Regn med oss

For best mulig håndtering av olje- og gass-reservoarer er det i petroleumsbransjen vanlig å lage matematiske modeller av reservoarene. Ved slik modellering defineres ofte et 3D-gitter, og så tenker en seg at gitter-cellene fylles med forskjellige steintyper som sand og skifer. Mønstrene som da lages av den oljeholdige sanda og den ugjennomtrengelige skiferen bestemmer om og hvordan oljen/gassen kan flyte i reservoaret. Siden mye er ukjent om virkelige reservoarer er det nødvendig å bygge inn usikkerhet i modellene, og studere sannsynlighetene for de forskjellige flytegenskapene.

Markov mesh modeller er en metode for å fylle gitter-cellene på en fornuftig måte, og samtidig håndtere disse usikkerhetene. En starter med et tredimensjonalt “treningsbilde”, og lager så en matematisk modell som analyserer og lagrer de forskjellige treningsbildemønstrene. Denne modellen brukes så for å simulere nye tredimensjonale gitter, som hver seg likner på treningsbildet, men som samlet spenner ut det som finnes av mønstermuligheter/usikkerhet. I tillegg til treningsbildeinformasjonen kan en betinge på seismiske data og brønndata under simuleringen. Da reduserer usikkerhetene.

En komplikasjon oppstår dersom treningsbildet har mønstre på mye større skala enn gitteret selv. Siden Markov mesh modellen bare bruker informasjon fra et begrenset område rundt hver gittercelle under simuleringen av steintyper, kan den ikke “se” langt nok til å fange opp disse storskalamønstrene.

Dette problemet har vi på NR løst ved å bruke mange påfølgende gitter-forfininger. Først simulerer vi celler på et svært grovt gitter, deretter forfiner vi det tredimensjonale gitteret i én retning om gangen, og for hver forfining simulerer vi de nye cellene. Til slutt har vi forfinet så mye i hver retning at vi har kommet ned til det fineste gitteret, og simuleringen er ferdig.

Metoden med multiple gitter benyttes også av andre multipunkts-metoder. Men ved å bruke den i Markov mesh modelller oppnår vi å kombinere den smarte gitter-bruken med en metode som er matematisk konsistent og gir raske simuleringer. Resultatene er fine og viser at metoden har god evne til å håndtere mange forskjellige typer treningsbilder. Det gjør den anvendelig i mange geologiske settinger, og hjelper oljeselskapene til å få god kontroll på reservoarmodellene de bruker for å planlegge og drifte utvinning av olje og gass.

For en stund siden deltok jeg på Lofoten-seminaret i Petroleumsgeofysikk. Det var en hyggelig seanse. For det første er Røst et spesielt, vakkert og levedyktig samfunn, men viktigst i denne sammenhengen var at seminarets opplegg og faglige innhold var rikholdig og variert. Her var det doktorgradsstudenter, professorer, forskere fra ulike institutter og bedrifter i den private sektor, og også representanter fra den offentlige forvaltning. Temaene favnet et vidt spenn, fra CO₂-injeksjon på Snøhvit, via seimisk prosessering, sensitivitet av geofysiske parametre, Lofoten og Vesterålens geologi, til den ganske så vidløftige idéen om å bruke solitoner til å øke gjennomstrømningskapasiteten i oljefelt. Og mer. Et vidt spekter, virkelig!

Jeg synes det er svært positivt at det arrangeres seminarer og konferanser som gir god mulighet for å møte folk fra et norsk fagmiljø. Utenlandske konferanser er flott og viktig, men la meg denne gangen slå et slag for de nasjonale møtepunktene. Alle trenger et faglig nettverk, og for Norge er det viktig at det eksisterer en norsk forankring mange føler seg hjemme i. Hurra for Lofotenseminaret i Petroleumsgeofysikk!

Dette bildet av seminardeltakerne på geologiekskursjon er tatt fra UniGeos hjemmeside, det var de som arrangerte seminaret. 

På SAND-avdelinga ved Norsk Regnesentral beskriver vi geometrien til olje- og gass-reservoarene som finnes for eksempel under havbunnen i Nordsjøen. Siden geometrien til hvert reservoar ikke er nøyaktig kjent – ingen kan jo vite sikkert hvordan bergartene ligger formet under havbunnen – bruker vi det som heter stokastiske metoder for å matematisk beskrive alle mulige bergarts-formasjoner for et reservoar. Antall muligheter blir litt begrenset hvis vi har data fra seismiske målinger eller testbrønner, men fremdeles er det et svært stort antall mulige formasjoner igjen.

Stokastiske metoder gjør at vi kan si hvor sannsynlig hver av de mulige formasjonene er. Dette er nyttig informasjon som oljeselskapene kan bruke når de skal bestemme hvor de skal bore brønner for å produsere gass eller olje.

Figuren til venstre illustrerer nettopp dette (klikk på bildet for en stor utgave). SANDs arbeid består i å lage mange muligheter for hvordan reservoaret ser ut på fin skala (før ”skifte av skala” i figuren). Selv om de stokastiske metodene for å lage disse mulighetene er i stadig utvikling, har det å bruke slike metoder i arbeidsflyten ikke endret seg. Figuren er nemlig fra forsiden til en årskalender Henning Omre og Frode Georgsen, begge da i SAND, laget i 1993, men både figur og tekst er fremdeles gyldige.