2018

HERIOT­WATT  UNIVERSITY

INSTITUTE  OF  PETROLEUM  ENGINEERING

ECLIPSE  TUTORIAL  NO. 3

(Model construction, history matching and prediction)

This exercise is divided into three parts:
A – Identifying initial input parameters (OOIP and  Ø) from early production data and
material balance.
B – Adjust history matching parameters to give correct water production rate.
C – Predict optimum development strategy for remainder of field life.

A – Use of Material Balance to calculate IOIP and system porosity.

 “ Extract”  the tut3.zip file (and the include­files subfolder) into your workspace.
Only "drag and drop" from the zip file if you see the “include­files” folder and not
its contents. This folder must be a sub­folder with its contents in place.

The HAROLD­HISTORY.DATA file contains a model of an undersaturated oil
reservoir with a small aquifer that started producing oil from a single well on 9th
August 2014.  The porosity is not known, but is thought to be somewhere in the
range   25%­35%.     Your   fist   task   is   to   use   the   Material   Balance   equation   to
calculate the original stock tank oil in place (STOOIP), and from that estimate a
single porosity value to use in the model.  The bulk volume of the reservoir above
the oil water contact is known to be approximately 37,279,000 rb, and the Net­to­
Gross ratio has been estimated at 0.76.

The fact that during the initial stages of production the reservoir remains above
the bubble point pressure (3100 psia) and that there is negligible influx of water
initially, allows you to use the following equation to calculate the STOOIP:

1
 �N � B B �S .c + c � __
1 - � p �= oi + oi � wi w rock .D p
�
�N � Bo Bo � 1 - S wi �

where the quantity (Np/N) is the Recovery Factor (RF) as a fraction of the OOIP
__
(i.e. N), the pressure increase (which will be negative) is given by   D p .   The
other   quantities   have   their   usual   meanings   –   formation   volume   factors,
compressibilities and saturations.   These may be taken from the input data file.
Assume Swi  = 0.28 (which includes the water leg) and in calculating Bo  and Boi,
bear in mind that the gas­oil ratio initially is 0.35 Mscf/stb.   You may use the
spreadsheet CM2Ex1_RECIP.xls to assist with this calculation. Note that Eclipse
linearly interpolates 1/Bo so we do the same here.

Use the table below which contains measured static pressures (an estimate of field
average pressure) and cumulative production for the initial period of production in
this reservoir, before there is any water injection and before water breakthrough.
Take the pressure and cumulative  production from one date  as  your reference
point for calculating STOOIP.

Date Measured Static Cumulative oil production

BHP
(psia) (stb)
9 August 2014 5102.11 0
1 September 2014 5069.188 17273
1 October 2014 5017.916 44243
1 November 2014 4962.92 73166
1 December 2014 4906.981 102566
1 January 2014 4847.899 133597
1 February 2014 4789.133 164441
1 March 2014 4736.872 191853
1 April 2014 4677.07 223194
1 May 2014 4619.618 253284

Once you have calculated STOOIP, use the relationship

STOOIP = N = (bulk volume / Bo(init)) x Ø x NTG x Soil to calculate Ø.

What value of Ø do you get? Explain the value of saturation that you use.

In Figure 1, show a screen capture of the spreadsheet indicating your inputs and
the   final   calculations   of   N   and   Ø.   Enter   this   value   for   Ø   as   being   uniform
throughout   the   field   and   run   the   model.     In   Figure   2,   plot   the   Field   Average
Pressure (FPR) from the model  and the static  BHP  data from the table  above
against time (you will need to extract FPR from the .RSM file from your run and
make the plot in Excel). On Figure 3 plot WBHP and WBHPH against time and in
Figure 4 plot FOPR and FOPRH against time, etc to compare the calculated (eg
FOPR) and historically observed (eg FOPRH) values.)

2
 Explain what would make a good (i.e. acceptable) match and whether or not you
have   one   in   each   of   the   plots?   Can   you   suggest   you   could   change   to   further
improve the match?
If you have a good match, will the forecast be accurate and if not why not?

B – Adjust history matching parameters to give correct water production rate.

The first stage in history matching a model is generally to ensure that correct
material balance is used, and as a result the pressures profiles should match the
observed values.  The next step is to match water production rates.

What   additional   information,   if   any,   will   we   gain   from   considering   the   field
average  pressure match  for the waterflood if we are happy with the match of
depletion in Part A.  

Additional data from 1 May 2015 to 1 April 2017 may be added by inserting the
following immediately before the END keyword:

­­ History match after start of water injection on 01/05/15 up to 01/04/17
INCLUDE
 'include­files\SCHED­HIST­TO­1­Apr­2017.INC' /

(Remember that you cannot alter historical observed data and do not delete the
existing INCLUDE statement!)

Run this model, and in Figure 5 plot calculated and historical water production
rates.  In Figure 6 plot the calculated and historical BHP values at the injector and
producer wells.

What information can we gain from history matching the BHP data at this point
and what pitfalls might we encounter?

It turns out that layer 2 of the simulation grid was assigned an incorrect absolute
permeability   during   the   original   model   construction   but   all   other   well
measurements were correctly assigned.  Vary this parameter until you get a match
on water production rate and BHP pressures.

What value do you think gives the best match?

Plot calculated and historical water flow rates (on Figure 8) and BHPs (on Figure
9) for both wells for ALL of the various simulations you’ve run.

Did you get an acceptable match to either the pressure or the water production
rate?   If  not  how   did  you  decide  on  how   to  define  the   best  match  and   if  you
matched one of the variables, what might you change to improve any remaining
mismatch?

C – Predict optimum development strategy for remainder of field life.

3
You   have   a   budget   to   drill   two   new   wells   which   can   come   on   stream   as   of
01/05/17.  These wells may be sidetracked from existing wells or they may be new
wells;   they   may   be   horizontal   or   vertical   production   wells,   or   water   injection
wells.  Additionally, you may close existing completions when wells hit economic
limits   (use   GECON   keyword   which   should   be   placed   after   the   included   file
“HIST­TO­1­Apr­2017.INC”).   Immiscible   gas   may   also   be   injected   instead   of
water at no extra cost.

Horizontal wells are defined by multiple entries in the COMPDAT keyword for
the same well, keeping Ztop and Zbot the same, and setting the 13 th  item in the
keyword to be X or Y, depending on the orientation (default is Z), eg

COMPDAT
­­ well   X   Y   Ztop  Zbot  Status           well ID            orientation
   D10    9  10       2     2     OPEN    1*  1*   0.500         3*     X/
   D10    8  10       2     2     OPEN    1*  1*   0.500         3*     X/
   D10    7  10       2     2     OPEN    1*  1*   0.500         3*     X/
   D10    7  11       2     2     OPEN    1*  1*   0.500         3*     Y/
/

Alternatively, a polymer flood may be attempted, instead of drilling one new well
(i.e. a total of three wells only may be simulated but you can inject polymer into
all injectors).  Properties of the polymer used in TUT2 should be used here.  You
may also deplete the field by stopping injection altogether.  This model is three­
phase, and if the pressure drops below  the bubble  point then free gas will  be
evolved.

The aim of this part of the exercise is to investigate a range of scenarios and
sensitivities by simulation which should include trying different combinations of
wells as well as water­flood, polymer­flood and gas flood within the economic
constraints. You are trying to find those that maximise recovery.

The field economic constrains are that you must maintain production of oil to be
at least 400 stb/d, and the water cut  may not exceed 98%.   Use the GECON
keyword   to   automatically   detect   when   the   economic   constraints   have   been
reached. Simulate monthly time steps. With GECON you can set the number of
steps to be large as the simulation stops automatically. However, you should make
sure this is why the simulation stops.

You may produce at no more than 3300 BBL/day per well and inject water at no
more than 3500 BBL/day  per well. All injectors must keep pressure below 5200
PSI   while   producer   pressures   stay   above   2300   PSI.  You   MUST   set   up
WCONPROD and WCONINJ keywords to apply this for the forecast period. Gas
injection is also limited to a maximum of 2000 Mscf/DAY per well.

Compare the results of a minimum of 10 and maximum of 20 simulations with the
base case calculation considering a range of scenarios (you may also investigate
sensitivities within scenarios). In the report indicate which is your best strategy,

4
 and   why   it   works   well   –   i.e   describe   why   the   displacement   process   is   more
efficient in the optimum model.   Compare your optimum model to a base case
where the original wells are used continuing with waterflooding. You should also
compare two alternative scenarios (e.g. polymer versus gas versus inclusion of a
4th well). Plot the recovery or recovery factor vs time and the water cut vs time as
a comparison for ALL of the sensitivity calculations.  Use saturation (or changes
in saturation) plots to explain illustrate your conclusions for the main cases of
interest. Also provide a table listing your sensitivity calculations (name of file*,
parameter varied and results (eg final FOPT, etc.). The emphasis here should not
be on squeezing the last drop of oil out, but on understanding why one technique
is more effective than another. 

Remember that running a simulation is far cheaper than actually drilling a well
and   all   numerical   experiments   are   valid!     You   can   learn   (and   demonstrate
learning) as much from the ones that show poor recovery as from the ones that
show good recovery.

* It is important that you develop the habit of keeping files well organised, using
folders, sensible file names and a descriptor at the top of each file which indicates
what the current sensitivity entails.  

Eric Mackay & Karl Stephen Jan 2018