앙상블칼만필터와 채널정보교정을 이용한 채널저류층 특성화

Abstract

성공적인 석유개발을 위해 저류층특성화는 필수적이다. 특성화된 저류층모델을 통해 신뢰할 수 있는 미래생산량을 예측하고 이를 의사결정 도구로 활용할 수 있다. 생산이력을 이용한 동적자료 통합기법 중 앙상블칼만필터(ensemble Kalman filter, EnKF)는 다수의 저류층모델을 활용해 미래생산의 불확실성을 평가하는 대표적인 기법이다. 채널저류층은 유체투과율이 높은 사암과 낮은 셰일의 두 저류암으로 구성되어 유체거동의 불확실성이 매우 크다. 채널저류층의 미래생산량을 예측하기 위해 채널 연결성과 패턴을 정확히 파악해야 한다. 하지만 기존의 EnKF를 이용한 특성화연구는 정규분포 가정의 위반으로 채널의 연결성과 패턴을 파악하지 못한 한계가 있다. 본 연구는 채널저류층 특성화에 적용할 수 있는 채널정보교정 EnKF를 제안한다. 주성분분석으로 채널의 연결성과 패턴의 주요정보만 추출하여 핵심정보로 저류층모델을 교정한다. 또한 암상비율과 평균 유체투과율로 구성된 채널정보를 교정한 후 최종 저류층모델에 반영한다. 제안방법을 2차원 및 3차원 채널저류층에 적용한 결과, 이는 기존 방법의 오버슈팅과 필터발산을 해결하면서 채널저류층의 채널 연결성과 패턴을 정확히 파악한다. 그 결과 제안방법은 오일과 물의 미래생산량을 성공적으로 예측한다. 본 연구의 제안방법은 초기정보의 제한으로 불확실성이 높은 경우라도 반복적인 채널정보교정으로 신뢰할 수 있는 채널저류층모델을 생성할 수 있다.

Reservoir characterization is an essential part for successful E&P business. Reliably characterized reservoir models give us dependable production predictions and help us make sensible decisions. Ensemble Kalman filter (EnKF) is one of the most popular history matching methods due to its excellent recursive data processing and reliable uncertainty quantification. Channel reservoirs are composed of high-permeability sand and low-permeability shale. For channel reservoirs, characterization of channel patterns and continuity is important to predict their future performances. However, previous EnKF schemes have shown poor characterization results on channel reservoirs, which do not satisfy the Gaussian assumption of EnKF. To overcome this shortcoming, EnKF with recursive update of channel information is proposed. The proposed method applies principle component analysis to extract main feature of channel reservoirs. Moreover, the method updates channel information of the facies ratio and the mean permeabilities of sand and shale. The proposed method provides reasonable characterization results in case of 2D and 3D channel reservoirs. The method alleviates overshooting, preserves continuity of channel, and finds the main pattern of channel. Even though initial reservoir models show high uncertainty, they can be updated to follow the reference by the proposed method. In addition, this provides reliable future predictions of oil and water productions. To sum up, the proposed method reliably updates channel reservoir models with minimal compromise of geological realism.