پیش بینی تولید، تجزیه و تحلیل منحنی کاهشی و تخمین ذخیره

سود:

• توانایی توضیح پیش‌بینی تولید و پیش‌بینی یورو با تحلیل منحنی افت (DCA)، مدل‌های Arps و یادگیری ماشین
• امکان قرار دادن هوش مصنوعی در پاکسازی داده های تولید، انتخاب رژیم کاهش و طبقه بندی ذخیره (1P/2P/3P)
• امکان تایید خروجی های پیش بینی تولید با محدودیت های فیزیکی، تعادل مواد و استانداردهای گزارش

هنگامی که یک چاه وارد تولید می شود، در روز اول بیشترین میزان جریان را می دهد و با گذشت زمان کاهش می یابد. زیرا فشار مخزن کاهش می یابد و سیال تخلیه می شود. اندازه گیری، مدل سازی و گسترش این کاهش به آینده قلب اقتصاد نفت و گاز است. تجزیه و تحلیل منحنی نزولی (DCA) برای تخمین تولید آتی و حجم کل قابل بازیافت (EUR - برآورد نهایی بازیابی) با برازش منحنی کاهش رشد ریاضی به تاریخ تولید است. این برآورد مستقیماً به رقم ذخیره و در نتیجه ارزش شرکت، تصمیم سرمایه‌گذاری و اعلامیه‌های نظارتی ترجمه می‌شود. در این واحد، ما از هوش مصنوعی برای تمیز کردن داده‌های تولید، انتخاب مدل کاهش و تولید سناریوها استفاده می‌کنیم. قانون تغییرناپذیر: یورو یک تخمین است، نه یک دقت. هرگز بدون آزمایش محدودیت های فیزیکی و تعادل مواد، به ویژه با در نظر گرفتن جنبه خوش بینانه، اعلام نمی شود.

بیایید مدل های آرپس را بشناسیم

DCA کلاسیک بر اساس سه مدل کاهشی Arps است:

• کاهش نمایی: نرخ کاهش ثابت است. این محافظه کارانه ترین (پایین ترین مدل یورو) است. به رفتار اواخر دوره نزدیک است.
• کاهش هذلولی: سرعت کاهش در طول زمان کاهش می یابد. توسط یک پایه b کنترل می شود. b=0 مربوط به نمایی، b=1 مربوط به هارمونیک است. اغلب چاه ها در دوره اولیه تا میانی هذلولی هستند.
• افت هارمونیک: b=1; خوش بینانه ترین (بالاترین یورو) مدل. به ندرت برای کل زندگی معتبر است.

نقطه بحرانی b اول است. با افزایش b، کاهش سرعت کاهش می یابد و یورو رشد می کند. اگر b>1 گرفته شود و به بلندمدت تعمیم داده شود، کاهش به طور غیرواقعی کند می شود و یورو منفجر می شود. این رایج ترین اشتباه بیش از حد خوش بینی در صنعت است.

احتیاط: در چاه های معمولی b معمولاً در محدوده 0-0.5 است. در چاه‌های غیر متعارف مانند گاز شیل/نفت تنگ، b>1 را می‌توان در دوره اولیه مشاهده کرد، اما نمی‌توان آن را در دراز مدت انجام داد. حداقل حد کاهش (نزول پایانه) همیشه در اواخر دوره اعمال می شود. اگر هوش مصنوعی 30 سال را با b=1.3 برون یابی کند، این یک پرچم قرمز است.

طبقه بندی رزرو

پیش‌بینی تولید هنگام تبدیل به ذخایر به سطوح عدم قطعیت تقسیم می‌شود:

• 1P (اثبات شده): اعتماد به نفس بالا. با اطمینان معقول که از نظر اقتصادی تولید خواهد شد. تقریباً P90 (احتمال 90٪ حداقل همین مقدار).
• 2P (اثبات + محتمل): سناریوی متوسط، حدود P50.
• 3P (اثبات شده + محتمل + ممکن): سناریوی خوش بینانه، تقریباً P10.

این طبقه بندی توسط استانداردهایی مانند PRMS (سیستم مدیریت منابع نفتی) و SEC کنترل می شود و مسئولیت آن بر عهده ارزیاب واجد شرایط است. هوش مصنوعی می تواند به تولید سناریوها کمک کند اما نمی تواند ذخیره را «اعلام کند».

گام به گام: گردش کار DCA

1. داده ها را پاک کنید دوره های بسته (خاموش شدن چاه)، خطاهای اندازه گیری، مداخلات (اسید شدن، تکمیل مجدد) منحنی تولید را مخدوش می کند. اینها را علامت بزنید؛ هوش مصنوعی می تواند موارد پرت را اسکن کند، اما شما تصمیم می گیرید.
2. رژیم کاهش را انتخاب کنید. جریان گذرا اولیه یا جریان تحت سلطه مرزی؟ DCA فقط در دوره مرزی قابل اعتماد است.
3. یک مدل بسازید. پارامترهای Arps (نرخ جریان اولیه، نرخ افت، b) را تنظیم کنید. b را در محدوده فیزیکی نگه دارید.
4. کاهش ترمینال را اعمال کنید. تغییر به حداقل کاهش در اواخر دوره. اجتناب از برون یابی بی نهایت هذلولی.
5. آن را اسکریپت کنید. P90/P50/P10 یورو را تولید کنید.
6. تأیید کنید. با تعادل مواد و قیاس چاه همسایه تست کنید.

سه مورد کوچک: با اعداد

مورد 1 - تله پایه b. در یک چاه نفت محکم، هوش مصنوعی b=1.5 را به داده های 18 ماهه اول برازش داد و به 30 سال تعمیم داد. یورو به 620 هزار بشکه افزایش یافت. هنگامی که مهندس کسر پایانه (8٪ در سال) را اعمال کرد، یورو به 410 هزار بشکه کاهش یافت. تعادل مواد و قیاس میدانی حدود 400 هزار پشتیبانی می کند. پذیرش کور 50 درصد ذخیره را بیش از حد برآورد می کند.

مورد 2 - تمیز کردن داده های کثیف. دو دوره طولانی توقف (نگهداری) به عنوان مقادیر کم در منحنی تولید چاه ظاهر شد. کاهش تطبیق داده شده با داده های خام نشان دهنده "کاهش سریع" بود که در واقعیت وجود نداشت. مواضع مشخص شده توسط هوش مصنوعی؛ هنگامی که توقف ها برداشته شد و روزهای تولید واقعی عادی شد، نرخ کاهش واقعی بود (14٪ در سال به جای 22٪ در سال). پاکسازی پیش بینی را تصحیح کرد.

مورد 3 - شکست جریان گذرا. یک مهندس DCA را در 3 ماه اول تولید اعمال کرد. این دوره هنوز یک جریان موقت بود (اثر مرزی شروع نشده بود). هوش مصنوعی از این شیب اولیه با نرخ کاهش بسیار بالا و یورو پایین بیرون آمد. تحلیلی که پس از انتظار برای گذار به دوره غالب مرزی انجام شد، کاهش واقعی را نشان داد. دانستن زمان معتبر بودن DCA ضروری بود.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

منحنی کاهش را برای این داده‌های تولید تنظیم کنید و ذخیره را بگویید.[data]

اعلان قدرتمند:

تجزیه و تحلیل منحنی کاهش DRAFT بر روی داده های تولید ماهانه زیر (ناشناس). قوانین: - ابتدا دوره بسته / توقف ها، مداخلات و موارد پرت را علامت بزنید. اینها را از رویا ساختگی حذف کنید و توجیه خود را بنویسید. - ارزیابی اینکه داده ها گذرا هستند یا در جریان تحت سلطه مرزی. DCA فقط در طول دوره غالب مرزی معتبر است، اگر مناسب نیست نشان دهید. توان b را در محدوده فیزیکی (معمولی 0-0.5) نگه دارید. در دوره‌های پایانی محدودیت خروج پایانه اعمال کنید. برون یابی هذلولی بی نهایت انجام ندهید.- EUR را به عنوان P90/P50/P10، نه عدد واحد، بنویسید.- نحوه تأیید را با تعادل مواد/چاه مجاور بنویسید. داده ها: [جدول تولید]

چهار قالب قابل کپی

1) پاکسازی داده های تولید:

توقف ها، مداخلات، مقادیر صفر/منفی و مقادیر پرت را در داده های تولید زیر به عنوان جدول "تاریخ | مشکل | پیشنهاد" علامت گذاری کنید. داده ها را تصحیح نکنید، فقط آن را علامت گذاری کنید. جدول: [تولید]

2) تشخیص رژیم کاهش مصرف:

از داده‌های تولید و فشار زیر (در صورت وجود)، ارزیابی کنید که آیا جریان گذرا است یا تحت سلطه مرزی. دوره ای را که طی آن DCA قابل اعتماد خواهد بود را مشخص کنید. خطر تطبیق آن با دوره اولیه را توضیح دهید. داده ها: [جریان/فشار]

3) برازش آرپس و سناریو:

Arps های نمایی و هذلولی را با داده های تولید تمیز زیر مطابقت دهید. توان b را در محدوده 0-0.5 نگه دارید. کاهش پایانه X% را دیر اعمال کنید. سه سناریو (P90/P50/P10) یورو بدهید و بنویسید کدام فرضیات مؤثرتر هستند. داده ها: [تولید پاک]

4) چک متقاطع یورو:

این پیش‌بینی یورو را بررسی کنید: آیا تولید انباشته + مجموع پیش‌بینی باقی‌مانده با تعادل مواد مزرعه/فاصله چاه آنالوگ مطابقت دارد؟ علائم بیش از حد خوش بینانه/بدبینانه را فهرست کنید. یورو و ورودی ها: [مقدار]

راهنمای انتخاب مدل Drawdown

مدل

b نخست

روند یورو

چه زمانی

نمایی

0

پایین ترین (محافظه کار)

دیر بلوغ خوب

هذلولی

0-1

متوسط

اوایل دوره میانی، اغلب چاه ها

هارمونیک

1

بالا (خوشبینانه)

نادر است، با احتیاط استفاده کنید

هذلولی نامحدود

> 1 بلند مدت

خیلی زیاد (نادرست)

استفاده نکنید؛ اعمال محدودیت ترمینال

اشتباهات رایج

• برون یابی طولانی با b بالا. b> انتقال 1 به سال و اغراق در یورو. رد شدن از سقوط ترمینال
• نصب آن بر روی داده های کثیف از بین بردن رویاها بدون پاکسازی وضعیت ها و مداخلات.
• اعمال DCA در جریان گذرا. پیش‌بینی‌ها قبل از شروع دوره مرزی.
• عدد فرد یورو عدم گزارش عدم قطعیت (P90/P50/P10).
• رد شدن از تعادل مواد عدم آزمایش یورو با کنترل فیزیکی/آنالوگ مستقل.

به طور خلاصه

• DCA برای تخمین تولید آینده و یورو با برازش منحنی کاهش به تاریخ تولید است.
• Arps b Prime حیاتی است. برون یابی طولانی با b بالا به طور خطرناکی یورو را بیش از حد برآورد می کند، کاهش ترمینال ضروری است.
• هوش مصنوعی در پاکسازی داده ها و تولید سناریو مفید است. اما نمی تواند ذخیره را اعلام کند، ارزیابی کننده واجد شرایط تایید می کند.
• EUR را به عنوان توزیع P90/P50/P10 گزارش کنید. DCA را فقط در طول دوره غالب مرزی اعمال کنید.
• نتیجه را با تعادل مواد و قیاس چاه مجاور بررسی کنید.

وظیفه کاربردی

داده های تولید ماهانه را برای یک چاه (نماینده) دریافت کنید. یک پیش نویس DCA با یک اعلان قدرتمند ایجاد کنید. سپس: (1) حداقل یک توقف/خارج را علامت بزنید و بردارید، (2) توان b مدل را بررسی کنید و اگر بالای 1 باشد، ترمینال را اعمال کنید، (3) در سه سناریو درخواست یورو کنید و تقریباً P50 را با منطق تجمعی + باقیمانده تامین کنید.

چک لیست

• [ ] من مدل های نمایی/هذلولی/هارمونیک Arps و تاثیر b prime بر یورو را می شناسم.
• [ ] من در حال تمیز کردن داده های تولید برای خرابی/مداخله هستم.
• [ ] من DCA را فقط در طول دوره جریان تحت سلطه مرز اعمال می کنم.
• من عدد اول [ ] b را در محدوده فیزیکی نگه می‌دارم و خروجی ترمینال را اعمال می‌کنم و به EUR P90/P50/P10 می‌دهم.
• [ ] یورو را با تراز مواد و آنالوگ به خوبی تأیید می کند، می دانم که اظهارنامه ذخیره به عهده ارزیاب است.