Assimilating 4D Seismic Data: Big Data Into Big Models

Datamodeller av olje- og gassreservoarer brukes til å forutsi fremtidig produksjon og forutsi hvor lommer av gjenværende olje kan være plassert. Å forbedre påliteligheten av disse prediksjonene ved å inkorporere maksimalt med informasjon fra seismiske data og brønnproduksjonsdata er fokuset for dette prosjektet. Resultatet vil bli forbedringer i reservoarstyring og feltutvikling, og dernest mer effektiv petroleumsproduksjon med redusert CO2-fotavtrykk. En nøkkel til å forbedre prediksjonen av fremtidige hendelser er å sikre at modellene kan forutsi hendelser som allerede er observert. Det er nødvendig å justere parametere i datamodellen slik at de simulerte seismiske dataene og de simulerte produksjonsdataene stemmer overens med dataene som faktisk ble observert. En utfordring er at mengden data som fremkommer ved gjentatte seismiske undersøkelser kan være svært stor, og kalibrering av en stor reservoarstrømningsmodell kan da være svært vanskelig. I dette prosjektet har vi utviklet metoder for kalibrering av store reservoarmodeller til seismiske data og produksjonsdata slik at feil i prognosene blir redusert og usikkerheten blir riktig kvantifisert. Det vil være målefeil forbundet med dataene, og hverken reservoarflytmodellen eller den seismiske modellen er perfekt. Dette gjør også kalibrering vanskelig, fordi tilpasning til støybefengte data ved hjelp av en modell som også inneholder feil kan resultere i feil prediksjoner som i tillegg predikerer for liten usikkerhet i forhold til den virkelige usikkerheten. Vi har utviklet metoder for å vurdere kvaliteten på de kalibrerte reservoarmodellene og på prognosene fra modellene. Disse metodene fungerer for store problemer. Vi har også undersøkt verdien av forskjellige seismiske datatyper, og utviklet metoder for å identifisere kildene til mangler i reservoarmodellen: manglende parametere, manglende prosesser og parametere, og for liten a priori usikkerhet. For å understøtte disse metodene har vi utarbeidet nye visualisering metoder som kan kobles med eksisterende 3D visualiserings programvare. Til slutt har vi utviklet anbefalinger for en standardisert arbeidsflyt for 4D seismisk historietilpasning som resulterer i redusert modellfeil og bedre prediksjonsevne. I noen tilfeller er fundamentale egenskaper, som den konseptuelle modellen av reservoaret eller måleusikkerheten i data, også usikker. I slike tilfeller har vi utviklet metoder som inkluderer denne usikkerheten inn i kalibreringsproblemet. Dette gir mer nøyaktig prediksjon av fremtidig reservoaroppførsel. Metodene utviklet i prosjektet har blitt testet på reelle feltdata, blant annet fra Edvard Grieg feltet, Norne feltet og Volve feltet. I samarbeid med operatøren har vi gjennomført den standardiserte arbeidsflyten for 4D seismisk historietilpasning på Edvard Grieg feltet. Denne testen var vellykket og demonstrerte verdien av arbeidsflyten. For å sikre god industrirelevans har prosjektmedlemmene gjennomført jevnlige en-til-en møter med industripartnere. For å sikre økt kompetanse på metodene våre har vi holdt kurs for flere av industripartnerne våre. I tillegg til å publisere resultatene i vitenskapelige journaler, har vi også gjort historietilpassingsmetoden tilgjengelig for offentligheten gjennom kodeoppbevaring på GitHub. Basert på resultatet av prosjektet, har, minst, en av prosjektpartnerne bestemt å bygge egen programvare for historietilpasning. To partnere som alt har egen programvare har besluttet å utvide funksjonaliteten basert på resultater fra prosjektet. Siden resultatene av prosjektet er publisert forventer vi at kommersielle programvare utviklere vil inkorporere våre resultater i deres programvare. Dette vil øke tilgjengeligheten av resultatene.

The immediate result of this project has been better methods for utilizing data from 4D seismic surveys for improved reservoir characterization. This includes improved methods for seismic modelling, improved calibration methods and new diagnostic tools. The comprehensive review paper on 4D seismic history matching provides a well-founded overview of the current challenges in the field. Part of the project was to educate two PhD-students. This will directly lead to more expertise on the topic. The project has proposed recommendations for a standardized workflow for 4D seismic history-matching and demonstrated this workflow on the Edvard Grieg field. In addition to publishing the results in scientific journals, we have made the data-assimilation software publicly available as a code repository on GitHub. Based on the results of the project, at least, one of the project partners is currently implementing in-house software for ensemble-based data assimilation. Two partners, who already have in-house software, have expanded the software functionality by incorporating results from the project. Since the project results are published, we expect that commercial software providers will re-implement some results in their commercial tools, further benefiting trade and industry. The longer-term result will be improved management for complex fields with 4D seismic data, higher ultimate recovery and reduced emissions. We believe that the project results have contributed to improved methods for subsurface characterisation. In addition to more efficient oil and gas production, this is also beneficial for new energy solutions in the subsurface, such as H2 and CO2. Hence, we anticipate that the project results will bring long-term changes when different commercial users apply the project result for energy solutions in the subsurface.

While the acquisition of time-lapse seismic data has become common in the Norwegian sector of the North Sea, the quantitative use of the data for improvement of forecasts from reservoir models has still not become standard so the information in the seismic data is not being optimally utilized for field development and reservoir management. Challenges to the assimilation of seismic data include potentially large amounts of data, significant errors in modeling of seismic attributes and large nonlinearity in the relationship between model parameters and data. The processes occurring in each field are different, hence there is a need in each case, to identify, simulate and extract the most informative 4D attributes from the data. Ensemble-based methods have been shown to be highly effective at assimilating large amounts of data into complex models, and have shown promise for the assimilation of 4D seismic data, but have limitations for highly nonlinear problems and can underestimate uncertainty. During the last 5 years we have developed and demonstrated methodologies for 4D seismic history matching on real fields. In this project, we will address new and important research questions identified in collaboration with industry experts: updating of facies or rock types in complex geology, dealing with model deficiency, methods for model improvement when a model is judged deficient, and validation of forecast reliability. By focusing early in the project on the application to real field examples, we will ensure that the research effort is directed at the most important challenges. Also, by evaluating forecast reliability in a probabilistic framework, we will ensure that the methods produce models that are most useful for reservoir management and field development.