RU2591239C1 - Системы и способы для оценивания возможности коллекторной системы - Google Patents

Системы и способы для оценивания возможности коллекторной системы Download PDF

Info

Publication number
RU2591239C1
RU2591239C1 RU2015100523/28A RU2015100523A RU2591239C1 RU 2591239 C1 RU2591239 C1 RU 2591239C1 RU 2015100523/28 A RU2015100523/28 A RU 2015100523/28A RU 2015100523 A RU2015100523 A RU 2015100523A RU 2591239 C1 RU2591239 C1 RU 2591239C1
Authority
RU
Russia
Prior art keywords
target variable
critical
risk
collector system
value
Prior art date
Application number
RU2015100523/28A
Other languages
English (en)
Inventor
Луис Арнольдо ГАРИБАЛЬДИ
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
Application granted granted Critical
Publication of RU2591239C1 publication Critical patent/RU2591239C1/ru

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • User Interface Of Digital Computer (AREA)
  • Supply Devices, Intensifiers, Converters, And Telemotors (AREA)
  • Socks And Pantyhose (AREA)
  • Feedback Control In General (AREA)

Abstract

Изобретение относится к области обработки и интерпретации данных геоструктур. Предложен способ оценивания возможности коллекторной системы, содержащий этапы, на которых измеряют критический риск и критическую возможность целевой переменной для коллекторной системы с использованием компьютерной системы. Для этого строят график "торнадо" с использованием всех внутренних параметров, используемых для вычисления целевой переменной, значения для риска и значения для возможности. Далее вычисляют критический риск и критическую возможность с использованием одного из внутренних параметров из графика "торнадо", который оказывает наибольшее влияние на целевую переменную, и оценивают возможность коллекторной системы для целевой переменной на протяжении различных временных горизонтов с использованием критического риска и критической возможности. Технический результат - повышение точности получаемых данных. 2 н. и 16 з.п. ф-лы, 10 ил., 1 табл.

Description

ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ
В общем настоящее изобретение относится к системам и способам для оценивания возможности коллекторной системы. Более конкретно, настоящее изобретение относится к оцениванию возможности коллекторной системы на протяжении различных временных горизонтов относительно критических значений риска и возможности и соответствующих значений целевой переменной.
ПРЕДПОСЫЛКИ СОЗДАНИЯ ИЗОБРЕТЕНИЯ
Современные геостатистические методы часто основаны на анализе неопределенности с вычислением статистической дисперсии (разброса) измеренных данных и построением входных моделей для последующей последовательности действий по управлению риском. Сбор информации о неопределенности модели с использованием способов вероятностного (стохастического) моделирования включает в себя образование многих равновероятных сценариев и реализаций свойств коллекторной системы, которыми лучше всего имитируется неоднородность коллекторной системы, такая как, например, распределение фаций, пористость и проницаемость. Кроме того, способы условного моделирования используют для наложения связей на модели свойств коллекторной системы с такими переменными как, например, акустический импеданс (АИ), на основании инверсии сейсмических данных. Таким путем можно получать более точное представление распределения возможностей и более представительные и несмещенные статистические выборки.
В этой связи анализ риска и возможности является важным для определения и оценивания потенциальной возможности наличия углеводородов, начиная от разведочных работ и до разработки полей. При изучении результатов анализа риска и неопределенности оказывается, что практические применения их в части подготовки к выполнению плана разработки месторождения являются ограниченными. В стандартном анализе риска критическими значениями вероятности являются Р10, Р50 и Р90 для таких целевых переменных как, например, запасы, извлекаемые первичными методами («первичные запасы»), и начальные запасы нефти (НЗН). Выбор критических значений Р10 и Р90 вероятности является произвольным и в большинстве случаев риск и возможность переоценивают или недооценивают с получением большего значения по сравнению с подтверждаемым значением рассматриваемой целевой переменной, которую обычно также называют «возможностью». Поскольку выбор критических значений вероятности является произвольным, не учитывается сфера влияния на возможность внутренних параметров, таких как площадь, мощность коллектора, объемный коэффициент пласта, пористость, отношение эффективной мощности пласта к общей мощности пласта и степень извлечения углеводородов из пласта.
КРАТКОЕ ИЗЛОЖЕНИЕ ИЗОБРЕТЕНИЯ
Поэтому настоящее изобретение соответствует упомянутым выше потребностям, и один или несколько недостатков из предшествующего уровня техники исключаются в предложенных системах и способах для оценивания возможности коллекторной системы на протяжении различных временных горизонтов относительно критических значений риска и возможности и соответствующих значений целевой переменной.
Согласно одному варианту осуществления настоящее изобретение включает в себя способ оценивания возможности коллекторной системы, который содержит i) измерение критического риска и критической возможности целевой переменной для коллекторной системы с использованием компьютерной системы путем а) построения графика «торнадо» с использованием всех внутренних параметров, используемых для вычисления целевой переменной, значения для риска и значения для возможности; и b) вычисления критического риска и критической возможности с использованием одного из внутренних параметров из графика «торнадо», который оказывает наибольшее влияние на целевую переменную, при этом риск представляют формулой
К р и т .   р и с к   =   К о р р . [ Ц е л .   п е р е м . ; В н .   п а р а м .   с   б о л .   в л и я н . ]   | В н .   п а р а м .   п р и   Р 1
Figure 00000001
и возможность представляют формулой
К р и т .   в о з м .   =   К о р р . [ Ц е л .   п е р е м . ; В н .   п а р а м .   с   б о л .   в л и я н . ]   | В н .   п а р а м .   п р и   Р 99
Figure 00000002
 ;
и ii) оценивание возможности коллекторной системы для целевой переменной на протяжении различных временных горизонтов с использованием критического риска и критической возможности.
Согласно другому варианту осуществления настоящее изобретение включает в себя нетранзиторный носитель программы, реально несущий исполняемые компьютером инструкции для оценивания возможности коллекторной системы, при этом инструкции исполняются для реализации i) измерения критического риска и критической возможности целевой переменной для коллекторной системы путем а) построения графика «торнадо» с использованием всех внутренних параметров, используемых для вычисления целевой переменной, значения для риска и значения для возможности и b) вычисления критического риска и критической возможности с использованием одного из внутренних параметров из графика «торнадо», который оказывает наибольшее влияние на целевую переменную, при этом риск представлен формулой
К р и т .   р и с к   =   К о р р . [ Ц е л .   п е р е м . ; В н .   п а р а м .   с   б о л .   в л и я н . ]   | В н .   п а р а м .   п р и   Р 1
Figure 00000003
и возможность представлена формулой
К р и т .   в о з м .   =   К о р р . [ Ц е л .   п е р е м . ; В н .   п а р а м .   с   б о л .   в л и я н . ]   | В н .   п а р а м .   п р и   Р 99
Figure 00000004
 ;
и ii) оценивания возможности коллекторной системы для целевой переменной на протяжении различных временных горизонтов с использованием критического риска и критической возможности.
[09] Дополнительные аспекты, преимущества и варианты осуществления изобретения станут понятными для специалистов в соответствующей области техники из нижеследующего описания различных вариантов осуществления и относящихся к ним чертежей.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Ниже настоящее изобретение описывается с обращением к сопровождающим чертежам, на которых аналогичные элементы обозначены одинаковыми позициями и на которых:
Фиг. 1 - блок-схема последовательности действий, иллюстрирующая один вариант осуществления способа реализации настоящего изобретения;
Фиг. 2 - вероятностный график, иллюстрирующий этап 114 из фиг. 1;
Фиг. 3 - диаграмма приоритетов, иллюстрирующая этап 120 из фиг. 1;
Фиг. 4 - географическая карта, иллюстрирующая этап 122 из фиг. 1;
Фиг. 5 - блок-схема последовательности действий, иллюстрирующая один вариант осуществления способа реализации этапа 112 из фиг. 1;
Фиг. 6 - график «торнадо», иллюстрирующий этап 502 из фиг. 5;
Фиг. 7 - корреляционный график, иллюстрирующий корреляцию между целевой переменной (первичными запасами) и площадью (А) внутреннего параметра;
Фиг. 8 - график «торнадо» из фиг. 6, иллюстрирующий каждый корреляционный график для соответствующего внутреннего параметра, и эти корреляционные графики используются для построения графика «торнадо» из фиг. 6;
Фиг. 9 - график риска/возможности и график «торнадо» из фиг. 6, иллюстрирующие этап 504 из фиг. 5; и
Фиг. 10 - структурная схема, иллюстрирующая один вариант осуществления системы для реализации настоящего изобретения.
ПОДРОБНОЕ ОПИСАНИЕ ПРЕДПОЧТИТЕЛЬНЫХ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ
Объект настоящего изобретения будет описан более конкретно, однако само описание не предполагается ограничивающим объем изобретения. Поэтому объект изобретения можно также реализовать другими способами, включающими другие этапы или сочетания этапов, подобных этапам, описанным в этой заявке, в сочетании с другими современными или перспективными технологиями. Кроме того, хотя термин «этап» может использоваться в этой заявке для описания различных элементов используемых способов, термин не следует интерпретировать как обозначающий какой-либо конкретный порядок выполнения различных этапов, раскрытых в этой заявке, если иное прямо не ограничено описанием. Хотя настоящее изобретение можно применять в нефтегазовой промышленности, оно не ограничено этим и может также применяться в других отраслях с получением аналогичных результатов.
ОПИСАНИЕ СПОСОБА
Теперь обратимся к фиг. 1, на которой показана блок-схема последовательности действий согласно одному варианту осуществления способа 100 реализации настоящего изобретения.
На этапе 102 поле выбирают из множества полей, используя методы, хорошо известные в соответствующей области техники.
На этапе 104 коллекторную систему выбирают из одной или нескольких коллекторных систем для поля, выбранного на этапе 102, используя методы, хорошо известные в соответствующей области техники. Соответственно, каждое поле может включать в себя одну или несколько относящихся к нему коллекторных систем. Коллекторную систему можно выбирать случайным образом или при использовании любых других заданных критериев.
На этапе 106 неопределенности внутренних параметров коллекторной системы моделируют, используя статистические методы, хорошо известные в соответствующей области техники, такие как, например, гауссово моделирование или моделирование, соответствующее другим распределениям. Неопределенность представляет собой дисперсию ожидаемого значения заданной целевой переменной. Внутренние параметры являются параметрами, используемыми для вычисления целевой переменной, такими как, например площадь (А), постоянная (α), мощность (Н) коллектора, пористость (ϕ), начальная водонасыщенность (Swi), исходный волюметрический объемный коэффициент (Boi) и коэффициент (Fr) добычи первичными методами. Поэтому применительно к запасам, извлекаемым первичными методами (первичным запасам), внутренние параметры, используемые для вычисления этой целевой переменной, можно представить как:
Первичные запасы = α·А·Н·ϕ·(1-Swi)/Boi(Fr)  
Figure 00000005
 (1)
В хорошо известных методах можно использовать, например, статистические модели распределения, которые выбирают на основании характеристик данных и наилучшего соответствия между моделью распределения и данными кернового анализа, чтобы определить некоторое количество моделей, представляющих неопределенности внутренних параметров коллекторной системы. Поэтому число статистических моделей будет равно числу внутренних параметров, используемых для вычисления заданной целевой переменной.
На этапе 108 стохастическую модель коллекторной системы образуют, используя методы, хорошо известные в соответствующей области техники, статистические модели из этапа 102, физическую модель коллекторной системы, которая представляет физику коллекторной системы, и генерирование случайных чисел в соответствии с правилами выбора.
На этапе 110 стохастическое моделирование коллекторной системы выполняют, используя стохастическую модель из этапа 108, искусственные выборки из внутренних параметров и методы моделирования, хорошо известные в соответствующей области техники, такие как, например, моделирование методом Монте-Карло. Стохастическим моделированием получают реализации (вероятностные значения), которыми определяется неопределенность целевой переменной. Количество реализаций зависит от количественного показателя, необходимого для охвата всего диапазона неопределенностей внутренних параметров.
На этапе 112 измеряют критический риск и критическую возможность целевой переменной для коллекторной системы. Критический риск (Крит. риск) является значением (знач.) целевой переменной (Цел. перем.), ниже которого риск, связанный со всеми внутренними параметрами, является нулевым или пренебрежимо малым. Это представляется как:
К р и т .   р и с к   =   L i m Ц е л .   п е р е м . → К р и т .   з н а ч . Р и с к   ( Ц е л .   п е р е м е н . )   =   0
Figure 00000006
  
Figure 00000005
 (2)
Аналогичным образом критическая возможность (Крит. возможность) является значением (знач.) целевой переменной, выше которой возможность, связанная с внутренними параметрами, является нулевой или пренебрежимо малой. Это представляется как: К р и т .   в о з м о ж н о с т ь   =   L i m Ц е л .   п е р е м . → К р и т .   з н а ч . В о з м о ж н о с т ь   ( Ц е л .   п е р е м е н . )   =   0
Figure 00000007
 (3)
Один вариант осуществления способа реализации этого этапа будет дополнительно описан с обращением к фиг.5.
На этапе 114 вероятность (возможность) в коллекторной системе на различных временных горизонтах (краткосрочном, среднесрочном, долгосрочном) оценивают для целевой переменной, используя результаты из этапа 112 и методы, известные в соответствующей области техники. Краткосрочный - соответствует возрастающему значению целевой переменной до критического риска, который представлен уравнением (2). Среднесрочный (среднесрочн.) - соответствует возрастающему значению целевой переменной (Цел. перем.) до Р50, и это представлено уравнением
В е л и ч и н а   в о з м о ж н о с т и   п р и   с р е д н е с р о ч н .   = =   Ц е л .   п е р е м .   | Р 50   −   Ц е л .   п е р е м .   | Р К р и т .   р и с к .
Figure 00000008
    
Figure 00000009
 (4)
Дальнесрочный (дальнесрочн.) - соответствует величине приращения целевой переменной (Цел. перем.) до критической возможности (Крит. возм.), и это представлено уравнением
В е л и ч и н а   в о з м о ж н о с т и   п р и   д а л ь н е с р о ч н .   = =   Ц е л .   п е р е м .   | Р К р и т .   в о з м .   −   Ц е л .   п е р е м .   | Р 50 .
Figure 00000010
      
Figure 00000011
 (5)
Для примера на вероятностном графике 200 из фиг.2 показаны критический риск целевой переменной (запасов, извлекаемых первичными методами) при Р5 (6,2 млн. нормальных баррелей (985,8·106 л)) и критическая возможность целевой переменной при Р90 (48,3 млн. нормальных баррелей (7679,7·106 л)) для всей коллекторной системы. Таким образом, как показано в таблице 1 ниже, весь диапазон вероятностей целевой переменной укладывается от Р1 до Р99.
Таблица 1
Классификация Период времени
Комфортная зона [Р1-Р8] Краткосрочный интерес (исходная точка)
Вероятное ожидание [Р8-Р50] Вероятный рост в среднесрочной перспективе
Возможное ожидание [Р50-Р96] Возможный рост в дальнесрочной перспективе
Гипотетическая зона [Р96-Р99] Хаотический риск
Комфортная зона означает диапазон значений целевой переменной, который подвергается текущему регулированию на краткосрочном временном горизонте. Вероятное ожидание означает диапазон значений целевой переменной, который соответствует возможности роста (вероятного роста) на среднесрочном временном горизонте. Возможное ожидание означает диапазон значений целевой переменной, который соответствует возможности роста (возможного роста) на долгосрочном временном горизонте. Гипотетическая зона, которая находится за пределами долгосрочного временного горизонта, означает диапазон значений целевой переменной, который неприемлем для задач планирования.
На этапе 116 способа 100 определяют, имеется ли другая коллекторная система для поля. Если для поля имеется другая коллекторная система, то в способе 100 возвращаются к этапу 104, чтобы выбрать другую коллекторному систему для того же самого поля. Если для поля нет другой коллекторной системы, то в способе 100 переходят к этапу 118. Поэтому при каждой итерации, представляющей другую коллекторную систему, будет новый вероятностный график, иллюстрирующий этап 114.
На этапе 118 способа 100 определяют, имеется ли другое поле. Если другое поле имеется, то в способе 100 возвращаются к этапу 102 для выбора другого поля. Если другого поля нет, то в способе 100 переходят к этапу 120.
На этапе 120 назначают приоритет каждому коллектору в каждом поле, используя критический риск целевой переменной для коллекторной системы, измеренный на этапе 112, и соответствующий код приоритета. Поэтому для каждого поля назначают приоритет критического риска от самого высокого до самого низкого или от самого низкого до самого высокого, и эти приоритеты затем группируют и приписывают группам соответствующие коды приоритета для различения каждой группы. Для примера на диаграмме 300 приоритетов из фиг. 3 показаны все коллекторы данного поля, ранжированные от самого высокого критического риска до самого низкого критического риска. Коллектор 1 представляет собой такой же коллектор, как использованный на фиг. 2 для иллюстрации критического риска при Р5 (6,22 млн. нормальных баррелей (988,98·106 л)) для этого коллектора. Код приоритета задают и он может быть основан на любой стратегии ранжирования поля. Например, на фиг. 3 поля ранжированы в соответствии с 60:30:10 и им приписаны коды приоритета в оттенках серого на основании приоритета в процентилях.
На этапе 122 каждую коллекторную систему наносят на географическую карту, используя ее соответствующий код приоритета и методы, хорошо известные в соответствующей области техники. Например, на фиг. 4 каждая коллекторная система из фиг. 3 нанесена на географическую карту 400 при использовании ее соответствующего кода приоритета в оттенках серого для иллюстрации приоритетов бурения и добычи и того, каким образом внутренние параметры площади (А) и мощности (Н) коллектора, которые оказывают наибольшее влияние на целевую переменную, распределены для уменьшения риска. Коллекторные системы с одинаковым кодом приоритета в оттенках серого легко отличить от коллекторных систем с другим кодом приоритета в оттенках серого.
Теперь обратимся к фиг. 5, на которой показан способ 500 реализации этапа 112 из фиг. 1.
На этапе 502 строят график «торнадо», используя методы, хорошо известные в соответствующей области техники, внутренние параметры из этапа 106 и риск и возможность, определенные при Р50 на основании неопределенности, представленной реализациями из этапа 110. Например, на графике «торнадо» из фиг. 6 показаны относительный риск и возможность при Р50 для каждого внутреннего параметра целевой переменной (запасов, извлекаемых первичными методами). В процессе построения графика «торнадо» каждый внутренний параметр из этапа 106 сопоставляют с целевой переменной для получения модели, которая представляет корреляцию. Например, на корреляционном графике из фиг. 7 показана корреляция (корр.) между целевой переменной (запасами, извлекаемыми первичными методами) и площадью (А) внутреннего параметра. На корреляционном графике показан максимальный доверительный диапазон неопределенностей для внутреннего параметра и соответствующие значения целевой переменные, полученные с использованием следующих уравнений Р и с к   =   = К о р р . [ Ц е л .   п е р е м . ; В н у т р .   п а р а м . ]   | В н у т р . п а р а м .   п р и   P 1   − Э т .   | Е ν [ Ц е л .   п е р е м ]
Figure 00000012
 (6)
В о з м о ж н о с т ь   =   = К о р р . [ Ц е л .   п е р е м . ; В н у т р .   п а р а м . ]   | В н у т р . п а р а м .   п р и   P 99   − Э т .   | Е ν [ Ц е л .   п е р е м ]
Figure 00000013
 (7)
Например, на корреляционном графике 700 максимальный доверительный диапазон неопределенностей для внутреннего параметра вычислен при Р1 и Р99, что приводит к значениям 11732 акра (47,468 км2 и 37539 акров (151,9 км2), соответственно, для внутреннего параметра (А) и значениям 13,1 млн. нормальных баррелей (2082,9·106 л) и 43 млн. нормальных баррелей (6837·106 л) для целевой переменной. Р0 и Р100 не учитывались в этом процессе, поскольку эти значения представляют абсолютное существование и абсолютное несуществование. Построение корреляционного графика осуществляют одинаковым способом для каждого внутреннего параметра. Затем каждый корреляционный график используют для моделирования риска и возможности при Р50 на графике «торнадо». Например, на графике 600 «торнадо» из фиг. 8 показаны риск (на левой стороне) и возможность (на правой стороне) при Р50 для каждого внутреннего параметра, и влияние каждого внутреннего параметра на ожидаемое значение целевой переменной при Р50. На графике 600 «торнадо» из фиг. 8 также показаны все корреляционные графики для соответствующих внутренних параметров, которые были использованы для построения графика 600 «торнадо».
На этапе 504 определяют критический риск и критическую возможность коллекторной системы, используя внутренний параметр из графика «торнадо» из этапа 502, который оказывает наибольшее (большое) влияние (бол. влиян.) на целевую переменную, и получают нижеследующие уравнения для критического риска и критической возможности (Крит. возм.):
К р и т .   р и с к   = =   К о р р . [ Ц е л .   п е р е м . ; В н .   п а р а м .   с   б о л .   в л и я н . ]   | В н .   п а р а м .   п р и   Р 1
Figure 00000014
  
Figure 00000005
 (8)
К р и т .   в о з м .   = =   К о р р . [ Ц е л .   п е р е м . ; В н .   п а р а м .   с   б о л .   в л и я н . ]   | В н .   п а р а м .   п р и   Р 99
Figure 00000015
  
Figure 00000005
 (9)
Критический риск определяют при вставлении уравнения (6) в уравнение (2). Критическую возможность определяют при вставлении уравнения (7) в уравнение (3). Например, на графике риска/возможности из фиг. 9 показаны значение целевой переменной (запасов, извлекаемых первичными методами) при Р5 (критический риск) и значение целевой переменной при Р90 (критическая возможность), которые были вычислены с использованием уравнений (8) и (9), соответственно, и внутреннего параметра (Swi) из графика 600 «торнадо», который оказывает наибольшее влияние на целевую переменную. Затем значения критического риска и критической возможности коллекторной системы выдают на этап 114.
ОПИСАНИЕ СИСТЕМЫ
Настоящее изобретение может быть реализовано с помощью выполняемой компьютером программы инструкций, такой как программные модули, обычно называемые программными приложениями или прикладными программами, выполняемыми компьютером. Например, программное обеспечение может включать в себя стандартные подпрограммы, программы, объекты, компоненты, структуры данных и т.д., которые выполняют конкретные задачи или реализуют абстрактные данные конкретных видов. При реализации настоящего изобретения в качестве интерфейсного приложения можно использовать DecisionSpace Desktop Earth Modeling, коммерческое программное приложение, поставляемое на рынок Landmark Graphics Corporation. Кроме того, программное обеспечение можно объединять с другими кодовыми сегментами для начала выполнения ряда задач в соответствии с данными, принимаемыми во взаимодействии с источником принимаемых данных. Программное обеспечение может сохраняться и/или переноситься на любом из ряда запоминающих устройств, таком как компакт-диск, доступный только для чтения, магнитный диск, запоминающее устройство на цилиндрических магнитных доменах и полупроводниковое запоминающее устройство (например, оперативные запоминающие устройства или постоянные запоминающие устройства различных видов). Кроме того, программное обеспечение и результаты могут передаваться по ряду физических сред передачи данных, таких как оптическое волокно, металлический провод, и/или по любой из ряда сетей, такой как Интернет.
Кроме того, специалистам в соответствующей области техники должно быть понятно, что изобретение может быть применено на практике при использовании ряда конфигураций компьютерной системы, в том числе портативных устройств, микропроцессорных систем, микропроцессорной или программируемой пользователем электроники, миникомпьютеров, суперкомпьютеров и т.п. Любое количество компьютерных систем и компьютерных сетей допустимо использовать для настоящего изобретения. Изобретение может быть применено на практике в распределенных вычислительных средах, в которых задания выполняются удаленными обрабатывающими устройствами, связанными по сети передачи данных. В распределенной вычислительной среде программные модули могут располагаться на локальных и удаленных компьютерных запоминающих носителях, в том числе в запоминающих устройствах. Таким образом, настоящее изобретение может быть реализовано в сочетании с разнообразным аппаратным обеспечением, программным обеспечением или с комбинацией их, в компьютерных системах или других системах обработки.
Теперь обратимся к фиг. 10, на которой показана структурная схема системы согласно одному варианту осуществления, предназначенной для реализации настоящего изобретения на компьютере. Система включает в себя вычислительный блок, иногда называемый вычислительной системой, который содержит запоминающее устройство, прикладные программы, клиентский интерфейс, видеоинтерфейс и обрабатывающий блок. Вычислительный блок является только одним примером подходящего вычислительного средства и не предполагается означающим какое-либо ограничение в отношении объема использования или функциональности изобретения.
В запоминающем устройстве сохраняются преимущественно прикладные программы, которые также можно описать как программные модули, содержащие исполняемые компьютером инструкции, исполняемые вычислительным блоком при реализации настоящего изобретения, описанного в этой заявке и показанного на фиг. 1-9. Поэтому запоминающее устройство включает в себя модуль оценивания возможности, который позволяет осуществлять способы, показанные и описанные при обращении к фиг. 1-9, и объединяет функциональные возможности остальных прикладных программ, показанных на фиг. 10. Кроме того, запоминающее устройство включает в себя программное приложение DecisionSpace Desktop Earth Modeling, которое можно использовать в качестве интерфейсного приложения для подачи входных данных к модулю оценивания возможности и/или отображения данных, получаемых от модуля оценивания возможности. Хотя прикладную программу DecisionSpace Desktop Earth Modeling можно использовать в качестве интерфейсного приложения, вместе с тем можно использовать другие интерфейсные приложения, или модель оценивания возможности можно использовать в качестве автономного приложения.
Хотя вычислительный блок показан имеющим общее запоминающее устройство, вычислительный блок обычно включает в себя некоторое количество считываемых компьютером носителей данных. Для примера, но не для ограничения, считываемые компьютером носители данных могут содержать компьютерные носители данных и средства связи. Запоминающее устройство вычислительной системы может включать в себя компьютерные носители данных в виде энергозависимого и/или энергонезависимого запоминающего устройства, такого как постоянное запоминающее устройство (ПЗУ) и оперативное запоминающее устройство (ОЗУ). Базовая система ввода-вывода (BIOS), содержащая основные программы, которые помогают передавать информацию между элементами в вычислительном блоке, например, во время запуска, обычно сохраняется в постоянном запоминающем устройстве. Оперативное запоминающее устройство обычно содержит данные и/или программные модули, которые без задержки доступны для обрабатывающего блока и/или уже используются им. Для примера, но не для ограничения, вычислительный блок включает в себя операционную систему, прикладные программы, другие программные модули и данные программ.
Кроме того, компоненты, показанные в запоминающем устройстве, могут быть включены в другие съемные/несъемные, энергозависимые/энергонезависимые компьютерные носители данных или они могут быть реализованы в вычислительном блоке через интерфейс прикладных программ (ИПП) или в облачной вычислительной среде, которая может находиться в отдельном вычислительном блоке, подключенном через компьютерную систему или сеть. Только для примера на жесткий диск можно считывать или записывать с несъемных, энергонезависимых магнитных носителей данных, на магнитный диск можно считывать или записывать со съемного, энергонезависимого магнитного диска и на оптический диск можно считывать или записывать со съемного энергонезависимого диска, такого как компакт-диск, доступный только для чтения, или с других оптических носителей данных. Другие съемные/несъемные, энергозависимые/энергонезависимые компьютерные носители данных, которые могут использоваться в приведенной для примера операционной среде, могут включать в себя, но без ограничения ими, кассеты с магнитной лентой, карты флэш-памяти, цифровые универсальные диски, твердотельное оперативное запоминающее устройство, твердотельное постоянное запоминающее устройство и т.п. Приводы и относящиеся к ним компьютерные носители данных, рассмотренные выше, обеспечивают сохранение считываемых компьютером инструкций, структур данных, программных модулей и других данных для вычислительного блока.
Клиент может вводить в вычислительный блок команды и информацию через клиентский интерфейс, который может быть устройством ввода, таким как клавиатура и указывающее устройство, обычно известные как мышь, шаровой манипулятор или сенсорная панель. Устройства ввода могут включать в себя микрофон, координатную ручку, спутниковую тарелку, сканер или что-либо подобное. Эти и другие устройства ввода часто соединяют с обрабатывающим блоком через клиентский интерфейс, который соединяют с системной шиной, но они могут быть соединены через другой интерфейс и другие системы шин, такие как параллельный порт или универсальная последовательная шина (USB).
Монитор или дисплейное устройство другого вида можно соединить с системной шиной через интерфейс, такой как видеоинтерфейс. Кроме того, графический пользовательский интерфейс (ГПИ) можно использовать вместе с видеоинтерфейсом для приема инструкций от клиентского интерфейса и передачи инструкций к обрабатывающему блоку. В дополнение к монитору компьютеры также могут включать в себя другие периферийные устройства вывода, такие как громкоговорители и принтер, которые могут быть подключены через выходной периферийный интерфейс.
Хотя многие другие внутренние компоненты вычислительного блока не показаны, специалистам в соответствующей области техники должно быть понятно, что такие компоненты и подключение их хорошо известны.
Хотя настоящее изобретение было описано применительно к предпочтительным в настоящее время вариантам осуществления, специалистам в соответствующей области должно быть понятно, что изобретение не ограничено этими вариантами осуществления. Поэтому предполагается, что различные альтернативные варианты осуществления и модификации могут быть выполнены в дополнение к раскрытым вариантам осуществления без отступления от сущности и объема изобретения, определяемых прилагаемой формулой изобретения и эквивалентами ее.

Claims (18)

1. Способ оценивания возможности коллекторной системы, содержащий этапы, на которых:
- измеряют критический риск и критическую возможность целевой переменной для коллекторной системы с использованием компьютерной системы путем:
построения графика "торнадо" с использованием всех внутренних параметров, используемых для вычисления целевой переменной, значения для риска и значения для возможности; и
вычисления критического риска и критической возможности с использованием одного из внутренних параметров из графика "торнадо", который оказывает наибольшее влияние на целевую переменную, при этом риск представляют формулой
К р и т .   р и с к   =   К о р р . [ Ц е л .   п е р е м . ; В н .   п а р а м .   с   б о л .   в л и я н . ]   | В н .   п а р а м .   п р и   Р 1
Figure 00000001
и возможность представляют формулой
К р и т .   в о з м .   =   К о р р . [ Ц е л .   п е р е м . ; В н .   п а р а м .   с   б о л .   в л и я н . ]   | В н .   п а р а м .   п р и   Р 99
Figure 00000002
- и оценивают возможность коллекторной системы для целевой переменной на протяжении различных временных горизонтов с использованием критического риска и критической возможности.
2. Способ по п. 1, в котором критический риск является значением целевой переменной, ниже которого риск, связанный со всеми внутренними параметрами, используемыми для вычисления целевой переменной, является пренебрежимо малым.
3. Способ по п. 1, в котором критическая возможность является значением целевой переменной, выше которого возможность, связанная со всеми внутренними параметрами, используемыми для вычисления целевой переменной, является пренебрежимо малой.
4. Способ по п. 1, в котором целевая переменная представляет собой запасы, извлекаемые первичными методами.
5. Способ по п. 1, в котором значение для риска и значение для возможности измеряют при Р50 по реализациям, которые определяют неопределенность целевой переменной.
6. Способ по п. 1, в котором различные временные горизонты представляют собой краткосрочный, среднесрочный и долгосрочный, при этом краткосрочный представляет собой возрастающее значение целевой переменной до критического риска, среднесрочный представляет собой возрастающее значение целевой переменной до Р50 и долгосрочный представляет собой возрастающее значение целевой переменной до критической возможности.
7. Способ по п. 1, дополнительно содержащий повторение каждого этапа по п. 1 для каждой коллекторной системы в поле.
8. Способ по п. 7, дополнительно содержащий назначение приоритета каждой коллекторной системе с использованием критического риска целевой переменной для каждой соответствующей коллекторной системы и соответствующего кода приоритета.
9. Способ по п. 8, дополнительно содержащий нанесение на карту каждой коллекторной системы с использованием соответствующего кода приоритета для каждой соответствующей коллекторной системы.
10. Нетранзиторный носитель программы, реально несущий исполняемые компьютером инструкции для оценивания возможности коллекторной системы, при этом инструкции исполняются для реализации:
- измерения критического риска и критической возможности целевой переменной для коллекторной системы с использованием компьютерной системы путем:
построения графика "торнадо" с использованием всех внутренних параметров, используемых для вычисления целевой переменной, значения для риска и значения для возможности; и
вычисления критического риска и критической возможности с использованием одного из внутренних параметров из графика "торнадо", который оказывает наибольшее влияние на целевую переменную, при этом риск представлен формулой
К р и т .   р и с к   =   К о р р . [ Ц е л .   п е р е м . ; В н .   п а р а м .   с   б о л .   в л и я н . ]   | В н .   п а р а м .   п р и   Р 1
Figure 00000003
и возможность представлена формулой
К р и т .   в о з м .   =   К о р р . [ Ц е л .   п е р е м . ; В н .   п а р а м .   с   б о л .   в л и я н . ]   | В н .   п а р а м .   п р и   Р 99
Figure 00000004
- и оценивания возможности коллекторной системы для целевой переменной на протяжении различных временных горизонтов с использованием критического риска и критической возможности.
11. Носитель программы по п. 10, на котором критический риск является значением целевой переменной, ниже которого риск, связанный с внутренними параметрами, используемыми для вычисления целевой переменной, является пренебрежимо малым.
12. Носитель программы по п. 10, на котором критическая возможность является значением целевой переменной, выше которого возможность, связанная со всеми внутренними параметрами, используемыми для вычисления целевой переменной, является пренебрежимо малой.
13. Носитель программы по п. 10, на котором целевая переменная представляет собой запасы, извлекаемые первичными методами.
14. Носитель программы по п. 10, на котором значение для риска и значение для возможности измеряются при Р50 по реализациям, которые определяют неопределенность целевой переменной.
15. Носитель программы по п. 10, на котором различные временные горизонты представляют собой краткосрочный, среднесрочный и долгосрочный, при этом краткосрочный представляет собой возрастающее значение целевой переменной до критического риска, среднесрочный представляет собой возрастающее значение целевой переменной до Р50 и долгосрочный представляет собой возрастающее значение целевой переменной до критической возможности.
16. Носитель программы по п. 10, дополнительно содержащий повторение каждого этапа по п. 1 для каждой коллекторной системы в поле.
17. Носитель программы по п. 16, дополнительно содержащий назначение приоритета каждой коллекторной системе с использованием критического риска целевой переменной для каждой соответствующей коллекторной системы и соответствующего кода приоритета.
18. Носитель программы по п. 17, дополнительно содержащий нанесение на карту каждой коллекторной системы с использованием соответствующего кода приоритета для каждой соответствующей коллекторной системы.
RU2015100523/28A 2012-07-27 2012-07-27 Системы и способы для оценивания возможности коллекторной системы RU2591239C1 (ru)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2012/048592 WO2014018055A2 (en) 2012-07-27 2012-07-27 Systems and methods for estimating opportunity in a reservoir system

Publications (1)

Publication Number Publication Date
RU2591239C1 true RU2591239C1 (ru) 2016-07-20

Family

ID=49997941

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2015100523/28A RU2591239C1 (ru) 2012-07-27 2012-07-27 Системы и способы для оценивания возможности коллекторной системы

Country Status (6)

Country Link
US (1) US20150193707A1 (ru)
EP (1) EP2877934A4 (ru)
AU (1) AU2012385936B2 (ru)
CA (1) CA2879063A1 (ru)
RU (1) RU2591239C1 (ru)
WO (1) WO2014018055A2 (ru)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10761229B2 (en) * 2015-02-20 2020-09-01 Schlumberger Technology Corporation Microseismic sensitivity analysis and scenario modelling
CN106245574B (zh) * 2016-07-05 2018-05-18 三门峡市水利勘测设计有限责任公司 大幅提高蓄洪济枯效益的双层水库方法
JP7097133B1 (ja) * 2022-03-09 2022-07-07 有限会社小沢テント ゴルフ練習装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040128112A1 (en) * 2002-12-13 2004-07-01 Mikytuck Howard W. System and method for holistic management of risk and return
US20070179742A1 (en) * 2006-01-20 2007-08-02 Eric Tabanou Method for assessment of uncertainty and risk
US20100174489A1 (en) * 2008-07-01 2010-07-08 Schlumberger Technology Corporation Effective hydrocarbon reservoir exploration decision making
WO2010090825A2 (en) * 2009-01-20 2010-08-12 Chevron U.S.A. Inc. Stochastic inversion of geophysical data for estimating earth model parameters
WO2011037580A1 (en) * 2009-09-25 2011-03-31 Landmark Graphics Corporation Systems and methods for the quantitative estimate of production-forecast uncertainty
WO2011157764A2 (en) * 2010-06-16 2011-12-22 Foroil Production simulator for simulating a mature hydrocarbon field

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6434435B1 (en) * 1997-02-21 2002-08-13 Baker Hughes Incorporated Application of adaptive object-oriented optimization software to an automatic optimization oilfield hydrocarbon production management system
GB2352036B (en) * 1998-05-04 2002-11-27 Schlumberger Evaluation & Prod Near wellbore modelling method and apparatus
US7149714B1 (en) * 1999-03-10 2006-12-12 Halpern Richard G Automated targeted and proportional investment management systems and methods
RU2274747C2 (ru) * 2000-10-04 2006-04-20 Шлюмбергер Текнолоджи Б.В. Методика оптимизации добычи из многослойных смешанных пластов с использованием данных о динамике изменения дебита смешанных пластов и данных геофизических исследований в эксплуатационных скважинах
US7430534B2 (en) * 2001-06-15 2008-09-30 Abb Ab System, method and computer program product for risk-minimization and mutual insurance relations in meteorology dependent activities
FR2837947B1 (fr) * 2002-04-02 2004-05-28 Inst Francais Du Petrole Methode pour quantifier les incertitudes liees a des parametres continus et discrets descriptifs d'un milieu par construction de plans d'experiences et analyse statistique
US7096122B2 (en) * 2003-07-22 2006-08-22 Dianli Han Method for producing full field radial grid for hydrocarbon reservoir simulation
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
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
US8190458B2 (en) * 2007-01-17 2012-05-29 Schlumberger Technology Corporation Method of performing integrated oilfield operations
US7606666B2 (en) * 2007-01-29 2009-10-20 Schlumberger Technology Corporation System and method for performing oilfield drilling operations using visualization techniques

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040128112A1 (en) * 2002-12-13 2004-07-01 Mikytuck Howard W. System and method for holistic management of risk and return
US20070179742A1 (en) * 2006-01-20 2007-08-02 Eric Tabanou Method for assessment of uncertainty and risk
US20100174489A1 (en) * 2008-07-01 2010-07-08 Schlumberger Technology Corporation Effective hydrocarbon reservoir exploration decision making
WO2010090825A2 (en) * 2009-01-20 2010-08-12 Chevron U.S.A. Inc. Stochastic inversion of geophysical data for estimating earth model parameters
WO2011037580A1 (en) * 2009-09-25 2011-03-31 Landmark Graphics Corporation Systems and methods for the quantitative estimate of production-forecast uncertainty
WO2011157764A2 (en) * 2010-06-16 2011-12-22 Foroil Production simulator for simulating a mature hydrocarbon field

Also Published As

Publication number Publication date
AU2012385936A1 (en) 2015-01-29
WO2014018055A3 (en) 2014-05-08
EP2877934A2 (en) 2015-06-03
AU2012385936B2 (en) 2015-09-10
EP2877934A4 (en) 2016-04-06
US20150193707A1 (en) 2015-07-09
WO2014018055A2 (en) 2014-01-30
CA2879063A1 (en) 2014-01-30

Similar Documents

Publication Publication Date Title
Comber et al. A route map for successful applications of geographically weighted regression
RU2573746C2 (ru) Система и способы для прогнозирования поведения скважины
Huerta et al. Time-varying models for extreme values
US10545260B2 (en) Updating geological facies models using the Ensemble Kalman filter
US9378462B2 (en) Probability mapping system
US20150006081A1 (en) Adaptive time-lapse sub-surface electrical resistivity monitoring
EP2707827B1 (en) System and method for characterizing reservoir formation evaluation uncertainty
CA3109021C (en) Facilitating hydrocarbon exploration by applying a machine-learning model to basin data
US11946922B2 (en) Addressing incomplete soil sample data in soil enrichment protocol projects
RU2591239C1 (ru) Системы и способы для оценивания возможности коллекторной системы
Serafini et al. Approximation of Bayesian Hawkes process with inlabru
CN115032687A (zh) 一种地震勘探数据采集的方法及装置
US20110054797A1 (en) Maximum entropy application methods and systems
US11681072B2 (en) Method and system for ranking reactivities for kinetics assignment in basin modeling
US11320553B2 (en) System and method for subsurface structural interpretation
Wang et al. Confidence intervals for the duration of a mass extinction
Ashayeri et al. Using the Adaptive Variable Structure Regression Approach in Data Selection and Data Preparation for Improving Machine Learning-Based Performance Prediction in Unconventional Plays
Heywood-Smith et al. Cognitive errors in estimation: does anchoring cause overconfidence?
CN114488312B (zh) 一种基于正态分布的薄互层砂厚预测方法
US11942190B2 (en) Method and system for evaluating reactivity in source rock evaluation
US10585199B2 (en) Method for determining a lithology map
Kim et al. On the role of uncertainty in Poisson target models used for placement of spatial sensors
Vanderpuye Investigating Spatio-Temporal Randomness of Large Earthquakes
CN113887066A (zh) 一种可改造性确定方法、装置、存储介质及电子设备
Hammond et al. Delineating Facies Spatial Distribution by Integrating Ensemble Data Assimilation and Indicator Geostatistics with Level Set Transformation.

Legal Events

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

Effective date: 20170728