A Petrel-Based Reproducible Workflow for Integrated Static Reservoir Characterization Using Synthetic Seismic and Well-Log Data

Diep onder het aardoppervlak vertrouwen olie- en gasbedrijven op driedimensionale kaarten om te begrijpen waar hulpbronnen verborgen liggen. Deze kaarten zijn geen foto's genomen met een camera; het zijn complexe hypothesen die zijn opgebouwd uit verspreide aanwijzingen. Eén set aanwijzingen komt uit seismische data, die geluidsgolven gebruikt om een breed, wazig beeld van gesteentelagen over een groot gebied te creëren. Een andere set komt uit putlogs, wat gedetailleerde metingen zijn die zijn genomen in smalle gaten in de grond, die informatie met een hoge resolutie bieden maar slechts langs één verticale lijn. Om de ruimte tussen deze schaarse metingen betekenis te geven, gebruiken geologen geologische concepten om de gaten op te vullen. Het resultaat is een statisch reservoirmodel, een digitale representatie van het ondergrondse gesteente dat ingenieurs helpt te schatten hoeveel olie of gas er aanwezig is, te plannen waar ze als volgende moeten boren, en te voorspellen hoe vloeistoffen zullen bewegen. Het bouwen van deze modellen houdt echter talloze menselijke beslissingen in, van het interpreteren van een golvende lijn op een scherm tot het gladstrijken van ruwe data. Wanneer deze keuzes niet duidelijk worden opgeschreven, wordt de uiteindelijke kaart moeilijk te controleren of te herhalen, waardoor de wetenschap kwetsbaar wordt voor verborgen fouten en het voor anderen moeilijk wordt om te leren van het werk.

In een recente studie adresseert onderzoeker Innocent J. Aluka van Prairie View A&M University dit probleem door een nieuwe manier te introduceren om de creatie van deze ondergrondse kaarten te organiseren. De studie vindt niet een nieuwe manier uit om gesteente-eigenschappen te berekenen of ontdekt een nieuw type olie-reservoir. In plaats daarvan stelt het een gestructureerd, stapsgewijs kader voor genaamd de Reproducible Integrated Reservoir Modeling Workflow, of RIRMW. Dit kader behandelt de creatie van een reservoirmodel niet als een losse verzameling softwareklikken, maar als een strikte keten van controleerbare stappen. Elke stap in de keten vereist specifieke inputs, volgt een duidelijke transformatieregel, legt elke gebruikte parameter vast, ondergaat een kwaliteitscontrole en produceert een versiebeheerbare output voordat de volgende fase wordt bereikt. Het doel is om het hele proces transparant te maken, waarbij wordt gewaarborgd dat elke oordeelsvorming en instelling wordt gedocumenteerd, zodat een andere expert hetzelfde pad kan volgen en tot hetzelfde resultaat kan komen.

Om dit idee te testen zonder vertrouwelijke data van echte olievelden te gebruiken, bouwde de onderzoeker een volledige, synthetische dataset. Deze kunstmatige omgeving bootst een gebarsten, gelaagde gesteentevorming na die zandsteen, schaliehoudend zandsteen en schalie bevat. Het team genereerde nepseismische beelden, attribuutkaarten die gesteentegrenzen benadrukken, en gedetailleerde putlogs die simuleren wat een boor zou tegenkomen. Met behulp van deze gecontroleerde data doorliepen zij de nieuwe workflow via zes afzonderlijke modules. Ten eerste interpreteerden zij de seismische en putdata om gesteentelagen en breuken te identificeren. Ten tweede bouwden zij een structureel rooster, een digitaal skelet dat de gesteentelagen op hun plaats houdt terwijl het de breuken respecteert die erdoorheen snijden. Derde simuleerden zij de distributie van gesteentetypes, waarbij zij bepaalden waar zandsteen en schalie in de 3D-ruimte voorkomen. Vierde modelleerden zij continue eigenschappen zoals porositeit, wat meet hoeveel lege ruimte er in het gesteente bestaat om vloeistof vast te houden, en permeabiliteit, wat meet hoe gemakkelijk vloeistof erdoorheen kan stromen. Vijfde integreerden zij al deze stukken in één enkel, consistent 3D-model. Ten slotte beoordeelden zij de onzekerheid door het proces meerdere keren uit te voeren met verschillende willekeurige zaadwaarden (random seeds) om te zien hoe de resultaten zouden variëren.

De resultaten van deze demonstratie toonden aan dat de workflow succesvol een samenhangend, intern consistent model van het synthetische reservoir heeft geproduceerd. De definitieve kaart toonde zandsteenlichamen die op een manier verbonden waren die overeenkwam met de geologische concepten, met een hoge porositeit en permeabiliteit geconcentreerd in de kwalitatief betere gesteentezones. Cruciaal is dat het proces een volledig verslag bewaarde van elke gemaakte beslissing. Zo legde de studie bijvoorbeeld vast dat de effectieve porositeit varieerde van nul tot veertig procent, met een gemiddelde van 17,6 procent over de verschillende gesimuleerde scenario's. De horizontale permeabiliteit, een maatstaf voor stroming, varieerde van 0,1 tot 1.000 millidarcies, een eenheid die beschrijft hoe gemakkelijk vloeistoffen door gesteente bewegen. Waterverzadiging, die aangeeft hoeveel van de porieruimte gevuld is met water in plaats van olie, werd gemodelleerd tussen nul en één. Door meerdere simulaties uit te voeren, kon het team laten zien dat hoewel de exacte rangschikking van het gesteente bij elke run licht varieerde, de algemene statistieken stabiel bleven, met een mediaan van de porositeit van 17,3 procent.

Een belangrijke bevinding van de studie is dat deze aanpak niet het nut van deskundige oordeelsvorming elimineert; het maakt dat oordeel juist zichtbaar. In traditionele projecten kan een geoloog een keuze maken over hoe twee datapunten te verbinden, maar die keuze blijft vaak een mentale notitie of een snelle schets. In dit nieuwe kader wordt die keuze vastgelegd als een specifieke parameter in een register. Als de modelleur besluit een bepaalde wiskundige regel te gebruiken om de permeabiliteit op basis van de porositeit te schatten, wordt die regel opgeschreven samen met de specifieke getallen die zijn gebruikt. Dit stelt iedereen die het werk beoordeelt in staat om precies te zien hoe het model is gebouwd en te begrijpen waarom het eruit ziet zoals het eruit ziet. De studie merkt expliciet op dat omdat de gebruikte software propriëtair is, het onmogelijk is om te garanderen dat twee verschillende computers exact hetzelfde getal voor elke cel in het rooster zullen produceren. De procedure garandeert echter dat het proces reproduceerbaar is en dat de logica achter de resultaten duidelijk is.

Het onderzoek benadrukt ook het belang van onzekerheid. Omdat de data uit de grond schaars zijn, is er niet één enkele "juiste" kaart van de ondergrond. Veel verschillende arrangementen van gesteente zouden bij dezelfde data kunnen passen. De workflow pakt dit aan door een ensemble van meerdere mogelijke modellen, of realisaties, te genereren in plaats van slechts één. Dit stelt wetenschappers in staat om het bereik van mogelijkheden te zien, van het meest optimistische scenario tot het meest pessimistische scenario. In de synthetische test toonden de onderzoekers aan dat hoewel de specifieke locatie van een zandsteenkanaal tussen verschillende runs kon verschuiven, het totale volume en de connectiviteit van het gesteente binnen een voorspelbare range bleven. Dit helpt besluitvormers om de risico's te begrijpen, wetende dat het model een spectrum van mogelijkheden vertegenwoordigt in plaats van een enkele, potentieel misleidende waarheid.

Uiteindelijk dient dit werk als een brug tussen de complexe, vaak ondoorzichtige wereld van industriële reservoirmodellering en de principes van open, reproduceerbare wetenschap. Het demonstreert dat zelfs wanneer commerciële software wordt gebruikt waarvan de interne werking verborgen is, het proces van het bouwen van een model transparant kan worden gemaakt. Door de stappen te formaliseren en elke beslissing vast te leggen, stelt het kader de wetenschappelijke gemeenschap in staat om het werk van anderen te auditeren, ervan te leren en erop voort te bouwen. De studie concludeert dat hoewel de specifieke getallen gegenereerd in deze test gebaseerd zijn op kunstmatige data en niet gebruikt kunnen worden om werkelijke olievoorraden te voorspellen, de methode zelf robuust is. Het biedt een praktische manier om ervoor te zorgen dat de complexe digitale modellen die worden gebruikt voor de exploratie van de hulpbronnen van de aarde, gebouwd zijn op een fundament van heldere logica en gedocumenteerd bewijs, waardoor de wetenschap achter de kaarten even betrouwbaar wordt als de data die ze voeden.