View Project

Norwegian AI Directory

Automatic prediction of reservoir inflow using data-driven physical modelling


Description:

Norske miljøer er verdensledende innen flerfase forskning og innovasjon. I 2012 ble flerfaseteknologi kåret av Aftenposten som en av to teknologier som har betydd mest i form av verdiskapning for det Norske samfunnet siden 1980. Dette har resultert i flere velrenommerte flerfase strømnings-simulatorer som OLGA, LedaFlow og nå også den nye simulatoren fra Turbulent Flux. Disse simulatorene spiller i dag en viktig rolle for både design av nye olje & gass felt og for den daglige operasjonen av slike felt. Selv om disse simulatorene brukes rutinemessig for å gi innsikt i operasjoner på produserende felt, brukes de sjelden til å gi sanntids informasjon til operatørene. I stedet brukes de reaktivt av en liten gruppe eksperter, for å foreslå løsninger på produksjonsproblemer som oppstår. Turbulent Flux gjør disse simuleringene lettere tilgjengelig for å kunne gi råd i sanntid til personene i kontrollrommet. For å få til dette er det veldig viktig å redusere både kompleksiteten for brukerne og krav til vedlikehold av slike systemer. Ett av problemene med å bruke og vedlikeholde sanntids flerfasesimulering systemer er å bestemme hva som strømmer inn fra reservoar til brønn. Spesielt når situasjonen i brønnen endrer seg over tid. Denne strømmen brukes som en grensebetingelse i simuleringen, og er kritisk for å få gode simuleringsresultater. Vanligvis er dette simulert ved hjelp av semiempiriske matematiske modeller, som kalibreres til en stabil strømningssituasjon. Ettersom disse ikke fanger opp transienter i strømningen fra reservoar til brønn krever de ofte løpende vedlikehold og kalibrering. Den pågående digitaliseringstrenden i olje & gass industrien gjør at langt mere data enn tidligere er tilgjengelig for bruk til å automatisk bestemme ukjente parametere i innstrømningsmodeller i sanntid. I dette prosjektet har vi fokusert på å bruke simuleringsmodeller i kombinasjon med dataanalyse for å automatisk bestemme hvilke kjente matematiske modeller som best beskriver reservoaroppførsel, samt bestemme de ukjente parameterne i disse modellene. Dette reduserer kompleksiteten av sanntids flerfasesimuleringssystemer samt gjøre slike systemer vedlikeholdsfrie. En sentral oppgave i prosjektet har vært å gruppere og klassifisere eksisterende semiempiriske matematiske modeller for innstrømning. Dette arbeidet har vært basert på en kombinasjon av måledata og syntetiske data generert ved simuleringer. I tillegg har prosjektet gjort en grundig gjennomgang av publikasjoner for å finne publiserte data-drevne metoder for innstrømning, uten å finne noen arbeider av betydning. Som alternativ til de hovedsakelig steady state baserte IPR modellene har prosjektet utviklet egne dynamiske modeller for trykk og strømningsrater. Dette ble utført etter at betydelig analyse av underlagsdataene i prosjektet avdekket manglende korrelasjon av IPR-type. Disse modellene ble utviklet med mål om å fange både transiente og steady state betingelser, og er basert på massebevaring og Darcy-type relasjon mellom trykkgradient og strømningsrater. I prosjektet har dataanalyse blitt brukt til å bestemme parametere i etablerte semiempiriske innstrømningsmodeller, samt rangere kvaliteten av de ulike modellene. Dette er gjennomført ved å bruke historiske data for å etablere modeller som kan brukes til prediksjon av strømningsrater frem i tid, samt vurdere kvaliteten av disse prediksjonene. Som et resultat av dette arbeidet har det blitt utviklet to applikasjoner, der den ene er basert på direkte regresjon med mulighet for å påtvinge stykkevis kontinuerlige funksjoner mens den andre er basert på en Bayesiansk fremgangsmåte der fordelingsfunksjoner for de ukjente parameterne benyttes. Formålet med begge applikasjonene er å: 1. etablere modellparametere fra historiske data 2. vurdere kvalitet, egnethet/robusthet for en gitt modell 3. estimere utviklingen av modellparametere i tid. Resultatene i prosjektet viser at publiserte innstrømningsmodeller har klare begrensninger, spesielt med tanke på prediktive egenskaper frem i tid. Prosjektet har kommet frem til at frihetsgradene i innstrømningsmodellene, kombinert med usikkerhet i måledata, gjør det umulig å etablere modellparametere med høy grad av konfidens i lengre perioder frem i tid, når responsen fra reservoaret endrer seg signifikant. Prosjektet har resultert i en kontinuerlig oppdatert og forbedret modell, men med gyldighet innenfor en begrenset tidsperiode. Metodene og applikasjonene som er utviklet vil kunne brukes for å validere og forbedre IPR-modellene i bruk og lede til forbedrede prediksjoner. Integrert med virtuelle strømningsmålere gir dette mer pålitelige resultater og muliggjør bruk av disse målerne til å forbedre effektiviteten og sikkerheten i eksisterende produksjonssystemer for olje og gass.


Project leader: Lars Wollebæk

Started: 2019

Ends: 2022

Category: Næringsliv

Sector: Næringsliv

Budget: 6216375

Institution: TURBULENT FLUX AS

Address: