NO340159B1 - Fremgangsmåter, system og datamaskinlesbare medier for sann tids olje- og gassfeltproduksjonsoptimalisring ved å bruke proksysimulator - Google Patents
Fremgangsmåter, system og datamaskinlesbare medier for sann tids olje- og gassfeltproduksjonsoptimalisring ved å bruke proksysimulator Download PDFInfo
- Publication number
- NO340159B1 NO340159B1 NO20083660A NO20083660A NO340159B1 NO 340159 B1 NO340159 B1 NO 340159B1 NO 20083660 A NO20083660 A NO 20083660A NO 20083660 A NO20083660 A NO 20083660A NO 340159 B1 NO340159 B1 NO 340159B1
- Authority
- NO
- Norway
- Prior art keywords
- simulator
- proxy
- parameters
- well
- real
- Prior art date
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005457 optimization Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000035945 sensitivity Effects 0.000 claims abstract description 12
- 238000013461 design Methods 0.000 claims description 28
- 239000012530 fluid Substances 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000012512 characterization method Methods 0.000 claims description 6
- 238000013401 experimental design Methods 0.000 claims description 3
- 239000003795 chemical substances by application Substances 0.000 claims description 2
- 238000012706 support-vector machine Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 238000005259 measurement Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000005553 drilling Methods 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 241000590918 Scada Species 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 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
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- 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
-
- 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
- E21B2200/00—Special features related to earth drilling for obtaining oil, gas or water
- E21B2200/22—Fuzzy logic, artificial intelligence, neural networks or the like
Landscapes
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- Physics & Mathematics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Feedback Control In General (AREA)
- Separation By Low-Temperature Treatments (AREA)
- Air Conditioning Control Device (AREA)
Description
Foreliggende oppfinnelse er relatert til optimalisering av olje- og gassfeltproduksjon. Mer bestemt er foreliggende oppfinnelse relatert til å bruke en proksysimulator for å forbedre beslutningstaking ved kontroll av operasjonen av olje- og gassfelt ved å reagere på data når dataene blir målt.
Reservoir- og produksjonsingeniører som har til oppgave å modellere eller styre store oljefelt som inneholder hundretalls av brønner er konfrontert med realiteten av bare å være i stand til fysisk å evaluere og å styre noen få individuelle brønner per dag. Individuell brønnstyring kan inkludere å utføre tester for å måle raten til olje, gass og vann som kommer ut av en individuell brønn (fra under overflaten) over en testperiode. Andre tester kan inkludere tester for å måle trykket over og under overflaten så vel som strømmen av fluid i overflaten. Som et resultat av tiden som trengs til å styre individuelle brønner i et oljefelt, vil produksjonen i store oljefelt bli styrt av periodisk (dvs. hver få måneder) av måling av fluider ved innsamlingspunkter knyttet til flere brønner i et oljefelt og så å allokere målingen fra samlingspunktene tilbake til de individuelle brønnene. Data innsamlet fra de periodiske målingene blir analysert og brukt for å gjøre produksjonsbeslutninger som inkluderer optimalisering av fremtidig produksjon. De innsamlede data kan imidlertid være flere måneder gamle når de blir analysert og dermed er de ikke hensiktsmessige i sanntidsmålingsbeslutninger. I tillegg til de forannevnte tidsbegrensningene vil flere analyseverktøy kunne bli brukt som gjør det vanskelig å danne en konsistent analyse av et stort felt. Disse verktøy kan være flere fysisk-baserte simulatorer eller analytiske ligninger som representerer olje, gass og vannstrøm og prosessering.
For å forbedre effektiviteten i oljefeltstyring, har sensorer blitt installert i oljefelt de siste år for kontinuerlig å monitorere temperatur, fluidrater og trykk. Som et resultat har produksjonsingeniører langt flere data å analysere enn det som ble generert tidligere ved periodiske målingsfremgangsmåter. Imidlertid gjør de økte data det vanskelig for produksjonsingeniøren å reagere på dataene i tide som reaksjon på detekterte spørsmål og å kunne gjøre sanntidsbeslutninger. For eksempel muliggjør nåværende fremgangsmåter sanntidsbeslutningen av overskytende vann i fluidene fremstilt av en brønn, men gjør ikke ingeniøren i stand til raskt å svare på disse data for å forandre ventilinnstillinger for å redusere mengden av vann ved deteksjon av overskytende vann. Videre utvikling de siste år har resultert i bruken av datamaskinmodeller for å optimalisere oljefeltstyring og produksjon. Særlig har programvaremodeller blitt utviklet for reservoirer, brønner og samlingssystemytelse for å styre og optimalisere produksjon. Typiske modeller brukt inkluderer reservoirsimulering, brønnknuteanalyser og nettverkssimulering fysisk-baserte eller fysiske modeller. Nåværende er bruken av fysisk-baserte modeller i styring av produksjon problematisk på grunn av tidslengden modellen bruker for å utføres. Videre vil fysisk-baserte modeller også bli "innstilt" til feltmålte produksjonsdata (trykk, strømrater, temperaturer etc.) for å optimalisere produksjonen. Innstillingen er oppnådd gjennom en prosess med "historietilpasning", som er kompleks, tidskrevende og ofte ikke resulterer i unike produksjonsmodeller. For eksempel kan historietilpasningsprosessen ta mange måneder for en reservoirspesialist eller produksjonsingeniør. Videre vil nåværende historietilpasningsalgoritmer og arbeidsstrømmer for assistert eller automatisert historietilpasning være komplekse og kompliserte. Særlig, for å ta hensyn til de mange mulige parametrene i et reservoir-system som kan påvirke produksjonsprediksjoner, kan kjøre i en eller flere fysisk-baserte simulatorer som vil trenge å bli utført, som ikke er praktisk i industrien.
«Treating Uncertainties in Reservior Performance Prediction with Neural Networks» SPE 94357, 13. Juni 2005, av J.P. Lechner m.fl. beskriver en framgangsmåte for å bygge en responsoverflate for å forutsi mulige utfall av en numerisk simuleringsmodell av et reservoar. Det er beregningsmessig kostbart å dekke alle mulige parameterkombinasjoner for en simuleringsmodell for å oppnå en sannsynlighetsfordeling av mulige utfall. I stedet er det laget en responsoverflate basert på et redusert antall av simuleringsløp som brukes til å gi tilnærmede resultater for ulike variasjoner av inngangsparametere. De mest følsomme parameterne som påvirker ytelsen til simuleringsmodellen blir bestemt ved anvendelse av et begrenset antall modelløp som spenner over hele rekken av parametervariasjoner. Et kunstig neuralt nettverk (ANN) læres opp ved hjelp av simuleringsresultatene for å tilveiebringe en modellinterpolasjon mellom de enkelte simuleringsscenariene. Det opplærte ANN brukes i en Monte Carlo simulering for å generere sannsynlighetsfordelingen av alle mulige utfall. Siden ANN har en lav beregningsmessig kostnad, kan et stort antall realiseringer beregnes i løpet av kort tid.
Det er med hensyn til disse og andre betraktninger at foreliggende oppfinnelse har blitt gjort.
Illustrative utførelser av foreliggende oppfinnelse adresserer disse spørsmål og andre ved å anordne i sanntid olje- og gassfeltproduksjonsoptimalisering ved å bruke en proksysimulator.
Ifølge et første aspekt ved oppfinnelsen er det tilveiebragt en fremgangsmåte for sanntids olje- og gassfeltproduksjonsoptimalisering ved å bruke en proksysimulator, som innbefatter trinnene: å etablere en grunnmodell over et fysisk system i det minste i en fysisk-basert simulator, hvor det fysiske systemet innbefatter i det minste en av et reservoir, en brønn, et rørnett-verk og et prosesseringssystem og hvor den i det minste ene simulatoren simulerer strømmen av fluider i det minste i en av et reservoir, en brønn, et rørnettverk og et prosesseringssystem; å definere grensebetingelser inkludert et ekstremt nivå for hver av et flertall av kontrollparametere i det fysiske systemet gjennom en eksperimentell konstruksjonsprosess, hvor flertallet av kontrollparametrene som definert av grensebetingelsene innbefatter et sett med konstruksjonsparametere; å tilpasse data innbefattende en serie av innganger, inngangene innbefatter verdiene assosiert med settet av konstruksjonsparametrene, til utganger av den i det minste ene simulatoren ved å bruke en proksymodell, hvor proksymodellen er en proksy for den i det minste ene simulatoren, den i det minste ene simulatoren innbefatter i det minste en av følgende: et reservoirsimulator, en rørnettverkssimulator, en prosessimulator og en brønnsimulator; og et beslutningsstyresystem som bruker proksymodellen for sanntids optimalisering og kontroll med hensyn til valgte parametere over en fremtidig tidsperiode for å forutsi et antall ventilinnstillinger for optimalisering av produksjonen i en produksjonsbrønn, produksjonsbrønnen har en assosiert ventilplassering for å regulere strømmen av et fluid inn i produksjonsbrønnen, og hvor antallet ventilinnstillinger omfatter en rekkevidde av predikerte ventilinnstillinger for de designerte ventilplasseringene for å hindre produksjon av overflødig fluid i produksjonsbrønnen for hvert av et antall av inkrementer av tid over den fremtidige tidsperioden.
Beslutningsstyresystem for å definere kontrollparametere til det fysiske systemet for å tilpasse dette med observerte data. Kontrollparametrene kan inkludere en ventilinnstilling for å regulere strømmen av vann i et reservoir, brønn, rørnettverk eller prosesseringssystem. Fremgangsmåten inkluderer videre å definere grensebetingelser som inkluderer et ekstremt nivå for hver av kontrollparametrene i det fysiske systemet gjennom en eksperimentell produksjonsprosess, automatisk utføring av den ene eller flere simulatorene over et sett av konstruksjonsparametere for å generere en serie med utganger, der settet med konstruksjonsparametere innbefatter kontrollparametrene og utgangene representerer produksjonsprediksjoner, innsamling av karakteriseringsdata i en relasjonsdatabase, karakteriseringsdataene innbefatter verdier assosiert med settet med konstruksjonsparametere og verdier assosiert med utgangene fra den ene eller flere simulatorene, tilpasning av relasjonsdata innbefattende en serie av innganger, inngangene innbefatter verdiene assosiert med settet av konstruksjonsparametere med utgangene til en eller flere simulatorer ved å bruke en proksymodell eller utjevningssystem for det fysiske systemet. Proksymodellen kan være et neuralt nettverk og bli brukt til å beregne avledninger med hensyn til konstruksjonsparametrene for å bestemme sensitiviteter og å beregne korrelasjoner mellom konstruksjonsparametrene og utgangene av den ene eller flere simulatorene. Fremgangsmåten kan videre inkluderer å eliminere konstruksjonsparametere fra proksymodellen for hvilket sensitivitetene er under en terskel, å bruke en optimaliserer med proksymodellen for å bestemme konstruksjonsparameterverdirekkevidder, for konstruksjonsparametere som ikke ble eliminert fra proksymodellen, for hvis utganger fra det neurale nettverket som passer med de observerte data, der konstruksjonsparametrene ikke ble eliminert som så blir konstruert som valgte parametere, ved å plassere de valgte parametrene og deres rekkevidder fra proksymodellen inn i beslutningsstyresystemet, å kjøre beslutningsstyresystemet som en global optimaliserer for å validere de valgte parametrene i den ene eller flere simulatorene.
Et andre aspekt ved oppfinnelsen tilveiebringer et datamaskinlesbart medium inneholdende datamaskineksekverbare instruksjoner, som når utført i en datamaskin, utfører en fremgangsmåte for sanntids olje- og gassfeltproduksjonsoptimalisering ved å bruke en proksysimulator ifølge det første aspektet.
Datamaskinprogramproduktet kan også være som et utbredt signal på en bærebølge lesbart av et datamaskinsystem og som koder et datamaskinprogram med instruksjoner for utførelse i en datamaskinprosess.
Et tredje aspekt ved oppfinnelsen tilveiebringer et system for sanntids olje- og gassfeltproduksjonsoptimali sering ved å bruke en proksysimulator, som innbefatter: et datamaskinlesbart medium ifølge det andre aspektet ved oppfinnelsen, der det datamaskinlesbare mediet er en hukommelse; og en prosessor, funksjonelt koblet til hukommelsen, prosessoren er svarende på de datamaskineksekverbare instruksjonene og operativ for å utføre fremgangsmåten for sanntids olje- og
gassfeltproduksjonsoptimalisering ved å bruke en proksysimulator
Disse og andre egenskaper så vel som fordeler som karakteriserer foreliggende oppfinnelse vil være åpenbare etter lesing av følgende detaljerte beskrivelse og gjennomgang av de assosierte tegninger. Fig. 1 er et forenklet blokkdiagram over et virksomt miljø som kan bli brukt i henhold til de illustrerte utførelser av foreliggende oppfinnelse. Fig. 2 er et forenklet blokkdiagram som illustrerer et datamaskinsystem i det virksomme miljøet i fig. 1, som kan bli brukt for å utføre forskjellige illustrerte utførelser av foreliggende oppfinnelse. Fig. 3 er et flytdiagram som viser en illustrerende rutine for sanntids olje- og gassfeltproduksjonsoptimali sering ved å bruke en proksysimulator, i henhold til en illustrerende utførelse av foreliggende oppfinnelse, og Fig. 4 er et datamaskingenerert bilde over predikert optimal ventilinnstillinger for et antall av brønner som kan bli brukt for å optimalisere produksjonen av olje og gass over en fremtidig tidsperiode, i henhold til en illustrerende utførelse av foreliggende oppfinnelse.
Illustrerte utførelser av foreliggende oppfinnelse gir sanntids olje- og gassfeltproduksjonsoptimalisering ved å bruk en proksysimulator. Med referanse nå til tegningene hvor like tall representerer like elementer, vil forskjellige aspekter av foreliggende oppfinnelse bli beskrevet kort. Særlig vil fig. 1 og tilsvarende diskusjon være ment å gi en kort, generell beskrivelse av et passende operativt miljø hvor utførelser av foreliggende oppfinnelse kan bli implementert.
Utførelser av foreliggende oppfinnelse kan generelt bli anvendt i operativt miljø 100 som viser fig. 1. Det virksomme miljøet 100 inkluderer oljefeltoverflatefasiliteter 102 og brønner og underflatestrømningsinnretninger 104. Oljefeltoverflatefasilitetene 102 kan inkludere ethvert antall av fasiliteter typisk brukt i olje- og gassfeltproduksjon. Disse fasiliteter kan inkludere, uten begrensning, borerigger, "blow out"-forhindrere, slampumper og lignende. Brønnene og overflatestrøminnretninger kan inkludere, uten begrensning, reservoirer, brønner og rørnettverk (og deres assosierte hardware). Det bør være å forstå at som diskutert i følgende beskrivelse og de vedlagte krav, vil produksjonen kunne inkludere olje- og gassfeltboring og utforskning. Overflatefasilitetene 102 og brønnene og overflatestrømningsinnretningene 104 er i kommunikasjon med feltsensorer 106, fjerne teminalenheter 108 og feltkontrollerer 110, på en måte kjent for en fagmann. Feltsensorene 106 måler forskjellige overflate- og underflateegenskaper på et oljefelt (dvs. reservoirer, brønner og rørnettverk) som inkluderer, men ikke er begrenset til, olje, gass og vannproduksjonsrater, vanninjeksjon, rørhode og nodetrykk, ventilinnstillinger i felt, sone og brønnivåer. I en utførelse av den foreliggende oppfinnelsen er feltsensorene 106 i stand til å ta kontinuerlige målinger i et oljefelt og å kommunisere data i sanntid til fjerne terminalenheter 108. Det bør være forstått av en fagmann at det operative miljøet 100 kan inkludere "smarte felt"-teknologi som muliggjør målingen av data på overflaten så vel som under overflaten i brønnene selv. Smarte felt muliggjør også målingen av individuelle soner og reservoirer i et oljefelt. Feltkontrollerne 110 mottar dataene målt fra feltsensorene 106 og muliggjør feltmonitorering av de målte data.
De fjerne terminalenhetene 108 mottar målingsdata fra feltsensorene 106 og kommuniserer de målte data til en eller flere overvåkende kontroll- og data-akvisisjonssystemer ("SCADAer") 112. Som kjent for en fagmann, vil SCADAer være datamaskinsystemer som samler inn og analyserer sanntids data. SCADAene 112 kommuniserer mottatte målingsdata til en sanntids historisk database 114. Sanntids historiedatabase 114 er i kommunikasjon med en integrert produksjonsbore- og konstruksjonsdatabase 116 som er i stand til å aksessere de målte data.
Den integrerte produksjonsboring og teknisk database 116 er i kommunikasjon med et dynamisk aktiva modelldatamaskinsystem 2.1 de forskjellige illustrerte utførelser av foreliggende oppfinnelse utfører datamaskinsystemet 2 forskjellige programmoduler for sanntids olje- og gassfeltproduksjonsoptimali sering ved å bruke en proksysimulator. Generelt inkluderer programmoduler rutiner, program, komponenter, datastrukturer og andre typer av strukturer som utfører bestemte oppgaver eller implementerer bestemte abstrakte datatyper. Programmodulene inkluderer et beslutningsstyresystem ("DMS") applikasjon 24 og en sanntids optimaliseringsprogrammodul 28. Datamaskinsystemet 2 inkluderer også tilleggsprogrammoduler som vil bli beskrevet nedenfor i beskrivelsen av fig. 2. Det vil være forstått at kommunikasjonene mellom feltsensorene 106, de fjerne terminalenhetene 108, feltkontrollerne 110, SCADAene 112, databasene 114 og 116, og datamaskinsystemet 2, kan bli muliggjort ved å bruke kommunikasjonslinker over et lokalt nettverk eller regionalt nettverk på en måte kjent for en fagmann.
Det vil bli diskutert i større detalj nedenfor med hensyn til fig. 2-3 hvordan datamaskinsystemet 2 bruker DMS-applikasjonen 24 i samband med en fysisk eller fysisk-basert simulator og en proksysimulator for å optimalisere produksjonsparameterverdier for sanntids bruk i et olje- eller gassfelt. Kjernefunksjonaliteten til DMS-applikasjonen 24 er relatert til scenariestyring og optimalisering er beskrevet i samtidig US-publisert patentsøknad 2004/0220790, med tittelen "Method and System for Scenario and Case Decision Management", som det her er referert til. Sanntids optimaliseringsprogram-modulen 28 bruker den forannevnte proksymodellen til å bestemme parameterverdi-områder for utganger (fra proksymodellen) som samsvarer med sanntids observerte data målt av feltsensorene 106.
Med referanse til fig. 2, vil en illustrerende datamaskinarkitektur for datamaskinsystemet 2 som blir brukt i de forskjellige utførelsene av oppfinnelsen, bli beskrevet. Datamaskinarkitekturen vist i fig. 2 illustrerer en konvensjonell borddatamaskin eller bærbar datamaskin inkludert en sentral prosesseringsenhet 5 ("CPU"), en system-hukommelse 7, som inkluderer en tilfeldig aksesshukommelse 9 ("RAM') og en ikke-slettbar hukommelse ("ROM') 11, og en systembuss 12 som kobler hukommelsen til CPU 5. Et grunnleggende inngangs/utgangssystem inneholdende de grunnleggende rutinene som hjelper til å overføre informasjon mellom elementene innenfor data-maskinen, slik som ved oppstart, er lagret i ROM 11. Datamaskinsystemet 2 inkluderer videre en masselagringsinnretning 14 for å lagre et operativsystem 16, DMS applikasjon 24, en fysisk-basert simulator 26, sanntids optimaliseringsmodul 28, fysisk-baserte modeller 30 og andre programmoduler 32. Disse modulene vil bli beskrevet i større detalj nedenfor.
Det bør være forstått at datamaskinsystemet 2 for utøvelse av utførelser i henhold til foreliggende oppfinnelse også kan være representative for andre datamaskinsystem-konfigurasjoner, inkludert håndholdte innretninger, flerprosessorsystemer, mikro-prosessorbaserte eller programmerbare forbrukerelektronikk, minidatamaskiner, hoveddatamaskiner og lignende. Utførelser av foreliggende oppfinnelse kan også bli praktisert i distribuerte datamaskinmiljøer hvor oppgavene blir utført av fjerne prosesseringsinnretninger som er linket sammen gjennom et kommunikasjonsnettverk. I et distribuert datamaskinmiljø vil programmoduler kunne være plassert i både lokale og fj erne hukommelseslagringsinnretninger.
Masselagringsinnretningen 14 er koblet til CPU 5 gjennom en masselagrings-kontrollerer (ikke vist) koblet til bussen 12. Masselagringsinnretningen 14 og dens assosierte datamaskinlesbare medier gir ikke-slettbar lagring for datamaskinsystemet 2. Selv om beskrivelsen av det datamaskinlesbare mediet inneholdt her refererer til en masselagringsinnretning, slik som en harddisk eller CD-ROM drive, bør det være å forstå av en fagmann at datamaskinlesbart medium kan være ethvert tilgjengelig medium som kan være aksessert av datamaskinsystemet 2.
Som eksempel, og ikke begrensende, kan datamaskinlesbart medium innbefatte datamaskinlagringsmedier og kommunikasjonsmedier. Datamaskinlagringsmediet inkluderer slettbare og ikke-slettbare, fjernbar og ikke-fjernbare medier implementert i enhver fremgangsmåte eller teknologi for lagring av informasjon slik som datamaskinlesbare instruksjoner, datastrukturer, programmoduler eller andre data. Datamaskinlagringsmediet inkluderer, men er ikke begrenset til, RAM, ROM, EPROM, EEPROM, flash hukommelse eller andre faststoffhukommelsesteknologier, CD-ROM, digitale slettbare disker ("DVD") eller annen optisk lagring, magnetiske kassetter, magnetisk tape, magnetisk disklagring eller andre magnetiske lagringsinnretninger, eller ethvert annet medium som kan bli brukt til å lagre den ønskede informasjonen og som kan være aksessert av datamaskinsystemet 2. 1 henhold til forskjellige utførelser av foreliggende oppfinnelse kan datamaskinsystemet 2 operere i et nettverkmiljø ved å bruke logiske forbindelser til fjerne datamaskiner, databaser og andre innretninger gjennom nettverket 18. Datamaskinsystemet 2 kan være koblet til nettverket 18 gjennom en nettverksgrensesnittenhet 20 koblet til bussen 12. Forbindelser som kan bli gjort av nettverkgrensesnittenheten 20 kan inkludere lokale nettverk ("LAN") eller regionale nettverk ("WAN") forbindelser. LAN- og WAN-nettverksmiljøer er vanlige i kontorer, selskapers datanettverk, intranet og Internet. Det bør være forstått at nettverksgrensesnittenheten 20 også kan være brukt til å kobles til andre typer av nettverk og fjerne datamaskinsystemer. Datamaskinsystemet 20 kan også inkludere en inngangs/utgangskontroller 22 for å ta i mot og å prosessere innganger fra et antall av andre innretninger, inkludert et tastatur, mus eller elektronisk penn (ikke vist i figur 2). Tilsvarende kan en inngangs/utgangskontroller 22 gi utgang til en skjerm, en skriver eller annen type av utgangsinnretning.
Som nevnt kort ovenfor, kan et antall av programmoduler være lagret i masselagrings-nnretningen 14 i datamaskinsystemet 2, inkludert et operativsystem 16 som er passende for å kontrollere operasjonen til en nettverksbasert personlig datamaskin. Masselagringsinnretningen 14 og RAM 9 kan også lagre en eller flere programmoduler. I en utførelse blir DMS-applikasjonen 24 brukt i samband med en eller flere fysisk-baserte simulatorer 26, sanntids optimaliseringsmodul 28 og de fysisk-baserte modellene 30 for å optimalisere produksjonskontrollparametrene for sanntids bruk i et olje- eller gassfelt. Som kjent for en fagmann, vil de fysisk-baserte simulatorene bruke ligninger som representerer fysikken til fluidstrøm og kjemisk konversjon. Eksempler på fysisk-baserte simulatorer inkluderer, uten å begrense, reservoirsimulatorer, rørstrømnings-simulatorer og prosessimulatorer (for eksempel separasjonssimulatorer). I de forskjellige utførelsene av foreliggende oppfinnelse vil kontrollparametrene kunne inkludere uten å begrense, ventilinnstillinger, separasjonslastinnstillinger, innførings-innstillinger, temperaturer, trykkmålerinnstillinger og strupeventilinnstillinger, i både brønnhode (overflate) og nedhullsteder. Særlig vil DMS-applikasjonen 24 kunne bli brukt for å definere innstillinger av kontrollparametere i en fysisk-basert eller fysisk modell som er ukjent og som kan bli justert for å optimalisere produksjon. Som diskutert ovenfor i diskusjonen til fig. 1, vil sanntids data kunne være måledata mottatt via feltsensorer 106 gjennom kontinuerlig monitorering. Den fysisk-baserte simulatoren 25 er operativ for å opprette fysisk-baserte modeller som representerer operasjonen av fysiske systemer slik som reservoirer, brønner og rørledningsnettverk i olje- og gassfelt. For eksempel, den fysisk-baserte modellen 30 kan bli brukt til å simulere strømmen av fluider i et reservoir, en brønn eller i et rørnettverk ved å ta hensyn til forskjellige karakteristikker slik som reservoirarealer, antall av brønner, brønnvei, brønnrørradius, brønnrørstørrelse, rørlengde, rørgeometri, temperaturgradient og typer av fluider som blir mottatt i den fysisk-baserte simulatoren. Den fysisk-baserte simulatoren 26, når det opprettes en modell, kan også motta estimerte eller usikre inngangsdata slik som reservoirreserver.
Med referanse nå til fig. 3, vil en illustrerende rutine 300 bli beskrevet som illustrerer en prosess for sanntids olje- og gassfeltproduksjonsoptimali sering ved å bruke en proksysimulator. Når diskusjonen leses om den illustrerte rutinen som presentert her, bør det være forstått at de logiske operasjonene til forskjellige utførelser av foreliggende oppfinnelse er implementert (1) som en sekvens av datamaskinimplementerte handlinger eller programmoduler som kjører i et datamaskinsystem og/eller (2) er sammenkoblede maskinlogiske kretser eller kretsmoduler innen datamaskinsystemet. Implementasjonen er et spørsmål om valg avhengig av ytelseskrav for beregningssystemet som implementerer foreliggende oppfinnelse. Følgelig vil den logiske operasjonen illustrert i fig. 3 og ved å lage illustrerte utførelser av foreliggende oppfinnelse beskrevet her, være referert til forskjellige typer som operasjoner, strukturelle innretninger, handlinger eller moduler. Det vil være forstått av en fagmann at disse operasjonene, strukturelle innretningene, handlinger og moduler kan bli implementer i programvare, i firmware, i spesiell formålsdigjtal logikk, og enhver kombinasjon av disse uten å avvike fra ånden og rekkevidden av foreliggende oppfinnelse som gitt i de vedlagte krav.
Den illustrerte rutinen 300 begynner med operasjon 305 hvor DSM-applikasjonen 24 utført av CPU 5 instruerer den fysisk-baserte simulatoren 26 til å etablere en "grunn"-modell av et fysisk system. Det bør være forstått at en "base"-modell kan være en fysisk eller fysisk-basert representasjon (i programvare) av et reservoir, en brønn, et rør-ledningsnettverk, eller et prosesseringssystem (slik som et separasjonsprosesserings-system) i et olje- eller gassfelt basert på karakteristiske data slik som reservoirareal, antall av brønner, brønnvei, brønnrørradius, brønnrørstørrelse, rørlengde, rørgeometri, temperaturgradient og typer av fluider som blir mottatt i den fysisk-baserte simulatoren. Den fysisk-baserte simulatoren 26, når det opprettes en "base"-modell", kan også motta estimete eller usikre inngangsdata slik som reservoirreserver. Det bør være forstått at en eller flere fysisk-baserte simulatorer 26 kan bli brukt i utførelser av foreliggende oppfinnelse.
Rutinen 300 fortsetter så fra operasjon 305 til operasjon 310 hvor DMS-applikasjonen 24 automatisk definerer kontrollparametere. Som diskutert ovenfor ved diskusjonen av figur 2, kan kontrollparametere inkludere ventilinnstillinger, separasjonslastinnstillinger, innføringsinnstillinger, temperaturer, trykkmålerinnstillinger og strupeventilinnstillinger.
Med en gang kontrollparametrene er definert, fortsetter så rutinen 300 fra operasjon 310 til operasjon 315, hvor DMS-applikasjonen 24 definerer grensebetingelser for kontrollparametrene. Særlig kan DMS-applikasjonen 24 bruke en eksperimentell konstruksjonsprosess for å definere grensebetingelsene. Grensebetingelsene inkluderer også et eller flere ekstreme nivåer (for eksempel et maksimum, midtpunkt eller minimum) til verdier for hver kontrollparameter. I en utførelse kan den eksperimentelle konstruksjonsprosessen brukt av DMS-applikasjonen 24 være den velkjente ortogonale matrisen, faktoriserbar, eller Box-Behnken eksperimentell konstruksjon.
Rutinen 300 fortsetter så fra operasjon 315 til operasjon 320 hvor DMS-applikasjonen 24 automatisk utfører den fysisk-baserte simulatoren 26 over settet av kontrollparametere som definert av grensebetingelsene bestemt i operasjon 315. Det bør være forstått at, fra dette punktet og fremover, at disse parametrene vil bli referert til her som "konstruksjons"-parametere. Når settet med konstruksjonsparametere utføres, genererer den fysisk-baserte simulatoren 26 en serie med utganger som kan bli brukt til å lage et antall av produksjonsprediksjoner. For eksempel, den fysisk-baserte simulatoren 26 kan generere utganger relatert til strømmen av fluid i et reservoir som inkluderer, uten å begrense, trykk, hydrokarbonstrømningsrater, vannstrømningsrater og temperaturer som er basert på et utvalg av ventilinnstillingsverdier definert av DMS-applikasjonen 24.
Rutinen 300 fortsetter så fra operasjon 320 til operasjon 325 hvor DMS-applikasjonen 24 samler inn karakteriseringsdata i en relasjonsdatabase, slik som den integrerte produksjonsbore- og teknisk database 116. Karakteriseringsdataene kan inkludere verdiutvalg assosiert med konstruksjonsparametrene som bestemt i operasjon 315 (dvs. konstruksjonsparameterdataene) så vel som utgangene fra den fysisk-baserte simulatoren 26.
Rutinen 300 fortsetter så fra operasjon 325 til operasjon 330 hvor DMS-applikasjonen 24 bruker en regresjonsligning for å tilpasse konstruksjonsparameterdataene (dvs. relasjonsdataene til inngangene) til utgangene av den fysisk-baserte simulatoren 26 ved å bruke en proksymodell. Som brukt i den foregående beskrivelsen og i de vedlagte krav, vil en proksymodell være en matematisk ligning brukt som en proksy for de fysisk-baserte modellene fremstilt av den fysisk-baserte simulatoren 26. For en fagmann vil han forstå at i de forskjellige utførelser av foreliggende oppfinnelse kan proksymodellen være en polynom ekspansjon, en understøttelsesvektormaskin, et neuralt nettverk eller en intelligent agent. En illustrerende proksymodell som kan bli brukt i en utførelse av foreliggende oppfinnelse er gitt av følgende ligning:
Det bør være å forstå at i henhold til en utførelse av foreliggende oppfinnelse kan en proksymodell bli brukt samtidig på flere fysisk-baserte simulatorer som predikerer strøm og kjemi over tid.
Rutinen 300 fortsetter så fra operasjon 330 til operasjon 335 hvor DMS-applikasjonen 24 bruker proksymodellen til å bestemme sensitivitet overfor konstruksjonsparametrene. Som definert her, er "sensitivitet" en derivert av en utgang fra den fysisk-baserte simulatoren 26 med hensyn til en konstruksjonsparameter innenfor proksymodellen. Den deriverte for hver utgang med hensyn til hver konstruksjonsparameter kan bli beregnet fra proksymodelligningen (vist ovenfor). Rutinen 300 fortsetter fra operasjon 335 til operasjon 340 hvor DMS-applikasjonen 24 bruker proksymodellen til å beregne korrelasjoner mellom konstruksjonsparametrene og utgangene fra den fysisk-baserte simulatoren 26.
Rutinen 300 fortsetter så fra operasjon 340 til operasjon 345 hvor DMS-applikasjonen 24 eliminerer konstruksjonsparametere fra proksymodellen for hver av sensitivitetene som er under en terskel. Særlig, i henhold til en utførelse av foreliggende oppfinnelse, kan DMS-applikasjonen 24 eliminere en konstruksjonsparameter når sensitiviteten eller den deriverte for denne konstruksjonsparameteren, som bestemt av proksymodellen, blir bestemt til å være nær til en nullverdi. Dermed vil det være å forstå at en eller flere av kontrollparametrene som ble diskutert ovenfor i operasjon 310, kan bli eliminert som å være uviktige eller som å ha minimal påvirkning. Det bør være å forstå at de ikke-eliminerte eller viktige parametrene er valgt for optimalisering (dvs. valgte parametere) som vil bli diskutert i større detalj i operasjon 350.
Rutinen 300 fortsetter så fra operasjon 345 til operasjon 350 hvor DMS-applikasjonen 24 bruker sanntids optimaliseringsmodulen 28 med proksymodellen for å bestemme verdirekkevidder for de valgte parametrene (dvs. de ikke-eliminerte parametrene) bestemt i operasjon 345. Særlig vil sanntids optimaliseringsmodulen 28 kunne generere en feiltilpasningsfunksjon som representerer en kvadert forskjell mellom utgangene fra proksymodellen og de observerte sanntids data lest ut feltsensorene 106 og lagret i databasene 114 og 116. Illustrerende feiltilpasningsfunksjoner for en brønn som kan bli brukt i de forskjellige utførelsene av foreliggende oppfinnelse er gitt av følgende ligninger:
hvor Wi = vekt for brønn i, Wi = vekt for tid t, sim(i,t) = simulert eller normalisert verdi for brønn i på tidspunkt t, og his(i,t) = historisk eller normalisert verdi for brønn i på tidspunkt t.
Det bør være forstått at de optimaliserte verdirekkeviddene bestemt av sanntids optimaliseringsmodulen 28 er verdier for hvilket feiltilpasningsfunksjonen er liten (dvs. nær null). Det bør videre være å forstå at de valgte parametrene og optimaliserte verdirekkeverdiene er representative for en proksymodell som kan bli utført og validert i den fysisk-baserte simulatoren 26, som vil bli beskrevet i større detalj nedenfor.
Rutinen 300 fortsetter så fra operasjon 350 til operasjon 355 hvor sanntids optimaliseringsmodulen 28 plasserer de valgte parametrene (bestemt i operasjon 345) og de optimaliserte verdierekkeviddene (bestemt i operasjon 350) tilbake inn i DMS-applikasjonen 24 som så utfører den fysisk-baserte simulatoren 26 for å validere de valgte parametrene i operasjon 360. Det bør være forstått at alle operasjonene diskutert ovenfor med hensyn til DMS-applikasjonen 24 er automatiserte operasjoner i datamaskinsystemet 2.
Rutinen 300 fortsetter så fra operasjon 360 til operasjon 365 hvor DMS-operasjonen 24 bruker proksymodellen for sanntids optimalisering og kontroll. Det bør være forstått at kontrollen kan inkludere avanserte prosesskontrollbeslutninger eller proaktiv kontroll med hensyn til de valgte parametrene over en fremtidig tidsperiode avhengig av en bestemt feltkonfigurasjon. Særlig, i henhold til en utførelse, kan DMS-applikasjonen 24 generere en eller flere grafiske bilder som viser predikerte kontrollparameterinnstillinger (dvs. ventilinnstillinger) for optimalisering av produksjon i en oljebrønn. Et illustrerende bilde er vist i figur 4 og vil bli diskutert i større detalj nedenfor. Rutinen 300 stopper så.
Med referanse til fig. 4, vil et datamaskingenerert bilde over predikerte optimale ventilinnstillinger for et antall av brønner som kan bli brukt for å optimalisere produksjonen av olje og gass over en fremtidig tidsperiode være vist, i henhold til en illustrerende utførelse av foreliggende oppfinnelse. Som kan bli sett i fig. 4, vil et antall av grafer 410-490 bli generert av DMS-applikasjonen 24 som blir vist. Hver graf representerer en brønnlokalisering av en produksjonsbrønn i et felt og en assosiert ventilplassering for å regulere strømmen av et fluid (for eksempel vann) inn i brønnen. For eksempel, graf 410 er et bilde over en brønn med en designering 415 i P19L1, hvor P19 er brønndesigneringen og LI er ventildesigneringen som indikerer plasser-ingen av en ventil i brønnen (dvs. "sted 1"). Tilsvarende er graf 420 et bilde over den samme brønnen (Pl_9), men for en forskjellig ventil (dvs. L3). Graf 430 er også et bilde over brønn P19 for ventil L5. y-aksen til grafene 410-490 viser en rekkevidde av predikerte ventilinnstillinger for de designerte ventilplasseringene i hver brønn. Som diskutert ovenfor, vil de predikerte ventilinnstillingene bli generert av DMS-applikasjonen 24 som et resultat av operasjonene utført i rutinen 300, diskutert ovenfor i fig. 3. Det bør være forstått at i utførelsen beskrevet her, vil den høyeste ventilinnstillingen (dvs. "8.80") samsvare med en fullstendig åpen ventil, mens den laveste ventilinnstillingen (dvs. "0,00") samsvare med en fullstendig lukket ventil, x-aksen i grafene 410-490 viser en rekkevidde av "trinn" (dvs. trinn 27 til trinn 147) som representerer inkrementer av tid over en fremtidig tidsperiode. For eksempel, tidsaksen for hver graf kan representere ventilinnstillinger for hver brønn i seks måneders inkrementer over en periode over seks år.
Det vil være forstått at grafene 410-490 viser en prediksjon over hvordan forskjellige ventilinnstillinger trenger å bli forandret over den fremtidige tidsperioden. For eksempel, grafen 430 viser at DMS-applikasjonen 24 har predikert at ventilplasseringen "L5" bør forbli fullstendig åpen for den initielle delen av den fremtidige tidsperioden og så bli fullstendig lukket for den senere delen av den fremtidige tidsperioden. Det vil være forstått at en slik situasjon kan finne sted basert på en prediksjon om at en brønn kommer til å produsere overskytende vann, som dermed gjør det nødvendig at ventilen blir lukket. Som et annet eksempel viser grafen 450 at DMS-applikasjonen 24 har predikert at ventilplasseringen "L3" bør initielt bli fullstendig åpen og så bli delvis lukket for den gjenværende delen av den fremtidige tidsperioden.
Basert på det foregående bør det være forstått at de forskjellige utførelsene i henhold til foreliggende oppfinnelse inkluderer fremgangsmåter, systemer og datamaskinlesbart medium for sanntids olje- og gassfeltproduksjonsoptimali sering ved å bruke en proksysimulator. En fysisk-basert simulator i et dynamisk aktivamodell datamaskinsystem blir brukt til å søke rekkevidden av muligheter for kontrollerbare parametere slik som ventilinnstillinger, separasjonslastinnstillinger, innføringsinnstillinger, temperaturer, trykkmålerinnstillinger og strupeventilinnstillinger. En beslutningsstyreapplikasjon som kjører i datamaskinsystemet blir brukt til å bygge en proksymodell som simulerer et fysisk system (dvs. et reservoir, brønn eller rørnettverk) for å lage fremtidig predisjon med hensyn til de kontrollerbare parametrene. Det vil være forstått at simuleringen utført av proksymodellen er nærmest instantan, og dermed hurtigere enn tradisjonelle fysisk-baserte simulatorer som er langsomme og vanskelige å oppdatere. Ulikt konven-sjonelle systemer som er reaktive, er proksymodellen beskrevet i utførelser av foreliggende oppfinnelse prediksjon av kontrollparameterinnstillinger over en fremtidig tidsperiode som dermed muliggjør proaktiv kontroll.
Selv om foreliggende oppfinnelse har blitt beskrevet i samband med forskjellige illustrerte utførelser, vil en fagmann forstå at mange modifikasjoner kan bli gjort til disse innenfor rekkevidden av kravene som er vedlagt. Følgelig er det ikke ment at rekkevidden av foreliggende oppfinnelse på noen måte er begrenset av beskrivelsen ovenfor, men istedenfor er bestemt alene ved referanse til de vedlagte krav.
Claims (10)
1.
Fremgangsmåte (300) for sanntids olje- og gassfeltproduksjonsoptimali sering ved å bruke en proksysimulator,karakterisert vedå innbefatte trinnene: å etablere (305) en grunnmodell over et fysisk system i det minste i en fysisk-basert simulator (26), hvor det fysiske systemet innbefatter i det minste en av et reservoir, en brønn, et rørnettverk og et prosesseringssystem og hvor den i det minste ene simulatoren simulerer strømmen av fluider i det minste i en av et reservoir, en brønn, et rørnettverk og et prosesseringssystem; å definere (315) grensebetingelser inkludert et ekstremt nivå for hver av et flertall av kontrollparametere i det fysiske systemet gjennom en eksperimentell konstruksjonsprosess, hvor flertallet av kontrollparametrene som definert av grensebetingelsene innbefatter et sett med konstruksjonsparametere; å tilpasse (330) data innbefattende en serie av innganger, inngangene innbefatter verdiene assosiert med settet av konstruksjonsparametrene, til utganger av den i det minste ene simulatoren ved å bruke en proksymodell, hvor proksymodellen er en proksy for den i det minste ene simulatoren, den i det minste ene simulatoren innbefatter i det minste en av følgende: et reservoirsimulator, en rørnettverkssimulator, en prosessimulator og en brønnsimulator; og et beslutningsstyresystem (24) som bruker (365) proksymodellen for sanntids optimalisering og kontroll med hensyn til valgte parametere over en fremtidig tidsperiode for å forutsi et antall ventilinnstillinger for optimalisering av produksjonen i en produksjonsbrønn, produksjonsbrønnen har en assosiert ventilplassering for å regulere strømmen av et fluid inn i produksjonsbrønnen, og hvor antallet ventilinnstillinger omfatter en rekkevidde av predikerte ventilinnstillinger for de designerte ventilplasseringene for å hindre produksjon av overflødig fluid i produksjonsbrønnen for hvert av et antall av inkrementer av tid over den fremtidige tidsperioden.
2.
Fremgangsmåte i henhold til krav 1, viderekarakterisertved å innbefatte: å bruke (335) proksymodellen til å beregne deriverte med hensyn til konstruksjonsparametrene i det fysiske systemet for å bestemme sensitiviteter; å bruke (340) proksymodellen til å beregne korrelasjoner mellom konstruksjonsparameterne og utgangene av den i det minste ene simulator; å rangere konstruksjonsparametrene fra proksymodellen; og å bruke (350) en optimaliserer sammen med proksymodellen for å bestemme konstruksjonsparameterrekkevidder for hver utgang fra proksymodellens tilpassede observerte data.
3.
Fremgangsmåte i henhold til krav 2, viderekarakterisertved å innbefatte: å bruke (310) et beslutningsstyresystem for å definere et flertall av kontrollparametere i det fysiske systemet for tilpasning med de observerte data; automatisk å utføre (320) den i det minste ene simulatoren over settet med konstruksjonsparametere for å generere en serie med utganger, utgangene representerer produksjonsprediksjoner; og å samle (325) inn karakteriseringsdata i en relasjonsdatabase, karakteriseringsdataene innbefatter verdier assosiert med settet av konstruksjonsparametere og verdier assosiert med utgangene fra den i det minste ene simulatoren.
4.
Fremgangsmåte i henhold til krav 3, viderekarakterisertved å innbefatte: å plassere (355) konstruksjonsparametrene for hvilke sensitivitetene ikke er under en terskel og deres rekkevidder fra proksymodellen inn i beslutningsstyresystemet, konstruksjonsparametrene for hvilke sensitivitetene ikke er under terskelen blir de valgte parametrene; og å kjøre (360) beslutningsstyresystemet som en global optimaliserer for å validere de valgte parametrene i simulatoren.
5.
Fremgangsmåte i henhold til krav 1,karakterisertv e d å etablere (305) en grunnmodell over et fysisk system i det minste i en fysisk-basert simulator innbefattende å opprette en daterepresentasjon av det fysiske systemet, hvor datarepresentasjonen innbefatter de fysiske karakteristikkene av i det minste en av reservoiret, brønnen, rørnettverket og prosesseringssystemet, inkludert dimensjoner av reservoiret, antallet av brønner i reservoiret, brønnvei, brønnrørstørrelse, rørgeometri, temperaturgradient, type av fluider, og estimerte dataverdier for andre parametere assosiert med det fysiske systemet.
6.
Fremgangsmåte i henhold til krav 2,karakterisertv e d å bruke (335) proksymodellen for å beregne deriverte med hensyn til konstruksjonsparametrene for å bestemme sensitiviteter innbefattende å bestemme en derivert av en utgang av i det minste en simulator med hensyn til en av seriene av innganger.
7.
Fremgangsmåte i henhold til krav 1, viderekarakterisertved å fjerne (345) konstruksjonsparametrene fra proksymodellen som bestemt av en bruker til å ha en minimal påvirkning på det fysiske systemet.
8.
Fremgangsmåte i henhold til krav 1,karakterisertved at å bruke (365) proksymodellen for sanntids optimalisering og kontroll med hensyn til de valgte parametrene over en fremtidig tidsperiode innbefatter å bruke i det minste en av det følgende: en neuralt nettverk, en polynom ekspansjon, en understøttelsesvektormaskin og en intelligent agent.
9.
Datamaskinlesbart medium inneholdende datamaskineksekverbare instruksjoner, som når utført i en datamaskin, utfører en fremgangsmåte for sanntids olje- og gassfeltproduksjonsoptimali sering ved å bruke en proksysimulator som definert i et hvilket som helst av krav 1 til 8.
10.
System for sanntids olje- og gassfeltproduksjonsoptimali sering ved å bruke en proksysimulator,karakterisert vedå innbefatte: et datamaskinlesbart medium som definert i krav 9, der det datamaskinlesbare mediet er en hukommelse; og en prosessor, funksjonelt koblet til hukommelsen, prosessoren er svarende på de datamaskineksekverbare instruksjonene og operativ for å utføre fremgangsmåten for sanntids olje- og gassfeltproduksjonsoptimali sering ved å bruke en proksysimulator.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US76397106P | 2006-01-31 | 2006-01-31 | |
PCT/US2007/002624 WO2007089832A1 (en) | 2006-01-31 | 2007-01-31 | Methods, systems, and computer-readable media for real-time oil and gas field production optimization using a proxy simulator |
Publications (2)
Publication Number | Publication Date |
---|---|
NO20083660L NO20083660L (no) | 2008-10-14 |
NO340159B1 true NO340159B1 (no) | 2017-03-20 |
Family
ID=38137628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
NO20083660A NO340159B1 (no) | 2006-01-31 | 2008-08-25 | Fremgangsmåter, system og datamaskinlesbare medier for sann tids olje- og gassfeltproduksjonsoptimalisring ved å bruke proksysimulator |
Country Status (10)
Country | Link |
---|---|
US (2) | US8352226B2 (no) |
EP (1) | EP1982046B1 (no) |
CN (1) | CN101379271B (no) |
AT (1) | ATE503913T1 (no) |
AU (1) | AU2007211294B2 (no) |
BR (1) | BRPI0706804A2 (no) |
CA (1) | CA2640727C (no) |
DE (1) | DE602007013530D1 (no) |
NO (1) | NO340159B1 (no) |
WO (1) | WO2007089832A1 (no) |
Families Citing this family (67)
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 |
US7584165B2 (en) * | 2003-01-30 | 2009-09-01 | Landmark Graphics Corporation | Support apparatus, method and system for real time operations and maintenance |
US8195401B2 (en) * | 2006-01-20 | 2012-06-05 | Landmark Graphics Corporation | Dynamic production system management |
US8504341B2 (en) | 2006-01-31 | 2013-08-06 | Landmark Graphics Corporation | Methods, systems, and computer readable media for fast updating of oil and gas field production models with physical and proxy simulators |
DE602007013530D1 (de) * | 2006-01-31 | 2011-05-12 | Landmark Graphics Corp | Verfahren, systeme und computerlesbare medien zur öl- und gasfeldproduktionsoptimierung in echtzeit mit einem proxy-simulator |
US9175547B2 (en) * | 2007-06-05 | 2015-11-03 | Schlumberger Technology Corporation | System and method for performing oilfield production operations |
FR2919932B1 (fr) * | 2007-08-06 | 2009-12-04 | Inst Francais Du Petrole | Methode pour evaluer un schema de production d'un gissement souterrain en tenant compte des incertitudes |
KR20100042293A (ko) * | 2007-08-14 | 2010-04-23 | 셀 인터나쵸나아레 레사아치 마아츠샤피 비이부이 | 화학 플랜트 또는 정제소를 연속해서 온라인 모니터하는 시스템 및 방법 |
US9070172B2 (en) * | 2007-08-27 | 2015-06-30 | Schlumberger Technology Corporation | Method and system for data context service |
US20090076632A1 (en) * | 2007-09-18 | 2009-03-19 | Groundswell Technologies, Inc. | Integrated resource monitoring system with interactive logic control |
US8892221B2 (en) * | 2007-09-18 | 2014-11-18 | Groundswell Technologies, Inc. | Integrated resource monitoring system with interactive logic control for well water extraction |
US7660673B2 (en) * | 2007-10-12 | 2010-02-09 | Schlumberger Technology Corporation | Coarse wellsite analysis for field development planning |
CA2705319C (en) * | 2007-11-10 | 2019-01-15 | Laurence Reid | Systems and methods for workflow automation, adaptation and integration |
AU2008338406B2 (en) | 2007-12-17 | 2013-09-12 | Landmark Graphics Corporation, A Halliburton Company | Systems and methods for optimization of real time production operations |
WO2009145960A1 (en) | 2008-04-17 | 2009-12-03 | Exxonmobil Upstream Research Company | Robust optimization-based decision support tool for reservoir development planning |
EP2291761A4 (en) * | 2008-04-18 | 2013-01-16 | Exxonmobil Upstream Res Co | MARKOV DECISION-MAKING DECISION-MAKING ASSISTANCE TOOL FOR TANK DEVELOPMENT PLANNING |
BRPI0910333A2 (pt) | 2008-04-21 | 2015-10-06 | Exxonmobil Upstream Res Co | métodos para planejamento de desenvolvimento de um reservatório, para suporte à decisão que considera o desenvolvimento de recursos de petróleo, para otimização do planejamento de desenvolvimento com base em computador para um reservatório de hidrocarboneto, e para produzir hidrocarbonetos, e, produto de programa de computador |
US20110011595A1 (en) * | 2008-05-13 | 2011-01-20 | Hao Huang | Modeling of Hydrocarbon Reservoirs Using Design of Experiments Methods |
US8527203B2 (en) | 2008-05-27 | 2013-09-03 | Schlumberger Technology Corporation | Method for selecting well measurements |
WO2010002975A1 (en) * | 2008-07-01 | 2010-01-07 | Services Petroliers Schlumberger | Effective hydrocarbon reservoir exploration decision making |
US8706541B2 (en) * | 2008-10-06 | 2014-04-22 | Schlumberger Technology Corporation | Reservoir management linking |
MY158618A (en) | 2008-11-03 | 2016-10-31 | Schlumberger Technology Bv | Methods and apparatus for planning and dynamically updating sampling operations while drilling in a subterranean formation |
CA2743827C (en) * | 2008-12-16 | 2018-01-23 | Exxonmobil Upstream Research Company | Systems and methods for hydrocarbon reservoir development and management optimization |
DE102010005955B4 (de) * | 2010-01-27 | 2020-03-05 | Abb Schweiz Ag | Anordnung und Verfahren zur Optimierung der Arbeitsweise eines Versorgungsnetzes |
CA2693640C (en) | 2010-02-17 | 2013-10-01 | Exxonmobil Upstream Research Company | Solvent separation in a solvent-dominated recovery process |
CA2696638C (en) | 2010-03-16 | 2012-08-07 | Exxonmobil Upstream Research Company | Use of a solvent-external emulsion for in situ oil recovery |
CA2705643C (en) | 2010-05-26 | 2016-11-01 | Imperial Oil Resources Limited | Optimization of solvent-dominated recovery |
US9665916B2 (en) | 2010-08-10 | 2017-05-30 | X Systems, Llc | System and method for analyzing data |
US9652726B2 (en) | 2010-08-10 | 2017-05-16 | X Systems, Llc | System and method for analyzing data |
US8849638B2 (en) | 2010-08-10 | 2014-09-30 | X Systems, Llc | System and method for analyzing data |
US9176979B2 (en) | 2010-08-10 | 2015-11-03 | X Systems, Llc | System and method for analyzing data |
US9665836B2 (en) | 2010-08-10 | 2017-05-30 | X Systems, Llc | System and method for analyzing data |
WO2012031089A2 (en) * | 2010-09-03 | 2012-03-08 | Chevron U.S.A. Inc. | Iterative method and system to construct robust proxy models for reservoir simulation |
EP2614460B1 (en) * | 2010-09-07 | 2014-07-09 | Saudi Arabian Oil Company | Machine, computer program product and method to generate unstructured grids and carry out parallel reservoir simulation |
US8788068B2 (en) * | 2010-10-05 | 2014-07-22 | Exxonmobil Research And Engineering Company | Modeling tool for planning the operation of refineries |
BR112013013422A2 (pt) * | 2010-11-30 | 2016-10-11 | Landmark Graphics Corp | método para reduzir o tempo de execução do modelo do simulador de reservatório, e, dispositivo portador de programa |
MX2013008812A (es) * | 2011-01-31 | 2014-09-11 | Landmark Graphics Corp | Sistema y metodo para utilizar una red artificial neural para simular tuberias hidraulicas en un simulador de deposito. |
WO2012109191A1 (en) * | 2011-02-09 | 2012-08-16 | Conocophillips Company | A quantitative method of determining safe steam injection pressure for enhanced oil recovery operations |
US9026415B2 (en) | 2011-10-20 | 2015-05-05 | Energy Solutions International, Inc. | Pipeline flow modeling method |
CA2792557C (en) * | 2011-10-20 | 2016-09-20 | Energy Solutions International, Inc. | Pipeline flow modeling method |
BR112014017263A8 (pt) * | 2012-01-13 | 2017-07-04 | Process Systems Enterprise Ltd | método de monitoramento e sistema para redes de processamento de fluidos |
AU2013274606B2 (en) | 2012-06-11 | 2015-09-17 | Landmark Graphics Corporation | Methods and related systems of building models and predicting operational outcomes of a drilling operation |
US9260948B2 (en) | 2012-07-31 | 2016-02-16 | Landmark Graphics Corporation | Multi-level reservoir history matching |
US9460403B2 (en) * | 2012-07-31 | 2016-10-04 | Landmark Graphics Corporation | Methods and systems related to hydrocarbon recovery strategy development |
CN102777167B (zh) * | 2012-08-10 | 2016-02-10 | 中国石油天然气股份有限公司 | 二维可定量挤压油气运聚可视物理模拟装置 |
US9816353B2 (en) * | 2013-03-14 | 2017-11-14 | Schlumberger Technology Corporation | Method of optimization of flow control valves and inflow control devices in a single well or a group of wells |
EP2811107A1 (en) * | 2013-06-06 | 2014-12-10 | Repsol, S.A. | Method for selecting and optimizing oil field controls for production plateau |
CA2923540C (en) | 2013-10-08 | 2021-05-25 | Halliburton Energy Services, Inc. | Integrated well survey management and planning tool |
US10311173B2 (en) * | 2014-10-03 | 2019-06-04 | Schlumberger Technology Corporation | Multiphase flow simulator sub-modeling |
GB2546645B (en) * | 2014-10-08 | 2021-04-07 | Landmark Graphics Corp | Predicting temperature-cycling-induced downhole tool failure |
US10489523B2 (en) * | 2014-10-22 | 2019-11-26 | Board Of Supervisors Of Louisiana State University And Agricultural And Mechanical College | Apparatuses, systems and methods for performing remote real-time experiments |
US10580095B2 (en) | 2015-03-20 | 2020-03-03 | Accenture Global Solutions Limited | Method and system for water production and distribution control |
US20170051581A1 (en) * | 2015-08-19 | 2017-02-23 | General Electric Company | Modeling framework for virtual flow metering for oil and gas applications |
US20190010790A1 (en) * | 2016-05-06 | 2019-01-10 | Halliburton Energy Services, Inc. | Multi-parameter optimization of oilfield operations |
WO2017217975A1 (en) * | 2016-06-15 | 2017-12-21 | Schlumberger Technology Corporation | Oilfield optimization system |
US10415354B2 (en) | 2016-09-06 | 2019-09-17 | Onesubsea Ip Uk Limited | Systems and methods for assessing production and/or injection system startup |
CA3039470C (en) * | 2016-12-07 | 2022-03-29 | Landmark Graphics Corporation | Intelligent, real-time response to changes in oilfield equilibrium |
FR3059705A1 (fr) * | 2016-12-07 | 2018-06-08 | Landmark Graphics Corporation | Amelioration mutuelle automatisee de modeles de champ petrolifere |
JP6933899B2 (ja) * | 2017-01-12 | 2021-09-08 | 横河電機株式会社 | プラント運転支援装置、プラント運転支援方法、及びプラント運転支援プログラム |
JP7105556B2 (ja) * | 2017-11-14 | 2022-07-25 | 千代田化工建設株式会社 | プラント管理システム及び管理装置 |
US20210073320A1 (en) * | 2018-01-03 | 2021-03-11 | Cham Ocondi | Video, audio, and historical trend data interpolation |
MX2021001269A (es) * | 2018-07-31 | 2021-04-13 | Abu Dhabi Nat Oil Co | Sistema de modelado con capacidad integrada. |
EP3850187B1 (en) * | 2018-09-11 | 2024-07-10 | Services Pétroliers Schlumberger | Method and system for reactively defining valve settings |
US11079739B2 (en) * | 2019-02-25 | 2021-08-03 | General Electric Company | Transfer learning/dictionary generation and usage for tailored part parameter generation from coupon builds |
CN111639097B (zh) * | 2019-03-01 | 2023-07-04 | 北京国双科技有限公司 | 一种信息处理方法及相关设备 |
CN112539054B (zh) * | 2020-11-25 | 2024-05-14 | 中国石油大学(华东) | 地面管网与地下油藏复杂系统生产优化方法 |
Family Cites Families (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5182730A (en) * | 1977-12-05 | 1993-01-26 | Scherbatskoy Serge Alexander | Method and apparatus for transmitting information in a borehole employing signal discrimination |
US4665398A (en) * | 1985-05-06 | 1987-05-12 | Halliburton Company | Method of sampling and recording information pertaining to a physical condition detected in a well bore |
JP2703974B2 (ja) * | 1989-02-09 | 1998-01-26 | 株式会社東芝 | 管網解析システム |
US5148365A (en) * | 1989-08-15 | 1992-09-15 | Dembo Ron S | Scenario optimization |
US5315530A (en) * | 1990-09-10 | 1994-05-24 | Rockwell International Corporation | Real-time control of complex fluid systems using generic fluid transfer model |
US5455780A (en) * | 1991-10-03 | 1995-10-03 | Halliburton Company | Method of tracking material in a well |
US7058617B1 (en) * | 1996-05-06 | 2006-06-06 | Pavilion Technologies, Inc. | Method and apparatus for training a system model with gain constraints |
US5841678A (en) | 1997-01-17 | 1998-11-24 | Phillips Petroleum Company | Modeling and simulation of a reaction for hydrotreating hydrocarbon oil |
US5835883A (en) * | 1997-01-31 | 1998-11-10 | Phillips Petroleum Company | Method for determining distribution of reservoir permeability, porosity and pseudo relative permeability |
US5924048A (en) * | 1997-03-14 | 1999-07-13 | Mccormack; Michael D. | Automated material balance system for hydrocarbon reservoirs using a genetic procedure |
US5992519A (en) * | 1997-09-29 | 1999-11-30 | Schlumberger Technology Corporation | Real time monitoring and control of downhole reservoirs |
NO982973D0 (no) * | 1998-06-26 | 1998-06-26 | Abb Research Ltd | Anordning ved oljebr°nn |
JP4582511B2 (ja) * | 1998-07-17 | 2010-11-17 | 株式会社フジキン | 流体制御装置の設計装置および設計方法 |
US6088656A (en) * | 1998-11-10 | 2000-07-11 | Schlumberger Technology Corporation | Method for interpreting carbonate reservoirs |
US20080262737A1 (en) * | 2007-04-19 | 2008-10-23 | Baker Hughes Incorporated | System and Method for Monitoring and Controlling Production from Wells |
US6442445B1 (en) | 1999-03-19 | 2002-08-27 | International Business Machines Corporation, | User configurable multivariate time series reduction tool control method |
US6853921B2 (en) | 1999-07-20 | 2005-02-08 | Halliburton Energy Services, Inc. | System and method for real time reservoir management |
US6980940B1 (en) | 2000-02-22 | 2005-12-27 | Schlumberger Technology Corp. | Intergrated reservoir optimization |
US20020013687A1 (en) | 2000-03-27 | 2002-01-31 | Ortoleva Peter J. | Methods and systems for simulation-enhanced fracture detections in sedimentary basins |
US20020177955A1 (en) * | 2000-09-28 | 2002-11-28 | Younes Jalali | Completions architecture |
US20020049575A1 (en) * | 2000-09-28 | 2002-04-25 | Younes Jalali | Well planning and design |
FR2818742B1 (fr) | 2000-12-22 | 2003-02-14 | Inst Francais Du Petrole | Methode pour former un module a reseaux neuronaux optimise, destine a simuler le mode d'ecoulement d'une veine de fluides polyphasiques |
US6511526B2 (en) * | 2001-01-12 | 2003-01-28 | Vbox, Incorporated | Pressure swing adsorption gas separation method and apparatus |
US7434619B2 (en) * | 2001-02-05 | 2008-10-14 | Schlumberger Technology Corporation | Optimization of reservoir, well and surface network systems |
US7027968B2 (en) * | 2002-01-18 | 2006-04-11 | Conocophillips Company | Method for simulating subsea mudlift drilling and well control operations |
US7512543B2 (en) * | 2002-05-29 | 2009-03-31 | Schlumberger Technology Corporation | Tools for decision-making in reservoir risk management |
US20040064425A1 (en) * | 2002-09-30 | 2004-04-01 | Depold Hans R. | Physics based neural network |
US6920942B2 (en) * | 2003-01-29 | 2005-07-26 | Varco I/P, Inc. | Method and apparatus for directly controlling pressure and position associated with an adjustable choke apparatus |
GB2398900A (en) | 2003-02-27 | 2004-09-01 | Schlumberger Holdings | Identification of best production potential oil wells and identification of drilling strategy to maximise production potential |
CA2514516C (en) * | 2003-03-26 | 2012-11-20 | Exxonmobil Upstream Research Company | Performance prediction method for hydrocarbon recovery processes |
US7835893B2 (en) | 2003-04-30 | 2010-11-16 | Landmark Graphics Corporation | Method and system for scenario and case decision management |
FR2855633B1 (fr) | 2003-06-02 | 2008-02-08 | Inst Francais Du Petrole | Methode d'aide a la prise de decision pour la gestion d'un gisement petrolier en presence de parametres techniques et economiques incertains |
FR2855631A1 (fr) * | 2003-06-02 | 2004-12-03 | Inst Francais Du Petrole | Methode pour optimiser la production d'un gisement petrolier en presence d'incertitudes |
CN1302386C (zh) * | 2003-10-17 | 2007-02-28 | 大庆油田有限责任公司 | 低浓度表面活性剂与相态结合的三元复合驱计算机仿真方法 |
US7386430B2 (en) * | 2004-03-19 | 2008-06-10 | Schlumberger Technology Corporation | Method of correcting triaxial induction arrays for borehole effect |
US7292250B2 (en) * | 2004-03-31 | 2007-11-06 | Dreamworks Animation, Llc | Character deformation pipeline for computer-generated animation |
US7266456B2 (en) * | 2004-04-19 | 2007-09-04 | Intelligent Agent Corporation | Method for management of multiple wells in a reservoir |
JP2007536634A (ja) * | 2004-05-04 | 2007-12-13 | フィッシャー−ローズマウント・システムズ・インコーポレーテッド | プロセス制御システムのためのサービス指向型アーキテクチャ |
US7415328B2 (en) * | 2004-10-04 | 2008-08-19 | United Technologies Corporation | Hybrid model based fault detection and isolation system |
US7526463B2 (en) * | 2005-05-13 | 2009-04-28 | Rockwell Automation Technologies, Inc. | Neural network using spatially dependent data for controlling a web-based process |
US7636613B2 (en) * | 2005-07-01 | 2009-12-22 | Curtiss-Wright Flow Control Corporation | Actuator controller for monitoring health and status of the actuator and/or other equipment |
US8509926B2 (en) * | 2005-12-05 | 2013-08-13 | Fisher-Rosemount Systems, Inc. | Self-diagnostic process control loop for a process plant |
US8630787B2 (en) * | 2005-12-20 | 2014-01-14 | Borgwarner Inc. | Controlling exhaust gas recirculation in a turbocharged engine system |
US7610251B2 (en) * | 2006-01-17 | 2009-10-27 | Halliburton Energy Services, Inc. | Well control systems and associated methods |
DE602007013530D1 (de) | 2006-01-31 | 2011-05-12 | Landmark Graphics Corp | Verfahren, systeme und computerlesbare medien zur öl- und gasfeldproduktionsoptimierung in echtzeit mit einem proxy-simulator |
BRPI0706805A2 (pt) | 2006-01-31 | 2011-04-05 | Landmark Graphics Corp | métodos, sistemas e meio legìvel por computador para atualização rápida de modelos de produção para campo de gás e óleo com simuladores proxy e fìsico |
US8504341B2 (en) | 2006-01-31 | 2013-08-06 | Landmark Graphics Corporation | Methods, systems, and computer readable media for fast updating of oil and gas field production models with physical and proxy simulators |
CA2665116C (en) * | 2006-10-30 | 2011-07-19 | Schlumberger Canada Limited | System and method for performing oilfield simulation operations |
US8025072B2 (en) * | 2006-12-21 | 2011-09-27 | Schlumberger Technology Corporation | Developing a flow control system for a well |
US7668707B2 (en) * | 2007-11-28 | 2010-02-23 | Landmark Graphics Corporation | Systems and methods for the determination of active constraints in a network using slack variables and plurality of slack variable multipliers |
US8010225B2 (en) * | 2008-01-30 | 2011-08-30 | International Business Machines Corporation | Method and system of monitoring manufacturing equipment |
US8114221B2 (en) * | 2008-09-30 | 2012-02-14 | Princeton Trade & Technology, Inc. | Method and composition for cleaning tubular systems employing moving three-phase contact lines |
-
2007
- 2007-01-31 DE DE602007013530T patent/DE602007013530D1/de active Active
- 2007-01-31 EP EP07762832A patent/EP1982046B1/en active Active
- 2007-01-31 WO PCT/US2007/002624 patent/WO2007089832A1/en active Application Filing
- 2007-01-31 CA CA2640727A patent/CA2640727C/en active Active
- 2007-01-31 US US11/669,921 patent/US8352226B2/en active Active
- 2007-01-31 AU AU2007211294A patent/AU2007211294B2/en not_active Ceased
- 2007-01-31 CN CN200780004125XA patent/CN101379271B/zh not_active Expired - Fee Related
- 2007-01-31 BR BRPI0706804-2A patent/BRPI0706804A2/pt not_active IP Right Cessation
- 2007-01-31 US US11/669,903 patent/US20070179766A1/en not_active Abandoned
- 2007-01-31 AT AT07762832T patent/ATE503913T1/de not_active IP Right Cessation
-
2008
- 2008-08-25 NO NO20083660A patent/NO340159B1/no unknown
Non-Patent Citations (1)
Title |
---|
Treating Uncertainties in Reservoir Performance Prediction With Neural Networks SPE 94357, 13 June 2005, by J.P. LECHNER ET AL, Dated: 01.01.0001 * |
Also Published As
Publication number | Publication date |
---|---|
EP1982046A1 (en) | 2008-10-22 |
ATE503913T1 (de) | 2011-04-15 |
CN101379271A (zh) | 2009-03-04 |
AU2007211294A1 (en) | 2007-08-09 |
CN101379271B (zh) | 2012-11-07 |
AU2007211294B2 (en) | 2012-05-10 |
DE602007013530D1 (de) | 2011-05-12 |
US20070179766A1 (en) | 2007-08-02 |
BRPI0706804A2 (pt) | 2011-04-05 |
WO2007089832A1 (en) | 2007-08-09 |
CA2640727C (en) | 2014-01-28 |
EP1982046B1 (en) | 2011-03-30 |
US8352226B2 (en) | 2013-01-08 |
CA2640727A1 (en) | 2007-08-09 |
US20070192072A1 (en) | 2007-08-16 |
NO20083660L (no) | 2008-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
NO340159B1 (no) | Fremgangsmåter, system og datamaskinlesbare medier for sann tids olje- og gassfeltproduksjonsoptimalisring ved å bruke proksysimulator | |
CA2640725C (en) | Methods, systems, and computer-readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
US8504341B2 (en) | Methods, systems, and computer readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
US20140278302A1 (en) | Computer-implemented method, a device, and a computer-readable medium for data-driven modeling of oil, gas, and water | |
US20100076740A1 (en) | System and method for well test design and interpretation | |
WO2009030756A2 (en) | Method for prediction in an oil/gas production system | |
Mansoori et al. | Pressure-transient analysis of bottomhole pressure and rate measurements by use of system-identification techniques | |
US20230082520A1 (en) | Hybrid neural network for drilling anomaly detection | |
Tarrahi et al. | Dynamic integration of DTS data for hydraulically fractured reservoir characterization with the ensemble Kalman filter | |
CN114737948A (zh) | 一种基于物理约束的井筒压力智能控制方法及装置 | |
Karlsen et al. | BlowFlow-Next Generation Software for Calculating Blowout Rates | |
Bello et al. | A Dynamic Data-Driven Inversion Based Method for Multi-Layer Flow and Formation Properties Estimation | |
MX2008009776A (es) | Metodos, sistemas y medios susceptibles de ser leido por computadora que optimizan la extraccion de yacimiento petrolifero y de gas en tiempo real utilizando un simulador proxy | |
Li et al. | Assessing the safe transportation of multiphase pipeline by integrating mechanism and Machine learning models | |
MX2008009775A (en) | Methods, systems, and computer-readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
Wang et al. | Application of Genetic-Algorithm-Based Data Reconciliation on Offshore Virtual Flow Metering of Gas-Condensate Field Production | |
CA2995571A1 (en) | Fluid flow network simulation methods and systems employing two-phase envelopes with interpolated values | |
Nandanwar et al. | Estimation of Water Cut, Gas Oil Ratio and Inflow Parameters for Deep Water Wells with Infrequent Well Tests Using Regression-Based Method | |
Taha | The Digital Oilfield: Are We There Yet? | |
Denney | Improved and More-Rapid History Matching with a Nonlinear Proxy and Global Optimization |