Continuous model updating using the ensemble Kalman filter with emphasis on complex reservoirs
Fellesprosjekt mellom Centre for Integrated Petroleum Research (CIPR)/University of Bergen (UoB), Rogaland Research (RR), The University of Tulsa (TU) and The University of Oklahoma (OU).
Målsetttinger
Økt forståelse av og forbedret metodikk for bruk av Ensemble Kalman Filter (EnKF) for rask oppdatering av dynamiske reservoarmodeller, spesielt:
- Etablere gyldighet og begrensninger for bruk av EnKF metoden for de sterkt ikkelineære ligningene som beskriver flerfasestrøm i porøse media, spesielt med hensyn til usikkerhetsestimater.
- Utvikle effektive data-assimileringsmetoder for sterkt ikkelineære modeller basert på metodikk for ikke-lineær oppdatering av modell-ensembelet..
- Forbedret metodikk for kontinuerlig oppdatering av komplekse reservoarer, og fluviale reservoarer spesielt, ved bruk av EnKF.
- Utvikle detaljerte geologiske modeller av 3 – 4 fluviale reservoar-analoger basert på studier av blotninger, og bruk av disse modellene til testing av modelloppdateringsmetodene (EnKF) utviklet i prosjektet.
Resultater
De faglige målsettingene er stort sett oppnådd. Prosjektet har initiert et svært fruktbart samarbeid mellom UiB, IRIS og 2 av de viktigste amerikanske miljøene innen dette feltet, og det har vært utveksling av både studenter og forskere begge veier. To av stipendiatene har hatt forskningsopphold ved henholdsvis Tulsa U. og Oklahoma U. - ett semester hver.
Betinging av modeller for fluviale reservoarer til produksjonsdata (historietilpasning) er vanskelig fordi strukturen til reservoarene er kompleks og vanskelig å parameterisere på en effektiv måtesom egner ser for "computer assisted" historietilpasning. Historietilpasnings-metoder baserer seg i hovedtrekk enten på å parameterisere modellene ved hjelp av et relativt begrenset antall parametre (størrelsesorden maksimalt noen få hundre), eller en parameterisering ved hjelp av Gaussiske, stokastiske felt. I dette prosjektet har vi utviklet en helt ny metodikk basert på ensemble Kalman filter med en parameterisering av de geologiske objektene ved hjelp av "levelsets". ”Level set” metoder er utviklet for å modellere grenseflatene mellom romlige objekter, og benyttes blant annet innen billedbehandling.
Metodene utviklet i prosjektet er testet på reelle geologiske modeller basert på blotningsdata fra Utah. Disse er kartlagt med moderne laser-teknologi (Lidar) og modellert ved hjelp av "virtual outcrops". Vi har også sett på mer grunnleggende problemstillinger med EnKF metoden, blant annet hvordan ikkelineariteter påvirker a posteriori feilestimat, og en metode for forbedret beregning av a posteriori feilestimat er utviklet. Samarbeidet mellom CIPR/UiB, IRIS, Tulsa U. og Oklahoma U. har resultert i et felles ”review paper” publisert i Society of Petroleum Engineers Journal, som sammenfatter bruk av EnKF innen petroleum engineering, et paper som har blitt svært godt mottatt i det internasjonale miljøet. En internasjonal workshop om bruk av ensemble Kalman filter i reservoarmodellering er igangsatt som en del av prosjektet, og ble i 2009 arrangert i Bergen for fjerde år på rad. Disse møtene har i snitt hatt 40-50 deltakere fra hele verden og holdt høy faglig kvalitet.
Det har vært gjennomført flere ekskursjoner til Woodside Canyon, Book Cliffs Utah, hvor man digitalt har kartlagt blotninger av et fluvialt reservoar ved hjelp av moderne laser-teknologi (Lidar). Fra disse dataene er det laget ”virtual outcrops” som visualiseres i CIPR’s 3D visualiseringslaboratorium, og også er benyttet til å lage realistiske modeller for videre testing av metoder for modellering og modelloppdatering.
I tillegg til resultatene oppnådd av stipendiater ved UiB har prosjektet indirekte generert en rekke publikasjoner av studenter og forskere ved Tulsa U. og Oklahoma U. Siden disse ikke er direkte finansiert av Petromaks, har vi imidlertid ikke tatt disse med i resultatindikatorene for prosjektet. Disse arbeidene har spesielt vært fokusert på effekten av ikkelineariteter i strømninglingningene, og man har utviklet flere nye iterative metoder, som gir forbedret løsning, dog til en noe høyere kostnad i form av lengre regnetid.
Ensemble Kalman Filter metoden regnes som en av de mest lovende metodene innen ”Computer-assisted” historietilpasning, og testes for tiden av alle de største oljeselskapene. Som en del av prosjektet har vi testet en av metodene på en reell feltmodell fra Nordsjøen i samarbeid med Statoils forskningssenter i Bergen, og erfaringene som er høstet i dette prosjektet har allerede kommet til nytte ved konkret bruk på et annet Statoil-felt.
