NO20120602A1

NO20120602A1 - Fremgangsmater for optimalisering av petroleumsreservoar

Info

Publication number: NO20120602A1
Application number: NO20120602A
Authority: NO
Inventors: Oliver Clinton Mullins; Soraya Sofia Betancourt; Shawn David Taylor; Andrew E Pomerantz; Katherine A Rojas
Original assignee: Schlumberger Technology Bv
Priority date: 2009-11-23
Filing date: 2012-05-23
Publication date: 2012-06-25
Also published as: GB2488473A; MX2012005847A; WO2011061662A1; CA2781465A1; BR112012012048A2; GB201209528D0; US20100132450A1

Abstract

Metoder for optimalisering av petroleumsreservoaranalyser og prøvetaking ved bruk av en sanntidskomponent hvor heterogeniteter eksisterer i væskeegenskapene. Metodene bidrar til å forutsi gjenvinningsytelse av olje, som f.eks. råolje, som kan bli uheldig påvirket av væskeegenskapsgradientene i reservoaret. I tillegg kan metodene bidra til å optimalisere reservoarets testplaner, som kan redusere generelle utgifter og øke testeffektiviteten. Metodene involverer bruk av analyseteknikker for nøyaktig å forutsi en eller flere væskeegenskaper som ikke er i likevekt i reservoaret. Gjennom å evaluere sammensetningen i brønnhullsvæskeprøverfra reservoaret ved bruk av sensitive analyseteknikker kan man produsere en nøyaktig grunnmodell av væskeegenskapene. Med grunnmodellen for hånden kan man få sanntidsdata som kan sammenlignes med grunnmodellen for ytterligere å definere de interessante væskeegenskapene i reservoaret.

Description

METODER FOR OPTIMALISERING AV PETROLEUMSRESERVOARANALYSER

KRYSSREFERANSE TIL RELATERTE SØKNADER

[0001]Denne søknaden er en delvis videreføring av amerikansk søknad 1,2/204,998, innlevert 5. september, 2008 som krever prioritet til foreløpig amerikansk søknad 60/971,989, innlevert 13. september, 2007. Begge søknadene er inkludert herigjennom sitering.

BAKGRUNN

[0002] Væskegradienter kan eksistere innenfor en oljekolonne i et petroleumsreservoar. Disse gradientene er et resultat av en rekke prosesser som organiske kilder, den genererte oljens termiske modenhet, biologisk nedbrytning, og vann vask. Som et resultat av disse prosessene, heterogene væskegradienter kan eksistere innenfor et underjordisk reservoar som kan ha en uheldig påvirkning på produksjonsrater og hydrokarbongjenvinning.

[0003] Nåværende metoder innenfor området tillater konstruksjonen av geologiske modeller av data innsamlet i løpet av letefasen og for væskemodellene konstruert samtidig med disse geologiske modellene. På tross av at disse modellene kan gi indikasjoner for produksjon, rate og hydrokarbongjenvinning før feltets utviklingsfase eksisterer det fortsatt en god del usikkerhet. Denne usikkerheten kan redusere der væskekolonnen er antatt til å være i balanse, basert på nylige fremskritt i brønnhullsvæskeanalyse, testing, og sanntidsvæskeanalyse som har vært designet for slike reservoarer.

[0004] Selv om fremskritt i sanntidsvæskeanalyse for væskekolonner i balanse er tilgjengelig, er det et behov for nøyaktig å analysere væskeegenskapene som er antatt å være ute av balanse. Det er faktisk slik at gjenvinningsytelse kan bli uheldig påvirket uten en klar forståelse av væskeegenskapsgradientene i reservoaret. Derfor er metodene beskrevet heri gir en ny tilnærming til optimalisering av reservoaranalyser ved bruk av sanntidskomponent der heterogeniteter eksisterer innenfor reservoaret.

KORT SAMMENDRAG AV OPPFINNELSEN

[0005] Beskrevet heri er metoder for optimalisering av petroleumsreservoaranalyser og testing ved bruk av en sanntidskomponent der det eksisterer heterogeniteter i væskeegenskapene. Metodene bidrar til å forutsi gjenvinningsytelse av olje, som f.eks. råolje, som kan bli uheldig påvirket av væskeegenskapsgradientene i reservoaret. I tillegg kan metodene bidra til å optimalisere reservoarets testplaner, som kan redusere generelle utgifter og øke testeffektiviteten. Metodene involverer bruk av analyseteknikker for nøyaktig å forutsi en eller flere væskeegenskaper som ikke er i likevekt i reservoaret. Gjennom å evaluere sammensetningen i brønnhullsvæskeprøver fra reservoaret ved bruk av sensitive analyseteknikker kan man produsere en nøyaktig grunnmodell av væskeegenskapene. Med grunnmodellen for hånden kan man få sanntidsdata som kan sammenlignes med grunnmodellen for ytterligere å definere de interessante væskeegenskapene i reservoaret. Fordelene med oppfinnelsen vil delvis bli forklart i beskrivelsen som følger, og vil delvis være åpenbart fra beskrivelsen eller kravene. Det er forstått at begge de foregående generelle beskrivelsene og de følgende detaljerte beskrivelsene er kun eksempler og forklarende og ikke innskrenkende.

KORT BESKRIVELSE AV TEGNINGENE

[0006] Fig. 1 viser et skjema hvor analyseteknikker er brukt for å forutsi en eller fler væskeegenskaper og til syvende og sist produsere en grunnmodell som kan bli utstyrt med sanntidsdata.

[0007] Fig. 2 viser et skjema hvor sanntidskomponenter er brukt i kombinasjon med komponenter fra før- og etterarbeidet som beskrevet heri for optimalisering av analyser av et underjordisk reservoar.

DETALJERT BESKRIVELSE AV OPPFINNELSEN

[0006] Før de nåværende metodene er oppgitt og beskrevet er det forstått at aspekter beskrevet nedenfor ikke er begrenset til spesifikke metoder, og dermed selvfølgelig kan variere. Det er også forstått at terminologien brukt heri er kun med det formål å beskrive spesifikke aspekter og er ikke tilsiktet å være innskrenkende.

[0009] I denne spesifikasjonen og i kravene som følger refereres det til en rekke betegnelser som er definert til å ha de følgende meninger.

[0010] Det må merkes at slik som det er brukt i denne spesifikasjonen og vedheftede krav, så er entallsformene, «en», «et», «den», og «det» inkluderer flertallsreferansene med mindre annet klart fremgår. Dermed inkluderer referanser til f.eks. «en olje» også kombinasjonen av to eller flere ulike oljer, og lignende.

[0011] «Valgfri» eller «valgfritt» betyr at begivenheten eller omstendigheten som deretter beskrives kan skje, eller ei; og at beskrivelsen inkluderer instanser der begivenheten eller omstendigheten skjer og situasjoner der de ikke skjer. F.eks. betyr frasen «valgfri forarbeidskomponent» at forarbeidskomponenten kan forekomme.

[0012] Den nåværende oppfinnelsen vil nå bli beskrevet med spesifikke referanser til diverse eksempler. De følgende eksemplene er ikke ment å innsnevre oppfinnelsen og er snarere gitt som eksempler på utførelser.

[0013] Beskrevet heri er metoder for optimalisering av petroleumsreservoaranalyser og testing ved bruk av en sanntidskomponent der det eksisterer heterogeniteter i væskeegenskapene. Generelt er metodene beskrevet her nyttige for å analysere brønnhullsdata i sanntid der en eller flere væskeegenskaper i brønnhullsvæsken ikke er i balanse. Brønnhullsvæsken er brukt her er en hvilken som helst væske eller gass som finnes i et underjordisk reservoar som har en eller flere væskeegenskaper som ikke er i balanse. Frasen «ikke i balanse» er her definert som en spesifikk egenskap ved brønnhullsvæsken som ikke har en konstant verdi ved bestemte posisjoner og dybder inne i reservoaret over tid. F.eks. om væskeegenskapen er viskositet, kan væskeviskositeten (f.eks. vann eller olje) variere ved ulike posisjoner og dybder inne i reservoaret. Videre kan væskeegenskapen variere over tid på den samme posisjonen inne i reservoaret. Derfor kan væskeegenskapen variere enten vertikalt eller horisontalt inne i reservoaret.

[0014] Jordsmonnets væskeegenskapsgradient er også omtalt her som gradient, eller som væskegradient. Væskeegenskapen kan være en hvilken som helst fasevirkemåte, fysisk egenskap eller kjemisk egenskap som ikke er i balanse i et underjordisk reservoar. Eksempler på væskeegenskaper som ikke er i balanse i et underjordisk reservoar inkluderer, men er ikke begrenset til gas konsentrasjoner, hydrokarboninnhold og konsentrasjon, gas/olje forhold, tetthet, viskositet, pH, vann, konsentrasjon, kjemisk sammensetning eller distribusjon, faseovergangstrykk, kondensering-til-gass-forhold, og en overflod av biologiske markørsammensetninger og biomarkører (f.eks. hopaner og steraner). F.eks. i de tilfellene hvor væskeegenskapene kan variere på grunn av påvirkning fra prosesser utenom trykk- og temperaturvariasjoner, der væskens kjemi varierer spatialt innenfor reservoaret (f.eks. aktiv fylling av reservoaret, aktiv biologisk nedbryting, eller oljens varierende originale organiske kilder). I visse aspekter kan distribusjonen av en gitt kjemisk komponent være i ubalanse, f.eks. kan karbondioksid renne inn i reservoaret og skape en karbondioksidgradient som ikke er i balanse. Alternativt kan asphaltenes ha en svært lav diffusjonskonstant og kan bruke svært lang tid på å komme i balanse. I et annet eksempel kan mengden metan som er tilstede i reservoaret være ute av balanse. Dersom et reservoar fylles med biogen metan er det sannsynlig at metankonsentrasjonen ikke er i balanse. Andre underjordiske væskeegenskaper inkluderer, men er ikke begrenset til en ubalansert distribusjon av hydrogensulfid, forholdet mellom metan og etan, metanens isotop-forhold, sulfurinnhold, eller merkurinnhold.

[0015] I et aspekt er en metode gitt for å optimalisere analyser av en væskeegenskap i borehullsvæsken hvor væskeegenskapen ikke er i balanse. Metoden involverer (a) anskaffelse av grunndata for væskeegenskapene for å produsere en grunnmodell av væskeegenskapene;

(b) anskaffelse av sanntidsdata av væskeegenskapen; og

(c) tilpasning av sanntidsdataen til grunnmodellen for å produsere en optimalisert modell av væskeegenskapen.

[0016] Generelt er trinn (a) er referert til som «forarbeid fasen» og trinn (b) og (c) er «sanntidsfasen». «Etterarbeidsfasen! kan finne sted etter trinn (c) som tar det endelige datasettet og den optimaliserte modellen med i betraktningen og mater dette inn i en dynamisk modell for å evaluere innvirkningen av væskeegenskapen. Hvert trinn er beskrevet i detalj nedenfor.

[0017] Forarbeid fasen er generelt involvert i å produsere en grunnmodell for en væskeegenskap som er antatt å være i ubalanse. F.eks. kan forarbeid fasen inkludere prognose av reservoarvæskens heterogeniteter basert på prøvedata fra sammenlignbare sidebrønner eller basert på petroleumsgeokjemisk- eller sedimentasjonsbasseng-kunnskap om hvilke faktorer som kontrollerer væskeegenskaper, inkludert petroleumsgeokjemiske tolkninger. F.eks. geokjemiske analyser og fortolkninger som kan indikere at et spesifikt reservoar har gjennomgått eller gjennomgår biologisk nedbrytning ved kontaktpunktet mellom olje og vann. I slike reservoarer skapes det typisk en krummet profil på væskeegenskaper i kolonnens base nærmere kontaktpunktet, f.eks. på grunn av viskositet eller en rikelig mengde av visse biomarkører. Der kunnskap om sedimentasjonsbassenget eller sidebrønner indikerer at biologisk nedbrytning foregår i en ny brønn, gradienten kan bli forutsett i forarbeidsfasen i andre aspekter, grunnmodellen kan bli avledet fra likevektsbaserte situasjoner, eller regional kunnskap

om sedimentasjonsbassenget eller væskegradienter. F.eks. kan et tilstandslignings (EOS) program (f.eks. PVT Pro, tilgjengelig fra Schlumberger Technology Corporation i Sugar Land, Texas, USA) kan brukes til å forutsi grunnmodellens balanse. I et aspekt kan balansens komposisjonelle gradient forutsi ved bruk av et EOS grunnprogram. Videre kan visse væskeegenskaper (f.eks. viskositet og tetthet) kalkuleres basert på forutsette komposisjonelle gradienter og formler brukt for å kalkulere disse egenskapene i en reservoarsimulator. I dette aspektet kan EOS grunnprogrammet brukes for å generere og analysere trykk-volum-temperatur (PVT) data basert på målinger gjort i petroleumsblandinger.

[0018] I visse aspekter, når det ikke er foregående kunnskap om væskeegenskapen er tilgjengelig kan en rekke typiske væskeegenskaper brukes som grunnmodeller, som f.eks. lineære, parabolske, logaritmiske gradientstyper. Væskeegenskapsdataene brukes som inndata for å produsere en reservoarmodell (slik som en grunnmodell), der reservoarmodellen enten kan være en statisk eller basis-dynamisk reservoar. Fra reservoarmodellen kan man evaluere innvirkningen av den forutsagte heterogeniteten i væskeegenskapen for produksjonen og gjenvinningen, hvilket er beskrevet nedenfor. Sensitivitet på den forutsette gradienten kan også indikere verdien av å oppnå ytterligere målepunkter, og på den måten optimalisere testejobben, spesielt på sanntidsnivå-trinnet.

[0019] Det følgende er et eksempel på forarbeidsfasen. Sanntidsvæskeegenskapsmålinger, som f.eks. brønnhullsvæskeanalyse(DFA)-stasjonsdata og/eller laboratoriemålinger fra brønnhullsvæsketester kontra dybde og/eller data fra sidebrønner eller lignende regional sand, er samlet inn og inkorporert i en reservoarmodell (f.eks. statisk eller basis-dynamisk modell). Programvare kan tilpasse datapunkter på en kurve for å avgjøre gradienter i væskeegenskaper med dybde (f.eks. sammensetning kontra dybde) for inndata i en reservoarmodell. I et aspekt kan data analyse programvare, slik som f.eks. Microsoft Excel, kan brukes for å tilpasse datapunkter på en kurve og få en væskeegenskapsprofil. Som beskrevet ovenfor, om slike data ikke er tilgjengelige er det et bibliotek av kjente gradienter som kan bli kjørt for sensitivitetsanalyse eller kan brukes for grunnmodell, eller en kan bli valgt basert på geokjemisk eller sedimentsbassengkunnskap (slik som lineære gradienter, parabolsk, logaritmisk).

[0020] Etter en likevektsmodell (slik som grunnmodell) har blitt generert, det neste skrittet (sanntidsfasen) involverer anskaffelse av sanntidsdata med væskeegenskaper som er antatt å ikke være i balanse. Dersom sanntidsdataen ikke kan følge den samme trenden som den forutsette trenden kan det indikere at sanntidsvæskeegenskapsdataen kan høre til et annet kammer eller at systemet muligens ikke er i balanse. Geokjemi kan dermed brukes for videre analyse av hva som forårsaker avviket i væskeegenskapen fra grunnmodellen (f.eks. den forutsagte, balanserte væskeegenskapsgradienten). Etter evaluering av mulige geokjemiske prosesser som kan oppstå i reservoaret, kan ulike mulige væskeegenskapsgradienter bli identifisert og evaluert videre. F.eks. kan væskeegenskapsgradienter slik som lineære, parabolske, og logaritmiske bli identifisert.

[0021] Testing (slik som tilegnelse av sanntidsdata) kan oppnås ved bruk av brønnhullsverktøy som er kjent i anførte dokumenter. F.eks. kan en tilnærming til brønnhullsvæsketesting inkludere bruk av en kabelformasjonstesting og testverktøy (WFT). Bruk av WFT kan resultere i tilegnelse av kontinuerlig sanntidsdata hver gang. Innholdet i kabelen i WFT kan analyseres ved hjelp av en hvilken som helst brønnhullsvæskeanalyse(DFA)modus, slik som, f.eks. synlige nær-infrarød absorberingsspektroskopi. Et ønske om ikke å være bundet til teori, kan lysabsorberingsegenskaper av råolje være ulik egenskapene til gass, vann, og oljebasert boreslamfiltrat. Disse teknikkene gjør det mulig å gjennomføre kvantitative analyse av væsken som flyter gjennom brønnhullsvæskeanalyser, som er anvendbar for å sammenligne sanntidsdataen med forutsagte verdier som beskrevet nedenfor. I et aspekt kan prøvene analyseres på stedet ved overflate for å evaluere den interessante væskeegenskapen. F.eks., PVTExpress tjenesten som tilbys av Schlumberger Technology Corporation kan brukes for å evaluere væskeegenskapen. I andre aspekter kan prøver analyseres på et separat sted i et laboratoriemiljø for å oppnå væskeegenskapsdata. Analyse av data leder så til en påfølgende prøvejobb der ytterligere prøver av sanntidsdata er ervervet på definerte prøvestasjoner. I andre aspekter kan en rekke brønnhullsvæskeanalyseverktøy kan anvendes under kabelloggingen. F.eks. måler UFA verktøyet som er tilgjengelig fra Schlumberger Technology Corporation forholdet mellom gass og olje og farge, som kan være beslektet til asphaltene-innholdet. CFA-verktøyet, som også er tilgjengelig fra Schlumberger Technology Corporation, måler metaninnholdet og andre hydrokarbongasser og -væsker. LFA-pH verktøyet, som også er tilgjengelig fra Schlumberger Technology Corporation, måler pH i vannprøver. Andre brønnhulsvæskeanalysemålinger kan gjennomføres slik som tetthet og viskositet. Alle disse målingene kan også gjøres i brønnens borefase, i tillegg til målinger i boremodus. I et annet aspekt kan sanntidsdata får fra boreverktøyet, en produksjonsloggeverktøystreng, eller en brønnhullstester for et innkapslet hull.

[0022] I løpet av ervervelse av sanntidsdataen er de forventede væskeegenskapene i grunnmodellen anpasset (altså erstattet med) faktisk data etterhvert som prøvedataen kommer inn (skritt(b), inkludert geokjemisk data der analyse på stedet er mulig. Testjobb kan optimaliseres i sanntid ved bruk av tilgjengelig utstyr slik at reservoarvæskeinformasjon med maksimal verdi kan bli ervervet. Siden væskeegenskaper er avklart og ytterligere data er ervervet kan grunnmodellen bli optimalisert prøve for prøve for å velge det beste prøvestedet for å teste den forventede gradienten. Et tilstrekkelig antall sanntidsdata er ervervet slik at det mest sannsynlige gradientkurven av den interessante væskeegenskapen er utviklet. I situasjoner der det nylig ervervede datapunktet ikke passer den forventede trenden kan kunnskapen som er skissert ovenfor vil brukes for å utforme prøveprogrammet på nytt, for å velge det beste stedet for den neste prøven for å teste den nye, forventede trenden, og derfor optimalisere modellen for væskeegenskapen. Alternativt kan prøvetakingen økes i løpet av jobben dersom det viser seg å være klokt å gjøre det. Etter en tilstrekkelig mengde sanntidsdata har blitt ervervet kan en profil av væskeegenskapen produseres. Denne kan brukes til nøyaktig å forutsi variasjoner i væskeegenskaper ved enkeltpunkter inne i reservoaret. Gjennom å forstå væskeegenskapene i balansen i reservoaret er mulig å optimalisere utstyret på arbeidsplassen.

[0023] I et aspekt, når man har ervervet nok sanntidsdatamålinger til at nye lokasjoner finnes, kan de noe lokasjonene bli entret inn i EOS grunnmodellen for å avgjøre den nye pseudo-komponent komposisjonsdataen på disse dybdene. Komposisjonsdata kontra dybde kan så oppdateres og plottes ved bruk av programvare, slik som f.eks. Microsoft Excel for å inkludere nye datapunkter. Den nye komposisjonsprofilen kan så brukes til å sammenligne hvor godt den passer sammen med grunnmodellen. Videre kan visse væskeegenskapsprofiler (f.eks. viskositet og tetthet) kalkuleres basert på den nye, komposisjonelle data og formel som brukes for å kalkulere disse egenskapene i en reservoarsimulator. På samme måte kan disse væskeegenskapsprofilene bli plottet og sammenlignet med grunnmodellen.

Som beskrevet nedenfor kan den oppdaterte væskedataegenskapen kontra dybden bli matet inn i en reservoarsimulator for å forutsi produksjonsytelse. Mengden sanntidsdata som er samlet inn fra reservoaret er tilstrekkelig for å produsere en optimalisert modell av væskeegenskapen. Graden av optimalisering kan variere avhengig av det ønskede nivå av optimalisering og standard feil i måleverktøyet.

[0024] I et aspekt involverer sanntidsfasen kvantifisering av væskeegenskaper på en spesifikk dybde i et underjordisk reservoar. I dette aspektet er prøvetaking og analyser fullført i sanntid ved bruk av brønnhullsvæskeanalyseverktøy som er i stand til å gi væskeegenskapsdata mens verktøyet forblir på stasjonen. I dette aspektet er det også mulig å sammenligne den nyervervede dataen i sanntid med målingene som er ervervet på ulike dybder i den samme brønnen, med andre prøver fra andre brønner i det samme felt, eller med prøver fra andre relevante nærliggende felt.

[0025] Etter at en tilstrekkelig mengde sanntidsdata har blitt ervervet og tilpasset grunnmodellen for å produsere en optimalisert modell, produseres en detaljert statisk eller dynamisk reservoarmodell som inkluderer en eller flere væskeegenskaper som ikke er i balanse. Dette er heri referert til som «etterarbeidsfase 5» beskrevet ovenfor. I et aspekt involverer etterarbeidsfasen bygging av en detaljert statisk og/eller detaljert dynamisk reservoarmodell der væskeegenskapsvariasjoner (f.eks. viskositet, tetthet) representert på en spesifikk dybde i reservoaret. Etterarbeidsfasen er også nyttig for å forutsi innvirkningen væskeegenskapen(e) har på produksjonsytelsen (f.eks. antall tønner per dag) som vil bli beskrevet i større detalj nedenfor.

[0026] Et annet aspekt er metoden for å optimalisere analysen av en væskeegenskap i borehullsvæsken i et underjordisk reservoar involverer:

(a) produksjon av en grunnmodell av væskeegenskapen; der trinn (a) innebærer:

(1) ervervelse av en eller flere prøver av brønnhullsvæsken fra det underjordiske reservoaret;

(2) evaluering av sammensetningen av hver prøve; og

(3) produksjon av en grunnmodell av væskeegenskapen gjennom hele det underjordiske reservoaret basert på sammensetningen av hver prøve;

(b) anskaffelse av sanntidsdata av væskeegenskapen; og

[0027] I visse aspekter, gitt antallet krefter i reservoaret i tillegg til underjordisk oljes komplekse karakter, kan sofistikerte analyseteknikker brukes til å identifisere de viktigste prosessene som er ansvarlige for de observerte variasjonene i væskeegenskapene og for å bidra til å generere grunnmodellen for å beskrive den spatiale variasjonen i en eller fler væskeegenskaper i brønnhullsvæsken. I dette aspektet kan sammensetningen av en eller flere prøver fra brønnhullsvæsken som er tatt fra reservoaret evalueres ved bruk av analyseteknikker. Avanserte laboratorieteknikker har evnen til å måle prøvens sammensetning med kjemisk spesifikasjon. Med andre kan et «fingeravtrykk» bli tildelt hver enkelt prøve. Med et tilstrekkelig antall fingeravtrykk kan en eller flere væskeegenskaper bli forutsagt nøyaktig innenfor reservoaret.

[0028] Fingeravtrykkene som er produsert for hver prøve kan brukes for å presisere innflytelsen av individuelle og ulike krefter inne i reservoaret, som til syvende og sist fører til ubalanserte væskeegenskaper. Sammenlignende målinger og forutsagte væskeegenskaper for å optimalisere væskeprøvekampanjer forutsetter konstruksjon nøyaktige og pålitelige prognoser (slik som grunnmodellen). Et annet aspekt er metodene beskrevet her kan brukes til å evaluere underjordiske krefter som er ansvarlige for komposisjonsgradering (slik som variasjoner i komponenter og konsentrasjoner av disse i brønnhullsvæsken). F.eks. gjennom å avgjøre særskilte komponenter og mengder av hver komponent i brønnhullsvæskeprøven ved bruk av analyseteknikker som er beskrevet heri er det mulig å forutsi hvilke underjordiske krefter som er ansvarlige for komposisjonsgradering av brønnvæsken i reservoaret. Den følgende, ikke begrensede listen av krefter i reservoaret kan resultere i komposisjonsgradering av brønnhullsvæske: gravitetssegregasjon av komponenter (molekyler og aggregater) av ulik tetthet, termisk diffusjon som separerer komponenter av ulik tetthet, termisk indusert konveksjon som blander væsker, variasjoner i solvasjonskrefter med endret sammensetning, foregående virkninger som delvis kun skjer på grunn av utilstrekkelig tid for å nå likevekt, vannvask som fortrinnsmessig har vannet ut vannløselige komponenter, biologisk nedbryting som fortrinnsmessig har utarmet komponenter som er biologisk tilgjengelig, sanntidsfylling av reservoaret fra flere bergartskilder som fortrinnsmessig legger til væsker av ulik sammensetning, og lekkende forseglinger som fortrinnsmessig tillater visse væsker å bevege seg gjennom sedimentasjonsbassenget. En nøyaktig prognose av brønnhullsvæskeegenskaper burde ta en eller flere av disse underjordiske kreftene med i beregningen.

[0029] F.eks. dersom reservoaret har blitt vannvasket, så vill molekyler med høy vannløselighet fortrinnsvis være underrepresentert i sonene som har vært utsatt for vannvasking. Komposisjonsprøver kan bli evaluert ved bruk av metodene som er beskrevet her når man har ervervet tidligere prøver for flere soner i reservoaret. Denne informasjonen kan brukes for å forfine prognoser om komposisjonsgradering som kan resultere i ubalanserte væskeegenskaper. Videre kan bruk av eksisterende kunnskap fra petrofysiske logger om geologiske strata som sannsynligvis ville ha blitt utsatt for vannvasking og omfanget av vannvaskingen er avgjort av disse målingene, prognosene for komposisjonsgradering kan forfines for å gjenspeile det relativt lave antallet vannløselige molekyler i sonene som er mottagelige for vannvasking. Derfor er en mer nøyaktig prognose av komposisjonsgraderingen (og andre væskeegenskaper) oppnådd og påfølgende væskeprøvekampanjer kan optimaliseres.

[0030] Et antall analysemetoder kan brukes for å evaluere prøvene ervervet fra reservoaret. I et aspekt kan teknikkene brukes for å identifisere og/eller kvantifisere visse komponenter i prøven. Som diskutert ovenfor, gjennom forståelse av den kjemiske sammensetningen av brønnhullsvæskeprøver ervervet fra reservoaret er det mulig å identifisere innflytelsen av kreftene i reservoaret som førte til en endring i brønnhullsvæskens væskegenskaper. I et aspekt kan en eller flere av de følgende analyseteknikker kan brukes for å evaluere sammensetningen av prøven: 1. Multidimensjonal gasskromatografi inkluderer omfattende to-dimensjonal gasskromatografi. Gjennom å separere flyktige komponenter i råoljen langs mer enn en dimensjon kan individuelle komponenter bli avklart og identifisert. 2. Høyoppløsnings-massespektrometri. Nøyaktige massemål av råoljens komponenter (som gjøres fourier transformasjon ion syklotron massespektrometer, en orbitrap massespektrometer, en høyoppløselig time-of-flight massespektrometer, og andre) tillater identifikasjon og avklaring av tusen av individuelle molekylære formler i råolje og dennes komponenter. 3. 13C og 1H kjernemagnetisk resonans spektroskopi (NMR). Måling av NMR kjemiske skiftspektrum ved høyoppløsning (potensielt ved bruk av multidimensjonelle teknikker og potensielt ved bruk av polariseringsoverføring) kan avsløre kjemisk spesisering av karbon- og hydrogen atomer i petroleum molekyler. 4. Svovel og/ eller nitrogen røntgenabsorbering nær kantstruktur (XANES). Røntgenspektrumet som er absorbert av svovel- og/eller nitrogen atomer avslører relativ overflod av ulike oksideringstilstander og molekylære konfigureringer i petroleumsmolekyler, derigjennom å få informasjon om kjemisk spesisering av svovel- og/eller nitrogeninnhold som inneholder funksjonelle grupper. 5. Karbonrøntgen Råman spektroskopi (XRRS). På samme måte som XANES målinger av svovel og/eller nitrogen spesisering, XRRS målinger av spesisering måler funksjonelle karbon grupper. Fordi røntgen som absorberer karbon er for myk til å bli detektert på en effektiv måte i XANES, brukes Råman spredning, snarere enn absorbering i XRRS.

[0031] I et aspekt kan metoden som vises i fig. 3 til å optimalisere analysen av en eller flere væskeegenskaper i ubalanse. Ved bruk av tradisjonelle teknikker kan en liten gruppe representative væskeprøver samles inn fra veldefinerte steder i reservoaret (40). 1. Sammensetningen av hver prøve er evaluert ved bruk av en eller flere analytisk metoder beskrevet heri (42) 2. Ved bruk at data ervervet i skritt 2 (42) kan tilstedeværelse og omfang av faktorer som fører til ubalansert distribusjon av kjemiske komponenter tilstede i hver prøve identifiseres (44). 3. En prognose av væskeegenskapen gjennom hele reservoaret gjennomføres, som inkluderer innflytelsen av faktorene som er identifisert ovenfor. 4. Nye prøver i samme reservoar er samlet inn og sammensetningen av disse prøvene er målt ved bruk av brønnhullsvæskeanalyse (48). 5. Den prognostiserte og målte sammensetningen er sammenlignet (50). Om de stemmer overens, så er dette potensielle ubalanserte distribusjonen av væsker forstått og ytterligere prøver er unødvendig (52). Om de ikke stemmer overens er distribusjonen av væsker ikke forstått og ytterligere handling er nødvendig. 6. (Valgfritt) Om trinn 6 identifiserte en uoverensstemmelse av prognostisert og målt loggdata, må enten (a) nye prøver tas til laboratoriet for detaljerte analyser slik at resultatene kan kombineres med analysen av de originale væskeprøvene (42), (b) brønnhullsvæskeanalysedataen kan kombineres med analyser av de originale væskeprøvene for å generere en ny prognose med prøveverktøyet som fortsatt er i brønnen (44), eller (c) ytterligere prøver kan tas og analyseres ved bruk av brønnhullsvæskeanalyse i et forsøk på å få enighet mellom prognostiserte og målte sammensetninger (48).

[0032] I tillegg til å oppnå en bedre forståelse av væskeegenskapene i reservoaret kan metodene som er beskrevet heri også sørge for at man ikke erverver flere prøver enn det som er nødvendig under prøvetakingen i reservoaret, selv i komplekse reservoarer som har ikke har en balansert distribusjon av brønnhullsvæsker. Brønnhullsprøvetaking kan være dyrt, spesielt med kabelprøvetakingsverktøy. Metodene som er beskrevet heri kan gi nøyaktige prognoser på de ulike forholdene i reservoaret som er ansvarlig for å produsere ubalanserte væskeegenskaper i brønnhullsvæsken. Denne nøyaktigheten er et resultat av redusert prøvetaking og til syvende og sist, reduserte kostnader og økt prøvetakingseffektivitet.

[0033] I visse aspekter kan det være umulig å oppnå sanntidsdata fordi det ikke er mulig å utvinne prøver fra det underjordiske reservoaret ved bruk av konvensjonelle prøvetakingsmetoder. Et eksempel på dette er råolje. Uttrykket «råolje» referer til en hvilken som helst kilde eller form av viskøs olje. F.eks. er tjæresand inkludert som en råoljekilde. Tjæresand, også referert til oljesand eller bituminøs sand, er en kombinasjon av leire, sand, vann, og asfalt. Mest råolje kan ikke utvinnes ved bruk av konvensjonelle prøvetakingsmetoder. Metodene for å få sanntidsdata for råolje er diskutert nedenfor. I et aspekt, beskrevet heri, er metoden for å prognostisere råoljegjenvinning fra et underjordisk reservoar på en gitt dybde. Metoden innebærer: (a) produksjon av en grunnmodell av væskeegenskapen på en gitt dybde; (b) korrelasjon med væskeegenskapen i grunnmodellen til råoljens gjenvinningsytelse på den gitte dybden for å produsere en teoretisk gjenvinningsytelsesmodell;

(c) anskaffelse av sanntidsdata for væskeegenskapen på en gitt dybde; og

(d) sammenligning av sanntidsdataen med væskeegenskapen på den gitte dybden i den teoretiske gjenvinningsytelsesmodellen for å prognostisere råoljegjenvinningsytelse på en gitt dybde i et underjordisk reservoar.

Fig. 2 viser et flytdiagram for evaluering av råoljegjenvinningsytelse ved bruk av metodene beskrevet heri. Generelt hjelper metodene å evaluere innvirkningen en væskeegenskap eller gradient har på produksjon og gjenvinning og råolje og andre relaterte underjordiske væsker.

[0034] Det første trinnet involverer erverv og produksjon av en grunnmodell av væskeegenskapen på en gitt dybde. Væskeegenskapsgradienten som er av interesse med hensyn til råolje inkluderer, men er ikke begrenset til, parabolisk formede profilerte hastigheter for biologisk nedbrytning, fylle- eller lastehastighet, og utbredt blanding, er det ønskelig å holde reservoarmodellen enkel nok til at prossessortidsbruken for hver simuleringskjøring er relativt kort med realistisk kjøretid på riggen. Derfor er antallet gradnettsblokker bør ikke være for store og væskeegenskapen burde karakteriseres til et begrenset antall pseudokomponenter. I et aspekt er det minst to pseudokomponenter i væsken eller tre pseudokomponenter i væsken, som kan brukes for å forberede grunnmodellen for en eller flere væskeegenskaper i råoljen. Eksempler på slike pseudokomponenter inkluderer, men er ikke begrenset til, oppløsningsgass, lett væskekomponent, tung væskekomponent, eller en kombinasjon av disse. «Oppløsningsgass» referer til den letteste pseudokomponenten som er sammensatt av hydrokarboner med lettere molekylærvekt enn «lett væskekomponent» (f.eks. Cl til C6). Denne psuedokomponenten kan også inkludere andre ikke-hydrokarbon gassaktige komponenter, f.eks. C02 eller H2S. «Lett væskekomponent» referer til et mellomprodukt pseudokomponent som er satt sammen av hydrokarboner med høyere molekylærvekt enn «oppløsningsgass», men lavere molekylærvekt enn «tung væskekomponent» (f.eks. C7 til C29). «Tung væskekomponent» referer til det tyngste pseudokomponentet og er satt sammen av hydrokarboner med høyere molekylærvekt enn «lett væskekomponent» (f.eks. C30 til C80).

[0035] I et aspekt er grunnmodellen basert på åpen væskedata avledet fra prøver som er hentet fra nærliggende brønner i feltet. Dette er avbildet i fig. 2 som 10, hvilket er det første skrittet i forarbeidsfase 1. På tross av prosessen som er avbildet i fig. 2 er brukt på råolje som beskrevet nedenfor, så kan den anvendes til evaluering av en hvilken som helst væskeegenskap som er beskrevet heri. F.eks. kan reservoaregenskaper være kjent fra andre datakilder enn f.eks., brønnlogging. Dataen kan tilpasses (11) en kurve ved bruk av programvare kjent i anførte dokumenter i en grunnmodell (12 i fig. 2). F.eks. kan væskeegenskapsdata som er hentet fra tidligere prøver på en gitt dybde brukes for å finstille en likevekts (EOS) modell. Den finstilte EOS modellen og relaterte væskeegenskapsmodeller kan deretter brukes for å prognostisere væskeegenskaper på ulike dybder. Når ytterligere væskeegenskapsdata er ervervet av sanntidsprøvetaking som diskutert nedenfor kan sanntidsdata brukes for å sammenligne med de som er prognostisert fra EOS modellen.

[0036] I andre aspekter, dersom ingen tidligere væskeprøvedata er tilgjengelig fra feltet som er av interesse, en enkel generisk statisk modell kan fortsatt bygges på grunnlag av reservoar og væske karakterisering fra lignende reservoartyper. Dette er avbildet som 15 i fig. 2. Denne dataen kan senere bli brukt til å produsere en grunnmodell (12), i dette aspektet har ingen væskeegenskaper blitt evaluert før i feltet som er av interesse. Man kan ta hensyn til mange faktorer når man genererer grunnmodellen. F.eks. bergartstypen, oppvarmingsrate, og blanding i reservoaret er relevante parametere. I tillegg kan væsken bli endret gjennom en annen lasting eller gjennom biologisk nedbryting. Endelig kan selve reservoaret bli skjevstillt eller modifisert i temperatur eller trykk som skaper nye tilstander der væsken reagerer.

[0037] Det neste trinnet involverer korrelering av væskeegenskapen i grunnmodellen til råoljens gjenvinningsytelse på den gitte dybden for å produsere en teoretisk gjenvinningsytelsesmodell. Dette er avbildet som 13 i fig. 2. Programvare kan brukes for å evaluere effektene av ulike væskeegenskapsgradienter på produksjonsytelse. I et aspekt kan ECLIPSE programvare som er tilgjengelig fra Schlumberger Technology Corporation brukes for å evaluere væskeegenskapen innflytelse på gjenvinningsytelsen. Bruk av ECLIPSE programvare er beskrevet i ytterligere detalj nedenfor. Variabler av interesse relatert til produksjonsytelse inkluderer hydrokarbonproduksjonshastighet, akkumulert hydrokarbonproduksjon og hydrokarbongjenvinning. På dette trinnet er den relative innflytelsen av ulike væskeegenskapsgradienter i produksjonsresultatet er undersøkt og ikke faktiske produksjonsverdier. F.eks. hvis innvirkningen fra ulike væskeegenskapsgradienter er liten, resulterer det i en endelig gjenvinningsforskjell innenfor 20 % av de foreslåtte væskeegenskapsgradientene er det ikke nødvendig å samle inn ytterligere prøver. Hvis det innvirkningen fra de ulike veskeegenskapsgradientene er mer signifikant kan prøvetakingsprogrammet bli designet for å optimalisere minimumsantallet av prøvetakingsstedene som er nødvendig for å få den mest representative væskeegenskapsgradienten. Dette er avbildet som 23 i fig. 2. Prøvetakingsprogrammet kan behøve å bli forfinet på ytterligere dybder avhengig av hvor sterk innvirkning produksjonsytelsene er påvirket av ulike væskeegenskapsgradienter. F.eks. dersom væskeegenskapene har en signifikant innvirkning på den endelige gjenvinningen (f.eks. en todelt forskjell i gjenvinning) kan prøvetaking fra et annet sted, f.eks. en tredjedel opp fra bunnen av brønnen gjennomføres.

[0038] Etter en tilfredsstillende teoretisk gjenvinningsytelsesmodell har blitt produsert er sanntidsdata som er oppnådd på gitte dybder og sammenlignet med teoretisk gjenvinningsytelsesmodeller for å prognostisere råoljegjenvinning på en gitt dybde i det underjordiske reservoaret. Det er sanntidsfase 2 som er avbildet i fig. 2. Sanntidsdata kan samles inn på ulike steder eller intervaller. F.eks. kan sanntidsdata samles inn i klynger på et gitt område for å verifisere en væskeegenskap av interesse (23 i fig. 2). Alternativt kan sanntidsdata samles inn på steder ved jevne mellomrom gjennom hele feltet for å oppnå en generell profil for væskeegenskapene i feltet (22 i fig. 2). I dette aspektet er dette brukbart når det ikke er noe forhåndskunnskap for feltet som er av interesse (avbildet som linje 16 i fig. 2) og grunndata er nødvendig for å produsere en grunnmodell.

[0039] Sanntidsdata kan oppnås ved bruk av brønnhullsværktøy som er kjent i anførte dokumenter. F.eks. kan sanntids PVT datainnsamling fullføres ved analyse av DFA prøver på PVTExpress programvare som er tilbudt av Schlumberger Technology Corporation. I andre aspekter kan væskedata fra kjernen oppnås ved bruk at et kjerneprøvingsverktøy slik som HPRoc, som også er tilbudt av Schlumberger Technology Corporation. Innsamlingen av sanntidsdata er avbildet som 20 i fig. 2. Prøvetaking kan gjennomføres ved bruk av teknikkene beskrevet ovenfor (f.eks. WFT). Når sanntidsdataen er samlet inn fra de foreslåtte prøvetakingsstedene er det så sammenlignet med den teoretiske gjenvinningsytelsesmodellen. I et aspekt bruker ECLIPSE reservoarsimulatorprogramvare ulike væskeegenskapsdata for å prognostisere produksjonsytelse for oljegjenvinningsprosessen av interesse. Ytterligere sanntidsdata er samlet inn for til syvende og sist å prognostisere oljeproduksjon basert på en eller flere væskegenskaper av interesse. Dersom ytterligere data må samles inn (23) kan ytterligere prøvetaking gjennomføres.

[0040] Etter at en tilstrekkelig mengde sanntidsdata har blitt samlet inn for å prognostisere produksjonsytelse basert på en eller flere væskeegenskaper så involverer etterarbeidsfasen (3 i flg. 2) bygging av en mer kompleks geologisk modell 30 ved bruk av sanntids væskeegenskapsdata som er ervervet ovenfor koblet med den mest representative væskeegenskapsdataen som ble ervervet i forarbeidefase 1. F.eks. kan produksjonsytelse kartlegges på ulike dybder og steder inne i reservoaret med hensyn til en eller flere væsker. Til syvende og sist gir modellen et brukbart verktøy for å forutsi gjenvinningsytelse av råolje ved ulike dybder og steder gjennom hele reservoaret hvor det er mistanke om ubalanse i en eller flere væskeegenskaper. En rekke ulike datakilder er brukt for å produsere den geologiske modellen, som inkluderer data innsamlet i løpet av letefasen (f.eks. seismiske overflater, brønntopper, formasjonsevalueringslogger, og trykkmålinger). Andre hensyn inkluderer kabel-petrofysikk, væskedata, trykkdata, produksjonsdata, slamgassisotopsanalyse, og geokjemi.

[0041] Ulike modifikasjoner og variasjoner av metodene som kan beskrives heri. Andre aspekter av metodene beskrevet heri fremgår tydelig fra vurdering av spesifikasjonen og praktisering av metodene som er oppgitt heri. Intensjonen er at spesifikasjonen og eksemplene skal tjene som mønstergyldig.

Claims

1. En metode for å optimalisere analyser av en væskeegenskap i borehullsvæsken i et underjordisk reservoar hvor væskeegenskapen ikke er i balanse, metoden innebærer; (a) produksjon av en grunnmodell av væskeegenskapen; der trinn (a) innebærer: (1) ervervelse av en eller flere prøver av brønnhullsvæsken fra det underjordiske reservoaret; (2) evaluering av sammensetningen av hver prøve; og (3) produksjon av en grunnmodell av væskeegenskapen gjennom hele det underjordiske reservoaret basert på sammensetningen av hver prøve; (b) anskaffelse av sanntidsdata av væskeegenskapen; og (c) tilpasning av sanntidsdataen til grunnmodellen for å produsere en optimalisert modell av væskeegenskapen.

2. Metoden i krav 1, hvor væskeegenskapen utgjør gasskonsentrasjon, hydrokarboninnhold og konsentrasjon, gass/olje forhold, tetthet, viskositet, biologisk nedbryting, pH, vann konsentrasjon, kjemiske konsentrasjoner og distribusjoner, faseovergangstrykk, tilstedeværelsen eller fravær av en biomarkør, eller kondensat til gass forhold.

3. Metoden i krav 1, hvor evalueringen av sammensetningen i hver prøve utgjør identifikasjon, kvantifikasjon, eller både identifikasjon og kvantifikasjon av en eller flere komponenter som er tilstede i brønnhullsvæsken.

4. Metoden i krav 1, hvor evalueringen av sammensetningen i hver prøve utgjør identifikasjon, kvantifikasjon, eller både identifiserende eller kvantifiserende en eller flere komponenter som er tilstede i brønnhullsvæsken.

5. Metoden i krav 4, hvor teknikken for evaluering av sammensetningen av hver prøve utgjør multidimensjonal gass kromatografi, høyoppløsnings-massespektrometri, 13C og 1H kjernemagnetisk resonans spektroskopi, svovel og/eller nitrogen røntgen absorbering nær kantstruktur (XANES), karbon røntgen Råman spektroskopi (XRRS), eller en hvilken som helst kombinasjon av disse.

6. Metoden i krav 1, hvor brønnhullsvæsken som inneholder olje, underjordisk vann, og naturgass.

7. Metoden i krav 1, hvor sanntidsdata fås fra en kabel formasjonstesting- og prøvetakingsverktøy, en prøve fra boreverktøyet, en produksjonsloggeverktøystreng, eller en brønnhullstester for et innkapslet hull.

8. Metoden i krav 1, hvor sanntidsdataen er ervervet fra en brønnhullsvæske (DFA) modus.

9. Metoden i krav 8, hvor brønnhullsvæskeanalysen (DFA) modus utgjør synlig-nær-infrarød absorberingsspektroskopi.

10. Metoden i krav 1, hvor innsamling av sanntidsdata omfatter kvantifisering av væskeegenskaper på en spesifikk dybde i et underjordisk reservoar.

11. Metoden i krav 1, hvor man etter trinn (c) produserer en detaljert statisk eller dynamisk reservoarmodell som omfatter væskeegenskapsvariasjoner som er relative til dybden i det underjordiske reservoaret.

12. Metoden i krav 1, hvor sanntidsdataen er ervervet på stedet ved reservoaret.

13. Metoden i krav 1, hvor brønnhusvæsken omfatter en ubalansert distribusjon av asphaltene, metan, karbondioksid, hydrogensulfid, forholdet mellom metan og etan, sulfurinnhold, eller merkurinnhold.

14. Metoden i krav 1, hvor sanntidsdata stemmer overens med prognostiserte verdiene i grunnmodellen i trinn (c), ingen ytterligere prøver samles inn.

15. Metoden i krav 1, hvor sanntidsdata ikke stemmer overens med prognostiserte verdier i grunnmodellen i trinn (c), der et tilstrekkelig antall ytterligere prøver er samlet inn og evaluert for å optimalisere analysen av borehullevæskens væskeegenskaper.

16. En metode for evaluering av sammensettningsgradering av brønnhullsvæske basert på en eller flere underjordiske krefter som er tilstede i det underjordiske reservoaret, metoden omfatter: (a) ervervelse av en eller flere prøver av brønnhullsvæsken fra det underjordiske reservoaret; (b) evaluering av sammensetningen av hver prøve; og (c) utpeking av en eller flere underjordiske krefter som er ansvarlig for den komposisjonelle graderingen observert i trinn (b).

17. Metoden i krav 16, hvor den underjordiske kraften utgjør gravitetssegregasjon av komponenter (molekyler eller aggregater) av ulike tettheter, termisk diffusjon som separerer komponenter av ulik tetthet, termisk indusert konveksjon som separerer komponenter av ulik tetthet, termisk indusert konveksjon som blander væsker, variasjoner i solvasjonskrefter med endret sammensetning, vannvask av vannløselige komponenter, biologisk nedbryting av biologisk tilgjengelige komponenter, sanntidsfylling av reservoaret fra flere bergartskilder og lekkende forseglinger som fortrinnsmessig tillater visse væsker å bevege seg gjennom sedimentasjonsbassenget, eller en hvilken som helst kombinasjon av disse.

18. Metoden i krav 16, hvor evalueringen av sammensetningen i hver prøve utgjør identifikasjon, kvantifikasjon, eller både identifikasjon og kvantifikasjon av en eller flere komponenter som er tilstede i brønnhullsvæsken.

19. Metoden i krav 16, hvor evalueringen av sammensetningen i hver prøve utgjør generering av et fingeravtrykk for hver prøve ved bruk av analyseteknikker.

20. Metoden i krav 19, hvor analyseteknikken utgjør multidimensjonal gass kromatografi, høyoppløsnings-massespektrometri, 13C og 1H kjernemagnetisk resonans spektroskopi, svovel og/eller nitrogen røntgen absorbering nær kantstruktur (XANES), karbon røntgen Råman spektroskopi (XRRS), eller en hvilken som helst kombinasjon av disse.

21. Metoden i krav 16, hvor brønnhullsvæsken som inneholder olje, underjordisk vann, og naturgass.