MACHINE LEARNING ASSISTED COMPLETION DESIGN FOR NEW WELLS

• Main Authors: BANSAL, Yogesh, MIJARES, Gerardo
• Format: Patent
• Language: English; French
• Published: 29.06.2023
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; EARTH DRILLING; EARTH DRILLING, e.g. DEEP DRILLING; FIXED CONSTRUCTIONS; MINING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR ASLURRY OF MINERALS FROM WELLS; PHYSICS

Systems and methods for completion design are disclosed. Wellsite data is acquired for one or more existing production wells. The wellsite data is transformed into model data sets for training a first machine learning (ML) model to predict well logs. A first well model uses the well logs to estimate production of the existing well(s). Parameters of the first well model are tuned based on a comparison between the estimated and actual production of the existing well(s). A second ML model is trained to predict parameters of a second well model for a new well, based on the tuned parameters of the first well model. The new well's production is forecasted using the second ML model. Completion costs for the new well are estimated based on the well's completion design parameters and the forecasted production. Completion design parameters are adjusted, based on the estimated completion costs and the forecasted production. Des systèmes et des procédés de conception de complétion sont divulgués. Des données d'emplacement de puits sont acquises pour un ou plusieurs puits de production existants. Les données d'emplacement de puits sont transformées en jeux de données de modèle destinés à entraîner un premier modèle d'apprentissage automatique (ML) pour prédire des diagraphies de sondages. Un premier modèle de puits utilise les diagraphies de sondages pour estimer la production du ou des puits existants. Des paramètres du premier modèle de puits sont réglés sur la base d'une comparaison entre la production estimée et réelle du ou des puits existants. Un second modèle ML est entraîné pour prédire des paramètres d'un second modèle de puits pour un nouveau puits, sur la base des paramètres réglés du premier modèle de puits. La production du nouveau puits est prévue à l'aide du second modèle ML. Les coûts de complétion du nouveau puits sont estimés sur la base des paramètres de conception de complétion du puits et de la production prévue. Des paramètres de conception de complétion sont ajustés, sur la base des coûts de complétion estimés et de la production prévue.