NO338280B1 - Fremgangsmåte for å oppdatere en geologisk modell gjennom seismiske data og produksjonsdata - Google Patents
Fremgangsmåte for å oppdatere en geologisk modell gjennom seismiske data og produksjonsdata Download PDFInfo
- Publication number
- NO338280B1 NO338280B1 NO20062572A NO20062572A NO338280B1 NO 338280 B1 NO338280 B1 NO 338280B1 NO 20062572 A NO20062572 A NO 20062572A NO 20062572 A NO20062572 A NO 20062572A NO 338280 B1 NO338280 B1 NO 338280B1
- Authority
- NO
- Norway
- Prior art keywords
- model
- time
- data
- seismic
- production
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 69
- 238000004519 manufacturing process Methods 0.000 title claims description 31
- 238000004088 simulation Methods 0.000 claims description 27
- 238000006243 chemical reaction Methods 0.000 claims description 20
- 238000005259 measurement Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 description 18
- 238000004364 calculation method Methods 0.000 description 10
- 230000035699 permeability Effects 0.000 description 10
- 208000035126 Facies Diseases 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000012512 characterization method Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 239000011435 rock Substances 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000010354 integration Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 238000009472 formulation Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 239000003208 petroleum Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000011545 laboratory measurement Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 244000215068 Acacia senegal Species 0.000 description 1
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 108010067445 RA V Proteins 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 241000125258 Scandix pecten-veneris Species 0.000 description 1
- 101100208976 Schistosoma mansoni UPPA gene Proteins 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- TUBWTFZPLDUNIL-HJJYVODLSA-N tpc-a Chemical compound O.O.O.O.O.C1=CC(OC)=CC=C1C[C@H](N(C)C(=O)[C@H](C)NC(=O)[C@H](C)NC(=O)[C@H](N(C1=O)C)C2)C(=O)N[C@H](C)C(=O)N(C)[C@@H]1CC(C=C1)=CC=C1OC1=CC2=CC=C1O.C1=CC(OC)=CC=C1C[C@H](N(C)C(=O)[C@H](C)NC(=O)[C@H](C)NC(=O)[C@H](N(C1=O)C)C2)C(=O)N[C@H](C)C(=O)N(C)[C@@H]1CC(C=C1)=CC=C1OC1=CC2=CC=C1O.C1=CC(OC)=CC=C1C[C@H](N(C)C(=O)[C@H](C)NC(=O)[C@H](C)NC(=O)[C@H](N(C1=O)C)C2)C(=O)N[C@H](C)C(=O)N(C)[C@@H]1CC(C=C1)=CC=C1OC1=CC2=CC=C1O.C1=CC(OC)=CC=C1C[C@H](N(C)C(=O)[C@H](C)NC(=O)[C@H](C)NC(=O)[C@H](N(C1=O)C)C2)C(=O)N[C@H](C)C(=O)N(C)[C@@H]1CC(C=C1)=CC=C1OC1=CC2=CC=C1O TUBWTFZPLDUNIL-HJJYVODLSA-N 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/282—Application of seismic models, synthetic seismograms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/612—Previously recorded data, e.g. time-lapse or 4D
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/612—Previously recorded data, e.g. time-lapse or 4D
- G01V2210/6122—Tracking reservoir changes over time, e.g. due to production
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/66—Subsurface modeling
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Fluid Mechanics (AREA)
- Geochemistry & Mineralogy (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Geophysics And Detection Of Objects (AREA)
Description
TEKNISK OMRÅDE
Foreliggende oppfinnelse angår en fremgangsmåte for å forutsi produksjonen til et undergrunnsreservoar ved å oppdatere en geologisk modell som er begrenset av produksjonsdata og seismiske data i tid.
Denne metodologien er en del av det temasettet som angår reservoarkarak-terisering, hvis formål er å tilveiebringe pålitelige bilder av reservoarer for bedre å forutsi deres oppførsel, og for å optimalisere deres utviklingsplan.
BAKGRUNN FOR OPPFINNELSEN
De følgende dokumenter illustrerer teknikkens stand og vil bli nevnt med sitt referansenummer i den etterfølgende beskrivelse. 1. F. ANTERION. History matching: a one day long competition: classical approaches versus gradient method. First international forum on reservoir simulation Alpbach, Austria, 1998. 2. F. ANTERION, R. EYMARD and B. KARCHER. Use of Parameter Gradients for Reservoir History Matching. Symposium on Reservoir Simulation of the Society of Petroleum Engineers, Houston, Texas, 1989. 3. U. G. ARAKTINGI and W. M. BASHORE. Effects of properties in seismic data on reservoir characterization and consequent fluid flow predictions when integrated with well logs. SPE 24752, 67<th>Annual Technical Conference and Exhibition, Washington DC, USA, 1992. 4. A. BAMBERGER, G. CHAVENT, and P. LAILLY. Une application de la théorie du controle å un probléme inverse de sismique. Les annales de Géo-physique Vol. 3, 1977. 5. R. BISSEL. Calculating Optimal Parameters for History Matching. 4th European Conference on the Mathematics of Oil Recovery, Røros, Norway, 1994. 6. R. BISSEL, J. E. KILLOUGH and Y. SHARMA. Reservoir history matching using the method of gradients on aWorkstation. SPE 24265, Stavanger, Norway, 1992. 7. C. BOGAN, D. JOHNSON, M. LITVAK and D. STAUBER. Building reservoir models based on 4D seismic and well data in Gulf of Mexico oil fields. Annual Technical Conference and Exhibition, 2003. 8. J. BRAC, P. Y. DÉQUIREZ, F. HERVÉ, C. JACQUES, P. R. V.
LAILLY and D. TRAIN VAN HIEU. Inversion with a priori information: an approach to integrated stratigraphic interpretation, 58th Annual International SEG Meeting Anaheim, California, 1988. 9. P. CARRION. Inverse problems and tomography in acoustics and seismology. Penn Publishing Company, 1987.
10. J. CÉA. Optimisation: théories et algorithmes.Dunod, 1971.
11. M. CHARARA, I. MAGNIANT, Y. MANIN, J.-P. DELHOMME and N.
EBERLÉ. The benefit ofcoupling geophysical inversjon problems with fluid flow simulation. ECMOR VII, Baveno, Lago Maggiore, Italy, 2000.
12. G. CHAVENT. Analyse fonctionnelle et identification des coefficients répartis dans les équations aux dérivées partieltes. PhD Thesis, Université
Paris VI, 1971.
13. G. CHAVENT. Identifiability of parameters in output least square formulation. New York. 1987. 14. G. CHAVENT, M. DUPUY and P. LEMONNIER. History matching by use of optimal theory. SPE 4627, Las Vegas, Nevada, 1973. 15. L. COSTA-REIS, G. DE MAR Sl LY, and R. ESCHARD., Intégration de données dynamiques dans un modéle géostatistique de réservoir. PhD Thesis, Université Paris VI, 2000. 16. J.-E. DENNIS and R.-B. SCHNABEL. Numerical Methods for Uncon-strained Optimization and Non Linear Equation. Englewood Cliffs, New Jercy. 1983. 17. P. Y. DEQUIREZ and V. RICHARD. Application oflversion to Integrated Stratigraphic Interpretation. Revue de Nnstitut Franqaise de pétrole, Vol, 45, n° pp. -397, 416, 1990. 18. P. F. EDOA. Inversion de formes géologiques en ingénierie de gisements en utilisant les données de production. PhD Thesis, Université Paul Sabatier, 1999. 19. G. S. FEITOSA, L. CHU, L. G. THOMPSON and A. C. REYNOLDS.
Determination of permeability distribution from well test pressure data. SPE 26047, 1993. 20. R. FLETCHER. Practical Methods of Optimization. New York. 1987. 21. F. GASSMANN. Uber die Elastiztat Poroser Medien. Vierteljahrresschr.Naturforschung Gesellschaft Vol. 96, pp. 1-23, Zurich, 1951. 22. 0. GOSSELIN, A. COMINELLI, S. VAN DER BERG and S.-D. CHOWDHURY. A gradient- based approach for history matching ofboth production and 4D seismic data. ECMOR VII, Baveno, Lago Maggiore, Italy, 2000. 23. D. GUÉRILLOT and W. BEYDOUN. Reservoir boundary Identification from seismic imaging for well test analysis. SPE 26463, 68th Annual Technical Conference and Exhibition, Houston, Texas, USA, 1993. 24. L.-Y. HU. Gradual deformation and iterative calibration of Gaussian-related Stochastic Models. Mathematical Geology Vol. 32, pp. 87-108, 2000. 25. L.-Y. HU. Combinaison of dependent realizations within the Gradual Deformation Method. Mathematical Geology Vol. 34, pp. 953-963, 2002. 26. L.-Y. HU and G. BLANC. Constraining a reservoir facies model to dynamic data using a gradual deformation method. 6th Conference on the Mathematics of Oil Recovery, Peebles, 1998. 27. P. JACQUARD and C. JAIN. Permeability distribution from field pressure data. SPE Journal pp. 281-294, 1965. 28. P. JACQUARD and C. JAIN. Recherche sur 1' interprétation des mesures de pression. 2éme Colloque de 1'ARTFP, Rueil-Malmaison, France, 1965. 29. J. W. JENNINGS, D. S. MC GREGOR and R. A. MORSE. Simultaneous determination ofcapillary pressure and relative permeability by automatic history matching. SPE 14418, 1988. 30. A.-G. JOURNEL and DEUTSCH C.-V. Power Averaging for block effective permeability. SPE Vol. 15128, 56th California Regional Meeting of the Society of Petroleum Engineers, Oakland. 1986. 31. V. KRETZ, M. LE RA VALEC-DUPIN and F. ROGGERO. An integrated reservoir characteriztion study matching production data and 4D seismic. Annual Technical Conference and Exhibition, 2002. 32. G. KRUNETZ. Quelques exemples d' analyse d' enregistrements sismiques. Geophysical Prospecting Vol. 11, pp. 409-422, 1963. 33. J. LANDA and R. HORNE. A procedure to integrate well test data, reservoir performance history and 4D Seismic information into a reservoir descrip-tion. SPE 38653, Annual Technical Conference and Exhibition, San Antonio, TX, USA, 1997. 34. M. LAVERGNE. Méthodes sismiques. Ecole Nationale Superieure du Péfrole et des Moteurs, Editions Technip, Paris. 1986. 35. M. LE RA VALEC, NOETINGER BENOIT, and L.-Y. HU. The FFT Moving Average ( FFT- MA) generator: an efficient numerical method for generating and conditioning Gaussian Simulation. Mathematical Geology Vol. 32,
pp. 701-723, 2000. 36. M. LE RA V ALEC-DUPIN and B. NOETINGER. Optimization with the Gradual Deformation Method. Mathematical Geology Vol. 34, No.2,
pp. 125-142, 1-22002. 37. J. L. LIONS. Controle optimal de systémes gouvernés par des équations 20 aux dérivées partieltes. Dunod, 1968. 38. F. MANSANNÉ. Algorithmes génétiques : Applications å 1'inversion sismique et å 1'extrapolation. PhD Thesis, UPPA, Pau, 2000. 39. M. MEZGHANI, A. FORNEL, V. LANGLAIS and N. LUCET. History Matching and Quantitative Use of 4D Seismic Data for an Improved Reservoir. SPE 90420, 2004. 40. M. MEZGHANI, A. FORNEL, V. LANGLAIS and N. LUCET.
Quantitative Use of 4D Seismic Data For Geological Modeling & Reservoir Characterization Through History Matching. Paris, 2004. 41. M. MEZGHANI, F. ROGGERO and J. P. RAYMOND. Optimal location 30 of pilot points in history matching. ECMOR VII, Baveno, Italy, 2000. 42. R. W. NELSON. In place measurement of permeability in heterogeneous media; Theory of a proposed method. Geophys.Res. Vol. 66(5),
pp. 2469-2478, 1960. 43. D. RAHON, G. BLANC and D. GUÉRILLOT. Gradient method constrained by geological bodiesfor history matching. SPE 36568, 1996. 44. R. RAMAMOORTHY, W. F. MURPHY and C. COLL. Total Porosity Estimation in Shaly Sands From Shear Modulus. SPWLA 36th Annual Logging Symposium Transactions, 1995. 45. P. RENARD and G. DE MARSILY. Calculating Equivalent Permeability: a Review. Advances in Water Ressources, Vol. 20, n° 5-6, pp. 253-278, 1997. 46. F. ROGGERO and D. GUÉRILLOT. Gradient Method and Bayesian Formalism - Application to Petrophysical Parameter Characterization. 5th ECMOR, Leoben, Austria, 1996. 47. S. RONEN, C. ECONOMIDES and VÅRVIK. Synergetic interpretation of well tests and seismic data for reservoir characterization. 54th EAEG Meeting, Paris, France, 1992. 48. B. H. RUSSEL. Introduction to seismic inversion methods. SEG 1988. 49. A. TARANTOLA. Inverse Problem Theory: Method for Data Fitting and Model Parameter Estimation. Elseiver. 1987. 50. X. H. WEN and J. J. HERNANDEZ. Upscaling Hydraulic Conductivities in Heterogeneous Media: an Overview. Journal of Hydrology,
Vol. 183, n° pp. 9-32, 20 1996. 51. T. YAO and A.-G. JOURNEL. Porosity modeling in a W Texas carbo-nate reservoir conditionned to seismic data: solving the difference of scale problem. SPE, Annual Technical Conference and Exhibition, 1998. 52. 1. ZABALZA, G. BLANC, D. COLLOMBIER and M. MEZGHANI. Use of experimental design in resolving inverse problems - Application to history matching. ECMOR VII, Baveno, Italy, 2000.
For å oppdatere geologiske modeller er integrasjon av de dynamiske dataene basert på den inverse problemteorien. Noen parametere for den geologiske modellen, slik som porøsitet eller permeabilitet, blir justert iterativt for tilpasning til observerte data, slik som produksjonsdata, f.eks. Som i ethvert inverst problem er det ikke én og bare én løsning. For å minke usikkerheter om produksjonspredik-sjonen, er det nødvendig å integrere observasjonsdata (logger, produksjonsdata, seismiske data,...), som gjør det mulig å begrense modellene på en bedre måte.
Fremgangsmåten ifølge oppfinnelsen muliggjør samtidig integrering av flere typer data, uansett om de er statiske eller dynamiske. Dette gjør det mulig i betydelig grad å redusere plass til de tillatte geologiske modellene, og derfor bedre å forutsi oppførselen til de undersøkte reservoarene. Noen fremgangsmåter bruker allerede felles integrering av firedimensjonal seismikk og produksjonsdata i histo-risk tilpasning [se referanse 7, 31, 39], men disse dokumentene beskriver bruken av firedimensjonale seismiske data i dybde.
De seismiske attributtene (spesielt impedanser) blir nå først uttrykt som en funksjon av bølgeforplantningstidene. Det er bare etter et tids/dybde-konverteringstrinn at impedansene blir uttrykt i dybde. Ett av de originale trekkene ved fremgangsmåten ifølge foreliggende oppfinnelse er at en arbeider direkte med seismiske attributter i tid. Denne fremgangsmåten gir også en annen fordel: det gjør det mulig å kalibrere impedansene, men også forplantningstidene for hele reservoaret, med andre ord den globale tykkelsen i tid av reservoaret.
En slik fremgangsmåte krever implementering av en dybde/tid-konvertering for å konvertere de seismiske attributtene som er beregnet i dybde, i tid ved hjelp av en petro-elastisk modell, en filtreringsalgoritme for å justere impedansverdiene i et passbånd nær det for den seismiske metoden, og forskjellige oppskalerings-metoder for å arbeide mellom de forskjellige måleskalaene.
OPPSUMMERING AV OPPFINNELSEN
Foreliggende oppfinnelse vedrører en fremgangsmåte som gjør det mulig å forutsi produksjonen av et undergrunnsreservoar, omfattende å generere en parameterisert geologisk modell fra seismiske målinger i tid og produksjonsmålinger, idet den geologiske modellen blir oppdatert ved hjelp av en inverteringsprosess. Fremgangsmåten omfatter følgende trinn: - å simulere dynamiske produksjonsdata fra den geologiske modellen og en strømningssimulator, - å simulere en petro-elastisk modell i dybde fra den geologiske modellen og strømningssimuleringen,
- å bestemme den dybde/tid-konverteringsmodell,
- å konvertere den petro-elastiske modellen i tid,
- å simulere seismiske attributter i tid fra den petro-elastiske modellen i tid, - å optimalisere den geologiske modellen ved å sammenlikne, ved hjelp av en objektivfunksjon, produksjonsmålingene og de seismiske målingene i tid med produksjonsresponsene og de simulerte seismiske attributter i tid ved å oppdatere i det minste dybde/tid-konvetreringsmodellen, - å starte igjen fra trinn a) inntil et minimum blir oppnådd for objektivfunksjonen, - å forutsi produksjonen til undergrunnsreservoaret fra strømningssimuler-inger utført fra den optimaliserte geologiske modellen.
Den petro-elastiske modellen i tid kan justeres ved å korrigere for en forsinkelse indusert av dybde/tid-konverteringen.
De dynamiske data kan være reservoarproduksjon, trykk og metningsdata.
Den petro-elastiske modellen kan omfatte data fra firedimensjonale seismiske undersøkelser.
KORT BESKRIVELSE AV FIGURENE
Andre trekk og fordeler ved fremgangsmåten i henhold til oppfinnelsen vil fremgå av den følgende beskrivelse av utførelsesformer gitt som ikke begrens-ende eksempler, under henvisning til de vedføyde figurene, hvor: - fig. 1 illustrerer den direkte modellen som gjør det mulig å fremskaffe simuleringsresponsene,
- fig. 2 illustrerer dybde/tid-konverteringsteknikken som brukes,
- fig. 3 illustrerer den inverse modulen.
DETALJERT BESKRIVELSE
Den foreslåtte metodologien består i forutsi produksjonen til et undergrunnsreservoar ved å utvikle en optimaliseringssløyfe omkring en strømningssi-mulator, innbefattende en petro-elastisk modell og en dybde/tid-konverteringsmodell for simulering av de seismiske responsene. Utvikling av denne sløyfen gjør det mulig å optimalisere en geologisk modell beskrevet på et fint gitter, på hvilket produksjonsdata-forutsigelsene er basert. Fremgangsmåten hviler på den inverse problemteorien. Den kan derfor brytes opp i to moduler: - Den direkte modulen (fig. 1): Den gjør det mulig å konstruere en modeller-ingskjede som muliggjør numerisk simulering av de syntetiske responsene i forhold til de data som skal integreres. Denne direkte modulen består av flere algorit-mer som gjør det mulig å gå fra geologisk modell 1 til simuleringen av de syntetiske data: geostatistisk modellering (den fine petrofysiske modellen 2), oppskalering eller nedskalering 3, strømningssimulering 4, petro-elastisk simulering 5, dybde/tid-konvertering 6, sampling 7, frembringelse av seismiske attributter (beregning, filtrering ...), osv.
Den direkte modulen gjør det mulig å fremskaffe simuleringsresponsene:
- produksjonsresponser (oljestrømningshastigheter, gass/olje-forhold og vannkutt (vann/olje-forhold) for hver brønn) - seismiske attributter i tid (impedanser for P- og S-bølger, sløyfeforplant-ningstid for P-bølger for hele reservoaret). - Den inverse modulen (fig. 3): Den gjør det mulig å minimalisere en objektivfunksjon 10 som måler differansen mellom simuleringsresultatene for den direkte modulen og dataene ved å endre et visst antall parametere for den direkte modellen. Disse parameterne kan være i forhold til: - den geologiske modellen (facies, porøsitets- og permeabilitets-fordeling, osv.),
- strømningssimuleringsmodellen (relative permeabiliteter, belegg, osv.),
- den petro-elastiske modellen (Gassmanns lov, etc),
- dybde/tid-konverteringsmodellen (hastighetsloven).
Ifølge en spesiell utførelsesform av oppfinnelsen blir optimaliseringssløyfen brukt til å kalibrere produksjonsdataene og de firedimensjonale seismiske dataene ved å oppdatere den geologiske modellen.
Fremgangsmåten benytter seismiske data i tid, dvs. som en funksjon av forplantningstidene til de seismiske bølgene, og ikke som en funksjon av dybde. Hovedutfordringen her er integrering av en dybde/tid-konverteringsprosess med oppdatering under optimaliseringsprosessen.
1 - Den direkte modulen
Fig. 1 illustrerer de forskjellige trinnene i den direkte modulen.
A) Bestemmelse av de dynamiske produksjonsdata
1 ) Generering av en geologisk modell
Generering av geologisk modell 1 blir oppnådd med geostatistiske model-leringsverktøy [24, 36]. En geostatistisk modell basert på et tilfeldig gaussisk felt blir brukt til å generere porøsitetsfeltene. De horisontale og vertikale permeabilitet-ene blir fremskaffet med en sam-simuleringsteknikk.
2 ) Simulator - ODDskalering
En viktig faktor for strømningssimulering er gitterstørrelsen. Det blir alltid foretrukket å arbeide på et simuleringsgitter som er så fint som mulig for å inn-fange reservoarheterogenitetene og den romlige fordeling av metningene. Av opp-lagte praktiske grunner må det imidlertid foretas et kompromiss mellom en detaljert analyse og beregningskapasiteter og tid. Strømningssimuleringer blir derfor vanligvis utført på et grovt gitter, noe som krever et oppskaleringstrinn for å be regne de ekvivalente egenskaper til reservoaret på de grove gittercellene. Mange analytiske (effektmidlingsmetoden for eksempel) eller numeriske (løsning av et lokalt strømningsproblem) teknikker er blitt utviklet [45, 50]. Oppskaleringen som brukes, er en effektlov som gjør det mulig å velge en aritmetisk, geometrisk eller harmonisk middelverdi [30]:
3 ) Strømninassimulerina
Strømningssimulering er nødvendig for å begrense den geologiske modellen ved hjelp av de målte bunnhullsproduksjonsdataene (gass/olje, vann/olje (vannkutt) -forhold, f.eks.). For å beregne de seismiske attributtene, blir metningene og trykkene innhentet som strømningssimulatorutgangsdata (anvendelse av massebevaringsloven og Darcys lov).
B) Bestemmelse av en petro- elastisk modell
1 ) Nedskalehng av den geologiske modellen
En nedskaleringsprosedyre blir så utført for å kopiere metningene og trykkene for det grove gitteret i strømningssimuleringen til den fine gitteret i den geologiske modellen. Den foreslåtte fremgangsmåten er basert på en enkel kartlegg-ing av det fine gitteret. Mer sofistikerte teknikker kan tas i betraktning, men den nødvendige beregningstiden vil sannsynligvis bli så stor at den hindrer den ønsk-ede historiske tilpasningen. Dette nedskaleringstrinnet vil gjøre det mulig for en petro-elastisk modell å bli anvendt ved samme skala som den geologiske modellen, og per facies, som er meget mer rigorøs enn per geologisk enhet.
2 ) Bestemmelse av den petro - elastiske modellen
Kompresjons- og skjærimpedansene blir definert som produktet av densiteten til bergarten som er mettet med fluid pb (kalt våt bergart) med forplantnings-hastigheten til de seismiske bølgene V<p>og Vs:
hvor K betegner inkomprimerbarhetsmodulen til den våte bergarten og \ i skjærmodulusen.
Hvis man dessuten ønsker å ta hensyn til trykk- og metningsvariasjons-virkningene på kompresjonshastighetene V<p>og skjærhastighetene Vs, blir Hertz-modellen forenklet:
med:
• Pc inneslutningstrykket,
• PP poretrykket,
• APa det asymptotiske differensialtrykket,
• hp og hsHertz-koeffisientene for P- og S-bølgene.
Det første trinnet består i å beregne densiteten til den våte bergarten pb ved hjelp av følgende formel: hvor per betegner korndensiteten (definert for hver facies) og § porøsiteten (en konstant per facies eller en verdi per pixel). Nedskaleringstrinnet gjør det mulig å beregne fluiddensiteten pf ved å ta hensyn til trykkvirkningene:
hvor (po, pw, ps), So, Sw, Ss) og (Po, Pw, Ps) henholdsvis er fasedensitetene, metningene og trykkene. Fasedensitetene blir utledet fra trykk/densitets-tabeller.
Beregning av inkompressibilitetsmodulusen til den våte bergarten K blir ut-ført ved hjelp av Gassmanns ligninger [21]:
hvor Kor betegner inkompressibilitetsmodulen til kornene (konstant per facies avhengig av sammensetningen av bergarten), Kfinkompressibilitetsmodulen for fluid, Km inkompressibilitetsmodulen for den porøse matriks og (Ko, Kw, K<g>) mod-uliene for hver fase (fra trykk/inkompressibilitets-modulustabeller).
Inkompressibilitetsmodulen Km er valgt av brukeren (en konstant per facies, vanligvis fremskaffet fra forutgående laboratoriemålinger), eller den kan være et resultat av en eksperimentell lov som tar hensyn til virkningene av porøsitet [44]:
Skjærmodulus n kan også velges av brukeren (en konstant per facies, også fremskaffet fra laboratoriemålinger), eller den kan være et resultat av en eksperimentell modell:
C) Bestemmelse av en petro- elastisk modell i dybde
Hvis vi derfor setter inkompressibilitetsmoduliene Kor og Km så vel som skjærmodulusen n og korndensiteten pa-, kan vi beregne de seismiske hastighetene og impedansene som en funksjon av dybde (eller mer nøyaktig som en funksjon av koordinater (x,y,z)).
D) Bestemmelse av de seismiske attributter i tid
1 ) Lateral oppskalering
Det neste formål er lateralt å forene modelleringsskalaen med den seismiske pikselen. Her bruker vi igjen en effektmidlingsformel for å utarbeide en aritmetisk middelverdi. 2 ) Konvertering av den petro - elastiske modellen i dybde til tidsdomenet
Det opprinnelige trekket og hovedutfordringen med denne metodologien som består i å integrere i den historiske tilpasningsprosessen, seismiske attributter i tid, må en dybde/tid-konvertering utføres. En hastighetsmodell gjør det mulig å uttrykke impedansene som er fremskaffet i dybde etter den petro-elastiske modellen, som en funksjon av sløyfeforplantningstiden for de seismiske bølgene. Hastig-hetsmodellen som brukes, blir beregnet ved hjelp av den petro-elastiske modellen som gir fordelen med oppdatering av dybde/tid-konverteringsloven ved hver itera-sjon i optimaliseringsprosessen.
I dette trinnet beregner vi sløyfeforplantningstidene ved nivået til reservoartoppen. Noen hypoteser blir derfor formulert: Hastighetene V<p>og Vs blir antatt å være konstante i undergrunnen, ikke bare ved nivået for hver gittercelle i reservoartoppen, men også i tidens løp (dvs. mellom de forskjellige seismiske under-søkelsene). Den nøyaktige sammensetningen av undergrunnen og dens nøyak-tige geometri er videre ikke kjent: en nøyaktig hastighetslov kan derfor ikke utledes eksplisitt. En konvensjonell tid/hastighet-relasjon blir deretter brukt:
med:
• TtoP(U): sløyfeforplantningstiden for P- og S-bølgene ved nivået til gitter-cellen (i, j) i reservoartoppen,
• Ztop(i, j): dybden ved nivået til denne cellen,
• og Vtop(i,j): hastigheten av P- og S-bølgene.
Det andre trinn er beregningen av sløyfeforplantningstiden ved nivået til hver reservoargittercelle. Hastighetene blir antatt å være konstante innenfor en celle. Av praktiske grunner blir dessuten toppen av reservoaret ansett å være origo for tidene: på den ene side reduserer dette beregningene, og på den annen side, hvis de totale tidene er ønsket (undergrunn og reservoar), må den tredimen-sjonale kubusen som er oppnådd på denne måten, og den todimensjonale tabel-len fra det første trinnet, adderes. Her har vi igjen ingen nøyaktig hastighetslov. Beregningen blir derfor utført som illustrert på fig. 2.
Det siste trinnet er beregningen av sløyfeforplantningstiden over hele reservoaret: det er derfor et todimensjonalt kart som vil være til stor nytte under kalibre-ringstrinnet.
3 ) Filtrering av den petro - elastiske modellen i tid
Siden den geologiske modellen er ved en høyere frekvens enn den seismiske undersøkelsen, er det nå nødvendig å vende tilbake til frekvensbånd for den seismiske metoden. Kompresjons- og skjærimpedansene fra den petro-elastiske modellen [34] blir derfor filtrert. Den valgte filtreringsfunksjon (Martin-filter) mulig-gjør å bruke et båndpassfilter, båndstoppfilter, lavpassfilter eller et høypassfilter.
Det foregående trinnet har imidlertid innført en liten vanskelighet siden dybde/tid-konverteringen har ført til en tidsmessig ujevn diskretisering. Omsampling av impedansene er derfor blitt utført. Den består ganske enkelt i en interpolering av orden 1 mellom toppen av reservoaret (Ti = 0) og forplantningstiden over hele reservoaret (Tbaseberegnet under konvertering). Et samplingsinter-vall (0,1 ms) som er meget mindre enn samplingsintervallet for de seismiske dataene (vanligvis 2 ms) blir valgt for å få høy nøyaktighet under filtreringen.
Når filtrering er oppnådd, blir løsningen av de seismiske data utført (vanligvis mellom 4 og 2 ms) ved delsampling av de trasene som er fremskaffet.
2 - Den inverse modulen
Fig. 3 illustrerer de forskjellige trinnene i den inverse modulen.
Målet med det foreliggende trinnet er å presentere de forskjellige teknikk-ene som brukes under optimaliseringsprosessen: Parametrisering, vektberegning, formulering av objektivfunksjonen, optimaliseringsteknikkene.
A) Bestemmelse av en geostatistisk modellparametriseringsoperasjon
Parametrisering av de geostatistiske modellene er et grunnleggende punkt for å garantere suksess i trinnet med dataintegrering i de geologiske modellene. Oppdatering av de geologiske modellene ved hjelp av de dynamiske dataene er i virkeligheten basert på løsningen av et inverst problem. Valg av de parametere som skal kalibreres, synes derfor å være essensielle for å muliggjøre minimaliser-ing av objektivfunksjonen, som måler differansen mellom de data som er observert i felten og simuleringsresultatene.
I dette eksempelet bruker vi en spesiell fremgangsmåte for å generere og endre geostatistiske realiseringer: det er en kombinasjon av to fremgangsmåter (FFT-MA [35] og gradvise deformasjoner) utviklet ved Institut Francaise du Pétrole, som separerer genereringen av hvis støy og påføringen av en kovarians-funksjon. Den gradvise deformasjonsmetoden kan derfor anvendes lokalt eller glo-balt [24, 25, 26]. Dette valget blir utført av grunner som stabilitet, hurtighet og re-duksjon av antall parametere som må tas i betraktning for optimalisering (da lik an-tallet gradvise deformasjonsparametere uansett størrelsen av gitteret).
En deformasjonskjede [36, 39, 40] blir så initialisert fra et stort antall kilder for gaussisk hvit støy, der hver ytterligere hvit støy er tilordnet en ny gradvis defor-masjonsparameter. Dette gjør det mulig å undersøke rommet for den hvite støyen nærmere.
B) Omkalibrering av den petro- elastiske modellen etter dvbde/ tid-konvertering: Sammentrykking/ strekking
Dette trinnet er av avgjørende viktighet for koherensen til beregningene. Ingen ting garanterer i virkeligheten at, under en kalibreringsprosess, dybde/tid-konverteringen tilveiebringer et forplantningskart for hele reservoaret som er identisk med referansen. Vi har derfor to sett med data med samme antall verdier og som antas å være samplet identisk. Siden det sistnevnte punkt ikke nødven-digvis er verifisert, er siktemålet å begrense forplantningstiden til hele reservoaret etter dybde/tid-konverteringstrinnet.
Under kalibreringsprosessen blir en unøyaktig geologisk modell generert, som fører til unøyaktige seismiske hastigheter (se direkte modul) og, følgelig kan en tidsforsinkelse opptre. Det blir da mulig å begrense den beregnede tykkelsen av reservoaret i tid slik at den passer til referansetykkelsen. De simulerte forplant-ningstider blir derfor holdt nær de målte forplantningstidene, og det blir da kohe-rent å sammenlikne de simulerte impedansene med referanseimpedansene.
C) Definisjonen av en objektivfunksjon
Oppdatering av den geologiske modellen ved hjelp av de dynamiske data er avhengig av minimaliseringen av en objektivfunksjon som måler feilen mellom de observerte dataene (produksjonsdataene og de firedimensjonale seismiske dataene) og simuleringsresultatene som er oppnådd for en fast verdi av parameterne 0.
Flere formasjoner kan tenkes, men formuleringen i betydningen av minste kvadraters metode er den som vanligvis brukes på petroleumsområdet. I det foreliggende tilfelle blir objektivfunksjonen skrevet som følger:
med:
• 0 = (01,...,Øn) vektoren til kalibreringsparameterne,
• nbsérieantall serier, hvor en serie er en type data (f.eks.: vannkutt, lp til
TO,...),
• nb^^g antall målinger for serier i,
• obs| er det j. datum målt i serier i,
• simu|(0) er simuleringsresultatet for det j. datum målt i serie i,
aj er variansen til det j. datum målt i serie i.
I matriseform får vi:
med:
• Obs er vektoren til de målte data,
• Sim er vektoren til simuleringsresultatene,
• Cobser den veide kovariansmatrisen (en diagonal matrise).
D) Definisjoner av en optimaliseringsteknikk
I inverteringssløyfen er de anvendte optimaliseringsalgoritmene basert på gradientmetoder [1, 2, 5, 43, 46] som i betydelig grad forbedrer prosessytelsen. Gradientene tilveiebringer direkte en avtagende retning etter hver simulering.
Legg merke til at disse optimaliseringsmetodene tenderer mot et lokalt opti-mum nær den innledende verdien av de anvendte parameterne. Det er følgelig til-rådelig å justere de innledende verdiene så vel som mulige, og å analysere inn-virkningen av optimaliseringsstartpunktet, f.eks. ved å utføre sensitivitetsundersøk-elser eller ved å utføre en sekvensiell optimalisering.
Forskjellige optimaliseringsmetoder blir brukt på petroleumsområdet. Eksempler på dette er metoden med dypest nedstigning, Fletcher-Powell-metoden, Levenberg-Marquardt-metoden, Gauss-Newton-metoden og BFGS-metoden. Bøk-ene til Chavent [13], Dennis [16] og Fletcher [20] gir en detaljert angivelse av disse metodene. Ikke-lineære optimaliseringsalgoritmer gjør det mulig å beregne, i henhold til en iterativ prosedyre. En verdi Ø<opt>for parametere 0 som minimaliserer objektivfunksjonen F til å bli optimalisert, som vil muliggjøre bedre datakalibrering.
Formålet med iterasjonen (k+1) av en slik algoritme, er å bestemme en ny estimering av parametere 0 i henhold til følgende prinsipp:0(<k+1>) =0(<k>) = t(<k>)s(<k>), • beregning av en retning: retningen s(<k>) er løsningen på et problem line-arisert med ø(<k>). Formuleringen av dette problemet er basert på simuleringsresultatene og på deres deriverte med hensyn på parameteriser-ingen,dvs.: D(ø(k)) og 50 • lineært søk: intervallet t(<k>) blir beregnet for å oppfylle nedstignings-relasjonen: F(9« + t«s«) <F(0<k>).
Claims (4)
1. Fremgangsmåte for å gjøre det mulig å forutsi produksjonen til et undergrunnsreservoar, omfattende å generere en parameterisert geologisk modell fra seismiske målinger i tid og produksjonsmålinger, hvor den geologiske modellen blir oppdatert ved hjelp av en inverteringsprosess,
karakterisert vedat fremgangsmåten omfatter følgende trinn: a) å simulere dynamiske produksjonsdata fra den geologiske modell og en strømningssimulator, b) å simulere en petro-elastisk modell i dybde fra den geologiske modellen og strømningssimuleringen, c) å bestemme en dybde/tid-konverteringsmodell, d) å konvertere den petro-elastiske modellen til tid, d') å simulere seismiske attributter i tid fra den petro-elastiske modellen i tid, e) å optimalisere den geologiske modellen ved å sammenligne, ved hjelp av en objektivfunksjon, produksjonsmålingene og de seismiske målingene i tid med produksjonsresponsene og de simulerte seismiske attributtene i tid ved å oppdatere i det minste dybde/tid-konverteringsmodellen, f) å starte igjen fra trinn a) inntil et minimum blir oppnådd for objektivfunksjonen, g) å forutsi produksjonen til undergrunnsreservoaret fra strømningssimuler-inger utført fra den optimaliserte geologiske modellen.
2. Fremgangsmåte ifølge krav 1, hvor den petro-elastiske modellen i tid blir justert ved å korrigere for en forsinkelse indusert av dybde/tid-konverteringen.
3. Fremgangsmåte ifølge et av de foregående krav, hvor de dynamiske data er reservoarproduksjons-, trykk- og metningsdata.
4. Fremgangsmåte ifølge et av de foregående krav, hvor den petro-elastiske modellen omfatter data fra firedimensjonale seismiske undersøkelser.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0505612A FR2886740B1 (fr) | 2005-06-03 | 2005-06-03 | Methode pour mettre a jour un modele geologique par des donnees sismiques et de production |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| NO20062572L NO20062572L (no) | 2006-12-04 |
| NO338280B1 true NO338280B1 (no) | 2016-08-08 |
Family
ID=35588883
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| NO20062572A NO338280B1 (no) | 2005-06-03 | 2006-06-02 | Fremgangsmåte for å oppdatere en geologisk modell gjennom seismiske data og produksjonsdata |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US7752022B2 (no) |
| EP (1) | EP1728967A1 (no) |
| FR (1) | FR2886740B1 (no) |
| NO (1) | NO338280B1 (no) |
Families Citing this family (63)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| FR2909775A1 (fr) * | 2006-12-11 | 2008-06-13 | Inst Francais Du Petrole | Methode de construction d'un modele geologique d'une formation du sous-sol contraint par des donnees sismiques |
| WO2008140655A1 (en) * | 2007-05-09 | 2008-11-20 | Exxonmobil Upstream Research Company | Inversion of 4d seismic data |
| 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 |
| CA2705277C (en) * | 2007-12-18 | 2017-01-17 | Exxonmobil Upstream Research Company | Determining connectivity architecture in 2-d and 3-d heterogeneous data |
| US8370122B2 (en) | 2007-12-21 | 2013-02-05 | Exxonmobil Upstream Research Company | Method of predicting connectivity between parts of a potential hydrocarbon reservoir and analyzing 3D data in a subsurface region |
| CA2708967A1 (en) | 2008-01-22 | 2009-07-30 | Exxonmobil Upstream Research Company | Dynamic connectivity analysis |
| WO2009114211A1 (en) | 2008-03-10 | 2009-09-17 | Exxonmobil Upstream Research Company | Method for determing distinct alternative paths between two object sets in 2-d and 3-d heterogeneous data |
| EP2283386B1 (en) | 2008-05-05 | 2019-10-16 | Exxonmobil Upstream Research Company | Systems and methods for connectivity analysis using functional objects |
| AU2009288162B2 (en) * | 2008-09-02 | 2015-07-02 | Chevron U.S.A. Inc. | Indirect-error-based, dynamic upscaling of multi-phase flow in porous media |
| EP2376944A4 (en) | 2008-12-17 | 2017-02-22 | Exxonmobil Upstream Research Company | Method for imaging of targeted reflectors |
| AU2009333603B2 (en) | 2008-12-17 | 2014-07-24 | Exxonmobil Upstream Research Company | System and method for reconstruction of time-lapse data |
| US8724429B2 (en) | 2008-12-17 | 2014-05-13 | Exxonmobil Upstream Research Company | System and method for performing time-lapse monitor surverying using sparse monitor data |
| US8352228B2 (en) * | 2008-12-23 | 2013-01-08 | Exxonmobil Upstream Research Company | Method for predicting petroleum expulsion |
| US9552462B2 (en) * | 2008-12-23 | 2017-01-24 | Exxonmobil Upstream Research Company | Method for predicting composition of petroleum |
| RU2388906C1 (ru) * | 2008-12-30 | 2010-05-10 | Шлюмберже Текнолоджи Б.В. | Способ определения радиуса области заводнения нефтяного пласта в окрестностях скважины |
| WO2010104535A1 (en) | 2009-03-13 | 2010-09-16 | Exxonmobil Upstream Research Company | Method for predicting fluid flow |
| US8325560B2 (en) * | 2009-05-08 | 2012-12-04 | Schlumberger Technology Corporation | Technique and system for deriving a time lapse low frequency model using both seismic data and a flow simulation model |
| US8332154B2 (en) | 2009-06-02 | 2012-12-11 | Exxonmobil Upstream Research Company | Estimating reservoir properties from 4D seismic data |
| US9207351B2 (en) | 2009-06-26 | 2015-12-08 | Exxonmobil Upstream Research Company | Constructing resistivity models from stochastic inversion |
| US8437219B2 (en) * | 2009-09-30 | 2013-05-07 | Westerngeco L.L.C. | Correcting an acoustic simulation for elastic effects |
| US8515721B2 (en) * | 2009-10-01 | 2013-08-20 | Schlumberger Technology Corporation | Method for integrated inversion determination of rock and fluid properties of earth formations |
| FR2950993B1 (fr) * | 2009-10-02 | 2013-02-15 | Inst Francais Du Petrole | Methode pour modeliser des ecoulements de fluides au sein d'un milieu poreux a partir d'indices de productivite optimises |
| US9244181B2 (en) * | 2009-10-19 | 2016-01-26 | Westerngeco L.L.C. | Full-waveform inversion in the traveltime domain |
| WO2011049648A1 (en) | 2009-10-20 | 2011-04-28 | Exxonmobil Upstream Research Company | Method for quantitatively assessing connectivity for well pairs at varying frequencies |
| FR2951555B1 (fr) * | 2009-10-21 | 2011-11-18 | Inst Francais Du Petrole | Methode pour interpreter des enregistrements sismiques repetitives en tenant compte de la bande de frequence sismique dans l'evaluation des pressions de pore |
| WO2011062794A1 (en) * | 2009-11-18 | 2011-05-26 | Conocophillips Company | Attribute importance measure for parametric multivariate modeling |
| 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 |
| CN102741855B (zh) | 2010-02-12 | 2016-10-26 | 埃克森美孚上游研究公司 | 用于将并行模拟模型分区的方法和系统 |
| CN102754105B (zh) | 2010-02-12 | 2016-05-25 | 埃克森美孚上游研究公司 | 用于创建历史匹配模拟模型的方法和系统 |
| WO2011112221A1 (en) | 2010-03-12 | 2011-09-15 | Exxonmobil Upstream Research Company | Dynamic grouping of domain objects via smart groups |
| FR2969206B1 (fr) | 2010-12-15 | 2013-11-01 | IFP Energies Nouvelles | Procede d'exploitation d'un gisement petrolier a partir d'un modele d'ecoulement cale au moyen d'une mise a l'echelle de cartes de pression et de saturation |
| CA2823017A1 (en) | 2011-01-26 | 2012-08-02 | Exxonmobil Upstream Research Company | Method of reservoir compartment analysis using topological structure in 3d earth model |
| US9081918B2 (en) | 2011-01-27 | 2015-07-14 | Landmark Graphics Corporation | Methods and systems regarding models of underground formations |
| US8749549B2 (en) * | 2011-06-10 | 2014-06-10 | Schlumberger Technology Corporation | Prospect assessment and play chance mapping tools |
| US8902221B2 (en) * | 2011-06-10 | 2014-12-02 | Schlumberger Technology Corporation | Prospect assessment and play chance mapping tools |
| US20130223187A1 (en) * | 2011-11-11 | 2013-08-29 | International Geophysical Company, Inc. | Geological Structure Contour Modeling and Imaging |
| US9348049B2 (en) * | 2012-01-05 | 2016-05-24 | Cgg Services Sa | Simultaneous joint estimation of the P-P and P-S residual statics |
| WO2013148900A1 (en) * | 2012-03-28 | 2013-10-03 | Geco Technology B.V. | Providing an objective function based on variation in predicted data |
| WO2013176799A1 (en) * | 2012-05-24 | 2013-11-28 | Exxonmobil Upstream Research Company | System and method for predicting rock strength |
| BR112015013499A2 (pt) * | 2012-12-31 | 2017-07-11 | Halliburton Energy Services Inc | sistema, e, método implementado por processador |
| WO2014200685A2 (en) | 2013-06-10 | 2014-12-18 | Exxonmobil Upstream Research Company | Interactively planning a well site |
| US10440165B2 (en) * | 2013-07-26 | 2019-10-08 | SkyBell Technologies, Inc. | Doorbell communication and electrical systems |
| DE112013007389T5 (de) * | 2013-08-30 | 2016-05-12 | Landmark Graphics Corporation | Cart-basierter Proxy-Strömungssimulationsprozess zur Einstufung geostatistischer Realisierungen vonGesteinseigenschaften |
| WO2015038161A1 (en) * | 2013-09-16 | 2015-03-19 | Landmark Graphics Corporation | Relative permeability inversion from historical production data using viscosity ratio invariant step-function relative permeability approximations |
| WO2015038163A1 (en) * | 2013-09-16 | 2015-03-19 | Landmark Graphics Corporation | Pseudo-phase production simulation: a signal processing approach to assess quasi-multiphase flow production via successive analogous step-function relative permeability controlled models in reservoir flow simulation |
| US9864098B2 (en) | 2013-09-30 | 2018-01-09 | Exxonmobil Upstream Research Company | Method and system of interactive drill center and well planning evaluation and optimization |
| US10370941B2 (en) * | 2015-04-27 | 2019-08-06 | Baker Hughes, A Ge Company, Llc | Well performance index method for evaluating well performance |
| US10345764B2 (en) | 2015-04-27 | 2019-07-09 | Baker Hughes, A Ge Company, Llc | Integrated modeling and monitoring of formation and well performance |
| WO2016178666A1 (en) * | 2015-05-05 | 2016-11-10 | Schlumberger Canada Limited | Method and system for production analysis using data analytics |
| US10280722B2 (en) * | 2015-06-02 | 2019-05-07 | Baker Hughes, A Ge Company, Llc | System and method for real-time monitoring and estimation of intelligent well system production performance |
| US11287541B2 (en) * | 2015-12-18 | 2022-03-29 | Exxonmobil Upstream Research Company | Method to design geophysical surveys using full wavefield inversion point- spread function analysis |
| WO2017106513A1 (en) * | 2015-12-18 | 2017-06-22 | Baker Hughes Incorporated | Integrated modeling and simulation of formation and well performance |
| AU2016396128A1 (en) * | 2016-03-08 | 2018-08-09 | Landmark Graphics Corporation | Interior seismic data generator |
| US10274625B2 (en) | 2016-11-09 | 2019-04-30 | Chevron U.S.A. Inc. | System and method for porosity estimation in low-porosity subsurface reservoirs |
| AU2016431618A1 (en) | 2016-12-09 | 2019-04-11 | Landmark Graphics Corporation | Wavelet estimation for four-dimensional characterization of subsurface properties based on dynamic simulation |
| US11010513B2 (en) | 2017-02-28 | 2021-05-18 | National Technology & Engineering Solutions Of Sandia, Llc | Methods and devices for preventing computationally explosive calculations in a computer for model parameters distributed on a hierarchy of geometric simplices |
| CN110529105B (zh) * | 2018-05-23 | 2022-06-03 | 中国石油天然气股份有限公司 | 多重介质有水气藏水平井开发的设计方法及设计装置 |
| US11372123B2 (en) | 2019-10-07 | 2022-06-28 | Exxonmobil Upstream Research Company | Method for determining convergence in full wavefield inversion of 4D seismic data |
| US11693140B2 (en) | 2020-04-09 | 2023-07-04 | Saudi Arabian Oil Company | Identifying hydrocarbon reserves of a subterranean region using a reservoir earth model that models characteristics of the region |
| US11815650B2 (en) | 2020-04-09 | 2023-11-14 | Saudi Arabian Oil Company | Optimization of well-planning process for identifying hydrocarbon reserves using an integrated multi-dimensional geological model |
| US11486230B2 (en) | 2020-04-09 | 2022-11-01 | Saudi Arabian Oil Company | Allocating resources for implementing a well-planning process |
| CN114508345A (zh) * | 2020-10-23 | 2022-05-17 | 中国石油天然气股份有限公司 | 测井信息预测方法和装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5764515A (en) * | 1995-05-12 | 1998-06-09 | Institute Francais Du Petrole | Method for predicting, by means of an inversion technique, the evolution of the production of an underground reservoir |
| US5798982A (en) * | 1996-04-29 | 1998-08-25 | The Trustees Of Columbia University In The City Of New York | Method for inverting reflection trace data from 3-D and 4-D seismic surveys and identifying subsurface fluid and pathways in and among hydrocarbon reservoirs based on impedance models |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5838634A (en) * | 1996-04-04 | 1998-11-17 | Exxon Production Research Company | Method of generating 3-D geologic models incorporating geologic and geophysical constraints |
| FR2755243B1 (fr) * | 1996-10-30 | 1998-12-04 | Elf Aquitaine | Methode perfectionnee de migration avant somme |
| US6529833B2 (en) * | 1998-12-30 | 2003-03-04 | Baker Hughes Incorporated | Reservoir monitoring in a laminated reservoir using 4-D time lapse data and multicomponent induction data |
| EP1151326B1 (en) * | 1999-02-12 | 2005-11-02 | Schlumberger Limited | Uncertainty constrained subsurface modeling |
| FR2798197B1 (fr) * | 1999-09-02 | 2001-10-05 | Inst Francais Du Petrole | Methode pour former un modele d'une formation geologique, contraint par des donnees dynamiques et statiques |
| US6775578B2 (en) * | 2000-09-01 | 2004-08-10 | Schlumberger Technology Corporation | Optimization of oil well production with deference to reservoir and financial uncertainty |
| US7280952B2 (en) * | 2003-01-28 | 2007-10-09 | Conocophillips Company | Well planning using seismic coherence |
| US6925387B2 (en) * | 2003-08-14 | 2005-08-02 | Westerngeco L.L.C. | Method and apparatus for kinematically linking multiple seismic domains |
| US8131526B2 (en) * | 2007-04-14 | 2012-03-06 | Schlumberger Technology Corporation | System and method for evaluating petroleum reservoir using forward modeling |
-
2005
- 2005-06-03 FR FR0505612A patent/FR2886740B1/fr not_active Expired - Fee Related
-
2006
- 2006-05-05 EP EP06290751A patent/EP1728967A1/fr not_active Withdrawn
- 2006-06-01 US US11/444,476 patent/US7752022B2/en not_active Expired - Fee Related
- 2006-06-02 NO NO20062572A patent/NO338280B1/no not_active IP Right Cessation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5764515A (en) * | 1995-05-12 | 1998-06-09 | Institute Francais Du Petrole | Method for predicting, by means of an inversion technique, the evolution of the production of an underground reservoir |
| US5798982A (en) * | 1996-04-29 | 1998-08-25 | The Trustees Of Columbia University In The City Of New York | Method for inverting reflection trace data from 3-D and 4-D seismic surveys and identifying subsurface fluid and pathways in and among hydrocarbon reservoirs based on impedance models |
Non-Patent Citations (1)
| Title |
|---|
| TOINET S: "4D feasibility and calibration using 3D seismic modeling of reservoir models", SPE PAPERS, XX, XX, vol. SPE, no. 88783, 10 October 2004 (2004-10-10) - 13 October 2004 (2004-10-13), XX, pages 1 - 4, XP002364414 * |
Also Published As
| Publication number | Publication date |
|---|---|
| NO20062572L (no) | 2006-12-04 |
| FR2886740A1 (fr) | 2006-12-08 |
| US7752022B2 (en) | 2010-07-06 |
| FR2886740B1 (fr) | 2007-09-28 |
| EP1728967A1 (fr) | 2006-12-06 |
| US20070005253A1 (en) | 2007-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7752022B2 (en) | Method for updating a geologic model by seismic and production data | |
| EP3571532B1 (en) | Systematic evaluation of shale plays | |
| Wang et al. | Gas hydrates saturation using geostatistical inversion in a fractured reservoir in the Krishna–Godavari basin, offshore eastern India | |
| Dong et al. | Quantitative use of 4D seismic data for reservoir description | |
| EP3167315B1 (en) | Method of constraining an inversion in the characterisation of the evolution of a subsurface volume | |
| NO20130824A1 (no) | Seismisk traseattributt | |
| Sundal et al. | Modelling CO2 migration in aquifers; considering 3D seismic property data and the effect of site-typical depositional heterogeneities | |
| US10132945B2 (en) | Method for obtaining estimates of a model parameter so as to characterise the evolution of a subsurface volume | |
| Cerveny et al. | Reducing uncertainty with fault-seal analysis | |
| CA2678289A1 (en) | Passively locating a porous oil, gas or water saturated system giving off its characteristic resonance response to ambient background noise | |
| Ebong et al. | 3-D reservoir characterization and hydrocarbon volumetric estimation of parts of Niger Delta Basin-Nigeria | |
| Parra et al. | Geostatistics applied to cross-well reflection seismic for imaging carbonate aquifers | |
| Milliotte et al. | From seismic interpretation to reservoir model: an integrated study accounting for the structural complexity of the Vienna Basin using an unstructured reservoir grid | |
| EP2989489B1 (en) | Improvements in determining sub-surface temperature | |
| Al Ghaithi | A robust approach for shear log predictions using deep learning on big data sets from a carbonate reservoir for integrated reservoir characterization projects | |
| Martinsen et al. | Outcrops revitalized: Tools, techniques and applications | |
| CN103424774B (zh) | 一种地震油气藏成像方法及装置 | |
| Jo et al. | Machine learning-based porosity estimation from spectral decomposed seismic data | |
| Alpak et al. | Estimation of axisymmetric spatial distributions of permeability and porosity from pressure-transient data acquired with in situ permanent sensors | |
| Pradhan et al. | Prior velocity modeling and uncertainty analysis with basin modeling and rock physics constraints | |
| Liu | Reservoir Characterization and History Matching with Uncertainty Quantification Using Ensemble-Based Data Assimilation with Data Re-Parameterization | |
| Yousefzadeh et al. | Reducing the Geological Uncertainty by History Matching | |
| Oliveira et al. | Characterization of channelized turbiditic reservoirs using elastic properties modeling: An application in the Sergipe-Alagoas basin, Brazil | |
| CN117406278A (zh) | 一种粘弹性流体因子叠前地震反演方法 | |
| Savioli et al. | A Multiscale FEM to Model CO2 Sequestration in Saline Aquifers |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM1K | Lapsed by not paying the annual fees |