dc.description.abstract | Reservoarsimulering er et essensielt verktøy for å forutsi og forstå reservoaradferd. Det kan gi betydelig
detaljerte opplysninger, avgjørende for produksjonsstrategien til et felt. Verdt å ha i bakhodet er imidlertid at resultatene fra modellen er et produkt av nøyaktigheten til parametrene modellen er bygget
på. Flere utfordringer med simulering eksisterer – noen av de største er kjøretid og fysisk konsistens.
Forskjellige tilnærminger for å beskrive væskeadferd eksisterer. Mer spesifikt kan væskeadferden enten
estimeres ved bruk av en komposisjonell modell eller vha. Svart Olje-modellen. Den komposisjonelle
modellen bruker en tilstandslikning, finjustert til det aktuelle området. Selv om denne tilnærmingen gir
høy grad av nøyaktighet, er den begrenset av lang kjøretid. Spesielt for reservoar som krever stort antall
gitterblokker, er det ikke tilstrekkelig å la modellen kjøre i timesvis.
Den Svarte Oljemodellen (SO) bruker Svart Oljetabeller for å beskrive væskeadferd. Den beskriver
forskjellige sammensetninger og deres egenskaper ved gitt trykk, fra reservoaret til overflateen. Utvidet
til den Modifiserte Svart Oljemodellen[3], er enda mer komplisert oppførsel tatt i betraktning. Imidlertid
kan tabellene vise seg å være ufysiske. Dette inkluderer f.eks. tilstedeværelse av negative fluidkomprimerbarheter, begrensning av sammensetninger som er beskrevet, eller unøyaktig evaluering av egenskaper ved kritiske forhold.
Presentert her er en lett tilgjengelig arbeidsflyt for å generere fysisk konsistente Svart Oljetabeller for de
mest brukte simulatorene på markedet. Det svært sofistikerte digitale laboratoriet PhazeComp, utviklet
av Zick Technologies, har blitt brukt. Relevante plott og tabeller er gitt, som illustrerer at fysiske krav
er ivaretatt.
Algoritmen er verifisert ved å undersøke forskjellige væskekategorier, inkludert svart olje, flyktig olje,
nærkritisk olje, rik og mager gasskondensat. Metodikk og teoretisk bakgrunn er grundig gjennomgått
for den utviklede prosedyren. Det var klart at nærkritiske væsker definitivt har den nærmeste initielle
metning og kritisk trykk. Ikke overraskende, tatt i betraktning at K-verdiene var nærmest 1.0 for fluidet.
Svarte oljer hadde derimot K-verdier lengst fra hverandre, hvilket indikerer den store forskjellen mellom
innledende metning og kritisk trykk.
SO-Tabeller ekstrapoleres til kritisk trykk, og tilfører konstant sammensetning begynnende fase gass
til løsning. En svellingstest implementeres uavhengig av innledende sammensetning, og øker dens metningstrykk. Denne prosedyren utføres til maksimalt metningstrykk er funnet, mens tabellene ekstrapoleres kun til kritisk trykk. Ekstrapolerte tabeller er verifisert i hver reservoirsimulator, inkludert CMG
IMEX, Eclipse og Sensor.
For å belyse algoritmen blir ekstrapolering av Svart Oljetabeller gitt ved hjelp av en alternativ tilnærming
- ved bruk av reservoarmimulator Sensor. Det er tydelig at Sensor ikke ligger langt unna den utviklede
ekstrapoleringsprosedyren. Imidlertid har den en tendens til å undervurdere kritiske forhold. Sensor
antar monotont økende olje/gassforhold i løsningsgass, mens modellen som er utviklet her, ikke gjør det.
De endelige Svart Oljetabellene presentert er et resultat av eksperimenter som brukes til å utlede nødvendig informasjon for å generere dem. Eksperimentet med Konstant Komposisjon Ekspansjon (CCE)
brukes her og sammenlignes med f.eks. Konstant Volumdeplettering (CVD). Ubetydelige forskjeller ble
observert, med de største avvikene funnet i viskositeter.
Algoritmen krever minimal brukerinterferens. Hovedinngangsparametrene inkluderer en sammensetning,
overflateseparatortog og en finjustert tilstandslikning. Viktig å understreke er at usikkerheten i modellen
er underlagt nøyaktigheten til inngangsparametrene. Hvis tilstandslikningen er unøyaktig, bør derfor
Svart Oljetabeller bli møtt med en viss skepsis. | |
dc.description.abstract | Reservoir Simulation is a widely used tool for predicting and understanding reservoir behavior. It may
provide significantly detailed information, vital for the production strategy of a field. Certainly, the
output of the model is subject to the confidence of the input. Several challenges with simulation exist –
some of the most epic being runtime and physical consistency.
Different approaches to describe fluid behavior exist. More specifically, fluid behavior may either be
estimated using a Compositional Model or Black Oil Model. The compositional model uses an Equation of
State (EOS), tuned to the specific basin in question. While this approach grants a high level of confidence,
it is limited by long runtime. Particularly for reservoirs requiring a large number of gridblocks, spending
hours to run a model is not adequate.
The Black Oil Model uses Black Oil Tables to describe fluid behavior. It describes various compositions
and their properties at given pressures, from reservoir to surface. Extended to the Modified Black Oil
Model[3], even more complex behavior is taken into account. However, sometimes Black Oil Tables
appear to be nonphysical. This includes e.g. presence of negative fluid compressibilities, limitation of
compositions described, or inaccurate evaluation of critical conditions.
Presented herein is a readily-available workflow for generating physically consistent Black Oil Tables
for the most used simulators on the market. The highly sophisticated digital laboratory PhazeComp,
developed by Zick Technologies, has been used. Relevant plots and tables are provided, illustrating that
physical requirements are intact.
The algorithm is verified by examining different fluid categories, including Black Oil, Volatile Oil, NearCritical Oil, Rich and Lean Gas Condensate. Methodology and theoretical background is thoroughly
justified for the developed procedure. It was clear that Near-Critical fluids indeed have the closest initial
saturation and critical pressure. Certainly, with K-values the closest to unity, this was expected. Black
Oils, on the other hand, had K-values the furthest apart, justifying the major difference between initial
saturation and critical pressure.
BO-Tables are extrapolated to critical pressure, adding constant composition incipient gas into solution.
A Swell Test is implemented regardless of initial composition, elevating the saturation pressure. This
procedure is performed until maximum saturation pressure is found, while BO-Tables are extrapolated
to critical pressure. Extrapolated Tables are verified in each reservoir simulator, including CMG IMEX,
Eclipse and Sensor.
Extrapolation of Black Oil Tables is also given using an alternative approach – the reservoir simulator
Sensor. It is evident that Sensor is not far off the developed extrapolation procedure. However, it generally
tends to underestimate critical conditions. Also, Sensor assumes monotonically increasing Oil-Gas Ratio
in solution gas, which the model developed herein does not.
The final Black Oil Tables presented are a result of the experiments used to generate them. The Constant Composition Expansion (CCE) experiment is used herein, and compared to e.g. Constant Volume
Depletion (CVD). Insignificant differences were seen, with the largest discrepancies found in viscosities.
The algorithm requires minimal user interference. Main input parameters include a composition, surface
separator train and a tuned EOS. Important to emphasize is that uncertainty of the model is subject
to confidence of the input parameters. Therefore, if the EOS is tuned inadequately, Black Oil Tables
derived thereof must be met with some skepticism. | |