FR2742794A1 - Methode pour modeliser les effets des interactions entre puits sur la fraction aqueuse produite par un gisement souterrain d'hydrocarbures - Google Patents
Methode pour modeliser les effets des interactions entre puits sur la fraction aqueuse produite par un gisement souterrain d'hydrocarbures Download PDFInfo
- Publication number
- FR2742794A1 FR2742794A1 FR9515338A FR9515338A FR2742794A1 FR 2742794 A1 FR2742794 A1 FR 2742794A1 FR 9515338 A FR9515338 A FR 9515338A FR 9515338 A FR9515338 A FR 9515338A FR 2742794 A1 FR2742794 A1 FR 2742794A1
- Authority
- FR
- France
- Prior art keywords
- wells
- production
- well
- significant data
- aqueous fraction
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
- 239000012223 aqueous fraction Substances 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000003993 interaction Effects 0.000 title claims abstract description 16
- 230000000694 effects Effects 0.000 title claims abstract description 13
- 239000004215 Carbon black (E152) Substances 0.000 title claims abstract description 6
- 229930195733 hydrocarbon Natural products 0.000 title claims abstract description 6
- 150000002430 hydrocarbons Chemical class 0.000 title claims abstract description 6
- 238000004519 manufacturing process Methods 0.000 claims abstract description 51
- 238000002347 injection Methods 0.000 claims abstract description 25
- 239000007924 injection Substances 0.000 claims abstract description 25
- 239000012530 fluid Substances 0.000 claims abstract description 15
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 13
- 238000011282 treatment Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 2
- 230000002747 voluntary effect Effects 0.000 claims description 2
- 230000002000 scavenging effect Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 15
- 238000010408 sweeping Methods 0.000 abstract description 6
- 238000011010 flushing procedure Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 11
- 238000001228 spectrum Methods 0.000 description 10
- 238000005070 sampling Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000499 gel Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
- E21B43/16—Enhanced recovery methods for obtaining hydrocarbons
- E21B43/20—Displacing by water
Landscapes
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- Physics & Mathematics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Physical Or Chemical Processes And Apparatus (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
Abstract
- L'invention concerne une méthode pour modéliser les effets des interactions entre puits sur la fraction aqueuse dans les effluents produits par un ou plusieurs puits au travers d'une zone d'un gisement souterrain d'hydrocarbures en cours d'exploitation, soumis à un balayage par du fluide sous pression injecté par un ou plusieurs puits d'injection ou à un balayage par de l'eau d'une zone aquifère, dans le but d'optimiser la production du gisement. - La méthode est caractérisée en ce qu'elle comporte la sélection d'un ensemble de données significatives à partir de mesures tirées d'historiques d'injection de fluide de balayage et d'historiques de production d'effluents par un ensemble de puits de la zone, et l'établissement par itérations d'un modèle linéaire optimisé reliant les variations au cours du temps de ces fractions aqueuses, aux variations au cours du temps des données significatives. - Application à l'optimisation de la production pétrolière d'un gisement.
Description
1 2742794
La présente invention concerne une méthode pour modéliser les effets des interactions entre puits sur la fraction aqueuse dans les effluents produits par un gisement souterrain d'hydrocarbures en cours d'exploitation, soumis à un balayage
par fluide sous pression, dans le but d'optimiser la production du gisement.
La production d'eau est un problème majeur dans l'exploitation pétrolière. Il arrive que les exploitants se trouvent confrontés à des situations o la fraction aqueuse ("watercut") dans la production d'un puits, est très importante alors que le taux de récupération de l'huile en place reste faible, ce qui met en évidence l'inefficacité du balayage effectué. Ils peuvent être conduits à abandonner la production par le puits en cause avec toutes les conséquences économiques qui en découlent faute de solutions pour mieux maitriser ces venues d'eau. C'est dans le cadre de la mise en exploitation de réservoirs stratifiés soumis à un balayage à l'eau, par exemple, que l'on note parfois des évolutions complexes de cette fraction aqueuse. Il est connu de traiter localement un puits o se produisent des venues d'eau, en bouchant les zones du puits produisant de l'eau par des injections de ciment, de polymères, de gels etc. avec utilisation de packers pour délimiter les zones à traiter au cours de la mise en place des produits. Cette technique est difficile à mettre en oeuvre car il faut d'abord bien délimiter les zones critiques Les interventions sont lourdes et coûteuses, sans justification économique sur des puits qui sont souvent
aux limites de la rentabilité.
Pour endiguer des venues d'eau trop importantes, il est connu aussi d'appliquer au réservoir des traitements globaux, en y injectant par exemple des
polymères, dont le taux de réussite reste faible et surtout difficilement prévisible.
La physique d'un réservoir est en général très complexe. On considère le cas d'un puits traversant un certain nombre i de niveaux réservoirs considérés comme hydrauliquement indépendants à l'échelle de l'environnement du puits (i=2 dans le cas de la Fig.1l). Sous l'effet d'un soutirage avec, par exemple, un débit Q étant imposé par une pompe, la pression en fond de puits se stabilise à une valeur Pwf (pression dynamique). Le fonctionnement du puits est traduit par les relations suivantes:
2 2742794
Q = Z Q =Z, aiQ avec (i=1 i i i Q, = n (ïi-Pf
f. =I af.
o Pi représente la pression régnant dans la couche i. Le débit global du puits Q est composé de la somme des contributions Qi de toutes les couches i, chaque contribution dépendant de l'index de productivité IPi de la couche considérée et de la différence de pression appliquée Pi- Pwf. La fraction aqueuse du puits fw résulte d'une moyenne des fractions aqueuses fwi de chaque couche, pondérée par sa
contribution au débit glotal du puits.
L'expression Qi = IPi (Pi - Pwf) montre bien que toute variation APi de la pression Pi d'une couche se traduit par une variation AQi du débit Qi de la couche, et, si les fractions aqueuses des couches sont différentes, par une variation de la fraction aqueuse du puits en fonction des modifications des contributions relatives de chaque couche à la production globale du puits. La variation APi de la pression d'une couche peut être en particulier due à une variation des débits d'injection ou de production des puits voisins. Par ailleurs, lorsque les pressions dans les différentes couches sont sensiblement différentes, une variation de la pression de production P
se traduit par une variation de la distribution des débits (ai).
Par ailleurs, dans le cas o les pressions Pi des différentes couches sont sensiblement différentes, toute modification de la sollicitation du puits: débit Q de la pompe ou pression dans le puits Pwf, se traduira par une variation de la fraction aqueuse, augmentation ou diminution suivant les distributions relatives des
saturations et des pressions de chaque couche.
Bien que la physique d'un réservoir soit très complexe et que les pressions soient souvent, faute de mesures suffisantes, des variables qui restent cachées, la méthode selon l'invention permet néanmoins, dans un ensemble de puits traversant une zone d'un gisement souterrain d'hydrocarbures en cours d'exploitation soumis à un balayage par du fluide sous pression (qu'il sagisse de fluide injecté ou de fluide provenant d'un zone aquifèere voisine), de bien modéliser les effets des interactions entre puits sur la fraction aqueuse dans les effluents produits par au moins un puits
3 2742794
producteur de cet ensemble de puits, dans le but d'optimiser la production du gisement. La méthode est caractérisée en ce qu'elle comporte: - la sélection d'un ensemble de données significatives à partir de données brutes tirées d'historiques d'injection de fluide de balayage dans le gisement et d'historiques de production d'effluents par un ou plusieurs puits de production; et - l'établissement itératif d'un modèle linéaire optimisé reliant les variations au cours du temps des données significatives relatives à la fraction aqueuse dans la production dudit puits producteur, aux variations au cours du temps des données
significatives relatives des autres puits du dit ensemble de puits.
Les facteurs d'interaction affectant la production d'eau étant mis en évidence par le modèle ainsi réalisé, les ingénieurs de réservoirs sont mieux en mesure de jouer sur différents paramètres: choix des puits d'injection, débits d'injection, débits de production, etc. pour accroître l'efficacité du balayage et augmenter le taux de
récupération d'huile.
Suivant un mode de mise en oeuvre, la sélection des données significatives comporte un filtrage fréquentiel des variations des données brutes relatives par exemple à la fraction aqueuse de ce puits producteur d'une part et à d'autres puits de
l'ensemble de puits.
Suivant un mode de réalisation, la sélection de données significatives comporte par exemple la détection des fluctuations à une fréquence basse très inférieure à la gamme de fréquence avec laquelle sont mesurées les données brutes
affectant la fraction d'eau.
Suivant un mode de réalisation, la collecte des données significatives comporte une sélection parmi les puits de production et/ou d'injection, d'un nombre
restreint de puits offrant les interactions les plus fortes avec le dit puits producteur.
La sélection des données significatives peut comporter par exemple, un traitement statistique préalable des données brutes et éventuellement une sélection
parmi elles d'un ensemble de données présentant un espacement en temps régulier.
4 2742794
Suivant un mode de mise en oeuvre, la méthode comporte l'application à un ou plusieurs puits d'injection ou de production de sollicitations volontaires modifiant les données brutes d'entrée de manière à mieux sélectionner les puits présentant des interactions. Suivant un mode de mise en oeuvre convenant pour le cas o l'on modélise les effets des interactions mutuelles exercées par différents puits de cet ensemble de puits, sur les fractions aqueuses dans les effluents produits respectivement par différents puits producteurs soumis à un balayage par du fluide sous pression, dans le but d'optimiser la production du gisement, on réalise de préférence en outre une optimisation globale des différents modèles obtenus en tenant compte des interactions croisées entre les données significatives intervenant effectivement dans
chacun d'eux, de manière à maximiser la production globale de la zone.
La réalisation d'un modèle prédictif fin du comportement des puits, résultat de la méthode selon l'invention permet de bien évaluer l'efficacité des traitements de puits, mieux que ne le font les méthodes actuelles réalisées à partir d'un comportement moyen plus ou moins représentatif. Un tel modèle, généralisé à l'échelle d'un ensemble de puits, fournit un outil d'optimisation de leur production
d'huile d'un gisement.
La modélisation effectuée a pour effet: - l'amélioration de l'image du réservoir, car l'interprétation qualitative des interférences mises en évidence, permet de préciser les communications hydrauliques entre puits et les corrélations des corps réservoirs; et aussi - l'amélioration du diagnostic de l'état de balayage du réservoir, car les variations de la fraction aqueuse sont directement reliées aux contrastes de saturation entre les différentes couches, donc à leur état de balayage. Une analyse des interférences permet de mieux sélectionner des puits candidats pour un traitement de prévention
de venues d'eau, voire une amélioration des conditions opératoires du traitement.
Par ailleurs, à partir des corrélations entre puits et des comparaisons de comportement de plusieurs producteurs, on peut obtenir des informations
concernant l'état de balayage surfacique de chaque couche.
2742794
D'autres caractéristiques et avantages de la méthode et du dispositif selon
l'invention, apparaîtront à la lecture de la description ci-après de modes de
réalisation décrits à titre d'exemples non limitatifs, en se référant aux dessins annexés o: - la Fig. 1 montre schématiquement un puits producteur produisant à partir de deux niveaux réservoirs considérés comme hydrauliquement indépendants à l'échelle de l'environnement du puits; - la Fig.2 illustre schématiquement le lien qui existe entre des perturbations affectant le débit d'injection et/ou de production de puits voisins, - la Fig.3 illustre le mode de relation établi par le modèle linéaire choisi; la Fig.4 montre le schéma d'implantation des puits considérés Wl-W12, les uns relativement aux autres, sur les données desquels la méthode a été éprouvée; - la Fig.5 montre schématiquement l'évolution en fonction du temps t, des mesures brutes fw(W1) de la fraction aqueuse du puits W1 - la Fig. 6 montre schématiquement l'évolution en fonction du temps t, des moyennes mensuelles de la fraction aqueuse du puits W1 - la Fig. 7 montre schématiquement le spectre de fréquence A(Wl) des valeurs moyennes de la fraction aqueuse du puits W1; - la Fig. 8 montre l'évolution en fonction du temps t, des moyennes mensuelles Fw(W1) de la fraction aqueuse du puits W1, corrigée par suite d'un filtrage des hautes fréquences du spectre de la Fig.7 (données de sortie); - la Fig. 9 montre schématiquement le spectre de fréquence A(W 1) des valeurs du débit mensuel du puits producteur Wl 1 intervenant dans le modèle; - la Fig. 10 montre l'évolution en fonction du temps t, des valeurs mensuelles du débit D(Wl 1) produit par le puits Wl 1, corrigée par suite d'un filtrage des hautes fréquences du spectre de la Fig.9 (données d'entrée);
6 2742794
- la Fig. 11 montre schématiquement le spectre des valeurs moyennes des volumes mensuels d'eau injectée au puits d'injection W4; - la Fig. 12 montre l'évolution en fonction du temps t, des moyennes mensuelles de débit D(W4) du puits d'injection W4, corrigé par suite d'un filtrage des hautes fréquences du spectre de la Fig. 11 (données d'entrée); - la Fig.13 montre des exemples Il, I2 de fonctions d'intercorrélation entre la fraction aqueuse du puits W1 (données de sortie) et respectivement des débits mensuels de production des puits W8 et W12 (données d'entrée); et la Fig. 14 montre une comparaison des résultats du modèle M obtenu pour le puits W1, avec les mesures réelles R. La fraction aqueuse d'un puits augmente au cours du temps même si les débits d'injection et de production des puits restent constants, c'est une dérive due au balayage permanent des couches par le fluide de balayage ainsi qu'au remplacement progressif de l'huile par l'eau dans le réservoir. Il s'agit d'un phénomène lent apparaissant à partir du moment de la percée de l'eau aux puits producteurs et s'étalant sur plusieurs années. On peut donc considérer que la fraction aqueuse d'un puits se compose d'une dérive et des fluctuations dues aux perturbations des puits voisins: fw = dérive + Mw (perturbations) La détermination des variations de la fraction aqueuse fw d'un puits s'obtient alors en tenant compte de la dérive due à la production cumulée de fluides à ce puits et en modélisant le lien qui existe entre des perturbations dues à des variations du
débit d'injection et/ou de production de puits voisins, suivant le schéma de la Fig.2.
Comme on l'a indiqué, la méthode selon l'invention comporte la détermination d'un système linéaire qui relie les variations de la fraction aqueuse d'un puits aux variations d'injection et de production des puits voisins. On choisit par exemple un modèle auto-régressif de type ARX choisi dans une bibliothèque de logiciels mathématiques telle que MATLAB bien connu des spécialistes, qui permet d'établir la fonction de transfert qui peut exister entre deux signaux. Cette
fonction de transfert caractérise le système physique concerné.
7 2742794
Le modèle linéaire ARX reliant un signal d'entrée x à un signal de sortie y comme schématisé à la Fig.3, est caractérisé par l'équation suivante: A(q) y(t) = B(q) x(t - nk) + e(t) avec nk: retard q: opérateur de retard A(q) = 1 + a, q-'+...........+a"q-f, na ordre de A(q) B(q) = bI +b2q-1+.......... +bnbq'b' nb ordre de B(q) Plus explicitement: y(t) + a, y(t - 1) +...+ a. y(t - na) = b. x(t - nk) + b2 x(t - nk - 1) +...+| bbx(t - nk - nb + 1) + e(t)l
Si na=0 le modèle est transverse: la sortie ne dépend que des entrées.
Si na;0 le modèle est récursif: la sortie dépend non seulement des entrées
mais aussi des sorties précédentes.
Pour la simplicité de l'écriture, on a défini un modèle linéaire à une seule entrée x. Il est bien évident cependant qu'un tel modèle peut être facilement
généralisé à plusieurs entrées.
On a pu vérifier que le choix d'un modèle linéaire était parfaitement légitime, en calculant pour cela les variations individuelles de la fraction aqueuse d'un puits correspondant à n perturbations distinctes et en vérifiant que la variation globale de la fraction aqueuse résultant de l'effet des n perturbations présentes simultanément était bien égale à la somme des variations individuelles calculées, aux effets de
dérive près.
Sélection des données significatives Pour modéliser les interactions existant entre n puits d'injection ou de production W1, W2,..., Wn, on utilise des données brutes d'exploitation sorties
8 2742794
d'historiques de production et d'injection et on forme à partir d'elles des données significatives. Les historiques de production sont constitués de données mesurées: mesures de débits injectés et produits, mesures de la fraction aqueuse etc., avec un pas d'échantillonnage plus ou moins régulier. Ces mesures sont souvent "bruitées" et présente une grande dispersion. Il importe donc dans un premier temps de les rendre plus significatives en: - supprimant les mesures aberrantes dues aux effets du bruit et en éliminant les parties de plus haute fréquence du spectre des variations de mesures brutes, ceci notamment par des méthodes statistiques ou des méthodes de traitement des signaux, connues dans le domaine; et en ré-estimant éventuellement à partir des mesures brutes obtenues à des intervalles trop irréguliers, une collection de données avec pas d'échantillonnage constant. On pratique également une sélection des puits dont les données seront prises en compte, parmi les puits du champ d'exploitation W2, W3,... Wn, les plus susceptibles d'interagir avec celles d'un puits W1 dont on cherche à modéliser la fraction aqueuse. A cet effet, on intercorrèle pour chacun des couples de puits (W1, W2),... (W1, Wn), les données significatives obtenues précédemment et la fraction aqueuse du puits W1, et l'on retient parmi les puits W2,... Wn, ceux dont le
coefficient d'intercorrélation est le plus élevé.
Ayant choisi les données significatives des puits les plus susceptibles d'interagir, on les applique comme données d'entrée au modèle linéaire choisi et on détermine l'équation particulière modélisant les interactions entre les puits sélectionnés. En procédant alors à une analyse et une interprétation des résultats du modèle représentatif, on peut agir sur les facteurs susceptibles de diminuer la
fraction aqueuse des puits modélisés, et ainsi augmenter la production d'huile.
L'opération de modélisation ainsi décrite pour être répétée pour modéliser les fractions acqueuses dans la production de plusieurs puits producteurs de la zone du
gisement, en les reliant à des données significatives d'autres puits de la zone.
9 2742794
Il peut se produire que l'on observe des interactions croisées entre les fractions aqueuses modélisées, du fait que les données significatives de production d'un ou de plusieurs puits producteurs dont les fractions acqueuses respectives ont été modélisées, interviennent elles-mêmes dans un ou plusieurs autres modèles établis pour d'autres puits producteurs. Dans ce cas, on procède à une optimisation globale des différents modèles obtenus en tenant compte de ces interactions croisées, de manière à maximiser la production globale de la zone La validité de l'approche systématique choisie pour définir la méthode de modélisation de la fraction aqueuse dans la production de puits, a été vérifiée à partir de données réelles d'un champ d'exploitation pétrolière d'un réservoir stratifié et hétérogène balayé par injection d'eau. En particulier, l'historique de la fraction aqueuse d'un puits de ce champ, a pu être modélisé de manière satisfaisante à l'aide du modèle auto- régressif ARX choisi comportant en entrée les productions ou injections mensuelles plus ou moins retardées de quelques puits voisins
EXEMPLE DE MODÉLISATION
Modélisation de l'évolution de la fraction aqueuse d'un puits Wl On a considéré un groupe de 12 puits traversant ce réservoir, encadrés sur la Fig. 4, puits injecteurs (W4, W5, W6 et W3) et 8 puits producteurs (W7, W8, W10, W9, W2, W 1 et W11). L'implantation des différents puits injecteurs et producteurs W1, W2, W3,..., W12 est relativement régulière (Fig.4). L'ordre de grandeur d'espacement entre les puits est de l'ordre de 500 mètres. Les exemples ci-après portent sur la modélisation des variations de la fraction aqueuse d'un puits
producteur central Wl.
Le système à identifier est ici le suivant: les données de sortie sont la fraction aqueuse du puits W1 considéré, les données d'entrée potentielles sont les volumes
d'eau injectés et de fluide produits par les 10 puits voisins W2 à W12.
1- Sélection des données significatives a) Les paramètres de sortie
2742794
On dispose de mesures brutes de fraction aqueuse réalisées par prélèvement d'échantillons en tête de puits, à des intervalles de temps très irréguliers (de quelques jours à environ 1 mois) ainsi que de valeurs mensuelles obtenues par moyenne des mesures brutes réalisées au cours d'un mois calendaire et quel que soit le nombre de mesures disponibles. La figure 5 montre l'évolution des mesures brutes de la fraction aqueuse du puits W1 au cours de l'instant considéré comme initial. On remarque des variations très brusques "à hautre fréquence", caractéristiques d'une dispersion liée à du bruit
ou des erreurs de mesures, autour d'une évolution plus lente (à plus basse fréquence).
o nI s'agit de mettre en évidence ces variations qui correspondent à des variations
"significatives" de la fraction aqueuse (liées à des interférences).
Une solution pour filtrer les composantes à "haute fréquence" peut consister par exemple à se servir des moyennes mensuelles de la fraction aqueuse qui sont disponibles avec un pas d'échantillonnage plus régulier relativement faible (environ 30 jours). Les valeurs moyennes sont moins bruitées que les mesures brutes (cf.
Fig.6), la prise de moyenne correspondant à un certain filtrage des hautes fréquences.
On y discerne plus facilement les variations lentes de la fraction aqueuse. En éliminant la partie la plus haute du spectre de fréquence des valeurs moyennes de la fraction aqueuse représenté à la Fig.7, on obtient le diagramme de mesures
significatives de la Fig.8.
b) Les paramètres d'entrée du modèle Les données de débit d'injection et de production des 12 puits considérés sont des valeurs mensuelles exprimées en m3/mois. On voit sur les Fig.9, 10 par exemple, les évolutions des débits respectivement d'un des puits producteurs W1 1 et d'un des puits d'injection W4, avec un échantillonnage mensuel. Leurs histogrammes (non
représentés) ont une forme de distribution de type gaussien.
2 - Traitements des mesures
Sélection d'une collection de données à espacement régulier.
il 2742794 Pour tenir compte d'écarts éventuels entre les périodes d'échantillonnage, on évalue par interpolation une collection de valeurs espacées régulièrement en temps avec un pas assez fin (mensuel par exemple) Filtrage des données filtrage des données de sortie: On voit sur la Fig.7 qui représente le spectre des mesures moyennées de la fraction aqueuse du puits W1, que les basses fréquences possèdent une grande énergie spectrale, qui se traduit dans le domaine temporel par des variations lentes et plus significatives de la fraction aqueuse. Pour éliminer les plus hautes fréquences à faible énergie que l'on peut attribuer plus probablement aux bruits et erreurs de mesure on choisit d'appliquer un filtrage passe- bas. La fréquence de coupure du filtre passe-bas choisie est 0,5 10-7 Hz, soit une période de coupure de 231,48 jours (7,7
mois). Il est possible cependant de modifier la fréquence de coupure du filtre passe-
bas, et de garder par exemple le pic à 1,1 10-7Hz pour le cas o il correspondrait à une éventuelle interférence et de vérifier si le modèle qui en tiendra compte est ou
non amélioré.
Le diagramme de variation validé de la fraction acqueuse du puits W1, après
filtrage, est celui de la Fig. 8.
Filtrage des données d'entrée: On restreint de la même manière la largeur des spectres associés respectivement aux mesures brutes d'entrée relevées respectivement au puits producteur W11 (Fig.9) et au puits d'injecteur W4 (Fig. 11) par application de filtres passe-bas, ce qui a pour effet de lisser les diagrammes de variation résultant (Fig. 10 et Fig. 12). On peut choisir par exemple la même fréquence de coupure que pour les
données de sortie.
3 - Choix des entrées les plus significatives par intercorrélation Un système à 12 entrées est très complexe. Plus les entrées et en conséquence les coefficients du modèle sont nombreux, plus l'écart d'ajustement du modèle sur l'intervalle d'apprentissage sera faible, mais le modèle sera trop spécifique à cet
12 2742794
intervalle, et donc ne sera pas fiable à l'extrapolation dans le temps. Il est bien préférable par conséquent, de conserver les seules entrées qui influent
significativement sur le comportement de la sortie.
Pour effectuer le choix des entrées les plus significatives, une intercorrélation entre la sortie (fraction aqueuse moyennée et filtrée du puits W1) et chacune des entrées est réalisée. Les 11 fonctions d'intercorrélation ainsi obtenues sont classées par ordre croissant de leur maximum. Sur la Fig.13, on voit un exemple de comparaison entre deux fonctions d'intercorrélation. Elle montre que le débit du puits W8 a plus d'influence sur la fraction aqueuse du puits W1 que le débit du puits
W12 plus éloigné, qui ne peut manifestement pas avoir une influence notable.
4) Modèle optimal obtenu La sortie est la fraction aqueuse moyennée et filtrée du puits WI: fW(wl). Les entrées retenues sont les valeurs filtrées des débits des puits suivants: qw8: débit de production du puits W8 (m3/mois) qW11: débit de production du puits W11 (m 3/mois) qW4: débit d'injection du puits W4 (m3/mois) qw8 ---- ----- qwW8 centré 1 centré 4W11-- * qw4 centré fw(wl)(t) = 0,9132 fw(wl)(t-1) - 0,6465 fw(Wl)(t-2) 0,0028 qcentré (W8)(t-1)
13 2742794
+ 0,5546e-3 qcentré (W 1)(t-l) - 0,0020 qcentré (W4)(t-2) + 0,0011 qcentré (W4)(t-3)
+ 69, 6992
Le "centrage" effectué consiste à retirer la composante continue du signal qui représente sa moyenne: x(centré) = x - moyenne(x). Sur la Fig. 13, on peut comparer la sortie calculée avec le modèle (trait plein) avec la vraie sortie (trait pointillé). Le modèle est satisfaisant et fiable: on obtient une bonne extrapolation sur plus de 19 mois précédant la période d'identification et
sur 6 mois suivant cette période, l'identification étant elle-même faite sur 16 mois.
Le choix du nombre de coefficients et des retards est important. Pour obtenir un modèle optimal robuste, il faut garder le moins de coefficient possible. Les retards peuvent être choisis selon l'éloignement des puits "entrées" par rapport au
puits "sortie".
14 2742794
Claims (7)
1) Méthode pour modéliser, dans un ensemble de puits (Wl-W12) traversant une zone d'un gisement souterrain d'hydrocarbures en cours d'exploitation, les effets des interactions entre plusieurs puits (W2- W12) de cet ensemble de puits sur la fraction aqueuse (fw) dans les effluents produits par au moins un puits producteur (W1) du dit ensemble de puits soumis à un balayage par du fluide sous pression, dans le but d'optimiser la production du gisement, caractérisée en ce qu'elle comporte: - la sélection d'un ensemble de données significatives à partir de données brutes tirées d'historiques d'injection de fluide de balayage dans le gisement et d'historiques de production d'effluents par un ou plusieurs puits de production; et - l'établissement itératif d'un modèle linéaire optimisé reliant les variations au cours du temps des données significatives relatives à la fraction aqueuse dans la production dudit puits producteur (Wl), aux variations au cours du temps des
données significatives relatives des autres puits du dit ensemble de puits.
2) Méthode selon la revendication 1, caractérisée en ce que la sélection des données significatives comporte un filtrage fréquentiel des variations des données brutes. 3) Méthode selon la revendication 1, caractérisée en ce que la sélection des données significatives comporte un filtrage fréquentiel des variations des données brutes relatives à la fraction aqueuse du dit puits producteur (W1) d'une part et des
données brutes relatives à d'autres puits du dit ensemble de puits (W2W12).
4) Méthode selon la revendication 3, caractérisée en ce que la sélection de données significatives comporte par exemple la détection des fluctuations à une fréquence basse très inférieure à la gamme de fréquence avec laquelle sont mesurées
les données brutes affectant la fraction d'eau.
) Méthode selon l'une des revendications précédentes, caractérisée en ce
qu'elle comporte une sélection parmi les autres puits (W2-W12) du dit ensemble de
2742794
puits, d'un nombre restreint de puits présentant les interactions les plus fortes avec le
dit puits producteur (W1).
6) Méthode selon la revendication précédente, caractérisé en ce que l'on sélectionne les puits présentant des interactions en intercorrélant deux à deux les données significatives associées à la fraction aqueuse du dit puits producteur (W1) respectivement avec les données significatives associées aux autres puits du dit
ensemble de puits.
7) Méthode selon l'une des revendications précédentes, caractérisée en ce que
la sélection des données significatives comporte un traitement statistique préalable
des données brutes.
8) Méthode selon l'une des revendications précédentes, caractérisée en ce que
la sélection des données significatives comporte des données brutes d'un ensemble
de données à espacement en temps régulier.
9) Méthode selon l'une des revendications précédentes, caractérisée en ce
qu'elle comporte l'application à un ou plusieurs puits de sollicitations volontaires modifiant les données brutes d'entrée de manière à mieux sélectionner les puits
présentant des interactions.
) Méthode pour modéliser, dans un ensemble de puits (W1-W12) traversant une zone d'un gisement souterrain d'hydrocarbures en cours d'exploitation, les effets des interactions mutuelles exercées par différents puits de cet ensemble de puits, sur les fractions aqueuses (fw) dans les effluents produits respectivement par plusieurs puits producteurs (W1) soumis à un balayage par du fluide sous pression, dans le but d'optimiser la production du gisement, caractérisée en ce qu'elle comporte: - la sélection d'un ensemble de données significatives à partir de données brutes tirées d'historiques d'injection de fluide de balayage dans le gisement et d'historiques de production d'effluents par un ou plusieurs puits de production; - l'établissement itératif de modèles linéaires reliant les variations au cours du temps des données significatives relatives à la fraction aqueuse respectivement dans la production de plusieurs puits producteurs du dit ensemble de puits, aux variations
16 2742794
au cours du temps des données significatives relatives à d'autres puits de cet ensemble; et - une optimisation globale des différents modèles obtenus en tenant compte des interactions croisées entre les données significatives intervenant effectivement dans chacun d'eux, de manière à maximiser la production globale de la zone.
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR9515338A FR2742794B1 (fr) | 1995-12-22 | 1995-12-22 | Methode pour modeliser les effets des interactions entre puits sur la fraction aqueuse produite par un gisement souterrain d'hydrocarbures |
NO965462A NO308868B1 (no) | 1995-12-22 | 1996-12-18 | FremgangsmÕte for modelldannelse av vekselvirkninger mellom brønner med hensyn til vannandelen produsert fra et undergrunns- hydrokarbonreservoar |
RU96123972/03A RU2165520C2 (ru) | 1995-12-22 | 1996-12-20 | Способ моделирования влияния взаимодействия скважин на водную фракцию, производимую подземным месторождением углеводородов (варианты) |
US08/769,804 US5881811A (en) | 1995-12-22 | 1996-12-20 | Modeling of interactions between wells based on produced watercut |
ARP960105855A AR005253A1 (es) | 1995-12-22 | 1996-12-20 | Metodo para modelizar los efectos de las interacciones entre los pozos sobre la fraccion acuosa producida por un yacimiento subterraneo dehidrocarburos. |
GB9626510A GB2308691B (en) | 1995-12-22 | 1996-12-20 | Method for optimising production by modelling the effects of interactions between wells on the watercut produced by an underground hydrocarbon reservoir |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR9515338A FR2742794B1 (fr) | 1995-12-22 | 1995-12-22 | Methode pour modeliser les effets des interactions entre puits sur la fraction aqueuse produite par un gisement souterrain d'hydrocarbures |
Publications (2)
Publication Number | Publication Date |
---|---|
FR2742794A1 true FR2742794A1 (fr) | 1997-06-27 |
FR2742794B1 FR2742794B1 (fr) | 1998-01-30 |
Family
ID=9485846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR9515338A Expired - Fee Related FR2742794B1 (fr) | 1995-12-22 | 1995-12-22 | Methode pour modeliser les effets des interactions entre puits sur la fraction aqueuse produite par un gisement souterrain d'hydrocarbures |
Country Status (6)
Country | Link |
---|---|
US (1) | US5881811A (fr) |
AR (1) | AR005253A1 (fr) |
FR (1) | FR2742794B1 (fr) |
GB (1) | GB2308691B (fr) |
NO (1) | NO308868B1 (fr) |
RU (1) | RU2165520C2 (fr) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6101447A (en) * | 1998-02-12 | 2000-08-08 | Schlumberger Technology Corporation | Oil and gas reservoir production analysis apparatus and method |
US6853921B2 (en) | 1999-07-20 | 2005-02-08 | 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 |
EA005604B1 (ru) | 2001-02-05 | 2005-04-28 | Шлумбергер Холдингс Лимитид | Определение оптимальных характеристик пластового резервуара, буровой скважины и наземных распределительных сетей |
US7379853B2 (en) * | 2001-04-24 | 2008-05-27 | Exxonmobil Upstream Research Company | Method for enhancing production allocation in an integrated reservoir and surface flow system |
AU2003276456A1 (en) * | 2002-11-15 | 2004-06-15 | Schlumberger Technology B.V. | Optimizing well system models |
US7584165B2 (en) * | 2003-01-30 | 2009-09-01 | Landmark Graphics Corporation | Support apparatus, method and system for real time operations and maintenance |
US7289942B2 (en) * | 2003-03-26 | 2007-10-30 | Exxonmobil Upstream Research Company | Performance prediction method for hydrocarbon recovery processes |
US7627461B2 (en) * | 2004-05-25 | 2009-12-01 | Chevron U.S.A. Inc. | Method for field scale production optimization by enhancing the allocation of well flow rates |
CN100489558C (zh) * | 2004-06-07 | 2009-05-20 | 埃克森美孚上游研究公司 | 用于求解隐式储层仿真矩阵的方法 |
CN101371164A (zh) * | 2006-01-20 | 2009-02-18 | 界标制图有限公司 | 动态生产***管理 |
US8898018B2 (en) | 2007-03-06 | 2014-11-25 | Schlumberger Technology Corporation | Methods and systems for hydrocarbon production |
US7680640B2 (en) * | 2007-12-07 | 2010-03-16 | Landmark Graphics Corporation | Systems and methods for utilizing cell based flow simulation results to calculate streamline trajectories |
CN101896690B (zh) * | 2007-12-13 | 2015-02-18 | 埃克森美孚上游研究公司 | 使用非结构化网格的储层模拟上的并行自适应数据分区 |
BRPI0919457A2 (pt) * | 2008-09-30 | 2015-12-01 | Exxonmobil Upstream Res Co | método para simular escoamento de fluido em um reservatório de hidrocarboneto |
BRPI0919456A2 (pt) * | 2008-09-30 | 2015-12-22 | Exxonmobil Upstream Res Co | método para modelar escoamento de fluido em um reservatório de hidrocarboneto |
US20130124171A1 (en) * | 2010-07-30 | 2013-05-16 | John F. Schuette | Systems and methods for predicting well performance |
US9574433B2 (en) | 2011-08-05 | 2017-02-21 | Petrohawk Properties, Lp | System and method for quantifying stimulated rock quality in a wellbore |
CN107701172B (zh) * | 2017-09-22 | 2020-07-24 | 中石化石油工程技术服务有限公司 | 基于线性模型的页岩气水平井初期最高产能的预测方法 |
CN109667568B (zh) * | 2018-12-29 | 2021-05-11 | 中国石油大学(华东) | 一种用于分层注水工艺中层段组合的确定方法及装置 |
CN111502616B (zh) * | 2019-01-30 | 2022-03-29 | 中国石油天然气股份有限公司 | 注水参数的确定方法、装置及存储介质 |
CN110500083B (zh) * | 2019-08-05 | 2022-05-10 | 中国石油天然气股份有限公司 | 一种油水井动态连通性判别方法 |
RU2720718C1 (ru) * | 2020-02-04 | 2020-05-13 | Публичное акционерное общество «Татнефть» имени В.Д. Шашина | Способ эксплуатации нефтяного пласта |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU529348B2 (en) * | 1977-10-07 | 1983-06-02 | Schlumberger Technology B.V. | Means for determining characteristics of subsurface formations |
US5444619A (en) * | 1993-09-27 | 1995-08-22 | Schlumberger Technology Corporation | System and method of predicting reservoir properties |
-
1995
- 1995-12-22 FR FR9515338A patent/FR2742794B1/fr not_active Expired - Fee Related
-
1996
- 1996-12-18 NO NO965462A patent/NO308868B1/no not_active IP Right Cessation
- 1996-12-20 GB GB9626510A patent/GB2308691B/en not_active Expired - Fee Related
- 1996-12-20 AR ARP960105855A patent/AR005253A1/es unknown
- 1996-12-20 RU RU96123972/03A patent/RU2165520C2/ru active
- 1996-12-20 US US08/769,804 patent/US5881811A/en not_active Expired - Fee Related
Non-Patent Citations (1)
Title |
---|
SANKUR ET AL.: "A simplified modeling study of Vickers East waterflood project in Inglewood Field", SPE CALIFORNIA REGIONAL MEETING, 23 March 1988 (1988-03-23) - 25 March 1988 (1988-03-25), LONG BEACH, CALIFORNIA, pages 307 - 323, XP000602340 * |
Also Published As
Publication number | Publication date |
---|---|
GB2308691A (en) | 1997-07-02 |
AR005253A1 (es) | 1999-04-28 |
GB9626510D0 (en) | 1997-02-05 |
GB2308691B (en) | 2000-02-23 |
NO965462D0 (no) | 1996-12-18 |
NO308868B1 (no) | 2000-11-06 |
NO965462L (no) | 1997-06-23 |
RU2165520C2 (ru) | 2001-04-20 |
FR2742794B1 (fr) | 1998-01-30 |
US5881811A (en) | 1999-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
FR2742794A1 (fr) | Methode pour modeliser les effets des interactions entre puits sur la fraction aqueuse produite par un gisement souterrain d'hydrocarbures | |
Boulanger et al. | Inverse filtering procedure to correct cone penetration data for thin-layer and transition effects | |
CN106437689B (zh) | 一种随钻泥浆正脉冲信号的处理方法 | |
CN112149353A (zh) | 基于卷积神经网络识别dnapl污染物在地下含水层分布的方法 | |
EP2963235A1 (fr) | Procede d'exploitation d'un gisement petrolier a partir d'une technique de positionnement des puits a forer | |
Schneider | Basin modeling in complex area: examples from Eastern Venezuelan and Canadian Foothills | |
CN109543915B (zh) | 基于测井信息对全井段烃源岩总有机碳含量的识别方法 | |
Blache-Fraser et al. | Increasing seismic resolution using spectral blueing and colored inversion: Cannonball field, Trinidad | |
EP2650471A1 (fr) | Procédé de sélection des positions de puits a forer pour l'exploitation d'un gisement pétrolier | |
Awad et al. | Interpretation of hydraulic fracturing events by analyzing the energy of rate and pressure signals | |
Cashman et al. | Channel response to a dam‐removal sediment pulse captured at high‐temporal resolution using routine gage data | |
CN113267816B (zh) | 一种基于小样本机器学习地震测井超高分辨率数据融合实现方法 | |
Walsh et al. | A method for generating geomodels conditioned to well data with high net: gross ratios but low connectivity | |
CN110118994B (zh) | 一种基于地震反演和机器学习的陆相烃源岩定量预测方法 | |
CN106772599A (zh) | 一种计算地层横波速度的方法及装置 | |
CN116184491A (zh) | 基于反射结构特征的机器学习高分辨率地震数据处理方法 | |
CN107956472B (zh) | 裂缝性碳酸盐岩储集层完井方式确定方法、装置及介质 | |
CN114035226B (zh) | 基于噪声语义相关性深度迁移去噪自编码网络的微地震资料噪声压制方法及*** | |
CN113960660B (zh) | 一种基于正演模拟的动校正畸变区域自动识别及切除方法 | |
Clark et al. | Eocene turbidite-population statistics from shelf edge to basin floor, Spitsbergen, Svalbard | |
CN113669048A (zh) | 热中子时间衰减测井宏观俘获截面值提取方法 | |
CN107193047A (zh) | 非地表一致性时变动态剩余静校正方法和装置 | |
Lewis et al. | Estimating aquifer properties using derivative analysis of water level time series from active well fields | |
CN113534248A (zh) | 圈闭断层的封闭性定量分析方法、装置及*** | |
Zhou et al. | Modeling three-dimensional groundwater flow and advective contaminant transport at a heterogeneous mountainous site in support of remediation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
ST | Notification of lapse |