Kredit:CC0 Public Domain
Den radiale heterogenitet af dannelsen af nær-brøndboringer, normalt manifesteret som variationer af formationsbølgehastigheder i radial position, er stødt på i olieefterforskning og -produktion. Kortlægning af radiale variationer af formationshastigheder er væsentlig til at identificere invaderede zoner og bestemme stenegenskaber, som er værdifulde for tekniske foranstaltninger.
Inversionsmetoder er de vigtigste metoder til at bestemme radiale bølgehastighedsprofiler. Til monopol akustisk brøndlogning, beregningen af bølgernes ankomsttidspunkt er påkrævet ved profilering af P-bølgehastigheden, som er ustabil og unøjagtig ved behandling af feltdata med støj.
For nylig, forskere fra Institute of Acoustics ved det kinesiske videnskabsakademi (IACAS) foreslog en trinvis inversionsmetode baseret på monopol-akustiske brøndlogningsdata til radialt at profilere hastighederne for dannelsen af nær-borehullet.
Inversionsmetoden krævede ikke beregning af bølgernes ankomsttid, dermed afbøde unøjagtigheden ved behandling af feltdata med støj. Ud over at profilere formationens P-bølgehastighed, den foreslåede metode kunne også anvendes til at kortlægge formationens S-bølgehastighed.
I stedet for at vende variationen i formationshastigheden og dens tilsvarende radiale position samtidigt som traditionelle metoder gør, forskerne opdelte inversionsproceduren i to trin:udtrækning af hastighedsarrayet ved lighedsbehandling af sammenhængende modtagerpar af akustiske arraydata, og derefter få tykkelsen af laget (radial position) baseret på stråleteori.
Inversionsresultaterne fra trin 1 kunne bruges til at guide operationen og beslutte, om trin 2 var nødvendigt.
De modelleringsbaserede inversionsresultater og anvendelsen til feltdata indikerede effektiviteten og nøjagtigheden af den trinvise inversionsmetode. Med sin hurtige hastighed og stabilitet i beregningen, dette arbejde kunne give databehandlingsresultater i realtid på oliefeltet.
Forskningen, offentliggjort i Journal of Petroleum Science and Engineering , blev støttet af National Natural Science Foundation of China.