view in publisher's site

Top-Down Reservoir Modelling

Abstract Over the last twenty or more years of reservoir performance prediction through simulation there have been only two fundamental changes. First was the evolutionary increase in computing speed that has allowed larger, more detailed reservoir models to be built. Second was the revolutionary change in approach that involved the entire subsurface community in building integrated reservoir descriptions. The next big change may in time prove to be BP's Top-Down Reservoir Modelling (TDRM). This is a new pragmatic approach to fully incorporate reservoir uncertainty in model construction and performance prediction. TDRM is proprietary technology that has been developed in BP through extensive R&D, and consists of a philosophy and tools that enable a faster and more robust exploration of uncertainty than has hitherto been possible. The philosophy is to start investigations with the simplest possible model and simulator appropriate to the business decision. Detail is added later as required. The approach overcomes the problems of the conventional "bottom-up" process, which uses detailed models that are too slow and cumbersome to fully explore uncertainty and identify critical issues. Highly detailed models cannot overcome an underlying absence of information, and can have the negative effect of creating a false sense of understanding. The TDRM tools have been designed to minimise manual iterations by creating a semi automated, flexible workflow for case management, assisted history matching, depletion planning optimisation and post-analysis. TDRM has been successfully applied to eighteen oil and gas reservoirs that range from development appraisal stage to mature fields, and has resulted in up to 20% increase in estimated net present value for the projects. Background The business imperatives in developing oil and gas reservoirs are faster pace and less risk from subsurface uncertainties. Quantification of the uncertainties is difficult and time consuming because of a) the intrinsic subsurface complexity, requiring integration of data from core to seismic scales (cm to 10's m), b) the sparseness of information requiring estimation of unknown data for the construction of possible geological and simulation models, and c) the need to consider a large number of development scenarios. Processes used to estimate uncertainties vary, but the general trend is to start by building a large (multi-million cell) geological model. Often the type of model is independent of the business decision, timeframe and amount of data available. Due to the complex workflow and effort, the focus is on building only one, the "most likely", detailed model, even though evidence from the data indicates that there are many possible models. The next step is to build a simulation model that typically involves upscaling the geological model. If production data exist, this simulation model is history matched manually. Iterative rebuilding of the underpinning geological model is generally avoided. Exploration of the uncertainty in performance prediction using the simulation model is often limited to one-at-a-time sensitivities around a base case. These sensitivities are only a small sample from the factorially combined possibilities. The effort to reach this stage is significant and can be many months for a major reservoir decision. Overall, the focus of activity has been building ever more complex (hence apparently realistic) models and predicting performance from only a single realisation. Breaking away from this general approach and focusing on the real uncertainty breadth in performance prediction is a conceptual leap which requires new technology and understanding. Technology Improvements Technology improvements are providing better information about current and future reservoir performance and offer the opportunity to quantify the risk from subsurface uncertainties. Some of these advances are highlighted below.

مدلسازی مخزن بالا - پایین

چکیده در طول ۲۰ یا چند سال اخیر پیش‌بینی عملکرد مخزن از طریق شبیه‌سازی تنها دو تغییر اساسی وجود داشته‌است. اول، افزایش تکاملی در سرعت محاسبه است که به مدل‌های reservoir بزرگتری اجازه می‌دهد تا ساخته شوند. دوم، تغییر انقلابی در رویکردی بود که کل جامعه زیر سطحی را در ساختن توصیفات مخزن یکپارچه درگیر می‌کرد. تغییر بزرگ بعدی ممکن است در زمان به اثبات برسد که مدل‌سازی ذخیره بالا - پایین (TDRM)باشد. این یک رویکرد عملی جدید برای ترکیب کامل عدم قطعیت مخزن در ساختار مدل و پیش‌بینی عملکرد است. TDRM نوعی تکنولوژی اختصاصی است که از طریق R & D گسترده در BP توسعه یافت و شامل یک فلسفه و ابزارهایی است که امکان کاوش سریع‌تر و قوی‌تر از عدم قطعیت را تا به حال میسر می‌سازد. فلسفه برای شروع تحقیقات با ساده‌ترین مدل ممکن و شبیه‌ساز مناسب برای تصمیم کسب‌وکار است. جزئیات بعدا به صورت مورد نیاز افزوده می‌شود. این رویکرد بر مشکلات فرآیند "بالا" مرسوم غلبه می‌کند، که از مدل‌های مفصل استفاده می‌کند که بسیار کند و دشوار است تا عدم قطعیت را به طور کامل بررسی کرده و مسایل بحرانی را شناسایی کند. مدل‌های بسیار دقیقی نمی‌توانند بر فقدان اطلاعات زیربنایی غلبه کنند و تاثیر منفی ایجاد حس غلط از درک را داشته باشند. ابزارهای TDRM برای به حداقل رساندن تکرارهای دستی با ایجاد یک جریان کاری نیمه خودکار، انعطاف‌پذیر برای مدیریت مورد، تطبیق تاریخچه کمک، بهینه‌سازی برنامه‌ریزی تخلیه و تحلیل پس از آن طراحی شده‌اند. TDRM با موفقیت در ۱۸ مخزن نفت و گاز که از مرحله ارزیابی توسعه تا مزارع بالغ فاصله دارند، اعمال شده‌است و منجر به افزایش ۲۰ درصدی در ارزش خالص فعلی پروژه‌ها شده‌است. پس‌زمینه الزامات کسب‌وکار در حال توسعه مخازن نفت و گاز، سرعت سریع‌تر و ریسک کم‌تر از عدم قطعیت‌های سطحی هستند. عدم قطعیت عدم قطعیت‌ها دشوار و زمان بر است به دلیل پیچیدگی زیر سطحی ذاتی، نیاز به تلفیق اطلاعات از هسته به مقیاس‌های لرزه‌ای (cm تا ۱۰'s متر)، ب)the اطلاعات نیازمند تخمین اطلاعات ناشناخته برای ساخت مدل‌های احتمالی زمین‌شناسی و شبیه‌سازی، و ج)نیاز به در نظر گرفتن تعداد زیادی از سناریوهای توسعه است. فرآیندهایی که برای تخمین عدم قطعیت مورد استفاده قرار می‌گیرند، متفاوت هستند، اما روند کلی با ساخت یک مدل زمین‌شناسی چند میلیون‌پوندی آغاز می‌شود. اغلب نوع مدل مستقل از تصمیم کسب‌وکار، بازه زمانی و مقدار داده موجود است. با توجه به جریان کار و تلاش پیچیده، تمرکز بر روی ساخت تنها یک، "محتمل‌ترین"، مدل تفصیلی است، حتی با وجود اینکه شواهدی از داده‌ها نشان می‌دهد که مدل‌های ممکن زیادی وجود دارد. گام بعدی ایجاد یک مدل شبیه‌سازی است که معمولا شامل upscaling مدل زمین‌شناسی است. اگر داده‌های تولید وجود داشته باشند، این مدل شبیه‌سازی به صورت دستی مطابقت دارد. معمولا از بازسازی تکراری مدل زمین‌شناسی underpinning اجتناب می‌شود. اکتشاف عدم قطعیت در پیش‌بینی عملکرد با استفاده از مدل شبیه‌سازی اغلب به حساسیت‌های زمان - زمان در اطراف یک مورد پایه محدود می‌شود. این حساسیت تنها نمونه کوچکی از احتمالات ترکیبی است. تلاش برای رسیدن به این مرحله مهم است و ممکن است ماه‌ها برای تصمیم‌گیری مهم در مخزن وجود داشته باشد. به طور کلی، تمرکز فعالیت در حال ایجاد پیچیده‌تر (در نتیجه واقعی‌تر)مدل‌ها و پیش‌بینی عملکرد از تنها یک تحقق منفرد بوده‌است. جدا شدن از این رویکرد کلی و تمرکز بر وسعت عدم قطعیت واقعی در پیش‌بینی عملکرد یک گام مفهومی است که نیازمند فن‌آوری و درک جدیدی است. بهبود تکنولوژی بهبود تکنولوژی اطلاعات بهتری در مورد عملکرد جاری و آتی مخزن ارایه می‌دهد و این امکان را برای کمی کردن ریسک عدم قطعیت‌های سطحی ارایه می‌دهد. برخی از این پیشرفت‌ها در زیر برجسته شده‌اند.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.