Monte Carlo Simulaties in Petroleum Volumetrie

Inleiding

In de moderne petroleumexploratie speelt risicobeheer en kwalitatieve schatting van potentiële opbrengsten een cruciale rol. Bij de evaluatie van een prospect worden zowel de geologische onzekerheden als de variabiliteit van het reservoir in aanmerking genomen. Een van de technieken om deze onzekerheden te kwantificeren is de Monte Carlo simulatie. Deze methode genereert honderden tot duizenden berekeningen, gebaseerd op verschillende invoerparameters, om zo een waarschijnlijkheidsverdeling van de potentiële volumes te verkrijgen.

Deze uitleg richt zich op hoe Monte Carlo simulaties worden toegepast bij volumetrie in petroleum exploratie. We zullen bespreken welke parameters er in het volumetrische model zijn betrokken, waarom onzekerheden een belangrijke rol spelen, en hoe het resultaat een beeld geeft van het mogelijke extractionspotentieel (bijvoorbeeld, de Stock Tank Oil Initially In Place (STOIIP)).

Wat is een Monte Carlo simulatie?

Een Monte Carlo simulatie is een statistische techniek die gebruikmaakt van willekeurige getallen om complexe berekeningen en modellen te evalueren. In plaats van een enkel getal als resultaat te geven, bepaalt de simulatie een waarschijnlijkheidsverdeling van uitkomsten. Dit is bijzonder waardevol in de exploratie van petroleum, waar parameters zoals porositeit, net-to-gross ratio, waterverzadiging en het formatie-volume factor (FVF) niet exact bekend zijn maar variëren binnen bepaalde spreidingen.

Door voor elk van deze variabelen een bereik en een kansverdeling (bijvoorbeeld normaal, lognormaal, of uniforme verdeling) vast te leggen, worden duizenden scenario’s gesimuleerd. Elke iteratie kiest willekeurige waarden vanuit deze verdelingen en berekent op basis daarvan het te verwachten volume.

Het volumetrische model in petroleum exploratie

In petroleum exploratie wordt vaak gebruikgemaakt van een volumetrische formule om het initiële olievolume te bepalen. Een bekende formule is:

STOIIP = (GRV × N/G × φ × (1 – Sw)) / FVF

Hierin betekent:

• GRV (Gross Rock Volume): Het totale volume van de rotsmassa waarin potentieel olie aanwezig is.
• N/G (Net-to-Gross ratio): Het deel van het GRV dat economisch productief is (reservoirgesteente).
• φ (Porositeit): De opslagcapaciteit van het gesteente, uitgedrukt als de fractie van het volume dat uit poriën bestaat.
• Sw (Waterverzadiging): Het deel van de poriënruimte dat met water is gevuld, zodat (1 – Sw) de fractie is die met olie wordt gevuld.
• FVF (Formation Volume Factor): Een correctiefactor die rekening houdt met verschillen tussen reservoirvoorwaarden en oppervlaktecondities.

Elke van deze parameters kent een inherente onzekerheid. Bijvoorbeeld, porositeit kan variëren afhankelijk van de heterogeniteit van het reservoir. Het vaststellen van vaste waarden zou onvoldoende inzicht geven in de mogelijke verspreiding van resultaten. Daarom worden dynamische cijfers gecombineerd met kansverdelingen.

De toepassing van Monte Carlo simulaties in volumetrie

Wanneer de waarden van GRV, N/G, φ, Sw, en FVF onzeker zijn, kan men voor elk van deze parameters een waarschijnlijkheidsverdeling definiëren. Bijvoorbeeld:

• φ kan een normale verdeling hebben met gemiddelde 20% en een standaardafwijking van 3%.
• Sw kan variëren tussen 0.2 en 0.4, waarbij een uniforme of gespreide verdeling wordt aangenomen.
• N/G kan worden geschat op basis van seismische data, met een betrouwbaarheidsinterval dat de onzekerheid weerspiegelt.

In een Monte Carlo simulatie worden volgende stappen uitgevoerd:

1. Definieer de kansverdelingen: Voor alle inputvariabelen worden kansdichtheidsfuncties vastgesteld. Dit vereist vaak een grondige analyse van historische data, boorresultaten, en geologische interpretaties.
2. Willekeurig trekken: Voor een enkele simulatie-iteratie wordt een willekeurige waarde voor iedere parameter getrokken volgens de gedefinieerde distributie.
3. Bereken de uitkomst: Met de getrokken waarden wordt de formule STOIIP = (GRV × N/G × φ × (1 – Sw)) / FVF toegepast. Dit levert één mogelijke uitkomst op.
4. Herhaal: Deze procedure wordt duizenden keren herhaald. Elke iteratie geeft een ander volume, afhankelijk van de toevalswaarden.
5. Verzamel de resultaten: Uiteindelijk verkrijgt men een reeks uitkomsten die samen een waarschijnlijkheidsverdeling vormen voor het potentiële volume.

Dit proces vangt de inherente onzekerheid van alle gebruikte parameters door het genereren van een spreiding aan mogelijke resultaten.

Door de waarschijnlijkheidsverdeling te analyseren kunnen geologen een beter begrip krijgen van het risico versus de potentie. Dit levert niet alleen een “enkele waarde” op maar een volledig spectrum van scenario’s, waarmee het management gefundeerde beslissingen kan nemen over investeringen en boorbeslissingen.

Aannames en Overwegingen bij de Simulatie

Het is belangrijk om enkele aannames bij het uitvoeren van Monte Carlo simulaties te benoemen:

• Onafhankelijkheid van parameters: Vaak wordt aangenomen dat de gekozen parameters onafhankelijk van elkaar variëren. Indien er correlaties bestaan, moet dit in de simulatie worden meegenomen.
• Kwaliteit van inputdata: De nauwkeurigheid van de kansverdelingen is cruciaal. Slechte data kunnen leiden tot foutieve conclusies.
• Systeembereik: Er wordt verondersteld dat de gekozen formule een adequate representatie vormt van het onderliggende geologische proces. Complexere modellen kunnen additionele factoren bevatten, maar de bovengenoemde formule is een beproefde basis in exploratie

Deze aannames kunnen in de praktijk worden herzien en verfijnd op basis van nieuw verzamelde data en geavanceerdere methoden. Daarom is de Monte Carlo aanpak niet statisch, maar een iteratief proces dat verbetert naarmate meer informatie beschikbaar komt.

Conclusie

De toepassing van Monte Carlo simulaties in petroleum exploratie biedt een krachtig middel om de onzekerheid in volumetrische schattingen te kwantificeren. Doordat duizenden iteraties worden uitgevoerd op basis van variabele inputparameters, ontstaat er een robuust beeld van de mogelijke opbrengst. Het resultaat is een uitgebreide waarschijnlijkheidsverdeling die aangeeft hoe groot de kans is dat een prospect een bepaald volume aan olie of gas bevat.

Dit probabilistische inzicht is onmisbaar voor zowel de risicobeoordeling als de strategische beslissing om een prospect wel of niet te ontwikkelen. Bedrijven kunnen op basis van deze informatie scenario’s evalueren, waarbij ze rekening houden met zowel het minimum, het meest waarschijnlijke (P50) als het optimale resultaat. Daarnaast geeft de simulatie inzicht in de mate van onzekerheid en de spreiding van mogelijke uitkomsten, wat helpt bij het prioriteren van exploratieprojecten.

In samenvatting: Monte Carlo simulaties transformeren ruwe geologische data in een concreet en bruikbaar overzicht van potentiële opbrengsten. Dit maakt het mogelijk om complexe, risicovolle beslissingen beter te onderbouwen en lean managementprincipes toe te passen in een onzekere exploratiemarkt.