Ensemble Based Modeling of the Jeumpa Field
Master thesis
Permanent lenke
https://hdl.handle.net/11250/3088051Utgivelsesdato
2023Metadata
Vis full innførselSamlinger
Beskrivelse
Full text not available
Sammendrag
Denne studien tok for seg behovet for oppdaterte modelleringsstudier av reservoaret i et av feltene på den norske kontinentalsokkelen (NCS), kalt Jeumpa-feltet for anonymiseringens skyld. Hovedmålet med denne studien var å bruke iterative ensemblebaserte Kalman-filtreringsmetoder (EnKF) for å oppnå bedre forståelse av usikkerhetene knyttet til reservoaret ved å gjennomføre en historie-tilpasningsprosess. Historie-tilpasningsprosessen ble etterfulgt av produksjonsprognoser for å estimere den gjenværende utvinnbare reserven i feltet. Petrel RE ble brukt til å konstruere en reservoarmodell, og Eclipse-simulatoren ble brukt til å simulere modellen og generere en initiell serie av realiseringer. Disse realiseringene ble brukt som inndata til ResX-programvaren, der det ble gjennomført en ensemblebasert historie-tilpasningsprosedyre ved hjelp av EnKF-algoritmen.
Metodikken i denne studien omfattet dataforberedelse, konstruksjon av en deterministisk modell, opprettelse av en initiell ensemblemodell, kjøring av historie-tilpasningssimulering ved hjelp av implementering av EnKF-assimileringsprosessen og opprettelse av produksjonsprognoser ved hjelp av resultatene fra historie-tilpasningsprosessen. De objektive parameterne som ble valgt for historie-tilpasningen, var vannkutt og bunnhullstrykk, som var avgjørende for representativiteten til reservoarmodellen for dette feltet. EnKF-assimileringsprosessen ble brukt til å justere ensemblemodellen iterativt og forbedre dens samsvar med observerte data.
Resultatene viste en betydelig forbedring i samsvar med de objektive parameterne, noe som indikerer effektiviteten til EnKF-basert historie-tilpasningsprosessen. Videre ble de oppdaterte parameterne under assimileringsprosessen analysert for å forstå effekten av dataassimilering på atferden til reservoarmodellen. Til slutt ble prognoseresultatene generert for å få verdifulle innsikter om det gjenværende potensialet i feltet.
Denne studien bidro til feltet for reservoarmodellering og historie-tilpasning ved å gi en oppdatert studie spesifikt fokusert på Jeumpa-feltet. De anvendte EnKF-metodene demonstrerte sin effektivitet i å forbedre modellnøyaktigheten og styrke beslutningstakernes evner. Disse funnene kan veilede reservoaringeniører og beslutningstakere i optimaliseringen av produksjonsstrategier og ressursforvaltning for Jeumpa-feltet. This study addressed the urgency for updated reservoir modeling studies in one of the fields located on the Norwegian Continental Shelf (NCS) anonymized as the Jeumpa field. The primary objective of this study was to employ Iterative Ensemble Kalman Filter (EnKF) methodologies to gain a better understanding of the uncertainties associated with the reservoir by performing a history-matching process. The history-matching process was followed by production forecasting to estimate the remaining recoverable reserve in the field. Petrel RE was utilized to construct a reservoir model, and the Eclipse simulator was employed to simulate the model and generate an initial set of realizations. These realizations served as input for the ResX software, where an ensemble-based history matching procedure was conducted using the EnKF algorithm.
The methodology of this study encompassed data preparation, the construction of a deterministic model, creating an initial ensemble model, running the history match simulation using implementing EnKF assimilation process, and creating production forecasts using the result from the history matching process. The objective parameters selected for history matching were water cut and bottomhole pressure, which were crucial for the representativeness of the reservoir model of this field. The EnKF assimilation process was employed to iteratively adjust the ensemble model and improve its match with observed data.
The results demonstrated a significant improvement in matching the objective parameters, indicating the efficacy of the EnKF-based history matching process. Furthermore, the updated parameters during the assimilation process were analyzed to understand the impact of data assimilation on the behavior of the reservoir model. Finally, the forecasted results were generated to obtain valuable insights regarding the remaining potential of the field.
This study contributed to the field of reservoir modeling and history matching by providing an updated study specifically focused on the Jeumpa field. The EnKF methodologies employed demonstrated their effectiveness in improving model accuracy and enhancing decision-making capabilities. These findings could guide reservoir engineers and decision-makers in optimizing production strategies and resource management for the Jeumpa field.