送するステップは、貯留層モデルにおいて対象のセルに対して繰り返され、貯留層において対象のセルに対する貯留層特性の仮定値はアセンブルされる。
本発明はまた、地下貯留層構造の特性の貯留層モデルのコンピュータ化されたシミュレーションのための新しく改良されたデータ処理システムも提供する。シミュレーションされる貯留層モデルは、組織化されたセルのシステム内に配列されるいくつかのセルに分割され、さらに、シミュレーションは、貯留層のセルに対する入力パラメータの予測値にある。入力パラメータの予測値は、無作為に生成され、特定の不確実度を有する。データ処理システムは、セルおよび貯留層の地下特徴に関する予測入力パラメータデータを受信し、かつ貯留層セルの特性の仮定値を決定するために石油物理学的アルゴリズムをプロセッサノードに転送するマスタノードを含む。マスタノードはまた、プロセッサノードの間のマスタノードから個別セルに対する予測入力パラメータデータを分配する。プロセッサノードは、プロセッサノードのうちの個別ノードにおける貯留層セルのうちの個別セルに対する貯留層特性の仮定値を決定し、プロセッサノードのうちの個別ノードが個別セルに対する決定を完了したときにデータメモリ内に記憶するためにセルに対する貯留層特性の決定された仮定値をマスタノードに転送する。マスタノードおよびプロセッサノードは、貯留層モデルにおいて対象のセルに対して分配、決定、および転送することを繰り返し、マスタノードは、貯留層において対象のセルに対する貯留層特性の仮定値をメモリ内でアセンブルする。
本発明は、少なくとも1つのマスタノードと、複数のプロセッサノードとを備えるデータ処理システムに地下貯留層構造の特性の貯留層モデルをシミュレーションさせるためにコンピュータ動作可能な命令をコンピュータ可読媒体内に記憶された新しく改良されたデータ記憶デバイスをさらに提供する。シミュレーションされる貯留層モデルは、組織化されたセルのシステム内に配列されるいくつかのセルに分割され、シミュレーションは、貯留層のセルに対する入力パラメータの予測値に基づく。入力パラメータの予測値は、無作為に生成され、特定の不確実度を有する。データ記憶デバイス内に記憶される命令は、データ処理システムにマスタノードにおけるセルおよび貯留層の地下特徴に関する予測入力パラメータデータを受信させ、貯留層セルの特性の仮定値を決定するために石油物理学的アルゴリズムをプロセッサノードに転送する。この命令は、マスタノードに複数のプロセッサノードの間のマスタノードから個別セルに対する入力パラメータデータをさらに分配させる。この命令は、貯留層セルのうちの個別セルに対する貯留層特性の仮定値にプロセッサノードのうちの個別ノードでさらに決定させられる。この命令は、プロセッサノードのうちの個別ノードによって決定するステップの完了時にデータメモリ内に記憶するためにプロセッサノードからマスタノードへのセルに対する貯留層特性の決定された仮定値の転送をさらに引き起こす。この命令は、データ処理システムに貯留層モデルにおいて対象のセルに対して分配、決定、および転送するステップをさらに繰り返させ、貯留層において対象のセルに対する貯留層特性の仮定値をメモリ内でアセンブルさせる。
本発明による地下の地層の貯留層属性の決定のためのクラスタコンピュータで実施される一連のデータ処理ステップの機能ブロック図である。
本発明による地下の地層の貯留層属性の決定のためのデータ処理システムの概略ブロック図である。
本発明による地下の地層の貯留層属性の決定のために構成される図2のデータ処理システムの機能ブロック図である。
本発明による地下の地層の貯留層属性の不確実性モデリングおよび決定のためのクラスタコンピュータで実施される一連のデータ処理ステップの機能ブロック図である。
本発明による地下の地層の貯留層属性としてアップスケールされた水飽和率の決定のためのプロセスの概略図である。
本発明によって得られる地下の地層に対する貯留層属性の孔隙率の表示である。
本発明によって得られる地下の地層に対する貯留層属性の浸透率の出力表示である。
先行技術の処理技術によって得られる地下の地層に対する貯留層属性の浸透率の出力表示である。
図8に表示されるが本発明によって得られる同一の地下の地層に対する貯留層属性の浸透率の出力表示である。
貯留層モデリングでは、岩石中に含まれる貯留層および流体の岩石層またはレイヤの性質および特質の両方の地質モデルである、貯留層の内容物の性質および特質を分析するために地下炭化水素貯留層のモデルを形成する一般的な慣行である。地質モデルおよび貯留層シミュレーションモデルは、貯留層からの生成物の計画および生成物の完全な利用のためのシミュレーションに非常に重要である。しばしば直面されるサイズおよび複雑性の地下貯留層のモデルの一例が、前述の米国特許第7,526,418号に示される。本発明は、このサイズおよび複雑性の貯留層に地質モデルを提供する。このような地質モデルにおいてセルのそれぞれの中の岩石層の水飽和率S、孔隙率φ、および浸透率μなどの層の属性または特性は、岩石中に含まれる貯留層および流体の岩石層またはレイヤの性質および特質に関して有益な情報を貯留層分析者に伝える。
記載されたように、数億から数十億のセルのモデルは現在、貯留層のより正確なモデルを提供して、より正確な分析につながり、かつ結果としてより効果的かつ効率的な貯留層性能をもたらすために、すべての利用可能な詳細を取り入れるのに必要とされる。
生成データが貯留層の予想耐用年数にわたってシミュレーションされる種類の例示的な貯留層は通常、巨大貯留層として当業者に既知であるものである。巨大貯留層は、地下のその規模における長さ、幅、および深さが数マイルである場合があり、例えば、約3千億平方フィートの容積またはサイズを有する場合がある。
このモデルは、好適な寸法のいくつかのセルに分割される。分析の目的で貯留層の容積をいわゆる震度階における単位に分割することにおいて、典型的なセルはそれぞれ、貯留層において参照の共通基準における横寸法または面積寸法に沿って約80フィートである。いくつかのモデルでは、セルの厚さは、貯留層においてその場所における深さまたは厚さが15フィート以下であり得、さらに低く0.5フィートにまで下げられる。
したがって、貯留層モデルは、これらの寸法を有する百万以上のセルから形成される。前述のように、震度階データの場合、セルの数は、これより数百倍以上多い場合がある。
しかしながら、このサイズの貯留層のシミュレーションでは、対象の種類の貯留層属性または特性の実際の基準を得るために使用され得る貯留層からの実際のデータまたは測定値は、貯留層において既存の坑井から採取されるコアサンプルからのみ利用可能であった。したがって、坑井が交差しない貯留層の広大な部分があった。これまで、少数の利用可能なデータ点からの平均化方法が適用された。この技術は、貯留層の通常複雑な構造的性質を表すときに属性値の精度不足を被った。これは特に、巨大貯留層が関わる場合である。
本発明によれば、水飽和率、孔隙率、および浸透率などの貯留層特性または属性は、地下炭化水素貯留層の3次元グリッドのそれぞれのセルで直接決定される。貯留層およびその地下特徴の石油物理学的測定値および他の属性からの元データに基づく入力パラメータは、個別セルに対する不確実性の範囲にわたって生成される。個別セルに対する予測入力パラメータは、石油物理学的アルゴリズムに対する処理入力として提供される。記載されるように、対象の貯留層特性を決定するための石油物理学的アルゴリズムは、クラスタコンピュータとして構成されるデータ処理システムD(図2および3)によって実装される。次に、クラスタコンピュータのデータ処理ノードは、個別貯留層セルに対する特性の仮定値の特性を決定する。
入力パラメータは、貯留層のセルに対する考え得る不確実性の異なる基準で表され、対象の貯留層属性に対するいくつかの考え得る事態または結果をセルごとに決定するようにプロセッサクラスタコンピュータノード間で分配される。次に、異なる事態に対してなされる決定は、クラスタコンピュータデータ処理システムのマスタノードに転送され、貯留層グリッドの対象のセクションに対する仮定モデルとしてアセンブルされる。次に、仮定モデルは、坑井が貯留層に交差しない面積であっても、貯留層上の貯留層属性をより正確に得るために評価される。
フローチャートF(図1)は、本発明の基本的なコンピュータ処理シーケンス、および本発明による貯留層特性または属性に対して生じるクラスタコンピューティングを示す。フローチャートFの処理シーケンスは、モデル化される貯留層において対象の層のそれぞれの貯留層特性または属性に対して別々に実行される。
カレントランデータ作成(ステップ10):本発明によるクラスタ石油物理学的不確実性モデリングが、入力データとして汎用パラメータを読み込むことによって開始する。ステップ10中に読み込まれた汎用パラメータは、以下を含む:岩型、岩型に対する孔隙率、坑井孔の入口サイズ、x、y、およびz方向における個別セルの寸法および場所、コアサンプルデータからの属性の石油物理学的測定値および既知の値、ならびに実際のデータが得られた貯留層の面積における坑井検層から利用可能なデータ。
データ調整(ステップ12):ステップ12中、入力データは評価され、次いで後続ステップ中にクラスタコンピューティングに対してフォーマットされる。エラーまたは不規則性がデータ調整ステップ12中に入力データで検出される場合、処理がデータカスタマイズステップ14に進む。エラーまたは不規則性が検出されない多くの状況では、処理がデータ調整ステップ12から特性決定データ処理ステップ16に進む。
データカスタマイズ(ステップ14):シミュレーションが生じる前、初期入力データは評価および分析される。誤りであると決定されるあらゆる入力データは削除され、処理がステップ10に戻る。
特性決定(ステップ16):ステップ16中、貯留層モデルのセルのそれぞれに対するプロセッサノード36によってクラスタコンピューティングが実行される。記載されたように、本発明によれば、対象の特性または属性は、貯留層モデルにおいてセルのそれぞれの中の岩石層の水飽和率S、孔隙率φ、および浸透率μである。対象の様々な貯留層形成特性または属性の決定のためにいくつかの従来および市販の石油物理学的アルゴリズムまたはコンピュータ処理プログラムがある。
これまで、今までに知られている限りでは、このような石油物理学的アルゴリズムは、坑井検層の測定値に基づいて坑井軌道に沿った識別された深さにおける情報を得るために利用された。この情報は、定義によれば坑井に近い貯留層状態に浸透および暴露するこれらの面積に限定された。実際には、巨大貯留層で特に、貯留層は、検層データが得られた領域より容積がはるかに大きかった。本発明によれば、石油物理学的アルゴリズムは、貯留層空間全体に及ぶ3次元の地質モデリング環境で貯留層を通じて分配される貯留層特性に対する仮定値を決定するために使用される。記載されたように、典型的な貯留層は通常、数億のセルである。
プラグインアルゴリズム(ステップ18):特性決定シーケンス16のステップ18中、様々な貯留層形成特性または属性の決定に対する石油物理学的アルゴリズムまたはコンピュータ処理プログラムは、プロセッサノード34のそれぞれに対して呼び出されるかまたは作動させられる。
並列ノード処理(ステップ20):ステップ20中、マスタノード30は、プロセッサノード34にクラスタコンピューティング構成において並列処理を実施させて、3次元の貯留層モデルのセルのそれぞれに対する仮定値を決定する。実行ステップ20では、処理は、記載されるように、マスタノード30によってプロセッサノード34のクラスタ間で分配される。
アルゴリズムオプション(ステップ22):ステップ22中、セル特性に対する計算値は、その値が好適な数の処理計算後に収束しているかどうかを決定するために評価される。計算値の収束が達成されていない場合、処理がステップ24に転送される。収束が達成されている場合、処理がステップ26に進む。
新たな反復(ステップ24):セル内の対象の特性を決定するための新たな反復は、ステップ22中に収束が計算値で検出されていないかどうかを示される。したがって、処理がデータ調整ステップ12に戻され、新たな一連の提案された値が利用される。
最終補間(ステップ26):セル特性に対する計算値が収束していることをアルゴリズムオプションステップ22が示すとき、この値は、セルに対する特性の最終計算値として示される。次に、特性の最終計算値は、データ処理システムPのメモリ内に記憶される貯留層モデルに分配される。
本発明によれば、データ処理システムPの図2に概略的に示されるように、CPU32のマスタノード30およびプロセッサノード34の一群が、フローチャートFの処理技術による貯留層属性または特性のクラスタコンピューティングのために提供される。したがって、複数の計算プロセッサノードは、貯留層の不確実性モデリングを別個のクラスタ計算タスクに細分するために使用され、そのためそれぞれのプロセッサノード34が、分配されるときに個別セルに対するデータを受信し、他の同時に動作するプロセッサノードとは別に石油物理学的アルゴリズムを実行している。個別プロセッサノード34がセルに対する処理を完了すると、処理データ結果は、マスタノード30に戻って転送され、貯留層モデルにおいて対象の別のセルに対する新たなデータがマスタノードによって戻って分配される。したがって、関わるプロセッサノードの数によれば、計算負担は、本発明によるクラスタコンピューティングのためにマスタノード30によってそれらの間で割り当てられる。
次に本発明によるデータ処理システムを考慮すると、図2に示されるように、データ処理システムPは、地下炭化水素貯留層の3次元グリッドのそれぞれのセルにおけるクラスタコンピューティングおよび決定によって水飽和率、孔隙率、浸透率などの貯留層特性または属性の本発明によるコンピュータ化されたシミュレーションのために提供される。データ処理システムPは、1つ以上の中央処理装置またはCPUの32を含む。CPUまたはCPUの32は、それらと関連付けられた、坑井、セル組織データおよび情報、ならびにデータ処理結果からの汎用入力パラメータ、コアサンプルデータのための貯留層メモリまたはデータベース36を有する。CPU32と動作可能に接続されるユーザインターフェース38は、グラフィカル画像を表示するためのグラフィカル表示40と、プリンタまたは他の好適な画像形成機構と、処理結果、データベースレコード、および他の情報の出力形態を操作、アクセス、および提供するユーザアクセスを提供するためのユーザ入力デバイス42とを含む。
貯留層メモリまたはデータベース36は典型的に、外部データ記憶コンピュータ48のメモリ46内である。挿入データベース36は、後述されるように、このモデルにおいてセルの構造、場所、および組織を含むデータと、データ汎用入力パラメータと、坑井からのコアサンプルデータと、セル組織データおよび情報と、貯留層シミュレーションで使用するためのデータ処理結果とを含む。
データ処理システムPのCPUまたはコンピュータ32は、マスタノード30と、動作命令、制御情報を記憶し、かつ必要に応じてストレージまたは転送バッファとして機能するようにマスタノード30に結合される内部メモリ52とを含む。データ処理システムPは、メモリ52内に記憶されるプログラムコード54を含む。本発明によるプログラムコード54は、記載されるように、マスタノード30にプロセッサノードによって処理するためにデータおよび命令を行ったり来たり転送させて、セルごとに貯留層において個別セルに対する貯留層特性または属性をシミュレーションするコンピュータ動作可能な命令の形態である。
プログラムコード54は、マイクロコード、プログラム、ルーチン、またはデータ処理システムPの機能を制御し、かつその動作を指示する特定の一連の順序付けられた動作を提供する記号的なコンピュータ動作可能な言語の形態であってもよいことに留意されるべきである。プログラムコード54の命令は、メモリ52内、またはコンピュータディスケット、磁気テープ、従来のハードディスクドライブ、電子的読み取り専用メモリ、光学的記憶デバイス、もしくはそれに記憶されるコンピュータ可用媒体を有する他の適切なデータ記憶デバイス上に記憶されてもよい。プログラムコード54はまた、コンピュータ可読媒体としてデータ記憶デバイス上に含まれてもよい。
プロセッサノード34は、上述の石油物理学的アルゴリズムを実行するようにプログラムされる汎用のプログラマブルデータ処理ユニットであり、セルごとに貯留層における個別セルに対する貯留層特性または属性をシミュレーションする。プロセッサノード34は、マスタノード30の制御下で動作し、処理結果は、不確実性の仮定された基準に基づいてそのセルに対する貯留層属性または特性の仮定された基準を表す。次に、対象の個別セルに対して得られる処理結果は、図面の例として示される種類の貯留層モデルを形成するためにアセンブルされる。
本発明は、使用される特定のコンピュータハードウェアとは関係ないが、本発明の例示的な実施形態は、HPのLinuxクラスタコンピュータのマスタノード30およびプロセッサノード34に好ましく基づいている。しかしながら、他のコンピュータハードウェアもまた使用され得ることに留意されるべきである。
記載されたように、特性決定ステップ20のステップ18、20、22、および26は、プロセッサノードのクラスタコンピュータ構成で実行される。データ処理システムPのマスタノード30は、プロセッサノード34にクラスタコンピューティングまたは並列処理を実施させ、かつセルごとに3次元の貯留層モデルのセルのそれぞれに対する仮定値を決定させる。プロセッサノード34のうちの個別ノードは、マスタノード30によってセルごとにデータおよびセル情報を割り当てられる。プロセッサノード34のうちの個別ノードは、1つの割り当てられたセルに対する処理を完了すると、処理結果は、マスタノード34に戻って転送される。それに応答して、別のセルに対するデータおよびセル情報がマスタノード30によって転送される。
したがって、プロセッサノード34は、プロセッサノード34のそれぞれとともに、別々だが同時に、割り当てられたセルに対する地下貯留層構造の特性の仮定値を計算する他のノードとともにクラスタコンピュータとして機能する。このプロセスは、貯留層モデルにおいて対象のそれぞれのセルに対する仮定値までマスタノード30およびプロセッサノード34によって繰り返される。このモデルは、貯留層において選択された領域または層の群であってもよく、あるいはその全体が貯留層であってもよい。
図3は、本発明によるマスタノード30およびプロセッサノード34によって実行されるクラスタコンピューティングの概略図である。マスタノード30は、データの流れおよび制御命令を提供、指示、および制御し、かつプロセッサノード34とのデータおよび命令のやり取りの転送を制限するように構成される。マスタノード30はまた、ある組織的なデータ管理および計算負荷監視、ならびに管理機能を提供する。
マスタノード30は、40に示されるように主ユーザ入力インターフェース機能を含む。主ユーザ入力インターフェース40は、3次元の貯留層モデルの現在のセルを割り当てられた一意の識別子指示子によって識別する。主ユーザ入力インターフェース40はまた、処理されるセルのそれぞれに対してセルごとに特性計算に必要とされる必須の入力パラメータを提供する。主ユーザ入力インターフェース40は、現在のセルに対して以前に計算された特性を容易にするために実行されるのに必要とされる反復の数をさらに識別する。マスタノード30はまた、上述の最終補間ステップ26の処理を実行する。
マスタノード30において42に示されるようなディスパッチャ機能は、クラスタコンピューティング中に必要とされるように現在のセル特性計算プロセスを様々なプロセッサノード34のそれぞれに分配または配布する。図3に示されるように、ディスパッチャ42は、データ、状態情報、およびプロセッサノード34とマスタノード30との間の特性値計算結果の交換および転送を制御する。マスタノード30のディスパッチャ42はまた、様々なノード34のステータスおよびプロファイルのレコードを維持するために、プロセッサノード34のそれぞれからのフィードバックステータス情報を受信する。ディスパッチャ42はまた、データベース36における最終補間および記憶のために、新たに計算された特性値をプロセッサノード34から主ユーザインターフェースに転送する。
ディスパッチャ42とともにマスタノード30のオーガナイザ機能44は、プロセッサノード34のそれぞれの現在の動作ステータスまたはプロファイルの指標を維持する。マスタノード30はまた、オーガナイザ44とともに、セルに対する計算された貯留層特性を決定するように処理するために次に利用可能である利用可能なプロセッサノード34を位置付ける動的ロードバランサ46機能を含む。
図4は、入力パラメータの予測値が無作為に生成され、かつ特定の不確実度を有する、貯留層のセルに対する入力パラメータの予測値に基づいて地下貯留層構造の一式または一連の属性または特性の貯留層モデルの本発明によるコンピュータ化されたシミュレーションによって全体または合成の不確実性モデリングを示す概略図である。60に示されるように、汎用パラメータが提供される。汎用パラメータは、貯留層全体もしくは特定の一連の地層、または貯留層の一セクションもしくは一部分にかかわらず対象の領域を識別するオブジェクトと、実行される不確実性実行によってシミュレーションされる属性または特性の特性名または種類とを含む。
ステップ62に示されるように、ステップ60で識別される特性のそれぞれに対して、上述の図3による処理が実行される。ステップ64中、それぞれの不確実性実行またはオブジェクトのモデルに対して、上述され、かつ図1に示されるようなデータ調整およびデータ再配置が決定される。ステップ66に示されるようにシミュレーションドメインが特定される。このステップ中に提供される結果は、対象の貯留層領域における貯留層特性を示すデータを含み、この貯留層領域は、貯留層全体または対象のいくつかの領域もしくは層であってもよい。加えて、シミュレーションは、シミュレーションのためのデータの分布を示す従来の種類のヒストグラムを提供する。シミュレーションの結果はまた、この結果が流動シミュレーションに適している空間的変動性を受け入れることを確実にするために証明される。シミュレーションドメインステップ66からの処理結果は、別の実現が可能である不確実性の評価を許可する。
ステップ68中、選択された石油物理学的処理アルゴリズムならびにそのオプションおよびパラメータに基づいて、図1のステップ20に示される並列処理またはクラスタコンピューティング手順は、特定のオブジェクトに対してセルごとにプロセッサノード34によって実行される。ステップ70中、オブジェクトのセルに対する貯留層属性データの遷移マトリクスが、データ処理システムPのメモリ内でアセンブルされる。ステップ72中、様々な特定の不確実度に対する完全な貯留層属性または特性の仮定値の一式の表示は、シミュレーション制御および評価のために形成される。
図5は、本発明による貯留層属性としてアップスケールした水飽和率SUPに対する仮定値を決定するための例示的な手順を概略的に示す。74aに示されるような原位置での原油、塩水、および岩石特性を含む入力パラメータ、孔隙率アーキテクチャ74b、過去の自由水位および残油データ74c、湿潤性変化74d、ならびにアップスケーリング74eの性質を示すパラメータ、および多層孔システム74fの性質および存在は、アップスケールした水飽和率を決定するための石油物理学的処理アルゴリズムとともにマスタノード30によってプロセッサノード34に提供される。プロセッサノード34によってセルごとに決定されたアップスケールした水飽和率の仮定値は、それらが組織化され、オブジェクトに対してアセンブルされ、かつメモリ内に記憶されるマスタノード30に転送される。ステップ76に示されるように、次に、アップスケールした水飽和率の表示が形成されてもよい。
図6は、1つの考え得る不確実度に基づいて得られる実際の地下貯留層における対象のある地下岩石構造または層の孔隙率のモデルの例示的な表示である。本発明によれば、いくつかの不確実性実行は、同一の地下構造に対する様々な不確実度に対して実行され、様々な実行の不確実性モデル結果の表示が得られる。次に、対象の層に対する孔隙率のいくつかの様々な不確実性レベルモデルの表示は、評価および比較するために貯留層分析者に利用可能である。したがって、異なる事態に対してなされる決定は、貯留層グリッドの対象のセクションに対する仮定モデルとして利用可能である。次に、仮定モデルは、坑井が貯留層に交差しない面積であっても、貯留層上の貯留層属性をより正確に得るために評価されるように利用可能である。経験および現場データに基づいて、次に、実際の属性を分析者に最も正確に表す孔隙率モデルが選択され、使用され得る。
図7は、1つの考え得る不確実度に基づいて得られる実際の地下貯留層における対象のある地下岩石構造または層の別の属性、浸透率のモデルの例示的な表示である。この場合も同様に、本発明によれば、いくつかの不確実性実行は、同一の地下構造に対する様々な不確実度に対して実行され、様々な実行の結果の形式が図7と類似する表示が得られる。次に、対象の層に対する浸透率のいくつかの様々な不確実性レベルモデルの表示は、評価および比較するために貯留層分析者に利用可能である。経験および現場データに基づいて、次に、実際の属性を分析者に最も正確に表す浸透率モデルが選択され、使用され得る。
図8は、計算された浸透率を表示する実際の地下貯留層における対象のある地下岩石構造または層82のセルのモデル80の表示である。図8に表示される浸透率の値は、貯留層において既存の坑井の場所におけるセル情報から得られる浸透率の値に基づく既知の先行技術の補間技術に基づいて得られた。層82の中に、いくつかの場合では、それを通って下方に延在する垂直線84は、表面で坑口と通じている既存の坑井を表す。
図9は、比較するために、計算された浸透率を表示する実際の地下貯留層に対して図8に示されるように、対象の同一のある地下岩石構造または層82のモデル90の表示である。図9では、モデル90のセルに対して表示される浸透率の値は、不確実性モデリングおよびクラスタコンピューティングを使用する本発明によって決定された。浸透率基準は、モデルのセルのそれぞれに対する更新された浸透率のThomeer処理値を表す。データの容量のため、図3に示される様式によるクラスタコンピューティングは、いくつかの不確実性実行に対する浸透率を決定するために実行され、図9は、起こり得る正確なモデルを表す。
図9のモデルで表示されるデータは、統計的に信頼性があり、かつ対象の貯留層構造における浸透率の起こり得る図であると決定された。浸透率、図8および9のモデルを比較して、図9のモデルが対象の貯留層構造におけるより高い浸透率構造を示すことに留意されるべきである。実際のサンプルの坑井試験により、図9の浸透率基準が実際には対象の地下構造の実際の浸透率をより正確に表していることを確認した。
前述から見ると、本発明は、分配されたクラスタコンピューティングプラットフォームを使用して地下層構造の3次元モデルセルのそれぞれ1つ1つにおける貯留層属性および不確実性の直接計算の予期されない有利な特徴を提供することを見ることができる。本発明で得られる結果は、現場開発、貯留層シミュレーション、坑井計画、特質評価、地質モデリング、および他の石油物理学的分析目的など、複数の目的のために利用され得る。
本発明は、本件において平均的な知識を有する人が本明細書の発明で記載された結果を再現および取得し得るように十分に記載された。それでもなお、本明細書の発明の技術分野、主題におけるあらゆる当業者は、本明細書の請求で記載されない修正を実施することができ、これらの修正を決定された構造に適用するために、または同一の製造プロセスにおいて、以下の特許請求の範囲内の請求される主題を必要とし、このような構造は、本発明の範囲内に及ぶものである。
添付の特許請求の範囲に記載されるように本発明の趣旨または範囲から逸脱することなく上記に詳細に記載される本発明からなされる改良および修正があり得ることを留意および理解されるべきである。

Claims (26)

  1. 1つのマスタノードと、複数のプロセッサノードと、データメモリとを含むコンピュータシステムにおける、地下貯留層構造の貯留層特性の貯留層モデルのコンピュータ化されたシミュレーションのコンピュータ実装方法であって、シミュレーションされる前記貯留層モデルが、組織化されたセルのシステム内に配列されるいくつかのセルに分割され、前記シミュレーションが、前記貯留層モデルの前記セルに対する入力パラメータの予測値から前記貯留層特性を決定する石油物理学的アルゴリズムにさらに基づき、前記入力パラメータの前記予測値が、無作為に生成され、特定の不確実度を有し、前記方法が、
    (a)前記マスタノードにおいて前記セルおよび前記貯留層の地下特徴に関する入力パラメータデータを受信し、
    (b)前記貯留層モデルの前記セルの前記特性の仮定値を決定するために前記石油物理学的アルゴリズムを前記マスタノードから前記プロセッサノードに転送し、
    (c)前記複数のプロセッサノード間で、前記マスタノードからの、前記貯留層モデルの前記セルに対する前記入力パラメータデータを分配し、
    (d)前記プロセッサノードのうちの個別ノードにおいて前記貯留層モデルの前記セルに対する前記貯留層特性の仮定値を、転送された前記石油物理学的アルゴリズムと、前記入力パラメータの異なる予測値とにより決定し、
    (e)前記プロセッサノードのうちの前記個別ノードによって決定する前記ステップの完了時に前記データメモリ内に記憶するために前記プロセッサノードから前記マスタノードに前記貯留層モデルの前記セルに対する前記貯留層特性の決定された仮定値を転送し、
    (f)前記貯留層モデルの前記セルに対する前記貯留層特性の前記決定された仮定値を前記データメモリ内でアセンブルする、コンピュータ処理ステップを含む、コンピュータ実装方法。
  2. 前記貯留層特性は、前記貯留層において前記貯留層モデルの前記セルの水飽和率を含む、請求項1に記載のコンピュータ実装方法。
  3. 前記貯留層特性は、前記貯留層モデルの前記セルの孔隙率を含む、請求項1に記載のコンピュータ実装方法。
  4. 前記貯留層特性は、前記貯留層において前記貯留層モデルの前記セルの浸透率を含む、請求項1に記載のコンピュータ実装方法。
  5. 前記プロセッサノードのうちの個別ノードは、前記貯留層特性の仮定値を決定する前記ステップの完了時に前記マスタノードに指標を送信し、応答した前記マスタノードは、
    前記プロセッサノードからの前記指標の送達に応答して前記プロセッサノードに、前記入力パラメータの別の予測値のための入力パラメータデータを分配するステップを行う、請求項1に記載のコンピュータ実装方法。
  6. 地下貯留層構造の貯留層特性の貯留層モデルのコンピュータ化されたシミュレーションのためのデータ処理システムであって、シミュレーションされる前記貯留層モデルが、組織化されたセルのシステム内に配列されるいくつかのセルに分割され、前記シミュレーションが、前記貯留層モデルの前記セルに対する入力パラメータの予測値から前記貯留層特性を決定する石油物理学的アルゴリズムにさらに基づき、前記入力パラメータの前記予測値が、無作為に生成され、特定の不確実度を有し、前記データ処理システムが、
    (a)マスタノードであって、
    (1)前記マスタノードにおいて前記セルおよび前記貯留層の地下特徴に関する入力パラメータデータを受信し、
    (2)前記貯留層モデルの前記セルの前記特性の仮定値を決定するために前記石油物理学的アルゴリズムを前記マスタノードから前記プロセッサノードに転送し、
    (3)前記複数のプロセッサノード間で、前記マスタノードからの、前記貯留層モデルのセルに対する前記入力パラメータデータを分配する、ステップを行うためのマスタノードと、
    (b)複数のプロセッサノードであって、
    (1)前記プロセッサノードのうちの個別ノードにおいて前記貯留層モデルの前記セルに対する前記貯留層特性の仮定値を、転送された前記石油物理学的アルゴリズムと、前記入力パラメータの異なる予測値とにより決定し、
    (2)前記プロセッサノードのうちの前記個別ノードによって決定する前記ステップの完了時に前記データメモリ内に記憶するために前記プロセッサノードから前記マスタノードに前記貯留層モデルの前記セルに対する前記貯留層特性の決定された仮定値を転送する、ステップを行うための複数のプロセッサノードと、
    (c)データメモリと、
    (d)前記マスタノードであって、
    前記貯留層モデルの前記セルに対する前記貯留層特性の前記決定された仮定値を前記データメモリ内でアセンブルする、ステップをさらに行う前記マスタノードと、備える、データ処理システム。
  7. 前記貯留層特性は、前記貯留層において前記貯留層モデルの前記セルの水飽和率を含む、請求項6に記載のデータ処理システム。
  8. 前記貯留層特性は、前記貯留層において前記貯留層モデルのセルの孔隙率を含む、請求項6に記載のデータ処理システム。
  9. 前記貯留層特性は、前記貯留層において前記貯留層モデルのセルの浸透率を含む、請求項6に記載のデータ処理システム。
  10. 前記プロセッサノードのうちの個別ノードは、前記貯留層特性の仮定値を決定する前記ステップの完了時に前記マスタノードに指標を送信し、応答した前記マスタノードはさらに、
    前記プロセッサノードからの前記指標の送達に応答して前記プロセッサノードに、前記入力パラメータの別の予測値のための入力パラメータデータを分配するステップを行う、請求項6に記載のデータ処理システム。
  11. 1つのマスタノードと、複数のプロセッサノードと、データメモリとを備えるデータ処理システムに地下貯留層構造の貯留層特性の貯留層モデルをシミュレーションさせるためのコンピュータ動作可能な命令を、非一時的なコンピュータ可読媒体内に記憶させるデータ記憶デバイスであって、シミュレーションされる前記貯留層モデルが、組織化されたセルのシステム内に配列されるいくつかのセルに分割され、前記シミュレーションが、前記貯留層モデルの前記セルに対する入力パラメータの予測値から前記貯留層特性を決定する石油物理学的アルゴリズムにさらに基づき、前記入力パラメータの前記予測値が、無作為に生成され、特定の不確実度を有し、前記データ記憶デバイス内に記憶された命令が、前記データ処理システムに、
    (a)前記マスタノードにおいて前記セルおよび前記貯留層の地下特徴に関する入力パラメータデータを受信し、
    (b)前記貯留層モデルの前記セルの前記特性の仮定値を決定するために前記石油物理学的アルゴリズムを前記マスタノードから前記プロセッサノードに転送し、
    (c)前記複数のプロセッサノード間で、前記マスタノードからの、前記貯留層モデルの前記セルに対する前記入力パラメータデータを分配し、
    (d)前記プロセッサノードのうちの個別ノードにおいて前記貯留層モデルの前記セルに対する前記貯留層特性の仮定値を、転送された前記石油物理学的アルゴリズムと、前記入力パラメータの異なる予測値とにより決定し、
    (e)前記プロセッサノードのうちの前記個別ノードによって決定する前記ステップの完了時に前記データメモリ内に記憶するために前記プロセッサノードから前記マスタノードに前記貯留層モデルの前記セルに対する前記貯留層特性の決定された仮定値を転送し、
    (f)前記貯留層モデルの前記セルに対する前記貯留層特性の前記決定された仮定値を前記データメモリ内でアセンブルする、ステップを行わせる、データ記憶デバイス。
  12. 前記貯留層特性は、前記貯留層モデルの前記セルの水飽和率を含む、請求項11に記載のデータ記憶デバイス。
  13. 前記貯留層特性は、前記貯留層モデルの前記セルの孔隙率を含む、請求項11に記載のデータ記憶デバイス。
  14. 前記貯留層特性は、前記貯留層モデルの前記セルの浸透率を含む、請求項11に記載のデータ記憶デバイス。
  15. 前記プロセッサノードのうちの個別ノードは、前記貯留層特性の仮定値を決定する前記ステップの完了時に前記マスタノードに指標を送信し、前記命令は、応答した前記マスタノードに、
    前記プロセッサノードからの前記指標の送達に応答して前記プロセッサノードに、前記入力パラメータの別の予測値のための入力パラメータデータを分配するステップを行わせる命令を含む、請求項11に記載のデータ記憶デバイス。
  16. 仮定値が決定されて前記貯留層モデルの前記セルのそれぞれに対して転送されるまで、前記貯留層モデルの前記セルに対して分配、決定、および転送の前記ステップを繰り返すステップをさらに含む、請求項1に記載のコンピュータ実装方法。
  17. 前記コンピュータは、グラフィカル表示デバイスを含み、
    前記貯留層モデルの前記セルに対する前記貯留層特性の前記決定された仮定値の出力表示を形成するステップをさらに含む、請求項16に記載のコンピュータ実装方法。
  18. 前記コンピュータシステムは、複数のマスタノードを含み、
    前記受信するステップは、前記マスタノードのうちの少なくとも1つにおいて前記セルおよび前記貯留層の地下特徴に関する入力パラメータデータを受信するステップを含む、請求項1に記載のコンピュータ実装方法。
  19. 前記貯留層特性は、水飽和率、孔隙率、および浸透率からなる群から選択されるものである、請求項1に記載のコンピュータ実装方法。
  20. 前記マスタノードおよび前記プロセッサノードは、前記貯留層モデルの対象セルに対して分配、決定、および転送の前記ステップを繰り返すステップを行う、請求項6に記載のデータ処理システム。
  21. 前記コンピュータは、グラフィカル表示デバイスを含み、前記命令は、前記ディスプレイに、
    前記貯留層モデルの前記セルに対する前記貯留層特性の前記決定された仮定値の出力表示を形成するステップをさらに行わせる、請求項11に記載のデータ記憶デバイス。
  22. 複数のマスタノードを含み、前記マスタノードのうちの少なくとも1つが、前記セルおよび前記貯留層の地下特徴に関する入力パラメータデータを受信するステップを行う、請求項6に記載のデータ処理システム。
  23. 前記貯留層特性は、水飽和率、孔隙率、および浸透率からなる群から選択されるものである、請求項6に記載のデータ処理システム。
  24. 前記命令は、仮定値が決定されて前記貯留層モデルの前記セルのそれぞれに対して転送されるまで、前記貯留層モデルの前記セルに対して分配、決定、および転送の前記ステップを繰り返すステップを前記プロセッサノードに行わせる命令をさらに含む、請求項11に記載のデータ記憶デバイス。
  25. 前記データ処理システムは、複数のマスタノードを含み、
    前記命令は、前記複数のマスタノードのうちの少なくとも1つに、前記セルおよび前記貯留層の地下特徴に関する入力パラメータデータを受信するステップを行わせる命令をさらに含む、請求項11に記載のデータ記憶デバイス。
  26. 前記貯留層特性は、水飽和率、孔隙率、および浸透率からなる群から選択されるものである、請求項11に記載のデータ記憶デバイス。
JP2014522868A 2011-07-28 2012-07-16 クラスタ3次元の石油物理学的不確実性モデリング Expired - Fee Related JP5927296B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/193,086 US8731891B2 (en) 2011-07-28 2011-07-28 Cluster 3D petrophysical uncertainty modeling
US13/193,086 2011-07-28
PCT/US2012/046841 WO2013016041A2 (en) 2011-07-28 2012-07-16 Cluster 3d petrophysical uncertainty modeling

Publications (2)

Publication Number Publication Date
JP2014526044A JP2014526044A (ja) 2014-10-02
JP5927296B2 true JP5927296B2 (ja) 2016-06-01

Family

ID=46642616

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014522868A Expired - Fee Related JP5927296B2 (ja) 2011-07-28 2012-07-16 クラスタ3次元の石油物理学的不確実性モデリング

Country Status (6)

Country Link
US (1) US8731891B2 (ja)
EP (1) EP2737344A2 (ja)
JP (1) JP5927296B2 (ja)
CN (1) CN103827698B (ja)
CA (1) CA2840998C (ja)
WO (1) WO2013016041A2 (ja)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9134454B2 (en) 2010-04-30 2015-09-15 Exxonmobil Upstream Research Company Method and system for finite volume simulation of flow
EP2599032A4 (en) 2010-07-29 2018-01-17 Exxonmobil Upstream Research Company Method and system for reservoir modeling
EP2599029A4 (en) 2010-07-29 2014-01-08 Exxonmobil Upstream Res Co METHODS AND SYSTEMS FOR AUTOMATIC LEARNING FLOW SIMULATION
WO2012015518A2 (en) 2010-07-29 2012-02-02 Exxonmobil Upstream Research Company Methods and systems for machine-learning based simulation of flow
BR112013002114A2 (pt) 2010-09-20 2016-05-17 Exxonmobil Upstream Res Co formulações flexíveis e adaptáveis para simulações de reservatório complexas
CN103959233B (zh) 2011-09-15 2017-05-17 埃克森美孚上游研究公司 在执行eos计算的指令受限算法中最优化矩阵和向量运算
EP2756337A2 (en) 2011-09-15 2014-07-23 Saudi Arabian Oil Company Core-plug to giga-cells lithological modeling
US9097821B2 (en) * 2012-01-10 2015-08-04 Chevron U.S.A. Inc. Integrated workflow or method for petrophysical rock typing in carbonates
US9684084B2 (en) 2012-05-01 2017-06-20 Saudi Arabian Oil Company Three-dimensional multi-modal core and geological modeling for optimal field development
AU2013324162B2 (en) 2012-09-28 2018-08-09 Exxonmobil Upstream Research Company Fault removal in geological models
US20140257700A1 (en) * 2013-03-08 2014-09-11 The Government Of The United States Of America, As Represented By The Secretary Of The Navy System and method for estimating uncertainty for geophysical gridding routines lacking inherent uncertainty estimation
CA2940810C (en) * 2014-02-28 2023-05-23 Schlumberger Canada Limited Automatic method for three-dimensional structural interpretation of borehole images acquired in high-angle and horizontal wells
EP3175265A1 (en) 2014-07-30 2017-06-07 ExxonMobil Upstream Research Company Method for volumetric grid generation in a domain with heterogeneous material properties
US10673940B2 (en) * 2014-10-21 2020-06-02 International Business Machines Corporation Pointing device router for smooth collaboration between devices
WO2016070073A1 (en) 2014-10-31 2016-05-06 Exxonmobil Upstream Research Company Managing discontinuities in geologic models
WO2016069171A1 (en) 2014-10-31 2016-05-06 Exxonmobil Upstream Research Company Handling domain discontinuity in a subsurface grid model with the help of grid optimization techniques
WO2016069170A1 (en) 2014-10-31 2016-05-06 Exxonmobil Upstream Research Company Methods to handle discontinuity in constructing design space for faulted subsurface model using moving least squares
WO2016099747A1 (en) * 2014-12-18 2016-06-23 Exxonmobil Upstream Research Company Scalable scheduling of parallel iterative seismic jobs
US10242136B2 (en) * 2015-05-20 2019-03-26 Saudi Arabian Oil Company Parallel solution for fully-coupled fully-implicit wellbore modeling in reservoir simulation
US10139510B2 (en) * 2016-02-02 2018-11-27 Saudi Arabian Oil Company 3D blending and illumination of seismic volumes for automatic derivation of discontinuities
US10570706B2 (en) 2017-06-23 2020-02-25 Saudi Arabian Oil Company Parallel-processing of invasion percolation for large-scale, high-resolution simulation of secondary hydrocarbon migration
US11126762B2 (en) * 2018-02-28 2021-09-21 Saudi Arabian Oil Company Locating new hydrocarbon fields and predicting reservoir performance from hydrocarbon migration
CN110873901B (zh) * 2018-08-29 2022-03-08 中国石油化工股份有限公司 一种伪井曲线提频方法及系统
JP7122063B2 (ja) * 2018-11-30 2022-08-19 サウジ アラビアン オイル カンパニー レイテンシが短縮された並列プロセッサ・データ処理システム

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4816993A (en) * 1984-12-24 1989-03-28 Hitachi, Ltd. Parallel processing computer including interconnected operation units
JP2742239B2 (ja) * 1995-03-20 1998-04-22 日本電気通信システム株式会社 ノード間データ通信方式
US5838634A (en) * 1996-04-04 1998-11-17 Exxon Production Research Company Method of generating 3-D geologic models incorporating geologic and geophysical constraints
CN1146785C (zh) * 1999-03-31 2004-04-21 皇家菲利浦电子有限公司 并行数据处理
US6549879B1 (en) * 1999-09-21 2003-04-15 Mobil Oil Corporation Determining optimal well locations from a 3D reservoir model
US6928399B1 (en) * 1999-12-03 2005-08-09 Exxonmobil Upstream Research Company Method and program for simulating a physical system using object-oriented programming
JP2001257696A (ja) * 2000-03-13 2001-09-21 Fuji Electric Co Ltd マスタスレーブ間の通信方式
JP4475614B2 (ja) * 2000-04-28 2010-06-09 大正製薬株式会社 並列処理方法におけるジョブの割り当て方法および並列処理方法
JP3667610B2 (ja) * 2000-08-30 2005-07-06 エヌイーシーコンピュータテクノ株式会社 分散メモリ型並列計算機における分散処理方法及びコンピュータ可読記録媒体
FR2830646B1 (fr) * 2001-10-05 2004-02-13 Inst Francais Du Petrole Methode pour modeliser la biodegradation d'hydrocarbures dans un gisement petrolier
EP1394569B1 (fr) * 2002-08-26 2004-11-03 Total S.A. Procédé de calcul de réalisations maillées d'un réservoir
US7225324B2 (en) * 2002-10-31 2007-05-29 Src Computers, Inc. Multi-adaptive processing systems and techniques for enhancing parallelism and performance of computational functions
WO2004093521A2 (en) * 2003-03-31 2004-11-04 Exxonmobil Upstream Research Company Method to determine properties of a sedimentary body from thickness and grain size distribution at a point within the body
WO2004099816A2 (en) * 2003-04-30 2004-11-18 Exxonmobil Upstream Research Company Method for predicting properties of a sedimentary deposit from a thickness contour of the deposit
US7079148B2 (en) * 2003-07-23 2006-07-18 Hewlett-Packard Development Company, L.P. Non-volatile memory parallel processor
US7277837B2 (en) * 2003-08-27 2007-10-02 Hayes, Seay, Mattern & Mattern, Inc. Method for flow analysis utilizing cell elevation topology
EP1766439A2 (en) * 2004-07-01 2007-03-28 ExxonMobil Upstream Research Company Hydrodynamics-based gridding geologic modeling (hydro-gridding)
US7526418B2 (en) 2004-08-12 2009-04-28 Saudi Arabian Oil Company Highly-parallel, implicit compositional reservoir simulator for multi-million-cell models
JP5435614B2 (ja) * 2005-07-28 2014-03-05 アイエムエー インダストリア マシーン オートマティシェ エス.ピー.エー. 分散処理システム内のディジタルユニットの間で情報を交換するための方法
JP2008198380A (ja) * 2007-02-08 2008-08-28 Toshiba Corp 電荷軌道計算方法及び電荷軌道計算システム
WO2008157737A2 (en) * 2007-06-21 2008-12-24 Schlumberger Canada Limited Multi-attribute seismic characterization of gas hydrates
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
CN101295235B (zh) * 2008-06-04 2010-06-09 广东威创视讯科技股份有限公司 分布式数字处理系统及方法
CN101334766B (zh) * 2008-06-30 2011-05-11 东软飞利浦医疗设备系统有限责任公司 一种并行微处理器及其实现方法
CN102341729A (zh) 2009-03-05 2012-02-01 埃克森美孚上游研究公司 考虑不确定性优化储层性能
ES2792357T3 (es) 2009-04-20 2020-11-11 Exxonmobil Upstream Res Co Procedimiento para predecir el flujo de fluido
AU2010245112B2 (en) * 2009-04-27 2013-03-14 Schlumberger Technology B.V. Method for uncertainty quantification in the performance and risk assessment of a carbon dioxide storage site

Also Published As

Publication number Publication date
CN103827698A (zh) 2014-05-28
CA2840998A1 (en) 2013-01-31
US20130030777A1 (en) 2013-01-31
CA2840998C (en) 2015-04-14
WO2013016041A3 (en) 2013-08-08
CN103827698B (zh) 2018-09-18
WO2013016041A2 (en) 2013-01-31
EP2737344A2 (en) 2014-06-04
JP2014526044A (ja) 2014-10-02
US8731891B2 (en) 2014-05-20

Similar Documents

Publication Publication Date Title
JP5927296B2 (ja) クラスタ3次元の石油物理学的不確実性モデリング
US7424415B2 (en) Automated system for modeling faulted multi-valued horizons
RU2573746C2 (ru) Система и способы для прогнозирования поведения скважины
CA2759203C (en) Finite element adjustment for basin faults
EP2601642B1 (en) System and method for summarizing data on an unstructured grid
CN109478207B (zh) 具有裂缝网络的储层模拟的可视化
US20130046524A1 (en) Method for modeling a reservoir basin
CA2963928C (en) Reservoir mesh creation using extended anisotropic, geometry-adaptive refinement of polyhedra
AU2011283190A1 (en) Methods and systems for machine-learning based simulation of flow
AU2011283193A1 (en) Methods and systems for machine-learning based simulation of flow
AU2011283192A1 (en) Methods and systems for machine-learning based simulation of flow
NO339162B1 (no) Fraktur nettverk karakteriseringsmetode
CA2914912A1 (en) A simulation-to-seismic workflow construed from core based rock typing and enhanced by rock replacement modeling
CA3023655A1 (en) Three-dimensional fracture abundance evaluation of subsurface formation based on geomechanical simulation of mechanical properties thereof
US20220163692A1 (en) Modeling and simulating faults in subterranean formations
US11294095B2 (en) Reservoir simulations with fracture networks
US10113421B2 (en) Three-dimensional fracture abundance evaluation of subsurface formations
de Holanda et al. Probabilistically mapping well performance in unconventional reservoirs with a physics-based decline-curve model
WO2017004476A1 (en) Fluid relationship tracking to support model dependencies
US11300706B2 (en) Designing a geological simulation grid
CN112292714B (zh) 基于断层辐射的网格隔分
US20230385476A1 (en) Automated live properties component update in reservoir simulation model
de Barros Enhanced reservoir management with multiple realizations
Disiyona et al. Uncertainty Analysis Workflow to Estimate Oil and Gas Reserves as A Guideline for Field Development Planning
Disiyona Uncertainty Analysis Workflow to Estimate Oil and Gas Reserves as A Guideline for Field

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20140715

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20140715

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20150625

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20150707

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20151006

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20160405

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160425

R150 Certificate of patent or registration of utility model

Ref document number: 5927296

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees