NO340692B1 - Monte Carlo-simulering av brønnloggingsdata - Google Patents

Description

Oppfinnelsens felt

Denne oppfinnelsen vedrører petrofysisk analyse, og mer bestemt et system og fremgangsmåte som anvender Monte-Carlo simuleringer for å analysere hydrokarbonsoner for forbedret produktivitet.

Bakgrunn for oppfinnelsen

Store mengder kapital blir anvendt hver dag på boring, evaluering, testing og full-førelse av nye olje- og gassbrønner. Elimineringen av unødvendig datainnsamling og innsamling av nødvendig tilleggsinformasjon er ofte temaet for store uoverens-stemmelser når avgjørelser blir tatt gjennom boring-/oppdagelsesprosessen. Tendensen er å overkjøpe nye teknologier med antakelsen om at bedre svar kan oppnås.

Identifikasjonen og evalueringen av hydrokarbonproduktivitetsintervall, slik som olje-og gassreservoarer i en formasjon krysset av et borehull, har historisk blitt gjort ved å senke instrumenter inn i en brønn og måle petrofysiske parametre, slik som formasjonsresistivitet og -tetthet. Under boringen blir borehullsprøver fra formasjonen innsamlet ved en prosess som er kalt kjerneprøver. Disse prøvene blir deretter analysert i laboratorier og ulike parametre blir målt for å bestemme petrofysiske egenskaper.

Resultatene av disse målingene blir deretter numerisk prosessert ved å anvende empiriske forhold for å beregne vannmetning, porøsitet og permeabilitet som beskriver nøkkelformasjonsegenskaper. Disse variablene er nøkkelindikatorerfor henholdsvis hydrokarbonvolum og hydrokarbonproduktivitet. Basert på disse verdiene anvender petrofysikere sine erfaringer til å foreta en bedømming og for å bestemme den potensielle tilstedeværelsen av kommersielle hydrokarboner.

Ett av hovedproblemene med evalueringen av hydrokarbonproduktivitet av en olje-eller gassbrønn er mengden uvisshet som er til stede i målingene som anvendes for å foreta bestemmelsen så vel som variabiliteten i bergformasjoner hvor olje og gass blir funnet. Formasjonsuensartete feil, feil vedrørende verktøymålinger og laboratoriemålinger danner usikkerheter som ofte er vanskelig å bestemme ved hvert dybdeintervall for de målte verdiene. I tillegg blir feil i målingene og parametrene som blir anvendt i empiriske forhold ført videre og ikke redegjort for i sluttresultatet. Disse resultatene blir deretter ofte anvendt for å bestemme den beste fremgangsmåten for brønnen, dvs. om brønnen skal testes, fullføres eller stoppes.

Redegjørelse for disse faktene har blitt overlatt til tolkere/petrofysikere som er sett på som både forskere og kunstnere, ved å anvende empiriske forhold utledet fra antakelser og tommelregler. Målenyansene blir betraktet av eksperten og en prediksjon basert på lokal erfaring blir stolt på slik at disse prediksjonene har resultert i forsømte muligheter for hvert av de store operative selskapene innen det petrokjemiske feltet. Tidligere metodologier vurderte ikke usikkerhet, idet alle evalueringene var enten positive eller negative.

Et kjent system, beskrevet i US patentnr. 4,338,664, ble utviklet for å videreføre modelloggeverktøyresponser som resulterer i beregnete logger. Ulikhetene i de beregnete resultatene ble minimert gjennom en iterativ prosess. Ultimalt resulterer sluttresultatet av den iterative prosessen i en formasjonsbeskrivelse som omfatter porøsitet og vannmetning. Metningen blir bestemt fra brukervalgte empiriskbaserte likninger ved å anvende de optimerte resultatene.

WO 0218976 A1 D1 omhandler en fremgangsmåte for å konstruere 3-D geologiske modeller. Fremgangsmåten for å konstruere en tredimensjonal geologisk modell av et undergrunns jordvolum omfatter oppløsningsskalaer forflere forskjellige datatyper, inkludert seismiske data, som behandles ved å generere multiple frekvenspassbånd modeller og kombinere dem sammen for å danne en fullstendige geologisk modell. Fortrinnsvis blir en modell generert for hvert av et lav-frekvens passbånd, et mellom-frekvens passbånd og et høy-frekvens passbånd. Ved integrering av seismiske data i modelleringsprosessen, utgjør det seismiske frekvenspassbånd mellom-frekvens passbånd modellen. Prosessen vedrører videre oppdatering av tentative frekvenspassbåndmodeller gjennom optimalisering av tilordnede bergarts-egenskapsverdier i hver tentative modell i henhold til spesifiserte geologiske kriterier. Slik optimalisering utføres ved perturbasjon av bergartsegenskapsverdiene på en måte hvor frekvensinnholdet i hver modell opprettholdes.

US 2002167314 A1 viser et brønnloggesystem og en fremgangsmåte for å detektere nærværet og estimere mengden av gassaktige og flytende hydrokarboner i nærheten av borehullsonen. Systemet benytter et gradient-basert flerfrekvens NMR-loggeverktøy for å trekke ut signalkomponenter karakteristiske for hver type av hydrokarboner. For å oppnå dette er datainnsamlingsmetoder foreslått, der målinger ved forskjellige frekvenser er sammenslått for å oppnå, i en enkelt logging, flere datastrømmer svarende til forskjellige utvinningstider og/eller diffusivitet for det samme stedet i formasjonen. De resulterende datastrømmer blir behandlet for å bestemme mineralogiuavhengig vann- og hydrokarbonmetning og porøsitetsanslag. Gass- og oljemetning blir anvendt for å oppnå nøyaktige beregninger av vanninnholdet, permeabilitet og andre parametere av interesse.

Systemer og fremgangsmåter i den kjente teknikken tar ikke stilling til usikkerhet i alle parametrene og målingene så vel som heterogeniteten i hydrokarbonbærende formasjoner.

Fremgangsmåter kalt Monte-Carlo fremgangsmåter er kjent, som omfatter en klasse med databeregnete algoritmer for å simulere oppførselen for ulike fysiske og matematiske systemer. Slike Monte-Carlo fremgangsmåter skiller seg fra andre simuleringsmetoder ved å være stokastiske, dvs. ubestemmelige på noen måter, vanligvis ved å anvende tilfeldige tall eller pseudotilfeldige tall, i motsetning til deterministiske algoritmer.

Monte-Carlo fremgangsmåter er ekstremt viktige i databeregnet fysikk og beslektete anvendte felter, og har ulike applikasjoner. Disse fremgangsmåtene har bevist å være effektive i å løse vanskelige problemer i ulike felter. De er spesielt anvendbare i å studere systemer med et stort antall koblete frihetsgrader, slik som væsker, forstyrrete materialer og sterkt koblete faste legemer. På grunn av gjentakelsen av algoritmer og det store antallet beregninger involvert er Monte-Carlo fremgangsmåter egnet for beregning ved å anvende en datamaskin som tar i bruk mange teknikker for datasimulering.

Det er anerkjent at mengden uvisshet tilveiebringer en vei for å forklare en ukorrekt prediksjon. Kvantifisering av uvisshetsgrenser ved videremodellering ved å anvende Monte-Carlo simuleringer overkommer disse begrensningene.

Den foreliggende oppfinnelsen sikter til å adressere variablene direkte, som gjør det mulig for fagpersoner innen fagfeltet å stadfeste hva som er og hva som ikke er sikkert. Oppfinnelsen omfatter et system og fremgangsmåte som utøver Monte-Carlo simuleringer for å analysere hydrokarbonsoner for å erstatte anvendelsen av empiriske forhold for å oppnå forbedret produktivitet.

Kort beskrivelse av oppfinnelsen

Overnevnte formål oppnås med et system og en fremgangsmåte som angitt i de selvstendige kravene. Alternative utførelser er angitt i de respektive uselvstendige kravene.

Et system og en fremgangsmåte identifiserer hydrokarbonproduktive soner ved å anvende Monte-Carlo nummerisk analyse for å gjøre rede for uvissheter i loggmålinger og petrofysiske parametre. Ved å innarbeide tilfeldige feil i loggeverktøy-responser og kjernemålinger, så vel om reservoarheterogenitet i en Monte Carlo simulering, gir systemet og fremgangsmåten ut egnete petrofysiske modeller for å beregne statistiske fordelinger for metning og permeabilitet for å definere produktive, ikke-produktive og ubestemte soner for å bestemme om det er et behov for ytterligere logging, kjerneprøver eller brønntestdata for og reklassifisere de ubestemte sonene som enten produktive eller ikke-produktive. Idet uvissheter er kvantifisert i analysen er sikkerhetsgraden i å bestemme produktive og ikke-produktive soner kjent og kan anvendes for å bestemme om soner skal testes, stimuleres eller forlates.

Hovedforbedringene ved den foreliggende oppfinnelsen er at uvisshetene i alle målingene er gjort rede for ved å anvende nummerisk analyse, dvs. Monte-Carlo simulering. Resultatene blir anvendt sammen med empiriske testdata for å raffinere områdene for visshet og uvisshet. Resultatene blir deretter anvendbare for å foreta tydelige avgjørelser om å fortsette.

En formodell har blitt utviklet for å kvantifisere feilene som er rotfestet i to petrofysiske nøkkelparametre: vannmetning og permeabilitet. Grensetilstander blir bestemt for å oppnå tillit til beregningen av disse to parametrene. Grensetilstandene innført på vannmetningen vil avgjøre ved hvert intervall om sonen omfatter hydrokarboner, vann eller en ubestemt eller uviss sammensetning. Grensetilstanden innført på permeabilitetsmålingen vil avgjøre om formasjonen er produktiv, ikke-produktiv eller uviss. Denne kvantifiseringsteknikken kan deretter bli anvendt for å bestemme sikkerhetsgraden i produktive og ikke-produktive soner og avgjørelser kan deretter bli tatt om sonene skal testes, stimuleres eller forlates. I tillegg kan denne metodologien anvendes for å optimere ledningstrådloggdata, om det er behov for mer data, og å foreslå ytterligere kjerneprøver eller kjerneboring, om laboratorie-målte data har betydelig variasjon og/eller uvisshet.

Denne oppfinnelsen adresserer alle variasjonene og en rotfestet uvisshet som er innbefattet i denne prosessen og tilveiebringer et analytisk system for å foreta avgjørelsen om å bevege forover på en teknisk forsvarlig måte.

Kort beskrivelse av figurene

Foretrukne utførelser av oppfinnelsen blir beskrevet nedenfor med henvisning til figurene, hvor: Figur 1 viser et blokkdiagram over systemet ifølge den foreliggende oppfinnelsen. Figur 2 viser en petrofysisk analyse som anvender flere ulike typer brønnloggdata for å beregne disse ulike parametrene. Figur 3 viser feilfordelingen som er tilknyttet brønnloggmålinger som en funksjon av formasjonsromtetthet. Figur 4 viser et eksempel over en prognose med feil i bergporøsitet basert på ett standardavvik. Figur 5 viser et enkelt vannmetningspunkt om feilområdene basert på et enkelt standardavvik. Figur 6 viser en grafisk fremstilling som vedrører vannmetning ved ulike motstands-dyktighetsverdier ved en enkel porøsitet på 24%.

Figur 8 viser en grafisk fremstilling med feil tilknyttet beregnet permeabilitet.

Figur 9 viser en graf med simuleringskjøringer over permeabilitet som en funksjon av motstandsdyktighet ved en porøsitetsverdi på 24%. Figur 10 viser en graf med simuleringskjøringer over permeabilitet som en funksjon av motstandsdyktighet ved en porøsitetsverdi på 6%. Figur 11 viser en vannmetningsgrenselinje innført på en grafisk fremstilling over vannmetning. Figur 12 viseren permeabilitetsgrenselinje innført på en grafisk fremstilling over permeabilitet. Figur 13 viser en skjematisk visning over klassifiseringene av produktive soner for vannmetning i den kjente teknikken. Figur 14 viser en skjematisk visning over klassifiseringene av produktive soner for permeabilitet i den kjente teknikken. Figur 15 viser en skjematisk fremstilling over klassifiseringene av produktive soner for vannmetning som blir anvendt i den foreliggende oppfinnelsen. Figur 16 viser en skjematisk fremstilling over klassifiseringene av produktive soner for permeabilitet som blir anvendt i den foreliggende oppfinnelsen.

Figur 17 viser et eksempel over skyggelagte produktive soner.

Figur 18 viser analysen over vannmetning og permeabilitet av en første brønn. Figur 19 viser analysen over vannmetning og permeabilitet av en andre brønn.

Figur 20 viser analysen over vannmetning og permeabilitet av en tredje brønn.

Figur 21 viser analysen over vannmetning og permeabilitet av en fjerde brønn.

Figur 22 viser analysen over vannmetning og permeabilitet av en femte brønn.

Figur 23 viser analysen over vannmetning og permeabilitet av en sjette brønn.

Detaljert beskrivelse av oppfinnelsen

I den foreliggende oppfinnelsen, som beskrevet i forbindelse med figur 1 -23, anvender systemet 10 og fremgangsmåten Monte-Carlo simuleringer for å lese inn et område med realistiske usikre verdier inn i hver variabel som blir anvendt for å løse vannmetning Sw og permeabilitetsverdier (K). Disse to petrofysiske parametrene beskriver reservoarproduktivitet ved å definere henholdsvis kapasitets- og fluidstrømevner. Empiriske forhold som blir anvendt for å bestemme disse parametrene anvender verktøymålinger og laboratorieanalyse. Disse målingene omfatter tilfeldige og systematiske feil som i kombinasjon med reservoarheterogenitet gir økt usikkerhet i sluttsvarene. En nummerisk simulering beregner feilsøyler eller - områder med usikkerhet i Sw og K. Disse verdiene blir deretter kalibrert etter faktiske strømtestresultater for å bestemme en grense for Sw og K for å identifisere hydro-karbonsammenheng og produktive intervall. En prediksjon blir deretter foretatt ved hver dataramme om hvilken fluidtype formasjonen vil produsere og om disse fluidene vil flyte. Dersom resultatene ikke er sikre blir det flagget for å avgjøre om ytterligere informasjon, dvs. mer loggedata, brønntester, etc. skal innhentes.

Det unike trekket med denne oppfinnelsen er at numeriske analyse blir anvendt for å gjøre rede for alle usikkerhetene som eksisterer i parametrene og målingene som blir anvendt for å evaluere hydrokarbonforekomst og produktivitet. Variasjoner i hver variabel blir modellert og derfor har løsninger blitt gjort rede for disse usikkerhetene, som gjør det mulig for en fagperson innen fagfeltet å bestemme om ytterligere informasjon er krevd eller om en avgjørelse kan foretas etter initial datainnsamling.

Kraften av programvare og moderne datamaskiner muliggjør for den foreliggende oppfinnelsen å gjøre rede for all variabiliteten i petrofysisk analyse. Tidligere kunne noen få variabler være endret for å bestemme følsomheten av et svar til en bestemt variabel, men det var ikke praktisk å adressere all usikkerheten. Derfor har viten-skapen for petrofysisk analyse i den kjente teknikken blitt sett på som en form for kunst.

Denne oppfinnelsen blir best anvendt på felt-etter-felt basis. Brukeren må utforske gjeldende grenser som blir anvendt for Sw og K før den fortsetter. De mest egnete empiriske forholdene for Sw og K blir evaluert. Feilområdet i hver av parametrene blir definert fra labanalyser og fra spesifikasjonene tilveiebrakt av loggeleverandøren for loggeutstyret som blir anvendt. Dersom brønntesting har blitt utført kan resultatene bli anvendt for å forbedre oppfinnelsens evne ytterligere til å forutsi ny brønnytelse.

Pålitelig økonomisk evaluering av et reservoar krever tilfredsstillende kunnskap om fundamentale reservoaregenskaper. Selv om berg gjenvunnet ved kjerneprøve-metoder blir grunnsteinen for formasjonsevaluering, så er brønnloggdata mer universalt anvendt for å bestemme fundamentale reservoaregenskaper. Brønnlogg-data er resultatet av målingene av fysiske egenskaper for bergmatrisematerial og fluidene som okkuperer porene. Brønnlogg og kjernedata blir ganske vanlig ofte sammenlignet og anvendt sammen med empiriske forhold for å definere reservoaregenskaper, nemlig porøsitet, hydrokarbonmetning og permeabilitet. Disse parametrene definerer fluidkapasitets- og strømevner.

Som vist i figur 1 omfatter systemet 10 ifølge den foreliggende oppfinnelsen en prosessor 12, slik som en datamaskin, som mottar brønnloggmålinger 14 for et reservoar under test via en inngangsanordning 16, som kan omfatte et tastatur for datainntasting. Slike brønnloggmålinger blir prosessert av en prosessor 12 ved å anvende en dataforprosessor 18 som anvender for eksempel en mikroprosessor for å beregne porøsitetsverdier, vannmetningsverdier og permeabilitetsverdier for reservoaret. En forhåndsbestemt Monte-Carlo simuleringsprogramvare 20 blir anvendt av prosessoren 12 for å generere grensedata 22 fra de beregnete porøsitetsverdiene, vannmetningsverdiene og permeabilitetsverdiene for reservoaret, hvor grensedataene 22 tilsvarer produktive, ikke-produktive og ubestemte produktive soner for hydrokarbonboring tilknyttet reservoaret, som tilhører brønnloggmålingene 14.

Slike produktive, ikke-produktive og ubestemte produktive soner blir fremvist grafisk som regioner 24 på en fremvisningsanordning 26, som kan være et fargedisplay hvor slike regioner 24 blir tydelig indikert ved fargekode for hver sonetype.

Figur 2 illustrerer en petrofysisk analyse som anvender flere ulike typer brønnlogg-data for å beregne hydrokarbonmetningen og permeabilitetsparametre. Disse verdiene blir deretter anvendt for å bestemme den økonomiske verdien for reservoaret ved en innføring av kutt.

Som vist i figur 2 blir naturlig gammastråledata, porøsitetsdata fra et formasjons-tetthetmåleverktøy, et nøytronporøsitetsverktøy og/eller et sonisk verktøy og resistivitetsdata anvendt for å beregne hydrokarbon og/eller vannmetning og permeabilitet. Grenser som er innført på porøsitet, permeabilitet og hydrokarbon og/eller vannmetning blir deretter anvendt for å bestemme oppstillingen av brønnen, dvs. å teste, stimulere eller kreve ytterligere data. Grensene blir bestemt av lokal kunnskap, kjente testresultater og laboratorieanalyse.

Et fundamentalt problem med den beskrevne fremgangsmåten er den deterministiske angrepsmåten for de beregnete resultatene. Følsomheten på feilene som er tilknyttet brønnloggdataene og parametrene som blir anvendt i de empiriske likningene (laboratoriedata) er ikke innbefattet i sluttanalysen. Disse feilene er avhengig av flere parametre og derfor har ikke deres relative effekter blitt fullt anvendt i den kjente teknikken. I tillegg så kompliserer reservoarer med heterogene bergarter analysen ytterligere, hvor man ikke kan gjøre rede for endringene i bergartene.

Systemet og fremgangsmåte ifølge den foreliggende oppfinnelsen har blitt utviklet der hvor nummeriske analyser i Monte-Carlo simuleringer har blitt anvendt for å bestemme effekten av disse feilene og de tilknyttete usikkerhetene for slutt-beregningene.

Det etterfølgende er trinn som blir foretatt for å kvantifisere usikkerhet i de tre listede reservoarbergartparametrene: porøsitet, vannmetning og permeabilitet.

Bestemmelse av porøsitetsusikkerhet

Forholdet mellom et volum med tomrom innenfor et berg og bulkvolumet for det berget er vanligvis uttrykt som porøsitet. Denne verdien blir beregnet av et enkelt måleverktøy eller en kombinasjon av ledningstrådloggeverktøy som er følsom for denne parameteren. Det etterfølgende er en liste over ledningstrådloggeverktøy som foretar denne målingen.

a. formasjonstetthet

b. nøytronsonisk

c. sonisk/nøytron

d. tetthet/nøytron, og

e. kjernemagnetisk resonans.

Selv om alle disse målingene har deres anvendelser, vil tetthetsmålingen bli illustrert her som et eksempel for å kvantifisere feil i porøsitetsmålingen. Tetthetsverktøyet måler bulktettheten for formasjonen. Det følgende forholdet blir anvendt for å beregne porøsitet fra tetthetsmålinger:

hvor <t> erformasjonsporøsiteten, pmaer bulkmatrisetettheten for berget, pb er bulktettheten målt av tetthetsverktøyet, ogPf|Uider fluidtettheten innenfor porerommet. Det er feil som er tilknyttet hver av disse variablene. For å kunne bestemme feilene i den beregnete porøsiteten anvender en Monte-Carlo simulator de tilknyttede feilene med hver av disse variablene for å beregne feilene i sluttsvaret. En nøkkel-komponent i den nummeriske analysen er mengden og fordelingen av feilene som er tilknyttet hver av disse inputene. Disse verdiene blir bestemt under utviklingsfasen for loggeinstrumentene og derfor publisert av tjenesteleverandøren. I dette eksempelet er feilene som er tilknyttet disse målingene normalfordelt og er en funksjon av formasjonsbulktettheten.

Figur 3 illustrerer feilfordelingen som er tilknyttet disse målingene som en funksjon av formasjonsbulktettheten. Presisjonen for disse målingene er en funksjon av formasjonsbulktettheten. Det er et omvendt forhold mellom presisjonen og bulktettheten.

Likning 1 blir anvendt i en nummerisk analyse for å forutsi feilene i porøsitet. Figur 4 viser et eksempel over en prognose med feil i en 39% porøsitetsberg basert på ett standardavvik, dvs. 68%. I dette eksempelet er feilen tilknyttet dette eksempelet ±1 ganger en porøsitetsenhet (pu). Feil tilknyttet tetthetsporøsitetsmålinger, basert på tetthetsporøsitetsverdier og basert på ett standardavvik, kan feilen i svaret være ±1 pu.

Siden dette eksempelet illustrerer et enkelt porøsitetspunkt bør flere simuleringer utføres for å bestemme feil i et porøsitetsområde. Disse porøsitetsverdiene og deres relaterte usikkerheter blir deretter anvendt i numerisk analyse for vannmetning og permeabilitet.

Bestemmelse av vannmetningsusikkerhet

Én av de viktigste parametrene i en petrofysisk evaluering er vannmetning, Sw. Denne parameteren bestemmer vannprosenten i et reservoar og omvendt volumet med hydrokarboner. I løpet av de siste 60 år har mange ulike typer likninger blitt utviklet som vedrører ledningstrådmålinger til vannmetning. Ett av de mest fremstående forhold er Archies formel:

hvor Sw er vannmetningen, Rwer resistiviteten på det fossile fomasjonsgrunnvannet, som er vannet felt i porer i reservoarbergarten under formasjon av berget, <J> er den beregnete porøsiteten fra brønnloggdata, Rt er den målte formasjonsresistiviteten fra brønnloggdata, n er metningseksponenten, og m er henvist til som sementerings-eksponenten. Alle disse variablene har ulike tilknyttede usikkerheter som er basert på målingenes fysikk. Usikkerheter i målingene har normalfordelinger som kan være beregnet som vist i den tidligere seksjonen. Rt-målingene er tilveiebrakt av ulike typer resistivitetsanordninger og usikkerheter i disse målingene er tilveiebrakt av tjenesteleverandørene, dvs. måleverktøyleverandører. Metnings- og sementerings-eksponenter blir målt på bergprøver som blir innsamlet under kjerneprøvetrinnet i boring. Usikkerhetene i disse verdiene oppstår fra de statistiske feilene som er tilknyttet laboratorieanalyse og samplingsteknikker. I heterogene reservoarer kan bergprøver innføre store feil i bestemmelse av disse parametrene. Å integrere disse parametrene i verktøyresponsene i likning 2 kan i tillegg bli tungvint, siden verktøy-responser kan være forskjellig. Rw, formasjonsvannresistiviteten, er en måling som

blir utført på vannprøver. Feilen som er tilknyttet denne variabelen er basert på laboratorieanalyse.

Som et eksempel ble de følgende usikkerhetene anvendt i en Monte-Carlo simulering for å kvantifisere usikkerheten ved et enkelt punkt. Disse tallene er typiske verdier som blir anvendt i reservoarer i Midtøsten: <J> = 0,25 - usikkerhet (±1 pu), bestemt som vist i foregående avsnitt (normalfordeling),

Rw= 0,012 ohm-meter (ingen statistisk fordeling),

Rt = 2 ohm-meter, med en usikkerhet på ±7%, basert på publiserte verdier (loggnormalfordeling),

m = 2 (mellom 1,7-2,17) (Boksfordeling basert på området av laboratoriestudier), og

n = 1,6 (mellom 1,4 - 1,89) (Boksfordeling basert på området av laboratoriestudier). Figur 5 viser et enkelt vannmetningspunkt og feilområdene basert på et enkelt standardavvik. I dette eksempelet kan vannmetningen ligge mellom 27% og 35%, Idet dette eksempelet kun representerer et enkelt punkt ble flere tusen numeriske simuleringer utført for å bestemme vannmetningsusikkerheter med et område av input- og parameterverdier. Figur 6 viser en grafisk fremstilling som vedrører vannmetning ved ulike resistivitetsverdier ved en enkel porøsitet på 24%. Som vist i figur 6 viser toppen og bunnen ett standardavvik i metning som en funksjon av resistivitet basert på en enkel verdi for formasjonsfossilt grunnvannresistivitet som en funksjon av målte formasjonsresistivitetsverdier, hvor den indikerte beregnete linjen er den best beregnete målingen for vannmetning. Figur 7 viser dette eksempelet i en 12% porøsitetsformasjon. Merk økningen i vannmetningsfeil i denne lavere porøsitetsformasjonen med hensyn til det foregående høyere porøsitetseksempelet. Linjene i figur 7 representerer feilene i vannmetningsfeilene basert på en enkel porøsitet som en funksjon av målte formasjonsresistivitetsverdier. Den indikerte beregnete linjen er den beste beregnete målingen for vannmetning. Merk økningen i feil med hensyn til grafen i figur 6.

Bestemmelse av permeabilitetsusikkerhet

Permeabilitet definerer muligheten for fluid å strømme innenfor et reservoar. Denne viktige parameteren, i tillegg til vannmetning, blir anvendt for å bestemme produktiviteten for et reservoar. For å kunne bestemme mengden usikkerhet i permeabilitet ble de samme fremgangsmåtene utført som vist i det foregående avsnittet.

Permeabilitetslikningen er lokalt utviklet etter forhold mellom porøsitet og vannmetning. Som et eksempel er den følgende likningen et forhold som ble utviklet for Devon sandsteiner i Midtøsten:

hvor K er permeabiliteten i milNDarcies (md), Q> er den beregnete porøsitet fra brønnloggdata og Sw er vannmetningen.

Resultater fra feilanalyse fra porøsitet og vannmetning blir utført for å definere feil i permeabilitet. Figur 8 viser en illustrasjon over lognormalfordelingen over den beregnete permeabiliteten og de tilknyttede feilene. Basert på skjevheten representerer et 70,28% standardavvik, ett standardavvik. I dette eksempelet, basert på en formasjonsresistivitet på 2 ohm-meter (±7%, publisert), porøsitet (0,25 ±1 pu), konstant fossil grunnvannresistivitet, sementeringseksponent på 2 (±10%) og metningseksponent på 2 (±10%), er et permeabilitetsområde på 2,67 - 5,57 md observert. En mengde numeriske analyser ble deretter anvendt for å representere en rekke parametre.

Figur 9-10 viser grafer som illustrerer simuleringskjøringer med permeabilitet som en funksjon av resistivitet ved to ulike porøsitetsverdier på henholdsvis 24% og 6%. Linjene representerer feilsøylene tilknyttet permeabiliteten. Merk økningen i feil i de lavere porøsitetsformasjonene.

Modellkalibrering

Modellkalibrering er en fremgangsmåte som sammenligner de beregnete dataene med faktisk strømanalyse. Resultatene fra strømtestene blir anvendt for å bestemme en "grense" som beskriver en formasjon som er produktiv eller ikke-produktiv. Disse begrensningene blir påført de to beregnete parametrene, vannmetning og permeabilitet. Figur 11 og 12 illustrerer dette temaet ved å plassere en grenselinje, slik som en horisontal svart linje, for å bestemme om områdene er produktive eller ikke-produktive basert på flyttestresultatene, hvor vannmetningsgrenselinjen påført den grafiske fremstillingen for vannmetning i figur 11, og permeabilitetsgrenselinjen påført den grafiske fremstillingen over permeabilitet i figur 12. I disse eksemplene ble 65 % og 0,4md anvendt for henholdsvis vannmetning og permeabilitet.

Figur 13 og 14 viser klassifiseringer over produktive soner ved å anvende analysen for henholdsvis vannmetning og permeabilitet i den kjente teknikken, som er enten positiv eller negativ og derfor mangler avgjørelse for usikkerhet i overføringskvalitet i ytterligere testing eller dataanskaffelse for saksreservoaret under test.

Ved å henvise til figur 11 og 12 klassifiserer skjæringen mellom grenselinjen med de øvre, beregnete og nedre verdier tre regioner i reservoaret under test, som anvendt i den foreliggende oppfinnelsen:

1. for vannmetning:

a. over øvre grense for bestemt hydrokarbonkapasitet,

b. under nedre grense for bestemt ikke-hydrokarbonkapasitet, og c. mellom den øvre og nedre ubestemte hydrokarbonkapasiteten.

2. for permeabilitet:

a. Over øvre grense for bestemt flyt,

b. Under nedre grense for bestemt ikke-flyt, og

c. Mellom øvre og nedre grense for ubestemt flyt.

Figur 15 og 16 illustrerer disse nydefinerte klassifiseringene over produktive soner for reservoaret under test som anvendt i den foreliggende oppfinnelsen i analysen og bestemmelsen av grenselinjer for henholdsvis vannmetning og permeabilitet.

Programvaredesign

I et typisk reservoar endrer bergegenskaper seg ved hvert dybdeintervall, derfor kan ikke et enkelpunkt adressere usikkerhetskvantifiseringsproblemer over hele intervallet. For å kunne adressere dette temaet blir flere Monte-Carlo problemer utført ved å anvende systemet 10 i figur 1 ved ulike porøsitetsverdier ved å anvende den forhåndsbestemte Monte-Carlo programvaren 20 som implementerer kjente Monte-Carlo teknikker, for eksempel som beskrevet i US patentnr. 4,926,394 og 5,586,082, hvor hver omtale er innarbeidet heri som referanse i sin helhet.

Basert på en typisk formasjon blir porøsiteter valgt til å ha verdier mellom 0% og 30%. Grenselinjen blir deretter anvendt for å bestemme de øvre og nedre grense-punktene ved hvert porøsitetspunkt. Den forhåndsbestemte programvaren 20 blir anvendt for å identifisere sonene over den øvre grensen, under den laveste grensen og mellom grenser. Denne analysen blir utført på både vannmetning og permeabilitet K. Et fargekodesystem kan anvendes for å identifisere hver av de grafisk fremviste regionene 24 på displayet 26, for eksempel som vist i figur 17-23.

For vannmetning kan regionene være indikert ved at hydrokarbonmetning enten overstiger eller er under en kritisk grense, eller at en region ikke er i stand til å være besluttet og å ha analytisk usikkerhet. For permeabilitet kan regioner være identifisert som å ha en bergpermeabilitet enten tilstrekkelig eller utilstrekkelig for fluidflyt, eller en region som ikke er i stand til å være besluttet og ha analytisk usikkerhet.

Figur 18 viser analysen i henholdsvis vannmetning og permeabilitet i de siste kolonnene av fremvisningsenheten i et eksempel for en første testbrønn. Som vist i den andre kolonnen fra høyre i figur 18, for vannmetning (Sw-kolonnen), kan ulike fargenyanser representere ulike materialer og egenskaper. Foreksempel kan rødfarge representere hydrokarbonet, oransje kan representere en ubestemt region og cyan kan representere vann. I det siste sporet til høyre i figur 18, for perme-abilitetskolonnen (K) kan grønn representere en bestemt flyt, oransje kan representere den ubestemte flytregionen og brun kan representere regionen uten flyt.

Felttestresultater

Denne analysen har blitt testet i et antall brønner i ulike felter. Alle analysene i brønnene blir sammenlignet med faktiske flyttestresultater. I alle tilfellene beregnet analysen de faktiske testresultatene og ble bevist å være svært kraftfull i å optimere logging og testoperasjoner. Det etterfølgende er seks eksempler som har blitt vist i disse ulike feltene, hvor figur 18-23 viser analysen for henholdsvis vannmetning og permeabilitet for seks brønner.

Brønn 1 ble boret til 4790 meter, logget, testet og deretter fortsatte boring til dypere mål og igjen logget. Avgjørelseslogger for Sw og K vist i figur 18 indikerer et produktivt hydrokarbonproduktivitetsintervall fra 4760 til 4798 meter. Som vist i figur 18 bekrefter brønntestresultatene, NMR-verktøyet og ledningstrådformasjons-testverktøyet alle det som avgjørelsesloggutgangen indikerer: et produktivt intervall og ingen gass-vann kontakt.

Brønn 2 ble boret til 4267 meter og en åpent-hull brønntest ble utført. Ingen logger ble kjørt før testen og logging som ble fullført etter boring av brønnen til et totalt dyp (TD) viser at testen faktisk sammenblandet 1,5 meter av det nedre reservoaret med det øvre reservoaret. Som vist i figur 19 identifiserer avgjørelsesloggen for Sw begge reservoarene som hydrokarbonbærende. Imidlertid indikerer avgjørelsesloggen for K i det nedre reservoaret et usikkert resultat med hensyn til flytkapasitet. Kun det øvre reservoaret har bestemt flytkapasitet. Selv om brønnen produserte 1,16 millioner standard kubikkmeter med hydrokarboner, løste ikke testen usikkerheten i det nedre reservoaret.

Brønn 3 ble boret, logget og fullført for sementeringshulltesting. Som vist i figur 20 indikerer avgjørelsesloggen K over store deler av testintervallet et tett reservoar, og den viser tilnærmet 1,2 meter av sonen med flytkapasitet. Så godt som hele avgjørelsesloggen for Sw bekrefter at dette er et hydrokarbonbærende intervall. Det lave forholdet fra sementeringshulltesten bekrefter både den lille produktive sonen så vel som den innsnevrete reservoarresponsen sett på avgjørelsesloggen for K over store deler av det perforerte intervallet.

I det fjerde intervallet illustrert i figur 21 vil økningen i vannmetning med dybde fremkalte et sementeringshulltestprogram som vil åpne for lokasjon av ubundet vann. Den øvre testen strømmet gass og kondensat og intet vann som forventet fra avgjørelsesloggene for Sw og K. Den nedre sonen ble lagt til og sonene ble sammenblandet. I dette testintervallet identifiserer avgjørelsesloggen for Sw vann ved 4846 m. Testresultatet fra sammenblandete testen omfatter 33 fat per dag (bbl/d) med formasjonsvann.

Brønn 5 var en utviklingsbrønn. Brønnen ble logget med en basisrekke med loggmålinger og et foringsrør ble kjørt til TD: Som vist i figur 22 så identifiserer avgjørelsesloggen for Sw målsanden som tett over hele reservoaret. Avgjørelses-loggen for Sw viser sonen som vannbærende nær toppen og ubestemt over store deler av intervallet. Brønnen ble testet og bekreftet å være en tett vannbærende sand. Brønnen ville ikke produsere til overflaten og 92 fat med formasjonsvann ble gjenvunnet gjennom nitrogenløfting.

Brønn 6 ble boret som en utviklingsbrønn. Som vist i figur 23 viste resistivitetsloggen et uvanlig fall i hovedreservoarpakningen. Mange teorier om hva som forårsaket fallet i resistivitet fra 4607 m til 4621 m ble utarbeidet. Det viste seg å være en lang overgangssone og de nedre 3 m av denne sonen ble testet under sluttfasen av brønnen. Avgjørelsesloggen for Sw og K indikerte at vann ville bli produsert. Vannhastigheten på 230 fat per dag var stabil.

Geokjemisk analyse av vannet bekreftet at det var formasjonsvann. Som vist i figur 23 produserte sonen også gass og over perforeringene vise avgjørelsesloggen for Sw et 0,6-0,9 m intervall med ubestemt Sw, og avgjørelsesloggen for K viste at den har flytkapasitet. Basert på disse resultatene ble brønnen fullført til 4602 m for å holde klar av denne vannproduktive sonen.

Som vist i avgjørelsesloggene under overskriftene Sw og K i figurene 18-23 har den foreliggende oppfinnelsen blitt demonstrert å bestemme sikkerhetsgraden i produktive og ikke-produktive soner, som tillater at avgjørelser blir tatt om å teste, stimulere eller forlate soner. I tillegg kan denne metodologien anvendes for å optimere ledningstrådloggdata, dersom det er behov for mer data, og å foreslå fremtidig kjerneprøver, dersom data målt i laboratorium har betydelig variasjon og/eller usikkerhet.

Mens de foretrukne utførelsene av den foreliggende oppfinnelsen har blitt vist og

beskrevet heri, skal det være innlysende at hver slik utførelse kun er tilveiebrakt ved hjelp av eksempler. Numeriske variasjoner, endringer og erstatninger vil forekomme for fagpersoner innenfor fagfeltet uten å avvike fra oppfinnelsen heri. Følgelig er det ment at oppfinnelsen kun skal være begrenset av omfanget av de vedlagte krav.

Claims (15)

1. System for å identifisere hydrokarbonproduktive soner i reservoarbergart,karakterisert vedå omfatte: en prosessor (12) for å prosessere brønnloggmålinger fra et borehull i et reservoar, ved å anvende en forhåndsbestemt programvare (20) for å implementere Monte-Carlo numerisk analyse av brønnloggmålingene, hvori den Monte-Carlo numeriske analysen tar hensyn til usikkerheter i brønnloggmålingene og i petrofysiske parametere ved å innarbeide tilfeldige feil i loggverktøyresponser og kjernemålinger, så vel som reservoarheterogenitet, for å generere og gi ut data tilsvarende petrofysiske modeller som indikerer statistiske fordelinger for vannmetning og permeabilitet som definerer produktive soner, ikke-produktive soner og soner av ubestemt produktivitet, og en fremvisningsanordning (26) for fremvisning til en bruker visuell indikasjon av utdata som representerer de produktive soner, ikke-produktive soner og soner av ubestemt produktivitet.

2. System i samsvar med krav 1,karakterisert vedat fremvisningsanordningen inkluderer: et display for å fremvise til en bruker nevnte utdata i en grafisk representasjon som definerer de produktive, ikke-produktive og ubestemte hydrokarbon-produktivitetssonene.

3. System i samsvar med krav 1,karakterisert vedat prosessoren bestemmer vannmetning for reservoaret fra brønnloggmålingene ifølge likningen (2):

hvor Sw er vannmetningen, Rwer resistivitet for fossilt grunnvann, cf» er den beregnete porøsiteten fra brønnloggmålingene, Rt er en målt formasjonsresistivitet fra brønnloggdata, n er metningseksponenten og m er en sementeringseksponent.

4. System i samsvar med krav 1,karakterisert vedat prosessoren bestemmer permeabiliteten for reservoaret fra brønnloggmålingene ifølge likningen (3):

hvor K er permeabiliteten i milNDarcies (md), cf» er den beregnete porøsiteten fra brønnloggdata og Sw er vannmetningen.

5. System i samsvar med krav 3 eller 4,karakterisert vedat prosessoren bestemmer porøsiteten for reservoaret fra brønnloggmålingene ifølge likningen (1):

hvor cp erformasjonsporøsiteten, pmaer bulkmatrisetettheten for bergarten, Pb er bulktettheten målt av tetthetsverktøyet, og pnuid er fluidtettheten innenfor porerommet.

6. System i samsvar med krav 2,karakterisert veden inndataanordning (16) for å motta brønnloggmålinger, der brønnloggmålingene videre omfatter porøsitetsdata.

7. System i samsvar med krav 2 eller 6,karakterisert vedat displayet er et fargedisplay for å fremvise til brukeren den grafiske representasjonen av de produktive, ikke-produktive og ubestemte hydrokarbon-produktivitetssonene ved bruk av ulik fargekoding.

8. System i samsvar med krav 6,karakterisert vedat prosessoren omfatter: midler for å bestemme vannmetning for reservoaret fra brønnloggmålingene ifølge likningen (2):

hvor Sw er vannmetningen, Rwer resistivitet for fossilt grunnvann, <J) er den beregnete porøsiteten fra brønnloggmålingene, Rt er en målt formasjonsresistivitet fra brønnloggdata, n er metningseksponenten og m er en sementeringseksponent.

9. System i samsvar med krav 3 eller 8,karakterisert vedatøer omtrent 0,25, Rwer omtrent 0,012 ohm-meter, Rt er omtrent 2 ohm-meter, m er omtrent 2 og n er omtrent 1,6.

10. System i samsvar med krav 6,karakterisert vedat prosessoren omfatter: midler for å bestemme permeabiliteten for reservoaret fra brønnloggmålingene ifølge likningen (3):

hvor K er permeabiliteten i milNDarcies (md), <J) er den beregnete porøsiteten fra brønnloggdata og Sw er vannmetningen.

11. System i samsvar med krav 8 eller 10,karakterisert vedat prosessoren omfatter: midler for å bestemme porøsiteten for reservoaret fra brønnloggmålingene ifølge likningen (1):

hvor ct> erformasjonsporøsiteten, pmaer bulkmatrisetettheten for berget, pb er bulktettheten målt av tetthetsverktøyet, og pnuid er fluidtettheten innenfor porerommet.

12. System i samsvar med krav 4 eller 10,karakterisert vedat porøsiteten <J) er omtrent 0,25.

13. Fremgangsmåte for å identifisere hydrokarbonproduktive soner,karakterisert vedå omfatte: Motta, gjennom en inngangsanordning (16), brønnloggmålinger, omfattende vannmetningsdata, porøsitetsdata og permeabilitetsdata tilknyttet et reservoar, overføre brønnloggmålingene til en prosessor (12) som er operativt tilkoblet inngangsanordningen (16), kjøre en forhåndsbestemt programvare (20) for å implementere Monte-Carlo numerisk analyse av brønnloggmålingene, hvori den Monte-Carlo numeriske analysen tar hensyn til usikkerheter i brønnloggmålingene og i petrofysiske parametere ved å innarbeide tilfeldige feil i loggverktøyresponser og kjernemålinger, så vel som reservoarheterogenitet, benytte den Monte-Carlo numeriske analysen for å generere petrofysisk modelldata som indikerer statistiske fordelinger for vannmetning og permeabilitet som definerer produktive, ikke-produktive og ubestemte hydrokarbonproduktive soner, og fremvise, via fremvisningsmidler (26), produktive, ikke-produktive og ubestemte produktive soner.

14. Fremgangsmåte i samsvar med krav 13,karakterisert vedat fremvisningen av de produktive, ikke-produktive og ubestemte hydrokarbonproduktive sonene omfatter: fremvise til en bruker, via fargefremvisningsmidler, en grafisk representasjon av de produktive, ikke-produktive og ubestemte hydrokarbonproduktive sonene ved å anvende ulike fargekoding.

15. Fremgangsmåte i samsvar med krav 13,karakterisert vedat kjøringen av den forhåndsbestemte programvaren for å implementere den Monte-Carlo numeriske analysen av brønnloggmålingene, omfatter: å anvende brønnloggmålingene på forhåndsbestemte likninger for å bestemme porøsiteten, vannmetningen og permeabiliteten for reservoaret.