[论文解读] Closed-loop field development optimization with multipoint geostatistics and statistical assessment.

Mehrdad G. Shirangi|arXiv (Cornell University)|Dec 1, 2017

Reservoir Engineering and Simulation Methods参考文献 13被引用 1

一句话总结

本文提出了一种基于多点地统计学（MPS）和基于优化的主成分分析（PCA）进行模型标定的闭环油田开发（CLFD）框架，用于地下资源优化。通过迭代地利用新数据更新模型并重新优化，该方法在三个CLFD周期后，96%的案例中提升了真实净现值（NPV），平均提升幅度达37%。

ABSTRACT

Closed-loop field development (CLFD) optimization is a comprehensive framework for optimal development of subsurface resources. CLFD involves three major steps: 1) optimization of full development plan based on current set of models, 2) drilling new wells and collecting new spatial and temporal (production) data, 3) model calibration based on all data. This process is repeated until the optimal number of wells is drilled. This work introduces an efficient CLFD implementation for complex systems described by multipoint geostatistics (MPS). Model calibration is accomplished in two steps: conditioning to spatial data by a geostatistical simulation method, and conditioning to production data by optimization-based PCA. A statistical procedure is presented to assess the performance of CLFD. Methodology is applied to an oil reservoir example for 25 different true-model cases. Application of a single-step of CLFD, improved the true NPV in 64%--80% of cases. The full CLFD procedure (with three steps) improved the true NPV in 96% of cases, with an average improvement of 37%.

研究动机与目标

• 开发一种高效的CLFD框架，用于复杂地下系统，利用多点地统计学（MPS）来表征地质非均质性。
• 通过地统计模拟整合空间数据，通过基于优化的PCA整合生产数据，实现模型的精确标定。
• 通过在多种油藏情景下进行统计评估，验证框架的鲁棒性和有效性。
• 展示迭代数据同化与再优化在提升油田开发决策方面的价值。

提出的方法

• 使用多点地统计学（MPS）生成符合复杂空间模式的逼真地质模型。
• 在首次标定步骤中，应用地统计模拟将模型与空间数据（如测井、地震数据）进行条件化。
• 采用基于优化的主成分分析（PCA）将模型与生产数据进行条件化，以最小化模拟与实际生产之间的差异。
• 实施闭环循环：优化完整开发方案 → 钻探新井 → 收集数据 → 重新标定模型 → 再次优化，直至达到最优井数。
• 引入一种统计评估程序，用于在多个真实模型实现中评估CLFD性能。
• 在25种不同的真实模型案例上验证该框架，以确保其通用性和可靠性。

实验结果

研究问题

• RQ1 基于MPS与基于PCA的标定，CLFD能否在复杂油藏中有效提升油田开发方案？
• RQ2 通过迭代钻井引入新数据，对开发方案的准确性与经济性能有何影响？
• RQ3 CLFD在多样化油藏真实模型情景下的统计性能如何？
• RQ4 CLFD在净现值（NPV）提升方面，相较于单步优化方法，优势有多大？
• RQ5 该CLFD框架在真实油藏应用中处理不确定性与模型误差时的鲁棒性如何？

主要发现

• 实施单轮CLFD可使25个测试案例中64%至80%的真实NPV得到提升。
• 完整的CLFD流程——包含三个迭代步骤——使96%的案例真实NPV得到提升。
• 在所有案例中，经过三个CLFD周期后，NPV的平均提升幅度为37%。
• 通过两阶段标定整合空间数据与生产数据，显著提升了模型精度与决策质量。
• 统计评估程序成功量化了性能提升，并验证了CLFD框架的鲁棒性。
• 该方法在多种油藏真实模型配置下均表现出强适应性与高效性。