Gewinne:
- Fähigkeit zu erklären, wie die 3D-Verteilung von Reservoireigenschaften (Porosität, Permeabilität, Wassersättigung) mit KI und Geostatistik modelliert wird
- Fähigkeit, die Ausbreitung von Merkmalen mithilfe von Faziesmodellierung, Variogramm, Kriging und maschinellem Lernen zu lokalisieren
- Möglichkeit zur Überprüfung der Ergebnisse von Reservoirmodellen mit Materialbilanz, Bohrlochtests und Unsicherheitsszenarien
Um ein Öl- oder Gasfeld zu errichten, müssen wir zunächst ein 3D-Modell davon erstellen: wo sich das Lagerstättengestein befindet, wie porös es ist (Porosität), wie leicht Flüssigkeit fließt (Permeabilität/Permeabilität) und wie viel der Poren mit Kohlenwasserstoffen gefüllt sind (1 − Wassersättigung). Aber wir können diese Merkmale nur an den Stellen messen, an denen wir Brunnen bohren; Das riesige Volumen zwischen den Brunnen ist leer und muss gefüllt werden. Bei der Reservoircharakterisierung werden Punktmessungen in Bohrlöchern vorgenommen und diese mithilfe geologischer Logik und Statistik auf das gesamte Volumen ausgeweitet. In dieser Einheit nutzen wir bei dieser Verbreitungsarbeit künstliche Intelligenz und Geostatistik (den Zweig der Statistik, der räumliche Daten mit Unsicherheit modelliert). Das unveränderliche Prinzip: Jeder Brunnen-zu-Brunnen-Wert ist eine Schätzung, kein tatsächlicher Wert; Unsicherheit ist Teil des Modells und wird durch das physische Gleichgewicht getestet.
Grundkonzepte
- Fazies: Ein Gesteinstyp mit einzigartigen Eigenschaften, der in einer bestimmten Ablagerungsumgebung entstanden ist (z. B. Flusskanalsand, Meeresschiefer, Riffkalkstein). Die Qualität des Reservoirs hängt eng mit der Fazies zusammen: Der Kanal leitet Sand gut ab, nicht jedoch Schiefer.
- Variogramm: Ein Maß für die räumliche Kontinuität, das beschreibt, wie die Merkmalsähnlichkeit mit zunehmendem Abstand zwischen zwei Punkten abnimmt. Es ist das grundlegende Werkzeug der Geostatistik.
- Kriging: Eine Methode, die den Wert an nicht abgetasteten Punkten mithilfe des Variogramms zusammen mit der Schätzunsicherheit schätzt.
- Stochastische Simulation: Erstellung vieler gleich wahrscheinlicher Modelle (Realisierungen), die mit den Daten kompatibel sind, anstelle einer einzigen „besten“ Schätzung; Es macht Unsicherheit sichtbar.
- Stoffbilanz: Erhaltungsbeziehung zwischen der aus dem Reservoir geförderten Flüssigkeit, dem Druckabfall und dem verbleibenden Volumen; physischer Anker, der das Modellvolumen unabhängig testet.
Hinweis: Das Reservoirmodell ist eine Unsicherheitsverteilung, keine einzelne Zahl. Die korrekte Formulierung lautet „P90=35, P50=50, P10=72 Millionen Barrel“, nicht „Reserve 50 Millionen Barrel“. Bitten Sie die KI um ein Szenario/eine Verteilung, nicht um eine Einzelpunktschätzung.
Wie KI und Geostatistik zusammenarbeiten
Die klassische Geostatistik (Kriging, Variogramm) ist leistungsstark, hat jedoch Probleme mit multivariaten, nichtlinearen Beziehungen. Hier kommt maschinelles Lernen ins Spiel:
- Faziesklassifizierung: Zuordnung von Fazies aus dem Protokollsatz (überwachtes Lernen); Verteilen Sie dann das Merkmal anhand der Fazies als Orientierungshilfe.
- Attributschätzung: Schätzung der Porosität zwischen Bohrlöchern anhand der Beziehung zwischen seismischem Attribut und Protokoll (seismisch gesteuerte Modellierung).
- Lückenfüllung: Vervollständigen Sie fehlende Protokollbereiche sinnvoll aus benachbarten Bohrlöchern und Beziehungen.
Aber maschinelles Lernen kennt keine geologische Logik. Die von einem Modell erstellte Porositätskarte ist falsch, wenn sie nicht mit der Ablagerungsumgebung übereinstimmt (z. B. hohe Permeabilität in Schieferfazies). Geologische Plausibilität ist der erste Filter der KI-Ausgabe.
Schritt für Schritt: Arbeitsablauf für das Reservoirmodell
- Strukturelles Skelett. Ermitteln Sie die Geometrie des Reservoirs mit Horizonten und Verwerfungen aus seismischen Daten (Ausgabe von Einheit 3).
- Faziesmodell. Bestimmen Sie die Fazies in Bohrlöchern (Log + Kern), verteilen Sie sie auf das Volumen mit Variogramm/geologischem Trend. KI beschleunigt die Klassifizierung.
- Funktionsbereitstellung. Verteilen Sie Porosität, Permeabilität und Wassersättigung innerhalb jeder Fazies durch Kriging oder maschinelles Lernen; Wenn es Erdbeben gibt, holen Sie sich einen Führer.
- Unsicherheit. Generieren Sie eine große Anzahl von Erkenntnissen mit stochastischer Simulation; P90/P50/P10-Volumen werden ausgegeben.
- Überprüfung. Testmodellvolumen mit Materialbilanz und Verlaufsübereinstimmung; Vergleichen Sie mit dem Bohrlochtest die Durchlässigkeit.
Drei Mini-Hüllen: In Zahlen
Fall 1 – Wert des Fazies-Leitfadens. Wenn die Porosität an einem Standort direkt durch Kriging verteilt wurde, „sickerte“ hohe Porosität in Schieferzonen mit geringer Qualität. Als das Faziesmodell zum ersten Mal etabliert wurde und die Porosität innerhalb der Fazies verteilt wurde, wurde das Modell realistisch und die stochastischen Volumina verengten sich: Das P50-Volumen verringerte sich um 12 %, aber das Unsicherheitsband verringerte sich um 40 %. Die richtige Struktur führte zu realistischeren und sichereren Ergebnissen.
Fall 2 – Extrapolationsfalle. Das Modell für maschinelles Lernen lernte die Beziehung zwischen Porosität und Seismik in der Region, in der sich die Bohrlöcher konzentrieren, gut; aber bei der Anwendung auf einen Randblock ohne Bohrloch fiel es außerhalb des Trainingsbereichs (Extrapolation) und erzeugte eine unrealistische Porosität von 28 %. Der Geologe zeigte, dass dieser Block in einer anderen Fazieszone lag; Das Modell war in dieser Region ungültig. Die Extrapolationsgrenze ist markiert.
Fall 3 – Materialbilanzkonflikt. Ein reichhaltiges 3D-Modell der P50-Reserven ergab 68 Millionen Barrel; Der frühe Produktionsdruckabfall des Feldes deutete jedoch auf ein System mit einer Materialbilanz von höchstens etwa 45 Millionen Barrel hin. Der Widerspruch entstand, weil das Modell davon ausging, dass getrennte (isolierte) Sandkörper zu stark miteinander verbunden seien. Der Anschluss wurde überdacht und das Modell verkleinert. Der physische Anker fixierte das geometrische Modell.
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Schwache Eingabeaufforderung:
Das Reservoirmodell und die Reserve werden aus diesen Bohrdaten abgeleitet.[Daten]
Kraftvolle Aufforderung:
Generieren Sie einen ENTWURF eines Reservoirmodellierungsplans aus der (anonymisierten) Bohrloch- und seismischen Zusammenfassung unten. Regeln: - Erstes Faziesmodell erstellen; Verteilen Sie Porosität/Permeabilität INNERHALB der Fazies. Kohlenwasserstoffe treten in Schiefer-/Fazies geringer Qualität aus. – Begründen Sie die Parameter des Variogramms (Richtung, Reichweite) anhand des geologischen Trends und nicht anhand von Daten. Schreiben Sie die Annahmen KLAR auf. - Präsentieren Sie das Ergebnis als P90/P50/P10-Volumenverteilung und nicht als einzelne Zahl.
Vier kopierbare Vorlagen
1) Entwurf der Faziesklassifikation:
Schlagen Sie einen Ansatz zur Faziesklassifizierung anhand der folgenden Protokolle vor. Notieren Sie die zu verwendenden Protokolle, Klassendefinitionen und die Notwendigkeit einer Kernkennzeichnung. Geben Sie die Verwechslungsgefahr zwischen Klassen und der geologischen Plausibilitätsprüfung an. Daten: [Protokollsatz]
2) Variogramm-Begründung:
Wenn Sie ein Variogramm für diese Porositätsdaten erstellen, beziehen Sie die Richtungs- und Bereichsauswahl auf die Richtung des geologischen Niederschlags. Erklären Sie das Risiko einer isotropen Annahme. Geben Sie die Grenze der Variogramm-Zuverlässigkeit bei wenigen Daten an. Daten: [Porosität]
3) Unsicherheitsszenario:
Generieren Sie die P90/P50/P10-Volumenverteilung für die folgenden Volumeneingaben (Fläche, Dicke, Porosität, Sättigung, Umrechnungsfaktor). Fragen Sie nach dem Unsicherheitsbereich jeder Eingabe, gehen Sie nicht davon aus. Rangfolge der einflussreichsten Unsicherheitsquelle (Tornado). Eingabe: [Werte]
4) Gegenprüfung der Materialbilanz:
Vergleichen Sie das folgende 3D-Modellvolumen mit den angegebenen frühen Produktions- und Druckabfalldaten für die Materialbilanz. Wenn eine Inkompatibilität vorliegt, geben Sie mögliche Gründe an (Verbindung, Grundwasserleiterunterstützung, Volumenfehler). Modell: [Volumen], Produktion/Druck: [Daten]
Schichten zur Überprüfung des Reservoirmodells
Schicht
Welche Tests
Methode
Geologische Plausibilität
Konsistenz von Fazies und Merkmalen
Expertenbewertung
Nun, Daten
Einhaltung von Punktmessungen
Protokoll-/Kernvergleich
na ja testen
Tatsächliche Durchlässigkeit/Druck
Drucktransiententest
Materialbilanz
Volumenerhaltung
Druck-Produktions-Beziehung
Produktionsgeschichte
dynamisches Verhalten
Verlaufsabgleich
Häufige Fehler
- Fazies springen. Verteilen Sie Merkmale ohne Faziesführung und lecken Sie Kohlenwasserstoffe mit Ding.
- Einzelpunktvorhersage. Angabe einer einzelnen Anzahl von Reserven anstelle einer Unsicherheitsverteilung.
- Extrapolation. Blindes Anwenden des Modells auf Blöcke außerhalb des Trainingsdatenbereichs.
- Materialbilanz überspringen. Das Volumen des 3D-Modells wird nicht mit physischem Gleichgewicht getestet.
- Lassen Sie das Variogramm auf Automatik. Richtungs-/Bereichswahl ohne geologischen Trend.
Zusammenfassend
- Bei der Reservoircharakterisierung handelt es sich um die Erweiterung von Punktmessungen in Bohrlöchern auf das gesamte Volumen mit Geologie und Geostatistik.
- KI und maschinelles Lernen sind leistungsstark bei der Faziesklassifizierung und Merkmalsvorhersage. aber die geologische Plausibilität ist der erste Filter.
- Merkmale innerhalb der Fazies verteilen; Geben Sie die Unsicherheit als P90/P50/P10-Verteilung an.
- Markieren Sie die Extrapolationsgrenzen; Benutzen Sie das Modell nicht blind außerhalb des Trainingsbereichs.
- Materialbilanz und Produktionshistorie sind physikalische Anker, die das geometrische Modell prüfen.
Anwendungsaufgabe
Nehmen Sie Porositäts-/Faziesdaten aus mehreren Bohrungen (repräsentativ) eines Feldes auf. Lassen Sie mit der leistungsstarken Eingabeaufforderung einen Modellierungsplan erstellen. Dann: (1) prüfen, ob die Porosität innerhalb der Fazies verteilt ist, (2) nach der Reserve als P90/P50/P10 und nicht nach einer einzelnen Zahl fragen, (3) grob das vom Modell angegebene Volumen mit einer einfachen Materialbilanzlogik (produziert + verbleibend) angeben. Fügen Sie eine Extrapolationswarnung für mindestens eine Region ohne Brunnen hinzu.
Checkliste
- [ ] Ich verstehe, dass das Reservoirmodell eine Schätzung von Bohrloch zu Bohrloch ist und mit Unsicherheit behaftet ist.
- [ ] Ich verteile die Merkmale mit dem Fazies-Leitfaden, ich gebe sie nicht an Fazies von geringer Qualität weiter.
- [ ] Ich melde die Reserve als P90/P50/P10-Verteilung, nicht als einzelne Zahl.
- [ ] Ich markiere die Extrapolationsgrenzen.
- [ ] Ich verifiziere das Modellvolumen anhand der Materialbilanz und der Produktionshistorie.