رفتن به محتوای اصلی
Koohestun
بررسی عمیق کوهستانمهندسی مخزنمقایسه روش‌شناسی· 5 دقیقه مطالعه· در انرژی

چگونه معادلات منحنی افت آرپس تولید نفت را پیش‌بینی می‌کنند و چرا در مخازن شیل ناکارآمدند

از سال ۱۹۴۵، معادلات منحنی افت آرپس به‌عنوان استاندارد صنعت نفت برای پیش‌بینی تولید چاه‌ها شناخته می‌شوند. با این حال، ظهور مخازن شیل با تراوایی بسیار پایین، محدودیت‌های ریاضی این مدل‌ها را آشکار کرده و مهندسان را ناگزیر به استفاده از سوئیچ‌های پایانی و یادگیری ماشین برای تطبیق با این شرایط کرده است.

به قلم وحید بختیاری

مهندسان مخزن سنتی 40%مدل‌سازان مخازن نامتعارف 35%پیش‌بینی‌کنندگان با یادگیری ماشین 25%
مهندسان مخزن سنتی
استدلال می‌کنند که معادلات آرپس، زمانی که توسط محدوده‌های فیزیکی و سوئیچ‌های پایانی مقید شوند، همچنان مستحکم‌ترین و شفاف‌ترین ابزار پیش‌بینی باقی می‌مانند.
مدل‌سازان مخازن نامتعارف
تاکید دارند که شیل و گاز متراکم نیازمند مدل‌های جریان گذار هستند، زیرا جریان تحت تسلط مرز به‌ندرت در آن‌ها محقق می‌شود.
پیش‌بینی‌کنندگان با یادگیری ماشین
از جایگزینی برازش منحنی ایستا با مدل‌های پویا و چندمتغیره که داده‌های تکمیل و زمین‌شناسی را در بر می‌گیرند، حمایت می‌کنند.

دیدگاه‌هایی که این گزارش پوشش نداده

  • حسابرسان مالی
  • سرمایه‌گذاران حوزه انرژی

نکات کلیدی

  • معادلات منحنی افت آرپس از سال ۱۹۴۵ استاندارد صنعت برای پیش‌بینی تولید نفت و گاز بوده‌اند.
  • این معادلات بر یک متغیر واحد به نام ضریب b تکیه دارند تا مشخص کنند آیا افت چاه از نوع نمایی، هذلولی یا هارمونیک است.
  • معادلات آرپس از نظر ریاضی تنها در طول جریان تحت تسلط مرز معتبرند؛ فرضی که در مخازن شیل با تراوایی بسیار پایین نقض می‌شود.
  • اعمال معادلات آرپس در مراحل اولیه تولید شیل، اغلب ضریب b بزرگتر از ۱ به دست می‌دهد که از نظر ریاضی ذخایر بی‌نهایت را پیش‌بینی می‌کند.
  • مهندسان باید به‌صورت دستی یک سوئیچ افت نمایی پایانی را اعمال کنند تا از برآورد بیش از حد و عظیم بازیافت نهایی جلوگیری شود.
  • مدل‌های یادگیری ماشین به‌طور فزاینده‌ای برای ادغام داده‌های زمین‌شناسی و تکمیل چاه در پیش‌بینی‌ها استفاده می‌شوند که دقت را تا ۳۰ درصد بهبود می‌بخشند.

چرا مهم است

مدل‌های ریاضی مورد استفاده برای پیش‌بینی تولید نفت و گاز، ارزش‌گذاری مالی شرکت‌های انرژی و ذخایر ملی را تعیین می‌کنند. درک اینکه این معادلات در کجا موفق عمل می‌کنند و در کجا با شکست مواجه می‌شوند، برای ارزیابی دقیق طول عمر واقعی و توجیه اقتصادی دارایی‌های مدرن شیل امری حیاتی است.

زمانی که حفاری افقی و شکست هیدرولیکی چندمرحله‌ای در اواخر دهه ۲۰۰۰ قفل مخزن شیل مارسلوس را باز کرد، ریاضیات استاندارد پیش‌بینی در صنعت نفت در هم شکست. مهندسان برای پیش‌بینی میزان تولید نهایی نفت و گاز یک چاه، به مجموعه خاصی از معادلات متکی بودند. اما با اعمال این معادلات بر مخازن جدید با تراوایی بسیار پایین، نتایجی از نظر فیزیکی غیرممکن پدیدار شد که گاهی ذخایر را با حاشیه خطای عظیمی بیش از حد برآورد می‌کرد. این ناکامی، مهندسان مخزن را ناگزیر ساخت تا با محدودیت‌های ریاضی ابزاری روبه‌رو شوند که بیش از نیم قرن بر ارزش‌گذاری انرژی حاکم بود.

ابزار مورد بحث توسط یان آرپس در زمان فعالیتش در شرکت نفت شل توسعه یافت. در سال ۱۹۴۵، آرپس سه معادله تجربی را در مبادلات موسسه مهندسان معدن و متالورژی آمریکا منتشر کرد که تقریباً با روند افت هر چاه نفت و گاز متعارفی که تا آن زمان مشاهده شده بود، مطابقت داشت. این معادلات از فیزیک مخزن استخراج نشده بودند؛ بلکه با داده‌های تاریخی تولید تطبیق داده شده بودند.[2]

تحلیل منحنی افت بر این فرض استوار است که روندهای تاریخی تولید را می‌توان به‌صورت ریاضی توصیف کرد و به آینده تعمیم داد. سادگی و استحکام معادلات آرپس منجر به پذیرش گسترده آن‌ها شد و این معادلات را به استاندارد صنعت برای برآورد بازیافت نهایی و پیش‌بینی تولید آینده چاه‌های نفت و گاز در سطح جهان تبدیل کرد.

سه شکل معادلات آرپس عمدتاً در یک پارامتر با یکدیگر تفاوت دارند: توان افت، که معمولاً به‌عنوان ضریب b شناخته می‌شود. این متغیر واحد، شکل منحنی تولید را تعیین کرده و ارزش‌گذاری مالی یک چاه را در طول عمر عملیاتی ۲۰ تا ۳۰ ساله‌اش به‌طور بنیادین تغییر می‌دهد.

سه شکل اصلی منحنی افت آرپس کاملاً توسط ضریب b تعیین می‌شوند.

تنظیم ضریب b روی صفر، افت نمایی را به دست می‌دهد. در این حالت، نرخ افت در طول زمان ثابت می‌ماند. این مدل نشان‌دهنده یک پیش‌بینی محافظه‌کارانه و از نظر ریاضی پایدار است که معمولاً برای چاه‌های بالغ یا مخازن متراکم با شرایط فشار داخلی بسیار باثبات کاربرد دارد.

تنظیم ضریب b دقیقاً روی یک، افت هارمونیک را ایجاد می‌کند. در اینجا، نرخ افت موثر با گذشت زمان به‌طور پیوسته کاهش می‌یابد. این مدل اغلب زمانی استفاده می‌شود که افت تولید به‌طور قابل‌توجهی کند می‌شود، مانند مخازنی که دارای رانش آب قوی یا انبساط کلاهک گازی هستند.

هر مقداری بین صفر و یک، افت هذلولی را تولید می‌کند. این رایج‌ترین شکل برای مخازن متعارف است، جایی که تولید در مراحل اولیه به‌سرعت افت می‌کند و سپس به یک منحنی تخلیه تدریجی‌تر و قابل‌پیش‌بینی‌تر مسطح می‌شود.

این رایج‌ترین شکل برای مخازن متعارف است، جایی که تولید در مراحل اولیه به‌سرعت افت می‌کند و سپس به یک منحنی تخلیه تدریجی‌تر و قابل‌پیش‌بینی‌تر مسطح می‌شود.

دهه‌ها پس از انتشار کار آرپس، پژوهشگران نشان دادند که کدام رژیم‌های جریان مخزن، کدام شکل از معادلات آرپس را تولید می‌کنند و بدین ترتیب به این معادلات تجربی مشروعیت فیزیکی بخشیدند. مشخص شد که ضریب b در واقع همان فیزیک مخزن در قالبی پنهان است که رفتار جریان زیرین را نشان می‌دهد، نه اینکه صرفاً به‌عنوان یک دستگیره برای برازش منحنی عمل کند.[1]

با این حال، ظرافت ریاضی معادلات آرپس بر یک فرض فیزیکی حیاتی استوار است. دفتر نفت در مستندات فنی خود خاطرنشان می‌کند: مهم: معادلات آرپس تنها در طول جریان تحت تسلط مرز معتبر هستند. این معادلات فرض می‌کنند که تغییرات فشار به مرزهای فیزیکی مخزن رسیده و شرایط عملیاتی ثابت باقی می‌ماند.

مخازن نامتعارف شیل و گاز متراکم این فرض را به‌طور کامل نقض می‌کنند. به دلیل تراوایی بسیار پایین، این چاه‌ها جریان گذار طولانی‌مدتی را نشان می‌دهند که می‌تواند سال‌ها پیش از استقرار جریان تحت تسلط مرز به طول انجامد.

هنگامی که مهندسان تلاش می‌کنند معادله هذلولی آرپس را با این جریان گذار اولیه تطبیق دهند، ریاضیات نیازمند ضریب b بزرگتر از یک است. در حالی که ممکن است منحنی از نظر بصری کاملاً با داده‌های تولید اولیه مطابقت داشته باشد، ریاضیات زیربنایی آن به‌شدت ناپایدار می‌شود.

تعمیم یک منحنی هذلولی با ضریب b بزرگتر از یک تا بی‌نهایت، از نظر ریاضی تولید تجمعی بی‌نهایت را پیش‌بینی می‌کند. برای جلوگیری از این عدم امکان فیزیکی، برآوردکنندگان ذخایر مجبور به مداخله دستی هستند و یک سوئیچ افت پایانی را اعمال می‌کنند که منحنی را پس از کاهش نرخ به زیر آستانه ۶ تا ۱۰ درصد در سال، به یک افت نمایی وادار می‌کند.

در مخازن نامتعارف، ضریب b بزرگتر از ۱ از نظر ریاضی ذخایر بی‌نهایت را پیش‌بینی می‌کند، مگر اینکه یک افت نمایی پایانی به‌صورت دستی اعمال شود.

حتی با وجود سوئیچ‌های پایانی، روش آرپس همچنان نسبت به پنجره زمانی انتخاب‌شده برای برازش بسیار حساس است. شرکت مهندسی تولید آر فور انرژی توضیح می‌دهد: یک برازش با ضریب ۰٫۸ روی سه سال داده می‌تواند بازیافت نهایی دو برابر بزرگتر از همان چاهی تولید کند که در سال دهم با ضریب ۰٫۴ مجدداً برازش شده است. این روش یک منحنی با ظاهر مطمئن ارائه می‌دهد، اما زمانی که رژیم جریان زیرین در حال تغییر است، به کاربر هشداری نمی‌دهد.

برای رفع این محدودیت‌ها، مهندسی مخزن مدرن به‌طور فزاینده‌ای به سمت یادگیری ماشین و مدل‌های جایگزین مبتنی بر فیزیک مانند مدل‌های نمایی کشیده‌شده یا مدل‌های دوونگ روی می‌آورد. این رویکردها به‌جای تکیه صرف بر یک خط روند تاریخی واحد، تخلخل مخزن، طراحی تکمیل چاه و تداخل چاه‌های مجاور را در پیش‌بینی ادغام می‌کنند.[3]

مدل‌های یادگیری ماشین بهبود دقت ۲۰ تا ۳۰ درصدی را نسبت به منحنی‌های افت سنتی آرپس در میادین پیچیده نامتعارف نشان داده‌اند. با این حال، علی‌رغم ظهور پیش‌بینی‌های الگوریتمی، معادلات آرپس همچنان زبان بنیادین این صنعت باقی مانده‌اند؛ یک مشاهده تجربی از سال ۱۹۴۵ که هنوز هم لنگرگاه میلیاردها دلار از ذخایر انرژی جهانی است.[3]

منابع

پوشش منابع

3 منبع

3 دیدگاه شناسایی‌شده

مهندسان مخزن سنتی 40%مدل‌سازان مخازن نامتعارف 35%پیش‌بینی‌کنندگان با یادگیری ماشین 25%
  1. [1]Journal of Petroleum Technologyمدل‌سازان مخازن نامتعارف

    Decline Curve Analysis Using Type Curves

    مطالعه در Journal of Petroleum Technology
  2. [2]Semantic Scholarمهندسان مخزن سنتی

    Analysis of Decline Curves

    مطالعه در Semantic Scholar
  3. [3]تیم سردبیری کوهستانپیش‌بینی‌کنندگان با یادگیری ماشین

    تحلیل تیم سردبیری کوهستان

    مطالعه در تیم سردبیری کوهستان

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

دریافت انرژی اخبار همراه با پوشش کامل منابع و تحلیل دیدگاه‌ها، مستقیم در صندوق ورودی شما.