On the Study of a Robust History Matching of Facies Model by Distance-based Method and Ensemble Kalman Filter

Abstract

이 연구는 동적 및 정적 자료의 통합을 통해 불균질 저류층의 유체 생산추이 예측성능을 향상시키고, 유정 간 유체거동 연결성을 규명할 수 있는 히스토리매칭 모델을 개발하였다. 기존 히스토리매칭은 주로 동적 자료의 매칭에 집중하였기 때문에, 정적 물성과 암종 분포의 예측은 불가능하였고 장기적인 생산추이 예측의 신뢰도가 낮았다. 이 연구에서 개발한 히스토리매칭 기법은 정적 자료의 불확실성을 포함한 다수의 트레이닝 이미지를 생성한 후 거리기반방법을 이용한 트레이닝 이미지 선택을 통해 암종 분포를 예측하였다. 예측한 암종 분포를 따르는 저류층 모델을 다점지구통계기법을 이용하여 재생산하고 히스토리매칭하였다. 트레이닝 이미지 선택 결과 유정 간 연결성을 88.7%의 높은 확률로 예측하였다. 저류층 물성 교정만 가능했던 기존의 히스토리매칭 기법과는 달리 암종모델 전처리 과정을 거친 제안 기법은 저류층 물성과 암종 분포의 교정이 모두 가능하였다. 기존 방법에 비해 유체 생산추이의 오차가 70.9% 감소되어 향상된 예측성능을 보였다. 물 돌파 정보가 없는 경우에도 암종모델의 높은 신뢰도를 확보함으로써 실제 생산추이에 가깝게 예측하였다. 이 연구결과는 동적 및 정적자료의 통합을 통해 신뢰도 높은 암종모델을 구성할 수 있어, 생산추이 예측의 안정성을 제고하고 합리적인 생산설계를 가능하게 한다.

This paper develops a robust history matching method that improves prediction performance of facies models and evaluates interwell connectivity by integrating dynamic and static data. Previous studies have been focused on matching history based on dynamic data. Thus, it is impossible to predict static properties and facies distribution and this results in deterioration of reliability of production estimation. The developed method predicts facies distribution by selecting training images among multiple training images using distance-based method. Reservoir models are regenerated from the selected training images and history matched. The method predicts interwell connectivity accurately with 88.7% probability. The prediction performance is improved by 70.9% lower error than the conventional method. The proposed method reliably predicts the fluid production behavior of reservoir without breakthrough information. This paper can improve the prediction performance of fluid production. This can contribute to a reasonable production design based on reliable facies models obtained from the integration of dynamic and static data.