Model-based decision analysis applied to petroleum field development and management
Notice bibliographique
Résumé
This work describes a new methodology for integrated decision analysis in the development and management of petroleum fields considering reservoir simulation, risk analysis, history matching, uncertainty reduction, representative models, and production strategy selection under uncertainty. Based on the concept of closed-loop reservoir management, we establish 12 steps to assist engineers in model updating and production optimization under uncertainty. The methodology is applied to UNISIM-I-D, a benchmark case based on the Namorado field in the Campos Basin, Brazil. The results show that the method is suitable for use in practical applications of complex reservoirs in different field stages (development and management). First, uncertainty is characterized in detail and then scenarios are generated using an efficient sampling technique, which reduces the number of evaluations and is suitable for use with numerical reservoir simulation. We then perform multi-objective history-matching procedures, integrating static data (geostatistical realizations generated using reservoir information) and dynamic data (well production and pressure) to reduce uncertainty and thus provide a set of matched models for production forecasts. We select a small set of Representative Models (RMs) for decision risk analysis, integrating reservoir, economic and other uncertainties to base decisions on risk-return techniques. We optimize the production strategies for (1) each individual RM to obtain different specialized solutions for field development and (2) all RMs simultaneously in a probabilistic procedure to obtain a robust strategy. While the second approach ensures the best performance under uncertainty, the first provides valuable insights for the expected value of information and flexibility analyses. Finally, we integrate reservoir and production systems to ensure realistic production forecasts. This methodology uses reservoir simulations, not proxy models, to reliably predict field performance. The proposed methodology is efficient, easy-to-use and compatible with real-time operations, even in complex cases where the computational time is restrictive.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».