About the Use of Quality Indicators to Reduce Information Loss When Performing Upscaling

À propos de l’utilisation d’indicateurs de qualité afin de réduire la perte d’information lors d’un upscaling

IFP Energies nouvelles, 1 - 4 avenue de Bois-Préau, 92852 Rueil-Malmaison Cedex – France
e-mail: christophe.preux@ifpen.fr

Abstract

Hydrocarbon reservoirs are characterized by the spatial distributions of petrophysical properties. These spatial characteristics are usually derived from well data and seismic information. To study a reservoir, the engineers build a fine geological model, also called a geostatistical model, to represent the field. The purpose is to capture as well as possible the peculiarities and heterogeneity of the true reservoir. At this stage, performing a flow simulation with such detailed geological models is just too time-demanding. Therefore, a possibility consists of upscaling the geological model to an upscaled mesh, thus resulting in a coarse reservoir model for which fluid flow can be numerically simulated in a reasonable amount of time. The coarse grid blocks of this reservoir model are attributed equivalent petrophysical properties related to the properties populating the fine grid blocks. These properties are upscaled, and so they do not capture all of the details of the fine model. In this paper, we investigate the potential of various numerical and easy to compute criteria, which help evaluate the information loss due to the upscaling process. Our final purpose is to provide and access the reliability of quality indicators, which make it possible to evaluate the quality of the upscaled reservoir model. The potential of this systematic and integrated study is illustrated with two types of numerical experiments based upon the SPE10 case. First, we apply different upscaling methods to determine coarse reservoir models. Quality indicators are computed for each of them so that we identify the most suitable upscaling methods. Then, the upscaled models are input to flow simulators to check the accuracy of our quality estimations. Second, we also investigate the influence of coarsening and try to determine from the computed quality indicators the coarse cell size above which too much information is lost.

Résumé

Les réservoirs pétroliers sont caractérisés par une distribution spatiale de propriétés pétrophysiques. Ces caractéristiques spatiales sont généralement dérivées de données de puits et sismiques. Les ingénieurs construisent alors un modèle géologique fin, aussi appelé modèle géostatistique, pour représenter le champ. Le but est de capturer aussi bien que possible les particularités et l’hétérogénéité du réservoir. À ce stade, réaliser une simulation d’écoulement avec ces modèles géologiques aussi détaillés est trop coûteux en temps de calcul. Par conséquent, une possibilité consiste à upscaler le modèle géologique sur une grille grossière, afin d’obtenir un modèle de réservoir grossier pour lequel l’écoulement peut être simulé numériquement dans un laps de temps raisonnable. On attribue alors des propriétés pétrophysiques équivalentes aux cellules de la grille grossière. Même si ces données équivalentes sont obtenues à partir des propriétés de la grille fine, elles ne tiennent pas compte de tous les détails du modèle géologique fin. Dans cet article, nous étudions le potentiel de divers critères quantitatifs et facile à calculer, qui aident à évaluer la perte d’information due au processus d’upscaling. Notre but final est de fournir et d’évaluer des indicateurs de qualité, qui permettent d’évaluer la qualité du modèle de réservoir. L’intérêt de cette étude est illustrée avec deux types d’expériences numériques basées sur le cas SPE10. Tout d’abord, nous appliquons différentes méthodes d’upscaling afin d’obtenir différents modèles de réservoir. Les indicateurs de qualité sont calculés pour chacun d’eux afin d’identifier les méthodes d’upscaling les plus appropriées. Ensuite, les modèles réservoir sont fournis à un simulateur d’écoulement afin de vérifier l’exactitude de nos estimations de qualité. Deuxièmement, nous étudions également l’influence du nombre de mailles afin de déterminer à partir des indicateurs de qualité le nombre de maille limite à partir duquel trop d’information est perdue.