In dit figuur is het hele olieveld afgebeeld. Om praktische redenen modelleert het team dat het veld beheert het veld in sectoren. Eén van die sectoren - in de cirkel rechts- boven - is voor deze studie gebruikt. Het betreffende stromingsmodel heeft altijd nog 200.000 ‘gridblocks’ (model-cellen) van 75 bij 75 meter elk, in meerdere lagen, en beschrijft het gedrag van zo’n zeventig put- ten. Een dergelijk sectormodel heeft zeven uur nodig per berekening. Het doel van deze studie is om de onderliggende geologi- sche concepten beter te leren begrijpen.
Geautomatiseerde history matching en model maturation in Sakhalin,
uit acht TU Delft-vakgebieden (reservoir engineering, geofysica, wiskunde, geomechanica, proces- technologie, petroleum enginee- ring, werktuigbouwkunde en elektrotechniek) zouden hiervoor met elkaar moeten integreren. “ER WAREN GENOEG ‘algoritmen- krakers”, vertelt Paul van den Hoek, teamleider van de R&D-afdeling Quantitative Reservoir Manage- ment: “Voor een deel klaar om toegepast te worden. Maar elke afzonderlijke discipline had zijn eigen cultuur, netwerken en communicatie, terwijl intensieve samenwerking tussen de verschil- lende technische disciplines essenti- eel is voor meer begrip van het reservoir.” EERDER WAREN in Delft (in samen- werking met Stanford University, VS) algoritmen (reeks instructies voor berekening of dataverwer- king) en speciale methodieken ontwikkeld om alle verzamelde data tot driedimensionale geolo- gische reservoirmodellen aaneen te smeden. Het gaat dan om data uit seismische gegevens, well logs, gewone productiedata, of geologische concepten. “Kern- vraag was hoe onze reservoirsi- mulatiemodellen numeriek versneld en verbeterd konden worden.” Dit matchen van data voor geavan-
ceerde reservoirmodellen, history matching genaamd, was voor- heen niet geautomatiseerd. “Op een offshore veld in Nigeria kon met automatisering vijf maanden tijdwinst geboekt worden.” “IN RESERVOIRMODELLEN worden sommige geologische eigenschap- pen vaak niet meegenomen”, legt Van den Hoek uit. “Met als onbe- doeld gevolg dat het computermo- del zich probeert aan te passen aan het bestaande model - waar- door er soms onrealistische opti- male waarden in het (dus eigenlijk foute) reservoirmodel verschijnen.” In de nieuwe geautomatiseerde versie worden in vroeg stadium fundamenteel foute aannames in het reservoirmodel herkend en gecorrigeerd. DIT PROCES van herkenning en correctie van foute aannames in geavanceerde geologische model- len - via (semi-)geautomatiseerd history matching van productiedata van velden en reservoirs - wordt ook wel model maturation (‘model- rijping’) genoemd. DAARBIJ HEEFT de ‘grid block aanpassings’-methodiek de betrouwbaarheid van reservoir- modellering stevig vergroot. Een typisch numeriek model van een reservoir is in enkele honderddui- zenden zogenaamde ‘grid-blok-
ken’ verdeeld. Elk deel bevat de belangrijke reservoirkenmerken als structuur, gelaagdheid, poreusheid, doorlaatbaarheid of vloeistofver- zadiging. Met deze methodiek kan bijvoorbeeld ‘vloeistof door- laatbaarheid’ per numerieke cel worden afgeschat. Met name als er tijdens dit proces onrealistische resultaten optreden, geeft dit aan- leiding tot gerichte interdisciplinaire discussies binnen het team dat zo’n veld beheert en zal dat uiteindelijk leiden tot een beter begrip van het reservoir, betere modellen en beter gefundeerde zakelijke beslissingen. MET DEZE NIEUWE vorm van datavergaring en -assimilatie is de moderne petroleum engineer meteen ook toegerust voor het gebruik van ‘4D’ seismische data (vierdimensionaal: drie-dimensio- naal + tijdsverloop). Een grote stap voorwaarts, omdat 4D-seismiek, meer nog dan de actuele pro- ductiedata, de mogelijkheid biedt om dieper in het reservoir (dat wil zeggen op grotere afstand van de put) te meten. Shell medewerkers en TU-studenten kunnen aan hun interpretatievaardigheden bouwen in de Shell MoReS simulator die met de nieuwste algoritmen is bijgewerkt. GEAUTOMATISEERDE history mat- ching en model maturation worden
al toegepast bij een aantal olie- velden in Sakhalin, Oman, en off- shore Nigeria. Zo biedt de nieuwe methodiek betere kansen om bij- voorbeeld zogeheten flow baffles (dit zijn ondergrondse barrières; stremmingen in de vloeistofstroom tussen water-injectieputten en olie-productieputten) op te sporen. In Siberië is dankzij de nieuwe technologie een aquifer (water- dragende laag onder sterke druk) in kaart gebracht die niet in het originele reservoirmodel zat. Ook werden scheuren geïdentificeerd, veroorzaakt door een injectieput. VAN DEN HOEK: “De uiteindelijke effecten zijn aanzienlijk: we zul- len op meer plaatsen met minder putten toe kunnen, er kan gerich- ter worden geïnjecteerd, en er zullen minder manuren, minder dure apparatuur, en ook minder additieven voor nodig zijn. Dat betekent dus ook: veiligere en milieuvriendelijkere productie van koolwaterstoffen.” ADDITIEVEN SPELEN een belang- rijke rol in Enhanced Oil Recovery (EOR): verbeterde oliewinning met geavanceerde technieken. EOR is in toenemende mate van belang bij moeilijker winbare olie- of gas- voorraden: in nieuwe velden, in moeilijke geografische of klimato- logische omstandigheden of zeer