NO334984B1 - Fremgangsmåte for å begrense ved dynamiske produksjons-data en finmodell representativ for fordelingen i reservoaret for en fysisk kvantitet karakteristisk for undergrunnsstrukturen - Google Patents
Fremgangsmåte for å begrense ved dynamiske produksjons-data en finmodell representativ for fordelingen i reservoaret for en fysisk kvantitet karakteristisk for undergrunnsstrukturen Download PDFInfo
- Publication number
- NO334984B1 NO334984B1 NO20021824A NO20021824A NO334984B1 NO 334984 B1 NO334984 B1 NO 334984B1 NO 20021824 A NO20021824 A NO 20021824A NO 20021824 A NO20021824 A NO 20021824A NO 334984 B1 NO334984 B1 NO 334984B1
- Authority
- NO
- Norway
- Prior art keywords
- model
- simulation
- geological
- upscaling
- parameterization
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 144
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 28
- 238000009826 distribution Methods 0.000 title claims abstract description 18
- 238000004088 simulation Methods 0.000 claims abstract description 126
- 230000035699 permeability Effects 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 23
- 239000012530 fluid Substances 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 4
- 229930195733 hydrocarbon Natural products 0.000 abstract description 2
- 150000002430 hydrocarbons Chemical class 0.000 abstract description 2
- 239000004215 Carbon black (E152) Substances 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 25
- 210000004027 cell Anatomy 0.000 description 23
- 230000006978 adaptation Effects 0.000 description 16
- 238000005457 optimization Methods 0.000 description 13
- 238000009795 derivation Methods 0.000 description 8
- 238000010200 validation analysis Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 238000010168 coupling process Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 6
- 230000010354 integration Effects 0.000 description 6
- 239000003208 petroleum Substances 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000009472 formulation Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000035126 Facies Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 210000005045 desmin Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Geophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
- Det er angitt en fremgangsmåte for direkte oppdatering, ved hjelp av dynamiske produksjonsdata, av en geologisk finmodell som representerer fordelingen innenfor et reservoar av en fysisk kvantitet som er karakteristisk for vedkommende underjordiske struktur. - Fremgangsmåten er basert på sammenkopling av inversjonsteknikk og oppskaleringsteknikk, og som gjør det mulig å optimalisere petrofysiske parametere for en grovere simuleringsmodell som er utledet fra den geologiske finmodell. Den omfatter direkte parametrisering av den geologiske finmodell, hvor oppskalering bare er et middel for raskt å oppnå en tilnærmelse til simuleringsresultatene og deres deriverte med hensyn på parametriseringen av den geologiske finmodell. - Anvendelser er feks. bestemmelse av et utviklingsskjema for optimalisering av produksjonen fra et hydrokarbonreservoar.
Description
OPPFINNELSENS OMRÅDE
Foreliggende oppfinnelse gjelder en fremgangsmåte for å avgrense, ved hjelp av dynamiske produksjonsdata, en geologisk finmodell som representerer fordelingen i et heterogent reservoar av en fysisk kvalitet som er karakteristisk for reservoarets underjordiske struktur, slik som permeabilitet eller porøsitet.
Formålet er å forsyne reservoaringeniører med en metodologi som mulig-gjør effektiv oppdatering av geologiske modeller etter hvert som dynamiske data oppsamles.
OPPFINNELSENS BAKGRUNN
Den kjente teknikk som det vil bli henvist til i det følgende er beskrevet i følgende publikasjoner: - Wen, X.-H., et al. : "Upscaling hydraulic conductivities in heterogeneous media: An overview. Journal of Hydrology (183)", ix-xxxii, 1996, - Renard, P. : "Modélisation des écoulements en milieux poreux hétérogénes: calul des perméabilités équivalentes", Thése, Ecole des Mines de Paris, Paris 1999, - G. de Marsily : "De Tidentification des systémes hydrologiques". Thése, Université Paris 6. Paris, 1976, - Hu L.-Y. et al. : "Constraining a Reservoir Facies Model to Dynamic Data Using a Gradual Deformation Method", VI European Conference on the Mathema-tics of Oil Recovery, Peebles, 1998, - Tarantola, A.: "Inverse Problem Theory : Method for Data Fitting and Model Parameter Estimation". Elsevier, Amsterdam, 1987, - Anterion F. et al.: "Use of Parameter Gradients for Reservoir History Matching", SPE 18433, Symposium on Reservoir Simulation of the Society of Petroleum Engineers, Houston, 1989, - Wen X.-H. et al.: "High Resolution Reservoir Models Integrating Multi-Well Production Data", SPE 38728, Annual Technical Conference and Exhibition of the Society of Petroleum Engineers, San Antonio, 1997, - Chu L. et al.: "Computation of Sensitivity Coefficients With Application to the Integration of Static ad Well Test Pressure Data", Eclipse International Forum, Milano, 1994.
Numeriske simuleringer av strømningsmodeller er i utstrakt bruk I petroleumsindustrien for å utvikle et reservoar og forutsi dets dynamiske atferd i samsvar med forskjellige produksjonsscenarier. De geologiske modeller som anvendes for å representere reservoarets geologiske struktur (permeabilitet, porøsitet etc. krever en diskretisering bestående av et stort antall gitterceller som kan gå opp til et antall omkring ti millioner.
For å kunne være i stand til å utføre numeriske strømningssimuleringer innenfor rimelige beregnings-tidsintervaller, går vanlig praksis ut på å konstruere en grov simuleringsmodell ved å gruppere sammen gitre med forskjellige egenskaper samt ved å tildele makrogitrene en ekvivalent egenskap beregnet ut i fra de lokalt foreliggende egenskaper. Denne operasjon betegnes da som oppskalering.
Formålet for avgrenset reservoarkarakterisering er å bestemme parameterne for simuleringsmodellen på en slik måte at disse kan reprodusere produksjonsdata for det reservoar som skal modelleres. Dette parameter-estimeringstrinn blir også betegnet som produksjonsdata-tilpasning. Strømningssimuleringsmodel-len er således forenelig med samtlige tilgjengelige statiske og dynamiske data.
I vanlig praksis anslås simuleringsmodellens parametere ved hjelp av en rekke prøve- og feile-prosesser ved bruk av strømningssimulatoren.
Problemet med produksjonsdatatilpasning kan også formeleres som et problem som går ut på nedsette til et minimum en objektiv funksjon som måler forskjellen mellom de produksjonsdata som observeres på bruksfeltet og de forutsig-elser som frembringes av strømningssimulatoren. En slik minimalisering blir da ut-ført ved å bruke optimaliseringsteknikk eller optimal reguleringsteknikk.
En fremgangsmåte for å forutsi ved hjelp av en inversjonsteknikk, utviklingen av produksjonen fra et underjordisk reservoar, særlig da et reservoar som inneholder hydrokarboner, er f.eks. beskrevet i patentskriftet FR-2,734,069 (US-5,764,515) inngitt av søkerne i foreliggende patentsøknad.
Så snart parameterne for simuleringsmodellen er innstilt, kan denne modell brukes for å simulere den nåværende og fremtidige atferd for reservoaret. En evaluering for reservene på produksjonsstedet vil således bli tilgjengelig og et utvik-lingsprogram for optimalisering av produksjonen kan fastlegges.
Avgrenset reservoarkarakterisering omfatter således flere teknikker, helt fra geostatistisk modellering til optimaliseringsproblemer. Innføringen av de hovedtek-nikker som anvendes innenfor rammen av "inversjon og oppskalering" innenfor koplingsmetodologi, vil bli behandlet i det følgende avsnitt.
Geostatistisk modellering
Geostatistikk innebærer innefor sin probalistiske presentasjon at en romlig variabel, slik som f.eks. permeabiliteten, kan tolkes som et bestemt uttrykk for en tilfeldig funksjon, definert ved sin sannsynlighetslov på ethvert punkt i rommet. Det stadig økende felles bruk av geostatistikk av oljeselskapene har ført til konstruk-sjon av finmodeller som kan omfatte et stort antall gitterceller. Geostatistikk gjør det faktisk mulig å anslå petrofysiske egenskaper i rommet ut i fra lokale målinger. Strengt tatt må opprettelsen av den geostatistiske modell utføres i den skala som tilsvarer måleunderlaget, og den således oppnådde modell kan da komme til å omfatte flere millioner gitterceller. Numerisk strømningssimulering i den skala som den geostatistiske modell gjelder kan da ikke tenkes med den databehandlings-kapasitet som finnes i nåværende datamaskiner. For å redusere antallet gitterceller, må disse grupperes sammen, hvilket krever beregning av de ekvivalente egenskaper for det nye gitteret som en funksjon av egenskapene av gittercellene i liten skala, nemlig en arbeidsprosess som kalles oppskalering.
Oppskalering
Beregning av den ekvivalente permeabilitet for heterogene porøse media er blitt omfattende studert av organisasjoner som omfatter geologer, reservoaringeni-ører og mer generelt fysikere som studerer porøse media.
Fra et matematisk synspunkt kan en prosess som går ut på oppskalering av permeabilitet i hver retning representeres av vektoroperatøren F, som er definert ved:
k : permeabiliteten i den skala som gjelder for den geostatistiske modell (dimen-sjon <R<M>),
K : permeabiliteten i den skala som gjelder strømningssimuleringsmodellen (dim-ensjon9?M).
Wen et al. (1997) og Renard (1999), som er nevnt ovenfor, har gitt en oversikt over de eksisterende teknikker ut i fra det som er kjent. Eksempler på kjente oppskaleringsteknikker er algebraiske metoder som omfatter enkle analytiske regler for rimelig beregning av ekvivalente permeabiliteter uten å løse et strømningsproblem. Den kjente metode som kalles "potensmiddelverdi"-teknikk kan f.eks. velges. Permeabiliteten K for blokken Q er da lik en potensmiddelverdi, som også kalles en middelverdi av størrelsesorden w, hvis eksponent<w>ligger mellom -1 og +1:
Problemet med beregning av ekvivalent permeabilitet nedsettes da til estimering av eksponenten w hvilket gjør det mulig å nedsette til et minimum den feil som innføres ved oppskalering (definert i samsvar med et visst kriterium). For media med en isotropisk logg-normal fordeling og lav korrelasjonslengde, vil det være velkjent at:
hvor a er dimensjonen i rommet (a = 1, 2 eller 3).
Det er også kjent numeriske oppskaleringsteknikker hvor beregningen av ekvivalent permeabilitet omfatter løsning av feltene for trykk p og hastighet v innenfor et lokalt- eller altomfattende strømningsproblem:
hvor u. angir viskositeten av det strømmende fluid.
Parametrisering
Problemet ved geologisk modelloppdatering ved hjelp av dynamiske data er basert på løsning av et inverst problem. Dette oppstiller da naturligvis problemet med parametrisering av permeabilitetsfeltet for det formål å tillate minimalisering av den objektive funksjon som måler forskjellen (med hensyn til minste kvadratsum) mellom de dynamiske data som observeres på feltet og simuleringsresultatene.
Parametrisering av geostatistiske modeller er et grunnleggende forhold når det gjelder å garantere vellykketheten av et integreringstrinn for de dynamiske data i geologiske modeller. Denne integrering utføres faktisk i samsvar med en gjentakelsesprosedyre som styres av optimaliseringsprosessen og har som formål å forstyrre et innledende permeabilitetsfelt som representerer den betraktede geo-statiske modell.
Ideelt, må det endelige permeabilitetsfelt ikke bare ta hensyn til samtlige dynamiske data som tas med i beregningen i den objektive funksjon, men også bevare den geostatistiske koherens for modellen (middelverdi, variogram, etc). Observasjonen av de dynamiske data styres av den objektive funksjon hvis verdi er en evaluering av vedkommende datatilpasningskvalitet. Angående koherensen for de geostatistiske data, er det parametriseringen av permeabilitetsfeltet som gjør det mulig å styre denne.
En kjent teknikk som gjør det mulig å utføre denne parametrisering er pilotpunkt-metoden, som er basert på prinsippet for den kondisjonene geostatistiske simulering som anvendes på modeller av gaussisk type, og som f.eks. er beskrevet av Marsily (1976), slik som nevnt ovenfor.
En annen kjent teknikk som muliggjør utførelse av denne parametrisering er metoden med gradvis deformering. Som beskrevet av Hu et al. (1998), så vel som i patentskriftene FR-2,780,798 og FR-2,795,841 samt i patentsøknad FR-EN-01/03,194 som er inngitt av søkerne i foreliggende søknad, består metoden med gradvis deformering i å skrive inn at en ny erkjennelse av det permeabilitetsfelt som skal anslås, og antas å være av gaussisk type, er en lineær kombinasjon av slike erkjennelser uavhengig av den stokastiske funksjon som modellerer feltet. Permeabilitetsfeltet k er derfor gitt ved:
(Oi)i<i<n: koeffisientene for den lineære kombinasjon, og
(ki)i<i<n: de uavhengige realiseringer av den betraktede geostatistiske modell.
For å opprettholde modellens geostatistiske egenskaper, må koeffisientene 6 oppfylle normalitetsavgrensningen, slik som følger:
Koeffisientene 0 anslås slik at det resulterende permeabilitetsfelt k(0) på best mulig måte gjengir de dynamiske data.
Til forskjell fra pilotpunkt-metoden, kan metoden med gradvis deformering anvendes lokalt eller altomfattende. Streng opprettholdelse av modellens geostatistiske egenskaper garanteres ved at normalitets-avgrensningen (6) respekteres uten at det introduseres en modell gitt på forhånd i den objektive funksjon.
Objektiv funksjon
Oppdatering av en geologisk modell ved hjelp av dynamiske data er basert på minimaliseringen av en objektiv funksjon som utgjør et mål på forskjellen mellom de observerte dynamiske data på feltet og de simuleringsresultater som oppnås for en fastlagt verdi for parameterne 0.
Flere formuleringer er mulig for å definere en objektiv funksjon. Formuleringen i betydning av den minste kvadratsum er den mest vanlig brukte innenfor petroleumsområdet. Den objektive funksjon kan da uttrykkes på følgende måte:
hvor:
d<o>bs:dynamiske data som er observert på feltet,
D(0) : simuleringsresultatet for den fastlagte verdi av parameterne (0),
Cd : kovarians-matrisen på observasjonene.
Som beskrevet av Tarantola (1987), består en formulering som er bedre egnet for løsning av ukorrekt uttrykte inverse problemer i å addere et regulariser-ingsledd (en a priori-modell) til den objektive funksjon:
hvor:
ø<pn>: a priori-estimering av parametere (0),
Ce : kovariansmatrisen på parameterne.
Den sist angitt formulering av den objektive funksjon har en probablistisk tolkning. I forbindelse med den bayesiske inversjon er faktisk a priori-modellen gitt ved en sannsynlighets-tetthetsfunksjon for en hvilken som helst lov.
For en a priori-modell for gaussisk lov, for midlere Ø<pn>og for kovarians Ce, kan denne sannsynlighets-tetthetsfunksjon skrives på følgende måte:
I samme sammenheng kan sannsynligheten for å oppnå observasjoner d<obs>med kjennskap til verdien av parameterne 0 eller sannsynlighetsfunksjonen, uttrykkes i følgende form:
Når strømningssimulatoroperatøren D er lineær i sammenheng med parameterne 0, så vil en posteriori sannsynlighets-tetthetsfunksjon fremdeles være i samsvar med gaussisk lov.
Minimalisering av den objektive funksjon Ji krever beregning av de deriverte av simuleringsresultatene i sammenheng med de parametere som skal anslås, nemlig:
Denne beregning av de deriverte, som er av vesentlig betydning for å utføre minimaliseringsprosessen under de best mulige betingelser, har vært gjenstand for betraktelig arbeidsinnsats, hvor en syntese av denne er gitt i den ovenfor nevnte artikkel av Chu et al. (1994).
Inntil denne dato er to metoder hovedsakelig vært brukt i petroleumsindustrien, de metoder med numeriske gradienter og gradientmetoden. Ut i fra dens egenskaper når det gjelder numerisk stabilitet og hurtighet, er her gradientmetoden blitt valgt for beregning av de deriverte av simuleringsresultatene i sammenheng med parametriseringen av den geostatistiske finmodell.
Det skal her minnes om at bruk av små bokstaver gjør det mulig å henvise til den geostatistiske finmodell, mens bruk av store bokstaver muliggjør henvisning til den modell som er basert på grovsimulering. Som eksempel kan det angis at: k angir permeabilitetsfeltet i skalaen for den geostatistiske modell, mens K angir permeabilitetsfeltet i den skala som gjelder for strømningssimuleringsmodel-len (etter oppskalering),
d angir de simuleringsresultater som er oppnådd ut i fra den geostatistiske finmodell mens D angir de simuleringsresultater som er oppnådd ved hjelp av den grove simuleringsmodell (etter oppskalering).
Beregning av de deriverte - gradientmetoden
Gradientmetoden gjør det mulig å beregne de deriverte av resultatene fra den numeriske strømningssimulering med hensyn på et visst antall parametere som inngår i simuleringsmodellen. Som eksempel vil det være mulig å beregne de deriverte med hensyn på resultatene fra hovedproduksjonen (trykk, metning, mengdestrøm etc.) i sammenheng med de petrofysiske egenskaper (permeabilitet, porøsitet, etc.) tilordnet til forskjellige soner av reservoaret.
Gradientmetoden er basert på derivering av diskretiseringsligningene for strømmodellen, slik som beskrevet av Antérion et al. (1989) som er nevnt ovenfor. Disse diskretiseringsligninger har formen av et system av ikke-lineære ligninger av følgende type:
6 : parametere som skal anslås,
Umi:innledningsverdier for de ukjente som skal simuleres. Denne initialisering beregnes ut i fra innledningstilstandene for det partielle differensialligningssystem som modellerer strømningen,
Un : simulering av ukjente beregnet ved tidspunktet t<n>,
Un+1:simulering av ukjente beregnet for tidspunktet tn+1.
Da ligningssystemet (12) er ikke-lineært, blir det vanligvis løst ved hjelp av Newton-metoden basert på suksessiv linearisering av det ikke-lineære ligningssystem (12) på følgende måte:
Beregning av de deriverte av simuleringsresultatene i sammenheng med parametriseringen 0 er basert på direkte derivering av ligningssystemet (12). Et
SUn+1
nytt lineært ligningssystem hvis ukjente er de deriverte som er resultatet av denne derivering. For hver parameter Øi, kan dette ligningssystem uttrykkes i følg-ende form:
Matrisen for dette lineære ligningssystem er gitt ved uttrykket:
Dette er Newton-matrisen for ligningssystemet (13) ved sin endelige gjentakelse. Det andre ledd i dette lineære ligningssystem er gitt ved uttrykket:
Løsningen av dette lineære ligningssystem (et andre ledd pr. parameter) gjør det mulig å utlede samtlige deriverte for de simuleringsukjente U i sammenheng med den ønskede parametrisering.
Ved sammensatt derivering, er det mulig å uttrykke de deriverte av hoved-produksjonsresultatene D i sammenheng med parametriseringen:
Optimaliseringsteknikker
De ikke-lineære optimaliseringsalgoritmer gjør det mulig å beregne, i samsvar med en gjentakelsesprosess, en verdi Ø<opt>for parametere 0 som minimalise-rer (lokalt eller altomfattende) den objektive funksjon Ji som skal optimaliseres.
Simuleringsresultatene fra fordelingen k(ø<opt>) må muliggjøre bedre dynamisk datatilpasning enn de som ble oppnådd ut i fra begynnelsesfordelingen k(ø(<0>), hvor da ø(<0>) angir verdien av de parametere ø som anvendes for å innlede optimaliseringsprosessen.
Formålet med gjentakelsen (k + 1) av en slik optimaliseringsalgoritme er å bestemme en ny anslått verdi for parameterne 0 i samsvar med følgende prinsipp:
- Beregning av en retning, nemlig retningen s(<k>) er løsningen av et visst problem linearisert ved 0(<k>). Formuleringen av dette lineariserte problem er basert på simuleringsresultatene og deres deriverte i sammenheng med den parametrisering som betraktes. La da: - Lineær søkning: intervall t(<k>) beregnes for å tilfredsstille nedstigningssam-menhengen:
Forskjellige optimaliseringsmetoder anvendes i petroleumsindustrien. Eksempler på dette er metoden med dypest nedstigning, Fletcher/Powell-metoden, Levenberg/Marquardt-metoden og Gauss/Newton-metoden, som alle er velkjent for fagkyndige på området.
Oppdatering av en geologisk modell ved hjelp av dynamiske data er basert på en kombinasjon av forskjellige metoder og teknikker som det er minnet om ovenfor. Når den geostatistiske modell har et rimelig omfang, så kan inversjonen utføres direkte på denne uten bruk av oppskaleringsteknikker. I denne sammenheng utføres oppdatering i samsvar med den prosedyre som er vist i fig. 2.
Når omfanget av den geostatistiske modell er for stort til å kunne anvendes direkte i strømningssimulatoren, blir imidlertid bruk av en oppskaleringsteknikk
obligatorisk. Formålet for dette oppskaleringstrinn er å utføre strømningssimulerin-ger på en simuleringsmodell av redusert størrelse (betegnes som en grovmodell), slik at det blir mulig å oppnå simuleringsresultater innenfor et rimelig tidsintervall. I
vanlig praksis blir datatilpasning utført på den grove simuleringsmodell og ikke på den geostatistiske modell. De generelle prinsipper for en slik inversjon er anskueliggjort i fig. 3.
Ved konvergering av optimaliseringsprosessen blir imidlertid uheldigvis bare simuleringsmodellen modifisert og det er da meget vanskelig å vende tilbake til den underliggende fine geostatistiske modell. Under inversjonsprosessen blir faktisk koherensen mellom den innledende geologiske modell og simuleringsmodellen ikke opprettholdt. For å overvinne dette problem er nedskaleringsteknikker blitt utarbeidet. Formålet for disse er å bestemme en geologisk modell som er forenlig med den innsnevrede simuleringsmodell.
Disse nedskaleringsteknikker er ganske tunge ut i fra et numerisk synspunkt, særlig når den geologiske modell har ganske stort omfang. De gjør det ikke alltid mulig å vende tilbake fra simuleringsskala til geologisk skala samtidig som de geostatistiske avgrensninger respekteres. Hovedulempen ved disse teknikker er videre at de ikke kan garantere at den geostatistiske finmodell som oppnås ved denne nedskaleringsteknikk i sin tur gjør det mulig å respektere de dynamiske data (via strømningssimulering på denne finmodell eller på en simuleringsmodell etter skalering).
De mange publikasjoner som befatter seg med dette problem som gjelder modelltilpasning av store geologiske modeller, etterlyser særlig ovenfor nevnte publikasjon av Wen et al. (1997), behovet for en ny metodologi for direkte oppdatering av den geologiske finmodell.
SAMMENFATNING AV OPPFINNELSEN
Fremgangsmåten i henhold til oppfinnelsen gjør det mulig å oppdatere ved hjelp av dynamiske produksjonsdata en geologisk finmodell som representerer fordelingen innenfor vedkommende reservoar av en fysisk kvantitet som er karakteristisk for den underjordiske struktur (f.eks. permeabiliteten eller porøsiteten for reservoarets berggrunn).
Fremgangsmåten i henhold til oppfinnelsen muliggjør direkte oppdatering, ved hjelp av dynamiske data, av en geologisk modell som er diskretisert ved hjelp av et fint gittermønster som representerer fordelingen innenfor et underjordisk res ervoar av en fysisk kvantitet som er karakteristisk for vedkommende underjordiske struktur, f.eks. permeabilitet (k), porøsitet (0>), etc.
Den foreliggende oppfinnelse vedrører en fremgangsmåte for direkte oppdatering, ved hjelp av dynamiske data, av en geologisk modell som er diskretisert ved et fint gittermønster som representerer fordelingen innenfor et underjordisk reservoar av en fysisk kvantitet som karakteriserer vedkommende underjordiske struktur,
kjennetegnet ved at fremgangsmåten omfatter:
- parametrisering av den geologiske finmodell ved en parametriseringsfaktor (6) for det formål å utlede fordelingen av denne fysiske kvantitet i denne geologiske modell, - oppskalering for det formål å bestemme fordelingen av den angitte fysiske kvantitet i en simuleringsmodell diskretisert ved et grovt gittermønster, - løsning ved hjelp av simuleringsmodellen avfluidstrømningsligningene for derved å oppnå simulerte dynamiske data, og - bestemmelse av de analytiske sammenheng som forbinder variasjonene av de simulerte dynamiske data og de tilsvarende variasjoner av parametriseringsfaktoren (6).
Ytterligere utførelsesformer av fremgangsmåten i henhold til oppfinnelsen fremgår av de uselvstendige patentkrav.
I samsvar med en viss iverksettingsmodus bestemmes de analytiske sammenheng som forbinder variasjonene av de simulerte dynamiske data med de tilsvarende variasjoner av parametriseringsfaktoren for den geologiske finmodell bestemt ved kombinasjon av de deriverte av de simulerte dynamiske data med hensyn på parametriseringsfaktoren i simuleringsmodellens skala og de deriverte av simuleringsmodellens parametriseringsfaktor med hensyn på parametriseringsfaktoren for den geologiske finmodell.
Simuleringsmodellen blir fortrinnsvis først kalibrert for det formål å redusere de feil som skriver seg fra oppskaleringen, f.eks. ved å utføre de følgende prosesser: - en a priori geologisk finmodell som representerer den modell som studeres blir valgt (kalibreringsmodell), - første simuleringsresultater som er forenelig med denne priori-modell blir direkte fastlagt, - en simuleringsmodell fastlegges ved oppskalering av den geologiske finmodell, - andre simuleringsresultater som er forenelige med den dannede simuleringsmodell, i avhengighet av oppskaleringsparametere (c) og av simuleringspara-metere (s), blir direkte fastlagt, - kalibreringsparametere (c, s) som har sammenheng med oppskalering og simulering blir justert slik at de oppnådde simuleringsresultater, henholdsvis fra a priori-modellen og simuleringsmodellen er innbyrdes forenelige.
De dynamiske data kan f.eks. være produksjonsdata, slik som verdier for trykk, gass/olje-forhold (GOR) eller delen vann i olje.
I samsvar med en iverksettingsmodus, blir parametriserings-parameteren valgt ved hjelp av en gradvis deformeringsteknikk eller pilotpunkt-teknikk.
I samsvar med en viss implementeringsmodus, blir oppskalering utført ved hjelp av en analytisk metode av potensmiddelverdi-type eller ved hjelp av en numerisk metode ved å løse et lokalt eller globalt strømningsproblem.
Fremgangsmåten i henhold til oppfinnelsen består med andre ord hovedsakelig av to uavhengige prosesstrinn som kan brukes i en gjentakelsesprosess, nemlig et kalibreringstrinn og et tilpasningstrinn.
Formålet med kalibreringstrinnet er å redusere den feil som innføres ved en oppskaleringsprosedyre som utføres for å komme frem til strømningssimuleringen. God kalibrering vil garantere koherens mellom den geologiske finmodell (diskretisert ved et fint gitter) og simuleringsmodellen som uttrykker strømning. Dette er av vesentlig betydning for å muliggjøre gjentakelse av den tilpasning som allerede er oppnådd ved at simuleringsmodellen anvender den underliggende geologiske finmodell eller en grovere simuleringsmodell (modellert ved et gitter med større gitterceller) som oppnås etter en ny skaleringsoperasjon. Den foreslåtte kalibreringsmetode er basert på historiske tilpasningsteknikker. De data som skal tilpasses er ikke lenger de dynamiske data som er observert på feltet, men resultatene av en referansesimulering som utføres på en gitt geologisk modell som representerer den geostatistiske modell som studeres. Kalibreringen utføres ved bruk av den simuleringsmodell som oppnås etter skalering av den geologiske referansemodell.
Hovedformålet for tilpasningstrinnet er ved hjelp av de dynamiske data å
avgrense den geologiske finmodell direkte og ikke simuleringsmodellen. Det utfø-res derfor direkte parametrisering av den geologiske finmodell. Oppskalering utfø-res på den geologiske modell etter parametrisering. Dette tilpasningstrinn omfatter f.eks. beregning av de deriverte av simuleringsresultatene med hensyn til parametriseringen på skalaen for den geologiske finmodell. Dette gjør det mulig å bruke en konvensjonell optimaliseringsprosess for det formål å direkte oppdatere den geologiske finmodell.
KORT BESKRIVELSE AV TEGNINGENE
Andre særtrekk og fordeler ved fremgangsmåten i henhold til oppfinnelsen vil fremgå klart ut i fra gjennomlesning av den følgende beskrivelse av et ikke-be-grensende utførelseseksempel under henvisning til de vedføyde tegninger, hvor-på:
- fig. 1 viser et oppskaleringsdomene,
- fig. 2 angir oppdatering av den geostatistiske modell ved direkte inversjon,
- fig. 3 viser oppdatering av simuleringsmodellen etter oppskalering,
- fig. 4 viser de deriverte av simuleringsresultatene ved hensyn på parametriseringen av den geostatistiske modell,
- fig. 5 viser et generelt flytskjema for tilpasningstrinnet,
- fig. 6 viser en validering av trykkgradienten med hensyn til en gradvis deformasjonsparameter (produksjonsbrønn), - fig. 7 viser en validering av trykkgradienten sett i sammenheng med en gradvis deformasjonsparameter (observasjonsbrønn),
- fig. 8 viser et generelt flytskjema for kalibreringstrinnet,
- fig. 9 viser et generelt flytskjema for koplingsmetodologien,
- fig. 10 viser en mengdestrømregistrering,
- fig. 11 viser en geostatistisk referansemodell,
- fig. 12A til 12E viser registreringer av observerte trykk på bunnen av bore-hull,
- fig. 13 viser en geostatistisk begynnelsesmodell,
-fig. 14Atil 14E viseren sammenligning mellom kalibreringstrykkene og simuleringsresultatene før kalibrering, -fig. 15Atil 15E viseren sammenligning mellom kalibreringstrykkene og simuleringsresultatene etter kalibrering,
- fig. 16 viser en avgrenset geostatistisk modell,
- fig. 17 viser en sammenligningstabell over beregningstider, og som an-skueliggjør fremgangsmåtens betydning, - fig. 18A til 18E angir en sammenligning mellom trykkdata og de innledende simuleringsresultater, -fig. 19Atil 19E angir en sammenligning mellom trykkdata og simuleringsresultater etter tilpasning, og - fig. 20A til 20C viser stolpediagram for henholdsvis differansemodellen, begynnelsesmodellen og den avgrensede geostatistiske modell.
DETALJERT BESKRIVELSE
Koplingsmetoden for inversjon og oppskalering og i samsvar med oppfinnelsen omfatter hovedsakelig to innbyrdes uavhengige trinn og som kan anvendes i en gjentakelsesprosess, nemlig et tilpasningstrinn som med fordel kan komplet-teres med et forutgående kalibreringstrinn.
Formålet for tilpasningstrinnet er å innsnevre direkte ved hjelp av dynamiske data den geologiske finmodell og ikke simuleringsmodellen, slik det har vært vanlig praksis opp til denne dato. Det er derfor mulig å utføre direkte parametrisering av den geologiske modell.
Oppskalering utføres på den geologiske modell etter parametrisering
(fig. 4). Dette tilpasningstrinn omfatter beregning av de deriverte av simuleringsresultatene med hensyn på parametriseringene på den skala som gjelder for den geologiske finmodell. Dette gjør det mulig å bruke en vanlig optimaliseringsprosess for det formål å direkte oppdatere den geologiske finmodell.
For å belyse nøkkelpunktene i denne fremgangsmåte skal først tilpasningstrinnet beskrives i detalj. Kalibreringstrinnet og den metodologiske gjentakelsesprosedyre vil bli omtalt i detalj senere.
1. - Tilpasningstrinn, inversjons- og oppskaleringskopling
I den fremgangsmåte som foreslåes, anses oppskalering å være en integrert del av parametriseringsprosessen og ikke et forprosess-redskap for strøm- ningssimulatoren, slik at oppdateringen utføres direkte på den geologiske finmodell og ikke på den grove simuleringsmodell.
1.1 - Parametrisering
Den nye parametrisering som foreslås er oppnådd ved sammensetning av en vanlig parametrisering som er oppnådd ved hjelp av kjente teknikker, og som er betegnet enten som en pilotpunktteknikk eller gradvis deformasjonsteknikk, slik som omtalt ovenfor, med en oppskaleringsteknikk (fig. 4):
Direkte oppdatering av den geostatistiske modell ved hjelp av dynamiske produksjonsdata krever beregning av de deriverte av simulteringsresultatene med hensyn på den parametrisering som er angitt ovenfor. For å kunne være stand til å beregne disse deriverte, er det nødvendig først å beregne de deriverte av simuleringsmodellen med hensyn på parametriseringen (fig. 4):
Disse deriverte utledes ved hjelp av en kompositt-deriviasjonsteknikk (fig. 4). For parameteren Øi, gjelder da:
1.2 - Gradientmetoden - sammensatt derivering
Så snart alle disse deriverte er blitt beregnet, ville det være mulig å utlede de deriverte av simuleringsresultatene med hensyn på parametriseringen fra ligning 22: med:
De deriverte av simuleringsresultatene med hensyn på parametriseringen vil bli brukt av inversjonsalgoritmen for å beregne et optimalt parametersett Ø<opt>som muliggjør bedre tilpasning av de dynamiske data enn det opprinnelige parametersett e(<0>).
Den generelle prosedyre for dette tilpasningstrinn er anskueliggjort i fig. 5.
1.3 - Datamaskinimplementering - enfaset sammenheng
Alle de algoritmer som tillater bruk av metodologien i henhold til fig. 5 og 7 for kalibrerings- og tilpasningstrinnet er blitt utviklet innenfor rammen av en gene-ralisert inversjonssløyfe.
I enfaset sammenheng er spesielt den analytiske beregning av bunnhulls-trykkets deriverte med hensyn på parametriseringen av den geostatistiske modell blitt utviklet og integrert i en forskningsversjon i en strømningssimulator. Program-varen består hovedsakelig av to moduler, nemlig en statisk modul for fremstilling av simuleringsmodellen og en dynamisk modul for strømningssimulering.
1.3.1 Statisk modul
Parametriseringen av den geostatistiske finmodell og oppskaleringsprosessen utføres i denne modul. Denne modul frembringer den grove simuleringsmodell K(0) (ligning 21) så vel som dens deriverte med hensyn på parametriseringen av den geostatistiske modell (ligning 22). En enkel fremstilling av denne modul kan sammenfattes på følgende måte:
Parametriseringen ved hjelp av metoden med gradvis deformering (en enkel parameter) av den geostatistiske modell beløper seg til:
Oppskalering av den ovenfor nevnte potensmiddelverdi-fremgangsmåte gir permeabilitetsfordelingen for simuleringsmodellen:
Sammensatt derivering av ligning (27) gir de deriverte av permeabilitetene i simuleringsmodellen med hensyn på parametriseringen av den geostatistiske modell. Disse deriverte er gitt ved:
Hvor uttrykket —k(i) skriver seg fra deriveringen av ligning (26), nemlig:
59
La da:
Resultatene fra ligningen (27) og (30) er vesentlige for en analytisk beregning av trykkgradientene på bunnen av borehullet med hensyn på parameteren 9. Disse vil bli lagret for den dynamiske modul.
1.3.2 Dynamisk modul
Når det gjelder en énfaset strømning av hardt gjennomtrykkbart fluid, vil en diskretisert ligning som angir trykkutviklingen i reservoaret være gitt ved:
Overføringskapasiteten T|V(i) mellom gittercellen I og en nabo-gittercelle v(l) er da gitt ved:
Koeffisientene on, ct2og ct3er funksjoner av geometrien av gittercellene I og v(l).
Anvendelse av gradientmetoden på ligning (31) (ved å derivere denne med hensyn på 6) gjør det mulig å beregne de deriverte av trykket på bunnen av borehullet med hensyn på denne parameter:
Løsning av ligningen (33) krever for hver parameter 0 beregning av det tilsvarende andre ledd. Resultatene fra den statiske modul vil da bli brukt for å beregne dette andre ledd:
Denne beregning er fullstendig klarlagt ved bruk av ligning (32), hvilket gjør det mulig å beregne uttrykkene
1.4 Numerisk validering
Før de deriverte av trykket på bunnen av borehullet brukes i en inversjons-prosess, er en validering av denne beregning først blitt utført. Den enkleste gyldig-hetsprøve består i å sammenligne de resultater som er oppnådd fra gradientmetoden slik den her er blitt utviklet, med de resultater som er oppnådd ut i fra numeriske gradienter (sentrerte differensialer).
Resultatene (fig. 6 og 7) er gitt i form av kurver som viser utviklingen under en interferensprøve av de deriverte av trykkene i en produksjonscelle og i en obs-ervasjonscelle med hensyn på parameteren 0 for gradvis deformasjon.
Fig. 6 og 7 gjør det mulig å validere resultatene fra de derivative som er blitt utviklet i den strømningssimulator som er brukt.
2 - Kalibreringstrinn
Formålet for dette kalibreringstrinn er å redusere den feil som er innført ved oppskalering under strømningssimulering. God kalibrering vil garantere koherens mellom den geologiske modell og simuleringsmodellen når det gjelder uttrykk for strømning. Det er vesentlig å være i stand til å reprodusere den tilpasning som allerede er oppnådd med simuleringsmodellen ved bruk av den underliggende geologiske finmodell eller en simuleringsmodell som er oppnådd etter en ny skaler-ingsprosedyre.
Den foreslåtte kalibreringsmetode er basert på historiske tilpasningsteknikker. De data som skal tilpasses er ikke lenger de dynamiske data som er observert på bruksfeltet, men resultatene av en referansesimulering d<ref>som utføres på en gitt geologisk modell k<ref>(kalt referansemodell) som representerer den geostatistiske modell som studeres.
Kalibrering utføres ved bruk av den simuleringsmodell som oppnås etter skalering av den geologiske referansemodell. Innenfor rammen av denne metode, er det tatt i betraktning to typer kalibreringsparametere, nemlig:
Kalibreringsparametere i forhold til den oppskaleringsprosess som er angitt ved c. For en gitt oppskaleringsteknikk avhenger simuleringsmodellen faktisk av de forskjellige alternativer som velges for anvendelse av denne teknikk (grensebe-tingelser, eksponenten ved potensmiddelverdi-bestemmelse, etc). Alle disse numeriske data utgjør de kalibreringsparametere som er betegnet med c, i sammenheng med oppskaleringsprosedyren. Strømningssimuleringsmodellen vil naturligvis være en funksjon av disse kalibreringsparametere, slik at:
Kalibreringsparametere i sammenheng med strømningssimuleringen, og
som er angitt ved s. Det er tenkelig å redusere den feil som innføres ved oppskalering ved faktisk å modifisere noen av strømningssimulatorens parametere. Formålet for en slik modifisering er ikke å gi noen fysisk tolkning av den feil som inn-føres ved oppskalering, men i stedet å nedsette følgende av denne til et minimum ved hjelp av visse parametere som kan styres ved hjelp av strømnings-simulatoren.
Spesielt genererer oppskaleringen en forandring i den numeriske produktivitetsindeks (IPN) for brønnene. Denne produktivitetsindeks er da en funksjon av permeabilitetene, slik at:
For det formål å korrigere denne modifikasjon av den numeriske produktivitetsindeks, er det i visse tilfeller mulig å kunstig innføre en faktor som betegnes som en skinn-faktor, og hvis verdi bli bestemt ved beregning.
I mer generell sammenheng vil resultatene av kalibreringssimuleringen derfor være funksjoner av kalibreringsparameterne c og s, som da reservoaringeni-øren vil anse det nødvendig å kalibrere:
Etter å ha utført referansesimuleringen, vil det være mulig å utføre identifi-seringen av kalibreringsparameterne ved å minimalisere den objektive funksjon på følgende måte:
Parameternecopt ogsop<t>som resulterer fra denne optimalisering vil bli brukt i tilpasningstrinnet som utføres etter kalibreringstrinnet. Den generelle prosedyre for dette kalibreringstrinn er gitt i fig. 8.
Som angitt ovenfor, er formålet for dette kalibreringstrinn å konstruere en
simuleringsmodell, som representerer i så høy grad som mulig, den underliggende geologiske modell. Man forsøker derfor å bestemme en optimal oppskaleringsfor-mel (c) så vel som en optimal strømningssimuleringsmodell (s) som gjør det mulig å redusere den simuleringsfeil som innføres av oppskaleringsprosessen. Kalibreringstrinnet utføres på en gitt geostatistisk modell som betegnes som referansemodell k<ref>.
Ved slutten av tilpasningstrinnet følger kalibreringstrinnet, og det er da mulig å utføre en bekreftelsessimulering for en del av eller hele den innsnevrede geostatistiske modell, for derved å undersøke tilpasningskvaliteten. Hvis resultatet er negativt, vil de to kalibrerings- og tilpasningstrinn måtte gjentas i samsvar med en gjentakelsesprosess inntil konvergenskriteriene er tilfredsstilt. Den generelle prosedyre med hensyn til denne "inversjons- og oppskalerings"-koplingsmetologi er gitt i fig. 4.
3 - Validering av fremgangsmåten
En syntetisk interferenstest er blitt fremstilt for å validere bruken av den foreslåtte metodologi. Denne syntetiske prøve omfatter en geostatistisk referansemodell for permeabilitetsfeltet, og som antas å være representativ for et sant reservoar, samt syntetiske trykkdata som frembringes som en følge av strømningssi-muleringen av denne referansemodell.
Under integrasjon av trykkdata antas denne geostatistiske referansemodell å være ukjent. Anvendelse av den metodologi som er angitt i avsnittet ovenfor gjør det mulig å konstruere en geostatistisk modell som gir tilpasning til trykkdata og bi-beholder de geostatistiske egenskaper ved referansemodellen.
3.1 - Beskrivelse av valideringstilfellet
3.1.1 Generell beskrivelse
Valideringstilfellet er et tredimensjonalt reservoar hvis horisontale utstrek-ning er 4020 m x 4020 m for en konstant 50-m tykkelse som har følgende homo-gene petrofysiske egenskaper:
Porøsitet: = 0,3,
Horisontal anisotropi: ky/kx = 1,
Vertikal anisotropi: kz/kx = 0,1,
Berggrunnens sammentrykkbarhet: c = 0,0001 bar"<1>,
Viskositet: u. = 1 cP.
Begynnelsestrykket for reservoaret er 200 bar (20 MPa) ved en innledende 10% vannmetning. Vannets sammentrykkbarhet er 0,0000435 bar"<1>, mens den tilsvarende verdi for olje er 0,000168 bar"<1>. Den totale sammentrykkbarhet er 0,000255 bar"<1>.
En vertikal produserende brønn med radius 7,85 centimeter og med skinn-faktor lik null er installert i midten av reservoaret. Mengdestrømhistorien utgjøres av en 7-dagers periode med 600-m<3>/dag konstant mengdestrømproduksjon, fulgt av en 35-dagers periode med trykkoppbygning ved mengdestrøm lik null (fig. 10).
Fire vertikale observasjonsbrønner som er perforert over hele reservoaret er anordnet i samme avstand rundt produksjonsbrønnen, som er perforert bare over de første 30 meter av reservoaret.
3.1.2 Geostatistisk referansemodell
Reservoarets permeabilitet er modellert ved en stokastisk funksjon 300-mD midlere logg/normal-fordeling og 300-mD er standardavvik. Denne geostatistiske modell er ferdigstilt ved et sfærisk variogram med korrelasjonslengder på 600 m, 300 m og 10 m langs hovedsaksene for anisotropi, nemlig:
Første akse: (1,1, 0),
Andre akse: (-1, 1, 0).
Den tredje anisotropi-akse er beregnet slik at det numeriske sett som dan-nes av de tre akser er ortonormale.
Det geostatistiske simuleringsgitter er regelmessig og består av:
201 20-m gitterceller langs x-aksen,
201 20-m gitterceller langs y-aksen,
50 1-m gitterceller langs z-aksen.
Det totale antall gitterceller som utgjør resultatet av denne diskretisering er 2 020 050.
En geostatistisk referansesimulering av denne modell er blitt utført for det formål å utlede det referanse-permeabilitetsfelt som representerer det reservoar som studeres. Dette referanse-permeabilitetsfelt og plasseringen av brønnene er vist i fig. 11.
3.1.3 Syntetiske referansedata
En strømningssimulering er utført over en 42-dagers periode på den geostatistiske referansemodell. Den syntetiske trykkhistorie (fig. 12) er definert ut i fra resultatene av denne referansesimulering av produksjonsbrønnens bunnhulls-trykk, dets deriverte med hensyn på tid og bunnhullstrykket for de fire observa-sjonsbrønner.
Den forstyrrelse som sendes ut fra produksjonsbrønnen når frem til obser-vasjonsbrønnene med en forsinkelse av størrelsesorden 2 dager. For den periode som følger etter denne forsinkelse tas med i beregningen for observasjonsbrønn-ene. Med hensyn til produksjonsbrønnen, tas bare oppbygningsperioden og dens deriverte med hensyn på tiden med i beregningen ved formuleringen av den objektive funksjon.
For inversjonstrinnet tas bare karakteriseringen av permeabilitets-fordelingen med i beregningen. Referansemodellens variogram antas å være fullstendig kjent (primære anistropi-retninger og korrelasjonslengder).
Permeabilitetene for de gitterceller som gjennomtrenges av de fem brønner antas også å være kjent. Disse permeabiliteter vil bli brukt for kondisjonering av den geostatistiske finmodell etter hver gjentakelse av inversjonsprosessen.
3.2 Geostatistisk begvnnelsesmodell
Den geostatistiske referansemodell antas nå være ukjent. Med utgangs-punkt fra den nye iverksetting (begynnelsesiverksettingen) vil en innsnevret modell bli fastlagt ut i fra både referansemodellens geostatistiske egenskaper (uttrykt ved middelverdi, standardavvik, variogram, etc.) og trykkdata (uttrykt ved datatilpasning).
Simulering av en geostatistisk begynnelsesmodell (fig. 13) ut i fra en tilfeldig kime gjør det mulig å generere et begynnende permeabilitetsfelt ut i fra referansemodellens geostatistiske egenskaper. Denne innledende modell gjør det imidlertid ikke mulig å ta hensyn til trykkdata. For å innsnevre den geostatistiske modell ut i fra disse trykkdata, anvendes den metodologi som er angitt i et tidligere avsnitt på denne begynnelsesfremstilling.
3.3 Trykkdatatilpasning
Integrering av trykkdata inn i denne geostatistiske begynnelsesmodell er blitt utført ved å bruke:
- potensmiddelverdi-metoden for oppskaleringstrinnet,
- metoden med gradvis deformering for parametrisering av den geostatistiske modell.
For det formål best å kunne reprodusere permeabilitetsverdier på bunnen av borehullet, integrert i den geostatistiske modell via et krigings-trinn, er oppskalering ikke blitt utført på brønnens gitterceller (for hvert lag). Den grove simuleringsmodell som således er oppnådd består da av:
43 gitterceller langs x-aksen,
43 gitterceller langs y-aksen,
10 gitterceller langs z-aksen.
Det totale antall gitterceller er da 18 490, hvilket vil si en reduksjon av antallet gitterceller med mer en 99% i forhold til den geostatistiske modell. En reduksjon av strømningssimuleringstiden er da oppnådd ut i fra denne reduksjon av antallet gitterceller. Strømningssimuleringen på det geostatistiske gitter tar således en tid av størrelsesorden 180 minutter mot bare 3 minutter på det grove gitter (10-440 MHz SUN ULTRA-stasjon), hvilket vil si en reduksjon på omkring 99%. En mer omfattende kvantifisering av de vinninger (CPU-tiden) som er oppnådd ved denne metodologi, er angitt i det neste avsnitt.
Når det gjelder metoden med gradvis deformering, er det blitt brukt en en-este deformasjonskjede som inneholder seks iverksetninger uavhengig av den geostatistiske modell.
3.3.1 Kalibreringstrinn
Under dette kalibreringstrinn forsøker man å redusere forskjellen mellom henholdsvis simuleringsresultatene på det fine gitter og på det grove gitter for den geostatistiske begynnelsesmodell (fig. 13). De valgte kalibreringsparametere er da:
skinn-faktor s for produksjonsbrønnen P1,
eksponenten w i oppskaleringsformelen.
Det er faktisk en liten manglende overensstemmelse mellom resultatene av den simulering som utføres på det grove gitter etter oppskalering og ved bruk av en harmonisk middelverdi (w = -1) og en skinn-faktor på null i produksjonsbrønnen (verdien av den fysiske skinn-faktor) samt de resultater som oppnås på det fine gitter (fig. 14). Denne manglende overensstemmelse tilsvarer en verdi på 195 for den objektive funksjon.
Under kalibreringsprosedyren har det vært mulig å redusere denne forskjell ved å modifisere kalibreringsparametere (s,w). Ved således å velge en aritmetisk middelverdi for å oppskaleringstrinnet (w = +1) samt ved å innføre en kunstig skinn-faktor på -0,04, vil simuleringsresultatene for det grove gitter etter kalibrering være i perfekt overensstemmelse med de som oppnås for det fine gitter (fig. 15). Verdien av den objektive funksjon er da 10 etter 5 gjentakelser.
For dette prøvetilfelle er da den kalibrerte verdi for eksponenten w i oppskaleringsformelen (w = +1) et kjent resultat. Vi har imidlertid med hensikt gitt denne eksponent en begynnelsesverdi på -1 for å kunne validere robustheten av kalibreringstrinnet.
3.3.2 Tilpasningstrinnet
Så snart kalibreringstrinnet er fullført, vil det være mulig å utføre integrerin-gen av trykkdata inn i den geostatistiske begynnelsesmodell. En manglende overensstemmelse forblir faktisk mellom de simuleringsresultater som oppnås for det grove gitter, i betraktning av kalibreringstrinnet (w = +1, s = -0,004), og vedkommende trykkdata (fig. 17).
Den objektive funksjon som tilsvarer denne innledende simulering er av størrelsesorden 112. For å redusere denne objektive funksjon, er det blitt konstru-ert en gradvis deformasjonskjede som omfatter seks iverksetninger uavhengig av den geostatistiske modell, nemlig:
Den innsnevrede geostatistiske modell (fig. 16) er da blitt oppnådd etter 21 gjentakelser med en objektiv funksjon lik 7,5.
Denne innsnevrede geostatistiske modell tillater en meget god tilpasning av vedkommende trykkdata, slik som vist i fig. 18. Den avgrensede geostatistiske modell gjør det således mulig å ta hensyn til ikke bare disse trykkdata, men også modellens geostatistiske egenskaper. Spesielt er da de eksperimentelle stolpedia-grammer som henholdsvis tilsvarer referansemodellen, begynnelsesmodellen og de innsnevrede modeller i innbyrdes samsvar (fig. 19).
3.3.3 Totalvurdering av CPU- tidsvinningene
I det prøvetilfelle som er angitt i det tidligere avsnitt var det nødvendig med omkring 10 CPU-timer for datatilpasning. Oppdatering av den geostatistiske modell uten oppskalering ville da ha blitt meget mer kostnadskrevende med hensyn til tid, da en a priori estimering av den påkrevde CPU-tid med et slikt opplegg ville være av størrelsesorden 378 timer. Denne CPU-tid vil da være fordelt mellom strømningssimulering og beregning av gradientene av simulteringsresultatene med hensyn på de forskjellige tilpasninger og kalibreringsparametere. En mer detaljert beskrivelse av CPU-tidsfordelingen er gitt i tabell 1.
Det kan nå innses at fremgangsmåten i henhold til oppfinnelsen muliggjør direkte, koherent og rask oppdatering av den geostatistiske modell. Direkte parametrisering av den geostatistiske finmodell, i stedet for den grove simuleringsmodell, samt beregning av simuleringsresultatets gradienter med hensyn på denne parametrisering har muliggjort direkte oppdatering av den geostatistiske modell i en gjentatt optimaliseringsprosess. Parametriseringen av den geostatistiske modell ved hjelp av metoden med gradvis deformering gjør det mulig under denne gjentakelsesprosess å bibeholde modellens totale geostatistiske egenskaper. Koherensen av den innsnevrede geostatistiske modell som er et resultat av gjen-takelsesprosessen er således sikret. Kopling av oppskalerings- og inversjonstek-nikker gjør det mulig å i betraktelig grad redusere den CPU-tid som er påkrevet for integrering av trykkdata i den geostatistiske modell.
De valideringsprøver som utføres i en enfaset sammenheng har vist effekti-viteten av den foreslåtte metode for oppdatering av store geologiske modeller ved hjelp av dynamiske data.
Den absolutte permeabilitet er blitt brukt her som et eksempel på den fysiske kontinuitet som karakteriserer den underjordiske struktur. Dette utgjør naturligvis ingen begrensning av foreliggende oppfinnelsesgjenstand. Fremgangsmåten i henhold til oppfinnelsen for integrering av de dynamiske data inn i den store geologiske modell vil således også kunne anvendes for andre fysiske kvantiteter, og spesielt for porøsiteten av det medium som betraktes.
Claims (9)
1. Fremgangsmåte for direkte oppdatering, ved hjelp av dynamiske data, av en geologisk modell som er diskretisert ved et fint gittermønster som representerer fordelingen innenfor et underjordisk reservoar av en fysisk kvantitet som karakteriserer vedkommende underjordiske struktur,
karakterisert vedat fremgangsmåten omfatter: - parametrisering av den geologiske finmodell ved en parametriseringsfaktor (0) for det formål å utlede fordelingen av denne fysiske kvantitet i denne geologiske modell, - oppskalering for det formål å bestemme fordelingen av den angitte fysiske kvantitet i en simuleringsmodell diskretisert ved et grovt gittermønster, - løsning ved hjelp av simuleringsmodellen avfluidstrømningsligningene for derved å oppnå simulerte dynamiske data, og - bestemmelse av de analytiske sammenheng som forbinder variasjonene av de simulerte dynamiske data og de tilsvarende variasjoner av parametriseringsfaktoren (ø).
2. Fremgangsmåte som angitt i krav 1,
karakterisert vedat bestemmelsen av de analytiske sammenheng som forbinder variasjonene av de simulerte dynamiske data og de tilsvarende variasjoner av parametriseringsfaktoren for den geologiske finmodell, utledes ved å kom-binere de deriverte av de simulerte dynamiske data med hensyn på parametriseringsfaktoren i den skala som gjelder for simuleringsmodellen, samt de deriverte av parametriseringsfaktoren for simuleringsmodellen med hensyn på parametriseringsfaktoren for den geologiske finmodell.
3. Fremgangmåte som angitt i et av kravene 1 eller 2,
karakterisert vedat kalibrering av simuleringsmodellen utføres først for det formål å redusere den feil som innføres ved oppskalering.
4. Fremgangsmåte som angitt i et av kravene 1 eller 2,
karakterisert vedat kalibreringstrinnet omfatter følgende prosesser: - en a priori geologisk finmodell som representerer den studerte modell velges (kalibreringsmodellen), - de første simuleringsresultater som er forenelig med denne a priori-modell blir direkte fastlagt, - en simuleringsmodell bestemmes ved oppskalering av den geologiske finmodell, - andre simuleringsresultater som er forenelig med den dannede simuleringsmodell, i avhengighet av oppskaleringsparametere (c) og av simuleringspara-metere (s), blir direkte fastlagt, og - kalibreringsparametere (c, s) som har sammenheng med oppskalering og simulering blir justert slik at de oppnådde simuleringsresultater fra a priori-modellen og simuleringsmodellen er innbyrdes forenelige.
5. Fremgangsmåte som angitt i et av de forutgående krav,karakterisert vedat den fysiske kvantitet er permeabiliteten eller porøsi-teten for reservoarets berggrunn.
6. Fremgangsmåte som angitt i et av de forutgående krav,karakterisert vedat de dynamiske data utgjøres av produksjonsdata, slik som trykkverdier, gass/olje-forhold (GOR) eller andelen av vann i olje.
7. Fremgangsmåte som angitt i et av de forutgående krav,karakterisert vedat valget av parametriserings-parameter utføres ved hjelp av en metode med gradvis deformasjon eller en pilotpunkt-teknikk.
8. Fremgangsmåte som angitt i et hvilket som helst av kravene 1 til 5,karakterisert vedat oppskaleringen utføres ved hjelp av en analytisk metode av potensmiddelverdi-type.
9. Fremgangsmåte som angitt i et hvilket som helst av kravene 1 til 6,karakterisert vedat oppskaleringen utføres ved hjelp av en numerisk metode ved løsning av et lokalt eller globalt strømningsproblem.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0105339A FR2823877B1 (fr) | 2001-04-19 | 2001-04-19 | Methode pour contraindre par des donnees dynamiques de production un modele fin representatif de la repartition dans le gisement d'une grandeur physique caracteristique de la structure du sous-sol |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| NO20021824D0 NO20021824D0 (no) | 2002-04-18 |
| NO20021824L NO20021824L (no) | 2002-10-21 |
| NO334984B1 true NO334984B1 (no) | 2014-08-18 |
Family
ID=8862501
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| NO20021824A NO334984B1 (no) | 2001-04-19 | 2002-04-18 | Fremgangsmåte for å begrense ved dynamiske produksjons-data en finmodell representativ for fordelingen i reservoaret for en fysisk kvantitet karakteristisk for undergrunnsstrukturen |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US6662109B2 (no) |
| FR (1) | FR2823877B1 (no) |
| GB (1) | GB2375635B (no) |
| NL (1) | NL1020410C2 (no) |
| NO (1) | NO334984B1 (no) |
Families Citing this family (72)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6853921B2 (en) | 1999-07-20 | 2005-02-08 | Halliburton Energy Services, Inc. | System and method for real time reservoir management |
| FR2842321B1 (fr) * | 2002-07-11 | 2008-12-05 | Inst Francais Du Petrole | Methode pour contraindre un champ de permeabilite heterogene representant un reservoir souterrain par des donnees dynamiques |
| US7899657B2 (en) * | 2003-01-24 | 2011-03-01 | Rockwell Automoation Technologies, Inc. | Modeling in-situ reservoirs with derivative constraints |
| US7584165B2 (en) | 2003-01-30 | 2009-09-01 | Landmark Graphics Corporation | Support apparatus, method and system for real time operations and maintenance |
| FR2851670B1 (fr) * | 2003-02-21 | 2005-07-01 | Inst Francais Du Petrole | Methode pour elaborer plus rapidement un modele stochastique representatif d'un reservoir heterogene souterrain, contraint par des donnees statiques et dynamiques incertaines |
| GB2413871A (en) * | 2003-02-27 | 2005-11-09 | Schlumberger Holdings | Estimation of formation characteristics in wells |
| US6823297B2 (en) * | 2003-03-06 | 2004-11-23 | Chevron U.S.A. Inc. | Multi-scale finite-volume method for use in subsurface flow simulation |
| US7496488B2 (en) * | 2003-03-06 | 2009-02-24 | Schlumberger Technology Company | Multi-scale finite-volume method for use in subsurface flow simulation |
| FR2852710B1 (fr) * | 2003-03-18 | 2005-04-29 | Inst Francais Du Petrole | Methode pour former rapidement un modele stochastique representatif de la distribution d'une grandeur physique dans un milieu heterogene par une selection appropriee de realisations geostatistiques |
| US7876705B2 (en) * | 2003-06-25 | 2011-01-25 | Schlumberger Technology Corporation | Method and apparatus and program storage device for generating a workflow in response to a user objective and generating software modules in response to the workflow and executing the software modules to produce a product |
| FR2857764B1 (fr) * | 2003-07-18 | 2005-08-26 | Inst Francais Du Petrole | Methode de deformation graduelle d'un modele booleen de simulation d'un milieu heterogene, contraint par des donnees dynamiques |
| CN100590637C (zh) | 2003-09-30 | 2010-02-17 | 埃克森美孚上游研究公司 | 使用最小阻力路径来特征化储层模型中的连通性 |
| 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 |
| US7844430B2 (en) * | 2004-01-30 | 2010-11-30 | Exxonmobil Upstream Research Co. | Reservoir model building methods |
| CA2544058C (en) * | 2004-01-30 | 2014-09-09 | Exxonmobil Upstream Research Company | Reservoir evaluation methods |
| US7277795B2 (en) * | 2004-04-07 | 2007-10-02 | New England Research, Inc. | Method for estimating pore structure of porous materials and its application to determining physical properties of the materials |
| 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 |
| US7672818B2 (en) | 2004-06-07 | 2010-03-02 | Exxonmobil Upstream Research Company | Method for solving implicit reservoir simulation matrix equation |
| US20060015310A1 (en) * | 2004-07-19 | 2006-01-19 | Schlumberger Technology Corporation | Method for simulation modeling of well fracturing |
| US7636671B2 (en) * | 2004-08-30 | 2009-12-22 | Halliburton Energy Services, Inc. | Determining, pricing, and/or providing well servicing treatments and data processing systems therefor |
| FR2875305B1 (fr) * | 2004-09-16 | 2006-10-27 | Inst Francais Du Petrole | Methode pour generer un modele de reservoir sur maillage flexible |
| US7516056B2 (en) * | 2005-04-26 | 2009-04-07 | Schlumberger Technology Corporation | Apparatus, method and system for improved reservoir simulation using a multiplicative overlapping Schwarz preconditioning for adaptive implicit linear systems |
| FR2890453B1 (fr) * | 2005-09-05 | 2007-10-19 | Inst Francais Du Petrole | Methode pour mettre a jour un modele geologique de reservoir a l'aide de donnees dynamiques |
| MX2008009308A (es) | 2006-01-20 | 2008-10-03 | Landmark Graphics Corp | Administracion del sistema de produccion dinamica. |
| US7254091B1 (en) * | 2006-06-08 | 2007-08-07 | Bhp Billiton Innovation Pty Ltd. | Method for estimating and/or reducing uncertainty in reservoir models of potential petroleum reservoirs |
| WO2007149766A2 (en) * | 2006-06-18 | 2007-12-27 | Chevron U.S.A. Inc. | Reservoir simulation using a multi-scale finite volume including black oil modeling |
| CA2655232C (en) * | 2006-07-07 | 2015-11-24 | Exxonmobil Upstream Research Company | Upscaling of reservoir models by reusing flow solutions from geologic models |
| US7933758B2 (en) * | 2006-12-05 | 2011-04-26 | Conocophillips Company | Method and apparatus for geomodel uplayering |
| US9110193B2 (en) * | 2007-02-25 | 2015-08-18 | Chevron U.S.A. Inc. | Upscaling multiple geological models for flow simulation |
| FR2914434B1 (fr) * | 2007-03-30 | 2009-05-22 | Inst Francais Du Petrole | Methode de calage d'historique d'un modele geologique par modification graduelle des proportions des facies lithologiques |
| FR2920816B1 (fr) * | 2007-09-06 | 2010-02-26 | Inst Francais Du Petrole | Methode pour mettre a jour un modele geologique a l'aide de donnees dynamiques et d'essais de puits |
| FR2923930B1 (fr) * | 2007-11-19 | 2009-11-20 | Inst Francais Du Petrole | Methode de modelisation d'un milieu geologique poreux traverse par un reseau de fractures. |
| WO2009075945A1 (en) | 2007-12-13 | 2009-06-18 | Exxonmobil Upstream Research Company | Parallel adaptive data partitioning on a reservoir simulation using an unstructured grid |
| US8738341B2 (en) * | 2007-12-21 | 2014-05-27 | Schlumberger Technology Corporation | Method for reservoir characterization and monitoring including deep reading quad combo measurements |
| US8744817B2 (en) * | 2007-12-21 | 2014-06-03 | Schlumberger Technology Corporation | Method for upscaling a reservoir model using deep reading measurements |
| US8184502B2 (en) * | 2008-02-28 | 2012-05-22 | Exxonmobil Upstream Research Company | Rock physics model for simulating seismic response in layered fractured rocks |
| US8494777B2 (en) * | 2008-04-09 | 2013-07-23 | Schlumberger Technology Corporation | Continuous microseismic mapping for real-time 3D event detection and location |
| BRPI0909440A2 (pt) * | 2008-04-17 | 2015-12-15 | Exxonmobil Upstream Res Co | métodos para planejamento de desenvolvimento de reservatório, para suporte de decisão com relação de desenvolvimento de recursos petrolíferos, para planejamento de desenvolvimento de otimização para um reservatório com base em um computador, e para produzir hidrocarbonetos de um reservatório subterrâneo. |
| US8775347B2 (en) * | 2008-04-18 | 2014-07-08 | Exxonmobil Upstream Research Company | Markov decision process-based support tool for reservoir development planning |
| US8775361B2 (en) * | 2008-04-21 | 2014-07-08 | Exxonmobil Upstream Research Company | Stochastic programming-based decision support tool for reservoir development planning |
| EA201071318A1 (ru) * | 2008-05-16 | 2011-06-30 | ШЕВРОН Ю. Эс. Эй. ИНК. | Многомасштабный способ для многофазного потока в пористых средах |
| US8095349B2 (en) * | 2008-05-30 | 2012-01-10 | Kelkar And Associates, Inc. | Dynamic updating of simulation models |
| CA2729770C (en) * | 2008-07-03 | 2016-12-13 | Chevron U.S.A. Inc. | Multi-scale finite volume method for reservoir simulation |
| BRPI0919572A2 (pt) * | 2008-10-09 | 2019-09-24 | Chevron Usa Inc | método implementado por computador em múltipla escala, sistema implementado por computador, e, método para operar um reservatório de subsuperfície |
| CN102246060B (zh) * | 2008-12-16 | 2014-07-30 | 埃克森美孚上游研究公司 | 用于优化油气层开发和管理的系统和方法 |
| WO2010116236A2 (en) * | 2009-04-08 | 2010-10-14 | Schlumberger Technology B.V. | Methods and systems for microseismic mapping |
| US20100312535A1 (en) * | 2009-06-08 | 2010-12-09 | Chevron U.S.A. Inc. | Upscaling of flow and transport parameters for simulation of fluid flow in subsurface reservoirs |
| EP2494385A2 (en) * | 2009-10-28 | 2012-09-05 | Chevron U.S.A. Inc. | Multiscale finite volume method for reservoir simulation |
| BR112012009045B1 (pt) | 2009-11-12 | 2020-12-08 | Exxonmobil Upstream Research Company | métodos para gerar uma grade de simulação tridimensional para um modelo de reservatório, aparelho de gradeamento de simulação e simulador de reservatório |
| US8930170B2 (en) * | 2009-11-18 | 2015-01-06 | Conocophillips Company | Attribute importance measure for parametric multivariate modeling |
| US8355872B2 (en) * | 2009-11-19 | 2013-01-15 | Chevron U.S.A. Inc. | System and method for reservoir analysis background |
| FR2953039B1 (fr) * | 2009-11-26 | 2012-01-13 | Inst Francais Du Petrole | Methode d'exploitation d'un gisement petrolier par reconstruction de modele de reservoir |
| EP2534606B1 (en) | 2010-02-12 | 2019-02-27 | Exxonmobil Upstream Research Company | Method and computer program for creating history-matched simulation models and corresponding method for producing hydrocarbons from a field |
| US8775142B2 (en) | 2010-05-14 | 2014-07-08 | Conocophillips Company | Stochastic downscaling algorithm and applications to geological model downscaling |
| MY160152A (en) | 2010-08-09 | 2017-02-28 | Conocophillips Co | Reservoir upscaling method with preserved transmissibility |
| US9542508B2 (en) | 2010-10-29 | 2017-01-10 | Schlumberger Technology Corporation | Model based inversion of seismic response for determining formation properties |
| US9488047B2 (en) * | 2011-04-04 | 2016-11-08 | Conocophillips Company | Reservoir calibration parameterization method |
| WO2013148021A1 (en) * | 2012-03-28 | 2013-10-03 | Exxonmobil Upstream Research Company | Method for mutiphase flow upscaling |
| FR2992448B1 (fr) * | 2012-06-26 | 2014-06-27 | IFP Energies Nouvelles | Procede d'exploitation d'un reservoir geologique a partir d'un modele de reservoir cale au moyen d'un parametrage multi-echelles |
| FR2993310B1 (fr) * | 2012-07-13 | 2014-08-29 | IFP Energies Nouvelles | Procede d'exploitation d'un reservoir geologique a partir d'un modele de reservoir cale par le calcul d'une loi analytique de distribution conditionnelle de parametres incertains du modele |
| FR2994315B1 (fr) * | 2012-08-06 | 2014-08-29 | Total Sa | Procede de determination de trajectoires de chenaux |
| MX347937B (es) * | 2012-12-31 | 2017-05-19 | Halliburton Energy Services Inc | Aparatos, metodos y sistemas de correccion de mediciones. |
| FR3005988B1 (fr) * | 2013-05-21 | 2015-05-15 | IFP Energies Nouvelles | Procede d'exploitation d'un milieu fracture a partir d'un modele de reservoir cale pour des puits choisis au moyen d'un modele de transmissivite equivalente |
| US10048403B2 (en) | 2013-06-20 | 2018-08-14 | Exxonmobil Upstream Research Company | Method and system for generation of upscaled mechanical stratigraphy from petrophysical measurements |
| US10208577B2 (en) * | 2013-10-09 | 2019-02-19 | Chevron U.S.A. Inc. | Method for efficient dynamic gridding |
| CN104747141B (zh) * | 2015-02-14 | 2017-03-08 | 中国石油天然气股份有限公司 | 一种牙刷状油藏分层开采模型的建立方法及设备 |
| US10599788B2 (en) | 2015-12-30 | 2020-03-24 | International Business Machines Corporation | Predicting target characteristic data |
| US11307322B2 (en) * | 2016-09-19 | 2022-04-19 | Halliburton Energy Services, Inc. | Mixed inversion using a coarse layer model |
| US11119239B2 (en) | 2017-01-13 | 2021-09-14 | Baker Hughes Holdings Llc | Measuring petrophysical properties of an earth formation by regularized direct inversion of electromagnetic signals |
| CN112580181A (zh) * | 2019-09-29 | 2021-03-30 | 中国石油化工股份有限公司 | 一种基于梯度混合搜索算法的随机反演方法及反演系统 |
| CN111706318B (zh) * | 2020-05-26 | 2023-08-22 | 中国石油天然气集团有限公司 | 一种确定低渗储层剩余油分布状况的方法 |
| CN112347711B (zh) * | 2020-10-27 | 2023-11-14 | 中国建筑科学研究院有限公司 | 一种街谷水平通风影响城市热岛效应的数值模拟方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2734069B1 (fr) * | 1995-05-12 | 1997-07-04 | Inst Francais Du Petrole | Methode pour predire, par une technique d'inversion, l'evolution de la production d'un gisement souterrain |
| FR2780798B1 (fr) * | 1998-07-01 | 2000-12-08 | Inst Francais Du Petrole | Methode pour deformer graduellement un modele stochastique d'un milieu heterogene tel qu'une zone souterraine |
| US6388947B1 (en) * | 1998-09-14 | 2002-05-14 | Tomoseis, Inc. | Multi-crosswell profile 3D imaging and method |
| US6549854B1 (en) * | 1999-02-12 | 2003-04-15 | Schlumberger Technology Corporation | Uncertainty constrained subsurface modeling |
| FR2795841B1 (fr) * | 1999-07-02 | 2001-08-10 | Inst Francais Du Petrole | Methode pour deformer graduellement des simulations sequentielles d'un milieu heterogene tel qu'une zone souterraine |
-
2001
- 2001-04-19 FR FR0105339A patent/FR2823877B1/fr not_active Expired - Fee Related
-
2002
- 2002-04-15 GB GB0208563A patent/GB2375635B/en not_active Expired - Fee Related
- 2002-04-17 NL NL1020410A patent/NL1020410C2/nl not_active IP Right Cessation
- 2002-04-18 NO NO20021824A patent/NO334984B1/no not_active IP Right Cessation
- 2002-04-18 US US10/124,392 patent/US6662109B2/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| GB2375635A (en) | 2002-11-20 |
| FR2823877A1 (fr) | 2002-10-25 |
| GB0208563D0 (en) | 2002-05-22 |
| FR2823877B1 (fr) | 2004-12-24 |
| GB2375635B (en) | 2006-01-25 |
| US20030028325A1 (en) | 2003-02-06 |
| US6662109B2 (en) | 2003-12-09 |
| NO20021824L (no) | 2002-10-21 |
| NO20021824D0 (no) | 2002-04-18 |
| NL1020410C2 (nl) | 2002-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| NO334984B1 (no) | Fremgangsmåte for å begrense ved dynamiske produksjons-data en finmodell representativ for fordelingen i reservoaret for en fysisk kvantitet karakteristisk for undergrunnsstrukturen | |
| US8359184B2 (en) | Method, program and computer system for scaling hydrocarbon reservoir model data | |
| AU2007211291B2 (en) | Methods, systems, and computer-readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
| Cacace et al. | Modelling of fractured carbonate reservoirs: outline of a novel technique via a case study from the Molasse Basin, southern Bavaria, Germany | |
| US8504341B2 (en) | Methods, systems, and computer readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
| Cumming et al. | Multiwell deconvolution | |
| US20100185424A1 (en) | Method, Program and Computer System for Conciliating Hydrocarbon Reservoir Model Data | |
| US10794155B2 (en) | Method for exploiting a hydrocarbon deposit by history matching of production as a function of diagenesis | |
| Farshi et al. | Reservoir rock typing using integrating geological and petrophysical properties for the Asmari Formation in the Gachsaran oil field, Zagros basin | |
| NO337423B1 (no) | Fremgangsmåte for oppdatering av en geologisk modell med seismiske data | |
| NO340109B1 (no) | Fremgangsmåte for å bestemme et sett med netto nåverdier for å påvirke boring av en brønn og øke produksjon | |
| US20190293835A1 (en) | Modeling of Oil and Gas Fields for Appraisal and Early Development | |
| RU2709047C1 (ru) | Способ адаптации гидродинамической модели продуктивного пласта нефтегазоконденсатного месторождения с учетом неопределенности геологического строения | |
| NO333546B1 (no) | Fremgangsmate for gradvis deformering av sekvensielle simuleringer av et heterogent medium slik som en undergrunnssone | |
| EP3167314B1 (en) | Method for obtaining estimates of a model parameter so as to characterise the evolution of a subsurface volume | |
| Van Doren et al. | Determining identifiable parameterizations for large-scale physical models in reservoir engineering | |
| NO20200978A1 (en) | Optimized methodology for automatic history matching of a petroleum reservoir model with ensemble kalman filter | |
| Azizzadeh Mehmandoust Olya et al. | Hydrocarbon reservoir potential mapping through Permeability estimation by a CUDNNLSTM Deep Learning Algorithm | |
| Wang et al. | Geophysical and production data history matching based on ensemble smoother with multiple data assimilation | |
| Worthington et al. | Optimizing the value of reservoir simulation through quality-assured initialization | |
| Kochnev et al. | Estimation of the influence of fracture parameters uncertainty on the dynamics of technological development indicators of the Tournaisian-Famennian oil reservoir in Sukharev oil field | |
| Karchevsky et al. | Determining the fluid transport properties of a fractured porous reservoir by solving the inverse problem using well output measurements | |
| Vargas et al. | Mathematical Model to Quantify the Contribution of Thermal Stresses in Pore Pressure, Additional to the Compaction Effect | |
| Shiryaev et al. | Study of geologically consistent history matching peculiarities by means of gradient-free optimization methods | |
| Negash et al. | Performance prediction of a reservoir under gas injection, using output error model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM1K | Lapsed by not paying the annual fees |