采用敏捷油藏建模进行规模油藏不确定性分析

钻探活动是能源行业中最昂贵、操作最复杂的活动之一。钻机、人员、设备和物流需要提前数月规划，几乎没有延误的余地。每一小时的停机都可能带来巨大的成本。地球科学家和工程师依赖储层模型来理解地下情况并指导钻探决策，通常在巨大时间压力下进行。然而，许多公司用于这些关键决策的现有建模基础设施是为较小的数据集、更简单的工作流程和孤立操作而设计的。随着地下数据规模和复杂性的增加，团队需要一种更快速、更互通的方式，将不确定性转化为可执行的决策。 现在，SLB 的敏捷油藏建模（ARM）已普遍可用，并与能源 Azure 数据管理器（ADME）集成，共同为云规模优化，以弥合该差距。该组合解决方案将以集合为中心的油藏建模和仿真与治理数据基础、弹性的 Azure 高性能计算以及为大规模集合研究的吞吐量和并发性设计的可扩展存储连接起来。 单一油藏模型代表对地下的一个可行解释。集合建模则同时评估数百个模型实现，为资产团队提供更广阔的潜在结果视角，并为理解不确定性和风险提供更坚实的依据。 业界长期以来一直认可集成建模在风险感知决策中的价值，但由于基础设施和软件设计针对较小的顺序研究，采用受到限制。从有限的模型集转向数百个实现会大幅增加必须管理的计算、存储、数据移动和结果。