Предмет варианта(ов) осуществления, описанного в этой заявке, относится к последовательности операций по комплексному анализу на основе предсказательной модели одиночной скважины (SWPM)/модульного динамического тестера (MDT) и, в частности, к последовательности операций SWPM-MDT, которая призвана осуществлять одновременный анализ множественных изменений давления тестера пласта и тестов скважины с помощью обобщенной модели скважины.
В целом, в ходе выполнения программного обеспечения на процессоре компьютерной системы в целях генерации конечного целевого продукта часто бывает необходимо выполнять первый программный модуль на процессоре компьютерной системы для создания первого продукта, и затем, отдельно и независимо, выполнять второй программный модуль на процессоре в ответ на первый продукт для создания второго продукта, и затем, отдельно и независимо, выполнять третий программный модуль на процессоре в ответ на второй продукт для создания конечного целевого продукта. Для создания конечного целевого продукта может понадобиться отдельно и независимо выполнять на процессоре компьютерной системы множество программных модулей для создания конечного целевого продукта. Вышеупомянутое выполнение множества программных модулей, по отдельности и независимо, является очень трудоемкой задачей, на выполнение которой уходит много времени. Соответственно, существует необходимость в 'компьютерной системе на основе программного обеспечения' (ниже именуемой 'предсказательной моделью одиночной скважины' или 'SWPM') которая: (1) автоматически создает первую особую последовательность операций, состоящую из первого множества программных модулей, в ответ на первый набор пользовательских заданий и автоматически выполняет первую особую последовательность операций в ответ на первый набор входных данных для создания первого целевого продукта, и (2) автоматически создает вторую особую последовательность операций, состоящую из второго множества программных модулей, со вторым набором пользовательских заданий, и автоматически выполняет вторую особую последовательность операций в ответ на второй набор входных данных для создания второго целевого продукта. Когда используется компьютерная система на основе программного обеспечения SWPM, уже не нужно отдельно и независимо выполнять первое множество программных модулей первой последовательности операций для создания первого целевого продукта и уже не нужно отдельно и независимо выполнять второе множество программных модулей второй последовательности операций для создания второго целевого продукта. В результате, экономится значительная часть рабочего времени процессора, и, кроме того, уже не нужно выполнять вышеупомянутую трудоемкую задачу по отдельному и независимому выполнению множества программных модулей для создания конечного целевого продукта. Вышеупомянутая 'компьютерная система на основе программного обеспечения', известная как 'предсказательная модель одиночной скважины' или 'SWPM', пригодна для использования в нефтяной промышленности. В нефтяной промышленности, в идеале, все действия по добыче, осуществляемые в связи со скважиной, должны опираться на информацию, касающуюся коллектора (например, часто, интерференцию давления и неоднородность породы) вблизи пробуриваемой скважины. Однако в результате отсутствия общей трехмерной (3D) предсказательной модели, которую могли бы использовать не только инженеры-разработчики, но также специалисты по добыче/бурению/обслуживанию скважины, разрыв между информацией о коллекторе и каждодневными техническими решениями относительно скважины остается одной из наиболее значительных причин неэффективности управления месторождением и эксплуатации месторождения. В силу аналогичного разрыва между моделированием коллектора и моделированием добычи, по нашему мнению, клиенты редко используют большинство полученных данных, т.е. не в полной мере пользуются информацией, которую можно получить из этих данных. Кроме того, большинство коллекторов не имеет реалистичной предсказательной модели коллектора. Согласно оценке, только 20% эксплуатируемых месторождений имеют модель коллектора. Это говорит о том, что большинство месторождений эксплуатируется на основании информации об отдельных скважинах. Тому есть несколько причин, главные из которых: необходимость в опытном персонале, необходимость в специализированном программном обеспечении, размер по вертикали моделей коллектора и необходимое время.
Соответственно, существует необходимость в 'предсказательной модели одиночной скважины' или компьютерной системе на основе программного обеспечения 'SWPM', которая позволила бы персоналу компании лучше понять функционирование скважины и, в то же время, вооружила бы его инструментами быстрой интерпретации, использующими все имеющиеся данные и трехмерные модели коллектора, построенные вокруг конкретной скважины, тем самым повысив качество принимаемых решений по управлению месторождением. Компьютерная система на основе программного обеспечения 'SWPM', отвечающая настоящему изобретению, дает компании возможность выделиться на рынке 'дополнительной ценностью', причем такая ценность добавляется за счет ввода новой услуги по интерпретации (т.е. программного обеспечения SWPM) в современные и будущие инструменты и службы сбора данных компании. Кроме того, 'оперативные возможности', связанные с компьютерной системой на основе программного обеспечения 'предсказательной модели одиночной скважины (SWPM)', получат широкое признание и распространение в нефтяной промышленности, поскольку нефтяная промышленность, в целом, быстро развивается в направлении работы в оперативном режиме. Наконец, такие особенности компьютерной системы на основе программного обеспечения 'SWPM', как интеграция, интерактивность и интуитивность, будут учтены при создании 'предсказательных моделей месторождений' следующего поколения. Кроме того, существует необходимость в интерактивном и интуитивном моделировании потока на основании 'предсказательной модели одиночной скважины (SWPM)', которая используется в целях объединения статических и динамических измерений с данными завершения, которые используют специалисты по неколлекторному моделированию. SWPM позволит строить трехмерные сравнительные предсказательные модели, начиная с одномерной информации (т.е. со скважины). SWPM будет считывать информацию пласта для текущей скважины и создавать потоковую модель коллектора для выбранной области дренажа скважины. От одного измерения к трем, создание свойств осуществляется стохастически и затем проходит точную настройку в отношении доступных динамических данных скважины. После оценки наиболее очевидных свойств коллектора SWPM можно использовать для исследования различных предсказательных сценариев, например подстраивать стратегию завершения, исследовать стратегию бурения, прогнозировать производительность скважины с учетом влияния на коллектор, демонстрировать значимость дополнительных данных при принятии решения и демонстрировать значимость новых технологий. SWPM строится вокруг оптимизированных последовательностей операций, включая оценку петрофизических свойств, построение статической модели, настройку модели, бурение, завершение, эксплуатацию или вмешательство. Важнее всего простота использования и интуитивность. SWPM используется либо последовательно в режиме прошедшего времени, либо в полностью автоматическом режиме реального времени.
Кроме того, тестирование с переменным давлением в интервале (IPTT) вдоль ствола скважины с использованием тестеров пласта с несколькими зондами или пакерным зондом все больше используется как средство оценки параметра пласта. Эти тесты обычно длятся несколько часов и позволяют обследовать объемы в пределах "десятков футов" в радиальном направлении и по вертикали вдоль скважины. Множественные тесты с переменным давлением с перекрывающимися объемами влияния часто применяются в скважинах. В настоящее время все эти тесты с переменным давлением анализируют независимо друг от друга с использованием, в основном, аналитических многослойных моделей. Когда их объемы влияния перекрываются, процедура оказывается итерационной. Для осуществления процесса интерпретации в целом требуются значительные затраты времени и усилий. Также был рассмотрен анализ тестов давления в интервале с переменным давлением с использованием численного моделирования. Численное моделирование может хорошо подходить для сложных геометрий (т.е. разломов, пересекающих пакерные зоны) и многофазного потока, но обычно такое численное моделирование сложнее настраивать. После тестирования с переменным давлением в интервале в скважине можно проводить тестирование пласта на трубах (DST) и/или расширенное тестирование скважины (EWT). Комбинированная интерпретация тестов с переменным давлением в интервале и традиционных тестов скважины не является обычной и создает дополнительную трудность, поскольку традиционные тесты имеют увеличенный радиус исследования. Модель коллектора должна обеспечивать повышенное разрешение по вертикали вблизи ствола скважины, определяемое испытаниями IPTT, и более глубокую поперечную информацию, присущую долговременным тестам скважины с переменным давлением. Также обычно получают данные зависимости давления от глубины в необсаженном и обсаженном стволе скважины с помощью тестеров пласта. В разрабатываемых коллекторах такие данные дают ценную информацию по истощению отдельных участков пласта, фрагментарности и вертикальной связи. Введение профилей зависимости давления от глубины в анализ представляет третий уровень (и масштаб) сложности, поскольку изменения давления вдоль скважины обычно отражают истощение отдельных зон в сочетании с более широкомасштабной информацией связности. В этом описании изобретения представлен вариант осуществления, относящийся к 'последовательности операций на основе предсказательной модели одиночной скважины (SWPM)/модульного динамического тестера (MDT)' (далее, 'последовательности операций SWPM-MDT'), в которой множественные тесты с переменным давлением в интервале (IPTT), традиционные тесты скважины [например, тесты пласта на трубах (DST) и расширенные тесты скважины (EWT)] и профили зависимости давления от глубины анализируются одновременно с использованием численной 'модели отклика коллектора', которая генерируется последовательностью операций, когда последовательность операций полностью выполняется процессором компьютера. Начальная точка 'последовательности операций SWPM-MDT' обеспечивает набор 'результатов интерпретации', которые генерируются, при выполнении петрофизического анализа коллектора вдоль скважины. Таким образом, информация сводится к ряду элементов потока с усредненными петрофизическими свойствами. Эти элементы потока с усредненными свойствами используются для наполнения численной трехмерной модели. Эта начальная модель обновляется для учета одновременно всех данных переменного давления (IPTT, DST, EWT), а также профилей зависимости давления от глубины. Конечный результат, который генерируется или строится, когда вышеупомянутая последовательность операций SWPM-MDT полностью выполняется процессором компьютера, представляет собой 'имитатор отклика коллектора' (или 'модель отклика коллектора', или 'модель коллектора с одной скважиной'), который/ая: обеспечивает динамические данные, отражает и обеспечивает все данные измерений в разных масштабах и может использоваться для изучения альтернативных сценариев завершения и добычи. Способ анализа, описанный в изложенных здесь вариантах осуществления, которые связаны с нижеописанной 'последовательностью операций SWPM-MDT', позволяет: сократить время и усилия, необходимые для анализа множественных тестов с переменным давлением в интервале (IPTT), и обеспечить средство объединения долговременных тестов и данных зависимости давления от глубины.
Один аспект настоящего изобретения предусматривает способ определения целевого продукта, соответствующего пользовательскому заданию, содержащий этапы, на которых: (a) предоставляют первое пользовательское задание; (b) предоставляют первый набор входных данных; (c) автоматически генерируют первую последовательность операций в ответ на первое пользовательское задание; (d) автоматически выбирают один или несколько программных модулей в ответ на первую последовательность операций, причем один или несколько программных модулей включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели в ответ на один или более из набора данных тестирования с переменным давлением и данных тестирования скважины и данных градиента давления; (e) выполняют один или несколько программных модулей на процессоре в ответ на первый набор входных данных; и (f) определяют целевой продукт в ответ на выполнение этапа (e), причем целевой продукт включает в себя трехмерную репрезентативную модель коллектора.
Еще один аспект настоящего изобретения предусматривает устройство хранения программ, считываемое машиной, материально воплощающее набор команд, выполняемых машиной для осуществления этапов способа определения целевого продукта, соответствующего пользовательскому заданию, причем при выполнении этапов способа: (a) предоставляют первое пользовательское задание; (b) предоставляют первый набор входных данных; (c) автоматически генерируют первую последовательность операций в ответ на первое пользовательское задание; (d) автоматически выбирают один или несколько программных модулей в ответ на первую последовательность операций, причем один или несколько программных модулей включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели в ответ на один или более из набора данных тестирования с переменным давлением, и данных тестирования скважины, и данных градиента давления; (e) выполняют один или несколько программных модулей на процессоре в ответ на первый набор входных данных; и (f) определяют целевой продукт в ответ на выполнение этапа (e), причем целевой продукт включает в себя трехмерную репрезентативную модель коллектора.
Еще один аспект настоящего изобретения предусматривает систему, реагирующую на набор входных данных и пользовательское задание, предназначенную для генерации целевого продукта, соответствующего пользовательскому заданию, содержащую: первое устройство, предназначенное для приема первого пользовательского задания и первого набора входных данных; второе устройство, предназначенное для автоматической генерации первой последовательности операций в ответ на первое пользовательское задание; третье устройство, предназначенное для автоматического выбора одного или нескольких программных модулей в ответ на первую последовательность операций, причем один или несколько программных модулей включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели в ответ на один или более из набора данных тестирования с переменным давлением, и данных тестирования скважины, и данных градиента давления; и процессорное устройство, предназначенное для автоматического выполнения одного или нескольких программных модулей в ответ на первый набор входных данных и генерации целевого продукта в ответ на выполнение одного или нескольких программных модулей, причем целевой продукт включает в себя трехмерную репрезентативную модель коллектора.
Еще один аспект настоящего изобретения предусматривает способ определения конечного продукта в ответ на пользовательское задание, содержащий этапы, на которых: (a) предоставляют пользовательское задание и предоставляют входные данные; (b) генерируют конкретную последовательность операций, соответствующую пользовательскому заданию; (c) выбирают множество программных модулей в ответ на конкретную последовательность операций, причем множество программных модулей имеет заранее определенную последовательность, причем программные модули включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели в ответ на один или более из набора данных тестирования с переменным давлением и данных тестирования скважины и данных градиента давления; (d) выполняют множество программных модулей в заранее определенной последовательности в ответ на входные данные; и (e) генерируют конечный продукт по завершении выполнения множества программных модулей в заранее определенной последовательности, причем конечный продукт включает в себя трехмерную репрезентативную модель коллектора.
Еще один аспект настоящего изобретения предусматривает устройство хранения программ, считываемое машиной, материально воплощающее набор команд, выполняемых машиной для осуществления этапов способа определения конечного продукта в ответ на пользовательское задание, причем при выполнении этапов способа: (a) предоставляют пользовательское задание и предоставляют входные данные; (b) генерируют конкретную последовательность операций, соответствующую пользовательскому заданию; (c) выбирают множество программных модулей в ответ на конкретную последовательность операций, причем множество программных модулей имеет заранее определенную последовательность, программные модули включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели в ответ на один или более из набора данных тестирования с переменным давлением, и данных тестирования скважины, и данных градиента давления; (d) выполняют множество программных модулей в заранее определенной последовательности в ответ на входные данные; и (e) генерируют конечный продукт по завершении выполнения множества программных модулей в заранее определенной последовательности, причем конечный продукт включает в себя трехмерную репрезентативную модель коллектора.
Еще один аспект настоящего изобретения предусматривает систему, предназначенную для определения конечного продукта в ответ на пользовательское задание, содержащую: первое устройство, предназначенное для приема пользовательского задания и приема входных данных; второе устройство, предназначенное для генерации конкретной последовательности операций, соответствующей пользовательскому заданию; третье устройство, предназначенное для выбора множества программных модулей в ответ на конкретную последовательность операций, причем множество программных модулей имеет заранее определенную последовательность, программные модули включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели в ответ на один или более из набора данных тестирования с переменным давлением, и данных тестирования скважины, и данных градиента давления; и четвертое устройство, предназначенное для выполнения множества программных модулей в заранее определенной последовательности в ответ на входные данные; и пятое устройство, предназначенное для генерации конечного продукта по завершении выполнения множества программных модулей в заранее определенной последовательности, причем конечный продукт включает в себя трехмерную репрезентативную модель коллектора.
Еще один аспект настоящего изобретения предусматривает способ генерации трехмерной репрезентативной модели коллектора, содержащий этапы, на которых: (a) предоставляют пользовательское задание и предоставляют входные данные; (b) генерируют последовательность операций, соответствующую пользовательскому заданию; (c) выбирают множество программных модулей в ответ на генерацию последовательности операций, причем множество программных модулей имеет заранее определенную последовательность, программные модули включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели; (d) выполняют множество программных модулей в заранее определенной последовательности в ответ на входные данные; и (e) генерируют конечный продукт трехмерной репрезентативной модели коллектора по завершении выполнения программного модуля настройки модели из множества программных модулей.
Еще один аспект настоящего изобретения предусматривает способ прогнозирования нового отклика от нового нефтяного или газового коллектора в ответ на набор недавно измеренных или наблюдаемых данных из нового нефтяного или газового коллектора, набор известных измеренных или наблюдаемых данных из известного нефтяного или газового коллектора, соответствующего известному отклику от известного нефтяного или газового коллектора, содержащий этапы, на которых: строят имитационную модель с использованием набора петрофизических данных и набора геологических данных; калибруют имитационную модель, причем на этапе калибровки обращаются к имитационной модели с известными измеренными или наблюдаемыми данными, тем самым генерируя конкретный отклик от имитационной модели, причем известные измеренные или наблюдаемые данные включают в себя один или более из набора данных тестирования с переменным давлением, и набора данных тестирования скважины, и набора данных градиента давления, сравнивают конкретный отклик от имитационной модели с известным откликом от известного нефтяного или газового коллектора, и калибруют имитационную модель до тех пор, пока конкретный отклик, по существу, не совпадет с известным откликом, тем самым генерируя настроенную имитационную модель; и прогнозируют новый отклик от нового нефтяного или газового коллектора, обращаясь к настроенной имитационной модели с набором недавно измеренных или наблюдаемых данных, причем недавно измеренные или наблюдаемые данные включают в себя один или более из набора данных тестирования с переменным давлением, и набора данных тестирования скважины, и набора данных градиента давления.
Еще один аспект настоящего изобретения предусматривает способ добычи из подземной скважины, способ содержит этапы, на которых
- собирают данные, причем данные выбраны из группы, содержащей петрофизические данные, набор геологических данных, данные тестирования с переменным давлением, набор данных тестирования скважины, набор данных градиента давления, данные каротажа скважины, данные традиционного тестирования скважины, каротажные диаграммы, каротажные изображения, измерения модульного динамического тестера (MDT), керны, диаграммы каротажа в эксплуатационной скважине и другие дополнительные данные, известные в технике и используемые при мониторинге и моделировании бурения скважины и эксплуатации скважины;
- подают собранные данные на процессор и выбирают пользовательское задание из множества заранее определенных пользовательских заданий, хранящихся в процессоре, включая одно или несколько из динамического скважинного инструментария, конструирования теста, оптимизации завершения, оптимизации стимуляции, устройства ввода данных в виде приращений, многоцелевой чувствительности, оценивателя продуктивности/резерва во время бурения;
- используют процессор для генерации первой последовательности операций из множества программных модулей, хранящихся в процессоре, причем последовательность операций использует один или несколько программных модулей, причем один или несколько программных модулей включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели в ответ на одно или более из собранных данных;
- используют калиброванную имитационную модель для управления добычей из скважины;
- повторяют этапы сбора данных, подачи данных на процессор и выбора пользовательского задания, генерируют вторую последовательность операций и используют результирующую калиброванную имитационную модель для управления добычей из скважины; и
- управляют добычей из скважины в ответ на калиброванную имитационную модель, которая лучше всего подходит к фактической добыче из скважины.
Тот же способ, который используется при эксплуатации скважины, также выгодно использовать в связи с бурением, завершением, и/или капитальным ремонтом скважины, и/или отдельными операциями, составляющими часть процесса бурения, завершения и/или капитального ремонта скважины, когда данные, собираемые и подаваемые на процессор, являются данными, выбранными для конкретной операции, которые известны специалистам в данной области.
Еще один аспект настоящего изобретения предусматривает устройство хранения программ, считываемое машиной, материально воплощающее программу из команд, выполняемых машиной для осуществления этапов способа прогнозирования нового отклика от нового нефтяного или газового коллектора в ответ на набор недавно измеренных или наблюдаемых данных из нового нефтяного или газового коллектора, набор известных измеренных или наблюдаемых данных из известного нефтяного или газового коллектора, соответствующего известному отклику от известного нефтяного или газового коллектора, причем при выполнении этапов способа:
(a) строят имитационную модель с использованием набора петрофизических данных и набора геологических данных;
(b) калибруют имитационную модель, причем на этапе калибровки обращаются к имитационной модели с известными измеренными или наблюдаемыми данными, тем самым генерируя конкретный отклик от имитационной модели, причем известные измеренные или наблюдаемые данные включают в себя один или более из набора данных тестирования с переменным давлением, и набора данных тестирования скважины, и набора данных градиента давления, сравнивают конкретный отклик от имитационной модели с известным откликом от известного нефтяного или газового коллектора;
(c) калибруют имитационную модель до тех пор, пока конкретный отклик, по существу, не совпадет с известным откликом, тем самым генерируя настроенную имитационную модель; и
(d) прогнозируют новый отклик от нового нефтяного или газового коллектора, обращаясь к настроенной имитационной модели с набором недавно измеренных или наблюдаемых данных, причем недавно измеренные или наблюдаемые данные включают в себя один или более из набора данных тестирования с переменным давлением, и набора данных тестирования скважины, и набора данных градиента давления.
Дополнительная сфера применения описанных здесь вариантов осуществления, относящихся к 'последовательности операций по комплексному анализу на основе SWPM-MDT', явствует из подробного описания, представленного ниже. Однако следует понимать, что подробное описание и конкретные примеры представляют лишь один вариант осуществления настоящего изобретения, приведенный лишь в порядке иллюстрации, поскольку на основании нижеследующего подробного описания специалист в данной области техники сможет предложить различные изменения и модификации, отвечающие сущности и объему описанных здесь вариантов осуществления. Для полного понимания описанных здесь вариантов осуществления нужно обратиться к подробному описанию, представленному ниже, и к прилагаемым чертежам, которые приведены исключительно в порядке иллюстрации и не призваны ограничивать такие варианты осуществления и на которых:
фиг.1 - схема рабочей станции или другой компьютерной системы, представляющей компьютерную систему на основе программного обеспечения предсказательной модели одиночной скважины (SWPM);
фиг.2 - продукты, генерируемые устройством записи или отображения компьютерной системы, показанной на фиг.1;
фиг.3 - простой пример построения модели и ее конечной цели, которая используется компьютерной системой на основе программного обеспечения SWPM, показанной на фиг.1;
фиг.4 - простой пример конструкции и принципа работы компьютерной системы на основе программного обеспечения SWPM, в которой хранится программное обеспечение SWPM, показанное на фиг.1;
фиг.5 - подробная схема программного обеспечения SWPM, хранящегося в компьютерной системе на основе программного обеспечения SWPM, показанной на фиг.1;
фиг.6 - взаимосвязь между обработчиком данных, инструментом принятия решения и надстройкой последовательности операций; на этой фигуре показано, как соединены обработчик данных и инструмент принятия решения;
фиг.7 - схема обработчика данных; на этой фигуре показано, как многодоменные данные, поступающие из различных источников (каротажные диаграммы, каротажные изображения, измерения MDT, керны и диаграммы каротажа в эксплуатационной скважине), обрабатываются для создания 'калиброванной согласованной одномерной петрофизической статической модели';
фиг.8 - одномерный (1D) продукт обработчика данных; на этой фигуре схематично показано, как визуализируются результаты обработчика данных;
фиг.9 - схема этапов, выполняемых инструментом принятия решения в ответ на выходной одномерный продукт обработчика данных, показанный на фиг.8; на этой фигуре показано, как связаны обработчик данных и инструмент принятия решения (более подробный вариант фиг.6); здесь показаны этапы, выполняемые для создания 'решений' по продукту инструментом принятия решения;
фиг.9A иллюстрирует программное обеспечение SWPM, показанное на фиг.1, 4-6; на этой фигуре показано, как существующее программное обеспечение и новое программное обеспечение организованы (объединены) в определенном порядке для создания предсказательной модели одиночной скважины (SWPM); здесь, в основном, показаны движки, работающие в фоновом режиме; при выполнении SWPM использует программное обеспечение в определенном порядке (который установлен в ответ на инструмент принятия решения);
фиг.10-11 - более подробные схемы конструкции и принципа работы программного обеспечения SWPM, хранящегося в компьютерной системе на основе программного обеспечения SWPM, показанной на фиг.1;
фиг.12-17 - примеры, демонстрирующие принцип работы компьютерной системы на основе программного обеспечения SWPM, показанной на фиг.1, в которой хранится программное обеспечение SWPM, показанное на фиг.5, 10 и 11;
фиг.18 - базовая конструкция 'последовательности операций на основе предсказательной модели одиночной скважины (SWPM)/модульного динамического тестера (MDT)' (далее, 'последовательности операций SWPM-MDT');
фиг.19 - базовая конструкция этапа 'другие данные' последовательности операций SWPM-MDT, показанной на фиг.18;
фиг.20 - более подробная конструкция этапа 'другие данные' последовательности операций SWPM-MDT, показанной на фиг.18, последовательность операций, показанная на фиг.20, составляет часть последовательности операций, показанной на фиг.24A-24C;
фиг.21 - конструкция этапа 'построение модели' последовательности операций SWPM-MDT, показанной на фиг.18, последовательность операций, показанная на фиг.21, составляет часть последовательности операций, показанной на фиг.24A-24C;
фиг.22 - конструкция этапа 'настройка модели' последовательности операций SWPM-MDT, показанной на фиг.18, последовательность операций, показанная на фиг.22, составляет часть последовательности операций, показанной на фиг.24A-24C;
фиг.23 - конструкция этапа 'прогнозирование отклика коллектора' последовательности операций SWPM-MDT, показанной на фиг.18, последовательность операций, показанная на фиг.23, составляет часть последовательности операций, показанной на фиг.24A-24C;
фиг.24A-24C - подробная блок-схема последовательности операций SWPM-MDT, показанной на фиг.18;
фиг.25 - таблица 1, представляющая свойства коллектора, используемые для синтетического случая;
фиг.26 - таблица 2, представляющая свойства флюида, используемые для синтетического случая;
фиг.27 - таблица 3, представляющая фактические, возмущенные и конечные значения, фактические, возмущенные и конечные значения, регрессирующие на двух данных пакера IPTT MDT и зонда;
фиг.28 - таблица 4, представляющая фактические, возмущенные и конечные значения, регрессирующие на двух давлениях пакера IPTT без учета данных зонда и расширенного тестирования скважины;
фиг.29 - таблица 5, представляющая фактические, возмущенные и конечные значения, регрессирующие только на всех данных пакера IPTT, зонда и расширенного тестирования скважины;
фиг.30 - таблица 6, представляющая данные коллектора, используемые для моделирования данных зависимости давления от глубины;
фиг.31 - таблица 7, представляющая фактические, возмущенные и конечные значения, регрессирующие только на данных зависимости давления от глубины;
фиг.32 - возможные конфигурации множественных зондов и пакерного зонда MDT* для тестирования с переменным давлением в интервале;
фиг.33 - результаты обработки данных для одномерной модели; автоматическая идентификация типов породы (возможных слоев моделирования) и назначение свойств слоев завершены; многофазные функции можно выводить и настраивать с использованием выборочных данных MDT;
фиг.34 - последовательность операций предсказательного моделирования одиночной скважины; поскольку имитационная модель обеспечивает динамические данные (оптимизация), ее можно использовать для сравнения различных сценариев эксплуатации и/или завершения;
фиг.35 - график в логарифмическом масштабе по обеим осям теста IPTT 1; дискретные точки получены из аналитической модели; непрерывные линии получены из численной модели;
фиг.36 - график в логарифмическом масштабе по обеим осям теста IPTT 2; дискретные точки получены из аналитической модели; непрерывные линии получены из численной модели;
фиг.37 - график в логарифмическом масштабе по обеим осям расширенного теста скважины; дискретные точки получены из аналитической модели; непрерывные линии получены из численной модели;
фиг.38 - отклик давления на измерительном зонде, тест IPTT 1; дискретные точки получены из аналитической модели; непрерывные линии получены из численной модели;
фиг.39 - согласование давления на пакере для двух тестов MDT-IPTT, анализируемых одновременно;
фиг.40 - согласование давления на зонде для теста IPTT 1; два теста MDT-IPTT анализируются одновременно;
фиг.41 - согласование давления на зонде для теста IPTT 2; анализируются два теста MDT-IPTT;
фиг.42 - согласование давления на пакере для двух тестов IPTT без учета данных зонда или расширенного тестирования скважины;
фиг.43 - согласование давления на зонде для теста IPTT 1, при анализе учитываются только давления на пакере;
фиг.44 - согласование давления на зонде для теста IPTT 2, при анализе учитываются только давления на пакере;
фиг.45 - согласование давления на пакере для двух тестов MDT IPTT с использованием свойств, полученных из оптимизации; оптимизация осуществляется с использованием давлений на пакере и зондах из обоих IPTT и на давлениях из расширенного теста скважины;
фиг.46 - согласование давления на зонде для IPTT 1 с использованием свойств, полученных из оптимизации; оптимизация осуществляется с использованием давлений на пакере и зондах из обоих IPTT и на давлениях из расширенного теста скважины;
фиг.47 - согласование давления на зонде для IPTT 2 с использованием свойств, полученных из оптимизации; оптимизация осуществляется с использованием давлений на пакере и зондах из обоих IPTT и на давлениях из расширенного теста скважины;
фиг.48 - согласование давления для расширенного теста скважины с использованием свойств, полученных из оптимизации; оптимизация осуществляется с использованием давлений на пакере и зондах из обоих IPTT и на давлениях из расширенного теста скважины; и
фиг.49 - согласование зависимости давления от глубины с использованием свойств исходной, возмущенной и регрессированной модели.
Компьютерная система на основе программного обеспечения предсказательной модели одиночной скважины (SWPM), в которой хранится программное обеспечение предсказательной модели одиночной скважины (SWPM): (1) автоматически создает первую конкретную последовательность операций, содержащую первое множество программных модулей, в ответ на первый набор пользовательских заданий и автоматически выполняет первую особую последовательность операций в ответ на первый набор входных данных для создания первого целевого продукта, и (2) автоматически создает вторую конкретную последовательность операций, содержащую второе множество программных модулей, в ответ на второй набор пользовательских заданий и автоматически выполняет вторую особую последовательность операций в ответ на второй набор входных данных для создания второго целевого продукта. В результате, уже не нужно отдельно и независимо выполнять первое множество программных модулей первой последовательности операций для создания первого целевого продукта, и уже не нужно отдельно и независимо выполнять второе множество программных модулей второй последовательности операций для создания второго целевого продукта. В результате, экономится значительная часть рабочего времени процессора, и, кроме того, уже не нужно выполнять вышеупомянутую трудоемкую задачу по отдельному и независимому выполнению множества программных модулей для создания конечного целевого продукта. Одним примером 'целевого продукта' является 'трехмерная репрезентативная модель коллектора', например 'трехмерная репрезентативная модель коллектора' 112, показанная на фиг.24.
Кроме того, компьютерная система на основе программного обеспечения предсказательной модели одиночной скважины (SWPM), в которой хранится программное обеспечение предсказательной модели одиночной скважины (SWPM), обеспечивает последовательность операций для менее узкого специалиста в целях интуитивно понятного построения модели, которую затем можно будет использовать для прогнозирования отдачи пласта. Программное обеспечение SWPM включает в себя четыре модуля: (1) модуль ввода данных, используемый для ввода 'входных данных', (2) модуль создания модели, используемый для генерации 'конкретной последовательности операций', (3) модуль калибровки модели, используемый в качестве 'обработчика данных', и (4) модуль решений, используемый в качестве 'инструмента принятия решения'. Эти модули поддерживаются базой данных хранилища последовательностей операций, которая включает в себя базу данных основной информации и систему управления процессами. В ответ на 'режим выполнения' (например, последовательный или оперативный) и выбранное 'пользовательское задание', которое предоставляется пользователем (например, оптимизация завершения, оптимизация стимуляции, оценка данных, конструирование теста, оцениватель резерва и отдачи скважины и т.д.), пользователь предоставляет 'входные данные', предписанные 'конкретной последовательностью операций', представляющей последовательность операций выбранного решения. Ввод данных (который обеспечивает 'входные данные') предоставляет опции для пользователя, включая базу знаний и постоянные значения свойств. Когда 'входные данные' введены пользователем в модуль ввода данных и когда 'пользовательское задание' предоставлено пользователем, 'конкретная последовательность операций' генерируется в модуле создания модели, в котором автоматически строится модель коллектора вокруг текущей скважины. Пользователь, в необязательном порядке, может управлять построением модели коллектора. На основании диапазонов входных данных будут построены возможные реализации модели коллектора и предоставлены пользователю для выбора. Программное обеспечение SWPM предлагает методологию выбора, или, альтернативно, пользователь может по своему выбору сохранить все реализации. Когда модель 'конкретной последовательности операций' сгенерирована модулем создания модели, обеспечивается 'обработчик данных', в котором проверка модели (представленной 'конкретной последовательностью операций') в ответ на наблюдаемые данные переменного давления и/или добычи будет доступна в модуле калибровки модели. При наличии репрезентативной потоковой модели коллектора (т.е. когда 'обработчик данных' закончил свою работу) можно использовать программу моделирования для достижения первоначальной цели, выбранной в начале сеанса. Альтернативно пользователь может по выбору исследовать другие сценарии оптимизации в модуле решений, также известном как 'инструмент принятия решения'. Набор результатов генерируется 'инструментом принятия решения' в модуле решений. Набор результатов, генерируемый 'инструментом принятия решения' в модуле решений, включает в себя ряд прогнозов, базирующихся на сценариях эксплуатации и/или завершения, предоставленных пользователем. Версия 'в реальном времени' предсказательной модели одиночной скважины (SWPM) способна построить последовательные предсказательные модели для указанных интервалов в ходе процесса бурения. Интервалы могут либо выбираться вручную, либо определяться геологическим/петрофизическим (порода - флюид) свойством. Предсказательные модели, построенные в ходе операции бурения, сохраняются, и к ним можно обращаться для сравнительного анализа. Предсказательная модель одиночной скважины (SWPM) представляет собой интегрированный и интуитивный программный инструмент, позволяющий пользователю осуществлять следующие действия для нефтяной/газовой скважины: (1) начиная с каротажных диаграмм скважины и других тестов, определение свойств хранения и электропроводности в коллекторе вокруг ствола скважины, (2) построение трехмерной модели коллектора вокруг ствола скважины, и (3) прогнозирование поведения скважины согласно различным сценариям завершения и эксплуатации (каждое из этих трех действий можно производить вручную с помощью множества разных программных инструментов). По достижении этой стадии модель можно использовать для многочисленных прогнозов, которые могут привести к полезным решениям, например: (1) где завершать скважину для оптимизации отдачи, (2) выбор трубы завершения скважины для обеспечения запланированной отдачи, (3) интерпретации модульного динамического тестера (MDT) и теста с переменным давлением, (4) конструирование теста на производительность и давление и (5) оценивание резерва вокруг ствола скважины в ходе бурения (этот список может быть расширен). Предсказательная модель одиночной скважины (SWPM) представляет собой интерактивную и специальную направляющую систему, которая ведет пользователя от 'пункта данных' к 'пункту решения'. Во время этого интерактивного путешествия SWPM обращается к многочисленным программным инструментам, работающим в фоновом режиме. Программное обеспечение предсказательной модели одиночной скважины (SWPM) включает в себя: (1) обработчик данных, (2) инструмент принятия решения и (3) надстройку последовательности операций. Взаимосвязи между обработчиком данных и инструментом принятия решения и надстройкой последовательности операций будут описаны в следующих разделах этого описания изобретения.
Обратившись к фиг.1 и 2, увидим, что рабочая станция или другая компьютерная система 20 показана на фиг.1. Согласно фиг.1 рабочая станция или другая компьютерная система 20 включает в себя процессор 20a, подключенный к системной шине, устройство 20b записи или отображения, подключенное к системной шине, и устройство 20c хранения программ, например память 20c, подключенное к системной шине. В устройстве хранения программ/памяти 20c хранится пакет программного обеспечения, известный как программное обеспечение 20c1 'предсказательной модели одиночной скважины (SWPM)'. Системная шина принимает 'входные данные' 22, например данные ствола скважины, и системная шина также принимает набор 'пользовательских заданий' 24. 'Пользовательское задание' 24, обуславливающее генерацию последовательности операций SWPM-MDT 80, показанной на фиг.18 и 24A-24C, включает в себя следующее: (1) одновременный анализ следующих 'динамических данных': данные 'множественного тестирования с переменным давлением в интервале с использованием модульного динамического тестера (MDT)' (т.е. зарегистрированные данные давления и расхода) и данные 'традиционного теста скважины' (т.е. теста пласта на трубах, теста скважины и расширенного теста скважины) и данные 'профиль зависимости давления от глубины тестера пласта'; и (2) по выполнении задачи, поставленной в пункте (1), создание 'трехмерной репрезентативной модели коллектора', откалиброванной с использованием вышеупомянутых 'динамических данных' в разных масштабах, и использование других таких 'динамических данных' для дополнительного изучения дальнейшего поведения скважины с использованием альтернативных сценариев завершения и эксплуатации. Согласно фиг.2 устройство 20b записи или отображения, показанное на фиг.1, в конечном итоге, генерирует, создает или отображает 'один или несколько продуктов, создаваемых для каждого пользовательского задания' 20b1. Один пример 'одного или нескольких продуктов, создаваемых для каждого пользовательского задания' 20b1 - это 'трехмерная репрезентативная модель коллектора' 112, показанная на фиг.24C. В ходе работы согласно фиг.1 и 2 пользователь вводит следующую информацию в рабочую станцию/компьютерную систему 20, показанную на фиг.1: 'входные данные' 22 и 'пользовательские задания' 24. Когда пользователь предоставляет 'входные данные' 22 и набор 'пользовательских заданий' 24, процессор 20a рабочей станции/компьютерной системы 20 выполняет программное обеспечение 20c1 'предсказательной модели одиночной скважины' (далее, программное обеспечение SWPM 20c1), и по завершении этого выполнения устройство 20b записи или отображения, показанное на фиг.1 и 2, генерирует, создает или отображает 'продукты, создаваемые для каждого пользовательского задания' 20b1. Таким образом, уникальный 'продукт' 20b1, показанный на фиг.2, генерируется устройством 20b записи или отображения в ответ на каждое 'пользовательское задание' 24. Рабочая станция или компьютерная система 20, показанная на фиг.1, может представлять собой персональный компьютер (ПК), рабочую станцию, или универсальный компьютер. Примеры возможных рабочих станций включают в себя рабочую станцию Silicon Graphics Indigo 2, или рабочую станцию Sun SPARC, или рабочую станцию Sun ULTRA, или рабочую станцию Sun BLADE. Устройство 20c хранения программ/память 20c представляет собой машиночитаемый носитель или устройство хранения программ, считываемое машиной, например процессор 20a. Процессор 20a может представлять собой, например, микропроцессор, микроконтроллер или процессор универсального компьютера или рабочей станции. Память 20c, в которой хранится программное обеспечение SWPM 20c1, может представлять собой, например, жесткий диск, ПЗУ, CD-ROM, ДОЗУ или другое ОЗУ, флэш-память, магнитное ЗУ, оптическое ЗУ, регистры, или другие энергозависимые и/или энергонезависимые запоминающие устройства.
На фиг.3 показан простой пример построения модели и ее конечного использования или цели, которое используется программным обеспечением SWPM 20c1, хранящимся в компьютерной системе 20 на основе программного обеспечения, показанной на фиг.1. Согласно фиг.3 простой пример построения компьютерной модели и ее использования включает в себя множество этапов. На первом этапе 26, именуемом 'переменные/альтернативные данные' 26, прежде всего нужно решить 'что вы хотите оценить', этап 26a. Например, какое месторождение вы хотите оценить? Затем, на этапе 26b, начинается фаза 'ввод данных' 26b, на которой данные вводятся посредством этапа 'ввод данных' 26b (в компьютерную систему, показанную на фиг.1) в ответ на объект, определенный на этапе 26a, для оценки. На втором этапе 28, именуемом 'геологическая неопределенность', по завершении этапа 'ввод данных' 26b нужно, прежде всего, 'строить модели' на этапе 28a. На этапе 28a нужно сначала построить ваши компьютерные модели, и на этапе 28b 'проверка моделей коллектора' вашу компьютерную модель нужно проверить, чтобы гарантировать, что она будет давать точные результаты. По завершении этапов 28a и 28b 'проверенная модель' построена и протестирована. Следующие этапы 28c и 28d предусматривают использование в реальном времени вашей 'проверенной модели', и это использование в реальном времени вашей 'проверенной модели' включает в себя следующие действия: итерацию на различных альтернативах завершения или добычи или эксплуатации.
На фиг.4 показан простой пример одного аспекта конструкции и принципа работы компьютерной системы 20 на основе программного обеспечения SWPM, в которой хранится программное обеспечение SWPM 20c1, показанное на фиг.1. Согласно фиг.4 программное обеспечение 20c1 предсказательной модели одиночной скважины, показанное на фиг.1, включает в себя четыре основных этапа: (1) станция приветствия 30, (2) этап 32 ввода данных, (3) этап 34 построения и выполнения предсказательной модели одиночной скважины и (4) этап 36 решений, предусматривающий представление сгенерированных 'решений'. На этапе 30 станции приветствия, показанном на фиг.4, пользователь должен решить 'что вы хотите исследовать?'. Программное обеспечение SWPM 20c1 представляет собой динамический скважинный инструментарий, позволяющий пользователю осуществлять: конструирование теста, оптимизацию завершения и оптимизацию стимуляции. SWPM 20c1 - это устройство ввода данных в виде приращений, имеющее многоцелевую чувствительность, и оно может представлять собой оцениватель продуктивности/резерва 'в ходе бурения'. На этапе 32 ввода данных, показанном на фиг.4, когда пользователь решает исследовать 'конкретный объект' (например, месторождение) на этапе 30 станции приветствия, множество 'входных данных' вводится в компьютерную систему 20, показанную на фиг.1, в соответствии с этим 'конкретным объектом', например 'данные скважины' 32a и 'данные коллектора' 32b, что позволяет создать и сохранить 'вспомогательную базу знаний' 32c. Когда 'вспомогательная база знаний' 32c создана на этапе 32 ввода данных в ответ на набор 'входных данных', предоставленный пользователем (включая вышеупомянутые 'данные скважины' 32a и 'данные коллектора' 32b), следующий этап 34 предусматривает 'построение модели' и использование недавно построенной модели для осуществления 'многодоменного интегрированного выполнения' 34b. На этапе 34 построения предсказательной модели одиночной скважины (SWPM), показанном на фиг.4 (также именуемом этапом 'построения и выполнения модели' 34), строится 'предсказательная модель' 34a. Когда 'предсказательная модель' 34a построена, 'входные данные' этапа 32 (т.е. 'данные скважины' 32a, и 'данные коллектора' 32b, и другие данные, хранящиеся во 'вспомогательной базе знаний' 32c) используются для 'обращения' к 'предсказательной модели' 34a на этапе 34b 'многодоменного интегрированного выполнения'. Таким образом, 'данные скважины' 32a и 'данные коллектора' 32b, сохраненные во 'вспомогательной базе знаний' 32c на этапе 32, используются для 'обращения' к 'предсказательной модели' 34a для создания набора результатов, причем набор результатов может включать в себя: 'определение петрофизических свойств' 34c или 'статическое распределение структуры и свойства' 34d или 'переход к потоку и равновесию' 34e, или 'проверку динамических данных' 34f. Результаты 'обращения' к 'предсказательной модели' 34a (включая результаты, сгенерированные на этапах 34c, 34d, 34e и 34f) представляются пользователю на следующем этапе 36 'решения'. На этапе 36 'решения' SWPM, результаты 'обращения' к 'предсказательной модели' 34a, которое осуществлялось на этапе 34 'построения и выполнения модели', представляются пользователю на этом этапе 36 'решения'. Возможные 'решения', представленные на этом этапе 36, могут включать в себя конструирование теста, завершение, стимуляцию, оценку данных, чувствительность, оцениватель продуктивности/резерва в ходе бурения и т.д. Однако далее в этом описании изобретения будет продемонстрировано, что 'предсказательная модель' 34a сначала строится в ответ на набор 'пользовательских заданий' и, когда 'предсказательная модель' 34a построена, 'данные скважины' 32a и 'данные коллектора' 32b, сохраненные во 'вспомогательной базе знаний' 32c на этапе 32, используются для 'обращения' ко вновь построенной 'предсказательной модели' 34a для создания набора результатов. Более подробно конструкция программного обеспечения 'предсказательной модели одиночной скважины (SWPM)' 20c1, показанного на фиг.1 и 4, будет изложена в нижеследующих абзацах этого описания изобретения со ссылкой на фиг.5-17 чертежей.
На фиг.5 подробно показана конструкция программного обеспечения SWPM 20c1, показанного на фиг.1 и 4, которое хранится в компьютерной системе 20 на основе программного обеспечения SWPM, показанной на фиг.1. Согласно фиг.5 программное обеспечение 20c1 предсказательной модели одиночной скважины (SWPM) включает в себя хранилище 40 последовательностей операций, предназначенное для хранения множества различных последовательностей операций (причем термин 'последовательность операций' будет определен ниже) и предназначенное для генерации 'конкретной последовательности операций, выбранной в ответ на пользовательские задания и входные данные' 42. Программное обеспечение SWPM 20c1 также включает в себя надстройку 44 последовательности операций, предназначенную для приема 'конкретной последовательности операций' из этапа 42, и в соответствии с этой 'конкретной последовательностью операций' из этапа 42 выбора множества различных программных модулей из обработчика данных и инструмента принятия решения в ответ на эту 'конкретную последовательность операций' (что будет более подробно рассмотрено в следующих абзацах). Программное обеспечение SWPM 20c1 дополнительно включает в себя обработчик 46 данных, который предназначен для хранения множества программных модулей, включая следующие девять программных модулей, которые проиллюстрированы на фиг.5 исключительно в целях обсуждения, поскольку множество программных модулей может храниться в обработчике 46 данных: программный модуль 1, программный модуль 2, программный модуль 3, программный модуль 4, программный модуль 5, программный модуль 6, программный модуль 7, программный модуль 8 и программный модуль 9. Программные модули, хранящиеся в обработчике 46 данных и выбираемые надстройкой 44 последовательности операций, будут 'обрабатывать' (например, калибровать) 'входные данные' 22. Когда 'входные данные' 22 надлежащим образом 'обработаны', выбранные программные модули, хранящиеся в обработчике 46 данных, генерируют некоторые конкретные 'продукты обработчика данных' 48. Программное обеспечение SWPM 20c1 дополнительно включает в себя инструмент 50 принятия решения, предназначенный для приема 'продуктов обработчика данных' 48 и хранения дополнительного множества программных модулей, включающего в себя следующие девять программных модулей, которые проиллюстрированы на фиг.5 исключительно в целях обсуждения, поскольку множество программных модулей может храниться в инструменте 50 принятия решения: программный модуль 10, программный модуль 11, программный модуль 12, программный модуль 13, программный модуль 14, программный модуль 15, программный модуль 16, программный модуль 17 и программный модуль 18. Инструмент принятия решения 50 окончательно генерирует 'продукты инструмента принятия решения для каждого задания' 20b1, которые представляют 'продукты, создаваемые для каждого пользовательского задания' 20b1, показанные на фиг.2. Полное описание принципа работы программного обеспечения SWPM 20c1, показанного на фиг.5, будет изложено в нижеследующих разделах этого описания изобретения со ссылкой на фиг.12-17 чертежей. Однако следующие абзацы этого описания изобретения со ссылкой на фиг.6-11 предоставляют дополнительные детали относительно структуры и принципа работы программного обеспечения SWPM 20c1, показанного на фиг.5.
Согласно фиг.6, 7, 8, 9 и 9A с учетом того, что программное обеспечение SWPM 20c1, показанное на фиг.1, 4 и 5, включает в себя обработчик 46 данных, инструмент 50 принятия решения и надстройку 44 последовательности операций, фиг.6 иллюстрирует взаимосвязь между обработчиком 46 данных, инструментом 50 принятия решения и надстройкой 44 последовательности операций, на фиг.6 показано как соединены обработчик 46 данных и инструмент 50 принятия решения. Согласно фиг.6 инструмент 50 принятия решения включает в себя программу построения статической модели и инструмент интерпретации, прогнозирования и анализа. На фиг.7 показано, как многодоменные данные, поступающие из различных источников (например, каротажные диаграммы, каротажные изображения, измерения модульного динамического тестера (MDT), керны и диаграммы каротажа в эксплуатационной скважине) обрабатываются для создания 'калиброванной согласованной одномерной петрофизической статической модели'. Согласно фиг.7, если мы более подробно рассмотрим ключевые моменты, обработчик 46 данных создает 1D (одномерные) свойства коллектора, измеренные в стволе скважины. Все данные объединяются и интерпретируются в обработчике 46 данных в начале выполнения SWPM. В общих чертах, обработчик 46 данных показан на фиг.7. Согласно фиг.8 выходной одномерный продукт обработчика 46 данных показан на фиг.8. На фиг.8 показано, как визуализируется 'набор результатов', генерируемый обработчиком 46 данных. На фиг.9 показано, как соединены обработчик 46 данных и инструмент 50 принятия решения, фиг.9 представляет подробную версию фиг.6. В частности, на фиг.9 показаны этапы, осуществляемые для генерации продукта 'решения-отчеты' из инструмента 50 принятия решения. Согласно фиг.9 с выходного одномерного продукта обработчика 46 данных, показанного на фиг.8, начинается выполнение инструмента 50 принятия решения. Этапы, выполняемые инструментом 50 принятия решения, начиная с выходного одномерного продукта обработчика 46 данных, показанного на фиг.8, проиллюстрированы на фиг.9.
Третий модуль программного обеспечения SWPM 20c1 - это надстройка 44 последовательности операций. Надстройка 44 последовательности операций направляет пользователя от начала до конца сеанса. Когда пользователь выбирает 'пользовательское задание' из списка, предоставленного надстройкой 44 последовательности операций, надстройка 44 последовательности операций вызывает 'соответствующую последовательность операций' из базы данных, и выполнение программного обеспечения SWPM 20c1 осуществляется согласно этой 'соответствующей последовательности операций'. 'Соответствующая последовательность операций' вызывает многочисленные прикладные программы в правильном и оптимальном порядке. Протокол ввода/вывода от одной прикладной программы к другой также обеспечивается надстройкой 44 последовательности операций. На фиг.9A показано, как множество 'программных модулей' организовано или объединено в конкретном порядке или конфигурации для создания предсказательной модели одиночной скважины (SWPM). На фиг.9A в общих чертах показаны 'программные модули', выполняющиеся в фоновом режиме. При выполнении SWPM использует 'программные модули' в 'конкретном порядке'. 'Конкретный порядок' устанавливается инструментом принятия решения. На фиг.9A показана упрощенная иллюстрация архитектуры программного обеспечения SWPM 20c1, с точки зрения структуры программного обеспечения. Согласно фиг.9A 'базовая среда моделирования', включающая в себя 'дерево случаев/данных', 'систему управления выполнением', 'систему управления данными' и 'программу просмотра результатов', описана в патентной заявке США № 09/270 128, поданной 16 марта 1999, озаглавленной "Simulation System including a Simulator and a Case Manager adapted for Organizing Data Files for the Simulator in a Tree-Like Structure", раскрытие которой включено посредством ссылки в описание настоящего изобретения. Согласно фиг.9A 'SWPM' - это программное обеспечение 'предсказательной модели одиночной скважины' 20c1, раскрытое в этом описании изобретения.
На фиг.10 и 11 более подробно описаны структура и принцип действия программного обеспечения SWPM 20c1, хранящегося в компьютерной системе 20 на основе программного обеспечения SWPM, показанной на фиг.1 и 5. Согласно фиг.10 программное обеспечение SWPM 20c1 предусматривает ввод пользователем набора пользовательских заданий 24.
Согласно фиг.10 и 11, когда пользовательские задания 24 введены в компьютерную систему 20 SWPM, показанную на фиг.1, пользователь в интерактивном режиме отслеживает ход выполнения программного обеспечения SWPM 20c1 посредством 'направляющей системы выполнения проекта на основе правил - интерактивной/автоматической' 52. Когда пользователь в интерактивном режиме отслеживает ход выполнения программного обеспечения SWPM 20c1 посредством 'направляющей системы выполнения проекта на основе правил' 52, пользователь всегда остается на этом уровне, поскольку пользователь направляется системой, что указано на этапе 53 на фиг.11. Результаты оценки 55 генерируются, что указано на этапе 55 на фиг.10 и 11. Результаты 55 сообщаются, и сеанс завершается, что указано на этапе 57 на фиг.11.
Согласно фиг.10 и 11, помимо набора пользовательских заданий 24, пользователь также предоставляет 'входные данные', представленные этапом 22 'данные скважины' на фиг.10. В ответ на пользовательские задания 24 и 'данные скважины' 22 'выбранная последовательность операций' 42 выбирается из множества последовательностей операций, хранящихся в 'хранилище специализированных последовательностей операций' 40, причем 'выбранная последовательность операций' 42 представляет 'специализированную последовательность операций' 54. 'Специализированная последовательность операций' 54 выполняет 'первое множество выбранных программных модулей', которое существует вдоль первого пути 56 в обработчике 46 данных, тем самым генерируя продукты обработчика данных (по глубине) 48, и 'специализированная последовательность операций' 54 также выполняет 'второе множество выбранных программных модулей', которое существует вдоль второго пути 58. Продукты 48 обработчика данных, на единицу глубины, включают в себя пористость, проницаемость, относительную проницаемость, тип породы, литологию, слоистость, PVT, Pi, WOC, GOC и т.д. Согласно фиг.10 обработчик 46 данных включает в себя: (1) методологии 46a, (2) программные модули 46b и (3) данные и ввод/вывод 46c. Инструмент 50 принятия решения также включает в себя: (1) методологии 50a, (2) программные модули 50b и (3) данные и ввод/вывод 50c. В ответ на 'пользовательское задание' 24, обеспеченное пользователем, и 'данные скважины', также обеспеченные пользователем, когда 'первое множество программных модулей' вдоль первого пути 56 выполнено процессором 20a, показанным на фиг.1, 'второе множество программных модулей' вдоль второго пути 58 выполняется процессором 20a, показанным на фиг.1. Когда 'второе множество программных модулей' вдоль второго пути 58 выполнено, генерируется 'продукт инструмента принятия решения' 20b1, соответствующий 'пользовательскому заданию' 24, выбранному и предоставленному пользователем. Согласно фиг.11 вышеупомянутый принцип работы программного обеспечения SWPM 20c1, рассмотренный выше со ссылкой на фиг.10 (где 'пользовательское задание' 24 и 'входные данные' в виде 'данных скважины' 22 предоставлены пользователем и, в ответ на них, соответствующая 'специализированная последовательность операций' 54 генерируется из хранилища 40 последовательностей операций, причем 'специализированная последовательность операций' 54 выполняется вдоль двух путей 56 и 58 в обработчике 46 данных и инструменте принятия решения 50, в результате чего генерируются 'продукты инструмента принятия решения' 20b1), снова проиллюстрирован на фиг.11. Согласно фиг.11 множество 'этапов' работы компьютерной системы 20 на основе программного обеспечения SWPM, показанной на фиг.1, которые осуществляются при выполнении программного обеспечения SWPM 20c1, будет описано ниже на фиг.11, причем этап 60, связанный с 'пользовательскими заданиями' 24, указывает, что пользователь должен сначала ввести информацию, соответствующую 'запросу', причем термин 'запрос' означает 'задача проекта' или 'пользовательское задание' 24. Этап 62 указывает, что 'входные данные' в виде 'данных скважины' 22 нужно затем ввести в компьютерную систему 20 на основе программного обеспечения SWPM, показанную на фиг.1. Этап 64 указывает, что в ответ на 'запрос' или 'пользовательское задание' 24 и 'входные данные' или 'данные скважины' 22, предоставленные пользователем и введенные в компьютерную систему 20 на основе программного обеспечения SWPM, показанную на фиг.1, надлежащая 'последовательность операций' автоматически выбирается из 'хранилища последовательностей операций' 42. Этап 66 указывает, что 'ход процесса' следует пути 'выбранной последовательности операций'; т.е. 'первое множество программных модулей' выбирается из обработчика 46 данных и 'второе множество программных модулей' выбирается из инструмента 50 принятия решения в ответ на 'выбранную последовательность операций', причем 'первое множество программных модулей' и 'второе множество программных модулей' выполняются последовательно процессором 20a компьютерной системы 20 на основе программного обеспечения SWPM, показанной на фиг.1. Этап 68 указывает, что когда 'первое множество программных модулей' обработчика 46 данных выполнено процессором 20a, показанным на фиг.1, свойства одномерной (1D) модели скважины оцениваются в 'системе многомерных решений' обработчика 46 данных. Этап 70 указывает, что когда 'первое множество программных модулей' обработчика 46 данных выполнено процессором 20a, показанным на фиг.1, и когда свойства результирующей одномерной (1D) модели скважины оценены в 'системе многомерных решений' обработчика 46 данных в ответ на завершение выполнения 'первого множества программных модулей' обработчика 46 данных, 'набор результатов', созданный обработчиком 46 данных, собирается в продуктах 48 обработчика данных, причем этот 'набор результатов' готов для использования в связи с 'моделированием коллектора'. Этап 72 указывает, что в ответ на 'набор результатов', который был собран в продуктах 48 обработчика данных, 'второе множество программных модулей' в инструменте 50 принятия решения (которое было выбрано из других программных модулей в инструменте 50 принятия решения в ответ на 'выбранную последовательность операций' 42) выполняется последовательно процессором 20a, показанным на фиг.1, в ответ на установленное 'пользовательское задание' 24, и, в результате, вновь начинается обработка одномерных (1D) данных и других динамических данных в инструменте 50 принятия решения. Этап 74 указывает, что когда обработка одномерных (1D) данных и других динамических данных в инструменте 50 принятия решения завершена, собирается 'второй набор результатов', генерируемый инструментом 50 принятия решения, причем 'второй набор результатов' готов к использованию для конечной цели формулировки одной или нескольких рекомендаций для специалистов по эксплуатации месторождения.
Согласно фиг.12-17 функциональное описание работы компьютерной системы 20 на основе программного обеспечения предсказательной модели одиночной скважины (SWPM), показанной на фиг.1, включающей в себя программное обеспечение предсказательной модели одиночной скважины (SWPM) 20c1, показанное на фиг.1 и 5, хранящееся в компьютерной системе 20, будет изложено в нижеследующих абзацах со ссылкой на фиг.12-17 чертежей.
На фиг.12-17 показано программное обеспечение 20c1 предсказательной модели одиночной скважины (SWPM), показанное на фиг.1 и 5. Компьютерная система 20 на основе программного обеспечения предсказательной модели одиночной скважины (SWPM), показанная на фиг.1, в которой хранится программное обеспечение 20c1 предсказательной модели одиночной скважины (SWPM): (1) автоматически создает первую конкретную последовательность операций, содержащую первое множество программных модулей, в ответ на первый набор пользовательских заданий и автоматически выполняет первую конкретную последовательность операций в ответ на первый набор входных данных для создания первого целевого продукта, и (2) автоматически создает вторую конкретную последовательность операций, содержащую второе множество программных модулей, в ответ на второй набор пользовательских заданий и автоматически выполняет вторую конкретную последовательность операций в ответ на второй набор входных данных для создания второго целевого продукта. В результате, уже не нужно отдельно и независимо выполнять первое множество программных модулей первой последовательности операций для создания первого целевого продукта и уже не нужно отдельно и независимо выполнять второе множество программных модулей второй последовательности операций для создания второго целевого продукта. В результате, экономится значительная часть рабочего времени процессора, и, кроме того, уже не нужно выполнять вышеупомянутую трудоемкую задачу по отдельному и независимому выполнению множества программных модулей для создания конечного целевого продукта.
Согласно фиг.12-17 напомним, что программное обеспечение 20c1 предсказательной модели одиночной скважины (SWPM), показанное на фиг.1, 5 и 12-17, включает в себя обработчик 46 данных, который генерирует продукты 48 обработчика данных, инструмент 50 принятия решения и надстройку 44 последовательности операций, оперативно подключенную к обработчику 46 данных и инструменту 50 принятия решения, работа которых будет рассмотрена ниже.
Согласно фиг.12 предположим, что пользователь вводит, в качестве входных данных, следующую информацию в компьютерную систему 20 на основе программного обеспечения предсказательной модели одиночной скважины (SWPM), показанную фиг.1: (1) первый набор пользовательских заданий (т.е. пользовательское задание 1) 24a, и (2) первый набор входных данных (т.е. входные данные 1) 22a. Первый набор 22a входных данных вводится в надстройку 44 последовательности операций. Первый набор 24a пользовательских заданий вводится в хранилище 40 последовательностей операций, и, в ответ на это, первая конкретная последовательность операций (конкретная последовательность операций 1) 42a, соответствующая первому набору 24a пользовательских заданий, генерируется из хранилища 40 последовательностей операций, причем первая конкретная последовательность операций 42a вводится в надстройку 44 последовательности операций. Напомним, что обработчик данных 46 включает в себя 'первое множество программных модулей' 46a, включающее в себя следующие программные модули: программный модуль 1, программный модуль 2, программный модуль 3, программный модуль 4, программный модуль 5, программный модуль 6, программный модуль 7, программный модуль 8 и программный модуль 9. Напомним, что инструмент 50 принятия решения включает в себя 'второе множество программных модулей' 50a, включающее в себя следующие программные модули: программный модуль 10, программный модуль 11, программный модуль 12, программный модуль 13, программный модуль 14, программный модуль 15, программный модуль 16, программный модуль 17 и программный модуль 18. В ответ на первую конкретную последовательность операций 42a надстройка 44 последовательности операций выбирает 'определенные выбранные из первого множества программных модулей' 7, 4, 5, 2 и 3, реализованные в обработчике 46 данных. Согласно фиг.12 'определенные выбранные из первого множества программных модулей' 7, 4, 5, 2 и 3 содержат следующие программные модули: программный модуль 7, программный модуль 4, программный модуль 5, программный модуль 2 и программный модуль 3. Затем в ответ на первую конкретную последовательность операций 42a надстройка 44 последовательности операций также выбирает 'определенные выбранные из второго множества программных модулей' 16, 13, 14, 11 и 12, реализованные в инструменте принятия решения 50. 'Определенные выбранные из второго множества программных модулей' 16, 13, 14, 11 и 12 содержат следующие программные модули: программный модуль 16, программный модуль 13, программный модуль 14, программный модуль 11 и программный модуль 12. 'Определенные выбранные из первого множества программных модулей' 7, 4, 5, 2 и 3, реализованные в обработчике 46 данных, сначала выполняются процессором 20a компьютерной системы 20, показанной на фиг.1, в ответ на 'входные данные 1' 22a, тем самым генерируя продукты обработчика данных 48. Продукты 48 обработчика данных включают в себя и, таким образом, генерируют набор 'обработанных данных' 48a (например, калиброванные данные). Затем в ответ на 'обработанные данные' 48a 'определенные выбранные из второго множества программных модулей' 16, 13, 14, 11 и 12, реализованные в инструменте 50 принятия решения, выполняются процессором 20a компьютерной системы 20, показанной на фиг.1 (с использованием обработанных данных 48a), в результате чего генерируется 'продукт инструмента принятия решения для пользовательского задания 1' 20b1A.
На фиг.13 показана 'конкретная последовательность операций 1' 42a, показанная на фиг.12, включающая в себя 'определенные выбранные из первого множества программных модулей' 7, 4, 5, 2 и 3 и 'определенные выбранные из второго множества программных модулей' 16, 13, 14, 11 и 12, которые выбираются из обработчика 46 данных и инструмента 50 принятия решения надстройкой 44 последовательности операций и которые выполняются процессором 20a компьютерной системы 20, показанной на фиг.1. Согласно фиг.13 в ответ на 'входные данные 1' 22a 'определенные выбранные из первого множества программных модулей' 7, 4, 5, 2 и 3 выполняются последовательно процессором 20a; затем в ответ на 'обработанные данные' 48a 'определенные выбранные из второго множества программных модулей' 16, 13, 14, 11 и 12 выполняются последовательно, в результате чего генерируется 'продукт инструмента принятия решения для пользовательского задания 1' 20b1A.
Согласно фиг.12-13 пользователь ввел первое пользовательское задание (пользовательское задание 1) и первый набор входных данных (входные данные 1) в целях окончательной генерации 'продукта инструмента принятия решения для пользовательского задания 1' 20b1A. В нижеследующих абзацах предположим, что пользователь вводит второе пользовательское задание (пользовательское задание 2) и второй набор входных данных (входные данные 2) в целях окончательной генерации 'продукта инструмента принятия решения для пользовательского задания 2' 20b1B.
Согласно фиг.14, предположим, что пользователь вводит, в качестве входных данных, следующую информацию в компьютерную систему 20 на основе программного обеспечения предсказательной модели одиночной скважины (SWPM), показанную фиг.1: (1) второй набор пользовательских заданий (т.е. пользовательское задание 2) 24b и (2) второй набор входных данных (т.е. входные данные 2) 22b. Второй набор входных данных 22b вводится в надстройку 44 последовательности операций. Второй набор пользовательских заданий 24b вводится в хранилище 40 последовательностей операций, и, в ответ на это, вторая конкретная последовательность операций (конкретная последовательность операций 2) 42b, соответствующая второму набору пользовательских заданий 24b, генерируется из хранилища 40 последовательностей операций, причем вторая конкретная последовательность операций 42b вводится в надстройку 44 последовательности операций. Напомним, что обработчик 46 данных включает в себя 'первое множество программных модулей' 46a, включающее в себя следующие программные модули: программный модуль 1, программный модуль 2, программный модуль 3, программный модуль 4, программный модуль 5, программный модуль 6, программный модуль 7, программный модуль 8 и программный модуль 9. Напомним, что инструмент 50 принятия решения включает в себя 'второе множество программных модулей' 50a, включающее в себя следующие программные модули: программный модуль 10, программный модуль 11, программный модуль 12, программный модуль 13, программный модуль 14, программный модуль 15, программный модуль 16, программный модуль 17 и программный модуль 18. В ответ на вторую конкретную последовательность операций 42b надстройка последовательности операций 44 выбирает 'определенные выбранные из первого множества программных модулей' 7, 8, 9, 6 и 3, реализованные в обработчике 46 данных. Согласно фиг.14 'определенные выбранные из первого множества программных модулей' 7, 8, 9, 6 и 3 содержат следующие программные модули: программный модуль 7, программный модуль 8, программный модуль 9, программный модуль 6 и программный модуль 3. Затем в ответ на вторую конкретную последовательность операций 42b надстройка 44 последовательности операций также выбирает 'определенные выбранные из второго множества программных модулей' 17, 14, 11, 12 и 15, реализованные в инструменте принятия решения 50. 'Определенные выбранные из второго множества программных модулей' 17, 14, 11, 12 и 15 содержат следующие программные модули: программный модуль 17, программный модуль 14, программный модуль 11, программный модуль 12 и программный модуль 15. 'Определенные выбранные из первого множества программных модулей' 7, 8, 9, 6 и 3, реализованные в обработчике 46 данных, выполняются последовательно процессором 20a компьютерной системы 20, показанной на фиг.1, в ответ на 'входные данные 2' 22b, тем самым генерируя продукты обработчика данных 48. Продукты 48 обработчика данных включают в себя и, таким образом, генерируют набор 'обработанных данных' 48b (например, калиброванные данные). Затем в ответ на 'обработанные данные' 48b 'определенные выбранные из второго множества программных модулей' 17, 14, 11, 12 и 15, реализованные в инструменте 50 принятия решения, выполняются последовательно процессором 20a компьютерной системы 20, показанной на фиг.1 (с использованием обработанных данных 48b), в результате чего генерируется 'продукт инструмента принятия решения для пользовательского задания 2' 20b1B.
Согласно фиг.15 'конкретная последовательность операций 2' 42b, показанная на фиг.14, включающая в себя 'определенные выбранные из первого множества программных модулей' 7, 8, 9, 6 и 3 и 'определенные выбранные из второго множества программных модулей' 17, 14, 11, 12 и 15, которые выбираются из обработчика 46 данных и инструмента 50 принятия решения надстройкой 44 последовательности операций и которые выполняются процессором 20a компьютерной системы 20, показанной на фиг.1. Согласно фиг.15 в ответ на 'входные данные 2' 22b 'определенные выбранные из первого множества программных модулей' 7, 8, 9, 6 и 3 выполняются последовательно процессором 20a; затем в ответ на 'обработанные данные' 48b 'определенные выбранные из второго множества программных модулей' 17, 14, 11, 12 и 15 выполняются последовательно, в результате чего генерируется 'продукт инструмента принятия решения для пользовательского задания 2' 20b1B.
Согласно фиг.14-15 пользователь ввел второе пользовательское задание (пользовательское задание 2) и второй набор входных данных (входные данные 2) в целях окончательной генерации 'продукта инструмента принятия решения для пользовательского задания 2' 20b1B. В нижеследующих абзацах, предположим, что пользователь вводит третье пользовательское задание (пользовательское задание 3) и третий набор входных данных (входные данные 3) в целях окончательной генерации 'продукта инструмента принятия решения для пользовательского задания 3' 20b1C.
Согласно фиг.16 предположим, что пользователь вводит, в качестве входных данных, следующую информацию в компьютерную систему 20 на основе программного обеспечения предсказательной модели одиночной скважины (SWPM), показанную на фиг.1: (1) третий набор пользовательских заданий (т.е. пользовательское задание 3) 24c и (2) третий набор входных данных (т.е. входные данные 3) 22c. Третий набор входных данных 22c вводится в надстройку 44 последовательности операций. Третий набор пользовательских заданий 24c вводится в хранилище 40 последовательностей операций, и, в ответ на это, третья конкретная последовательность операций (конкретная последовательность операций 3) 42c, соответствующая третьему набору пользовательских заданий 24c, генерируется из хранилища 40 последовательностей операций, причем третья конкретная последовательность операций 42c вводится в надстройку 44 последовательности операций. Напомним, что обработчик 46 данных включает в себя 'первое множество программных модулей' 46a, включающее в себя следующие программные модули: программный модуль 1, программный модуль 2, программный модуль 3, программный модуль 4, программный модуль 5, программный модуль 6, программный модуль 7, программный модуль 8 и программный модуль 9. Напомним, что инструмент 50 принятия решения включает в себя 'второе множество программных модулей' 50a, включающее в себя следующие программные модули: программный модуль 10, программный модуль 11, программный модуль 12, программный модуль 13, программный модуль 14, программный модуль 15, программный модуль 16, программный модуль 17 и программный модуль 18. В ответ на третью конкретную последовательность операций 42c надстройка 44 последовательности операций выбирает 'определенные выбранные из первого множества программных модулей' 7, 4, 1, 2 и 3, реализованные в обработчике 46 данных. Согласно фиг.16 'определенные выбранные из первого множества программных модулей' 7, 4, 1, 2 и 3 содержат следующие программные модули: программный модуль 7, программный модуль 4, программный модуль 1, программный модуль 2 и программный модуль 3. Затем в ответ на третью конкретную последовательность операций 42c надстройка 44 последовательности операций также выбирает 'определенные выбранные из второго множества программных модулей' 18, 17, 14, 15 и 12, реализованные в инструменте принятия решения 50. 'Определенные выбранные из второго множества программных модулей' 18, 17, 14, 15 и 12 содержат следующие программные модули: программный модуль 18, программный модуль 17, программный модуль 14, программный модуль 15 и программный модуль 12. 'Определенные выбранные из первого множества программных модулей' 7, 4, 1, 2 и 3, реализованные в обработчике 46 данных, выполняются последовательно процессором 20a компьютерной системы 20, показанной на фиг.1, в ответ на 'входные данные 3' 22c, тем самым генерируя продукты обработчика данных 48. Продукты 48 обработчика данных включают в себя и, таким образом, генерируют набор 'обработанных данных' 48c (например, калиброванные данные). Затем в ответ на 'обработанные данные' 48c 'определенные выбранные из второго множества программных модулей' 18, 17, 14, 15 и 12, реализованные в инструменте 50 принятия решения, выполняются последовательно процессором 20a компьютерной системы 20, показанной на фиг.1 (с использованием обработанных данных 48c), в результате чего генерируется 'продукт инструмента принятия решения для пользовательского задания 3' 20b1C.
На фиг.17 показана 'конкретная последовательность операций 3' 42c, показанная на фиг.16, включающая в себя 'определенные выбранные из первого множества программных модулей' 7, 4, 1, 2 и 3 и 'определенные выбранные из второго множества программных модулей' 18, 17, 14, 15 и 12, которые выбираются из обработчика 46 данных и инструмента 50 принятия решения надстройкой 44 последовательности операций и которые выполняются процессором 20a компьютерной системы 20, показанной на фиг.1. Согласно фиг.17, в ответ на 'входные данные 3' 22c 'определенные выбранные из первого множества программных модулей' 7, 4, 1, 2 и 3 выполняются последовательно процессором 20a; затем в ответ на 'обработанные данные' 48c 'определенные выбранные из второго множества программных модулей' 18, 17, 14, 15 и 12 выполняются последовательно, в результате чего генерируется 'продукт инструмента принятия решения для пользовательского задания 3' 20b1C.
Последовательность операций предсказательной модели одиночной скважины (SWPM)/модульного динамического тестера (MPT)
На фиг.18 показана базовая конструкция 'последовательности операций на основе предсказательной модели одиночной скважины (SWPM)/модульного динамического тестера (MDT)'. Ниже, термин 'последовательность операций на основе предсказательной модели одиночной скважины (SWPM)/модульного динамического тестера (MDT)' будет сокращен с использованием термина 'последовательность операций SWPM-MDT'.
На фиг.13, 15 и 17 показаны примеры последовательностей операций, например 'последовательность операций 1' на фиг.13, 'последовательность операций 2' на фиг.15 и 'последовательность операций 3' на фиг.17. Однако на фиг.18 и 24 с помощью вспомогательных фиг.19-23 показан один конкретный пример конкретной 'последовательности операций', которая легко может быть одной из последовательностей операций ('последовательность операций 1', или 'последовательность операций 2', или 'последовательность операций 3'), показанных на фиг.13, 15 и 17, соответственно. В частности, на фиг.18 и 24 показана 'последовательность операций', известная как 'последовательность операций на основе предсказательной модели одиночной скважины (SWPM)/модульного динамического тестера (MDT)' 80 (сокращенно 'последовательность операций SWPM-MDT' 80). Последовательность операций SWPM-MDT 80, показанная на фиг.24, представляет более подробно конструкцию последовательности операций SWPM-MDT 80, показанной на фиг.18.
На фиг.18 показана базовая конструкция 'последовательности операций на основе предсказательной модели одиночной скважины (SWPM)/модульного динамического тестера (MDT)' 80 (последовательности операций SWPM-MDT 80). Согласно фиг.18 последовательность операций SWPM-MDT 80 включает в себя этап 80a 'другие данные'. Согласно фиг.19 этап 80a 'другие данные' включает в себя петрофизические данные и геологические данные. Петрофизические данные и геологические данные, которые содержат 'другие данные' на этапе 80a 'другие данные', показанные на фиг.19, более подробно рассмотрены ниже со ссылкой на фиг.20. Согласно фиг.18 последовательность операций SWPM-MDT 80 дополнительно включает в себя этап 80b 'построение модели'. Этап 80b 'построение модели' более подробно рассмотрен ниже со ссылкой на фиг.21. Согласно фиг.18 последовательность операций SWPM-MDT 80 дополнительно включает в себя этап 80c 'настройка модели'. Этап 80c 'настройка модели' более подробно рассмотрен ниже со ссылкой на фиг.22. Этап 80c 'настройка модели' зависит от данных, указанных в блоках 86, 94 и 90, где данные в блоке 86 включают в себя 'данные множественного тестирования с переменным давлением в интервале с использованием модульного динамического тестера (MDT)', и данные в блоке 94 включают в себя 'данные тестирования скважины', также известные как данные 'теста производительности под давлением', и данные в блоке 90 включают в себя 'данные градиента давления', также известные как 'разведка перед тестированием'. Модульный динамический тестер (MDT) - это инструмент, принадлежащий Schlumberger Technology Corporation, Хьюстон, Техас и эксплуатируемый ею. Согласно фиг.18 последовательность операций SWPM-MDT 80 дополнительно включает в себя этап 80d 'прогнозирование отклика коллектора'. Этап 80d 'прогнозирование отклика коллектора' более подробно рассмотрен ниже со ссылкой на фиг.23.
Рассмотрим согласно фиг.18 действие последовательности операций SWPM-MDT 80, показанной фиг.18. В ходе работы согласно фиг.18 'другие данные' 80a (и, в частности, петрофизические данные и геологические данные, указанные на фиг.19) используются на этапе 80b 'построение модели', показанном на фиг.18. На этапе 80b 'построение модели', 'имитационная модель' строится или конструируется с использованием петрофизических данных и геологических данных, показанных на фиг.19. 'Имитационная модель' призвана прогнозировать 'отклик' от 'нового нефтяного или газового коллектора' в ответ на 'недавно измеренные или наблюдаемые данные', причем 'недавно измеренные или наблюдаемые данные' - это данные, которые были недавно сгенерированы измерительными устройствами, размещенными в различных местах 'нового нефтяного или газового коллектора'. 'Отклик', предсказанный 'имитационной моделью', включает в себя прогнозируемый выход нефти и/или газа из 'нового нефтяного или газового коллектора'. На этапе 80c 'настройка модели', когда 'имитационная модель' построена или сконструирована на этапе 80b 'построение модели', 'имитационная модель' подлежит 'настройке' или калибровке, т.е. 'имитационную модель' нужно протестировать, чтобы убедиться, что она 'работает правильно'. Если 'известный нефтяной или газовый коллектор' уже имеет 'известные измеренные или наблюдаемые данные', которые соответствуют 'известному отклику', то 'имитационная модель' 'работает правильно', когда 'известные измеренные или наблюдаемые данные' поступают в 'имитационную модель' и в ответ на это 'конкретный отклик' генерируется 'имитационной моделью', где 'конкретный отклик', генерируемый 'имитационной моделью', по существу, такой же, как 'известный отклик' от 'известного нефтяного или газового коллектора' на фиг.18, 'известные измеренные или наблюдаемые данные' включают в себя данные 86 тестирования с переменным давлением MDT, данные 94 тестирования скважины и данные 90 градиента давления.
В частности, на фиг.18 'известный коллектор' включает в себя набор 'известных измеренных или наблюдаемых данных' (который получают из измерений, проведенных над 'известным коллектором') и 'известный отклик' (который генерируется 'известным коллектором' в ответ на 'известные измеренные или наблюдаемые данные'). 'Известные измеренные или наблюдаемые данные' включают в себя данные 'множественных испытаний с переменным давлением с использованием модульного динамического тестера (MDT)' этапа 86, показанного на фиг.18, и/или 'данные тестирования скважины' или 'тест производительности под давлением' этапа 94, показанного на фиг.18, и/или данные 'градиента давления' или 'разведки перед тестированием' этапа 90, показанного на фиг.18. Термин 'известный отклик' может включать в себя выход нефти и/или газа из коллектора. На этапе 80c 'настройка модели', 'известные измеренные или наблюдаемые данные' (т.е. данные 86 MDT, данные 94 тестирования скважины и данные 90 градиента давления, показанные на фиг.18) вводятся в 'имитационную модель', построенную на этапе 80b 'построение модели', и 'конкретный отклик' генерируется 'имитационной моделью'. Этот 'конкретный отклик', который генерируется 'имитационной моделью' в ответ на 'известные измеренные или наблюдаемые данные', сравнивается с вышеупомянутым 'известным откликом', который генерируется 'известным коллектором'. Если 'конкретный отклик', по существу, не совпадает с 'известным откликом', то 'имитационную модель' нужно 'настроить' или откалибровать. Для настройки или калибровки 'имитационной модели' нужно изменять 'различные параметры' модели, включая, например, 'горизонтальную проницаемость (Kh)' и/или 'вертикальную проницаемость (Kv)', связанные с 'имитационной моделью'. Изменив 'различные параметры' модели, 'известные измеренные или наблюдаемые данные' повторно вводят в 'имитационную модель', построенную на этапе 80b 'построение модели', и 'второй конкретный отклик' генерируется 'имитационной моделью'. Этот 'второй конкретный отклик' (генерируемый 'имитационной моделью' в ответ на 'известные измеренные или наблюдаемые данные' при изменении 'различных параметров' модели) сравнивают с вышеупомянутым 'известным откликом' 'известного коллектора'. Если 'второй конкретный отклик', по существу, не совпадает с 'известным откликом', 'имитационную модель' нужно снова 'перенастроить' или перекалибровать. Для перенастройки или перекалибровки 'имитационной модели' нужно повторно изменить 'различные параметры' [например, горизонтальную проницаемость (Kh) или вертикальную проницаемость (Kv)] модели и затем повторно ввести 'известные измеренные или наблюдаемые данные' в 'имитационную модель', построенную на этапе 80b 'построение модели', и 'третий конкретный отклик' генерируется 'имитационной моделью'. Этот процесс повторяется до тех пор, пока 'третий или последующий конкретный отклик' не будет, по существу, совпадать с 'известным откликом'. Если 'конкретный отклик', по существу, такой же, как 'известный отклик', то 'имитационная модель' 'настроена' (т.е. 'имитационная модель' 'адаптирована' и потому 'работает правильно'). В этот момент мы переходим к следующему этапу, связанному с последовательностью операций SWPM-MDT 80, который является этапом 80d 'прогнозирование отклика коллектора'. На этапе 80d 'прогнозирование отклика коллектора', когда 'имитационная модель' 'настроена' и откалибрована (в том смысле, что 'конкретный отклик' от 'имитационной модели' в ответ на 'известные измеренные или наблюдаемые данные', по существу, совпадает с 'известным откликом' 'известного коллектора'), 'имитационную модель' теперь можно использовать для прогнозирования 'нового отклика' от 'нового нефтяного или газового коллектора' в ответ на соответствующие 'недавно измеренные или наблюдаемые данные' нового коллектора (и с учетом того, что 'недавно измеренные или наблюдаемые данные' представляют данные, недавно сгенерированные измерительными устройствами, размещенными в различных местах в 'новом нефтяном или газовом коллекторе'). Поскольку 'известные измеренные или наблюдаемые данные' включают в себя данные 86 тестирования с переменным давлением MDT (т.е. множественные изменения давления тестера пласта), данные 94 тестирования скважины и данные 90 градиента давления, показанные на фиг.18 (и фиг.24), соответствующие 'недавно измеренные или наблюдаемые данные' нового коллектора также могут включать в себя данные 86 тестирования с переменным давлением MDT (т.е. множественные изменения давления тестера пласта), данные 94 тестирования скважины и данные 90 градиента давления, показанные на фиг.18. В результате, последовательность операций SWPM-MDT 80, показанная на фиг.18 и 24, призвана осуществлять одновременный анализ множественных изменений давления тестера пласта и тестов скважины с помощью обобщенной модели скважины.
Прежде чем перейти к рассмотрению 'вспомогательных фиг.20, 21, 22 и 23', ознакомимся с фиг.24A-24C, которые представляют более подробно конструкцию последовательности операций SWPM-MDT 80, показанной на фиг.18. По ознакомлении с фиг.24A-24C, можно обратиться к 'вспомогательным фиг.20, 21, 22 и 23' для определения блоков на фиг.24A-24C, которые представляют этап 80a 'другие данные', этап 80b 'построение модели', этап 80c 'настройка модели' и этап 80d 'прогнозирование отклика коллектора', показанные на фиг.18. Перейдем к полному функциональному описанию со ссылкой на фиг.24A-24C.
На фиг.24A-24C подробно показана конструкция последовательности операций SWPM-MDT 80, показанной на фиг.18. Согласно фиг.24A, начиная с этапа 82 'инициирование модели', мы переходим к этапу 84 'выбор последовательности операций REW MDT'. Этап 84 'выбор последовательности операций MDT', показанный на фиг.24A, возвращает нас обратно к фиг.10, где на этапе 24 'пользовательское задание' пользователь вводит пользовательское задание, которое обуславливает выбор последовательности операций из множества последовательностей операций, сохраненного на этапе 40 'хранилище специализированных последовательностей операций', и, в результате, выбранная последовательность операций генерируется на этапе 42 'выбранная последовательность операций' на фиг.10. В результате этапа 84 'выбор последовательности операций', показанного на фиг.24A, этапы последовательности операций SWPM-MDT 80, показанные на фиг.24A-24C, готовы к выполнению процессором 20a, показанным на фиг.1. Согласно фиг.24 'другие данные' 80a, используемые на этапе 80b 'построение модели', включают в себя следующие блоки или этапы, показанные на фиг.24A: 'загрузка петрофизических геологических данных' 80a1, 'загрузка данных теста' 80a2, 'загрузка других данных' 80a3, 'тип флюида' 80a4, 'выполнение подготовки к PVT' 80a5, 'выполнение обработчика данных' 80a6, 'седиментологическая информация' 80a7 и 'радиус обследования' 80a8. Дополнительные данные, используемые для построения модели (на этапе 80b 'построение модели'), включают в себя следующие блоки, показанные на фиг.24A: 'загрузка данных и конфигурации MDT IPTT для всех тестов 1...n' 86, 'построение скоростей' 88 и 'загрузка межфлюидных контактов, даты тестирования, разведки перед тестированием, типа бурового раствора' 90. Из этапа 80a3 'загрузка других данных', показанного на фиг.24A, реализуются следующие дополнительные этапы, показанные на фиг.24A: 'определение контрольных скважин или OBC (с данными скорости и времени)' 92, 'тест производительности под давлением' 94, 'доступные размеры труб' 96 и 'данные эксплуатационной экономики' 98. Этап 80b 'построение модели', показанный на фиг.18, на котором используются 'другие данные' 80a для построения или конструирования 'имитационной модели', включает в себя следующие блоки или этапы, показанные на фиг.24A-24B: этап 80b1 'одномерная петрофизическая модель коллектора с отображением тестов', этап 80b2 'выполнение распределения свойств' и 'трехмерная петрофизическая модель коллектора с отображением тестов' 80b3. Этап 80c 'настройка модели', на котором настраивают или калибруют 'имитационную модель', построенную на этапе 80b 'построение модели', включает в себя следующий этап, показанный на фиг.24B: этап 80c1 'SIMOPT - решение для kv и kh - все IPTT одновременно + замер давления'. Согласно фиг.24B-24C следующие дополнительные этапы будут поддерживать этап 80c1 'построение модели' SIMOPT, показанный на фиг.24B: этап 100 'выполнение анализа с изменением давления, редакция и анализ всех IPTT', этап 102 'инициализация трехмерной модели потока', этап 104 'слоистость хороша', этап 106 'выбор данных для согласования', этап 108 'выполнение масштабирования' и этап 110 'модель хороша?'. После выполнения этапа 100 'выполнение анализа с изменением давления, редакция и анализ всех IPTT' данные ASCII переменного давления для каждого теста генерируются на следующем этапе - этапе 126 'вывод данных ASCII переменного давления для каждого теста для дополнительного анализа'. После настройки или калибровки 'имитационной модели' на этапе 80c 'настройка модели' окончательно настроенная и откалиброванная 'имитационная модель' генерируется на следующем этапе, показанном на фиг.24C: этапе 112 'трехмерная репрезентативная модель коллектора', показанном на фиг.24C. Теперь, когда окончательно настроенная и откалиброванная 'имитационная модель' сгенерирована на этапе 24, показанном на фиг.24C ('трехмерная репрезентативная модель коллектора'), прогнозы отклика коллектора можно генерировать на этапе 80d 'прогнозирование отклика коллектора', показанном на фиг.18. Согласно фиг.24C следующие блоки или этапы представляют этап 80d 'прогнозирование отклика коллектора', показанный на фиг.18: этап 80d1 'выполнение прогнозирования потока для каждого интервала', этап 80d2 'прогнозы отдачи для каждого интервала тестирования', этап 80d3 'прогнозы NPV для каждого интервала тестирования', этап 80d4 'ранжирование интервалов' и 'резервирование на месте настроенного распределения свойств нефти/газа/воды' этап 80d5. Согласно фиг.24C следующие дополнительные блоки или этапы, показанные фиг.24, поддерживают этапы 80d1-80d5 'прогнозирования отклика коллектора': этап 114 'решение относительно интервалов завершения', этап 116 'задание глубин интервалов', этап 118 'следующая скважина' и этап 120 'создание таблиц VFP для выбора THP'. По завершении этапа 80d 'прогнозирование отклика коллектора', показанного на фиг.18 (т.е. этапов 80d1-80d4, показанных на фиг.24), генерируется 'отклик коллектора', связанный с 'новым нефтяным или газовым коллектором'; и этот 'отклик коллектора' проиллюстрирован следующим блоком или этапом на фиг.24C: 'трехмерная репрезентативная модель коллектора с предложенным интервалом завершения' 122. Помимо 'отклика коллектора', представленного этапом 122 'трехмерная репрезентативная модель коллектора с предложенным интервалом завершения', генерируется следующий 'отчет': этап 124 'отчет о лучшем интервале NVP'.
Обратимся к фиг.20, 21, 22 и 23. На фиг.20-23 явным образом показаны этапы, обозначенные на фиг.24, которые представляют этап 80a 'другие данные', этап 80b 'построение модели', этап 80c 'настройка модели' и этап 80d 'прогнозирование отклика коллектора', показанные фиг.18.
Согласно фиг.20 этапы, показанные на фиг.24A-24C, которые содержат этап 80a 'другие данные', показанный на фиг.18, включают в себя этап 80a1 'загрузка петрофизических геологических данных', этап 80a2 'загрузка данных теста', этап 80a3 'загрузка других данных', этап 80a4 'тип флюида', этап 80a5 'выполнение подготовки к PVT', этап 80a6 'выполнение обработчика данных', этап 80a7 'седиментологическая информация' и этап 80a8 'радиус обследования'. Эти этапы рассмотрены в нижеследующем описании принципа работы настоящего изобретения.
Согласно фиг.21 этапы, показанные на фиг.24A-24C, содержащие этап 80b 'построение модели', показанный на фиг.18, включают в себя этап 80b1 'одномерная петрофизическая модель коллектора с отображением тестов', этап 80b2 'выполнение распределения свойств' и этап 80b3 'трехмерная петрофизическая модель коллектора с отображением тестов'. Эти этапы рассмотрены в нижеследующем описании принципа работы настоящего изобретения.
Согласно фиг.22 этапы, показанные на фиг.24A-24C, содержащие этап 80c 'настройка модели', показанный на фиг.18, включают в себя этап 80c1 'SMOPT - решение для kv и kh - все IPTT одновременно + замер давления'. Термины 'kv' и 'kh' представляют вертикальную проницаемость и горизонтальную проницаемость, соответственно. Эти этапы рассмотрены в нижеследующем описании принципа работы настоящего изобретения.
Согласно фиг.23 этапы, показанные на фиг.24A-24C, содержащие этап 80d 'прогнозирование отклика коллектора', показанный на фиг.18, включают в себя этап 80d1 'выполнение прогнозирования потока для каждого интервала', этап 80d2 'прогнозы отдачи для каждого интервала тестирования', этап 80d3 'прогнозы NPV для каждого интервала тестирования', этап 80d4 'ранжирование интервалов' и этап 80d5 'резервирование на месте настроенного распределения свойств нефти/газа/воды'. Эти этапы рассмотрены в нижеследующем описании принципа работы настоящего изобретения.
Функциональное описание действия последовательности операций SWPM-MDT 80 применительно к последовательности операций, генерируемой наподобие вышеописанной 'предсказательной модели одиночной скважины' 20c1, показанной на фиг.1, например 'конкретной последовательности операций 1', показанной на фиг.13, или 'конкретной последовательности операций 2', показанной на фиг.15, или 'конкретной последовательности операций 3', показанной на фиг.17, изложено в нижеследующих абзацах со ссылкой на фиг.1-24C, с особой ссылкой на фиг.24A-24C.
Согласно фиг.16 и 17 напомним, что пользователь вводит 'пользовательское задание 3' 24c и на основании этого пользовательского задания 'конкретная последовательность операций 3' 42c извлекается из 'хранилища последовательностей операций' 40. Программные модули 7, 4, 1, 2 и 3 извлекаются из обработчика 46 данных и программные модули 18, 17, 14, 15 и 12 извлекаются из инструмента 50 принятия решения. В результате получается 'конкретная последовательность операций 3', показанная на фиг.17. 'Конкретная последовательность операций 3', показанная на фиг.17, выполняется процессором 20a рабочей станции 20, показанной на фиг.1; и, в результате, 'продукт инструмента принятия решения для пользовательского задания 3', показанный на фиг.17, генерируется процессором 20a для отображения или записи на 'устройстве записи или отображения' 20b рабочей станции 20, показанной на фиг.1.
В качестве примера предположим, что 'конкретная последовательность операций 3', показанная на фиг.17, является 'последовательностью операций SWPM-MDT' 80, показанной на фиг.18 и 24A-24C. Функциональное описание действия последовательности операций SWPM-MDT 80, показанной на фиг.18 и 24A-24C, приведено в нижеследующих абзацах.
Во-первых, в ходе первого теста с помощью модульного динамического тестера (MDT) в геологическом пласте с использованием инструмента модульного динамического тестера (MDT), в котором двойной пакер и двойной зонд и измерительный зонд размещены в стволе скважины, подземные отложения углеводородов (например, нефти, воды) добываются из пласта. Отклик давления и скорость добычи измеряются на зондах. В интервале двойного пакера измеряются депрессия и восстановление давления и на зонде измеряется импульс давления. Мы анализируем (в программном обеспечении) первый набор принятых данных для определения вертикальной проницаемости (Kv) и горизонтальной проницаемости (Kh) и других свойств каждого слоя пласта. В этот момент мы перемещаем инструмент MDT в стволе скважины, включающий в себя двойной зонд и измерительный зонд, для осуществления второго теста MDT. Мы анализируем второй набор принятых данных для определения вертикальной проницаемости (Kv) и горизонтальной проницаемости (Kh) и других свойств каждого слоя пласта. Однако установки инструментов могут перекрываться. Таким образом, в ходе первого теста MDT мы тестируем первую зону пласта, тем самым определяя первую вертикальную проницаемость (Kv1) и первую горизонтальную проницаемость (Kh1), и в ходе второго теста MDT мы тестируем вторую зону пласта, тем самым определяя вторую вертикальную проницаемость (Kv2) и вторую горизонтальную проницаемость (Kh2). Однако первая и вторая зоны могут перекрываться. В результате, в ходе анализа второго теста MDT свойства первого теста MDT изменяются. Это не хорошо, поскольку нельзя сообщать для одного и того же слоя пласта разные свойства. В этот момент мы возвращаемся для повторного осуществления первого теста MDT и повторного анализа принятых данных; затем возвращаемся для повторного осуществления второго теста MDT и повторного анализа принятых данных. Этот процесс может занимать много времени; т.е. итерации в программном обеспечении могут представлять собой очень долговременный итерационный процесс. Однако для решения этой проблемы программное обеспечение последовательности операций SWPM-MDT 80 одновременно анализирует все данные множественных тестов MDT; т.е. первый набор принятых данных, принятый в ходе первого теста MDT, анализируется программным обеспечением последовательности операций SWPM-MDT 80 и одновременно анализируется второй набор принятых данных, принятый в ходе второго теста MDT, в результате чего создается единый набор согласованных результатов. Одновременный анализ первого набора принятых данных (полученного в ходе первого теста MDT) и второго набора принятых данных (полученного в ходе второго теста MDT) последовательностью операций SWPM-MDT 80 очень выгоден в сравнении с вышеупомянутым процессом одновременного анализа с долговременным итерационным процессом, отвечающим уровню техники. Во-вторых, при осуществлении тестов MDT обсадная колонна или пласт перфорированы, и тест скважины осуществляется в пласте, через который проходит ствол скважины, в результате чего получаются данные тестирования скважины. Желательно анализировать данные тестирования скважины помимо данных тестирования MDT. Программное обеспечение последовательности операций SWPM-MDT 80 может одновременно анализировать все данные множественных тестов MDT, и, кроме того, последовательность операций SWPM-MDT 80 также одновременно анализирует все данные тестирования скважины. Таким образом, последовательность операций SWPM-MDT 80 одновременно анализирует: (1) все данные множественных тестов MDT и, в то же время, (2) все данные тестирования скважины для получения еще лучшего описания пласта, через который проходит ствол скважины. В-третьих, в отношении коллектора, который имеет выработанные пласты, точки измерения давления в стенке ствола скважины, где размещены зонды, указывают, что коллектор истощен. Если скважина эксплуатировалась в течение нескольких лет, можно наблюдать (в различных зонах на протяжении различных слоев в стволе скважины) 'депрессию на пласт'. Таким образом, в разных зонах в стволе скважины имеют место разные давления, и, в результате, данные, полученные из этих разных зон, должны анализироваться программным обеспечением рабочей станции. Последовательность операций SWPM-MDT 80 также анализирует депрессию между разными зонами на протяжении различных слоев в стволе скважины, и последовательность операций SWPM-MDT 80 пытается согласовать депрессию (в каждой точке измерения давления), связанную с каждым из слоев в пласте, через который проходит ствол скважины. В-четвертых, последовательность операций SWPM-MDT 80 также может анализировать другие вещи; т.е. если мы помещаем 'секцию проникновения' до участка 'адаптация модели' последовательности операций SWPM-MDT 80, мы можем использовать последовательность операций SWPM-MDT 80 для изучения или анализа данных, собранных в ходе выборки (т.е. сколько у нас есть бурового раствора на нефтяной основе).
Согласно фиг.24A-24C функциональное описание действия последовательности операций SWPM-MDT 80, показанной на фиг.24A-24C, начинается с этапа 82 инициализации модели, показанного на фиг.24A. Затем укажем, что мы будем осуществлять или выполнять последовательность операций SWPM-MDT 80 путем выполнения этапа 84 'выбор последовательности операций REW MDT', показанного на фиг.24A. В этот момент мы должны построить нашу концептуальную модель. Согласно фиг.24A на этапах 80a1, 80a2 и 80a3 (которые относятся к обработке данных 46, показанной на фиг.10) мы считываем нашу слоистость, наши пористости и наши насыщенности из каротажных диаграмм необсаженной скважины. Поэтому на этапе 80a1 'загрузка петрофизических геологических данных' мы загружаем наши петрофизические данные, причем петрофизические данные представляют собой наблюдаемую толщину слоя. Кроме того, на этапе 80a2 'загрузка данных теста' и на этапе 80a3 'загрузка других данных' мы загружаем наши первоначальные оценки горизонтальной проницаемости (Kh) и вертикальной проницаемости (Kv) [поскольку итерационный процесс 'адаптация модели' происходит позже в последовательности операций 80 и первоначальные оценки Kv и Kh необходимы для начала итерационного процесса]. На этапе 86 последовательности операций SWPM-MDT 80, показанной на фиг.24A, под названием 'загрузка данных и конфигурации MDT IPTT для всех тестов 1...n', этот этап 86 будет загружать данные теста с переменным давлением (IPTT) в интервале с использованием модульного динамического тестера (MDT). Это вышеупомянутые тесты с использованием пакеров и зондов, в которых измеряются давления на пакерах и давления на зондах. В результате, термин 'конфигурация' [в 'загрузке данных и конфигурации MDT IPTT для всех тестов 1...n'] означает количество пакеров и количество зондов; и с учетом того, что данные собираются в связи с каждым пакером и каждым зондом. Поэтому на этом этапе 86 ('загрузка данных и конфигурации MDT IPTT для всех тестов 1...n') мы 'считываем' все данные, которые были собраны в месторождении для всех множественных тестов. На этапе 88, показанном на фиг.24A (под названием 'построение скорости(ей)'), мы строим информацию расхода. На этапе 90, показанном на фиг.24A (под названием 'загрузка межфлюидных контактов, даты тестирования, разведки перед тестированием, типа бурового раствора), мы загружаем межфлюидные контакты, дату тестирования, разведку перед тестированием, тип бурового раствора. При этом мы считываем 'графики зависимости давления от глубины'. На этапе 80a3, показанном на фиг.24A (под названием 'загрузка других данных'), мы также загружаем 'тесты производительности под давлением', что указано на этапе 94, показанном на фиг.24A (с использованием тестов скважины или теста пласта на трубах). На этапе 80a4 (под названием 'тип флюида') мы должны задать некоторый сорт флюида или тип флюида; например, нефтяной это коллектор или же газовый коллектор. На этом этапе 80a4 мы должны задать, что мы моделируем (например, нефтяной или газовый коллектор). На этапе 80a6 (под названием 'выполнение обработчика данных'), после того как все вышеупомянутые данные загружены, мы 'выполняем обработчик данных'. Когда мы 'выполняем обработчик данных', это значит, что у нас заданы все слои, известны все насыщенности, известна толщина всех слоев и известны первоначальные оценки проницаемости. На этапе 80a5 (под названием 'выполнение подготовки к PVT'), после того как мы указали тип флюида (на этапе 80a4), мы также выполняем PVT и назначаем вязкости, газовые факторы. Согласно фиг.24A из всех вышеупомянутых этапов последовательности операций 80 один этап, который особенно полезен для последовательности операций SWPM-MDT 80, это этап 86 под названием 'загрузка данных и конфигурации MDT IPTT для всех тестов 1...n', где мы загружаем данные тестирования в интервале с помощью модульного динамического тестера (MDT) с переменным давлением (IPTT) для всех тестов. На этапе 80b1 (под названием 'одномерная петрофизическая модель коллектора с отображением тестов') известно следующее: мы имеем эскиз ствола скважины и в стволе скважины мы имеем все слои пласта, мы имеем первоначальные оценки проницаемостей, пористостей, насыщенностей и толщин. На этапе 80b2 (под названием 'выполнение распределения свойств') мы должны 'наполнить нашу модель коллектора', распределяя свойства коллектора в трехмерном пространстве для генерации '3D' петрофизической модели на этапе 80b3. Поэтому на этапе 80b2 для 'выполнения распределения свойств' и 'наполнения нашей модели коллектора' требуются еще два ввода: (1) этап 80a7 (под названием 'седиментологическая информация') и (2) этап 80a8 (под названием 'радиус обследования'). 'Радиус обследования' предоставляет информацию, относящуюся к размеру модели (т.е. насколько велика наша модель?). В ответ на этап 80b1, на котором генерируется 'одномерная петрофизическая модель коллектора', и этап 80b2, на котором 'выполняется распределение свойств' с помощью 'седиментологической информации' из этапа 80a7 и 'радиуса обследования' из этапа 80a8, на этапе 80b3, показанном на фиг.24B, мы генерируем 'трехмерную петрофизическую модель коллектора с отображением тестов'. На этапе 80b3 под названием 'трехмерная петрофизическая модель коллектора с отображением тестов' мы генерируем нашу 'трехмерную модель коллектора'. На этапе 100 (под названием 'выполнение анализа с изменением давления, редакция и анализ всех IPTT') мы выбираем, какие изменения давления анализировать, и на этапе 126 ('вывод данных ASCII переменного давления для каждого теста для дополнительного анализа') мы выводим данные ASCII переменного давления для каждого теста для дополнительного анализа. В этот момент свойства флюидов назначены, все данные тестирования MDT загружены, и данные тестирования скважины загружены. Теперь мы должны начать выполнение 'трехмерной модели коллектора', которая теперь представлена этапом 80b3. Для выполнения 'трехмерной модели коллектора' выполняется этап 100, показанный на фиг.24B (под названием 'выполнение анализа с изменением давления, редакция и анализ всех IPTT'). Теперь на этапе 102 (под названием 'инициализация трехмерной модели потока') необходимо инициализировать 'трехмерную модель коллектора'. На этапе 104 (под названием 'слоистость хороша') мы должны убедиться в наличии описания всех слоев коллекторов. Затем на этапе 108 (под названием 'выполнение масштабирования') при необходимости мы производим масштабирование на этапе 108. Масштабирование необходимо, когда некоторые слои 'трехмерной модели коллектора' слишком 'тонкие'; в каковом случае необходимо объединять некоторые слои в более толстые слои. На этапе 106 (под названием 'выбор данных для согласования') мы выбираем данные 'адаптированные к модели'; т.е. на этапе 106 мы определяем, учитывает ли трехмерная модель коллектора выбранные данные. Например, ранее известные данные тестирования MDT и/или данные тестирования скважины можно выбрать в целях осуществления 'адаптации модели' для определения, учитывает ли трехмерная модель коллектора выбранные данные, способом, рассмотренным выше со ссылкой на фиг.18 (т.е. с учетом того, что 'ранее известные измеренные или наблюдаемые данные', которые соответствуют 'ранее известному отклику коллектора', передаются модели и, в ответ на с это, модель генерирует 'выходной отклик коллектора', который затем сравнивается с 'ранее известным откликом коллектора'; если 'выходной отклик коллектора', по существу, не совпадает с 'ранее известным откликом коллектора', модель 'настраивается' или калибруется, и процесс повторяется, пока 'выходной отклик коллектора' не будет, по существу, совпадать с 'ранее известным откликом коллектора'). Напомним со ссылкой на фиг.18, что 'ранее известные измеренные или наблюдаемые данные' включают в себя: данные 86 тестирования с переменным давлением с использованием модульного динамического тестера (MDT), данные 94 тестирования скважины и градиенты давления 90. На этапе 80c1 (под названием 'SIMOPT - решение для kv и kh - все IPTT одновременно + замер давления') одновременно и итерационно вырабатывается решение 'горизонтальной проницаемости (Kh)' и 'вертикальной проницаемости (Kv)' в связи со всеми тестами с переменным давлением в интервале (IPTT) плюс, кроме того, 'замер давления', который представляет тесты производительности под давлением, и, кроме того, 'данные градиента' (т.е. зависимость давления от глубины). На этапе 80c1 'SIMOPT' итерационно вырабатывается решение для Kv и Kh в последовательности операций SWPM-MDT 80, показанной на фиг.24A-24C. Этап 110 (под названием 'модель хороша?') - это тест на сходимость; т.е. при наличии сходимости, мы имеем хорошие данные (т.е. 'выходной отклик коллектора', по существу, совпадает с 'ранее известным откликом коллектора'). Если на этапе 110 ('модель хороша?') получен ответ 'да', 'выходной отклик коллектора', по существу, совпадает с 'ранее известным откликом коллектора', и, в результате, дополнительные итерации не требуются. Если же на этапе 110 ('модель хороша?') получен ответ 'нет', то 'выходной отклик коллектора', по существу, не совпадает с 'ранее известным откликом коллектора', и, в результате, этап 80c1 'SIMOPT' должен повторяться для выработки решения для 'нового значения Kv и Kh'. Трехмерная модель коллектора 80b3 изменяется или настраивается или калибруется, причем процесс настройки или калибровки предусматривает смену 'старого значения Kv и Kh' в трехмерной модели коллектора на 'новое значение Kv и Kh', после чего этап 110 ('модель хороша?') повторяется путем запрашивания, хороша ли трехмерная модель коллектора. Этап 80с1 'SIMOPT' - это этап 'адаптация модели', на котором пытаются минимизировать ошибку между наблюдаемыми данными и свойствами вашей модели путем регулировки вертикальной проницаемости (Kv) и горизонтальной проницаемости (Kh) трехмерной петрофизической модели коллектора 80b3 для осуществления последующего анализа MDT. На этапе 80c1 'SIMOPT' мы пытаемся 'адаптировать к модели': тесты скважины на производительность (на этапе 94), несколько тестов MDT и графики зависимости давления от глубины. Однако, кроме того, на этапе 106 ('выбор данных для согласования'), если мы смоделировали 'проникновение' (бурового раствора в стенку ствола скважины) до выполнения оптимизации (на этапе 80c1 'SIMOPT'), мы также можем согласовывать 'загрязнение бурового раствора на нефтяной основе' со временем. Фактически, на этапе 106 ('выбор данных для согласования') мы можем задать любые данные, которые мы хотим 'адаптировать к модели'. Когда трехмерная модель коллектора 80b3 'хороша' (т.е. на этапе 110 'модель хороша?' получен ответ 'да'), получается 'настроенная или калиброванная трехмерная модель коллектора', причем 'настроенная или калиброванная трехмерная модель коллектора' представлена этапом 112 на фиг.24 (под названием 'трехмерная репрезентативная модель коллектора'). На этапе 112 ('трехмерная репрезентативная модель коллектора') мы создаем модель коллектора, которая учитывает все множественные тесты MDT, тесты скважины, градиенты давления и т.д. В этот момент мы готовы к дальнейшей работе. Дальнейшая работа предусматривает генерацию 'прогнозов потока'. Согласно фиг.24C в отношении этапа 80d1, с учетом того, что мы имеем 'доступные размеры труб' на этапе 96, 'данные эксплуатационной экономики' на этапе 98 и 'трехмерную репрезентативную модель коллектора' на этапе 112, в этот момент мы готовы генерировать 'прогнозы потока' посредством этапа выполнения 80d1 (под названием 'выполнение прогнозирования потока для каждого интервала'). Например, мы можем генерировать определенные сценарии. Таким образом, при перфорировании ствола скважины мы можем генерировать 'прогнозы производительности' для каждого интервала тестирования, этап 80d2 на фиг.24C. Поскольку мы имеем экономические данные ('данные эксплуатационной экономики' на этапе 98), мы можем генерировать чистую приведенную стоимость (NPV) для каждого интервала тестирования, этап 80d3 на фиг.24. На этапе 80d4 (под названием 'ранжирование интервалов'), если мы выбираем 'несколько интервалов' в пласте до перфорирования, мы можем ранжировать интервалы на этапе 80d4 'ранжирование интервалов' [например, 'ранжирование' может указывать, что первый интервал является интервалом с наибольшей чистой приведенной стоимостью (NPV)]. На этапе 124 может генерироваться 'отчет' для сообщения интервала с наибольшей NPV. На этапе 122 (под названием 'трехмерная репрезентативная модель коллектора с предложенными интервалами завершения'), хотя анализ MDT заканчивается на этапе 112 ('трехмерная репрезентативная модель коллектора'), 'конечный итог' генерируется в конце этапа 122, поскольку в конце этапа 122 мы имеем трехмерную репрезентативную модель коллектора с предложенными интервалами завершения. В итоге, осуществляется 'одновременный анализ' всех данных множественного тестирования с переменным давлением в интервале с использованием модульного динамического тестера (MDT) (см. этап 86 под названием 'загрузка данных MDT IPTT...'), причем 'одновременный анализ' 'данных тестирования MDT с переменным давлением' никогда до сих пор не был достигнут или осуществлен. Вышеупомянутый 'одновременный анализ' всех данных множественных тестов MDT с переменным давлением экономит большое количество рабочего времени (например, около 10 или 15 дней работы). Поэтому последовательность операций SWPM-MDT 80, показанная на фиг.24, 'учитывает' все 'данные тестирования MDT с переменным давлением' (см. этап 86: 'загрузка данных MDT IPTT...') в ходе вышеупомянутого 'одновременного анализа' (где термин 'учитывает' означает, что 'данные MDT тестирования с переменным давлением' содержат часть 'ранее известных измеренных или наблюдаемых данных'). Кроме того, последовательность операций SWPM-MDT 80, показанная на фиг.24, 'учитывает' 'много тестов скважины' (см. этап 94: 'тесты производительности под давлением') в ходе вышеупомянутого 'одновременного анализа' (где термин 'учитывает' означает, что 'многие тесты скважины' содержат часть 'ранее известных измеренных или наблюдаемых данных'). Кроме того, последовательность операций SWPM-MDT 80, показанная на фиг.24, 'учитывает' 'замер давления' с использованием данных 'зависимости давления от глубины' (см. этап 90: 'загрузка межфлюидных контактов, данных тестирования, замера давления, типа бурового раствора') в ходе вышеупомянутого 'одновременного анализа' (где термин 'учитывает' означает, что 'замер давления' содержит часть 'ранее известных измеренных или наблюдаемых данных'). Все вышеперечисленные данные учитываются последовательностью операций SWPM-MDT 80, одновременно и согласованно, поскольку этап 112 ('трехмерная репрезентативная модель коллектора') представляет 'трехмерную модель коллектора', которая одновременно и согласованно учитывает все следующие данные: (1) данные тестирования MDT (загруженные на этапе 86), (2) данные градиента давления 'зависимость давления от глубины' (загруженные на этапе 90) и (3) данные тестирования пласта на трубах или тестирования скважины (загруженные на этапе 94).
Обратимся теперь к фиг.25-49, описание которых приведено в нижеследующих абзацах. Тестирование с переменным давлением в интервале (IPTT) вдоль ствола скважины с использованием тестеров пласта с несколькими зондами или пакерным зондом все больше используется как средство оценки параметра пласта. Эти тесты обычно длятся несколько часов и позволяют обследовать объемы в пределах "десятков футов" в радиальном направлении и по вертикали вдоль скважины. Множественные тесты с переменным давлением с перекрывающимися объемами влияния часто применяются в скважинах. В настоящее время все эти тесты с переменным давлением анализируют независимо друг от друга с использованием, в основном, аналитических многослойных моделей. Когда их объемы влияния перекрываются, процедура оказывается итерационной. Для осуществления процесса интерпретации, в целом, требуются значительные затраты времени и усилий. Также был рассмотрен анализ тестов давления в интервале с переменным давлением с использованием численного моделирования. Численное моделирование может хорошо подходить для сложных геометрий (т.е. разломов, пересекающих пакерные зоны) и многофазного потока, но их обычно сложнее настраивать.
После тестирования с переменным давлением в интервале (IPTT) в скважине можно проводить тестирование пласта на трубах (DST) и/или расширенное тестирование скважины (EWT). Комбинированная интерпретация тестов с переменным давлением в интервале и традиционных тестов скважины не является обычной и создает дополнительные трудности, поскольку традиционные тесты имеют увеличенный радиус исследования. Модель коллектора должна обеспечивать повышенное разрешение по вертикали вблизи ствола скважины, определяемое испытаниями IPTT, и более глубокую поперечную информацию, присущую долговременным тестам скважины с переменным давлением.
Также обычно получают данные зависимости давления от глубины в необсаженном и обсаженном стволе скважины с помощью тестеров пласта. Кроме того, характеристики зависимости давления от глубины могут поступать от других тестеров пласта (например, XPT, FPWD, RFT, SRFT и разрабатываемых в перспективе тестеров пласта). В разрабатываемых коллекторах такие данные дают информацию по фрагментарности, истощению отдельных участков пласта, вертикальной связи. Введение профилей зависимости давления от глубины в анализ представляет третий уровень (и масштаб) сложности, поскольку изменения давления вдоль скважины обычно отражают истощение отдельных зон в сочетании с более широкомасштабной информацией связности.
В этом описании изобретения описана предсказательная модель одиночной скважины (SWPM), где множественные IPTT, традиционные тесты скважины (DST, EWT) и профили зависимости давления от глубины анализируются одновременно с использованием численной модели. Начальной точкой модели одиночной скважины являются результаты интерпретации, полученные из петрофизического анализа коллектора вдоль скважины. Таким образом, информация сводится к ряду элементов потока с усредненными петрофизическими свойствами, которые используются для наполнения численной трехмерной модели. Эта начальная модель обновляется (т.е. настраивается и калибруется) для одновременного учета одновременно всех данных переменного давления (IPTT, DST, EWT), а также профилей зависимости давления от глубины для построения модели коллектора с одной скважиной, которая отражается и учитывает все данные измерений в разных масштабах. Этот метод анализа сокращает время и усилия, необходимые для анализа множественных IPTT, и предоставляет средство объединения долговременных тестов и зависимости давления от глубины.
Тестирование с переменным давлением в интервале
На фиг.32 показаны возможные конфигурации множественных зондов и пакерного зонда MDT для тестирования с переменным давлением в интервале. Испытательная колонна размещается в интервале тестирования, и создается поток через двойной пакер или от зонда депрессии двойного зонда, когда перемещаемые по вертикали измерительные зонды отслеживают отклик давления. Собранные данные переменного давления для расхода и восстановления давления используются для получения и анализа горизонтальной и вертикальной проницаемостей отдельного слоя. Этот метод тестирования предоставляет информацию о свойствах пласта далеко за пределами зоны проникновения, обычно "в десятках футах" от ствола скважины в горизонтальном и вертикальном направлениях.
Объединенная модель скважины - ввод и обработка данных
Последовательность операций начинается с анализа петрофизических каротажных диаграмм необсаженного ствола скважины, из которых получают гидравлические слои, пористость, горизонтальную и вертикальную проницаемости, выведенные из данных каротажа, средний коэффициент песчанистости и насыщенности. Петрофизические результаты можно обрабатывать для учета измерений, например, подвижностей до тестирования в образцах керна или пятнах тестера пласта. Свойства многофазного переноса также вычисляются и обрабатываются с использованием выборочных данных MDT.
На фиг.33 показан пример результатов, полученных на этапе обработки данных. Пользователь может не принимать во внимание автоматические определения слоев и свойств, назначая слои и свойства вручную, также включая изображения пластов. Также вводятся данные выхода/нагнетания активных и окружающих скважин. Задаются ошибки данных для различных типов динамических данных (расходов, давлений). Эти этапы осуществляются с относительной легкостью и автоматизмом, что традиционно занимает много времени и является предпосылкой для анализа изменения давления, а также исследований с использованием одной или нескольких скважин. Заметим, что несколько из петрофизических и транспортных свойств слоя рассматриваются как "начальная гипотеза" для дальнейшего анализа. В конце этого этапа получается одномерная модель коллектора вдоль ствола скважины с повышенной эффективностью.
Трехмерное распределение свойств
Следующей задачей является трехмерная модель, готовая для численного моделирования. Если единственной целью является анализ тестов с переменным давлением в интервале (IPTT), то обычно выбирают модель слоя-глинистой корки, которой обычно бывает достаточно. Однако если расширенные тесты скважины и профили зависимости давления от глубины включены в анализ, в коллекторе нужно рассматривать разные масштабы. Последовательность операций использует геологическую интерпретацию и учитывает карты условий и структуры осадконакопления при построении трехмерной модели. Можно использовать геостатистическую модель для наполнения равномерной масштабной сетки геологических ячеек, которую затем можно масштабировать до сетки моделирования. При объединении многомасштабных данных переменного давления для объединенного анализа область вблизи ствола скважины, заданная радиусом обследования IPTT, рассматривается как область, отличная от остального коллектора. Разрешение по вертикали в области вблизи ствола скважины учитывается, и свойства этой близлежащей области изменяются для согласования с откликом IPTT. Для согласования с долгосрочными тестами скважины учитываются свойства толщи системы в пределах ограничений геолого-физической характеристики.
Интерполяция значений на сетку и численная модель
Наша модель коллектора является коммерческой составной программой численного моделирования, например, ECLIPSE-300(Technology Corporation, Хьюстон, Техас). Это позволяет моделировать сложные геометрии потока, многофазный поток, сложные граничные условия потока, градиенты состава флюида, а также очистку фильтрата бурового раствора на нефтяной основе. Для этого исследования рассматривается вертикальная скважина и используется схема интерполяции на радиальную сетку. Генерация сетки осуществляется автоматически и учитывает все конфигурации IPTT, используемые в скважине. Это делает систему доступной для неспециалистов в моделировании. Заметим, что для горизонтальных и наклонных скважин обычно нужны схемы интерполяции на неравномерную сетку.
Оптимизация и численное моделирование
Адаптация модели - это задача минимизации целевой функции. Градиентный метод был успешно применен ранее и также используется в связи с настоящим изобретением. Последовательность операций SWPM-MDT 80: (1) 'учитывает' все тесты с переменным давлением в интервале (IPTT), тесты скважины на бурильной колонне (DST) и данные зависимости давления от глубины в реальном времени, и (2) производит итерацию по выбранным параметрам для адаптации модели ко всем наблюдаемым данным одновременно. Заметим, что наблюдаемые данные также могут включать в себя, помимо давления, другие величины, например расходы и фазовые отношения (например, газовый фактор (GOR) или отношение конденсата к газу (CGR), обводнение, долю газа, добытый флюид: плотность, вязкость, состав, компоненты фильтрата бурового раствора на нефтяной основе, точка кипения или росы, начальное давление осаждения асфальтена и изменение состава флюида с глубиной). Программа моделирования также может выполняться с использованием давления от одного из зондов или пакера для согласования отклика на других измерительных зондах без использования данных расхода.
Приложение 'адаптации модели' используется для оптимизации. Программное обеспечение использует очистку алгоритма Левенберга-Марквардта. Градиенты, необходимые для оптимизации, одновременно поступают от программы моделирования коллектора, что значительно повышает эффективность вычисления. Целевая функция, f, подлежащая минимизации, является видоизмененной формой общеизвестной суммы квадратов. Это уравнение задано в общем виде как
Три члена в правой части относятся к данным добычи, данным разведки и предварительной информации. В нашей работе член данных разведки не важен; fpriorвключает в себя первоначальную информацию о коллекторе, и r - вектор невязки для наблюдаемых данных давления. Каждый элемент, ri, в векторе невязки определяется как
где d обозначает один набор наблюдаемых данных данного типа, i обозначает отдельный элемент данных для d-гоэлемента наблюдаемых данных, oi и ci- наблюдаемые и моделированные значения соответственно, 
- стандартное отклонение измерения для d-го набора данных, wd- общий весовой коэффициент для d-го набора данных и wi - весовой коэффициент для i-го элемента данных d-го набора данных.
Из уравнения 2 следует, что доверительность, заданная для каждого типа данных как целого, может изменяться, помимо веса, назначенного данному элементу данных. Таким образом, можно сгладить разницу в масштабах по отношению к разным типам данных, а именно давлению на зонде, давлению на пакере, давлению традиционного теста. Ошибка измерения, общая для разных типов данных, учитывается посредством члена s,который является стандартным отклонением погрешности измерительного прибора. Член предварительной информации, по существу, является штрафным членом, который затрудняет перемещение решения от оцененного среднего значения.
Видоизмененная форма алгоритма Левенберга-Марквардта используется для оптимизации целевой функции, заданной в уравнении 1. Схема оптимизации требует первую и вторую производные целевой функции относительно параметров (проницаемости, скин-фактора и т.д.). Используя приближение Гаусса-Ньютона, мы можем пренебречь членом со второй производной. Это значит, что задачу можно решить, учитывая только первую производную моделированной величины относительно параметров. Эти производные получаются из нашей программы моделирования коллектора одновременно с самими величинами за один заход, что позволяет значительно экономить время. Заметим, что оценить весовые коэффициенты и стандартное отклонение ошибки типа данных часто бывает очень трудно. Способ настоящего изобретения легко приспособить для использования альтернативных схем.
На фиг.34 показана последовательность операций общего моделирования единичной скважины, начиная с обработки данных, после которого следует зонирование, интерполяция на сетку и наполнение свойствами. Этап оптимизации охватывает IPTT и этап анализа теста скважины. Результаты можно представить в виде графика. После того как модель учитывает динамические данные, ее можно использовать для сценариев 'что если', изучающих различные варианты завершения, и сценариев добычи.
Синтетический пример
Для иллюстрации концепции и тестирования методологии мы изучили моделированный случай. Сначала смоделировали два перекрывающихся теста IPTT с использованием аналитических моделей, включающих в себя характеристики реального измерительного прибора, например разрешение и точность. Верхушка коллектора находилась на глубине 10000 футов, и он имел два слоя, указанные в таблице 1 на фиг.25. Ненасыщенный нефтяной коллектор рассматривали со свойствами флюидов, приведенными в таблице 2 на фиг.26. Рассмотрим два теста с переменным давлением MDT в интервале давления с использованием комбинации двойного пакера - одинарного зонда. Во время первого IPTT двойной пакер и зонд разместили в первом слое. Средняя точка пакера находилась на глубине 10035 футов. Во время второго IPTT двойной пакер находился в слое 2 и зонд был установлен в слое 1. Средняя точка двойного пакера находилась на глубине 10045 футов. Для обоих тестов зонд находился на 6,4 фута выше двойного пакера, как показано на фиг.32. После MDT-IPTT также аналитически смоделировали DST. Это гораздо более длительный тест скважины. Интервал в 20 футов посередине слоя 1 перфорировали. Смоделировали последовательность депрессии и восстановления давления. Скин-фактор для всех тестов положили равным нулю. Заметим, что скин-фактор может в действительности меняться от теста к тесту, поскольку интервал тестирования изменяется вдоль ствола скважины.
Первый этап нужен для проверки сетки и численной схемы. Затем аналитически сгенерированные данные теста смоделировали с использованием тех же свойств коллектора. На фиг.35-38 показана характеристика давления как аналитической и численной модели. Численная модель имела 2750 блоков сетки. Время выполнения для данной модели, при условии малых временных этапов для моделирования изменений давления, составляло 1,5 минуты. Модели с более мелкими сетками испытали для изучения возможных эффектов сетки. В этих случаях времена выполнения возросли до 3-4 минут без отличительных преимуществ. Графики в логарифмическом масштабе по обеим осям для пакера и зонда для обоих тестов MDT представлены на фиг.35 и 36. Ожидается некоторое расхождение в раннее время для зонда в силу очень малых разностей давления, достигающих разрешения измерительного прибора. Это расхождение можно точно отрегулировать, но не полностью устранить. На фиг.37 показан график в логарифмическом масштабе по обеим осям для теста скважины на восстановление давления. Графики давления также хороши; согласование давления на зонде для первого теста MDT показано на фиг.38.
После проверки сетки в свойства коллектора внесли возмущение, рассматривая возмущенные значения как "наилучшие оценки" из секции ввода/обработки данных последовательности операций. В данном случае мы одновременно согласуем характеристику давления для двух IPTT, рассматривая результаты аналитической модели как "наблюдаемое" поведение. В ходе этого упражнения ставится задача, как можно ближе подойти к свойствам реального коллектора, показанным в таблице 1 на фиг.25, начиная с возмущенных значений. Все свойства возмущали одновременно, что является особо сложным случаем, и начальные значения параметров оказывают одно и то же влияние на сходимость результатов, и могут существовать локальные максимумы. В таблице 3 на фиг.27 показаны начальные, возмущенные и конечные значения параметров, используемых при оптимизации, которая была достигнута с использованием только четырех итераций. Этими параметрами были горизонтальная и вертикальная проницаемости для всех слоев. На фиг.39 показано согласование давления на двойном пакере из обоих MDT IPTT с использованием конечных параметров, полученных из нелинейной оптимизации. На фиг.40 и 41 показано согласование давления на измерительных зондах. Фигуры и результаты, приведенные в таблице 3 на фиг.27, показывают, что можно подойти очень близко к истинным параметрам, когда оба IPTT анализируются одновременно. Заметим, что в ходе этого синтетического упражнения ошибки расхода отсутствуют. Для достижения лучшего согласования на зондах весовые коэффициенты для измерительных зондов были в пять раз больше, чем для пакера. После этого использовали метод WLS (взвешенных наименьших квадратов) для компенсации смещения в величине измеренного отклика на пакере и зондах. Заметим, что может быть трудно заранее знать весовые коэффициенты, поэтому для анализа можно использовать другой метод минимизации.
Затем оптимизацию осуществляли с учетом других сценариев. В ходе второго сценария рассматривали только данные пакера из тестов MDT, игнорируя зонды и расширенные тесты скважины. В таблице 4 на фиг.28 приведены результаты согласования, которые значительно отличаются от введенных значений. На фиг.42 показано согласование в интервале пакера. Согласование выглядит приемлемым, если учитывать только давление на пакерах. Хотя это не учитывалось при оптимизации, отклики зонда также генерировались с помощью конечной модели и приведены на фиг.43 и 44. Как ожидалось, не удается моделировать возмущение давления, обусловленное пакером в месте размещения измерительных зондов.
В третьем сценарии данные тестирования MDT и данные расширенного тестирования скважины использовались в ходе оптимизации. В таблице 5 на фиг.29 показаны окончательные результаты. На фиг.45-48 показано согласование давления, полученное с использованием конечной модели. Согласование давления на двойном пакере и данные расширенного тестирования скважины весьма удовлетворительны. Приемлемое согласование зондов можно дополнительно улучшить путем тонкой настройки и ограничения некоторых параметров в отличие от оптимизации на всех неизвестных. Лучшее согласование получается, в частности, для первого слоя, где проводился DST. Хотя зонды более тяжелы, DST имеет гораздо большую длительность и, таким образом, имеет влияние на большее время и пространство. Заметим, что поскольку была рассмотрена модель слоя-глинистой корки, добавление расширенного теста скважины не оказывает значительного влияния на результаты. В однородном коллекторе информация расширенного теста будет весьма ценной. В этих случаях также можно добиться тонкой настройки результатов регрессии, разделив коллектор на области свойств.
Включение информации зависимости давления от глубины
Помимо данных тестирования с переменным давлением, подход также может включать графики зависимости давления от глубины в ходе анализа. Рассмотрим модель коллектора 10000 футов × 10000 футов с пятью слоями. Верхушка первого слоя находится на глубине 7000 футов. Характеристики слоев приведены в таблице 6 на фиг.30. Скважина в центре коллектора выдавала 200 STB/день из слоев высокой проницаемости. Начальное распределение давления в этой скважине было известно. Спустя 1800 дней, пробурили еще одну скважину на расстоянии 1000 футов. Профиль зависимости давления от глубины MDT для этой новой скважины получили в центре каждого слоя. Затем модель возмущали, изменяя горизонтальную проницаемость. Оптимизацию на горизонтальных проницаемостях осуществляли с использованием возмущенных свойств в качестве начальной гипотезы. Согласование по горизонтальной проницаемости получили после шести итераций. Сравнение профиля зависимости давления от глубины на зонде для исходной модели и возмущенной и регрессированной модели приведено на фиг.49. Хотя давления на зондах демонстрируют постоянный градиент, в ряде случаев этого может не быть. Заметим, что в этом примере для моделирования истощения коллектора использовали одну эксплуатационную скважину. Поскольку истощение имеет особую важность, в случае множественных эксплуатационных/нагнетательных скважин полную добычу/нагнетание из всех скважин можно выделить холостой(ым) скважине(ам) или наложить на внешние границы для воспроизведения того же эффекта.
В этом описании изобретения последовательность операций 80, в которой используется предсказательная модель одиночной скважины или SWPM (до сих пор известная как последовательность операций SWPM-MDT 80):
(1) позволяет легко выполнять этапы подготовки данных и наполнение свойств модели, что повышает общую эффективность; последовательность операций предусматривает автоматизацию на нескольких этапах, включая интерполяцию на сетку и оптимизацию численной модели, что облегчает работу пользователя с ограниченным опытом моделирования;
(2) позволяет одновременно анализировать множественные и перекрывающиеся данные тестирования с переменным давлением с использованием модульного динамического тестера (MDT) в интервале (IPTT), расширенные тесты скважины и информацию зависимости давления от глубины; это делает усилия по интерпретации значительно эффективнее, поскольку современные методы требуют анализировать каждый тест по отдельности, а затем объединять в одно целое методом итераций; и
(3) согласовывает результаты из IPTT, тестов скважины и исторической отдачи пласта при построении модели с использованием динамических данных; ее также можно использовать для изучения альтернативных сценариев завершения и добычи.
Из вышеописанных вариантов осуществления очевидно, что их можно подвергнуть различным модификациям. Такие модификации не следует отвергать как выходящие за рамки сущности и объема этих вариантов осуществления, и все подобные модификации, что очевидно специалистам в данной области, призваны быть включенными в объем прилагаемой формулы изобретения.
| название | год | авторы | номер документа |
|---|---|---|---|
| УНИВЕРСАЛЬНОЕ АВТОМАТИЗИРОВАННОЕ ТЕСТИРОВАНИЕ ВСТРОЕННЫХ СИСТЕМ | 2017 |
|
RU2719474C1 |
| ХАРАКТЕРИЗУЮЩИЕ ОТКЛИКИ В БУРОВОЙ СИСТЕМЕ | 2016 |
|
RU2721203C2 |
| КОМПЛЕКС ТЕСТИРОВАНИЯ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ЭЛЕКТРОННЫХ УСТРОЙСТВ | 2020 |
|
RU2729210C1 |
| ИНТЕРАКТИВНАЯ АВТОМАТИЗИРОВАННАЯ СИСТЕМА ОБУЧЕНИЯ | 2011 |
|
RU2477528C2 |
| СПОСОБ ОБЪЕДИНЕНИЯ МОДЕЛИ ГЕОЛОГИЧЕСКОЙ ПРОВОДКИ СКВАЖИНЫ С ОПЕРАТИВНОЙ ПЕТРОФИЗИЧЕСКОЙ ИНТЕРПРЕТАЦИЕЙ ДАННЫХ ГИС В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ И СИСТЕМА, РЕАЛИЗУЮЩАЯ СПОСОБ | 2020 |
|
RU2745152C1 |
| Система классификации трафика | 2018 |
|
RU2697648C2 |
| СИСТЕМА И СПОСОБ АВТОМАТИЧЕСКОЙ ОБРАБОТКИ СИСТЕМНЫХ ОШИБОК ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ | 2012 |
|
RU2521265C2 |
| МОНИТОРИНГ И ДИАГНОСТИКА ЭКСПЛУАТАЦИОННЫХ ДАННЫХ ОБВОДНЕННЫХ РЕЗЕРВУАРОВ С ИСПОЛЬЗОВАНИЕМ ЭКСПЛУАТАЦИОННЫХ ДАННЫХ | 2013 |
|
RU2598261C1 |
| СИСТЕМА И СПОСОБ ДЛЯ ОПТИМИЗАЦИИ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ПЛАСТА-КОЛЛЕКТОРА | 2012 |
|
RU2593678C2 |
| МОНИТОРИНГ, ДИАГНОСТИКА И ОПТИМИЗАЦИЯ ГАЗЛИФТНЫХ ОПЕРАЦИЙ | 2013 |
|
RU2599645C2 |
Изобретение относится к компьютерной системе, основанной на программном обеспечении предсказательной модели одиночной скважины (SWPM). Техническим результатом является обеспечение моделирования потока на основании предсказательной модели одиночной скважины, которая объединяет статистические и динамические измерения с данными завершения. Для этого автоматически создают первую конкретную последовательность операций, состоящую из первого множества программных модулей, в ответ на первый набор пользовательских заданий и автоматически выполняют первую конкретную последовательность операций в ответ на первый набор входных данных для создания первого целевого продукта, и автоматически создают вторую конкретную последовательность операций, состоящую из второго множества программных модулей, в ответ на второй набор пользовательских заданий и автоматически выполняют вторую конкретную последовательность операций в ответ на второй набор входных данных для создания второго целевого продукта, в которой целевым продуктом является трехмерная модель отклика коллектора. 11 н. и 19 з.п. ф-лы, 52 ил.
(a) предоставляют первое пользовательское задание,
(b) предоставляют первый набор входных данных,
(c) автоматически генерируют первую последовательность операций в ответ на первое пользовательское задание,
(d) автоматически выбирают один или несколько программных модулей в ответ на первую последовательность операций, причем один или несколько программных модулей включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели в ответ на один или более из набора данных тестирования с переменным давлением и данных тестирования скважины и данных градиента давления,
(e) выполняют один или несколько программных модулей на процессоре в ответ на первый набор входных данных и
(f) определяют первый целевой продукт в ответ на выполнение этапа (е), причем первый целевой продукт включает в себя трехмерную репрезентативную модель коллектора.
(f) итерационного нахождения нового значения горизонтальной проницаемости и нового значения вертикальной проницаемости,
(g) итерационной регулировки параметра горизонтальной проницаемости и параметра вертикальной проницаемости в трехмерной петрофизической модели коллектора с использованием нового значения горизонтальной проницаемости и нового значения вертикальной проницаемости,
(h) итерационного определения нового отклика модели коллектора путем обращения к трехмерной петрофизической модели коллектора с использованием ранее известных измеренных или наблюдаемых данных, включая данные тестирования с переменным давлением и данные тестирования скважины и данные градиента давления,
(i) итерационного определения того, является ли новый отклик модели коллектора, по существу, таким же, как ранее известный отклик модели коллектора, и
(j) повторения этапов (f), (g), (h) и (i) до тех пор, пока новый отклик модели коллектора не станет, по существу, таким же, как ранее известный отклик модели коллектора.
(g) предоставляют второе пользовательское задание,
(h) предоставляют второй набор входных данных,
(i) автоматически генерируют вторую последовательность операций в ответ на второе пользовательское задание,
(j) автоматически выбирают один или несколько дополнительных программных модулей в ответ на вторую последовательность операций,
(k) выполняют один или несколько дополнительных программных модулей на процессоре в ответ на второй набор входных данных и
(l) определяют второй целевой продукт в ответ на выполнение этапа (k).
(a) предоставляют первое пользовательское задание,
(b) предоставляют первый набор входных данных,
(c) автоматически генерируют первую последовательность операций в ответ на первое пользовательское задание,
(d) автоматически выбирают один или несколько программных модулей в ответ на первую последовательность операций, причем один или несколько программных модулей включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели в ответ на один или более из набора данных тестирования с переменным давлением и данных тестирования скважины и данных градиента давления,
(e) выполняют один или несколько программных модулей на процессоре в ответ на первый набор входных данных и
(f) определяют первый целевой продукт в ответ на выполнение этапа (е), причем первый целевой продукт включает в себя трехмерную репрезентативную модель коллектора.
(f) итерационного нахождения нового значения горизонтальной проницаемости и нового значения вертикальной проницаемости,
(g) итерационной регулировки параметра горизонтальной проницаемости и параметра вертикальной проницаемости в трехмерной петрофизической модели коллектора с использованием нового значения горизонтальной проницаемости и нового значения вертикальной проницаемости,
(h) итерационного определения нового отклика модели коллектора путем обращения к трехмерной петрофизической модели коллектора с использованием ранее известных измеренных или наблюдаемых данных, включая данные тестирования с переменным давлением и данные тестирования скважины и данные градиента давления,
(i) итерационного определения того, является ли новый отклик модели коллектора, по существу, таким же, как ранее известный отклик модели коллектора, и
(j) повторения этапов (f), (g), (h) и (i) до тех пор, пока новый отклик модели коллектора не станет, по существу, таким же, как ранее известный отклик модели коллектора.
(g) принимают второе пользовательское задание,
(h) принимают второй набор входных данных,
(i) автоматически генерируют вторую последовательность операций в ответ на второе пользовательское задание,
(j) автоматически выбирают один или несколько дополнительных программных модулей в ответ на вторую последовательность операций,
(k) выполняют один или несколько дополнительных программных модулей на процессоре в ответ на второй набор входных данных и
(l) определяют второй целевой продукт в ответ на выполнение этапа (k).
первое устройство, предназначенное для приема первого пользовательского задания и первого набора входных данных,
второе устройство, предназначенное для автоматической генерации первой последовательности операций в ответ на первое пользовательское задание,
третье устройство, предназначенное для автоматического выбора одного или нескольких программных модулей в ответ на первую последовательность операций, причем один или несколько программных модулей включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели в ответ на один или более из набора данных тестирования с переменным давлением и данных тестирования скважины и данных градиента давления, и
процессорное устройство, предназначенное для автоматического выполнения одного или нескольких программных модулей в ответ на первый набор входных данных и генерации первого целевого продукта в ответ на выполнение одного или нескольких программных модулей, причем первый целевой продукт включает в себя трехмерную репрезентативную модель коллектора.
первое устройство принимает второе пользовательское задание и второй набор входных данных,
второе устройство автоматически генерирует вторую последовательность операций в ответ на второе пользовательское задание,
третье устройство автоматически выбирает один или несколько дополнительных программных модулей в ответ на вторую последовательность операций, и
процессорное устройство автоматически выполняет один или несколько дополнительных программных модулей в ответ на второй набор входных данных и генерирует второй целевой продукт в ответ на выполнение одного или нескольких дополнительных программных модулей.
(a) предоставляют пользовательское задание и предоставляют входные данные,
(b) генерируют конкретную последовательность операций, соответствующую пользовательскому заданию,
(c) выбирают множество программных модулей в ответ на конкретную последовательность операций, причем множество программных модулей имеет заранее определенную последовательность, причем программные модули включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели в ответ на один или более из набора данных тестирования с переменным давлением и данных тестирования скважины и данных градиента давления,
(d) выполняют множество программных модулей в заранее определенной последовательности в ответ на входные данные и
(e) генерируют конечный продукт по завершении выполнения множество программных модулей в заранее определенной последовательности, причем конечный продукт включает в себя трехмерную репрезентативную модель коллектора.
выбирают первое множество программных модулей, имеющее первую заранее определенную последовательность, и
выбирают второе множество программных модулей, имеющее вторую заранее определенную последовательность.
выполняют первое множество программных модулей в первой заранее определенной последовательности в ответ на входные данные, тем самым генерируя обработанные данные, и
выполняют второе множество программных модулей во второй заранее определенной последовательности в ответ на обработанные данные, причем конечный продукт генерируется по завершении выполнения второго множества программных модулей во второй заранее определенной последовательности.
(a) предоставляют пользовательское задание и предоставляют входные данные,
(b) генерируют конкретную последовательность операций, соответствующую пользовательскому заданию,
(c) выбирают множество программных модулей в ответ на конкретную последовательность операций, причем множество программных модулей имеет заранее определенную последовательность, причем программные модули включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели в ответ на один или более из набора данных тестирования с переменным давлением и данных тестирования скважины и данных градиента давления,
(d) выполняют множество программных модулей в заранее определенной последовательности в ответ на входные данные и
(e) генерируют конечный продукт по завершении выполнения множества программных модулей в заранее определенной последовательности, причем конечный продукт включает в себя трехмерную репрезентативную модель коллектора.
(f) итерационного нахождения нового значения горизонтальной проницаемости и нового значения вертикальной проницаемости,
(g) итерационной регулировки параметра горизонтальной проницаемости и параметра вертикальной проницаемости в трехмерной петрофизической модели коллектора с использованием нового значения горизонтальной проницаемости и нового значения вертикальной проницаемости,
(h) итерационного определения нового отклика модели коллектора путем обращения к трехмерной петрофизической модели коллектора с использованием ранее известных измеренных или наблюдаемых данных, включая один или более из набора данных тестирования с переменным давлением и данных тестирования скважины и данных градиента давления,
(i) итерационного определения того, является ли новый отклик модели коллектора, по существу, таким же, как ранее известный отклик модели коллектора, и
(j) повторения этапов (f), (g), (h) и (i) до тех пор, пока новый отклик модели коллектора не станет, по существу, таким же, как ранее известный отклик модели коллектора.
выбирают второе множество программных модулей, имеющее вторую заранее определенную последовательность.
выполняют первое множество программных модулей в первой заранее определенной последовательности в ответ на входные данные, тем самым генерируя обработанные данные, и
выполняют второе множество программных модулей во второй заранее определенной последовательности в ответ на обработанные данные, причем конечный продукт генерируется по завершении выполнения второго множества программных модулей во второй заранее определенной последовательности.
первое устройство, предназначенное для приема пользовательского задания и приема входных данных,
второе устройство, предназначенное для генерации конкретной последовательности операций, соответствующей пользовательскому заданию,
третье устройство, предназначенное для выбора множества программных модулей в ответ на конкретную последовательность операций, причем множество программных модулей имеет заранее определенную последовательность, программные модули включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели в ответ на один или более из набора данных тестирования с переменным давлением и данных тестирования скважины и данных градиента давления,
четвертое устройство, предназначенное для выполнения множества программных модулей в заранее определенной последовательности в ответ на входные данные, и
пятое устройство, предназначенное для генерации конечного продукта по завершении выполнения множества программных модулей в заранее определенной последовательности, причем конечный продукт включает в себя трехмерную репрезентативную модель коллектора.
устройство, предназначенное для выбора первого множества программных модулей, имеющего первую заранее определенную последовательность, и
устройство, предназначенное для выбора второго множества программных модулей, имеющего вторую заранее определенную последовательность.
устройство, предназначенное для выполнения первого множества программных модулей в первой заранее определенной последовательности в ответ на входные данные и, таким образом, генерации обработанных данных, и
устройство, предназначенное для выполнения второго множества программных модулей во второй заранее определенной последовательности в ответ на обработанные данные, причем конечный продукт генерируется по завершении выполнения второго множества программных модулей во второй заранее определенной последовательности.
(a) предоставляют пользовательское задание и предоставляют входные данные,
(b) генерируют последовательность операций, соответствующую пользовательскому заданию,
(c) выбирают множество программных модулей в ответ на генерацию последовательности операций, причем множество программных модулей имеет заранее определенную последовательность, причем программные модули включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели,
(d) выполняют множество программных модулей в заранее определенной последовательности в ответ на входные данные и
(e) генерируют конечный продукт трехмерной репрезентативной модели коллектора по завершении выполнения программного модуля настройки модели из множества программных модулей.
(f) итерационного нахождения нового значения горизонтальной проницаемости и нового значения вертикальной проницаемости,
(g) итерационной регулировки параметра горизонтальной проницаемости и параметра вертикальной проницаемости в трехмерной петрофизической модели коллектора с использованием нового значения горизонтальной проницаемости и нового значения вертикальной проницаемости,
(h) итерационного определения нового отклика модели коллектора путем обращения к трехмерной петрофизической модели коллектора с использованием ранее известных измеренных или наблюдаемых данных, включая один или более из набора данных тестирования с переменным давлением и данных тестирования скважины и данных градиента давления,
(i) итерационного определения того, является ли новый отклик модели коллектора, по существу, таким же, как ранее известный отклик модели коллектора, и
(j) повторения этапов (f), (g), (h) и (i) до тех пор, пока новый отклик модели коллектора не станет, по существу, таким же, как ранее известный отклик модели коллектора.
строят имитационную модель с использованием набора петрофизических данных и набора геологических данных и
калибруют имитационную модель, причем на этапе калибровки
обращаются к имитационной модели с известными измеренными или наблюдаемыми данными, тем самым генерируя конкретный отклик от имитационной модели, причем известные измеренные или наблюдаемые данные включают в себя один или более из набора данных тестирования с переменным давлением и набора данных тестирования скважины и набора данных градиента давления,
сравнивают конкретный отклик от имитационной модели с известным откликом от известного нефтяного или газового коллектора,
калибруют имитационную модель до тех пор, пока конкретный отклик, по существу, не совпадет с известным откликом, тем самым генерируя настроенную имитационную модель, и прогнозируют новый отклик от нового нефтяного или газового коллектора, обращаясь к настроенной имитационной модели с набором недавно измеренных или наблюдаемых данных, причем недавно измеренные или наблюдаемые данные включают в себя один или более из набора данных тестирования с переменным давлением и набора данных тестирования скважины и набора данных градиента давления.
изменяют параметр имитационной модели, повторно обращаются к имитационной модели с известными измеренными или наблюдаемыми данными, тем самым генерируя второй конкретный отклик из имитационной модели, причем известные измеренные или наблюдаемые данные включают в себя один или более из набора данных тестирования с переменным давлением и набора данных тестирования скважины и набора данных градиента давления, и
повторно сравнивают второй конкретный отклик из имитационной модели с известным откликом.
строят имитационную модель с использованием набора петрофизических данных и набора геологических данных,
калибруют имитационную модель, причем на этапе калибровки
обращаются к имитационной модели с известными измеренными или наблюдаемыми данными, тем самым генерируя конкретный отклик от имитационной модели, причем известные измеренные или наблюдаемые данные включают в себя один или более из набора данных тестирования с переменным давлением и набора данных тестирования скважины и набора данных градиента давления,
сравнивают конкретный отклик от имитационной модели с известным откликом от известного нефтяного или газового коллектора,
калибруют имитационную модель до тех пор, пока конкретный отклик, по существу, не совпадет с известным откликом, тем самым генерируя настроенную имитационную модель, и прогнозируют новый отклик от нового нефтяного или газового коллектора, обращаясь к настроенной имитационной модели с набором недавно измеренных или наблюдаемых данных, причем недавно измеренные или наблюдаемые данные включают в себя один или более из набора данных тестирования с переменным давлением и набора данных тестирования скважины и набора данных градиента давления.
изменяют параметр имитационной модели, повторно обращаются к имитационной модели с известными измеренными или наблюдаемыми данными, тем самым генерируя второй конкретный отклик из имитационной модели, причем известные измеренные или наблюдаемые данные включают в себя один или более из набора данных тестирования с переменным давлением и набора данных тестирования скважины и набора данных градиента давления, и
повторно сравнивают второй конкретный отклик из имитационной модели с известным откликом.
(a) предоставляют пользовательское задание, причем пользовательское задание включает в себя этапы
одновременного анализа множества динамических данных, причем динамические данные включают в себя данные множественных тестов с переменным давлением в интервале и данные тестирования скважины и данные профиля зависимости давления от глубины тестера пласта,
в ответ на этап анализа, создания трехмерной репрезентативной модели коллектора, откалиброванной с использованием динамических данных в разных масштабах, и
изучения будущего поведения скважины с использованием альтернативных сценариев завершения и эксплуатации с использованием динамических данных,
(b) предоставляют первый набор входных данных,
(c) автоматически генерируют первую последовательность операций в ответ на пользовательское задание,
(d) автоматически выбирают один или несколько программных модулей в ответ на первую последовательность операций, причем один или несколько программных модулей, связанных с первой последовательностью операций, включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели в ответ на один или более из набора данных тестирования с переменным давлением и данных тестирования скважины и данных градиента давления, причем один или несколько программных модулей, связанных с первой последовательностью операций, предназначены для практического осуществления дополнительного способа прогнозирования нового отклика от нового нефтяного или газового коллектора в ответ на набор недавно измеренных или наблюдаемых данных из нового нефтяного или газового коллектора, набор известных измеренных или наблюдаемых данных из известного нефтяного или газового коллектора, соответствующего известному отклику от известного нефтяного или газового коллектора, причем дополнительный способ включает в себя этапы, на которых
строят имитационную модель с использованием набора петрофизических данных и набора геологических данных,
калибруют имитационную модель, причем на этапе калибровки обращаются к имитационной модели с известными измеренными или наблюдаемыми данными, тем самым генерируя конкретный отклик от имитационной модели, причем известные измеренные или наблюдаемые данные включают в себя набор данных тестирования с переменным давлением и набор данных тестирования скважины и набор данных градиента давления,
сравнивают конкретный отклик от имитационной модели с известным откликом от известного нефтяного или газового коллектора,
калибруют имитационную модель до тех пор, пока конкретный отклик, по существу, не совпадет с известным откликом, тем самым генерируя настроенную имитационную модель; и прогнозируют новый отклик от нового нефтяного или газового коллектора, обращаясь к настроенной имитационной модели с набором недавно измеренных или наблюдаемых данных, причем недавно измеренные или наблюдаемые данные включают в себя набор данных тестирования с переменным давлением и набор данных тестирования скважины и набор данных градиента давления,
(e) выполняют один или несколько программных модулей на процессоре в ответ на первый набор входных данных и
(f) определяют первый целевой продукт в ответ на выполнение этапа (е), причем первый целевой продукт включает в себя трехмерную репрезентативную модель коллектора.
(a) предоставляют пользовательское задание, причем пользовательское задание включает в себя этапы
одновременного анализа множество динамических данных, причем динамические данные включают в себя данные множественных тестов с переменным давлением в интервале и данные тестирования скважины и данные профиля зависимости давления от глубины тестера пласта,
в ответ на этап анализа, создания трехмерной репрезентативной модели коллектора, откалиброванной с использованием динамических данных в разных масштабах, и
изучения будущего поведения скважины с использованием альтернативных сценариев завершения и эксплуатации с использованием динамических данных,
(b) предоставляют первый набор входных данных,
(c) автоматически генерируют первую последовательность операций в ответ на пользовательское задание,
(d) автоматически выбирают один или несколько программных модулей в ответ на первую последовательность операций, причем один или несколько программных модулей, связанных с первой последовательностью операций, включают в себя программный модуль построения модели, предназначенный для построения имитационной модели в ответ на набор других данных, и программный модуль настройки модели, предназначенный для калибровки имитационной модели в ответ на один или более из набора данных тестирования с переменным давлением и данных тестирования скважины и данных градиента давления, причем один или несколько программных модулей, связанных с первой последовательностью операций, предназначены для практического осуществления дополнительного способа прогнозирования нового отклика от нового нефтяного или газового коллектора в ответ на набор недавно измеренных или наблюдаемых данных из нового нефтяного или газового коллектора, набор известных измеренных или наблюдаемых данных из известного нефтяного или газового коллектора, соответствующего известному отклику от известного нефтяного или газового коллектора, причем дополнительный способ включает в себя этапы, на которых
строят имитационную модель с использованием набора петрофизических данных и набора геологических данных,
калибруют имитационную модель, причем на этапе калибровки обращаются к имитационной модели с известными измеренными или наблюдаемыми данными, тем самым генерируя конкретный отклик от имитационной модели, причем известные измеренные или наблюдаемые данные включают в себя набор данных тестирования с переменным давлением и набор данных тестирования скважины и набор данных градиента давления,
сравнивают конкретный отклик от имитационной модели с известным откликом от известного нефтяного или газового коллектора,
калибруют имитационную модель до тех пор, пока конкретный отклик, по существу, не совпадет с известным откликом, тем самым генерируя настроенную имитационную модель, и прогнозируют новый отклик от нового нефтяного или газового коллектора, обращаясь к настроенной имитационной модели с набором недавно измеренных или наблюдаемых данных, причем недавно измеренные или наблюдаемые данные включают в себя набор данных тестирования с переменным давлением и набор данных тестирования скважины и набор данных градиента давления,
(е) выполняют один или несколько программных модулей на процессоре в ответ на первый набор входных данных и
(d) определяют первый целевой продукт в ответ на выполнение этапа (е), причем первый целевой продукт включает в себя трехмерную репрезентативную модель коллектора.
| US 6317654 B1, 13.01.2001 | |||
| Способ и приспособление для нагревания хлебопекарных камер | 1923 |
|
SU2003A1 |
| СПОСОБ КОНТРОЛЯ ЗА РАЗРАБОТКОЙ НЕФТЯНОГО МЕСТОРОЖДЕНИЯ | 1999 |
|
RU2166630C1 |
| US 6028820 A, 22.02.2000. | |||
