RU2016103925A - Создание характеристик виртуального прибора для каротажа в эксплуатационных скважинах для улучшенной адаптации модели - Google Patents

Создание характеристик виртуального прибора для каротажа в эксплуатационных скважинах для улучшенной адаптации модели Download PDF

Info

Publication number
RU2016103925A
RU2016103925A RU2016103925A RU2016103925A RU2016103925A RU 2016103925 A RU2016103925 A RU 2016103925A RU 2016103925 A RU2016103925 A RU 2016103925A RU 2016103925 A RU2016103925 A RU 2016103925A RU 2016103925 A RU2016103925 A RU 2016103925A
Authority
RU
Russia
Prior art keywords
pdf
logging tool
density function
probability density
production wells
Prior art date
Application number
RU2016103925A
Other languages
English (en)
Inventor
Марко Маучек
Густаво Адольфо КАРВАХАЛЬ
Эджей Пратап СИНГХ
Сейед М. МИРЗАДЕХ
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 RU2016103925A publication Critical patent/RU2016103925A/ru

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V20/00Geomodelling in general
    • EFIXED CONSTRUCTIONS
    • E21EARTH OR ROCK DRILLING; MINING
    • E21BEARTH OR ROCK 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
    • E21B43/12Methods or apparatus for controlling the flow of the obtained fluid to or in wells
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G01V1/44Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
    • G01V1/48Processing data
    • G01V1/50Analysing data
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V11/00Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
    • EFIXED CONSTRUCTIONS
    • E21EARTH OR ROCK DRILLING; MINING
    • E21BEARTH OR ROCK 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
    • E21B43/14Obtaining from a multiple-zone well
    • EFIXED CONSTRUCTIONS
    • E21EARTH OR ROCK DRILLING; MINING
    • E21BEARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B49/00Testing 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
    • E21B49/08Obtaining fluid samples or testing fluids, in boreholes or wells
    • E21B49/087Well testing, e.g. testing for reservoir productivity or formation parameters

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geology (AREA)
  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Acoustics & Sound (AREA)
  • Remote Sensing (AREA)
  • Mining & Mineral Resources (AREA)
  • Fluid Mechanics (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)
  • Control Of Non-Electrical Variables (AREA)
  • Instructional Devices (AREA)
  • User Interface Of Digital Computer (AREA)

Claims (55)

1. Способ создания характеристики виртуального прибора для каротажа в эксплуатационных скважинах, содержащий:
a) построение функции плотности вероятности (pdf) для коллекторского свойства, соответствующего одной или большему количеству геоячеистых моделей и соответствующим данным, с использованием вычислительной системы;
b) выбор образца коллекторского свойства из функции плотности вероятности (pdf);
c) осуществление преобразования по методу нормальных меток в отношении функции плотности вероятности (pdf) для коллекторского свойства с использованием выбранного образца;
d) определение распределения вероятности коллекторского свойства путем локальной коррекции сетки с использованием преобразования по методу нормальных меток, осуществленного в отношении функции плотности вероятности (pdf) для коллекторского свойства;
e) запуск модели коллектора с использованием распределения вероятности для создания обводненности и характеристики расхода жидкости (Qliq);
f) определение целевой функции с использованием обводненности и характеристики расхода жидкости (Qliq);
g) определение одного или большего количества ограничений оптимизации; и
h) определение характеристики расхода жидкости (Qliq) для каждого сегмента регулятора притока, которая отображает характеристику виртуального прибора для каротажа в эксплуатационных скважинах, с использованием целевой функции и одного или большего количества ограничений оптимизации.
2. Способ по п. 1, дополнительно содержащий повторение этапов b)-h) до оптимизации характеристики виртуального прибора для каротажа в эксплуатационных скважинах.
3. Способ по п. 1, дополнительно содержащий запуск модели коллектора с использованием рабочей точки, характеристики давления и характеристики добычи.
4. Способ по п. 3, в котором одно или большее количество ограничений оптимизации определены с использованием одного или большего количества расходов нагнетания и рабочей точки.
5. Способ по п. 2, в котором виртуальный прибор для каротажа в эксплуатационных скважинах оптимизирован, если последняя характеристика виртуального прибора для каротажа в эксплуатационных скважинах меньше или равна заранее заданной характеристике виртуального прибора для каротажа в эксплуатационных скважинах.
6. Способ по п. 5, в котором заранее заданная характеристика виртуального прибора для каротажа в эксплуатационных скважинах отображает минимальные обводненность и соотношение газ/нефть.
7. Способ по п. 1, в котором функция плотности вероятности (pdf) создана путем:
a) считывания коллекторского свойства для одной из одной или большего количества геоячеистых моделей, одной из одной или большего количества траекторий скважины и одной из одной или большего количества ячеек сетки;
b) создания одной или большего количества гистограмм для коллекторского свойства;
c) построения функции плотности вероятности (pdf) для коллекторского свойства с использованием одной или большего количества гистограмм; и
d) повторения этапов а)-с) для каждой из одной или большего количества ячеек сетки, каждой из одной или большего количества траекторий скважины и каждой из одной или большего количества геоячеистых моделей, причем каждая итерация обновляет созданную функцию плотности вероятности (pdf).
8. Энергонезависимый носитель программы, хранящий в материальном виде машиноисполняемые команды для создания характеристики виртуального прибора для каротажа в эксплуатационных скважинах, причем исполнение команд обеспечивает:
a) построение функции плотности вероятности (pdf) для коллекторского свойства, соответствующего одной или большему количеству геоячеистых моделей и соответствующим данным;
b) выбор образца коллекторского свойства из функции плотности вероятности (pdf);
c) осуществление преобразования по методу нормальных меток в отношении функции плотности вероятности (pdf) для коллекторского свойства с использованием выбранного образца;
d) определение распределения вероятности коллекторского свойства путем локальной коррекции сетки с использованием преобразования по методу нормальных меток, осуществленного в отношении функции плотности вероятности (pdf) для коллекторского свойства;
e) запуск модели коллектора с использованием распределения вероятности для создания обводненности и характеристики расхода жидкости (Qliq);
f) определение целевой функции с использованием обводненности и характеристики расхода жидкости (Qliq);
g) определение одного или большего количества ограничений оптимизации; и
h) определение характеристики расхода жидкости (Qliq) для каждого сегмента регулятора притока, которая отображает характеристику виртуального прибора для каротажа в эксплуатационных скважинах, с использованием целевой функции и одного или большего количества ограничений оптимизации.
9. Носитель программы по п. 8, дополнительно содержащий повторение этапов b)-h) до оптимизации характеристики виртуального прибора для каротажа в эксплуатационных скважинах.
10. Носитель программы по п. 8, дополнительно содержащий запуск модели коллектора с использованием рабочей точки, характеристики давления и характеристики добычи.
11. Носитель программы по п. 10, в котором одно или большее количество ограничений оптимизации определены с использованием одного или большего количества расходов нагнетания и рабочей точки.
12. Носитель программы по п. 9, в котором виртуальный прибор для каротажа в эксплуатационных скважинах оптимизирован, если последняя характеристика виртуального прибора для каротажа в эксплуатационных скважинах меньше или равна заранее заданной характеристике виртуального прибора для каротажа в эксплуатационных скважинах.
13. Носитель программы по п. 12, в котором заранее заданная характеристика виртуального прибора для каротажа в эксплуатационных скважинах отображает минимальные обводненность и соотношение газ/нефть.
14. Носитель программы по п. 8, в котором функция плотности вероятности (pdf) создают путем:
a) считывания коллекторского свойства для одной из одной или большего количества геоячеистых моделей, одной из одной или большего количества траекторий скважины и одной из одной или большего количества ячеек сетки;
b) создания одной или большего количества гистограмм для коллекторского свойства;
c) построения функции плотности вероятности (pdf) для коллекторского свойства с использованием одной или большего количества гистограмм; и
d) повторения этапов а)-с) для каждой из одной или большего количества ячеек сетки, каждой из одной или большего количества траекторий скважины и каждой из одной или большего количества геоячеистых моделей, причем каждая итерация обновляет созданную функцию плотности вероятности (pdf).
15. Энергонезависимый носитель программы, хранящий в материальном виде машиноисполняемые команды для создания характеристики виртуального прибора для каротажа в эксплуатационных скважинах, причем исполнение команд обеспечивает:
a) построение функции плотности вероятности (pdf) для коллекторского свойства, соответствующего одной или большему количеству геоячеистых моделей;
b) выбор образца коллекторского свойства из функции плотности вероятности (pdf);
c) осуществление преобразования по методу нормальных меток в отношении функции плотности вероятности (pdf) для коллекторского свойства с использованием выбранного образца;
d) определение распределения вероятности коллекторского свойства путем локальной коррекции сетки с использованием преобразования по методу нормальных меток, осуществленного в отношении функции плотности вероятности (pdf) для коллекторского свойства;
e) запуск модели коллектора с использованием распределения вероятности для создания обводненности и характеристики расхода жидкости (Qliq);
f) определение характеристики расхода жидкости (Qliq) для каждого сегмента регулятора притока, которая отображает характеристику виртуального прибора для каротажа в эксплуатационных скважинах, с использованием целевой функции, основанной на обводненности и характеристике расхода жидкости (Qliq), и одного или большего количества ограничений оптимизации; и
g) повторение этапов b)-f) до оптимизации характеристики виртуального прибора для каротажа в эксплуатационных скважинах.
16. Носитель программы по п. 15, дополнительно содержащий запуск модели коллектора с использованием рабочей точки, характеристики давления и характеристики добычи.
17. Носитель программы по п. 16, в котором одно или большее количество ограничений оптимизации определены с использованием одного или большего количества расходов нагнетания и рабочей точки.
18. Носитель программы по п. 15, в котором виртуальный прибор для каротажа в эксплуатационных скважинах оптимизирован, если последняя характеристика виртуального прибора для каротажа в эксплуатационных скважинах меньше или равна заранее заданной характеристике виртуального прибора для каротажа в эксплуатационных скважинах.
19. Носитель программы по п. 18, в котором заранее заданная характеристика виртуального прибора для каротажа в эксплуатационных скважинах отображает минимальные обводненность и соотношение газ/нефть.
20. Носитель программы по п. 15, в котором функция плотности вероятности (pdf) создана путем:
a) считывания коллекторского свойства для одной из одной или большего количества геоячеистых моделей, одной из одной или большего количества траекторий скважины и одной из одной или большего количества ячеек сетки;
b) создания одной или большего количества гистограмм для коллекторского свойства;
c) построения функции плотности вероятности (pdf) для коллекторского свойства с использованием одной или большего количества гистограмм; и
d) повторения этапов а)-с) для каждой из одной или большего количества ячеек сетки, каждой из одной или большего количества траекторий скважины и каждой из одной или большего количества геоячеистых моделей, причем каждая итерация обновляет созданную функцию плотности вероятности (pdf).
RU2016103925A 2013-09-09 2013-09-27 Создание характеристик виртуального прибора для каротажа в эксплуатационных скважинах для улучшенной адаптации модели RU2016103925A (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361875591P 2013-09-09 2013-09-09
US61/875,591 2013-09-09
PCT/US2013/062166 WO2015034539A1 (en) 2013-09-09 2013-09-27 Creating virtual production logging tool profiles for improved history matching

Publications (1)

Publication Number Publication Date
RU2016103925A true RU2016103925A (ru) 2017-08-11

Family

ID=52628827

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2016103925A RU2016103925A (ru) 2013-09-09 2013-09-27 Создание характеристик виртуального прибора для каротажа в эксплуатационных скважинах для улучшенной адаптации модели

Country Status (11)

Country Link
US (1) US10359541B2 (ru)
CN (1) CN105474046A (ru)
AU (1) AU2013399602B2 (ru)
BR (1) BR112016002776A2 (ru)
CA (1) CA2920603C (ru)
DE (1) DE112013007411T5 (ru)
GB (1) GB2536560B (ru)
MX (1) MX2016001652A (ru)
RU (1) RU2016103925A (ru)
SG (1) SG11201600798PA (ru)
WO (1) WO2015034539A1 (ru)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MX2016000151A (es) * 2013-07-02 2016-03-01 Landmark Graphics Corp Mallado de estadios de 2 , 5d.
GB201410050D0 (en) * 2014-06-06 2014-07-16 Maersk Olie & Gas Method of estimating well productivity along a section of a wellbore
CA3035243A1 (en) * 2016-09-02 2018-03-08 Saudi Arabian Oil Company Controlling hydrocarbon production
CN109387867B (zh) * 2017-08-10 2020-05-22 中国石油化工股份有限公司 一种致密砂岩储层建模方法
WO2019048599A1 (en) * 2017-09-08 2019-03-14 Roxar Software Solutions As WELL FRACTURE MODELING
US10420469B2 (en) 2017-11-22 2019-09-24 Hi Llc Optical detection system for determining neural activity in brain based on water concentration
US10016137B1 (en) 2017-11-22 2018-07-10 Hi Llc System and method for simultaneously detecting phase modulated optical signals
US10368752B1 (en) 2018-03-08 2019-08-06 Hi Llc Devices and methods to convert conventional imagers into lock-in cameras
US11206985B2 (en) 2018-04-13 2021-12-28 Hi Llc Non-invasive optical detection systems and methods in highly scattering medium
US11857316B2 (en) 2018-05-07 2024-01-02 Hi Llc Non-invasive optical detection system and method
WO2019216892A1 (en) * 2018-05-09 2019-11-14 Landmark Graphics Corporation Optimized methodology for automatic history matching of a petroleum reservoir model with ensemble kalman filter
CN109343115B (zh) 2018-11-21 2019-12-03 成都理工大学 一种基于测井约束的含气储层刻画方法
US10983233B2 (en) 2019-03-12 2021-04-20 Saudi Arabian Oil Company Method for dynamic calibration and simultaneous closed-loop inversion of simulation models of fractured reservoirs
CN113779926A (zh) * 2021-08-03 2021-12-10 深圳天狼芯半导体有限公司 一种电路的检测方法、装置、电子设备及可读存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2083017C (en) * 1992-11-16 1999-02-09 Alan Walter Ainsbury Tandem circuit cards
FR2710418B1 (fr) * 1993-09-21 1995-12-15 Inst Francais Du Petrole Méthode d'analyse des traces sismiques utilisant une technique de calibrage statistique pour en déduire des propriétés géologiques.
CN1244768C (zh) 2004-02-26 2006-03-08 罗东晓 城市燃气分步置换法
US8131470B2 (en) * 2007-02-26 2012-03-06 Bp Exploration Operating Company Limited Managing flow testing and the results thereof for hydrocarbon wells
US8364404B2 (en) * 2008-02-06 2013-01-29 Schlumberger Technology Corporation System and method for displaying data associated with subsurface reservoirs
US9488044B2 (en) * 2008-06-23 2016-11-08 Schlumberger Technology Corporation Valuing future well test under uncertainty
US8095345B2 (en) * 2009-01-20 2012-01-10 Chevron U.S.A. Inc Stochastic inversion of geophysical data for estimating earth model parameters
US8600717B2 (en) 2009-05-14 2013-12-03 Schlumberger Technology Corporation Production optimization for oilfields using a mixed-integer nonlinear programming model
GB2474275B (en) * 2009-10-09 2015-04-01 Senergy Holdings Ltd Well simulation
FR2953039B1 (fr) 2009-11-26 2012-01-13 Inst Francais Du Petrole Methode d'exploitation d'un gisement petrolier par reconstruction de modele de reservoir

Also Published As

Publication number Publication date
US20160187533A1 (en) 2016-06-30
MX2016001652A (es) 2016-10-07
CA2920603A1 (en) 2015-03-12
CA2920603C (en) 2019-09-24
AU2013399602A1 (en) 2016-02-25
US10359541B2 (en) 2019-07-23
GB201602348D0 (en) 2016-03-23
GB2536560B (en) 2020-02-12
WO2015034539A1 (en) 2015-03-12
BR112016002776A2 (pt) 2017-08-01
AU2013399602B2 (en) 2016-09-15
DE112013007411T5 (de) 2016-07-14
SG11201600798PA (en) 2016-03-30
CN105474046A (zh) 2016-04-06
GB2536560A (en) 2016-09-21

Similar Documents

Publication Publication Date Title
RU2016103925A (ru) Создание характеристик виртуального прибора для каротажа в эксплуатационных скважинах для улучшенной адаптации модели
US10515162B2 (en) Method for optimal design of aquifer injection-pumping system
NO20140223A1 (no) Metode for å optimalisere mengderegulerende ventiler og tilsigsregulerende enheter i en enkelt brønn eller en gruppe av brønner.
ES2670807T3 (es) Método para la selección y optimización de controles de yacimientos petrolíferos para la meseta de producción
CN103336997B (zh) 致密油资源分布预测方法以及预测装置
RU2016101330A (ru) Алгоритм для оптимальной конфигурации устройств контроля притока с использованием модели взаимодействия ствола скважины и коллектора
RU2593678C2 (ru) Система и способ для оптимизации имитационного моделирования пласта-коллектора
RU2014142599A (ru) Система и способ для определения расхода газлифтного газа
NO20131083A1 (no) Hybrid, lokal ikke-avstemmende metode for flerfasestrømningssimuleringer i heterogent sprukne medier
EA201391035A1 (ru) Способ и система для обновления геоячеечной модели
CN109753671B (zh) 一种基于鱼群算法的油藏精确井位优化方法
RU2013119639A (ru) Моделирование карстообразования
RU2015152040A (ru) Смешанный способ принудительного воспроизведения исторических данных в крупных резервуарах
Pinto et al. Hybrid optimization for closed-loop reservoir management
CN116641688A (zh) Co2提高气藏采收率及其封存的方法、系统、设备及存储介质
RU2015148573A (ru) Системы и способы оптимизации существующих скважин и проектирования новых скважин на основе распределения средних эффективных длин трещин
O'Sullivan et al. Controlling complex geothermal simulations using PyTOUGH
US20190186237A1 (en) Method and control system for allocating steam to multiple wells in steam assisted gravity drainage (sagd) resource production
Raoufi et al. Application of simulated annealing optimization algorithm to optimal operation of intelligent well completions in an offshore oil reservoir
CA3224217A1 (en) Method of performing a numerical solving process
US20200284127A1 (en) Systems and Methods for Hydrocarbon Reservoir Well Connectivity Graph Optimization, Simulation and Development
US11680465B2 (en) Systems and methods for multiscale sector hydrocarbon reservoir simulation
Azamifard et al. Insights of new-generation reservoir property modeling (MPS methods) in assessing the reservoir performance for different recovery methods
CN117634218A (zh) 一种水驱油藏提液参数优化方法及装置
US11574083B2 (en) Methods and systems for selecting inflow control device design simulations based on case selection factor determinations

Legal Events

Date Code Title Description
FA94 Acknowledgement of application withdrawn (non-payment of fees)

Effective date: 20180611