Utilización de redes neuronales artificiales en la optimización de la historia de producción Utilización de redes neuronales artificiales en la optimización de la historia de producción Las redes neuronales artificiales son cada vez más populares en la industria de petróleo y gas. En el pasado, se han realizado estudios sobre el uso de redes neuronales artificiales en la caracterización, desarrollo y formación del yacimiento, por nombrar unos pocos. El objetivo de este estudio es proporcionar directrices para desarrollar con éxito y formar una red neuronal artificial (RNA), que se reserva a predecir las propiedades que pueden dar una mejor coincidencia en la historia de entrada en un modelo de simulación del yacimiento. Una RNA se ha desarrollado para mejorar la historia con un partido "pequeño" número de la simulación es de un yacimiento que produce petróleo, gas y agua por un período de diez años. Debido a la falta de protocolos específicos para este tipo de estudio, el proceso de ensayo y error se utilizó para establecer directrices y sugerencias. La red neuronal se ha desarrollado utilizando un método inverso de solución para formular la formación y los datos de prueba. La normalización de los datos simplificados de la red neuronal, mejora de eficacia y mejora su rendimiento. La red de alimentación hacia adelante y atrás con la propagación y el sigmoide función tangente hiperbólica en las capas ocultas de la red ha demostrado ser más eficaz en la formación y aprendizaje. Los resultados indicaron que los vínculos funcionales y valores propios de los diversos relacionados con el sistema de matrices son eficaces en la formación y aprendizaje. Estos siempre que la red con las conexiones necesarias de que los insumos estén vinculados a los productos. Era necesario para introducir diferencias entre la producción histórica y ejecuciones simuladas en momentos concretos con éxito la red de trenes para predecir el valor de las propiedades para el yacimiento. La estructura de datos y la producción de los intervalos de tiempo influyó en el tiempo de formación, así como la exactitud de las predicciones. Si los intervalos de tiempo son muy cortos, se produjo memorización, y la red no puede predecir con precisión las propiedades del yacimiento. La mayoría de los vínculos funcionales que tuvieron éxito en la formación y proceso de aprendizaje incluye las relaciones entre la permeabilidad y de otros factores tales como la porosidad, zonas de las regiones en el yacimiento y las distancias desde el productor hasta los límites de la reserva. Tomado www.spe.org Publicado por Edixon en 21:32 de: 0 comentarios Yacimientos modelados con global scaleup Yacimientos modelados con global scaleup Modelado de los yacimientos es un componente crítico en la planificación del desarrollo y gestión de la producción de yacimientos de gas y petróleo. El objetivo final del modelado es la ayuda a la toma de decisiones en todas las etapas de la vida de campo. Durante las primeras etapas del desarrollo de campos, los modelos del yacimiento se utilizan para evaluar el riesgo y la incertidumbre en el ámbito de rendimiento basadas en datos limitados. Una vez que comience la producción, los modelos son refinados o actualizada periódicamente sobre la base datos de vigilancia. La actualización de los modelos se utilizan para hacer las decisiones de gestión sobre el terreno, como en la perforación. Para campos maduros, modelos precisos son necesarios para evaluar las oportunidades en la recuperación mejorada de petróleo. Los ejemplos demuestran que la nueva escala global de la tecnología conduce a mejoras significativas en la escala de precisión. En particular, cuando se aplica a un reto complicado con modelos detallados de la conectividad, la escala global de método preserva la escala fina de la conectividad con mayor precisión que la escala local de los métodos. A veces, se ven grandes diferencias. Además, observamos que de escala mundial puede ser especialmente eficaz cuando se utiliza en conjunción con redes no estructuradas. Escala exacta es un vínculo esencial entre detalladas descripciones geológicas y gruesas escala del yacimiento utilizado en modelos de simulación para la planificación del desarrollo y gestión del mismo. Modelos predictivos que sean coherentes con los datos geológicos y de producción se reunieron en diferentes escalas y son críticos para estas tareas. Global scaleup es una técnica prometedora para la construcción de modelos más precisos del yacimiento. Este trabajo se centra en el modelado de la permeabilidad a diferentes escalas. Es bien sabido que la permeabilidad es medida a partir de análisis básicos, registros de pozos, y así las pruebas pueden ser muy diferentes, ya que cada medición de las sondas espaciales y las diferentes escalas de tiempo. La escala diferencia puede ser órdenes de magnitud. Por ejemplo, conectar las medidas básicas se realizan en escala de centímetros, mientras que medir bien las pruebas de permeabilidad en una escala espacial de 10 a 103 metros. Constantemente la incorporación de todos estos datos en un yacimiento de modelo con tamaño de celda de 50 a 100s de metros no es una tarea trivial. A diferencia de porosidad y otras propiedades volumétricas, permeabilidad a diferentes escalas no están relacionados con el uso de un promedio de ecuaciones simples. Tomado www.spe.org Publicado por Edixon en 21:11 de: 0 comentarios 31 enero 2009 Validación de historia de producción Validación de historia de producción Muchos métodos de predicción basados en simulación numérica generan cambios indeseados en la distribución de sus parámetros, que dependen principalmente en el método numérico o la red de orientación. Por otra parte, es común validar la historia de producción, mediante el uso de propiedades de yacimiento como parámetros de calibración, aun cuando este procedimiento genera en muchos casos incoherencias. Además, la adquisición de datos en tiempo real se está convirtiendo en una poderosa y popular técnica, es importante lograr una metodología que permita la entrada de nuevas fuentes de información sin alterar la historia. El método consiste en integrar a la historia-un yacimiento otros datos geológicos. Se basa en la metodología propuesta por Sahni y Horne, basado en la Transformada Wavelet Haar que permite la mejora de la historia, con ajuste del modelo geológico, mediante la inclusión de las limitaciones geológicas adicionales. El primer paso del método presentado en este estudio es adaptar la producción de la historia del yacimiento por medio de simulación numérica. Entonces, la función de onda que mejor se adapta a la distribución de las propiedades, manteniendo el más alto radio de compactación de Energía (ECR), es elegido. Después de realizar la Transformada Wavelet, los coeficientes más sensibles a los datos de producción se determinan. Los que no son significativos para la validación del modelo puede ser modificado y algoritmos geoestadísticos de interpolación se puede aplicar (por ejemplo, simulación secuencial gaussiana). Por último, al transformar la inversa, el conjunto de datos no sólo es validado por la producción de la historia, sino también por las propiedades geológicas. Esta nueva metodología ha sido probado en diferentes configuraciones de yacimientos. Este procedimiento es muy útil en la simulación numérica de yacimientos y que tiene un impacto directo en su gestión, el análisis de riesgos y el desarrollo de planes de agotamiento. En la simulación numérica de yacimientos toda la información disponible está integrada con la intención de hacer tan real como sea posible, la caracterización de los yacimientos, así como el líquido y el resto de la energía. Estas fuentes de información por lo general provienen de muestras, registros de pozos y de datos sísmicos. Si bien los datos básicos y registros de pozos están relacionadas con una escala muy pequeña, las pruebas están relacionadas con una media escala y los datos sísmicos con una grande. De esta manera, la integración de todas estas fuentes de datos a menudo representa un proceso muy difícil, ya que las unidades que los generan dan lugar a diferentes fenómenos, tanto espacial como tempora. Sin embargo, una correcta aplicación de un modelo de simulación del yacimiento requiere una precisa integración de todas estas fuentes de datos, si están disponibles. En términos generales, un modelo del yacimiento es, en primer lugar construido tomando en cuenta todas estas fuentes de datos, con la excepción de la producción de series de tiempo que se incluyen en el modelo durante la etapa de calibración, con el fin de ajustar algunos de los parámetros del modelo en honor a la historia. Es habitual utilizar la permeabilidad como un parámetro de calibración. Una vez la historia ha terminado el proceso de propiedades del yacimiento pueden diferir de las primeras características geológicas, ya que algunos métodos numéricos pueden generar artificios, que producen inconsistencias geológicas. Incluso cuando la geología puede diferir significativamente de los supuestos podría ser difícil determinar qué tan lejos de la realidad es la estimación, la información geológica redundante podría generar problemas de convergencia. Tomado de: www.spe.org Publicado por Edixon en 23:35 0 comentarios Simulación de yacimientos en paralelo Simulación de yacimientos en paralelo La disponibilidad de CPUs multi-core para los ordenadores personales de escritorio hace una realidad paralela. La simulación paralela de yacimientos no solo crea la posibilidad de reducción significativa de tiempo de ejecución, sino también presenta desafíos técnicos adicionales, particularmente en las áreas de balanceo de carga y robustez general algorítmica. Estos sistemas se centran en las siguientes áreas: - Un diseño orientado a objetos que soporta el desarrollo rápido, la funcionalidad de la encapsulación, y la facilidad de mantenimiento. - Una red no estructurada para modelar grandes y complejos yacimientos con un menor número de bloques, aún conservando la física exacta. - Una muy eficiente y robusta partición en paralelo no estructurada para el modelaje de redes grandes y complejas. - Método de adaptación Implícita (AIM) para un alto nivel de estabilidad numérica con un peso significativo en tiempo de ejecución. - Balanceo de carga dinámica para una integración perfecta entre memoria compartida basada en la computación paralela y adaptativa de métodos implícitos. Estos simuladores comprenden un conjunto de aplicaciones, incluyendo una base de datos orientada , una interfaz gráfica de usuario (GUI), una multi-plataforma de simulación de motor, y una variedad de servicios para permitir que los ingenieros de yacimientos ejecuten el simulador de la informática dentro de los diferentes entornos. El concepto de diseño es fundamental para utilizar una red no estructurada para mantener el modelo de tamaño relativamente pequeño, flexible y robusto de fórmulas para mantener la estabilidad y precisión, y paralelización de reducir el modelo en tiempo de ejecución. Recientemente, varios núcleos multiprocesador-memoria compartida (SMP) se han convertido en equipos de sobremesa que son de fácil acceso a nuestro yacimiento, haciendo la simulación paralela de yacimientos en una realidad para el ingeniero. La representación de la malla no estructurada del yacimiento y la superficie de instalación de red es un gráfico de nodos y conexiones. Para el yacimiento, se usa un generalizado planteamiento de balance de masa y de volumen que trata tanto petróleo negro y las simulaciones de composición. Utiliza una discretización de dos puntos de diferencias finitas para el régimen de fórmulas diferentes: Junto Implícita (CI, o totalmente implícita, FIM), secuencial implícita (SI), implícita explícita presión de saturación (IMPES), implícita presión de saturación (Impsat), y sus combinaciones ( variable implícita, VI). La diferencia clave entre las distintas formulaciones es la selección de las variables implícitas y explícitas. Todos ellos son sometidos a las limitaciones de la estabilidad, a excepción del método junto implícito para problemas lineales, que es incondicionalmente estable. Tomado de: www.spe.org Publicado por Edixon en 22:36 0 comentarios 25 enero 2009 Estudio de las propiedades de la roca Estudio de las propiedades de la roca Ingrain digital del laboratorio de física de rocas emplea micro y nano resolución en tomografía computarizada (CT), scanners para digitalizar la estructura de muestras de rocas y crear una alta resolución de imagen en 3D de la red de poros y la estructura de grano. Estas muestras de rocas pueden ser fundamentales incluidos los tapones alterados por los fluidos de perforación o de cortes de perforación. A diferencia de los experimentos de laboratorio físico, el método no destruye o altera las muestras de roca. El método puede ser utilizado para una variedad de tipos de roca, incluidas las convencionales muestras de rocas, arena firme de gas, petróleo y arena, que suelen ser imágenes en una resolución de micrones. De pizarras y arenas de gas apretado complejo, Ingrain utiliza su escala nanométrica escáneres CT, al parecer la única aplicación de este equipo en la industria de petróleo y gas. El equipo alcanza una resolución de 50 nanómetros, resolución que se necesita en la imagen y el cálculo de la brevedad de las redes de poros y granos estructura en estos tipos de roca. Ingrain utiliza diferentes algoritmos para calcular las propiedades de la roca en las imágenes 3D. Las siguientes propiedades físicas son proporcionados para cada muestra: la porosidad, permeabilidad absoluta, conductividad eléctrica, y las propiedades elásticas, como el módulo de corte, velocidad de compresión, y el coeficiente de Poisson. Para muestras de rocas de flujo multifásico se requiere deun análisis, Ingrain usa algoritmos que proporcionan dos fases de permeabilidad relativa, lo que incluye agua, petróleo, gas-petróleo, gas y agua, desplazamiento en los diferentes índices de humectabilidad, viscosidad. El análisis también incluye una medida de la saturación de agua irreductible y la saturación residual de petróleo, así como un opcional de dos fases de permeabilidad relativa en tres dimensiones axiales. La compañía afirma que sus algoritmos de cálculo de flujo multifásico en la escala de poro son una representación precisa del espacio de poro. Además, los algoritmos pueden funcionar en cualquier condición de frontera y contrastes de saturación, viscosidad y humectabilidad. Tomado de: www.spe.org