導出井下流體的流體性質及其不確定度的系統和方法

2023-06-18 00:58:26 3

專利名稱：導出井下流體的流體性質及其不確定度的系統和方法
技術領域：
本發明涉及為了勘探和開發諸如油井或氣井的產烴鑽井的目的而評估和測試地質地層的地層流體分析。特別地，本發明針對從井下光譜測量導出地層流體的流體性質的系統和方法。

背景技術：
井下流體分析(DFA)是一種通常用於確定具有烴沉積物的地質地層的特性和本性的重要有效的調查技術。DFA用在油田勘探和開發中，用於確定烴儲層的巖石物理、礦物、和流體性質。DFA是包括井下流體的成分、流體性質和相態特性的一類儲層流體分析，用於表徵(characterizing)烴流體和儲層。
典型地，在儲層地層中的井下發現了諸如油、氣、和水的流體的複雜混合物。井下流體(也稱作地層流體)具有許多特性，包括壓力、含氣流體顏色(live fluid color)、脫氣原油(dead-crude)密度、氣油比(GOR)、及其他流體特性，這些特性用作表徵烴儲層的指示器。在這方面，部分基於儲層中地層流體的流體性質來分析和表徵烴儲層。
為了評估和測試井眼(borehole)周圍的地下地層，經常希望獲得地層流體的樣本以便表徵流體。人們已經開發了允許在測井運行(logging run)中或鑽井(drilling)期間從地層取出樣本的工具。Schlumberger的儲層地層測試器(Reservoir Formation Tester，RFT)和模塊地層動力學測試器(Modular FormationDynamics Tester，MDT)工具是用於為表面分析而抽取地層流體的樣本的採樣工具的例子。
DFA的近期發展包括用於表徵井孔(wellbore)或井眼中井下地層流體的技術。在這方面，Schlumberger的MDT工具可以包括一個或多個流體分析模塊，諸如Schlumberger的成分流體分析儀(Composition Fluid Analyzer，CFA)和含氣流體分析儀(Live Fluid Analyzer，LFA)，以在流體仍在井下時分析由工具採樣的井下流體。
在上述類型的DFA模塊中，要進行井下分析的地層流體流過傳感器模塊，諸如利用近紅外(NIR)吸收光譜法分析流動的流體的分光計模塊。共有的美國專利第6,476,384和6,768,105是與前述技術相關的專利的示例，其內容通過引用而全部合併在這裡。地層流體也可以在與DFA模塊相關聯的樣本室內被捕獲，該樣本室中嵌入有諸如壓力/溫度計的傳感器，以測量所捕獲的地層流體的流體性質。
鑽杆測試(DST)是用於確定儲層壓力、滲透性、表皮或烴儲層的生產率的井下技術。井下壓力測量用於儲層特性表徵，並且DST串設計基於相同測試給出來自多個區域的儲層信息用於儲層建模。作為一種技術解決方案，DST是對探井中的劃區(compartmentalization)進行測驗的一種常規方法。但是，在深水或類似的背景中，DST可能是不經濟的，其成本常常可與新井的成本相比。此外，在某些應用中，DST可能具有環境影響。因而，在一些實例中，DST不是用於表徵烴儲層特性的優選途徑。
當前，烴儲層中的劃區是通過壓力梯度度量來標識的。在這方面，假定地質地層中各層之間的壓力傳遞建立了流傳遞的存在。但是，僅僅基於壓力傳遞來為劃區表徵儲層特性會造成問題，並因而常常獲得無法接受的結果。此外，也需要針對流體成分梯度分析烴儲層。


發明內容
由於上面所討論的背景以及井下流體分析領域公知的其它因素，申請人發現了通過下述操作用於地層流體的實時分析的方法和系統導出流體的流體性質以及基於所預測的流體性質的感興趣的答案結果(answer product)。
在本發明的優選實施例中，來自井下測量的數據(諸如光譜數據)被用於計算汙染水平。油基泥漿汙染監控(OCM)算法用於確定井下流體中例如來自油基泥漿(OBM)濾液的汙染水平。基於汙染水平，而為井下流體預測流體性質，諸如含氣流體顏色、脫氣原油密度、氣油比(GOR)、螢光性等等。從所測量數據的不確定度以及所預測汙染的不確定度導出所預測的流體性質的不確定度。提供了統計框架，用於流體的比較，以產生與地層流體和儲層相關的實時、魯棒的答案結果。
申請人:開發了通過流體性質比較而使能實時DFA的建模方法論和系統。例如，在本發明的優選實施例中，建模技術和系統用於處理與井下流體採樣相關的流體分析數據(諸如光譜數據)，以及用於比較兩個或多個流體以便基於比較的流體性質而導出分析結果。
申請人:認識到，量化地層流體中的汙染水平以及確定與所量化的流體汙染水平相關聯的不確定度的步驟將是導出油田勘探和開發中感興趣的答案結果的有利步驟。
申請人:還認識到，所量化的汙染水平上和所測量數據上的不確定度可以被擴散為感興趣的其它流體性質(諸如，含氣流體顏色、脫氣原油密度、氣油比(GOR)、螢光性等等)上的對應不確定度。
申請人:還認識到，量化地層流體的所預測流體性質上的不確定度將提供用於流體的實時比較的有利基礎，並且對於數據中的系統誤差不太敏感。
申請人:還認識到，通過使用本發明的新穎採樣過程降低或消除所測量數據中的系統誤差將得到對井下數據測量中的誤差不太敏感的、以所預測的流體性質為基礎的地層流體的魯棒且準確的比較。
根據本發明，一種從井下光譜數據導出井下流體的流體性質以及提供答案結果的方法包括下述步驟接收至少兩種流體的流體性質數據，其中至少一種流體的流體性質數據是從井眼中的設備接收的。與從井眼設備接收流體性質數據實時地，導出流體的相應流體性質；量化所導出的流體性質上的不確定度；以及提供與地質地層的評估和測試相關的一個或多個答案結果。該流體性質數據可以包括來自井眼中設備的光譜通道的光密度，以及本發明的實施例包括接收關於光密度的不確定度數據。在本發明的一個實施例中，基於流體的流體性質將井眼中的設備定位在某位置處。在本發明的優選實施例中，流體性質是含氣流體顏色、脫氣原油密度、GOR和螢光性中的一個或多個，以及答案結果是與地質地層的評估和測試相關的劃區、成分梯度和最優採樣處理中的一個或多個。一種從一種或多種井下流體的流體性質導出答案結果的方法，包括接收來自至少兩個源的井下流體的流體性質數據；確定對應於所接收數據的每個源的流體性質；以及量化與所確定的流體性質相關聯的不確定度。流體性質數據可以是從井下光譜分析儀的顏色通道和甲烷通道接收的。可以量化井下流體的每個通道的汙染水平及其不確定度；可以獲得通道的汙染水平的線性組合以及關於所組合的汙染水平的不確定度；可以確定井下流體的成分；可以基於井下流體的成分以及所組合的汙染水平而預測井下流體的GOR；以及可以導出與所預測的GOR相關聯的不確定度。在本發明的一個優選實施例中，可以基於兩種流體的所預測的GOR及相關聯的不確定度來確定兩種井下流體不同的概率。在本發明的另一優選實施例中，放置井下光譜分析儀，以獲取該第一流體性質數據和第二流體性質數據。該第一流體性質數據是從井下光譜分析儀的第一站點接收的，而該第二流體性質數據是從該光譜分析儀的第二站點接收的。在本發明的另一方面，一種比較具有相同或不同汙染水平的兩種井下流體並且基於該比較產生實時井下流體分析的方法，包括獲取具有相同或不同汙染水平的兩種井下流體的數據；基於所獲取的數據確定兩種流體的每種的相應汙染參數；基於該相應汙染參數表徵兩種流體的特性；基於該兩種流體的特性而統計上比較兩種流體；以及基於該兩種流體的統計比較而產生指示烴地質地層的井下流體分析。一種用於表徵地層流體的特性以及基於該特性提供答案結果的本發明的系統，包括井眼工具，其包括具有光學單元的流送管，耦接到該流送管的泵，用於泵送地層流體通過光學單元，以及流體分析儀，其光學地耦接到該單元，並且被配置來產生關於被泵送通過該單元的地層流體的流體性質數據；以及耦接到井眼工具的至少一個處理器，其包括用於接收來自井眼工具的流體性質數據、並且與接收數據實時地、從該數據確定流體的流體性質以及與所確定的流體性質相關聯的不確定度以便提供與地質地層相關的一個或多個答案結果的器件。一種其上具有下述計算機可讀程序代碼的計算機可用介質，該計算機可讀程序代碼當被計算機執行時適於與井眼系統一起用來實時比較兩種或多種流體以提供從該比較導出的答案結果，所述代碼包括接收至少兩種井下流體的流體性質數據，其中至少一種流體的流體性質數據是從井眼系統接收的；以及與接收數據實時地，基於所接收的數據計算流體的相應流體性質以及與所計算的流體性質相關聯的不確定度，以提供與地質地層相關的一個或多個答案結果。
本發明的其他優點和新穎特徵將在後面的說明中闡述或者可以由本領域技術人員通過閱讀這裡的材料或者實踐本發明而習得。本發明的優點可以通過所附權利要求陳述的器件來實現。



附示了本發明的優選實施例並且是說明書的一部分。這些附圖與下面的描述一起說明和解釋了本發明的原理。
圖1是本發明的示例性操作環境的橫截面上的示意表示。
圖2是根據本發明的用於比較地層流體的一個系統的示意表示。
圖3是根據本發明的用於比較地層流體的一個流體分析模塊裝置的示意表示。
圖4A到4E是描繪根據本發明比較井下流體並且導出其答案結果的優選方法的流程圖。
圖5是實驗室中所獲得的三種流體的光學吸收光譜的圖形表示。地層流體A和B分別以藍色和紅色示出，而泥漿濾液以綠色示出。
圖6A和6B用圖形描繪了利用上面圖5中所提及的流體A和B仿真A的結果。圖6A示出了對於流體A作為時間函數的實際汙染(黑色)和所估計的汙染(藍色)，圖6B示出了對於流體B作為時間函數的實際汙染(黑色)和所估計的汙染(紅色)。
圖7是對於在上面的圖5和6A-6B中所提及的流體A(藍色)和B(紅色)的含氣流體顏色比較的圖形描繪。對於這兩種流體，虛線指示所測量的數據，而實線示出了所預測的含氣流體顏色以及所估計的不確定度。這兩種流體統計上不同。
圖8A和8B用圖形描繪了利用流體C(藍色)和D(紅色)仿真B的結果，其示出了作為時間函數的實際汙染(黑色)和所估計的汙染(藍色/紅色)。
圖9是對於在上面的圖8A-8B中也曾提及的流體C(藍色)和D(紅色)的含氣流體顏色的比較的圖形表示。對於這兩種流體，虛線指示所測量的數據，而實線示出了含氣流體顏色以及誤差直方圖(error-bar)。就含氣流體顏色而言，這兩種流體統計上相似。
圖10A用圖形示出了烴的所測量的(虛線)和所預測的(實線)脫氣原油光譜的示例，圖10B表示了截止波長與脫氣原油光譜之間的經驗相關性。
圖11A用圖形比較了流體A(藍色)和流體B(紅色)的所測量的(虛線)和所預測的(實線)脫氣原油光譜，圖11B比較了流體C(藍色)和流體D(紅色)的所測量的(虛線)和所預測的(實線)脫氣原油光譜。這些流體先前曾在上面提及。流體A和流體B統計上不同而流體C和流體D統計上相似。
圖12以圖形形式圖示了作為體積汙染的函數的逆向氣(retrograde-gas)的GOR(單位是scf/stb)的變化。在較小的汙染水平，GOR對體積汙染非常敏感；汙染上的較小不確定度可以導致GOR上較大的不確定度。
圖13A用圖形示出了作為體積汙染的函數的流體A(藍色)和B(紅色)(流體A和B先前曾在上面提及)的GOR和對應的不確定度。流體A的最終汙染是ηA＝5％而流體B的最終汙染是ηB＝10％。圖13B是作為汙染的函數的K-S距離的圖形表示。在用於區分兩種流體的敏感度最大的ηB處最佳地比較兩種流體的GOR，這可以歸結為當汙染水平是ηB時對兩種流體的光密度的比較。
圖14A用圖形示出了對於流體A(藍色)和B(紅色)作為汙染的函數的GOR；這些流體就GOR而言在統計上非常不同。圖13B示出了對於流體C(藍色)和D(紅色)作為汙染的函數的GOR；這些流體就GOR而言在統計上相同。這些流體在上面也曾提及。
圖15用圖形示出了三個站點A(藍色)、B(紅色)和D(品紅色)的來自甲烷通道(在1650mm處)的光密度(OD)。對於所有三條曲線，以虛線黑色跡線示出由汙染模型的擬合。對於三個站點A、B和D的在收集樣本之前的汙染分別是2.6％、3.8％和7.1％。
圖16用圖形圖示了對於站點A(藍色)、B(紅色)和D(品紅色)的所測量的OD(虛線跡線)和含氣流體光譜(實線)的比較。站點D的流體更暗，並且在統計上不同於站點A和B。站點A和B處的流體統計上不同的概率是0.72。上述圖15中提到了這些流體。
圖17用圖形示出了對於(上面也曾提到的)在站點A、B和D處的三種流體的含氣流體光譜(虛線)和所預測的脫氣原油光譜(實線)的比較。
圖18用圖形示出了對於(上面也曾提到的)在站點A、B和D處的三種流體的從脫氣原油光譜獲得的截止波長及其不確定度。在站點A(藍色)、B(紅色)和D(品紅色)處的三種流體就截止波長而言在統計上類似。
圖19是示出了(上面也曾提到的)在站點A、B和D處的所有三種流體的脫氣原油密度接近於0.85g/cc的圖。
圖20A用圖形圖示了站點A(藍色)和B(紅色)處的流體的GOR在統計上是相似的，而圖20B圖示了站點B(紅色)和D(品紅色)處的流體的GOR在統計上也是相似的。這些流體先前曾在上面提到。
圖21是來自站點A的、對應於流體A的光密度數據以及來自站點B的、對應於流體A和B的數據的圖形表示。
圖22用圖形表示了分別在站點A和B處所測量的、來自流體A(藍)和流體B(紅)的顏色通道的數據(在圖21中也曾提及)。黑線是利用油基泥漿汙染監控(OCM)算法對所測量數據的擬合。在泵送的最後，流體A的汙染水平是1.9％，並且流體B的汙染水平是4.3％。
圖23A用圖形描繪了在站點B處對應於流體A的數據(請注意圖21和22)的前沿，而圖23B用圖形描繪了站點B處的一個通道的數據的前沿並且示出了所測量的光密度(在測量的噪聲範圍內)幾乎是恆定的。
圖24(含氣流體顏色的圖形比較)示出了兩種流體A和B(注意圖21-23)不能基於顏色來區分。
圖25(脫氣原油光譜的圖形比較)示出了兩種流體A和B(注意圖21-24)不能根據脫氣原油顏色來區分。
在所有附圖中，同樣的附圖標記指示類似的但不必等同的元件。雖然本發明容許各種改變和替換形式，但是特定示例在附圖中作為示例示出，並且在本文中將詳細描述。但是，應該理解，本發明並不意欲局限於所公開的特定形式。相反，本發明意欲覆蓋落入所附權利要求定義的本發明範圍內的所有修改、等價物和替代。

具體實施例方式 下面描述本發明的圖示性實施例和方面。為了清楚起見，在說明書中並沒有描述實際實施的所有特徵。當然，應該理解，在任何這樣實際實施例的開發過程中，必需做出眾多特定實施的決定以達到開發者的特定目標，諸如遵從系統相關和業務相關的限制，而這些限制將隨各個實現而變化。此外，應該理解，這樣的開發工作可能是複雜且耗時的，但是儘管如此，其仍將是從本公開獲益的本領域普通技術人員的日常工作。
本發明適用於使用地層測試器工具(例如，模塊化地層動態測試器(MDT))中的流體分析模塊(諸如Schlumberger的成分流體分析器(CFA)和/或含氣流體分析器(LFA)模塊)、在例如纜線井下流體分析領域中的油田勘探和開發。如本文所使用的，術語「實時」指基本上與獲取部分數據或全部數據同時(諸如，在井眼裝置在井中或者在井站處從事測井或鑽井操作時)的數據處理和分析；術語「答案結果」指關於油田勘探、開發和生產的感興趣的中間和/或最終結果，其是通過處理和/或分析井下流體數據而導出或獲取的；術語「劃區」指防止烴儲層被作為單個生產單位對待的流體流動的巖石壁壘；術語「汙染」和「汙染物」指在對儲層流體採樣時得到的不想要的流體，諸如油基泥漿濾液；以及術語「不確定度」指觀測或計算值可能不同於真實值的估計量或百分比。
申請人:對烴儲層中劃區的理解提供了本發明的基礎。通常，地層中層間壓力傳遞是用於標識劃區的量度。但是，壓力傳遞並不必然轉化為層間的流傳遞，並且對壓力傳遞必然轉化為層間的流傳遞的假定可能導致錯過的流劃區。最近已建立了如下理論，即壓力量度在估計儲層劃區和成分梯度中是不充分的。由於壓力傳遞隨著地質老化而發生，因而對於兩個鬆散砂巖體可能存在壓力傳遞，但是並不必然存在彼此的流傳遞。
申請人:認識到，在標識劃區上的錯誤見解可能導致生產參數(諸如洩油體積、流動速率、井布置、設施和完成設備(completion equipment)的大小)上的顯著誤差，以及導致生產預測上的誤差。申請人還認識到當前需要為標識烴儲層中的劃區和成分梯度、以及其它感興趣特性而應用魯棒且準確的建模技術和新穎的採樣過程。
目前，關於劃區和/或成分梯度的決定是從地層中兩個相鄰區之間的流體性質諸如氣油比(GOR)的直接比較而導出的。基於該流體性質的直接比較來做出作為劃區標記的評價決定，諸如可能的GOR逆轉或密度逆轉。申請人認識到，當兩個相鄰區的流體性質具有明顯的差別時，這樣的方法是適當的，但是在其中的流體具有變動的汙染水平、且流體性質之間的差別較小但是在分析儲層上仍顯著時，對地層中鄰近區的流體性質的直接比較則不那麼令人滿意。
申請人:還認識到，通常在某些地質背景(geological settings)下，流體密度逆轉可能較小並且被投射到較小的垂直距離上。在其中密度逆轉或等價地GOR梯度較小的背景下，當前的分析可能將所劃區的儲層錯誤地標識為單個流單元，而作為錯誤標識的結果則導致昂貴的生產後果。類似地，流體性質的空間變化的不準確評估可以擴散為關於地層流體生產的預測上的顯著的不準確度。
考慮到前述方面，申請人理解，關鍵是確定和量化含有烴沉積物的地質地層中相鄰層之間流體性質上的較小差別。此外，一旦儲層已開始生產，通常必要的是從儲層中的各區(sector)諸如層、斷層石塊等監控烴回收(recovery)。準確監控烴回收的關鍵數據是油田中不同區的烴成分和性質(諸如光學性質)、以及流體成分和性質上的差別。
由於申請人對這裡所討論因素的理解的緣故，本發明提供了使用魯棒的統計框架比較井下流體的系統和方法，其比較具有相同或不同流體性質(例如泥漿濾液的汙染的相同或不同水平)的兩種或多種流體的流體性質。在這方面，本發明提供了用於使用節省成本的且有效的統計分析工具比較井下流體的系統和方法。著眼於表徵烴儲層，例如通過標識儲層中的劃區和成分梯度，而完成為井下流體所預測的流體性質的實時統計比較。申請人認識到，流體性質(例如，GOR、流體密度)作為所測量的深度的函數提供了儲層特性的有利標記。例如，如果作為深度函數的GOR的導數是階梯狀的(step-like)即非連續的，則儲層中的劃區是有可能的。類似地，其它流體性質可以用作劃區和/或成分梯度的指示符。
在本發明的一個方面，來自井下工具(諸如MDT)的光譜數據用於比較具有相同或不同泥漿濾液汙染水平的兩種流體。在本發明的另一個方面，通過量化各種預測的流體性質的不確定度來比較井下流體。
本發明的系統和方法使用隨時間漸近減少的泥漿濾液部分的概念。本發明在優選實施例中使用光密度的著色測量和氣油比(GOR)光譜數據的近紅外(NIR)測量，來導出關於採樣的流體在兩個或多個光譜通道處的汙染水平。在下面的專利(其每個都在此全文引作參考)中詳細討論了這些方法即美國專利第5,939,717號、第6,274,865號和第6,350,986號。
圖1是本發明的示例性操作環境的橫截面的示意表示。儘管圖1描繪了以地面為基地的操作環境，但是本發明並不限於地面，而是具有以水面為基地的應用(包括儲油層的深水開發)的適用性。此外，儘管這裡的描述使用了油氣勘探和生產背景，但相信本發明具有在其它背景諸如水儲層中的適用性。
在圖1中，服務車10位於井場(well site)，該井場具有井眼12，其中井眼工具20懸掛在纜線22的末端。典型地，井眼12包含流體諸如水、泥漿、地層流體等的組合。在示例性的布置中，如圖1示意性所示出那樣，一般相對於服務車10而建造和安排井眼工具20和纜線22。
圖2公開了根據本發明的一個示例性系統14，其用於例如在服務車10位於井場(注意圖1)時比較井下流體並且基於比較的流體性質而產生分析結果。井眼系統14包括用於測試土壤地層和分析從地層和/或井眼中抽取的流體成分的井眼工具20。在圖1所示類型的地面背景中，典型地從纏繞在地層表面的絞盤(注意圖1)上的多心測井電纜或纜線22的下端將井眼工具20懸掛在井眼12(再次注意圖1)中。在典型的系統中，測井電纜12電耦接到表面電控制系統24，該表面電控制系統24具有用於控制井眼工具20的適當的電子和處理系統。
同樣參考圖3，井眼工具20包括伸長主體26，其中裝有圖2和3中示意性表示的各種電子組件和模塊，用於為井眼工具串20提供必要的、希望的功能。可選擇性擴展的流體準入構件28和可選擇性擴展的工具錨定(tool-anchoring)部件30(注意圖2)分別被安排在伸長主體26的對邊上。流體準入構件28可操作來選擇性地將井眼壁12的所選部分封住或者隔離，從而建立了相鄰土壤地層的壓力或流體傳遞。在這方面，流體準入構件28可以是(圖3中所描繪的)單個探頭模塊29和/或(圖3中同樣示意性表示的)封裝模塊31。
在工具主體26中提供了一個或多個流體分析模塊32。從地層和/或井眼獲得的流體經由一個或多個流體分析模塊32流過流送管(flowline)33，並且然後通過泵出(pumpout)模塊38(注意圖3)的埠排出。或者，可以將流送管33中的地層流體引導到一個或多個流體收集室34和36(諸如1、23/4或6加侖的樣本室和/或6個450cc的多樣本模塊)，用於接收和保留從地層獲得的流體以便傳輸到表面。
流體準入構件、一個或多個流體分析模塊、流動路徑和收集室、以及井眼工具串20的其它操作元件由電控制系統諸如表面電控制系統24(注意圖2)控制。優選地，電控制系統24和位於工具主體26中的其它控制系統例如包括用於對於工具20中的地層流體導出流體性質、比較流體、並執行其它希望的或必需的功能的處理器能力，如下面所更詳細描述的。
本發明的系統14在其各種實施例中優選地包括運轉地與井眼工具串20連接的控制處理器40。控制處理器40在圖2中被描繪為電控制系統24的元件。優選地，本發明的方法在處理器40(其位於例如控制系統24中)中運行的電腦程式中實施。在運行中，該程序被耦接來經由纜線電纜22例如從流體分析模塊32接收數據，以及向井眼工具串20的操作元件發送控制信號。
電腦程式可以存儲在與處理器40相關聯的計算機可用存儲介質42中，或者可以存儲在外部計算機可用存儲介質44中並且在需要時電耦接到處理器40以供使用。存儲介質44可以是目前已知的存儲介質(諸如適合磁碟驅動器的磁碟、光可讀CD-ROM或任何其它類型的可讀設備，包括通過交換電信鏈路耦接的遠程存儲設備)或者適於這裡所描述的目的和目標的未來存儲介質中的任何一個或多個。
在本發明的優選實施例中，這裡所公開的方法和裝置可以以Schlumberger的地層測試器工具、模塊化地層動態測試器(MDT)的一個或多個流體分析模塊實施。本發明有利地提供了具有用於井下分析和地層流體樣本收集的增強功能的地層測試器工具(諸如MDT)。在這方面，地層測試器工具可以與井下流體分析結合而有利地用於採樣地層流體。
申請人:已認識到用於比較具有不同或相同汙染水平的兩種或多種流體的算法方案在井下流體分析中的潛在價值。
在本發明的一種方法的優選實施例中，基於至少部分從井眼裝置20的流體分析模塊32(如圖2和3中所示例性示出的)獲取的光譜數據對兩種或多種流體中的汙染水平及其相關聯的不確定度進行量化。光譜測量(諸如光密度)上的不確定度和所預測的汙染上的不確定度被擴散為流體性質(諸如含氣流體顏色、脫氣原油密度、氣油比(GOR)和螢光性)上的不確定度。就預測的性質來實時比較目標流體。
有利的是，從所預測的流體性質和所獲取的其差別來導出本發明的答案結果。在一個方面，感興趣的答案結果可以直接從所預測的流體性質(諸如地層體積因子(B0)、脫氣原油密度及其它)以及它們的不確定度中導出。在另一方面，感興趣的答案結果可以從所預測的流體性質上的差別(尤其是在所預測的流體性質在計算上接近的示例中)以及所計算的差別上的不確定度中導出。在另一方面，感興趣的答案結果可以基於所計算的流體性質的差別提供關於目標地層流體和/或儲層的推論或標記，即從比較的流體性質和其不確定度中導出的劃區和/或成分梯度的似然性。
圖4A到4E以流程圖的形式表示了用於比較井下流體和基於該比較結果產生答案結果的、根據本發明的優選方法。為簡明起見，這裡的描述將主要針對於來自油基泥漿(oil-base mud，OBM)濾液的汙染物。但是，本發明的系統和方法也易於適用於水基泥漿(water-base mud，WBM)或者合成的油基泥漿(synthetic oil-base mud，SBM)濾液。 汙染及其不確定度的量化 圖4A以流程圖形式表示了根據本發明的用於量化汙染和汙染上的不確定度的優選方法。當開始流體分析模塊32的操作(步驟100)時，探頭28向外伸出以與地層接觸(注意圖2)。泵出模塊38將地層流體汲取到流送管33中，並且將其排出到泥漿中，同時由模塊32分析在流送管33中流動的流體(步驟102)。
油基泥漿汙染監控(OCM)算法通過監控流體性質而量化汙染，該流體性質清楚地將泥漿濾液與地層烴區別開。如果烴較重，例如為重油(dark oil)，則使用流體分析模塊的顏色通道將假設無色的泥漿濾液與地層流體區分開。如果烴較輕，例如為氣或揮髮油，則使用流體分析模塊的甲烷通道將假設沒有甲烷的泥漿濾液與地層流體區分開。下面進一步描述如何能夠從兩個或多個通道(例如顏色通道和甲烷通道)量化汙染不確定度。
汙染不確定度的量化用於三個目的。首先，如下面進一步描述的，其使汙染上的不確定度能擴散到其它流體性質中。第二，可以獲得來自兩個通道(例如顏色和甲烷通道)的汙染的線性組合，從而作為結果得到的汙染與來自兩個通道的任一個的汙染不確定度相比具有較小的不確定度。第三，由於不管流體流動模式或地層種類如何，都將OCM應用於泥漿濾液的所有清理工作中，所以量化汙染不確定度提供了一種捕獲由於OCM導致的基於模型的誤差的手段。
在本發明的優選實施例中，獲取來自兩個或多個通道(諸如顏色和甲烷通道)的數據(步驟104)。在OCM中，利用冪律模型相對於時間t擬合光譜數據諸如在優選實施例中的所測量的光密度d(t)， d(t)＝k1-k2t-5/12 (1.1) 通過最小化數據與來自模型的擬合之間的差來計算參數k1和k2。假設 d＝[d(1)d(2)...d(t)...d(N)]T，k＝[k1k2]T(1.2)且 其中，矩陣U、S和V從矩陣A的奇異值分解得到，而T表示向量/矩陣的轉置。OCM模型參數及其以cov(k)表示的不確定度為 k＝VS-1UTd，cov(k)＝σ2VS-2VT (1.4) 其中σ2是測量中的噪聲方差。典型地，假設泥漿濾液對顏色通道和甲烷通道中的光密度的作用可以忽略。在這種情況下，獲得體積汙染η(t)為(步驟106) 對所預測的汙染上的不確定度起作用的兩個因素是光譜測量上的不確定度(其可以通過實驗室或現場試驗來量化)和用來計算汙染的油基泥漿汙染監控(OCM)模型中的基於模型的誤差。由於測量數據上的不確定度而導致的、以ση(t)表示的、汙染上的不確定度(在步驟108中導出)為 對許多現場數據集合的分析支持如公式1.1所指定的用於汙染的簡單冪律模型的真實性。然而，通常基於模型的誤差可能比噪聲上的不確定度導致的誤差更具支配性。基於模型的誤差的一個量度可以如下從數據與擬合之間的差獲得， 公式1.7的方差估計可以用於替代公式1.4中的噪聲方差。當該模型提供了對數據的較好擬合時，預期公式1.7得到的方差與噪聲方差匹配。另一方面，當模型提供了對數據的較差擬合時，基於模型的誤差大得多，其反映了公式1.7中方差的較大值。這導致公式1.4中參數k的較大的不確定度，並從而導致了公式1.6中汙染η(t)上較大的不確定度。
可以獲得來自顏色和甲烷通道兩者的汙染的線性組合(步驟110)，從而作為結果得到的汙染與從兩個通道中任一個獲得的汙染相比具有較小的不確定度。假設在任意時間的來自顏色和甲烷通道的汙染和不確定度分別表示為η1(t)、ση1(t)和η2(t)、ση2(t)。然後，可以如下獲得汙染的更「魯棒」估計， η(t)＝β1(t)η1(t)+β2(t)η2(t) (1.8) 其中 且 由於該汙染的估計是無偏差估計並且具有比兩個估計η1(t)和η2(t)中任一個更小的不確定度，所以該汙染的估計更魯棒。公式(1.8)中汙染η(t)的不確定度是 (1.9) 本領域技術人員將理解可以將公式1.3到1.9修改成合併用於在不同時間對數據使用不同加權的加權矩陣的效果。利用汙染水平比較兩種流體 圖4B以流程圖的形式表示了根據本發明的、用於比較兩種流體的示例性流體性質的優選方法。在本發明的優選實施例中，四種流體性質被用於比較兩種流體，即，含氣流體顏色、脫氣原油光譜、GOR和螢光性。為簡明起見，相對於流體GOR來描述比較流體性質的一種方法。然而，所描述的方法也可應用於任何其它流體性質。
假設兩種流體以A和B標示。對於流體A和B的汙染數量和不確定度(在步驟112中導出，如上面結合圖4A、步驟106和108所描述的)以及測量上的不確定度(在實驗室或現場試驗中通過硬體校準而獲得)被擴散為GOR的數量和不確定度(步驟114)。假設μA，σ2A和μB，σ2B分別表示流體A和B的GOR的均值和不確定度。在缺少關於密度函數的任何信息的情況下，假定其為由均值和不確定度(或方差)指定的高斯曲線。從而，從兩種流體的GOR上的均值和不確定度可以計算得到基礎(underlying)的密度函數fA和fB(或等價的累積分布函數FA和FB)。假設x和y分別是從密度函數fA和fB取出的隨機變量。流體B的GOR統計上大於流體A的GOR的概率P1為 P1＝∫fB(y＞x|x)fA(x)dx (1.10) ＝∫[1-FB(x)]fA(x)dx 當概率密度函數是高斯曲線時，公式1.10成為 其中erfc表示互補(complementary)誤差函數。概率P1取0到1之間的值。如果P1非常接近0或1，則兩種流體統計上非常不同。另一方面，如果P1接近0.5，則兩種流體相似。
兩種流體之間差別的替代且更直觀的度量為(步驟116) P2＝2|P1-0.5| (1.12) 參數P2反映兩種流體統計上不同的概率。當P2接近於0時，兩種流體統計上相似。當P2接近於1時，兩種流體統計上非常不同。可以將該概率與閾值比較，以使得能夠對兩種流體之間的相似性進行定性判斷(步驟118)。
下文中，通過最初確定感興趣流體的汙染和汙染上的不確定度(上面的步驟112)，而如圖4C的流程圖所示導出四種示例性流體性質和它們對應的不確定度。然後使用上面的公式1.12對兩種或多種流體的流體性質的差別進行量化。含氣流體顏色的量和不確定度 假定泥漿濾液沒有顏色，在任意時刻瞬間t的任意波長λ的含氣流體顏色可以由所測量的光密度(OD)Sλ(t)獲得， 含氣流體顏色末尾(tail)的不確定度為， 公式1.14中的兩項分別反映由於測量Sλ(t)和汙染η(t)上的不確定度而造成的貢獻。一旦為所比較的每個流體計算得到含氣流體顏色(步驟202)和相關聯的不確定度(步驟204)，則可以多種方式比較這兩種流體顏色(步驟206)。例如，可以以所選取的波長比較兩種流體的顏色。公式1.14指示顏色上的不確定度在不同的波長處是不同的。這樣，可以選取對流體比較最敏感的波長以最大化兩種流體之間的區別。另一種比較方法是以參數形式捕獲所有波長的顏色和相關聯的不確定度。這樣的參數形式的一個示例為，Sλ，LF＝αexp(β/λ)。
在該示例中，可以使用上面的公式1.10到1.12比較兩種流體之間的參數α、β以及它們的不確定度，以導出流體顏色不同的概率(步驟206)。仿真示例1 圖5中示出了在實驗室中獲得的三種流體的光學吸收光譜GOR分別為500和1700scf/stb的地層流體A和B(藍色跡線和紅色跡線)、以及一種泥漿濾液(綠色跡線)。在第一仿真中，兩種地層流體以遞減的汙染量被汙染，以仿真地層流體的清理。對於兩種流體使用了不同的汙染模型。在幾個小時的結尾，對流體A的真實汙染是20％而對流體B的真實汙染是2％，如圖6A和6B中的黑色跡線所示。下文中，為進一步引用將該仿真稱為「仿真A」。使用上面公式1.1到1.9中所述的汙染OCM算法分析數據。
由於在分析期間所使用的汙染模型非常不同於仿真中所使用的汙染模型，所以該算法所估計的最終汙染水平有偏差。如圖6A和6B所示，流體A和B的最終汙染分別被估計為10％和2％，不確定度約為2％。圖7中示出了對於兩種流體的所測量數據Sλ和所預測的含氣流體光譜Sλ，LF。虛線形式的藍色和紅色跡線對應於所測量的光學密度。具有誤差直方圖的實線形式的藍色和紅色跡線對應於所預測的含氣流體光譜。在任意波長，兩種含氣流體光譜不同的概率是1。這樣，儘管汙染算法沒有正確地預測流體A的汙染，但是所預測的含氣流體顏色對於這兩種流體非常不同，並且可以用於清楚地區分它們。仿真示例2 在第二仿真(下文中稱之為仿真B)中，利用不同的汙染模型從相同的地層流體(來自先前仿真A的流體B)仿真兩個數據集。分別將這兩種新流體稱為流體C和D。在幾個小時的末端，對於流體C的真實的汙染是9.3％，而對於流體D的真實的汙染是1％，如圖8A和8B中的黑色跡線所示。使用上面公式1.1到1.9中所述的汙染OCM算法分析該數據。兩種流體的最終汙染水平分別被估計為6.3％和1.8％，不確定度約為2％。如前，由於用於分析的模型不同於用於對汙染仿真的模型，所以汙染模型提供了對汙染的有偏差的估計。對於兩種流體的所測量數據(虛線形式的藍色和紅色跡線)以及對應的預測含氣流體光譜(實線形式的藍色和紅色跡線)及其不確定度在圖9中示出。兩種流體的含氣流體光譜非常接近地匹配，這指示這兩種地層流體統計上相似。脫氣原油光譜及其不確定度 可用於比較兩種流體的第二種流體性質是脫氣原油光譜或者部分從脫氣原油光譜導出的答案結果。脫氣原油光譜基本上等於沒有汙染、甲烷和其它較輕質烴的光譜吸收的含氣石油光譜。其可以如下計算。首先，可以利用本領域人員熟知的技術將光密度數據脫色，並且使用LFA和/或CFA反應矩陣計算流體的成分(步驟302)。接下來，可以使用狀態方程(equation ofstate，EOS)計算在所測量的儲層溫度和壓力下甲烷和輕質烴的密度。這使得能夠計算較輕質烴的體積分數VLH(步驟304)。例如，在CFA中，輕質烴的體積分數為 VLH＝γ1m1+γ2m2+γ4m4(1.15) 其中m1、m2和m4是使用主成分分析或者部分最小平方或等價算法計算得到的C1、C2-C5和CO2的部分密度。參數γ1、γ2和γ4是在指定儲層壓力和溫度下的三組密度的倒數。由於成分上的不確定度導致的體積分數的不確定度(步驟304)為 其中，Λ是分別使用LFA和/或CFA的反應矩陣計算得到的成分C1、C2-C5和CO2的協方差矩陣。從所測量的光譜Sλ(t)，可以如下預測脫氣原油光譜Sλ，dc(t)(步驟306)， 脫氣原油光譜上的不確定度(步驟306)為 公式1.18中的三項分別反映由於在測量Sλ(t)、輕質烴的體積分數VLH(t)和汙染η(t)中的不確定度而對脫氣原油光譜的不確定度作出的貢獻。可以對於任意波長的脫氣原油光譜直接比較這兩種流體。一種替代性且優選的方案是將所有波長上的不確定度捕獲成參數形式。參數形式的一個示例為， Sλ，LF＝αexp(β/λ) (1.19) 可以將所有波長上的脫氣原油光譜及其不確定度轉化為參數α和β以及它們的不確定度。反過來，這些參數可以用於計算截止波長及其不確定度(步驟308)。
圖10a示出了烴的所測量光譜(虛線)和所預測的脫氣原油光譜(實線)的示例。可以用截止波長來參數化脫氣原油光譜，該截止波長被定義為OD等於1處的波長。在本示例中，截止波長約為570nm。
通常，截止波長與脫氣原油密度之間的相關性是已知的。圖10B中示出了截止波長與脫氣原油密度之間的全局相關性的示例。圖10B幫助將截止波長的量和不確定度轉化為脫氣原油密度的量和不確定度(步驟310)。兩種流體就脫氣原油光譜或者其所導出的參數而言統計上不同的概率可以使用上面的公式1.10到1.12來計算(步驟312)。
脫氣原油光譜及其不確定度的計算具有許多應用。首先，如本文所描述的，其允許兩種流體之間的輕鬆比較。第二，CFA使用較輕質烴作為其主成分回歸的訓練集合；慣例上假定C6+成分具有約0.68g/cm3的密度，這對於幹氣、溼氣和逆向氣是相當準確的，但對於揮髮油和黑油(black oil)是不準確的。這樣，所預測的脫氣原油密度可以用於修正CFA算法的C6+成分，以更佳地計算重組分的部分密度並且從而更佳地預測GOR。第三，作為對用戶的有價值的答案結果的地層體積因子(B0)是分析的副產品(步驟305) 脫氣原油密度與截止波長之間的所假定的相關性可以進一步用於約束和迭代計算B0。該計算地層體積因子的方法是直接的，並且迴避了使用相關方法計算地層體積因子的替代性的間接方法。顯著地，使用EOS計算的輕質烴的密度對儲層壓力和溫度的小擾動不敏感。這樣，由於EOS的使用使得密度上的不確定度小到可以忽略。仿真示例1 圖11A比較上面仿真A中所使用的兩種流體的脫氣原油光譜。顯然這兩種流體就脫氣原油光譜而言並且因而就密度而言非常不同。仿真示例2 圖11B比較上面仿真B中所使用的兩種流體的脫氣原油光譜。這兩種脫氣原油光譜重疊得非常好，並且這兩種地層流體具有相同脫氣原油光譜的概率接近於1。
氣油比(GOR)及其不確定度 LFA和CFA中的GOR計算為本領域技術人員所熟知。為簡明起見，這裡的描述將使用用於CFA的GOR計算。根據成分而計算流送管中流體的GOR(步驟404)， 其中，標量k＝107285以及β＝0.782。變量x和y分別表示氣相和液相的重量分數。假設[m1m2m3m4]表示在對數據脫色-即從NIR通道中去除顏色吸收貢獻(color absorption contribution)(步驟402)-之後的四種組分C1、C2-C5、C6+和CO2的部分密度。假設C1、C2-C5和CO2完全處於氣相而C6+完全處於液相，則 x＝α1m1+α2m2+α4m4且 y＝m3其中 α1＝1/16，α2＝1/40.1，α4＝1/44。
公式1.21假設C6+處於液相，但是其蒸汽形成與液體保持動態平衡的氣相部分。常數α1、α2、α4和β通過假設C2-C5組中的分布而由C1、C2-C5、C6+和CO2的平均分子量來獲得。
如果流送管流體汙染η*較小，則地層流體的GOR可通過從C6+的部分密度中減去汙染而獲得。在這種情況下，地層流體的GOR由公式1.21給出，其中y＝m3-η*ρ，其中ρ是OBM濾液的已知密度。實際上，在任意其它的汙染水平η下，流送管中流體的GOR可以在y＝m3-(η*-η)ρ的條件下使用公式1.21來計算。GOR(在步驟404中導出)上的不確定度由下面的公式給出， 其中 Λ是組分m1、m2和m3的協方差矩陣，並且由CFA分析而計算得到，並且 在公式1.24和1.25中，變量σxy表示隨機變量x和y之間的相關性。
圖12圖示了相對於體積汙染的逆向氣的GOR(單位為scf/stb)的變化的示例。在小汙染水平，所測量的流送管GOR對體積汙染上的小變化非常敏感。因而，汙染上的小不確定度可以導致GOR上的大不確定度。
圖13A示出這樣的示例，用於說明申請人在本發明中所解決的問題，即什麼是比較具有不同汙染水平的兩種流體的GOR的魯棒方法？圖13A示出了兩種流體的作為汙染的函數所繪製的GOR。在泵送數小時之後，流體A(藍色跡線)具有不確定度為2％的汙染ηA＝5％，而流體B(紅色跡線)具有不確定度為1％的汙染ηB＝5％。按照慣例，已知的分析方法通過使用上述公式1.21預測在零汙染處的投影的地層流體的GOR來比較兩種流體。但是，在小汙染水平處，GOR上的不確定度對汙染上的不確定度非常敏感，從而導致對於地層流體所預測的GOR的較大誤差直方圖。
一種更魯棒的方法是在被優化以區分兩種流體的汙染水平處，比較這兩種流體。如下找到最優汙染水平。設μA(η)、σ2A(η)和μB(η)、σ2B(η)分別表示在汙染η處的流體A和B的GOR上的均值和不確定度。在缺少關於密度函數的任何信息的情況下，假設其是由均值和方差指定的高斯曲線。這樣，在指定的汙染水平處，從兩種流體的GOR的均值和不確定度可以計算得到基礎的密度函數fA和fB或等價的累積分布函數FA和FB。Kolmogorov-Smirnov(K-S)距離提供了一種量化兩種分布FA與FB之間距離的自然途徑， d＝max[FA-FB] (1.26) 可以選取對於流體比較的最優汙染水平以最大化K-S距離。由η~所表示的該汙染水平在其對兩種流體的GOR上的差別最敏感的意義上是「最優的」。圖13B圖示了兩種流體之間的距離。在該示例中，該距離在η~＝ηB＝10％處最大。在這種情況下的GOR比較可以壓縮(collapse)為對在汙染水平ηB處的兩種流體的光密度的直接比較。一旦確定了最優汙染水平，則可以使用上面的公式1.10到1.12計算兩種流體就GOR而言統計上不同的概率(步驟408)。K-S距離由於其簡單而是優選的且不受再參數化(reparameterization)的影響。例如，K-S距離獨立於使用GOR或GOR的函數(諸如log(GOR))。本領域技術人員將理解，也可以使用以Anderson-Darjeeling距離或Kuiper距離定義距離的替代性方法。仿真示例1 在圖14A中將上面的仿真A中兩種流體的GOR及其相關聯的不確定度描繪為汙染的函數。在這種情況下，該兩個GOR非常不同並且兩種流體不同的概率P2接近於1。仿真示例2 在圖14B中將上面的仿真B中兩種流體的GOR及其相關聯的不確定度描繪為汙染的函數。在這種情況下，該兩個GOR非常相似並且兩種流體不同的概率P2接近於0。
螢光性及其不確定度 通過測量在藍色光激勵之後在光譜的綠色和紅色範圍上的光發射，來執行螢光性分光。所測量的螢光性與原油中的多環芳香烴(polycyclic aromatichydromcarbon，PAH)的量相關。
螢光性測量的定量解釋可能是挑戰性的。所測量的信號並不必然與PAH的濃度成線性比例(沒有等價的Beer-Lambert定律)。此外，當PAH的濃度很大時，由冷卻可以減少量子產額。這樣，該信號通常是GOR的非線性函數。儘管在理想情況下，預期僅地層流體具有螢光性所測量的信號，但是OBM濾液中的表面活性劑可能是對所測量信號起作用的因素。在WBM中，所測量的數據可能依賴於油和水的流態(flow regimes)。
在其中使用水基泥漿的某些地理區，CFA螢光性已經顯示出是流體GOR、來自CFA的表觀烴密度以及C1和C6+的質量分率的良好指示器。這些發現也應用於其中所分析的樣本中具有低OBM汙染(＜2％)的具有OBM的情況。此外，螢光性信號的量看起來與脫氣原油密度具有很強的相關性。在這些情況下，期望相對於螢光性度量比較兩種流體。作為例證說明，這裡描述CFA中相對於度量的比較。設F0A、F1A、F0B和F1B分別表示流體A和B(OBM汙染分別為ηA、ηB)在550和680nm上的積分光譜(integrated spectra)。當汙染水平小時，可以在汙染校正之後比較積分光譜(步驟502)。這樣，在由汙染上的不確定度和螢光性度量上的不確定度所量化的不確定度範圍(在步驟504中通過現場試驗或實驗室中的硬體校準而得到)內 並且 如果所述度量大大不同，這應該作為兩種流體之間差別的可能指示而通過標誌傳達給操作員。由於幾種其它因素諸如弄髒的窗口或工具方位或者流態也可能影響該度量，所以操作員可以選擇進一步測試該兩種螢光性度量真實地反映了兩種流體之間的差別。
作為算法中的最終步驟，就顏色(步驟206)、GOR(步驟408)、螢光性(步驟506)、和脫氣原油光譜(步驟312)或者其導出的參數而言兩種流體不同的概率由上面的公式1.12給出。例如，作為感興趣的答案結果的這些概率與用戶定義的閾值的比較使得操作員能夠對成分梯度以及儲層中的劃區用公式表示並且做出判斷。現場示例 在同一井孔中在以A、B和D標示的三個不同站點處，現場運行CFA。表I中的第2列示出了從CFA獲得的流送管流體的GOR。在該工作中，在表面閃燃(flash)該流體以重新計算第3列中所示的GOR。此外，使用氣相色譜分析來量化汙染(第4列)並且在最後的第5列中示出了經校正的井場GOR。第2列指示在儲層中可能存在成分梯度。該假設沒有被第3列所證實。 表I 利用本發明的方法分析了該數據。圖15示出了三個站點A、B和D的甲烷通道(藍色、紅色和品紅色)。黑色跡線是由OCM獲得的曲線擬合。在收集樣本之前的最終體積汙染水平分別估計為2.6％、3.8％和7.1％。這些汙染水平與表I中在井場估計的汙染水平相比相當好。
圖16示出了三種流體的所測量數據(虛線)和所預測的含氣流體光譜(實線)。很明顯，在站點D處的流體暗得多，並且不同於站點A和B處的流體。站點D流體不同於A和B的概率很高(0.86)。站點B處的流體具有比站點A流體多的顏色。假定噪聲標準偏差為0.01，則站點A和B處的兩種流體不同的概率是0.72。
圖17示出了含氣流體光譜和所預測的脫氣原油光譜以及不確定度。插圖示出了三種流體的地層體積因子及其不確定度。圖18示出了所估計的截止波長及其不確定度。圖17和18說明了此三種流體就截止波長而言統計上不同。從圖19可見，所有三種流體的脫氣原油密度都是0.83g/cc。
可以以從公式1.12獲得的概率P2量化流體之間的統計相似性或差別。表II在含氣流體顏色、脫氣原油密度和GOR方面量化了三種流體的概率。在站點A和B處的流體在脫氣原油密度方面統計上不同的概率較低(0.3)。類似地，站點B和D處的流體統計上不同的概率也較低(0.5)。圖20A和20B示出了關於各汙染水平的三種流體的GOR。與前面相同，基於GOR，三種流體在統計上並非不同。站點A流體統計上不同於站點B流體的概率較低(0.32)。站點B處的流體不同於D的概率接近於0。
表II 這些概率與用戶定義閾值的比較使得操作員能夠對儲層中成分梯度和劃區用公式表示和做出判斷。例如，如果設置了閾值0.8，將推斷出站點D處的流體在含氣流體顏色方面一定不同於站點A和B處的流體。對於當前處理，已將噪聲的標準偏差設置為0.01 OD。如果在光密度上噪聲的標準偏差更小，則還可以進行站點A和B處的流體之間的進一步區分。
如上所述，本發明的各方面提供了與相對於感興趣的井下流體計算得到的、從汙染水平導出的流體性質差別相關的有利答案結果。在本發明中，申請人還提供了用於估計流體性質差別是否可以由OCM模型上的誤差解釋(注意圖4C中的步驟120)的方法。在這方面，本發明通過提供下述技術而降低了得出不正確決定的風險，該技術用於確定光密度和所估計的流體性質的差別是否可以通過改變汙染水平來解釋(步驟120)。
表III比較對於三種流體的汙染、地層流體的所預測的GOR、以及在647nm處的含氣流體顏色。比較站點A和D處的流體，如果站點A流體的汙染更低，則站點A處的地層流體的所預測GOR將更接近於D。但是，站點A與D之間在顏色上的差別將更大。這樣，減少站點A處的汙染將站點A與D之間的GOR的差別和顏色的差別驅向相反的方向。因而，推定不能通過改變汙染水平來解釋所估計流體性質的差別。表III 有利地，還可以實時計算流體性質不同的概率，從而使得操作員能夠實時比較兩種或多種流體以及基於由本發明使能的判斷而修正正在進行的採樣工作。
水基泥漿的分析 本發明的方法和系統可適用於分析其中汙染來自水基泥漿濾液的數據。水信號的傳統處理假定流態是分層的。如果水的體積分數不是非常大，則CFA分析預處理數據以計算水的體積分數。隨後通過CFA算法處理該數據。該兩個步驟的解耦(de-coupling)由大量水信號和流過CFA模塊的水和油的未知流態來決定(mandate)。在流態分層的假設下，可以量化水的部分密度的不確定度。然後可以將該不確定度擴散為代表烴的經校正的光密度上的不確定度。該處理獨立於LFA和/或CFA模塊相對於泵出模塊的位置而有效。
本發明的系統和方法可以以自洽的方式應用於在站點處的流體分析模塊測量(諸如LFA和CFA測量)的組合。例如，本發明用於流體比較的技術可以應用於來自LFA的電阻係數(resistivity)測量。當LFA和CFA跨裝(straddle)在泵出模塊上(如大多數情況那樣)時，泵出模塊可以導致兩種流體(即LFA中的流體和CFA中的流體)的重力分離。這暗示CFA和LFA沒有化驗同樣的流體，從而使得兩個模塊的同時解釋很有挑戰性。然而，CFA和LFA兩者都可以獨立地用於測量汙染及其不確定度。對於每個模塊，可以將該不確定度獨立地擴散為流體性質的量和不確定度，從而，提供了用於對於每個模塊比較流體性質的基礎。
必須確保流體性質的差別不是由於光譜模塊處的流體壓力上的差別導致的。這可以通過幾種途徑來完成。現在描述估計光密度關於壓力的導數的優選途徑。當打開樣本瓶子時，其建立了流送管中的壓力瞬變(pressure transient)。從而，流體的光密度響應於該瞬變而改變。當壓力瞬變量可以從壓力計計算得到時，可以計算OD關於壓力的導數。反過來，OD的導數可以用於確保在不同時間點化驗的流體的流體性質的差別不是由於光譜模塊處的流體壓力上的差別而導致的。
本領域技術人員將理解，這裡描述的所有流體參數的量和不確定度可在閉式(closed-form)下得到。從而，實質上在數據分析期間不存在計算開銷(over-head)。
對流體參數的量和不確定度的量化可以有利地提供對烴儲層中的地球化學充氣過程(charging process)本性的洞察。例如，甲烷對其它烴的比率可以幫助區別源於生物的和源於熱電的處理。
本領域技術人員還將理解，上述方法可以有利地與傳統方法一起用於標識分區，諸如觀察壓力梯度、在潛在透性障(permeability barrier)間進行垂直幹擾測試、或者標識可能指示潛在透性障的巖石特徵，例如從纜線記錄(諸如地層微圖像儀或元素捕獲光譜記錄)中標識縫合巖面(styolites)。
本發明的上述技術提供了用於比較具有相同或不同汙染水平的兩種或更多種流體的流體性質的魯棒統計框架。例如，標示為A和B的兩種流體可以分別從站點A和B獲得。可以基於所測量的數據對於這兩種流體預測流體的流體性質，例如含氣流體顏色、脫氣原油密度和氣油比(GOR)。可以從測量數據上的不確定度和汙染上的不確定度(其從所測量數據中針對流體導出)計算得到流體性質上的不確定度。隨機誤差和系統誤差都對由例如一個或多個井下流體分析模塊所獲得的測量數據(諸如光密度)上的不確定度有貢獻。一旦量化了流體性質及其相關聯的不確定度，就在統計框架下比較這些性質。從兩種流體的對應流體性質的差別得到流體的差別流體性質。差別流體性質的量化上的不確定度反映了測量中的隨機誤差和系統誤差，並且可能非常大。
申請人:發現了新穎且有利的流體採樣過程，其允許對應於兩種或更多種流體的數據獲取、採樣和數據分析，從而差別流體性質對測量上的系統誤差不敏感。
圖4D以流程圖形式表示了用於基於差別流體性質而比較地層流體的優選方法，該差別流體性質是從由本發明的優選數據獲取過程獲取的測量數據中導出的。在步驟602中，對應於流體A的在站點A處所獲得的數據被處理，以計算體積汙染ηA及其相關聯的不確定度σηA。該汙染及其不確定度可以使用以下幾種技術之一計算，諸如上面的公式1.1到1.9中的油基泥漿汙染監控算法(OCM)。
典型地，當地層測試器工具的採樣或掃描工作在站點A被視為完成時，井眼輸出閥被打開。工具的內部與外部之間的壓力相等，從而當將工具移到下一站點時避免了工具震動和工具崩塌。當打開井眼輸出閥時，流送管中的流體與井眼中的流體之間的差別壓力導致兩種流體的混合。
申請人:發現了使用例如地層測試器工具(諸如MDT)準確且魯棒地比較地層流體的流體性質的有利過程。當站點A處的工作被視為完成時，當將工具從站點A移動到另一站點B時，保留在流送管中的流體被保持在流送管中待捕捉。
流體捕捉可以以多種方式實現。例如，當流體分析模塊32(注意圖2和圖3)在泵出模塊38下遊時，泵出模塊38中的止回閥可以用於防止泥漿進入流送管33。或者，當流體分析模塊32在泵出模塊38的上遊時，具有在流送管33中捕捉的流體的工具20可以在其井眼輸出閥關閉的情況下移動。
典型地，諸如MDT的井下工具被額定為容許高壓差，從而可以在井眼輸出關閉的情況下移動工具。或者，如果已經將感興趣的流體採樣並且存儲在樣本瓶中，則可以使瓶子的東西流過工具的光譜分析儀。
在站點B處，所測量的數據反映了流體A和B兩者的性質。可以認為數據處於兩個連續時間窗中。在初始時間窗中，隨著來自站點A的流送管中所捕捉的流體流過工具的光譜模塊，所測量的數據對應於流體A。後面的時間窗對應於流體B，該流體B是在站點B抽取的。這樣，由同樣的硬體在幾乎相同的時間和同樣的外部條件(諸如壓力和溫度)下，測量兩種流體A和B的性質。這使得能夠對流體性質上的差別進行快速和魯棒的估計。
由於流體A不存在進一步的汙染，所以流體A的流體性質在初始時間窗中保持恆定。利用在該時間窗中流體性質不變的這一性質，可以預處理該數據以估計測量中噪聲的標準偏差σODA(步驟604)。與來自站點A的汙染(其在步驟602中導出)結合，可以使用先前所描述的技術，利用該數據來預測對應於流體A的流體性質，諸如含氣流體顏色、GOR和脫氣原油光譜(步驟604)。此外，使用上面的公式1.1到1.9中的OCM算法，可以將測量中的不確定性σODA(其在步驟604中導出)與汙染中的不確定度σηA耦合在一起以計算所預測的流體性質上的不確定度(步驟604)。
隨著流體B流過光譜模塊，後面的時間窗對應於流體B。可以預處理該數據以估計測量中噪聲σODB(步驟606)。可以利用例如上面的公式1.1到1.9中的OCM算法來量化汙染ηB及其不確定度σηB(步驟608)。然後可以利用先前所描述的技術來分析該數據以量化對應於流體B的流體性質及其相關聯的不確定度(步驟610)。
除了量化所測量的數據上的不確定度和汙染之外，流體性質上的不確定度也可以通過對流送管中的地層流體系統地加壓來確定。分析流體性質隨壓力的變化提供了關於所預測的流體性質的可信度。一旦量化了流體性質及其相關聯的不確定度，則可以利用上面的公式1.12在統計框架下比較兩種流體的性質(步驟612)。然後獲得差別流體性質，作為利用上述技術對於兩種流體所量化的流體性質之間的差。
在傳統的採樣過程(其中沒有將來自一個站點的地層流體捕捉並且帶到下一站點)中，流體上的不確定度反映了所測量數據中的隨機誤差和系統誤差兩者，並且可能相當大。相反，利用本發明的優選採樣方法，測量中的系統誤差可以抵消。從而，與其它採樣和數據獲取過程相比，獲得流體性質上差別的本方法更魯棒和準確。
在將井下分析和採樣工具移動到不同站點的處理中，存在下述可能，即OBM濾液與儲層流體之間的密度差可能導致所保持在流送管中的流體中的重力分離。在這種情況下，在下一站點處流體分析模塊的放置可以基於被採樣的儲層流體的類型。例如，可以依賴於濾液是輕於還是重於儲層流體，而將流體分析儀放置在工具串的頂部或底部。示例 圖21示出了從放置在泵出模塊的下遊的光譜模塊(LFA)所獲得的現場數據集合。在將工具從站點A移動到站點B時，將泵出模塊中的止回閥關閉，從而捕捉並且從一個站點到另一站點移動流送管中的流體A。在t＝25500秒之前的數據的初始部分對應於站點A處的流體A。在時刻t＝25500秒之後的、數據的第二部分來自站點B。
在站點B，來自時間25600-26100秒的數據的前沿對應於流體A而數據的其餘部分對應於流體B。不同的跡線對應於來自不同通道的數據。前兩個通道具有大OD並且是飽和的。其餘的通道提供有關流體A和B的顏色、成分、GOR和汙染的信息。
流體性質的差別以及相關聯的不確定度的計算包括下面的步驟 步驟1在站點A計算對應於流體A的體積汙染。這可以通過許多方式完成。圖22示出了顏色通道(藍色跡線)和用於預測汙染的OCM得到的模型擬合(黑色跡線)。在泵送處理的末端，確定汙染為1.9％，其不確定度約為3％。
步驟2圖23A示出了對應於流體A的、在站點B的數據的前沿。圖23B示出了在該時幀中對於通道之一的測量數據。由於流體A不存在進一步的汙染，所以流體性質不隨時間變化。從而，所測量的光密度幾乎恆定。分析該數據以得到約0.003OD的噪聲標準偏差σODA。圖23B中的數據中可見的、對應於探頭的設置和預測試的事件在噪聲統計的計算中沒有被考慮在內。
利用步驟1得到的汙染及其不確定度以及σODA＝0.003OD，利用上面先前所描述的公式針對流體A計算含氣流體顏色和脫氣原油光譜及其相關聯的不確定度。這些結果分別由圖24和25中的藍色跡線用圖形示出。
步驟3站點B處的數據的第二部分對應於流體B。圖22示出了顏色通道(紅色跡線)和通過用來預測汙染的OCM得到的模型擬合(黑色跡線)。在泵送處理的末端，確定汙染為4.3％，其不確定度約為3％。如上面先前所描述那樣計算得到的針對流體B的預測含氣流體顏色和脫氣原油光譜由圖24和25中的紅色跡線示出。
通過對數據進行低通濾波以及估計高頻分量的標準偏差而計算的該噪聲標準偏差為σODB＝0.005OD。噪聲和汙染的不確定度被分別反映為圖24和25中的流體B的預測含氣流體顏色和脫氣原油光譜(紅色跡線)。如圖24和25所示，兩種流體A和B的含氣和脫氣原油光譜重疊，並不能在兩種流體中區分。
除了含氣流體顏色和脫氣原油光譜之外，兩種流體A和B的GOR及其相關聯的不確定度利用上面先前所討論的公式計算得到。流送管中流體A的GOR是392±16scf/stb。在汙染為1.9％的情況下，去除汙染的GOR是400±20scf/stb。流送管中流體B的GOR是297±20scf/stb。在汙染為4.3％的情況下，去除汙染的GOR是310±23scf/stb。這樣，兩種流體之間的差別GOR是顯著的，並且兩種流體A和B不同的概率接近於1。
相反，忽略站點B處的數據的前沿並且比較直接來自站點A和B的流體A和B導致測量中大的不確定度。在這種情況下，σODA和σODB將捕獲測量中的系統誤差和測量誤差兩者，並因而將相當大。例如，當σODA＝σODB＝0.01OD時，就GOR而言兩種流體A和B不同的概率是0.5。這意味著差別GOR並不顯著。換言之，根據GOR不能夠區分兩種流體A和B。
本發明的方法提供了對差別流體性質實時的、準確的和魯棒的測量。用於確定感興趣地層流體的流體性質上的差別的、本發明的系統和方法是用於標識烴儲層中的劃區和成分梯度的有用且節省成本的工具。
本發明的方法包括分析所測量的數據和計算兩種流體(例如，分別在兩個對應站點A和B獲得的流體A和B)的流體性質。在站點A，利用上面所討論的算法量化流體A的汙染及其不確定度。有利地，在將工具移到其中通過流送管泵送流體B的站點B的同時，捕捉流送管中的地層流體。在站點B所測量的數據具有唯一的、有利的性質，這使得能夠實現流體性質上的差別的改進測量。在這方面，數據的前沿對應於流體A而數據的後面部分對應於流體B。這樣，在同一站點即站點B處的測量數據反映了流體A和B兩者的流體性質。如此獲得的差別流體性質是兩種流體之間的差別的魯棒且準確的度量，並且對測量中的系統誤差沒有其它流體採樣和分析技術那麼敏感。有利地，本發明的方法可以擴展到多個流體採樣站點。
本發明的方法可以有利地用於確定從各種傳感器設備獲得的流體性質(諸如密度、粘度、成分、汙染、螢光性、H2S和CO2的量、同位素比率和甲烷-乙烷比率)上的任何差別。這裡所公開的基於算法的技術可容易地推廣到多個站點以及在同一站點處的多種流體的比較。
申請人:認識到，這裡所公開的系統和方法使得能夠做出對標識儲層中的劃區和/或成分梯度以及關於烴地層的感興趣的其它特性的實時判斷。
申請人:還認識到，這裡所公開的系統和方法將有助於優化用於確認或反駁預測(諸如儲層中的梯度)的採樣處理，這反過來又將有助於通過捕獲最有代表性的儲層流體樣本而優化該處理。
申請人:還認識到，這裡所公開的系統和方法將有助於標識儲層中感興趣的烴是如何被侵蝕流體(例如，注入儲層中的水和氣)衝刷的，和/或將提供關於烴儲層是否被以均勻或劃區的方式耗盡的有利數據。
申請人:還認識到，這裡所公開的系統和方法將潛在地提供對於儲層中地球化學充氣過程的本性的更好理解。
申請人:還認識到，這裡所公開的系統和方法可能潛在地指導下一代分析和硬體以降低所預測的流體性質中的不確定度。從而，可以降低與油田勘探和開發相關的決策所涉及的風險。
申請人:還認識到，在假定連續的儲層中，預期隨著根據儲層成分等級的深度，而出現流體性質上的一些變化。這些變化是由眾多因素諸如熱梯度和壓力梯度以及生物降解導致的。流體性質上的差別的量化可以幫助提供對成分梯度的本性和起源的洞察。
申請人:還認識到，本發明的建模技術和系統將可以以自洽的方式應用於來自不同井下流體分析模塊(諸如Schlumberger的CFA和/或LFA)的光譜數據。
申請人:還認識到，本發明的建模技術和系統可應用到具有油基泥漿(OBM)、水基泥漿(WBM)或合成油基泥漿(SBM)汙染的地層流體。
申請人:還認識到，這裡所描述的建模框架將可適用於較廣範圍的流體性質的比較，所述流體性質諸如含氣流體顏色、脫氣原油密度、脫氣原油光譜、GOR、螢光性、地層體積因子、密度、粘度、可壓縮性、烴成分、同位素比率、甲烷-乙烷比率、H2S和CO2的量等等，以及相包絡，例如，氣泡點、露點、瀝青質成阻(onset)、PH等等。
給出前述說明僅用以圖示和描述本發明以及其實現的某些示例。其並不意欲是窮舉式的或者將本發明局限於所公開的任何精確形式。按照上面的教導，許多修改和改變是可能的。
選取並描述了優選方面，以便最佳解釋本發明的原理及其實際應用。前述描述意欲使得本領域其它技術人員能夠以各種實施方式和方面、以及通過適於預期的具體應用的各種修改來最佳地利用本發明。本發明的範圍意欲由以下權利要求來限定。
相關申請數據
本申請要求於2005年1月11日提交的發明人為L.Venkataramanan等的美國臨時申請序列號60/642781(代理人卷號60.1601)的優先權，其全部內容在此為各種目的而引作參考。
權利要求
1.一種從井下光譜數據導出井下流體的流體性質以及提供答案結果的方法，所述方法包括
接收至少兩種流體的流體性質數據，其中至少一種流體的流體性質數據是從井眼中的設備接收的；
與從井眼設備接收流體性質數據實時地，導出流體的各個流體性質；
量化所導出的流體性質上的不確定度；以及
提供與地質地層的評估和測試相關的一個或多個答案結果。
2.如權利要求1所述的導出井下流體的流體性質以及提供答案結果的方法，其中
所述流體性質數據包括來自井眼中設備的光譜通道的光密度；
所述方法還包括
接收關於光密度的不確定度數據。
3.如權利要求1所述的導出井下流體的流體性質以及提供答案結果的方法，還包括
基於流體的流體性質將井眼中的設備定位在某位置處。
4.如權利要求1所述的導出井下流體的流體性質以及提供答案結果的方法，其中
所述流體性質是含氣流體顏色、脫氣原油密度、GOR和螢光性中的一個或多個。
5.如權利要求1所述的導出井下流體的流體性質以及提供答案結果的方法，還包括
量化所述兩種流體中的每個的汙染水平及其不確定度。
6.如權利要求1所述的導出井下流體的流體性質以及提供答案結果的方法，其中
所述答案結果是與地質地層的評估和測試相關的劃區、成分梯度和最優採樣處理中的一個或多個。
7.如權利要求1所述的導出井下流體的流體性質以及提供答案結果的方法，還包括
對流體性質數據脫色；
確定流體的各成分；
導出每種流體的輕質烴的體積分數；以及
提供每種流體的地層體積因子。
8.如權利要求1所述的導出井下流體的流體性質以及提供答案結果的方法，其中
所述答案結果基於為流體導出的相應流體性質而包括由井眼設備進行的採樣優化。
9.一種從一種或多種井下流體的流體性質導出答案結果的方法，所述方法包括
接收來自至少兩個源的井下流體的流體性質數據；
確定對應於所接收數據的每個源的流體性質；以及
量化與所確定的流體性質相關聯的不確定度。
10.如權利要求9所述的導出答案結果的方法，其中
所述流體性質數據是從井下光譜分析儀的甲烷通道和顏色通道接收的。
11.如權利要求10所述的導出答案結果的方法，還包括
量化井下流體的每個通道的汙染水平及其不確定度。
12.如權利要求11所述的導出答案結果的方法，還包括
獲得通道的汙染水平的線性組合以及關於所組合的汙染水平的不確定度。
13.如權利要求12所述的導出答案結果的方法，還包括
確定井下流體的成分；
基於井下流體的成分以及所組合的汙染水平預測井下流體的GOR；以及
導出與所預測的GOR相關聯的不確定度。
14.如權利要求13所述的導出答案結果的方法，還包括
量化另一井下流體的至少兩個數據源中的每個的汙染水平及其不確定度；
獲得該另一井下流體的兩個數據源的汙染水平的線性組合以及關於所組合的汙染水平的不確定度；
確定該另一井下流體的成分；
基於該另一井下流體的成分以及所組合的汙染水平預測該另一井下流體的GOR；
導出與該另一井下流體的所預測的GOR相關聯的不確定度；以及
確定井下流體不同的概率。
15.如權利要求9所述的導出答案結果的方法，其中
所述流體性質數據包括所述井下流體的第一流體性質數據以及另一井下流體的第二流體性質數據。
16.如權利要求15所述的導出答案結果的方法，還包括
放置井下光譜分析儀，以獲取該第一流體性質數據和第二流體性質數據，
其中，該第一流體性質數據是從井下光譜分析儀的第一站點接收的，而該第二流體性質數據是從該光譜分析儀的第二站點接收的。
17.一種比較具有相同或不同汙染水平的兩種井下流體並且基於該比較產生實時井下流體分析的方法，所述方法包括
獲取所述具有相同或不同汙染水平的兩種井下流體的數據；
基於所獲取的數據確定兩種流體中的每種的相應汙染參數；
基於該相應汙染參數表徵兩種流體的特性；
基於所述兩種流體的特性而統計上比較這兩種流體；以及
基於所述兩種流體的統計比較而產生指示烴地質地層的井下流體分析。
18.如權利要求17所述的比較兩種井下流體的方法，其中
表徵兩種流體的特性的步驟包括導出兩種流體的GOR和GOR上的不確定度；以及
還包括
確定用於區分兩種流體的最優汙染水平，
其中這兩種流體是在該最優汙染水平下被比較的。
19.如權利要求17所述的比較兩種井下流體的方法，其中
獲取兩種井下流體的數據的步驟包括利用第一流體分析模塊獲取第一井下流體數據以及利用第二流體分析模塊獲取第二井下流體數據；
確定相應汙染參數的步驟包括確定每個模塊的汙染和汙染上的不確定度；
表徵兩種流體的特性的步驟包括確定每個模塊的流體性質及其不確定度；以及
比較兩種流體的步驟包括比較每個模塊的所確定的流體性質。
20.一種使用具有流體分析儀的井眼工具分析來自地下地層的流體的方法，所述方法包括
進行地層流體的井下測量；
接收來自至少兩個源的地層流體的數據，其中所述兩個源中的至少一個包括井下測量；
使用所接收的數據確定地層流體的汙染水平；
導出與所確定的汙染水平相關聯的不確定度；以及
基於所確定的汙染水平和所導出的不確定度提供對地層流體的實時流體性質分析。
21.如權利要求20所述的分析來自地下地層的流體的方法，其中
進行地層流體的井下測量的步驟包括在對甲烷和油中至少一種的存在敏感的波長下，進行光譜測量；以及
接收數據的步驟包括接收相對於甲烷和油中至少一種的光譜測量。
22.一種用於表徵地層流體的特性以及基於該特性而提供答案結果的系統，該系統包括
井眼工具，其包括
具有光學單元的流送管，
耦接到該流送管的泵，用於泵送地層流體通過該光學單元，以及
流體分析儀，其光學地耦接到該單元，並且被配置來產生關於被泵送通過該單元的地層流體的流體性質數據；以及
耦接到井眼工具的至少一個處理器，其包括
用於接收來自井眼工具的流體性質數據、並且與接收數據實時地從該數據確定流體的流體性質以及與所確定的流體性質相關聯的不確定度以便提供與地質地層相關的一個或多個答案結果的器件。
23.一種其上具有下述計算機可讀程序代碼的計算機可用介質，該計算機可讀程序代碼當被計算機執行時適於與井眼系統一起用來實時比較兩種或多種流體以提供從該比較導出的答案結果，包括
接收至少兩種井下流體的流體性質數據，其中至少一種流體的流體性質數據是從井眼系統接收的；以及
與接收數據實時地，基於所接收的數據計算流體的相應流體性質以及與所計算的流體性質相關聯的不確定度，以提供與地質地層相關的一個或多個答案結果。
全文摘要
提供了通過下述操作用於地層流體的井下分析的方法和系統基於井下數據而導出流體性質及所預測的流體性質上的相關聯的不確定度，並且基於流體性質上的差別產生感興趣的答案結果。所測量的數據用於使用例如油基泥漿汙染監控(OCM)算法計算井下流體的汙染水平。預測流體的流體性質，並且導出所預測的流體性質上的不確定度。提供了一種統計框架，用於比較流體以實時地產生與地層流體和其儲層相關的魯棒的答案結果。通過優選的採樣過程降低或消除了測量數據上的系統誤差。
文檔編號E21B49/08GK1896458SQ200610004998
公開日2007年1月17日 申請日期2006年1月11日 優先權日2005年1月11日
發明者拉利薩·文卡塔拉馬南, 藤澤剛, 巴瓦尼·拉格休拉曼, 奧利弗·C·馬林斯, 安德魯·卡尼吉, 裡卡多·瓦斯克斯, 董成利, 許凱, 麥可·奧基夫, 亨利-皮埃爾·瓦萊羅 申請人:施藍姆伯格海外股份有限公司