Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Nafta-Gaz

1 2019

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: niepewność symulacji

Sortuj według:

Ogranicz wyniki do:

Określanie niepewności wyników dynamicznych symulacji złożowych na przykładzie niekonwencjonalnego złoża gazu ziemnego

Szott Wiesław, Miłek Krzysztof

Nafta-Gaz

2019

R. 75, nr 3

150--157

W pracy przedstawiono kompletną procedurę określania niepewności wyników dynamicznych symulacji złożowych spowodowanej brakiem lub ograniczoną informacją o dokładnych danych wejściowych (parametrów) modelu złożowego użytego do symulacji. W szczególności opisano metodę zbioru (ansamblu) równorzędnych wariantów modelu odpowiadających zmiennym wartościom jego parametrów o znanych zakresach tych zmienności oraz prawdopodobieństwach ich rozkładów. Zaprezentowana procedura obejmuje: (i) wybór funkcji celu (wyników symulacji), której niepewność będzie określana; (ii) wybór pełnej listy parametrów modelu (danych wejściowych) o wartościach nieokreślonych lub obarczonych błędami (będących źródłem niepewności wyników symulacji złożowych); (iii) analizę czułości funkcji celu ze względu na niepewność danych wejściowych; (iv) określenie danych wejściowych mających największy wpływ na oszacowanie funkcji celu; (v) próbkowanie przestrzeni danych wejściowych dla zdefiniowania ansamblu modeli symulacyjnych; (vi) wielokrotne symulacje dla znalezienia funkcji celu na ansamblu modeli; (vii) statystyczną analizę uzyskanych wyników. W powyższej procedurze zastosowano statystyczną metodę losowania typu Monte Carlo, a w szczególności metodę próbkowania Latin hypercube sampling. Rezultaty analizy niepewności wyników symulacji są nieodzowne dla ewentualnego wykorzystania modelu złoża do zaawansowanych zastosowań, takich jak optymalizacja procesu sczerpania zasobów złoża ze względu na dobór warunków eksploatacyjnych. Analiza niepewności jest szczególnie ważna w przypadku złóż niekonwencjonalnych, dla których wiele charakterystyk opisujących ich właściwości jest trudnych lub wręcz niemożliwych do uzyskania. Opisaną procedurę zastosowano do realnego przykładu takiego złoża. W jej rezultacie uzyskano niepewność (rozrzut) wyników symulacji uniemożliwiającą wykorzystanie modelu złoża w wymienionej powyżej procedurze optymalizacji. Jednocześnie zastosowana procedura analizy niepewności wskazuje na te parametry modelu, które wymagają uściślenia lub uzupełnienia po to, aby skonstruowany model złożowy nabrał cech niezbędnych do jego pełnego wykorzystania.

The paper presents a complete procedure for determining the uncertainty of the results of dynamic reservoir simulations caused by lack of or limited information about the exact input data (parameters) of the reservoir model used for simulations. In particular, the method of the collection (ensemble) of the equivalent model variants corresponding to the varying values of its parameters with the known ranges of these variations and the probabilities of their distributions are described. The procedure includes: (i) selection of the target function (simulation results) whose uncertainty will be analyzed; (ii) selection of the complete list of model parameters (input data) of uncertain or undefined values; (iii) sensitivity analysis for the target function with respect to the uncertain input data; (iv) determination of the input data that affects the target function to the highest degree; (v) sampling of the input data space to define effective ensemble of the model variants; (vi) multiple simulations of the model ensemble for the target function evaluation; (vii) statistical analysis of the simulation results. The procedure employs the Monte Carlo statistical method to generate the model ensemble and, in particular, Latin Hypercube Sampling. The uncertainty analysis of simulation results is indispensable for the possible application of the reservoir model to more advanced projects such as reservoir production optimization with respect to exploitation system characterization. The uncertainty analysis is especially significant for unconventional reservoir modelling where many model parameters are difficult or even impossible to be determined. The proposed procedure was applied to a realistic example of such a reservoir. The high uncertainty of the basic simulation results, as shown in the paper, makes it impossible to effectively use the model in an optimization procedure. On the other hand, it is worth noting that the proposed procedure indicates, which model parameters are required to be more precisely determined, in order for the it to be accurate enough for reliable applications.