3D geological interpretation for geosteering of wells

Retningsstyring under boring er avgjørende for å maksimere olje- og gassutvinning fra petroleumsreservoarer. Geostyring innebærer å styre borestrengen og plassere brønner i sanntid basert på geologiske data. Ved å analysere målinger tatt under boring—kjent som Logging While Drilling (LWD)—kan vi omdanne rådata til detaljerte beskrivelser av underjordiske bergarter, noe som gir oss et tydeligere 3D-bilde av området rundt brønnen. Denne dypere forståelsen hjelper oss med å ta bedre beslutninger om hvor vi skal styre borestrengen. Dagens 3D geostyringssystemer har imidlertid visse begrensninger: a) Det finnes ingen automatisert, sanntids tolkning av 3D geologiske data eller vurdering av usikkerhet under boring. b) Det finnes ingen standardisert prosedyre for å identifisere alle mulige geologiske scenarier langs den planlagte brønnbanen. c) Metodene for å behandle elektromagnetiske (EM) målinger i 3D-modeller er svært ressurskrevende, spesielt når man tar hensyn til usikkerheter. d) Maskinlæringsteknologi (ML) er underutnyttet innen geostyring, og ingen eksisterende metoder kan identifisere geologiske trekk rundt brønnbanen. Vårt hovedmål er å utvikle og teste en ny arbeidsflyt for automatisk, sanntids tolkning av 3D geologiske data fra LWD-målinger for å forbedre beslutningstaking ved brønnplassering. For å oppnå dette vil vi fokusere på flere viktige mål: • 3D geomodellering rundt brønnen: Utvikle stedsspesifikke 3D-modeller som fanger opp alle mulige geologiske trekk langs brønnbanen. • Sannsynlighetsbasert 3D-inversjon: Utvikle robuste, effektive metoder for å behandle LWD-data og kvantifisere usikkerheter i geologisk tolkning. • Integrering av maskinlæring: Inkorporere ML-metoder for å styrke sanntidstolkning av geologi, som et supplement til tradisjonelle metoder. • Verifisering: Vurder kvaliteten på tolkningen rundt brønn under ulike geologiske forhold gjennom asestudier i ulike geologiske miljøer.

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.