3D geological interpretation for geosteering of wells

Retningsstyringen av boring er avgjørende for å forbedre utvinningen fra petroleumsreservoarer. Geostyring refererer til å dirigere boring og brønnplassering i sanntid basert på geologi. Ved å invertere logging under boring (LWD)-data til kvantitative beskrivelser av bergartsegenskaper og 3-dimensjonale geologiske strukturer, kan vi få en dypere forståelse av 3D-geologien rundt en brønnboring, og dermed forbedre beslutningstakingen for geostyring. Det er flere mangler ved dagens 3D brønn geostyringssystem, a) Det er ingen automatisert, sanntids, 3D geologisk tolkning og vurdering av usikkerhet under boring (b) en standardisert prosedyre er ikke tilgjengelig for å identifisere alle mulige geologiske konfigurasjoner langs en godt planlagt, (c) det er beregningsmessig kostbart å beregne EM-målinger oppnådd i 3D geomodell med dagens inversjonsmetode som tar høyde for usikkerhet, (d) utvalget av maskinlæringsbaserte (ML)-baserte teknologier for geostyring er svært begrenset. Hovedmålet er å utvikle og verifisere en arbeidsflyt for automatisk, sanntids 3D geologisk tolkning av LWD-logs for optimale beslutninger om brønnplassering. Følgende sekundære mål vil bli adressert: • Geomodellering rundt brønn: Generer et sett med stedsspesifikke 3D-geomodeller rundt brønn som fanger opp alle kjente og forventede geologiske trekk og konfigurasjoner som forventes å bli påtruffet langs brønnen. •Probabilistisk 3D-inversjon: Robust, nøyaktig og beregningsmessig effektiv ensemblebasert inversjon av LWD-logs (inkludert EM-målinger) for å kvantifisere usikkerheter. • ML-metoder: ML-baserte metoder for sanntidsgeologisk tolkning for å komplementere og utvide analysemetodene. • Verifikasjon: Vurder kvaliteten på tolkningen rundt brønn under ulike geologiske forhold gjennom casestudier.

Geosteering decisions are based on geological models. To make optimal decisions while drilling, it is necessary that geological models for the near-wellbore region are well-calibrated against measurements received while drilling, and that uncertainties are quantified. The current work processes for geosteering suffer from shortcomings. (i) It is highly challenging to geologically interpret LWD measurements in real-time for complex formations in an objective manner. (ii) It is highly challenging to update geomodels from available interpretations. (iii) There is a lack of a transparent, systematic, consistent and effective workflow for quantifying complex geological uncertainties. The primary objective of this project is to establish and verify a workflow for automatic, real-time, objective around-bit 3D geological interpretation of LWD logs for optimal well placement decision support while drilling in complex formations. The format of the interpretation supports future automatic updates of standard probabilistic geomodels. To achieve this, we will address the following secondary objectives: - Around-bit geomodelling. In the pre-drill phase, generate a set of site-specific geomodels that capture all possible geological configurations that can be expected along the well. This ensures that the basis for inversion is firmly grounded in the geological understanding of the drilling target, and constrains the spread of possible interpretation outcomes. - Probabilistic 3D inversion. Robust, accurate and computationally effective, ensemble-based inversion of LWD logs (including deep sensing EM logs) to quantify uncertainties. - ML methods. Machine learning methods for real-time geological interpretation to complement and expand on the analytical methods. - Case studies. Assess the quality of the around-bit interpretation under various geological conditions, applied to both synthetic and real data.