FR2742794A1

FR2742794A1 - Methode pour modeliser les effets des interactions entre puits sur la fraction aqueuse produite par un gisement souterrain d'hydrocarbures

Info

Publication number: FR2742794A1
Application number: FR9515338A
Authority: FR
Inventors: Jacques Lessi; Didier Pavone
Original assignee: IFP Energies Nouvelles IFPEN
Current assignee: IFP Energies Nouvelles IFPEN
Priority date: 1995-12-22
Filing date: 1995-12-22
Publication date: 1997-06-27
Anticipated expiration: 2015-12-22
Also published as: FR2742794B1; NO308868B1; GB9626510D0; AR005253A1; RU2165520C2; NO965462D0; NO965462L; GB2308691A; GB2308691B; US5881811A

Abstract

- L'invention concerne une méthode pour modéliser les effets des interactions entre puits sur la fraction aqueuse dans les effluents produits par un ou plusieurs puits au travers d'une zone d'un gisement souterrain d'hydrocarbures en cours d'exploitation, soumis à un balayage par du fluide sous pression injecté par un ou plusieurs puits d'injection ou à un balayage par de l'eau d'une zone aquifère, dans le but d'optimiser la production du gisement. - La méthode est caractérisée en ce qu'elle comporte la sélection d'un ensemble de données significatives à partir de mesures tirées d'historiques d'injection de fluide de balayage et d'historiques de production d'effluents par un ensemble de puits de la zone, et l'établissement par itérations d'un modèle linéaire optimisé reliant les variations au cours du temps de ces fractions aqueuses, aux variations au cours du temps des données significatives. - Application à l'optimisation de la production pétrolière d'un gisement.

Description

1 2742794

La présente invention concerne une méthode pour modéliser les effets des interactions entre puits sur la fraction aqueuse dans les effluents produits par un gisement souterrain d'hydrocarbures en cours d'exploitation, soumis à un balayage

par fluide sous pression, dans le but d'optimiser la production du gisement.

La production d'eau est un problème majeur dans l'exploitation pétrolière. Il arrive que les exploitants se trouvent confrontés à des situations o la fraction aqueuse ("watercut") dans la production d'un puits, est très importante alors que le taux de récupération de l'huile en place reste faible, ce qui met en évidence l'inefficacité du balayage effectué. Ils peuvent être conduits à abandonner la production par le puits en cause avec toutes les conséquences économiques qui en découlent faute de solutions pour mieux maitriser ces venues d'eau. C'est dans le cadre de la mise en exploitation de réservoirs stratifiés soumis à un balayage à l'eau, par exemple, que l'on note parfois des évolutions complexes de cette fraction aqueuse. Il est connu de traiter localement un puits o se produisent des venues d'eau, en bouchant les zones du puits produisant de l'eau par des injections de ciment, de polymères, de gels etc. avec utilisation de packers pour délimiter les zones à traiter au cours de la mise en place des produits. Cette technique est difficile à mettre en oeuvre car il faut d'abord bien délimiter les zones critiques Les interventions sont lourdes et coûteuses, sans justification économique sur des puits qui sont souvent

aux limites de la rentabilité.

Pour endiguer des venues d'eau trop importantes, il est connu aussi d'appliquer au réservoir des traitements globaux, en y injectant par exemple des

polymères, dont le taux de réussite reste faible et surtout difficilement prévisible.

La physique d'un réservoir est en général très complexe. On considère le cas d'un puits traversant un certain nombre i de niveaux réservoirs considérés comme hydrauliquement indépendants à l'échelle de l'environnement du puits (i=2 dans le cas de la Fig.1l). Sous l'effet d'un soutirage avec, par exemple, un débit Q étant imposé par une pompe, la pression en fond de puits se stabilise à une valeur Pwf (pression dynamique). Le fonctionnement du puits est traduit par les relations suivantes:

2 2742794

Q = Z Q =Z, aiQ avec (i=1 i i i Q, = n (ïi-Pf

f. =I af.

o Pi représente la pression régnant dans la couche i. Le débit global du puits Q est composé de la somme des contributions Qi de toutes les couches i, chaque contribution dépendant de l'index de productivité IPi de la couche considérée et de la différence de pression appliquée Pi- Pwf. La fraction aqueuse du puits fw résulte d'une moyenne des fractions aqueuses fwi de chaque couche, pondérée par sa

contribution au débit glotal du puits.

L'expression Qi = IPi (Pi - Pwf) montre bien que toute variation APi de la pression Pi d'une couche se traduit par une variation AQi du débit Qi de la couche, et, si les fractions aqueuses des couches sont différentes, par une variation de la fraction aqueuse du puits en fonction des modifications des contributions relatives de chaque couche à la production globale du puits. La variation APi de la pression d'une couche peut être en particulier due à une variation des débits d'injection ou de production des puits voisins. Par ailleurs, lorsque les pressions dans les différentes couches sont sensiblement différentes, une variation de la pression de production P

se traduit par une variation de la distribution des débits (ai).

Par ailleurs, dans le cas o les pressions Pi des différentes couches sont sensiblement différentes, toute modification de la sollicitation du puits: débit Q de la pompe ou pression dans le puits Pwf, se traduira par une variation de la fraction aqueuse, augmentation ou diminution suivant les distributions relatives des

saturations et des pressions de chaque couche.

Bien que la physique d'un réservoir soit très complexe et que les pressions soient souvent, faute de mesures suffisantes, des variables qui restent cachées, la méthode selon l'invention permet néanmoins, dans un ensemble de puits traversant une zone d'un gisement souterrain d'hydrocarbures en cours d'exploitation soumis à un balayage par du fluide sous pression (qu'il sagisse de fluide injecté ou de fluide provenant d'un zone aquifèere voisine), de bien modéliser les effets des interactions entre puits sur la fraction aqueuse dans les effluents produits par au moins un puits

3 2742794

producteur de cet ensemble de puits, dans le but d'optimiser la production du gisement. La méthode est caractérisée en ce qu'elle comporte: - la sélection d'un ensemble de données significatives à partir de données brutes tirées d'historiques d'injection de fluide de balayage dans le gisement et d'historiques de production d'effluents par un ou plusieurs puits de production; et - l'établissement itératif d'un modèle linéaire optimisé reliant les variations au cours du temps des données significatives relatives à la fraction aqueuse dans la production dudit puits producteur, aux variations au cours du temps des données

significatives relatives des autres puits du dit ensemble de puits.

Les facteurs d'interaction affectant la production d'eau étant mis en évidence par le modèle ainsi réalisé, les ingénieurs de réservoirs sont mieux en mesure de jouer sur différents paramètres: choix des puits d'injection, débits d'injection, débits de production, etc. pour accroître l'efficacité du balayage et augmenter le taux de

récupération d'huile.

Suivant un mode de mise en oeuvre, la sélection des données significatives comporte un filtrage fréquentiel des variations des données brutes relatives par exemple à la fraction aqueuse de ce puits producteur d'une part et à d'autres puits de

l'ensemble de puits.

Suivant un mode de réalisation, la sélection de données significatives comporte par exemple la détection des fluctuations à une fréquence basse très inférieure à la gamme de fréquence avec laquelle sont mesurées les données brutes

affectant la fraction d'eau.

Suivant un mode de réalisation, la collecte des données significatives comporte une sélection parmi les puits de production et/ou d'injection, d'un nombre

restreint de puits offrant les interactions les plus fortes avec le dit puits producteur.

La sélection des données significatives peut comporter par exemple, un traitement statistique préalable des données brutes et éventuellement une sélection

parmi elles d'un ensemble de données présentant un espacement en temps régulier.

4 2742794

Suivant un mode de mise en oeuvre, la méthode comporte l'application à un ou plusieurs puits d'injection ou de production de sollicitations volontaires modifiant les données brutes d'entrée de manière à mieux sélectionner les puits présentant des interactions. Suivant un mode de mise en oeuvre convenant pour le cas o l'on modélise les effets des interactions mutuelles exercées par différents puits de cet ensemble de puits, sur les fractions aqueuses dans les effluents produits respectivement par différents puits producteurs soumis à un balayage par du fluide sous pression, dans le but d'optimiser la production du gisement, on réalise de préférence en outre une optimisation globale des différents modèles obtenus en tenant compte des interactions croisées entre les données significatives intervenant effectivement dans

chacun d'eux, de manière à maximiser la production globale de la zone.

La réalisation d'un modèle prédictif fin du comportement des puits, résultat de la méthode selon l'invention permet de bien évaluer l'efficacité des traitements de puits, mieux que ne le font les méthodes actuelles réalisées à partir d'un comportement moyen plus ou moins représentatif. Un tel modèle, généralisé à l'échelle d'un ensemble de puits, fournit un outil d'optimisation de leur production

d'huile d'un gisement.

La modélisation effectuée a pour effet: - l'amélioration de l'image du réservoir, car l'interprétation qualitative des interférences mises en évidence, permet de préciser les communications hydrauliques entre puits et les corrélations des corps réservoirs; et aussi - l'amélioration du diagnostic de l'état de balayage du réservoir, car les variations de la fraction aqueuse sont directement reliées aux contrastes de saturation entre les différentes couches, donc à leur état de balayage. Une analyse des interférences permet de mieux sélectionner des puits candidats pour un traitement de prévention

de venues d'eau, voire une amélioration des conditions opératoires du traitement.

Par ailleurs, à partir des corrélations entre puits et des comparaisons de comportement de plusieurs producteurs, on peut obtenir des informations

concernant l'état de balayage surfacique de chaque couche.

2742794

D'autres caractéristiques et avantages de la méthode et du dispositif selon

l'invention, apparaîtront à la lecture de la description ci-après de modes de

réalisation décrits à titre d'exemples non limitatifs, en se référant aux dessins annexés o: - la Fig. 1 montre schématiquement un puits producteur produisant à partir de deux niveaux réservoirs considérés comme hydrauliquement indépendants à l'échelle de l'environnement du puits; - la Fig.2 illustre schématiquement le lien qui existe entre des perturbations affectant le débit d'injection et/ou de production de puits voisins, - la Fig.3 illustre le mode de relation établi par le modèle linéaire choisi; la Fig.4 montre le schéma d'implantation des puits considérés Wl-W12, les uns relativement aux autres, sur les données desquels la méthode a été éprouvée; - la Fig.5 montre schématiquement l'évolution en fonction du temps t, des mesures brutes fw(W1) de la fraction aqueuse du puits W1 - la Fig. 6 montre schématiquement l'évolution en fonction du temps t, des moyennes mensuelles de la fraction aqueuse du puits W1 - la Fig. 7 montre schématiquement le spectre de fréquence A(Wl) des valeurs moyennes de la fraction aqueuse du puits W1; - la Fig. 8 montre l'évolution en fonction du temps t, des moyennes mensuelles Fw(W1) de la fraction aqueuse du puits W1, corrigée par suite d'un filtrage des hautes fréquences du spectre de la Fig.7 (données de sortie); - la Fig. 9 montre schématiquement le spectre de fréquence A(W 1) des valeurs du débit mensuel du puits producteur Wl 1 intervenant dans le modèle; - la Fig. 10 montre l'évolution en fonction du temps t, des valeurs mensuelles du débit D(Wl 1) produit par le puits Wl 1, corrigée par suite d'un filtrage des hautes fréquences du spectre de la Fig.9 (données d'entrée);

6 2742794

- la Fig. 11 montre schématiquement le spectre des valeurs moyennes des volumes mensuels d'eau injectée au puits d'injection W4; - la Fig. 12 montre l'évolution en fonction du temps t, des moyennes mensuelles de débit D(W4) du puits d'injection W4, corrigé par suite d'un filtrage des hautes fréquences du spectre de la Fig. 11 (données d'entrée); - la Fig.13 montre des exemples Il, I2 de fonctions d'intercorrélation entre la fraction aqueuse du puits W1 (données de sortie) et respectivement des débits mensuels de production des puits W8 et W12 (données d'entrée); et la Fig. 14 montre une comparaison des résultats du modèle M obtenu pour le puits W1, avec les mesures réelles R. La fraction aqueuse d'un puits augmente au cours du temps même si les débits d'injection et de production des puits restent constants, c'est une dérive due au balayage permanent des couches par le fluide de balayage ainsi qu'au remplacement progressif de l'huile par l'eau dans le réservoir. Il s'agit d'un phénomène lent apparaissant à partir du moment de la percée de l'eau aux puits producteurs et s'étalant sur plusieurs années. On peut donc considérer que la fraction aqueuse d'un puits se compose d'une dérive et des fluctuations dues aux perturbations des puits voisins: fw = dérive + Mw (perturbations) La détermination des variations de la fraction aqueuse fw d'un puits s'obtient alors en tenant compte de la dérive due à la production cumulée de fluides à ce puits et en modélisant le lien qui existe entre des perturbations dues à des variations du

débit d'injection et/ou de production de puits voisins, suivant le schéma de la Fig.2.

Comme on l'a indiqué, la méthode selon l'invention comporte la détermination d'un système linéaire qui relie les variations de la fraction aqueuse d'un puits aux variations d'injection et de production des puits voisins. On choisit par exemple un modèle auto-régressif de type ARX choisi dans une bibliothèque de logiciels mathématiques telle que MATLAB bien connu des spécialistes, qui permet d'établir la fonction de transfert qui peut exister entre deux signaux. Cette

fonction de transfert caractérise le système physique concerné.

7 2742794

Le modèle linéaire ARX reliant un signal d'entrée x à un signal de sortie y comme schématisé à la Fig.3, est caractérisé par l'équation suivante: A(q) y(t) = B(q) x(t - nk) + e(t) avec nk: retard q: opérateur de retard A(q) = 1 + a, q-'+...........+a"q-f, na ordre de A(q) B(q) = bI +b2q-1+.......... +bnbq'b' nb ordre de B(q) Plus explicitement: y(t) + a, y(t - 1) +...+ a. y(t - na) = b. x(t - nk) + b2 x(t - nk - 1) +...+| bbx(t - nk - nb + 1) + e(t)l

Si na=0 le modèle est transverse: la sortie ne dépend que des entrées.

Si na;0 le modèle est récursif: la sortie dépend non seulement des entrées

mais aussi des sorties précédentes.

Pour la simplicité de l'écriture, on a défini un modèle linéaire à une seule entrée x. Il est bien évident cependant qu'un tel modèle peut être facilement

généralisé à plusieurs entrées.

On a pu vérifier que le choix d'un modèle linéaire était parfaitement légitime, en calculant pour cela les variations individuelles de la fraction aqueuse d'un puits correspondant à n perturbations distinctes et en vérifiant que la variation globale de la fraction aqueuse résultant de l'effet des n perturbations présentes simultanément était bien égale à la somme des variations individuelles calculées, aux effets de

dérive près.

Sélection des données significatives Pour modéliser les interactions existant entre n puits d'injection ou de production W1, W2,..., Wn, on utilise des données brutes d'exploitation sorties

8 2742794

d'historiques de production et d'injection et on forme à partir d'elles des données significatives. Les historiques de production sont constitués de données mesurées: mesures de débits injectés et produits, mesures de la fraction aqueuse etc., avec un pas d'échantillonnage plus ou moins régulier. Ces mesures sont souvent "bruitées" et présente une grande dispersion. Il importe donc dans un premier temps de les rendre plus significatives en: - supprimant les mesures aberrantes dues aux effets du bruit et en éliminant les parties de plus haute fréquence du spectre des variations de mesures brutes, ceci notamment par des méthodes statistiques ou des méthodes de traitement des signaux, connues dans le domaine; et en ré-estimant éventuellement à partir des mesures brutes obtenues à des intervalles trop irréguliers, une collection de données avec pas d'échantillonnage constant. On pratique également une sélection des puits dont les données seront prises en compte, parmi les puits du champ d'exploitation W2, W3,... Wn, les plus susceptibles d'interagir avec celles d'un puits W1 dont on cherche à modéliser la fraction aqueuse. A cet effet, on intercorrèle pour chacun des couples de puits (W1, W2),... (W1, Wn), les données significatives obtenues précédemment et la fraction aqueuse du puits W1, et l'on retient parmi les puits W2,... Wn, ceux dont le

coefficient d'intercorrélation est le plus élevé.

Ayant choisi les données significatives des puits les plus susceptibles d'interagir, on les applique comme données d'entrée au modèle linéaire choisi et on détermine l'équation particulière modélisant les interactions entre les puits sélectionnés. En procédant alors à une analyse et une interprétation des résultats du modèle représentatif, on peut agir sur les facteurs susceptibles de diminuer la

fraction aqueuse des puits modélisés, et ainsi augmenter la production d'huile.

L'opération de modélisation ainsi décrite pour être répétée pour modéliser les fractions acqueuses dans la production de plusieurs puits producteurs de la zone du

gisement, en les reliant à des données significatives d'autres puits de la zone.

9 2742794

Il peut se produire que l'on observe des interactions croisées entre les fractions aqueuses modélisées, du fait que les données significatives de production d'un ou de plusieurs puits producteurs dont les fractions acqueuses respectives ont été modélisées, interviennent elles-mêmes dans un ou plusieurs autres modèles établis pour d'autres puits producteurs. Dans ce cas, on procède à une optimisation globale des différents modèles obtenus en tenant compte de ces interactions croisées, de manière à maximiser la production globale de la zone La validité de l'approche systématique choisie pour définir la méthode de modélisation de la fraction aqueuse dans la production de puits, a été vérifiée à partir de données réelles d'un champ d'exploitation pétrolière d'un réservoir stratifié et hétérogène balayé par injection d'eau. En particulier, l'historique de la fraction aqueuse d'un puits de ce champ, a pu être modélisé de manière satisfaisante à l'aide du modèle auto- régressif ARX choisi comportant en entrée les productions ou injections mensuelles plus ou moins retardées de quelques puits voisins

EXEMPLE DE MODÉLISATION

Modélisation de l'évolution de la fraction aqueuse d'un puits Wl On a considéré un groupe de 12 puits traversant ce réservoir, encadrés sur la Fig. 4, puits injecteurs (W4, W5, W6 et W3) et 8 puits producteurs (W7, W8, W10, W9, W2, W 1 et W11). L'implantation des différents puits injecteurs et producteurs W1, W2, W3,..., W12 est relativement régulière (Fig.4). L'ordre de grandeur d'espacement entre les puits est de l'ordre de 500 mètres. Les exemples ci-après portent sur la modélisation des variations de la fraction aqueuse d'un puits

producteur central Wl.

Le système à identifier est ici le suivant: les données de sortie sont la fraction aqueuse du puits W1 considéré, les données d'entrée potentielles sont les volumes

d'eau injectés et de fluide produits par les 10 puits voisins W2 à W12.

1- Sélection des données significatives a) Les paramètres de sortie

2742794

On dispose de mesures brutes de fraction aqueuse réalisées par prélèvement d'échantillons en tête de puits, à des intervalles de temps très irréguliers (de quelques jours à environ 1 mois) ainsi que de valeurs mensuelles obtenues par moyenne des mesures brutes réalisées au cours d'un mois calendaire et quel que soit le nombre de mesures disponibles. La figure 5 montre l'évolution des mesures brutes de la fraction aqueuse du puits W1 au cours de l'instant considéré comme initial. On remarque des variations très brusques "à hautre fréquence", caractéristiques d'une dispersion liée à du bruit

ou des erreurs de mesures, autour d'une évolution plus lente (à plus basse fréquence).

o nI s'agit de mettre en évidence ces variations qui correspondent à des variations

"significatives" de la fraction aqueuse (liées à des interférences).

Une solution pour filtrer les composantes à "haute fréquence" peut consister par exemple à se servir des moyennes mensuelles de la fraction aqueuse qui sont disponibles avec un pas d'échantillonnage plus régulier relativement faible (environ 30 jours). Les valeurs moyennes sont moins bruitées que les mesures brutes (cf.

Fig.6), la prise de moyenne correspondant à un certain filtrage des hautes fréquences.

On y discerne plus facilement les variations lentes de la fraction aqueuse. En éliminant la partie la plus haute du spectre de fréquence des valeurs moyennes de la fraction aqueuse représenté à la Fig.7, on obtient le diagramme de mesures

significatives de la Fig.8.

b) Les paramètres d'entrée du modèle Les données de débit d'injection et de production des 12 puits considérés sont des valeurs mensuelles exprimées en m3/mois. On voit sur les Fig.9, 10 par exemple, les évolutions des débits respectivement d'un des puits producteurs W1 1 et d'un des puits d'injection W4, avec un échantillonnage mensuel. Leurs histogrammes (non

représentés) ont une forme de distribution de type gaussien.

2 - Traitements des mesures

Sélection d'une collection de données à espacement régulier.

il 2742794 Pour tenir compte d'écarts éventuels entre les périodes d'échantillonnage, on évalue par interpolation une collection de valeurs espacées régulièrement en temps avec un pas assez fin (mensuel par exemple) Filtrage des données filtrage des données de sortie: On voit sur la Fig.7 qui représente le spectre des mesures moyennées de la fraction aqueuse du puits W1, que les basses fréquences possèdent une grande énergie spectrale, qui se traduit dans le domaine temporel par des variations lentes et plus significatives de la fraction aqueuse. Pour éliminer les plus hautes fréquences à faible énergie que l'on peut attribuer plus probablement aux bruits et erreurs de mesure on choisit d'appliquer un filtrage passe- bas. La fréquence de coupure du filtre passe-bas choisie est 0,5 10-7 Hz, soit une période de coupure de 231,48 jours (7,7

mois). Il est possible cependant de modifier la fréquence de coupure du filtre passe-

bas, et de garder par exemple le pic à 1,1 10-7Hz pour le cas o il correspondrait à une éventuelle interférence et de vérifier si le modèle qui en tiendra compte est ou

non amélioré.

Le diagramme de variation validé de la fraction acqueuse du puits W1, après

filtrage, est celui de la Fig. 8.

Filtrage des données d'entrée: On restreint de la même manière la largeur des spectres associés respectivement aux mesures brutes d'entrée relevées respectivement au puits producteur W11 (Fig.9) et au puits d'injecteur W4 (Fig. 11) par application de filtres passe-bas, ce qui a pour effet de lisser les diagrammes de variation résultant (Fig. 10 et Fig. 12). On peut choisir par exemple la même fréquence de coupure que pour les

données de sortie.

3 - Choix des entrées les plus significatives par intercorrélation Un système à 12 entrées est très complexe. Plus les entrées et en conséquence les coefficients du modèle sont nombreux, plus l'écart d'ajustement du modèle sur l'intervalle d'apprentissage sera faible, mais le modèle sera trop spécifique à cet

12 2742794

intervalle, et donc ne sera pas fiable à l'extrapolation dans le temps. Il est bien préférable par conséquent, de conserver les seules entrées qui influent

significativement sur le comportement de la sortie.

Pour effectuer le choix des entrées les plus significatives, une intercorrélation entre la sortie (fraction aqueuse moyennée et filtrée du puits W1) et chacune des entrées est réalisée. Les 11 fonctions d'intercorrélation ainsi obtenues sont classées par ordre croissant de leur maximum. Sur la Fig.13, on voit un exemple de comparaison entre deux fonctions d'intercorrélation. Elle montre que le débit du puits W8 a plus d'influence sur la fraction aqueuse du puits W1 que le débit du puits

W12 plus éloigné, qui ne peut manifestement pas avoir une influence notable.

4) Modèle optimal obtenu La sortie est la fraction aqueuse moyennée et filtrée du puits WI: fW(wl). Les entrées retenues sont les valeurs filtrées des débits des puits suivants: qw8: débit de production du puits W8 (m3/mois) qW11: débit de production du puits W11 (m 3/mois) qW4: débit d'injection du puits W4 (m3/mois) qw8 ---- ----- qwW8 centré 1 centré 4W11-- * qw4 centré fw(wl)(t) = 0,9132 fw(wl)(t-1) - 0,6465 fw(Wl)(t-2) 0,0028 qcentré (W8)(t-1)

13 2742794

+ 0,5546e-3 qcentré (W 1)(t-l) - 0,0020 qcentré (W4)(t-2) + 0,0011 qcentré (W4)(t-3)

+ 69, 6992

Le "centrage" effectué consiste à retirer la composante continue du signal qui représente sa moyenne: x(centré) = x - moyenne(x). Sur la Fig. 13, on peut comparer la sortie calculée avec le modèle (trait plein) avec la vraie sortie (trait pointillé). Le modèle est satisfaisant et fiable: on obtient une bonne extrapolation sur plus de 19 mois précédant la période d'identification et

sur 6 mois suivant cette période, l'identification étant elle-même faite sur 16 mois.

Le choix du nombre de coefficients et des retards est important. Pour obtenir un modèle optimal robuste, il faut garder le moins de coefficient possible. Les retards peuvent être choisis selon l'éloignement des puits "entrées" par rapport au

puits "sortie".

14 2742794

Claims

REVENDICATIONS

1) Méthode pour modéliser, dans un ensemble de puits (Wl-W12) traversant une zone d'un gisement souterrain d'hydrocarbures en cours d'exploitation, les effets des interactions entre plusieurs puits (W2- W12) de cet ensemble de puits sur la fraction aqueuse (fw) dans les effluents produits par au moins un puits producteur (W1) du dit ensemble de puits soumis à un balayage par du fluide sous pression, dans le but d'optimiser la production du gisement, caractérisée en ce qu'elle comporte: - la sélection d'un ensemble de données significatives à partir de données brutes tirées d'historiques d'injection de fluide de balayage dans le gisement et d'historiques de production d'effluents par un ou plusieurs puits de production; et - l'établissement itératif d'un modèle linéaire optimisé reliant les variations au cours du temps des données significatives relatives à la fraction aqueuse dans la production dudit puits producteur (Wl), aux variations au cours du temps des

données significatives relatives des autres puits du dit ensemble de puits.

2) Méthode selon la revendication 1, caractérisée en ce que la sélection des données significatives comporte un filtrage fréquentiel des variations des données brutes. 3) Méthode selon la revendication 1, caractérisée en ce que la sélection des données significatives comporte un filtrage fréquentiel des variations des données brutes relatives à la fraction aqueuse du dit puits producteur (W1) d'une part et des

données brutes relatives à d'autres puits du dit ensemble de puits (W2W12).

4) Méthode selon la revendication 3, caractérisée en ce que la sélection de données significatives comporte par exemple la détection des fluctuations à une fréquence basse très inférieure à la gamme de fréquence avec laquelle sont mesurées

les données brutes affectant la fraction d'eau.

) Méthode selon l'une des revendications précédentes, caractérisée en ce

qu'elle comporte une sélection parmi les autres puits (W2-W12) du dit ensemble de

2742794

puits, d'un nombre restreint de puits présentant les interactions les plus fortes avec le

dit puits producteur (W1).

6) Méthode selon la revendication précédente, caractérisé en ce que l'on sélectionne les puits présentant des interactions en intercorrélant deux à deux les données significatives associées à la fraction aqueuse du dit puits producteur (W1) respectivement avec les données significatives associées aux autres puits du dit

ensemble de puits.

7) Méthode selon l'une des revendications précédentes, caractérisée en ce que

la sélection des données significatives comporte un traitement statistique préalable

des données brutes.

8) Méthode selon l'une des revendications précédentes, caractérisée en ce que

la sélection des données significatives comporte des données brutes d'un ensemble

de données à espacement en temps régulier.

9) Méthode selon l'une des revendications précédentes, caractérisée en ce

qu'elle comporte l'application à un ou plusieurs puits de sollicitations volontaires modifiant les données brutes d'entrée de manière à mieux sélectionner les puits

présentant des interactions.

) Méthode pour modéliser, dans un ensemble de puits (W1-W12) traversant une zone d'un gisement souterrain d'hydrocarbures en cours d'exploitation, les effets des interactions mutuelles exercées par différents puits de cet ensemble de puits, sur les fractions aqueuses (fw) dans les effluents produits respectivement par plusieurs puits producteurs (W1) soumis à un balayage par du fluide sous pression, dans le but d'optimiser la production du gisement, caractérisée en ce qu'elle comporte: - la sélection d'un ensemble de données significatives à partir de données brutes tirées d'historiques d'injection de fluide de balayage dans le gisement et d'historiques de production d'effluents par un ou plusieurs puits de production; - l'établissement itératif de modèles linéaires reliant les variations au cours du temps des données significatives relatives à la fraction aqueuse respectivement dans la production de plusieurs puits producteurs du dit ensemble de puits, aux variations

16 2742794

au cours du temps des données significatives relatives à d'autres puits de cet ensemble; et - une optimisation globale des différents modèles obtenus en tenant compte des interactions croisées entre les données significatives intervenant effectivement dans chacun d'eux, de manière à maximiser la production globale de la zone.