Avancées dans les techniques de forage par induction 3D
De nouvelles méthodes améliorent l'efficacité de la modélisation géologique pour l'exploration pétrolière et gazière.
― 8 min lire
Table des matières
- Importance de la Modélisation 3D en Enregistrement par Induction
- Le Rôle de la Modélisation Rapide et Précise
- Méthode d'Équation Intégrale
- Décomposition de domaine pour Améliorer l'Efficacité
- Comment Ça Marche la Décomposition de Domaine
- Avantages de la Décomposition de Domaine
- Modélisation des Champs Électriques et Magnétiques
- Distribution de Conductivité et Ses Implications
- Défis de l'Inversion 3D
- Utilisation des Méthodes de Sous-Espaces de Krylov pour un Calcul Rapide
- Critères d'Arrêt Adaptatifs pour Améliorer la Performance
- Expériences Numériques et Leurs Résultats
- Comparaison de Différentes Approches de Modélisation
- Application Pratique dans des Formations Géologiques Complexes
- Simulation de Forage sur une Formation Fissurée
- Directions Futures pour la Recherche
- Conclusion
- Remerciements
- Disponibilité des Données
- Source originale
- Liens de référence
L'enregistrement par induction, c'est une technique courante dans l'industrie pétrolière et gazière pour récolter des infos sur les formations géologiques autour d'un forage pendant le forage. Ça utilise des outils spéciaux qui mesurent les propriétés électriques de la terre autour du trou de forage. Quand ces outils sont en place, ils fournissent des données précieuses qui aident à décider dans quelle direction forer.
Importance de la Modélisation 3D en Enregistrement par Induction
Les données récoltées via les enregistrements d'induction sont souvent complexes, car la structure de la terre n'est pas uniforme. Pour bien comprendre les caractéristiques géologiques, il faut créer un modèle tridimensionnel (3D) du sous-sol. Cette modélisation permet aux ingénieurs et géologues de visualiser comment les propriétés électriques changent en 3D, ce qui est crucial pour un forage efficace et l'extraction de ressources.
Le Rôle de la Modélisation Rapide et Précise
Un des plus gros défis dans la création de modèles géologiques 3D, c'est la rapidité et la précision du processus de modélisation. L'efficacité de ces modèles dépend beaucoup de la modélisation directe, qui simule comment l'outil d'induction réagirait à différentes configurations géologiques. Pour ça, les chercheurs cherchent sans cesse des moyens plus rapides et précis de faire cette modélisation.
Méthode d'Équation Intégrale
Une méthode courante pour modéliser en 3D, c'est la méthode d'Équation Intégrale (EI). Elle est largement utilisée parce qu'elle permet de simuler des données électromagnétiques de manière précise sans faire trop d'hypothèses sur l'environnement géologique. La méthode EI consiste à décomposer le problème en parties plus petites et à les résoudre de manière itérative. Bien qu'elle ait ses avantages, elle peut être chronophage et nécessite pas mal de ressources informatiques, surtout pour les grands modèles.
Décomposition de domaine pour Améliorer l'Efficacité
Pour faire face aux coûts de calcul élevés liés à la méthode EI, les chercheurs ont développé une technique appelée décomposition de domaine. Cette approche consiste à diviser la zone de modélisation plus large en sous-domaines plus petits et gérables. En résolvant ces petits problèmes de manière indépendante, le temps de calcul total peut être réduit de manière significative.
Comment Ça Marche la Décomposition de Domaine
Dans la décomposition de domaine, la zone d'intérêt est divisée en plusieurs sections rectangulaires plus petites. Chacune de ces sections, ou sous-domaines, peut être traitée séparément. Ça veut dire que pendant qu'une partie du modèle est calculée, d'autres parties peuvent être travaillées en même temps. Cette capacité de traitement parallèle accélère considérablement le processus de modélisation.
Avantages de la Décomposition de Domaine
Utiliser la décomposition de domaine non seulement accélère les calculs mais réduit aussi l'utilisation de la mémoire. C'est super important quand on travaille avec de grands ensembles de données, car les méthodes traditionnelles peuvent demander plus de mémoire que ce qui est disponible sur des ordinateurs standard. En découpant le problème en sous-domaines, les chercheurs peuvent travailler avec moins de données à la fois.
Modélisation des Champs Électriques et Magnétiques
En enregistrement par induction, les champs électrique et magnétique jouent des rôles critiques. Le champ électrique aide à déterminer à quel point le matériau peut conduire l'électricité, tandis que le champ magnétique donne des infos supplémentaires sur la structure et les caractéristiques des matériaux environnants. Modéliser ces champs avec précision est essentiel pour obtenir des données fiables pour l'analyse.
Distribution de Conductivité et Ses Implications
La distribution de conductivité autour du trou de forage est directement liée aux propriétés géologiques du sous-sol. Différents matériaux auront différents niveaux de conductivité, ce qui peut indiquer la présence de pétrole, de gaz, d'eau ou d'autres minéraux. En modélisant ces distributions avec précision, les ingénieurs peuvent prendre des décisions éclairées sur les lieux et méthodes de forage.
Défis de l'Inversion 3D
Bien qu'il existe des méthodes pour obtenir des modèles 3D à partir des enregistrements d'induction, obtenir des résultats d'inversion précis est compliqué à cause des fortes demandes informatiques. Les approches traditionnelles s'appuient souvent sur des modèles 1D ou 2D, qui peuvent négliger des caractéristiques critiques présentes en 3D. Donc, des techniques plus avancées sont nécessaires pour capturer efficacement la complexité des formations géologiques.
Utilisation des Méthodes de Sous-Espaces de Krylov pour un Calcul Rapide
Pour résoudre les équations linéaires qui apparaissent durant le processus de modélisation, les chercheurs utilisent souvent des méthodes de sous-espaces de Krylov. Ces méthodes sont pratiques car elles peuvent résoudre de grands systèmes d'équations plus efficacement que les techniques traditionnelles. C'est particulièrement utile dans le cadre de la méthode EI, car les équations générées peuvent être assez complexes.
Critères d'Arrêt Adaptatifs pour Améliorer la Performance
Une autre approche innovante consiste à établir des critères d'arrêt adaptatifs pour les solveurs itératifs utilisés dans le processus de modélisation. En permettant aux conditions d'arrêt de changer selon l'avancement de la solution, les chercheurs peuvent souvent réduire le temps nécessaire pour converger vers un résultat précis. Cette adaptabilité est particulièrement avantageuse dans les scénarios où les propriétés géologiques sont très variables.
Expériences Numériques et Leurs Résultats
À travers diverses expériences numériques, les chercheurs ont montré les avantages de la méthode EI combinée à la décomposition de domaine. Dans ces tests, l'efficacité de la méthode a été significativement augmentée, avec des réductions tant du temps de calcul que de l'utilisation de la mémoire. Par exemple, avec les nouvelles techniques, les temps de calcul ont été réduits jusqu'à 35 % par rapport aux méthodes traditionnelles sur domaine complet.
Comparaison de Différentes Approches de Modélisation
En évaluant la performance de la nouvelle méthode de décomposition de domaine par rapport aux méthodes traditionnelles, les chercheurs ont constaté que bien que la première ait nécessité plus d'itérations dans le solveur de Krylov, le temps total de calcul était quand même inférieur. Cela est dû à la taille réduite des problèmes à résoudre à chaque itération, ce qui est un avantage considérable lorsqu'on travaille avec de grands ensembles de données.
Application Pratique dans des Formations Géologiques Complexes
Les méthodes développées pour une inversion 3D et une modélisation efficaces ont des applications directes dans des environnements géologiques difficiles. Par exemple, dans des cas où le sous-sol est composé à la fois de couches isotropes et anisotropes, ces techniques permettent une imagerie plus précise des structures géologiques, menant à des décisions mieux informées durant les opérations de forage.
Simulation de Forage sur une Formation Fissurée
Un des scénarios pratiques testés était la simulation de forage à travers une formation fissurée complexe. En appliquant la méthode de décomposition de domaine, les chercheurs ont pu modéliser efficacement la réponse des outils d'induction, même en présence de caractéristiques géologiques complexes. Cette simulation impliquait des variations significatives de conductivité dû aux matériaux environnants, soulignant encore l'importance de la modélisation précise.
Directions Futures pour la Recherche
Alors que les méthodes informatiques continuent d'évoluer, il y a un potentiel pour encore plus d'améliorations dans l'efficacité des techniques de modélisation 3D. La recherche future pourrait explorer davantage de perfectionnements aux méthodes de sous-espaces de Krylov ou le développement de nouveaux algorithmes capables d'améliorer la rapidité et la précision des modèles, surtout quand on les applique à de vastes ensembles de données.
Conclusion
Les avancées en enregistrement par induction 3D grâce à l'utilisation de la méthode d'Équation Intégrale et des techniques de décomposition de domaine représentent un pas en avant significatif dans la compréhension de la géologie du sous-sol. En permettant une modélisation plus rapide et précise, ces innovations équipent les ingénieurs et géologues des outils nécessaires pour optimiser les efforts de forage et maximiser l'extraction de ressources. Avec la recherche continue, le domaine de l'enregistrement par induction est en route pour devenir encore plus efficace et fiable, ouvrant la voie à des insights plus profonds sur les structures complexes de la terre.
Remerciements
Cette recherche contribue à l'objectif plus large d'améliorer la gestion des ressources et de minimiser les impacts environnementaux dans l'industrie pétrolière et gazière, montrant l'importance du développement continu des technologies de modélisation.
Disponibilité des Données
Pour l'instant, les données et codes associés à cette recherche ne sont pas disponibles au public, mais des plans sont en cours pour envisager des options open-source à l'avenir.
Titre: 3D induction log modelling with integral equation method and domain decomposition preconditioning
Résumé: The deployment of electromagnetic (EM) induction tools while drilling is one of the standard routines for assisting the geosteering decision-making process. The conductivity distribution obtained through the inversion of the EM induction log can provide important information about the geological structure around the borehole. To image the 3D geological structure in the subsurface, 3D inversion of the EM induction log is required. Because the inversion process is mainly dependent on forward modelling, the use of fast and accurate forward modelling is essential. In this paper, we present an improved version of the integral equation (IE) based modelling technique for general anisotropic media with domain decomposition preconditioning. The discretised IE after domain decomposition equals a fixed-point equation that is solved iteratively with either the block Gauss-Seidel or Jacobi preconditioning. Within each iteration, the inverse of the block matrix is computed using a Krylov subspace method instead of a direct solver. An additional reduction in computational time is obtained by using an adaptive relative residual stopping criterion in the iterative solver. Numerical experiments show a maximum reduction in computational time of 35 per cent compared to solving the full-domain IE with a conventional GMRES solver. Additionally, the reduction of memory requirement for covering a large area of the induction tool sensitivity enables acceleration with limited GPU memory. Hence, we conclude that the domain decomposition method is improving the efficiency of the IE method by reducing the computation time and memory requirement.
Auteurs: Durra Handri Saputera, Morten Jakobsen, Koen W. A. van Dongen, Nazanin Jahani, Kjersti Solberg Eikrem, Sergey Alyaev
Dernière mise à jour: 2023-06-30 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2306.17537
Source PDF: https://arxiv.org/pdf/2306.17537
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.