二氧化碳封存项目中利用大数据和智能油田技术进行泄漏检测
智能油田具有两个显著特点:大数据和实时访问.一个仅有10口井的小型智能油田每年可产生超过10亿的数据点.这些数据实时更新,并作为历史数据进行存储.目前的主要挑战在于,如何运作智能油田并处理大规模的信息,以便于将相应的方法应用于油藏管理和其他相关作业.本文介绍了一项技术,该技术能处理和利用智能油田所产生的数据.所涉及的项目是一个二氧化碳封存示范项目,位于阿拉巴马州(Alabama)的Citronelle穹隆,目的是要利用智能油田技术建立一个实时、长期的二氧化碳智能泄漏检测系统(IUDS).地质二氧化碳埋存的主要问题在于,是否具有在非常长的时间内在地下封存并保持注入二氧化碳的能力.如果地质体中出现泄漏,为了采取恰当的补救措施,找到泄漏的大概位置并估算泄漏量就变得非常重要.为了有助于处理二氧化碳泄漏检测问题,在观测井中安装了两套PDG(永久井下计量器).在Citronelle穹窿,开发了二氧化碳埋存的油藏模拟模型.该模型模拟了多种二氧化碳泄漏的情形,并通过观测井中的PDG收集高频压力数据.压力信号响应和油藏模型的复杂性使得分析模型的反解变得不符合实际.因此基于机器学习,为ILDS开发了一种替代解法.高频数据流的处理具有实时性,然后将其总结(通过描述性统计)并转换至适合于模式识别技术的格式.利用实时数据流,对储层二氧化碳泄漏的地点和泄漏量进行成功的检测,这也表明模式识别和机器学习可作为智能油田油藏和作业管理的工具,展现了巨大的作用.
2015-05-04（万方平台首次上网日期，不代表论文的发表时间）
58-65
