A Practical Approach to History-matching Large, Multi-well SAGD Simulation Models: A MacKay River Case Study
Notice bibliographique
Résumé
Abstract History-matching is commonly used to calibrate numerical simulation models to validate geological and reservoir engineering inputs and ensure the reliability of model predictions. While history-matching can yield a powerful forecasting tool, thermal SAGD history-matching presents a host of challenges, particularly in terms of computational time and numerical tuning difficulties associated with large thermal simulation models. Typically, single well or small multi-well models are developed and calibrated to generate meaningful production forecasts. However, these predictions are only valid prior to steam chamber coalescence and the models are insufficient for life-of-well forecasting. Hence, it is necessary to build and calibrate large multi-well simulation models within a reasonable timeframe. The oldest SAGD wells at Suncor's Mackay River (MR) property are part of the initial Phase 1 development. This phase consists of 25 well pairs that commenced steam injection in September 2002. This paper presents a calibration process for Phase 1 simulation model, generated through Suncor's geostatistical modeling process, incorporates more than 9 years of production history and contains approximately 1.4 million active cells. The process described has several components: 1) rigorous data quality control, 2) establishing appropriate boundary conditions, 3) numerical tuning, and 4) a focus on global rather than detailed local changes. Using the process described herein, a Phase 1 history match was achieved which honours actual field rate and pressure history. The history match results are presented on well/pattern/phase basis. This process has subsequently been applied to MR Phase 2 and 3 with significant efficiency improvements. A process is presented that addresses many of the issues that arise in validating and history-matching large, complex simulation models. It is shown that history-matching multi-wells SAGD performance with a long operation history is feasible, practical, and useful. The calibrated modeling processes gives confidence in understanding the reservoir and reduces the uncertainty of future forecasting results.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».