Documente Academic
Documente Profesional
Documente Cultură
Exploration Production
Direction Hygine Scurit Environnement
Dpartement Environnement
LACOUR Cdric
Promo 9
Session 2006-2007
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
REMERCIEMENTS
Je tiens avant tout remercier la socit TOTAL et M. Jean-Yves DURIEUX,
Directeur du service Hygine, Scurit, Environnement (HSE) de la Direction Gnrale
Exploration Production (DGEP), pour mavoir accueilli durant ces quatre premiers mois de
stages de fin dtudes du Master 2 Professionnel Optimisations des protocoles
exprimentaux .
Je remercie plus particulirement M. Roger CAMPS, responsable du service
Environnement au sein de la DGEP/HSE, ainsi que Michel GRANDPRAT pour mavoir
confier la ralisation de cette mission et pour avoir eu confiance en mes capacits la mener
bien.
Je me permets dexprimer toute ma gratitude lgard de Mathieu MURRAY, mon
tuteur, pour son exprience et son savoir-faire qui mont permis dtre initi au monde
ptrolier ainsi que pour sa disponibilit. Ses recommandations et son esprit critique mont t
dune aide prcieuse dans la ralisation de mes diffrentes tches.
Merci galement Jean-Paul Valois, de la Direction Gosciences (GSR) Dpartement
Valorisation des gisements (VDG) pour mavoir accord du temps lors des visites Pau. Ses
conseils et formations ont fortement contribu lavancement de mes travaux ainsi que les
informations apportes par lquipe du Dpartement Technologies Gosciences (TG).
Jexprime mes remerciements Benjamin MAKAYA, de la filiale Cameroun, pour
mavoir fourni les donnes ainsi qu son quipe pour avoir rpondu mes questions.
Enfin je souhaite adresser de sincres remerciements tous les membres de la Direction
HSE et les stagiaires pour leur accueil chaleureux et la sympathie quils mont tmoign.
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
ABSTRACT
TOTAL produces yearly an Environment Report for each affiliate in which is given
the inventory of the production of waste, the fresh water consumption, the atmospheric
emissions These Environment Reports are audited to be consistent at the Group level.
The gas production of Rio Del Rey field in Cameroon was not considered satisfactory by the
external auditors. This is due in particular to the absence of accurate measurements on the
site.
In spite of these fluctuating data, the object of the study was to analyse, with
a statistical approach, well test data to have a better understanding of the results, to model the
production of gas and to estimate the uncertainty associated to this production.
This study is a useful attempt to avoid heavy modifications of the existing count.
As a supplement to exploratory analyses (analysis of variance ANOVA, curve Qgaz =
f (Time) ), allowing to discover the influential factors on well production and to proceed to
groupings (wells with gas, with oil), two approaches appear:
The "Deterministic" one, using multivariate analysis tools of Unscrambler
(Principal Component Analysis, Partial Least Square ). These tools, owing to the
lack of information, seemed not to be conclusive and did not allow to show groups
of population as only 30 % of the information was explained and 50 % of the
quantity of produced gas was predicted.
The "Probabilistic" one, consisting in the application of a regression method (called
LOESS) with the use of a SAS module developed by a TOTAL statistician. It
allowed, by curve smoothing versus time (moving average), to estimate punctual
uncertainties. This technique also required a command of certain parameters
(fluids, oilfield specific ) aiming at a sharper exploratory analysis.
It appears that multivariate analysis tools are not adapted because of a lack of
information of good quality and a too high uncertainty on the average ( 184%).
Another way to explore is interpolation (production of new data) coupled with LOESS
regression. This method leads to an uncertainty of 5%.
Thanks to the goods results, I recommend to follow in this way.
Key words: environment report, gas assessment, well test, data analysis, LOESS regression.
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
SOMMAIRE
I.
II.
Introduction .................................................................................................................... 5
Gnralits...................................................................................................................... 6
A. Contexte de la mission ................................................................................................... 6
B. Problmatique................................................................................................................. 7
1. Donnes en prsence .................................................................................................. 7
2. Informations collectes sur le champ Rio Del Rey et sur les essais de puits............. 9
C. Notion dincertitude ..................................................................................................... 10
1. valuation des incertitudes....................................................................................... 10
2. Mthodes dvaluation des incertitudes de type A et B ........................................... 11
3. Propagation des incertitudes..................................................................................... 11
D. Test dhypothse nulle et seuil de signification ........................................................... 12
III.
Mthodes danalyses et destimation de lincertitude .................................................. 12
A. Analyse multivarie...................................................................................................... 12
1. Gnralits sur lACP et la PLS............................................................................... 12
a) Analyse en Composantes Principales........................................................... 12
b) Partial Least Square...................................................................................... 13
2. Statistiques descriptives des variables...................................................................... 14
a) Analyse des variables ................................................................................... 14
b) Dtection de groupes de donnes ................................................................. 15
3. Analyse ACP / PLS sur les donnes de tests de puits .............................................. 17
a) Gnral ......................................................................................................... 17
b) Dure de test > 0.5 jour ................................................................................ 19
c) Puits gaz..................................................................................................... 20
4. Conclusion ACP/PLS............................................................................................... 21
B. Rgression de LOESS : mthode des moyennes mobiles ............................................ 22
1. Principe..................................................................................................................... 22
2. Exemple gnral....................................................................................................... 22
3. Statistiques descriptives ........................................................................................... 23
4. Analyse de la rgression LOESS sous SAS ............................................................. 26
a) Mthode........................................................................................................ 26
b) Interpolation ................................................................................................. 27
c) Applications ................................................................................................. 27
5. Conclusions rgression LOESS ............................................................................... 29
IV.
Conclusion.................................................................................................................... 30
V.
Recommandations ........................................................................................................ 31
GLOSSAIRE............................................................................................................................ 32
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
I. Introduction
En matire denvironnement, de nombreux sujets sont au cur des proccupations
mondiales : le rchauffement climatique bien sr, mais aussi la pollution de lair et de leau, la
dgradation acclre de la biodiversit, la prolifration de dchets...
TOTAL est concern par ces enjeux, quils soient dimportance locale ou plantaire.
La dmarche du GROUPE vise aussi rduire les risques de pollutions et les missions
nfastes pour lenvironnement. La prservation de la biodiversit est par ailleurs au cur de
ses proccupations.
Danse ce sens, TOTAL se doit de fournir un rapport environnemental pour chacune de ses
filiales rendant compte des diffrents indicateurs environnementaux dont le bilan de gaz
produit.
En vue de dterminer ce bilan de gaz, mais aussi les dbits deau et dhuile produits,
des tests de puits sont raliss. En effet, labsence de comptage en temps rel du flux
triphasique ncessite de passer par des essais de puits.
Dans leur rapport prliminaire les auditeurs d Ernst & Young ont relev la ncessit
de faire diminuer lincertitude sur le bilan gaz. Une analyse par un traitement statistique des
donnes de tests de puits sera ralise pour minimiser cette incertitude afin dviter des
modifications lourdes du systme de comptage (tests de puits).
Le stage consistera en lutilisation des outils acquis lors de ma formation (analyse
multivarie, logiciel Unscrambler et Statistica) mais aussi ceux dcouvert durant mon stage
(rgression LOESS, logiciel SAS).
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
II. Gnralits
A. Contexte de la mission
Chaque anne TOTAL produit un Reporting Environment visant renseigner ses
filiales sur les indicateurs environnementaux (missions atmosphriques, la consommation
deau, les dblais de forage, ). Ce rapport doit tre valid par des auditeurs externes.
Dans le Reporting Environment de la filiale E&P Cameroun de Dcembre 2006, les auditeurs
ont estim que lincertitude sur le gaz produit global (non mesur) ntait pas satisfaisante
voir inexistante.
En effet une approche de lincertitude a t mene en la dduisant directement du Gas
Oil Ratio (G.O.R).
puitsn
Gaz Produit =
puits1
GOR moyen
Huile Pr oduite
Gaz Pr oduit
Rconciliation
= (
) + (
) + (
)
Gaz Pr oduit
GOR moyen
Huile Pr oduite
Rconciliation
Soit
Gaz Pr oduit
=
Gaz Pr oduit
Comme dit prcdemment, les dbits ne sont pas mesurs en temps rel, il est donc
ncessaire deffectuer des tests de puits. La ralisation de tests de puits valids est primordiale
pour le bilan et la stratgie production dune filiale. En gnral, la production est triphasique
mais elle peut tre diphasique (Huile + Gaz) en dbut de production dun champ. En labsence
dun comptage triphasique en temps rel pour chaque puits, cest le seul moyen pour
dterminer les caractristiques principales du puits (Dbits eau, gaz, huile) en fonction dun
certain nombre de critres (Pression, temprature, duse, densit, ). Les rsultats obtenus
permettront dextraire un certain nombre de donnes et de ratios pour comprendre le
fonctionnement du puits et du rservoir dans le temps, et pour quantifier les volumes produits
(BSW, GOR, ).
Cdric Lacour (Mars Aot 2007)
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
B.
Problmatique
1. Donnes en prsence
Lors de ma mission, jai donc eu pour rle destimer cette incertitude associe une quantit
de gaz total produit sur une priode de 6 ans (2000-2006). Ces donnes sont extraites de la
base ELISA du champ Rio Del Rey au Cameroun.
Par mes qualits de statisticien, jai du trouver des outils appropris (analyse multivarie,
mthode de rgression) afin dy voir clair dans les donnes dessai de puits (Fig 1).
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
Duse : Orifice situ entre la tte de puits et le sparateur. Celui-ci est fixe en condition
de test et variable en condition de production. (Diamtre en de pouce). Il permet de
contrler le dbit du fluide qui jaillit.
D15/4 : Densit de lhuile 15C par rapport leau 4C (la plus dense).
BSW : Basic Sediment and Water, Pourcentage deau dans le fluide diphasique
huile/eau produit (%).
GOR : Gas Oil Ratio, Volume de gaz produit ramen aux conditions standard par
volume dhuile produit. (Sm / m).
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
Une approche statistique de ces paramtres permettra donc de faire le tri dans les
donnes, dtablir des relations entre variables et de prdire une rponse au cours du temps
associe une incertitude.
2. Informations collectes sur le champ Rio Del Rey et sur les essais de
puits
Les puits sont supposs tre tests une fois par mois (deux fois sils ncessitent un
suivi particulier). Ou moins, sils sont jugs stables.
Des puits produisent du gaz et servent la rallocation c..d que le gaz produit est
redistribu sur dautres plateformes afin de faciliter et damliorer la production
dhuile en injectant ce gaz (dit gaz lift), ce qui a pour consquence dallger la colonne
de fluide. (BOM203 LS puits gaz Haute Pression, BOM009 qui a un fort G.O.R,
ASM032G utilis en appoint du rseau Compression Zone Est , ).
Depuis 2004, lobjectif du puits EKM038 est de fournir des gaz pour lactivation des
puits. On est dans le mme cas de figure pour les puits BOM203 et NHM001.
Pour la majorit des puits, lors des tests, il faut un temps de stabilisation relativement
long surtout si ces puits sont en Gas Lift.
Les gisements ont la mme signature gochimique mais ils diffrent par le degr de
lessivage. Il y a une migration des hydrocarbures de le roche mre vers les diffrents
piges constituant les rservoirs.
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
Il est prfrable de raisonner sur le champ et non par puits car les donnes sont trop
biaises.
C. Notion dincertitude
valuer lincertitude sur une mesure est un domaine complexe qui fait lobjet dune
branche complte : La mtrologie.
Vocabulaire
G : Mesurande, grandeur mesurer.
g : Mesure de la grandeur G ;
u (G) : Incertitude type.
U (G) : Incertitude largie.
U (G )
= Incertitude relative.
g
valuations de type A
Cest le cas o une srie de mesures est effectue. Le traitement des erreurs est
statistique : moyenne, cart type, Cette analyse statistique se fait lorsquon a peu
dindications sur les sources derreurs.
valuation de type B
Il est impossible de faire un calcul statistique. Il faut chercher et valuer les sources
derreurs. Le constructeur de linstrument de mesure fournit des donnes telles que la classe
de lappareil, le calibre, la rsolution. Il est ncessaire davoir une connaissance gnrale de
lexprience ou du process.
Incertitudes composes
Dans certains cas complexes, il fau souvent combiner les deux mthodes pour obtenir
une meilleure valuation de lincertitude.
u (G) =
u A2 (G ) + u B2 (G )
10
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
Type A
Type B
Incertitude largie
u( y)
=
y
u ( x1 ) u ( x 2 )
+
+ .....
x12
x 22
11
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
L'tude d'une population statistique de taille n passe le plus souvent par le recueil d'un
nombre lev p de donnes quantitatives par lment observ. L'analyse de ces donnes doit
tenir compte de leur caractre multidimensionnel et rvler les liaisons existantes entre leurs
composantes.
12
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
Dveloppe par Wold dans les annes 1960 [2], la rgression PLS (Partial Least
Squares) est une technique permettant de contourner certains obstacles (valeurs manquantes,
nombre de variables explicatives suprieurs au nombre dobservations ). Elle peut tre
perue comme une gnralisation de la Rgression Linaire Multiple (mais galement de
la Rgression sur Composantes Principales et de l'Analyse Canonique).
La Rgression PLS remplace l'espace initial des (nombreuses) variables explicatives par
un espace de faible dimensionnalit, sous tendu par un petit nombre de variables appeles
"facteurs" ou "variable latentes" qui sont construits l'un aprs l'autre de faon itrative. Ces
facteurs seront les nouvelles variables explicatives d'un modle de rgression linaire
classique.
Les facteurs sont orthogonaux (non corrls), et sont des combinaisons linaires des
variables explicatives initiales. Mais alors que ces derniers ne sont calculs qu' partir des
variables initiales (et donc sans rfrence la rponse y), les facteurs de la rgression PLS
13
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
prennent en compte leur utilit individuelle pour prdire y en maximisant leurs corrlations
successives avec y, tout en maintenant la contrainte d'orthogonalit avec les facteurs dj
construits.
La rgression PLS est utilisable mme sur des variables nominales (explicatives ou
expliquer) par le biais d'un codage sous forme de la cration de variables indicatrices binaires.
Cest la technique principale de modlisation prdictive dans les situations o les prdicteurs
sont plus nombreux que les observations, fortement corrls, et avec de nombreuses donnes
manquantes. Son champ d'application essentiel est la chimiomtrie, mais la rgression PLS est
trs gnrale, et se dveloppe rapidement dans tous les domaines (conomie, mdecine,
psychologie etc...).
Dans le but danalyser les donnes par le biais de lanalyse multivarie, la premire
tape consistera analyser chaque variable.
Une tude de dispersion des donnes pour chaque variable pourrait tre ralise mais le
nombre de valeurs ne nous permet pas de la faire. Le meilleur test connu ce jour est
Shapiro et Wilk [3] mais celui-ci ne prend en compte quun maximum de 5000 donnes
(Dans notre cas, il y en a plus de 6000). ventuellement, cette analyse pourra tre effectue
lorsque des groupes auront t constitus.
Lanalyse prliminaire consiste galement dtecter les anomalies et observer le
comportement des variables.
Les logiciels ne permettant pas de faire de test de normalit sur un grand nombre de
variables, on peut donc utiliser des histogrammes frquence = f (variables) et sapercevoir
que sur certaines variables, des valeurs semblent scarter trs sensiblement de la moyenne.
En questionnant les spcialistes, jai jug, selon le cas, sil fallait liminer ces valeurs
extrmes ou au contraire en tenir compte dans lanalyse.
14
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
Lun des enjeux importants de cette premire approche est dessayer de trouver des
groupes de donnes bien dfinis. Cette partie de lanalyse a t ralise grce un module
dvelopp sous SAS par un statisticien de TOTAL (Jean Paul Valois).
Le graphique Qgaz = f (dure) prsente une bimodalit (Fig 3). Aprs discussion, il
ressort que cela est d la stabilisation des tests de puits. On considre gnralement quun
puits est stable partir de 6 heures de test. Dans notre cas on voit quil faut une demi-journe
pour quil se stabilise. Plus un test est long, meilleur est sa performance.
Lune des premires pistes sera donc de sparer les puits en fonction de la dure de test. Or il
ny a que 1/10 des tests qui sont suprieurs une demi-journe.
15
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
Au dernier test connu pour chaque puits, 6 dentre eux (soit 1/10) prsentent un G.O.R
suprieur 1000 Sm/m. Ces puits sont considrs comme des puits gaz et produisent de
la quantit de gaz du champ.
Le graphique suivant, de la quantit de gaz produit en fonction du G.O.R, permet
galement de voir quels sont les puits bons producteurs dhuile ou de gaz.
Fort GOR + Fort Qgas = producteurs de gaz. Dans ce cas larrive massive de gaz
peut tre due ce que lon appelle du gas coning
16
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
Un puits est dit Bon producteur lorsquil produit de lhuile en grande quantit (faible
G.O.R).
Nous avons donc l un autre aspect traiter : sparation des puits gaz ou huile.
Une premire tape exploratoire tant ralise, on va pouvoir affiner ltude par une
analyse multivarie. A la vue du nombre de tests et de variables, lanalyse multivarie semble
tre une tape pralable et primordiale lexamen des donnes.
Y = Ym t*(SEP)
Ym = Y moyen
Y = Y vrai
t = correspond au t de la loi de Student au risque = 5% (ici t = 1.96)
SEP = Standard Error of Prediction.
n = nombre dchantillons.
a) Gnral
Aprs limination des points aberrants ( outliers ) grce au graphique des scores ,
des rsidus ainsi que par lintermdiaire de l effet de levier , on observe le
comportement des 12 variables. (9 points seront exclus selon un critre commun de P sep
trop lev). 9 composantes sont utiles pour expliquer 94% de la variance totale. Les deux
premires composantes (les plus explicatives) ne renseignent seulement que 46% de la
variance des X.
Ceci montre que les variables sont, en grande partie, indpendantes.
17
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
18
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
Lincertitude estime sur la moyenne confirme ces mauvais rsultats avec une
approche 184%
Cette mauvaise explication de la variabilit des X et des Y va nous amener oprer par
groupes. Dans ce sens lanalyse prliminaire sera trs utile.
b) Dure de test > 0.5 jour
Si lon dfinit par une lettre les 2 types de tests (A < 0.5 jour, B > ou = 0.5 jour) et que
lon regarde la rpartition des puits suivant la dure des tests (Fig 7), on saperoit quil existe
effectivement 2 groupes de puits traiter sparment. Les tests tant les plus stables dans
le cas B, considrons une PLS avec une dure suprieure une demi-journe. Ce qui
reprsente seulement 1/10 des donnes.
19
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
c) Puits gaz
De la mme manire si lon code les puits gaz et puits lhuile sur lvolution du
G.O.R (cf analyse prliminaire) et sur les informations reues par la filiale du Cameroun, on
a A qui correspond aux puits dits huile et B les puits dits gaz (Fig 8).
2 groupes se distinguent en fonction de la composante 5 auquel contribuent P inj et Pres, qui
sont deux types de pression renseignant sur le Gas Lift .
20
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
Doivent-elles tre considres comme des variables ou des rponses ? Les dbits tant
normaliss (ramens en valeurs journalires), est-il utile dutiliser la dure des tests dans le
modle ? La variable Date est-elle assimile un variable continue?
En effet cette approche dite multivarie ncessite davoir une meilleure
connaissance des paramtres. Les variables prsentes ne peuvent, elles seules, expliquer le
modle. Ce type danalyse se rapproche de la mthode destimation de lincertitude de type B
pour laquelle il est impratif de matriser chaque tape du processus.
4. Conclusion ACP/PLS
Cette mthode ne savre pas concluante, en effet trop de variables sont peu corrles
(9 composantes pour lACP) ce qui rend lACP peu intressante (pas de gain dinformation).Il
y a galement un manque vident dinformation (de bonne qualit) ce qui explique le faible
pourcentage dexplication de la rponse (51%).
La constitution de groupes (dure de tests) nous amne liminer trop dchantillons,
il est donc ncessaire dhomogniser la dure de tests (>12h).
Un autre point ngatif est lestimation de lincertitude sur une MOYENNE, dune part, et sa
valeur trop leve (184%), dautre part.
Contrairement ce que lon pensait au dpart le problme semble beaucoup plus
difficile et la mthode est inadapte
Cette conclusion nous amne explorer des techniques diffrentes pour analyser ces
donnes qui vont me permettre daccomplir ma mission principale : estimation de
lincertitude sur le gaz produit global .
La rencontre du personnel de TOTAL Pau et notamment de Jean Paul Valois (Analyses
statistiques Valorisation des gisements) ma permis de considrer une nouvelle approche et
dutiliser une mthode rgression sur une courbe en fonction du temps. (Rgression LOESS)
21
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
1. Principe
Le lissage LOESS (ou LOWESS selon la littrature) est une mthode de lissage des
donnes (couples de donnes x-y). Un modle de rgression local ajuste chaque point et les
points proches de celui-ci (moyenne mobile). La mthode est aussi parfois appele rgression
robuste localement pondre. Les donnes lisses prsentent habituellement une image plus
claire de la forme gnrale de la relation entre les variables x et y. Cette mthode combine la
simplicit de la rgression linaire et la flexibilit dune rgression non-linaire. La mthode
LOESS a t propose par W.S Cleveland en 1979 [5] et a t dvelopp par Cleveland et
Devlin (1988) [6].
Avantages : Cette mthode nexige pas dadapter un modle toutes les donnes
de lchantillon mais ncessite juste dentrer les paramtres de lissage et le degr
du polynme.
LOESS est galement trs flexible, idale pour des processus complexes pour
lesquels il nexiste pas de modle thorique.
2. Exemple gnral
Une des mthodes peut tre dappliquer un lissage sur une courbe Qgas = f (time) sur un
priode donne avec une fentre de lissage, un pas et un degr de polynme dfini
arbitrairement. Grce au
programme va tracer une prdiction dans le temps de la variable Qgas ainsi quun intervalle
de confiance 95%. Le programme donne galement les paramtres de lissage qui
conviennent le mieux. Pour une analyse plus personnelle, il est possible de le faire
manuellement. (Fig 9).
22
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
- UpperCL et LowerCL
sont les intervalles de confiance.
- DepVar est la variable
Qgaz dorigine.
- Pred est la variable
prdite aprs lissage.
3. Statistiques descriptives
Auparavant il est important, dans le cadre dune rgression, dobserver le
comportement des puits en fonction du temps. Pour cela jai utilis STATISTICA et
lANOVA de Kruskal-Wallis qui est une alternative au test d'Analyse de la variance Intergroupes. Par cette mthode on pourra dterminer si la production est indpendante dun puits
un autre.
Cdric Lacour (Mars Aot 2007)
23
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
Ce test est utilis pour comparer au moins trois chantillons, et tester l'hypothse nulle
suivant laquelle les diffrents chantillons comparer sont issus de la mme distribution ou
de distributions de mme mdiane. Ainsi, l'interprtation du test de Kruskal-Wallis est trs
similaire une ANOVA paramtrique d'ordre Un, sauf qu'il est bas sur les rangs au lieu des
moyennes.
Le principe est de ranger toutes les observations par ordre croissant en fonction du
dbit de gaz. A chacune de ces observations est attribue un rang (les tests avec grand dbit de
gaz auront des rangs faibles et rciproquement) On calcule Ri (la somme des rangs dans
chaque puits) et R (la somme globale des rangs).
Afin de voir si lhypothse nulle ( H 0 ) est accepte ou refuse, le H de Howell est
calcul :
24
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
25
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
Sommer les dbits de gaz pour fournir un dbit champ chaque date.
Cumuler les dbits de gaz depuis le dbut des tests sur tout le champ.
Obtenir par rgression LOESS un intervalle de confiance 95% pour une date
donne.
Les donnes de tests sont issues mais au travers de discussion il a t tabli que ces
tests taient trs peu reprsentatifs des donnes de production.
Les dures de tests sont effectues intervalles irrguliers. Certains tests sont faits
avec une semaine dcart, dautres avec trois mois.
26
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
Lune des solutions pour rsoudre le problme est dinterpoler, c'est--dire de fabriquer
une nouvelle information. Ceci est possible sous SAS avec la procdure TRANSREG.
b) Interpolation
Lide est de fabriquer une nouvelle information chaque date (mois, semaine,
jour ) pour chaque puits. Si cest nouvelles donnes sont transfrables celles dorigine, on
y appliquera la rgression de LOESS afin dobtenir un intervalle de confiance 95% sur le
champ.
Au champ
Ces nouvelles donnes sont donc sommes par date sur le champ et sont traites avec la
rgression LOESS.
27
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
5%
Fig 14. Quantit globale de gaz produite depuis le dbut du test sur le champ.
28
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
Ainsi on peut visualiser une date donne, la quantit de gaz produit depuis le dbut
des tests.
Les rsultats semblent trs prometteurs puisque lon approche, la fin 2006, une
incertitude de 5 % sur le champ.
Aux puits
Avec plus de temps il serait possible de dterminer une incertitude puits par puits en
intgrant lincertitude exprimentale. En faisant la rgression sur chaque puits, on obtient une
valeur prdite pour chaque test entache dun cart type.
Si lon regarde pour un puits donn, lvolution des carts types (Fig 14), on observe
une tendance en forme de U avec des valeurs leves en dbut et fin de la priode de test.
29
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
La rgression de LOESS est trs prometteuse et nous offre une incertitude sur la
totalit du gaz produit sur le champ depuis le dbut des tests de 5%.
Cette mthode couple une mthode analytique (somme des ) permettrait de donner un
intervalle de confiance par puits.
Cest donc une voie trs encourageante et suivre si la mission est poursuivie.
IV. Conclusion
Le problme sest avr beaucoup plus difficile que prvue initialement. Le but de
dpart tait dutiliser des mthodes classiques ACP / PLS sur les donnes du Cameroun afin
dacqurir de lexprience et ensuite ladapter dautres filiales. Or la technique sest montre
totalement inadapte pour plusieurs raisons :
La constitution de groupes (cas des dures de tests) nous oblige liminer trop
dchantillons. Une homognisation des tests sur une dure suprieure 12h peut tre
utile,
Dernier point ngatif, on obtient par cette mthode une incertitude sur une moyenne (et
non sur une mesure globale) beaucoup trop importante ( 184%).
Cet chec a permis dexplorer une autre voie danalyse beaucoup plus prometteuse et
30
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
V. Recommandations
Dans un premier temps au niveau des essais de puits :
Il vaut mieux avoir peu de bons essais plutt que beaucoup inutilisables.
Dvelopper lapproche dinterpolation afin davoir des donnes date fixe et des
donnes plus homognes et cohrentes,
31
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
GLOSSAIRE
Gas cap : Dans un gisement, gaz libre, spar du ptrole et rassembl au voisinage du
sommet de la structure
Gas coning : Soulvement, en forme de cne, au niveau de l'extrmit infrieure d'un
puits, de la nappe sous-jacente un gisement de gaz ou d'huile, provoqu par une
extraction trop rapide du gaz ou de l'huile.
Gas Lift : gaz inject dans la colonne dhuile afin de lallger et damliorer la
production.
Rs : Le rapport de la somme des volumes de gaz, libr ramens aux conditions standard
sur le volume de liquide aux conditions standard. Les fluides sont ramens aux conditions
standard par un process. Le Rs est associ un chemin thermodynamique.
Critre AICc : Le critre d'Akaike (AIC pour An Information Criterion) est dfini dans le
cas gnral par la formule suivante : AIC = 2k - 2ln (L).
O k est le nombre de paramtres et L la fonction de probabilit.
On suppose que les erreurs du modle sont normalement et indpendamment distribues.
Alors pour n tant le nombre d'observations et RSS la somme des carts au carr, AIC
devient : AIC = 2k - n.ln(RSS/n). Plus celui-ci est petit, meilleur il est.
32
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
33
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
34
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
Procdure de rgression
avec choix des paramtres
appliquer.
Trac du graphique
Calcul de lincertitude
relative
35
Estimation de lincertitude sur le gaz produit global du champ Rio Del Rey (Cameroun)
BIBLIOGRAPHIE
36