به‌روز رساني مدل‌هاي استاتيك مخزن به روش چرخه انطباق با داده‌هاي لرزه‌اي

Updating static reservoir models based on seismic matching loop approach

مدل سازي مخازن هيدروكربني ابزاري مهم در توصيف و پيش بيني نحوه عملكرد آن مي باشد. يك مدل سازي مخزن واقع بينانه در گرو تركيب منابع مختلف داده به روشي منطقي و بهينه مي باشد. داده هاي لرزه اي به دليل پوشش سطح وسيعي از گستره مخزن و دارا بودن قدرت تفكيك جانبي بالا نسبت به داده هاي چاه، همواره در مدل سازي مخازن هيدروكربني مورد توجه بوده است. استفاده از داده هاي لرزه اي با گذر زمان (چهاربعدي) نيز باعث بهبود و ارتقا مدل سازي ديناميك مخزن مي شود. لازمه تلفيق داده هاي لرزه اي چهاربعدي در مدل سازي ديناميك مخزن، حصول اطمينان از همخواني مدل استاتيك با داده هاي لرزه اي دوبعدي/سه بعدي اوليه مي باشد. بدين منظور، در اين پژوهش از روش چرخه انطباق مدل مخزن با داده هاي لرزه اي كه مبتني بر تكنيك هاي زمين آماري و الگوريتم هاي بهينه سازي مي باشد، جهت ساخت/به روزرساني مدل هاي استاتيك مخزن همخوان با داده هاي لرزه اي دوبعدي/سه بعدي، استفاده شده است. الگوريتم بهينه سازي استفاده شده در اين پژوهش، تلفيقي از اگوريتم هاي قدرتمند ازدحام ذرات و ژنتيك مي باشد. بررسي كيفي و كمي نتايج اعمال روش پيشنهادي بر روي يك مدل مصنوعي نشان مي دهد كه روش پيشنهادي منتج به ايجاد مدل هاي رخساره اي مي شود كه نسبت به روش هاي سنتي زمين آماري كه از داده هاي لرزه اي فقط به عنوان داده ثانويه استفاده مي كنند، بطور متوسط با يك افزايش 15 درصدي در انطباق با مدل مرجع مخزن همراه است.

Hydrocarbon reservoir modeling is an important tool in characterizing reservoir and forecasting its performance. A realistic reservoir model can be generated by combining different datasets in an optimal manner. Seismic data has always been of interest due to its extensive areal coverage and high lateral resolution compared to well-based data. Using time-lapse (4D) seismic data, the reservoir dynamic modeling is improved. Integrating 4D seismic data into dynamic reservoir modeling process requires that the static reservoir model to be coherent with the pre-production 2D/3D seismic data. To do so, we use seismic matching loop approach, which is based on geostatistical techniques and optimization algorithms to update static reservoir models. A key point in this regard is that seismic data or information is used twice. Acoustic data are first used as a constraint when generating reservoir models based on a geostatistical simulation algorithm. Then, they are compared to the acoustic responses computed for the simulated reservoir models. The implemented optimization algorithm in this study is a hybrid of particle swarm optimization (PSO) and genetic algorithm (GA). The obtained results on a synthetic case study show that the proposed method, compared to the conventional geostatistical methods, results in generation of static reservoir models that are qualitatively and quantitatively more consistent with pre-production seismic data.