Abstract

New methods are required to support unconventional reservoir uncertainty modeling. Unconventional plays add additional complexity with greater uncertainty in reservoir measures (e.g. unreliable permeability measures in low permeability rock) and weakened relationships between measurable reservoir properties and production results (production mechanisms may not be well understood). As a result, unconventional plays are often referred to as “statistical plays”, suggesting the reliance on statistical characterization of production spatial distributions.

Various methods have been proposed for probabilistic modeling with statistical plays. Regardless of workflow, it is critical to account for spatial context, including: production spatial continuity; local conditioning from well-based production; local secondary information; and boundaries of the area of interest. Methods that are insensitive to spatial context are unreliable for decision-making. To these methods, the uncertainty in the aggregate production over the next set of wells is the same regardless of their respective locations. Even in unconventional reservoirs, the spatial context still matters.

There are theoretical methods to explore the uncertainty in the production rates of wells within a pad and of the aggregate production of wells over pads within a development block. Yet, the most flexible methods are based on empirical model resampling. These methods extract multiple samples from actual reservoir models to simulate the drilling strategy over multiple realizations and scenarios of the subsurface uncertainty model, an ensemble of possible models. These methods integrate all available information sources while further leveraging the uncertainty model that is routinely built for reservoir forecasting. The aim of this paper is to demonstrate the ability of the resampling method to answer reservoir development questions, such as: how much variability in well production is predicted between wells in a single pad; how much variability in well aggregate production is predicted between pads; how much information does the first well’s production provide about the total pad production; and when is it best to abandon a pad? Knowing the answer to these questions improves reservoir development decision-making. This paper advocates for new data analytics, geostatistical methods and workflows to support the best use of geoscience and engineering practice.

Résumé

De nouvelles méthodes se révèlent nécessaires pour appuyer la modélisation des gisements non conventionnels incertains. La complexité des zones pétrolières non conventionnelles s’ajoutent à l’incertitude qui existe pour mesurer les gisements (p. ex. : des mesures de perméabilité peu fiables dans la roche peu perméable) et affaiblissent le rapport entre les propriétés mesurables d’un gisement et les résultats de la production (peut être que les mécanismes de production ne sont pas bien compris). En raison de cela, on qualifie souvent les zones non conventionnelles de « zones statistiques », suggérant que l’on doit s’en remettre à des caractérisations statistiques de la répartition spatiale de la production.

Diverses méthodes ont été proposées pour la modélisation probabiliste des zones statistiques. Indépendamment du flux des travaux, il est important de tenir compte du contexte spatial, y compris : la continuité de la production sur le plan spatial; le conditionnement local de production basé sur les puits; l’information secondaire locale; et les bordures de la zone d’intérêt.

Les méthodes qui ne tiennent pas compte du contexte spatial rendent la prise de décision aléatoire. Pour ces méthodes, l’incertitude de la production globale pour la série de puits suivante reste identique, sans égard à leurs positions respectives. Même pour les gisements non conventionnels, le contexte spatial reste pertinent.

Des méthodes théoriques existent pour explorer l’incertitude à l’égard des taux de production des puits d’un site de forage donné et de la production globale des puits dans les sites, à même les blocs d’exploitation. Néanmoins, les méthodes les plus flexibles se fondent sur le ré-échantillonnage de modèle empirique. Ces méthodes vont extraire de multiples échantillons de gisement-modèle existant pour simuler la stratégie de forage couvrant de multiples réalisations et scénarios du modèle de subsurface incertain, c’est-à-dire un ensemble de modèles possibles. Ces méthodes intègrent toutes les sources d’information disponibles tout en optimisant plus amplement le modèle d’incertitude qui est normalement construit pour prévoir la qualité du gisement. L’objectif du présent document est de démontrer la capacité de la méthode de ré-échantillonnage pour résoudre les questions d’exploitation d’un gisement, en l’occurrence :

  • 1) Dans quelle mesure la production par puits peut-elle varier entre les puits d’un site de forage donné?

  • 2) Dans quelle mesure la production globale d’un site de forage peut-elle varier d’un site de forage à l’autre?

  • 3) Dans quelle mesure l’information tirée de la production du premier puits peut-elle nous renseigner sur la production totale du site de forage?

  • 4) Quand est-il judicieux d’abandonner un site de forage?

La réponse à ces questions améliore la prise de décision concernant l’exploitation d’un gisement. Le présent document recommande de nouvelles méthodes d’analyses de données, de modèles géostatistiques et de flux de travaux afin d’optimiser l’emploi de la géoscience et les pratiques d’ingénierie.

Michel Ory

You do not currently have access to this article.