RU2014147670A - Способ и система для оценки прогнозной добычи углеводородов - Google Patents

Способ и система для оценки прогнозной добычи углеводородов Download PDF

Info

Publication number
RU2014147670A
RU2014147670A RU2014147670A RU2014147670A RU2014147670A RU 2014147670 A RU2014147670 A RU 2014147670A RU 2014147670 A RU2014147670 A RU 2014147670A RU 2014147670 A RU2014147670 A RU 2014147670A RU 2014147670 A RU2014147670 A RU 2014147670A
Authority
RU
Russia
Prior art keywords
well
processor
production
data
display
Prior art date
Application number
RU2014147670A
Other languages
English (en)
Other versions
RU2596692C2 (ru
Inventor
Густаво А. КАРВАХАЛЬ
Алвин С. КАЛЛИК
Хатем НАСР
Дуглас В. ДЖОНСОН
Original Assignee
Лэндмарк Графикс Корпорейшн
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Лэндмарк Графикс Корпорейшн filed Critical Лэндмарк Графикс Корпорейшн
Publication of RU2014147670A publication Critical patent/RU2014147670A/ru
Application granted granted Critical
Publication of RU2596692C2 publication Critical patent/RU2596692C2/ru

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • EFIXED CONSTRUCTIONS
    • E21EARTH DRILLING; MINING
    • E21BEARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B43/00Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
    • G01V20/00
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/10Interfaces, programming languages or software development kits, e.g. for simulating neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Mining & Mineral Resources (AREA)
  • Geology (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Fluid Mechanics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geochemistry & Mineralogy (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
  • Geophysics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

1. Способ, включающий следующие шаги:считывают данные, касающиеся добычи углеводородов на разрабатываемом месторождении углеводородов;получают по меньшей мере одно значение, указывающее на прогнозную добычу углеводородов, на основе модели данных и данных, касающихся добычи углеводородов;отображают на устройстве отображения компьютерной системы показатель данных, относящихся к прошлому, касающихся добычи углеводородов;отображают на устройстве отображения показатель по меньшей мере одного значения, указывающего на прогнозную добычу углеводородов.2. Способ по п. 1, отличающийся тем, что дополнительно отображают показатель корреляции между по меньшей мере одной углеводородной скважиной и нагнетательной скважиной.3. Способ по п. 1, отличающийся тем, что при получении по меньшей мере одного значения получение осуществляют с использованием, по меньшей мере частично, искусственной нейронной сети.4. Способ по п. 1, отличающийся тем, что при получении получают по меньшей мере одно значение, указывающее на прогнозную добычу углеводородов, на основе значения, указанного интерфейсным механизмом, отображаемым на устройстве отображения.5. Способ по п. 4, отличающийся тем, что при получении дополнительно изменяют по меньшей мере одно значение, указывающее на прогнозную добычу углеводородов, в ответ на действия пользователя по изменению значения, указанного интерфейсным устройством.6. Способ по п. 1, отличающийся тем, что при получении дополнительно получают множество значений, каждое из которых связано с отдельным доверительным интервалом.7. Способ по п. 1, отличающийся тем, что при получении дополнительно получают временную последовательность з

Claims (22)

1. Способ, включающий следующие шаги:
считывают данные, касающиеся добычи углеводородов на разрабатываемом месторождении углеводородов;
получают по меньшей мере одно значение, указывающее на прогнозную добычу углеводородов, на основе модели данных и данных, касающихся добычи углеводородов;
отображают на устройстве отображения компьютерной системы показатель данных, относящихся к прошлому, касающихся добычи углеводородов;
отображают на устройстве отображения показатель по меньшей мере одного значения, указывающего на прогнозную добычу углеводородов.
2. Способ по п. 1, отличающийся тем, что дополнительно отображают показатель корреляции между по меньшей мере одной углеводородной скважиной и нагнетательной скважиной.
3. Способ по п. 1, отличающийся тем, что при получении по меньшей мере одного значения получение осуществляют с использованием, по меньшей мере частично, искусственной нейронной сети.
4. Способ по п. 1, отличающийся тем, что при получении получают по меньшей мере одно значение, указывающее на прогнозную добычу углеводородов, на основе значения, указанного интерфейсным механизмом, отображаемым на устройстве отображения.
5. Способ по п. 4, отличающийся тем, что при получении дополнительно изменяют по меньшей мере одно значение, указывающее на прогнозную добычу углеводородов, в ответ на действия пользователя по изменению значения, указанного интерфейсным устройством.
6. Способ по п. 1, отличающийся тем, что при получении дополнительно получают множество значений, каждое из которых связано с отдельным доверительным интервалом.
7. Способ по п. 1, отличающийся тем, что при получении дополнительно получают временную последовательность значений, указывающих на прогнозную добычу углеводородов, причем такая временная последовательность охватывает заранее заданный период времени.
8. Способ по п. 7, отличающийся тем, что заранее заданный период времени представляет собой по меньшей мере один период, выбранный из группы, состоящей из: 30 дней; 60 дней; 90 дней; и менее, чем 180 дней.
9. Система, содержащая
множество углеводородных эксплуатационных скважин;
множество измерительных устройств, каждое из которых связано с одной из множества углеводородных эксплуатационных скважин, причем каждое измерительное устройство измеряет по меньшей мере один параметр, связанный с потоком углеводородов;
компьютерную систему, содержащую процессор, память, подключенную к процессору, и устройство отображения, причем в памяти сохранена программа, которая при ее исполнении процессором обеспечивает выполнение процессором следующих действий:
считывание скважинных данных, касающихся по меньшей мере одного параметра, связанного с потоком углеводородов для конкретной скважины из множества углеводородных эксплуатационных скважин;
отображение на устройстве отображения интерфейсного механизма, который в ответ на взаимодействие с пользователем изменяет по меньшей мере один элемент скважинных данных, создавая скорректированный элемент данных;
предсказание параметров прогнозной добычи конкретной скважины, причем предсказание создает последовательность значений и основано на модели данных, скважинных данных и скорректированном элементе данных; и
отображение на устройстве отображения визуального представления последовательности значений.
10. Система по п. 9, отличающаяся тем, что при выполнении процессором предсказания программа обеспечивает создание процессором последовательности значений, представляющих собой временную последовательность.
11. Система по п. 9, отличающаяся тем, что при выполнении процессором предсказания программа обеспечивает создание процессором последовательности значений, каждое из которых имеет отличный доверительный интервал.
12. Система по п. 9, отличающаяся тем, что при выполнении процессором отображения программа дополнительно обеспечивает отображение процессором показателя данных, относящихся к прошлому, касающихся по меньшей мере одного параметра, связанного с потоком углеводородов для конкретной скважины.
13. Система по п. 9, отличающаяся тем, что программа дополнительно обеспечивает предсказание процессором параметров прогнозной добычи конкретной скважины в ответ на изменение скорректированного элемента данных.
14. Система по п. 13, отличающаяся тем, что скорректированный элемент данных представляет собой по меньшей мере один элемент, выбранный из группы, состоящей из: расхода при нагнетании флюидов для вторичной добычи на нагнетательной скважине; дросселирования для конкретной скважины; забойного давления для конкретной скважины; давления на устье скважины для конкретной скважины; давления газлифта для конкретной скважины; и скорости работы погружного насоса для конкретной скважины.
15. Система по п. 9, отличающаяся тем, что при выполнении процессором предсказания программа обеспечивает выполнение процессором предсказания с использованием, по меньшей мере частично, искусственной нейронной сети.
16. Система по п. 9, отличающаяся тем, что программа дополнительно обеспечивает отображение процессором показателя корреляции между скважинными данными конкретной скважины и нагнетательной скважины.
17. Долговременный машиночитаемый носитель информации с хранящейся на нем программой, которая при ее исполнении процессором обеспечивает выполнение процессором следующих действий:
считывание скважинных данных, касающихся параметров добычи для углеводородной эксплуатационной скважины;
отображение на устройстве отображения, подключенном к процессору, интерфейсного механизма, который в ответ на взаимодействие с пользователем изменяет по меньшей мере один элемент скважинных данных, создавая тем самым скорректированный элемент данных;
предсказание параметров добычи для углеводородной эксплуатационной скважины за заранее заданный будущий период времени, причем предсказание создает последовательность значений и основано на модели данных, скважинных данных и скорректированном элементе данных;
отображение на устройстве отображения данных, относящихся к прошлому, касающихся параметров добычи для углеводородной эксплуатационной скважины;
отображение на устройстве отображения визуального представления последовательности значений.
18. Система по п. 17, отличающаяся тем, что при выполнении процессором предсказания программа обеспечивает создание процессором последовательности значений, причем каждая из последовательностей значений имеет отличный доверительный интервал.
19. Система по п. 17, отличающаяся тем, что программа дополнительно обеспечивает предсказание процессором параметров добычи в ответ на изменение скорректированного элемента данных.
20. Система по п. 19, отличающаяся тем, что скорректированный элемент данных представляет собой по меньшей мере один элемент, выбранный из группы, состоящей из: расхода при нагнетании флюидов для вторичной добычи на нагнетательной скважине; дросселирования для конкретной скважины; забойного давления для конкретной скважины; давления на устье скважины для конкретной скважины; давления газлифта для конкретной скважины; и скорости работы погружного насоса для конкретной скважины.
21. Система по п. 17, отличающаяся тем, что при выполнении процессором предсказания программа обеспечивает выполнение процессором предсказания с использованием, по меньшей мере частично, искусственной нейронной сети.
22. Система по п. 17, отличающаяся тем, что программа дополнительно обеспечивает отображение процессором показателя корреляции между скважинными данными конкретной скважины и нагнетательной скважины.
RU2014147670/28A 2012-05-14 2013-03-13 Способ и система для оценки прогнозной добычи углеводородов RU2596692C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261646420P 2012-05-14 2012-05-14
US61/646,420 2012-05-14
PCT/US2013/031022 WO2013172948A1 (en) 2012-05-14 2013-03-13 Method and system of predicting future hydrocarbon production

Publications (2)

Publication Number Publication Date
RU2014147670A true RU2014147670A (ru) 2016-07-10
RU2596692C2 RU2596692C2 (ru) 2016-09-10

Family

ID=49584129

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2014147670/28A RU2596692C2 (ru) 2012-05-14 2013-03-13 Способ и система для оценки прогнозной добычи углеводородов

Country Status (6)

Country Link
US (1) US10133831B2 (ru)
EP (1) EP2850467B1 (ru)
AU (1) AU2013263330B2 (ru)
CA (1) CA2873722C (ru)
RU (1) RU2596692C2 (ru)
WO (1) WO2013172948A1 (ru)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012033560A1 (en) * 2010-09-10 2012-03-15 Exxonmobil Upstream Research Company System and method for simultaneous visualization of fluid flow within well completions and a reservoir
CA2909170C (en) 2013-06-10 2020-02-18 Exxonmobil Upstream Research Company Determining well parameters for optimization of well performance
US10627542B2 (en) * 2013-07-05 2020-04-21 Landmark Graphics Corporation Hybrid approach to assisted history matching in large reservoirs
US10007015B2 (en) 2015-02-23 2018-06-26 Nexen Energy Ulc Methods, systems and devices for predicting reservoir properties
WO2016134443A1 (en) * 2015-02-23 2016-09-01 Nexen Energy Ulc Methods, systems and devices for predicting reservoir properties
DK3246572T3 (en) * 2016-05-17 2019-03-11 Xylem Ip Man Sarl Method of identifying snoring
US11461512B2 (en) * 2017-01-26 2022-10-04 Dassault Systemes Simulia Corp. Multi-phase flow visualizations based on fluid occupation time
WO2019084151A1 (en) * 2017-10-24 2019-05-02 Baker Hughes, A Ge Company, Llc CONSULTING SYSTEM FOR INDUSTRIAL SITES
US10832152B2 (en) 2017-11-29 2020-11-10 Saudi Arabian Oil Company Wet well prediction using real time data
US11714040B2 (en) 2018-01-10 2023-08-01 Dassault Systemes Simulia Corp. Determining fluid flow characteristics of porous mediums
US11530598B2 (en) 2018-08-21 2022-12-20 Dassault Systemes Simulia Corp. Determination of oil removed by gas via miscible displacement in reservoir rock
US11613984B2 (en) 2019-09-04 2023-03-28 Dassault Systemes Simulia Corp. Determination of hydrocarbon mobilization potential for enhanced oil recovery
US20210089905A1 (en) * 2019-09-19 2021-03-25 Conocophillips Company Machine-learning based system for virtual flow metering
US11847391B2 (en) 2020-06-29 2023-12-19 Dassault Systemes Simulia Corp. Computer system for simulating physical processes using surface algorithm
CN111832231B (zh) * 2020-07-07 2024-03-26 中海石油(中国)有限公司天津分公司 一种注采井相关性分析方法及系统
CN112160734B (zh) * 2020-10-15 2023-02-07 中国海洋石油集团有限公司 注采井相关性分析方法、装置、存储介质及计算机设备
US11719094B2 (en) * 2020-10-23 2023-08-08 Saudi Arabian Oil Company Reservoir characterization using rock geochemistry for lithostratigraphic interpretation of a subterranean formation
CN112282714B (zh) * 2020-11-30 2022-03-25 河海大学 基于深度学习和图论的全井网注水开发优化方法
RU2752779C1 (ru) * 2020-12-25 2021-08-03 Общество с ограниченной ответственностью «Тюменский институт нефти и газа» Способ управления режимами работы добывающих и нагнетательных скважин нефтяного месторождения и многослойная циклическая нейронная сеть
US11907625B2 (en) 2020-12-29 2024-02-20 Dassault Systemes Americas Corp. Computer simulation of multi-phase and multi-component fluid flows including physics of under-resolved porous structures
US11613957B1 (en) 2022-01-28 2023-03-28 Saudi Arabian Oil Company Method and system for high shut-in pressure wells

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6574565B1 (en) * 1998-09-15 2003-06-03 Ronald R. Bush System and method for enhanced hydrocarbon recovery
US6266619B1 (en) * 1999-07-20 2001-07-24 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
AU2001249089A1 (en) 2000-03-02 2001-09-12 Shell Canada Limited Wireless downhole measurement and control for optimizing gas lift well and fieldperformance
US7797139B2 (en) 2001-12-07 2010-09-14 Chevron U.S.A. Inc. Optimized cycle length system and method for improving performance of oil wells
CA2514516C (en) * 2003-03-26 2012-11-20 Exxonmobil Upstream Research Company Performance prediction method for hydrocarbon recovery processes
CA2570058C (en) * 2004-06-25 2013-07-30 Shell Canada Limited Closed loop control system for controlling production of hydrocarbon fluid from an underground formation
US20070016389A1 (en) * 2005-06-24 2007-01-18 Cetin Ozgen Method and system for accelerating and improving the history matching of a reservoir simulation model
US7486589B2 (en) 2006-02-09 2009-02-03 Schlumberger Technology Corporation Methods and apparatus for predicting the hydrocarbon production of a well location
US7657494B2 (en) 2006-09-20 2010-02-02 Chevron U.S.A. Inc. Method for forecasting the production of a petroleum reservoir utilizing genetic programming
CA2676086C (en) * 2007-03-22 2015-11-03 Exxonmobil Upstream Research Company Resistive heater for in situ formation heating
US8244509B2 (en) 2007-08-01 2012-08-14 Schlumberger Technology Corporation Method for managing production from a hydrocarbon producing reservoir in real-time
US9026417B2 (en) * 2007-12-13 2015-05-05 Exxonmobil Upstream Research Company Iterative reservoir surveillance
US7963327B1 (en) 2008-02-25 2011-06-21 QRI Group, LLC Method for dynamically assessing petroleum reservoir competency and increasing production and recovery through asymmetric analysis of performance metrics
US20100169019A1 (en) 2008-12-27 2010-07-01 Schlumberger Technology Corporation Formation evaluation using local dynamic under-balance in perforating
US9128212B2 (en) * 2009-04-20 2015-09-08 Exxonmobil Upstream Research Company Method for predicting fluid flow
PL400383A1 (pl) 2009-12-15 2013-01-21 Schlumberger Technology B.V. Sposób modelowania basenu zbiornikowego
US9140108B2 (en) * 2011-11-03 2015-09-22 Bp Corporation North America Inc. Statistical reservoir model based on detected flow events

Also Published As

Publication number Publication date
EP2850467A1 (en) 2015-03-25
WO2013172948A1 (en) 2013-11-21
US10133831B2 (en) 2018-11-20
EP2850467B1 (en) 2018-06-20
AU2013263330A1 (en) 2015-01-22
CA2873722C (en) 2017-03-21
AU2013263330B2 (en) 2016-05-26
RU2596692C2 (ru) 2016-09-10
EP2850467A4 (en) 2016-01-27
CA2873722A1 (en) 2013-11-21
US20150051892A1 (en) 2015-02-19

Similar Documents

Publication Publication Date Title
RU2014147670A (ru) Способ и система для оценки прогнозной добычи углеводородов
US9896927B2 (en) Hydrocarbon well performance monitoring system
CN107563899B (zh) 油气井产能预测方法及装置
CN103392054A (zh) 确定可行的水力压裂方案的方法和系统
RU2009142437A (ru) Система и способ контроля и регулирования дебита скважин
CN103510940A (zh) 机械采油井工况综合诊断分析方法及装置
RU2019142431A (ru) Компьютерный способ и вычислительная система для прогнозирования расходных характеристик потока в стволе скважины, проникающей в подземный углеводородный пласт
CN105980984A (zh) 使用快速相包络的高效和稳健的组成储层模拟
Gupta et al. Dynamic plunger lift model for deliquification of shale gas wells
KR101013182B1 (ko) 지하수의 수위 변화를 이용한 지하수 양수량 산출방법, 수위측정센서 및 양수량 산출방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
CA3000637C (en) Method and apparatus for fast economic analysis of production of fracture-stimulated wells
Zheng et al. Extraction of interference from long-term transient pressure using multi-well deconvolution algorithm for well test analysis
Acuna A Cost Effective Methodology for Production Metering and Allocation Using Real-Time Virtual Metering in a Mature Offshore Oilfield-A Case Study of the Greater Angostura Field
Burgstaller New approaches of using fluid level data for production optimization and reservoir engineering applications
Popa et al. A neural network approach for modeling water distribution system
Krasnov et al. An approach to account ESP head degradation in gassy well for ESP frequency optimization
Schnabl et al. Data Driven Virtual Flow Metering: Leveraging AI and Edge Computing for Continuous Multiphase Flow Measurement
RU2010122168A (ru) Оценка потока текучей среды в пласте-коллекторе
Khabibullin et al. New Approach for Gas Lift Optimization Calculations
Gao et al. Integrated investigation of enhanced oil recovery in South Slattery Minnelusa Reservoir, part 2: CO2 miscible injection
JP2020012259A (ja) 採取する天然資源の状態を推測するための装置、方法およびプログラム
Rocha-Valadez et al. Assessing integrity of the gas-lift valves by analyzing annular-pressure-transient response
Zakharov A New Approach to Obtain Producer FBHP and FBHT from SCADA Data in the Schoonebeek Steamflood
Hashmi et al. Interpretation of cleanup data in gas-well testing from derived rates
US20230272703A1 (en) Workflow of inflow performance relationship for a reservoir using machine learning technique

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20170314