Una Nueva Correlación para Calcular la Producción del Cabezal de Pozo Considerando las Influencias de la Temperatura, RGP, y Corte de Agua para pozos

IPTC 11101
Una Nueva Correlación para Calcular la Producción del Cabezal de Pozo Considerando las Influencias de la Temperatura, RGP, y Corte de Agua para pozos con Levantamiento ArtificialMohamed Ghereeb, Lutkin-Industrias y Shedid A. Shedid, Texas A&M. Universidad

Varias correlaciones clásicas de producción de pozos se han desarrollado y utilizado ampliamente en todo el mundo para pozos de flujo natural. Para pozos con levantamiento artificial, muchos parámetros de pozo y de yacimientos son ignorados en estas correlaciones, originando resultados erróneos y predicciones inexactas cuando se aplican estas correlaciones para predecir futuras tasas de producción.
El objetivo de este artículo consiste en cubrir las limitaciones de estas correlaciones para los pozos con levantamiento artificial con el desarrollo de una nueva correlación capaz de predecir con exactitud la producción de cabezal del pozo. La nueva correlación se desarrolló utilizando un conjunto de 1.750 puntos de datos de 352 pozos de producción en Egipto. La recién desarrollada correlación incluye varios parámetros sobre el tamaño de la tubería del pozo y temperaturas de fondo y superficie, relación gas petróleo, profundidad de la arena productora y corte de agua. Se lleva a cabo un análisis de sensibilidad utilizando la nueva correlación desarrollada en base a la influencia de estos parámetros.
Los resultados indicaron que la nueva correlación desarrollada es capaz de predecir la tasa de producción de pozo con precisión. Cabe destacar, que los parámetros que tienen un impacto significativo en la tasa de producción del pozo son la profundidad, el tamaño de la tubería, y la temperatura de fondo, mientras que la variación de la temperatura de superficie, el corte de agua y la relación gas-petróleo afectan en menor medida a la tasa de producción del pozo.
La predicción de una mayor tasa de productividad utilizando la nueva correlación es atribuida a estas consideraciones y a otros muchos parámetros que fueron ignorados antes en las correlaciones de Gilbert y otras correlaciones, tales como tamaño de la tubería, las temperaturas y la profundidad de la arena productora.

1. Introducción y revisión de la literatura
Los medidores del separador y del multifásico se habían considerado y utilizado para determinar la producción de los pozos. Esto ha sido considerado como el método más exacto para calcular las tasa de flujo de petróleo y gas. Sin embargo, estos métodos son bastante caros y se llevan mucho tiempo para llevarse a cabo. Por lo tanto, generalmente se desea tener una rápida y precisa evaluación del índice de productividad teniendo en cuenta los parámetros del pozo, sobre todo la presión y la temperatura. Una buena utilización de los parámetros de presión y temperaturas de los pozos productores revela una excelente y confiable información sobre el comportamiento del pozo y así puede ayudar a realizar oportunas medidas correctivas.
Para pozos de flujo natural las correlaciones clásicas (bean correlations) es lo más ampliamente utilizado para monitorear el desarrollo del pozo. La mayoría de las correlaciones actuales (Gilbert, 1954; Ros, 1960; Ashong, 1961; Astord, 1973; Secen, 1976; Abdul-Majeed, 1986) para flujos bifásicos son sólo válidas para flujos críticos en el estrangulador CHOKE. La literatura presenta buenas correlaciones para una fase de líquido o gas. Sin embargo, correlaciones exactas para dos fases son limitadas y para multifásicos raros y escasos. Esto es especialmente cierto en el caso de flujo de la región subsónica (es decir, flujos de velocidades tan pequeñas como el sonido)

La mayoría de las actuales correlaciones para multifásicos son válidas sólo para condiciones de flujo crítico. La correlación más popular fue desarrollado por Gilbert (1954), pero es válida solo con flujos críticos que ocurren cuando la presión de flujo de entrada al estrangulador es al menos 70% más alta que la presión de flujo de salida o cuando la razón de ambas presiones es igual a 0.588.
En general, en la literatura (Abdul-Majeed, I986; A1-Attar y Abdul-Majeed, 1988) se revela que el manteniendo de la tasa de presión de entrada (downstream pressure) a la presión de salida entre el rango 0,50 a 0,60 asegura la condición de flujo crítico del estrangulador
En los pozos de flujos natural, la tasa de producción es controlado por medio del estrangulador de superficie (o “bean”). Economides (1993) indicó que el flujo bifásico a través de los pozos actuales no ha sido descrita teóricamente todavía. Por lo tanto, muchas correlaciones empíricas se han desarrollado para este fin de determinar el flujo bifásico a través de un estrangulador. Estas correlaciones generalmente se aplican en condiciones de flujo crítico.

Condición de Flujo Crítico
Esta es la condición cuando la mezcla gas-líquido fluye a través del estrangulador con velocidad suficiente para llegar a la del sonido. Cuando esta condición se produce, el flujo es llamado “flujo crítico” y los cambios de presión en la salida del estrangulador no afectan la tasa del flujo.

Consecuentemente, Gilbert (1954), desarrolló su correlación para el cálculo de la tasa de producción, como sigue:

Reordenando la ecuación (1) queda:



Donde Q es la tasa de liquido en unidades de campo (bbl/d), Pwh es la presión de cabezal de la tubería del pozo (Psig), S es el tamaño del estrangulador de superficie (1/64 inch), y R es la tasa de gas-líquido (MSCF/BBL). Siguiendo el mismo enfoque de Gilbert (1954), Ros (1960) desarrolló en una correlación muy similar pero con diferentes exponentes de correlación como sigue:



Achong (1961), Ashford (1973), Secen (1976) desarrollaron correlaciones similares con diferentes constantes y exponentes de la misma manera que las correlaciones de Gilbert. Tanway et al (1995) desarrolló un programa computacional para calcular estos exponentes para diferentes campos locales de Egipto. Todos los estudios anterior mente mencionados están basados en Gilbert, el cual puede ser escrito en forma general de la siguiente manera:



Una lista de las correlaciones más populares para predecir las tasas de producción en cabezal para pozos con flujo natural se presentan en el APENDICE A. Este apéndice incluye las correlaciones de Gilbert, Achong, Poettmann, Omana, y Ashford
Abdul-Maieed (1986) desarrolló un estudio de sensibilidad acerca de correlaciones que permitan la predicción de flujo bifásico a través de del estrangulador con datos de 210 ensayos en pozos iraquís. Los datos incluyeron tasa de producción, tamaño de del estrangulador, presión de entrada, la relación gas-líquido, y gravedad API del petróleo.
El llegó a la conclusión de que la correlación de Gilbert arrojaba resultados relativamente exactos, y que la correlación de Omana es pobre en la predicción precisa de la tasa de producción.
Al-Attar y Abdul-Maieed (1988) compararon las correlaciones de flujo multifásico a través de un estrangulador de cabezal mediante un análisis estadístico basado en datos de producción de 155 y pozos de prueba iraquí.
Llegaron a la conclusión de que la correlación de Ashford provee una sobre estimación de las tasas de producción, y que la correlación de Poettmann produce una subestimación de las tasas de producción. El estudio también concluyó que las correlaciones de Gilbert, Poettmann, y Ashford para los crudos en el rango de 38 a 45 API de gravedad resultaron en tasas de producción impredecibles.

2. Desarrollo de una nueva correlación.

A pesar de que presión de cabezal de la tubería es un factor considerado para el cálculo de la tasa de producción en varias ecuaciones de productividad en el estrangulador, no es un factor en absoluto para la predicción de la tasa de producción en un sistema de levantamiento artificial. Esto se atribuye principalmente a la ausencia de condiciones de flujo crítico en el caso de un sistema de levantamiento artificial en la que el estrangulador está desconectado o se mantiene totalmente abierto.
Para el objetivo del desarrollo de la nueva correlación para pozos que fluyen artificialmente, la temperatura del cabezal del pozo se considera una función de algunos parámetros de pozos y de yacimiento. La propuesta de esta función puede ser presentada en la siguiente forma matemática:



La consideración directa e inversa de la proporcionalidad de estos parámetros con temperaturas en el cabezal del pozo e inserción de una constante de proporción (K), basada en la medición actual de datos, resulta en:



Rearreglando la ecuación (6) nos queda:



Los datos reales de 352 pozos productores con tasa de flujo (Q), temperatura del cabezal (Tth), área de la sección transversal de la tubería (A), relación gas-petróleo (GOR), temperatura del fondo (Tbh) se utilizan como se muestra en la Fig. 1 y Fig. 2.

Las figuras de la 1-a a la 1-d presentan el enfoque sistemático utilizado para desarrollar la proporcionalidad directa de la tasa de producción real y la temperatura del cabezal para diferentes relaciones de gas-petróleo y cortes de agua iguales a cero.

Las figuras 2.a y 2.b muestran la variación de la tasa real con la temperatura del cabezal del pozo para diferentes cortes de agua.

El mismo criterio se aplica para otros parámetros de pozos y yacimiento considerados que intervienen en la nueva correlación. Entonces, el método de los mínimos cuadrados se aplica con todos los datos juntos y los puntos de la ecuación resultante se resolvieron mediante el método de eliminación Gaussiana.
Un programa en FORTRAN fue desarrollado para calcular la constante K y los coeficientes a, b, c, d, e, y f. La forma final de la correlación desarrollada está dada por:

Donde, Tth es la temperatura del cabezal del pozo (°F), Tbh, es la temperatura del fondo del pozo (°F), A es el área de sección transversal de la tubería (in2), GOR es la tasa de producción gas-petróleo (scf/stb), y WC es la producción de “water-cut” (%).

Con el fin de probar la exactitud de las correlaciones desarrolladas versus a la tasa real de producción medida, la Figura 3 desarrolla y muestra con muy buena precisión la predicción de las tasas de producción con factor de correlación (R2) de 0.973.

La nueva correlación desarrollada en la ecuación (8) considera muchos parámetros del pozo y de yacimientos los cuales no se incluyeron en las correlaciones anteriores, tales como: corte de agua, temperatura de fondo cabezal del pozo, y la profundidad de producción. A esto se suma a otros parámetros aparecidos en Gilbert y otras correlaciones, tales como; GOR y la presión del cabezal del pozo.

2. Resultados y Discusión.

Todas las mediciones reales de las tasas de producción de los cabezales de 352 pozos en producción son graficadas en la figura 3 versus las predicciones utilizando la nueva correlación desarrollada, en la ecuación 8. Esta figura muestra los resultados de predicción exacta con un excelente coeficiente de correlación de 0,97. La exactitud en la predicción de la tasa de producción del pozo se atribuye principalmente a la consideración de más parámetros de pozos y reservorios, tales como cortes de agua, temperaturas del fondo del cabezal del pozo, la profundidad de producción y el tamaño de la tubería. La importancia de cada uno de estos parámetros que intervienen en esta nueva correlación también es investigado por la realización de un análisis de sensibilidad. Los resultados de este análisis se presentan en las figuras 4 a 8.

Figura 4 se presentan las predicciones de la producción en el cabezal versus su temperatura para diferentes profundidades de arenas productoras. Ello proporciona una conclusión general de que el aumento de temperatura en los cabezales incrementa su producción. Esto puede atribuirse a la reducción de la viscosidad del crudo debido al aumento de la temperatura del pozo. Esto significa, que para campos de petróleo en las áreas calientes, la producción del pozo será superior a los de lugares fríos. Esta figura, la 4, también revela que la arena productora de mayor profundidad donde se espera que tenga mayor tasa de producción del de cabezal para la misma temperatura de superficie.

La figura 5 muestra la predicción de la tasa de producción del cabezal versus la temperatura para diferentes RGP. Confirmando la misma conclusión dicha anteriormente para el efecto de la profundidad arena productora, de que el aumento de la temperatura de la superficie aumenta la tasa de producción para diferentes GORs. Esto puede atribuirse a que el aumento de GOR causará una mezcla más ligera de líquidos y de gas resultando en una mayor producción. Esto también indica que el aumento de 40 veces del GOR (de 25 a 1.000 scf/stb) tiene un menor efecto sobre el aumento en la tasa de producción del cabezal.

Figura 6 representa gráficamente las predicciones de producción del cabezal versus la temperatura para diferentes áreas de tubería (o tamaños). Revelando que el aumento del tamaño de la tubería, aumenta la tasa de producción. Esto se debe al incremento del área abierta al flujo, como lo demuestra la ecuación de continuidad (Q = velocidad x area). También demuestra que el aumento de la tubería tiene un importante efecto en el incremento de la producción del pozo. Esto también confirma las conclusiones alcanzado antes de Abdel-Majjed (I986).

Figura 7 representa la producción calculada versus diferentes temperaturas de superficie para distintas temperaturas de fondo. Esto está basado en datos de campos reales usados para desarrollar la correlación nueva, ecuación 8. Esto se puede explicar como sigue: el aumento de la temperatura del pozo disminuye la viscosidad del crudo y, a continuación, aumenta la tasa de producción. Esto se confirma mediante los datos de campo de los diferentes pozos y a diferentes temperaturas de fondo.

La Figura 8 representa la producción de cabezal calculada versus la temperatura de cabezal para diferentes cortes de agua. Se muestra que el incremento en los cortes de agua disminuye la producción de petróleo en el cabezal. También se puede observar que la influencia del corte de agua sobre el incremento de la producción del crudo es menor para cortes de agua por debajo del 50%
En general, se pueden obtener algunas conclusiones basadas en los resultados usando la correlación nueva, sobre su sensibilidad en la importancia y la profundidad de impacto de la profundidad, tamaño de la tubería y la temperatura de cabezal sobre la producción de petróleo y también de la menor influencia del RGP, de la temperatura de fondo y del corte de agua.

4. Conclusiones

Este estudio se realizó para revisar las actuales correlaciones para la productividad del pozo y para desarrollar una nueva correlación que considere nuevos parámetros importantes que afectan a la tasa de producción.
Se obtuvieron las siguientes conclusiones:

1. Las correlaciones clásicas de productividad para pozos de flujo natural y flujo artificial son limitadas para aplicaciones en campo.
2. Las correlaciones clásicas de predicción de producción de pozos en el cabezal son muy sensibles al cambio de tamaño del estrangulador y limitadas solamente para pozos con flujo natural.
3. Se desarrolló una nueva correlación para la predicción rápida y exacta de la producción en el cabezal considerando varios parámetros de pozo y de formación que antes eran ignorados en las correlaciones clásicas.

4. Los análisis de sensibilidad de los factores que afectan la tasa de producción de cabezal indicaron que la profundidad de producción, el tamaño de la tubería y las temperaturas de fondo tienen un importante impacto mientras que la RGP, la temperatura de cabezal y el corte de agua tienen un menor efecto sobre los valores predichos en la tasa de producción de cabezal.

LA ESTADÍSTICA INTEGRAL AUTOCORRELADA Y LA SIMULACIÓN EN LÍNEAS DE FLUJO OPTIMIZACIÓN DE LOS MODELOS DE YACIMIENTO Y DEL DISEÑO DE LA RECUPERACIÓ...

LA ESTADÍSTICA INTEGRAL AUTOCORRELADA Y LA SIMULACIÓN EN LÍNEAS DE FLUJO OPTIMIZACIÓN DE LOS MODELOS DE YACIMIENTO Y DEL DISEÑO DE LA RECUPERACIÓN SECUNDARIA

Mirta C. de Galacho; Néstor Galacho Noceti; Pablo Vázquez Ayos, MG&A Oil & Gas, mgoilandgas@mgoilandgas.com.ar - www.mgoilandgas.com.ar
Copyright 2005,CIPM. Este artículo fue preparado para su presentación en el cuarto E-Exitep 2005, del 20 al 23 de febrero de 2005 en Veracruz, Ver. , México. El material presentado no refleja la opinión del CIPM, su mesa directiva o sus colegiados. El artículo fue seleccionado por un comité técnico con base en un resumen. El contenido total no ha sido revisado por el comité editorial del CIPM.

RESUMEN

Como es bien sabido la Optimización del Desarrollo y Explotación de Campos depende de cuán acertados sean los Modelos Estático-Dinámicos de los Reservorios que se utilicen para conducir esas tareas en un real camino hacia el Perfeccionamiento de la Administración de Yacimientos.

La Estadística Integral Autocorrelada (EIA) brinda un procedimiento para el logro de esos Modelos con el manejo de conceptos estadísticos (autocorrelados) sólidamente apoyados en las Geociencias y también en la Ingeniería de Yacimientos, involucrando la utilización de Sistemas Estocásticos, es decir parcialmente determinísticos y parcialmente estadísticos.

Complementariamente la Simulación Numérica Dinámica en Líneas de Flujo (o Simulación en Líneas de Flujo) permite el manejo de Modelos Dinámicos en escala “fina”, que en la mayoría de los casos significa la misma escala en la que ha sido generado el Modelo Geológico, sin “Upscalings”, con todas sus heterogeneidades. Esto es así pues maneja de manera desacoplada, aunque integrada, la caracterización de los reservorios y las ecuaciones de transporte, resultando procedimientos computacionalmente más rápidos y eficientes en la resolución de problemas dominados por flujos convectivos (no altamente compresibles).

Además, y respecto de los procesos de Recuperación Secundaria, la Simulación en Líneas de Flujo brinda herramientas que permiten: Identificar los volúmenes contactados por los fluidos inyectados y los volúmenes drenados por los pozos productores Visualizar, conceptualizar y cuantificar el acoplamiento inyector/productor

Esas herramientas proporcionan un sólido sustento a los procesos de Optimización del Diseño de la Recuperación Secundaria, con sus Mallas de implementación. Se presenta un Caso Histórico en el que se aplicaron la Estadística Integral Autocorrelada y la Simulación en Líneas de Flujo a un Campo petrolífero maduro, altamente heterogéneo, para lograr un Diseño optimizado de su explotación por Recuperación Secundaria por Inyección de Agua.
Se consideraron optimizaciones como las siguientes: En los esquemas de inyección, incluyendo la perforación de pozos interdistanciados, productores e inyectores • En los caudales de inyección, previendo la generación de canalizaciones indeseadas del agua inyectada
Este trabajo permitió abrir una nueva etapa en la explotación de un campo petrolífero maduro en un camino hacia el Perfeccionamiento de la Administración de Yacimientos.

LA SIMULACIÓN EN LÍNEAS DE FLUJO

A medida que se incrementa la necesidad de una representación más adecuada de la realidad geológica y de los movimientos de los fluidos en los Reservorios de Petróleo, los Modelos Numéricos resultan cada vez más complejos. Los programas de Simulación Numérica Dinámica basados en cálculos de Diferencias Finitas o de Elementos Finitos se ven forzados a brindar soluciones en una escala “gruesa” debido a las limitaciones habituales de Hardware, tales como la cantidad de Memoria Operativa (aproximadamente 5 KB de RAM por celda activa) y a los Tiempos Aceptables para las Corridas (Tamaño del TimeStep controlado por el Tamaño de las Celdas).

La Simulación en Líneas de Flujo (SLF) constituye una alternativa innovadora y muy atractiva que permite el manejo de Modelos Dinámicos en una escala “fina” (sin Upscaling) ya que, al desacoplar la geometría y la heterogeneidad del flujo de las ecuaciones de transporte, resultan computacionalmente más rápidos y eficientes en la resolución de problemas dominados por flujos convectivos (sistemas no altamente compresibles)[1 y 2].

La Simulación en Líneas de Flujo comienza resolviendo las ecuaciones de flujo mediante la obtención del campo tridimensional de Presiones considerando las propiedades de las rocas, fluidos y condiciones de contorno. Posteriormente, se trazan las Líneas de Flujo siguiendo el gradiente de Presiones, en forma tangencial al campo vectorial de velocidad total, y plantea la ecuación de transporte de fluidos, aplicando la Ley de Darcy correspondiente, a lo largo de la Línea de Flujo en forma unidimensional. Para ello sustituye en esa ecuación las variables x, y, z por una variable τ, llamada Tiempo de Vuelo (TOF), que representa el tiempo que un trazador neutral requiere para alcanzar un punto “s” de la Línea de Flujo. De esta forma las líneas de flujo dejan de ser tan sensibles a la forma y tamaño de los bloques.

A continuación se resuelve un Balance de Masa en cada Línea de Flujo para mover la composición del fluido en el tiempo, se mapea esa composición a lo largo de cada línea y finalmente se distribuye el fluido en la vertical considerando el efecto gravitatorio y volviéndolo a mapear en la grilla 3D. Así, automáticamente, se vuelve a comenzar el ciclo resolviendo el campo de presiones en cada paso temporal deseado.

Todo este proceso de simulación es rápido, lo que permite tener una gran discretización espacial, y por lo tanto, representar en mayor medida la heterogeneidad de los reservorios de manera más cercana a la realidad.

Merece destacarse, como lo muestra la Fig.1, que en los Modelos de Líneas de Flujo, el fluido es transportado en la dirección de los gradientes de presiones, a lo largo de las líneas de flujo y no entre bloques de grilla como ocurre en la Simulación por Diferencias Finitas y que la traza de la Línea de Flujo y el Tiempo de Vuelo permiten identificar los bloques que requerirían ser “modificados” en un eventual proceso de Ajuste Histórico.

Sin embargo, cabe acotar que la resolución de las Líneas de Flujo considera que éstas no cambian significativamente con el tiempo, cosa que sí ocurre con los sistemas altamente compresibles, donde, por lo tanto, los métodos de las Diferencias Finitas son superiores.

Las principales aplicaciones en las cuales la SLF resulta exitosa son las siguientes[3; 4 y 5]:

Ranking de Grandes Modelos Geológicos para la Caracterización Temprana de Reservorios basada en la integración de la información estática y dinámica disponible;

Calibración de Modelos Geológicos en Escala Fina para evaluar los procedimientos geostadísticos y las técnicas de Upscaling, realizando Sensibilidades a distintos parámetros. Permite trabajar con Modelos que contienen un gran número de celdas en tiempos de procesamiento cortos;

Optimización de la Locación de Pozos Ínter-distanciados, basada en la más ajustada calibración del Modelo Geológico, que permite reflejar la geometría y heterogeneidad de los reservorios más detalladamente;

Evaluación, Optimización y Seguimiento de la Recuperación Secundaria utilizando Nuevos Parámetros, función de las propiedades estáticas y dinámicas de los reservorios, como son las Líneas de Flujo con los TOF y las Conectividades entre inyectores y productores (WAF, Well Allocation Factors);

Identificación de las zonas del reservorio donde principalmente ocurre el flujo de fluidos tanto en las cercanías de pozos inyectores como productores;
Optimización del Diseño de las Mallas de Recuperación Secundaria basadas en una clara y cuantitativa relación entre pozos productores e inyectores;
Disminución sustancial de los Tiempos de Procesamiento, comparando con la Simulación en Diferencias Finitas. Para los grandes yacimientos esta característica significa abrir la posibilidad de acceder a un proceso de Simulación Numérica Dinámica;
Ajuste Histórico Integral de Modelos Estático – Dinámicos en Escala Fina. Esta es una tarea que habitualmente las Diferencias Finitas no pueden desarrollar.

Este trabajo va a centrar la atención en el puntoreferido a la Optimización de Proyectos deRecuperación Secundaria, con los nuevosParámetros para su Evaluación y Seguimientoparticularmente en lo referido al Diseño de Mallas.

LA SIMULACIÓN EN LÍNEAS DE FLUJO Y LA ESTADÍSTICA INTEGRAL AUTOCORRELADA (EIA)

La EIA brinda procedimientos apoyados en conceptos estadísticos autocorrelados[6], [7], basados en análisis variográmicos de las propiedades, integrados con el comportamiento productivo de los reservorios.
Complementariamente la Simulación en Líneas de Flujo, con su capacidad de identificar las zonas involucradas en el proceso de inyección y producción por pozo, permite relacionar de manera directa las propiedades de esas zonas con el comportamiento dinámico en sí mismo.
Además la SLF puede trabajar con los Modelos Geológicos a nivel de Escala Fina reflejando detalladamente la geometría y heterogeneidades de los reservorios.
Es decir que estas dos herramientas, la EIA y la SLF, brindan un camino entre las Realizaciones “cuantitativas” Estáticas y Dinámicas que conduce a la obtención del Modelo de Yacimiento más probable, acorde con la información disponible, ya sea en los estadios iniciales, como intermedios o maduros de los yacimientos.

OPTIMIZACIÓN DEL DISEÑO DE LA RECUPERACIÓN SECUNDARIA POR SIMULACIÓN EN LÍNEAS DE FLUJO

Para el manejo de los Proyectos de Recuperación Secundaria por Inyección de Agua existen varias herramientas que permiten su representación y modelización. Estas realizaciones pueden clasificarse en dos grandes grupos, dentro de las que se incluyen algunas de las técnicas que se detallan a continuación:

Métodos de la Ingeniería Clásica de Yacimientos:

• Por Análisis Adimensional Analógico con Reservorios de Características Similares

• Por Combinación del Análisis Declinatorio, Balance de Materiales y Curvas Tipo

• Por Métodos Analíticos tales como el de Ershaghi Modificado, de Flujo Segregado, de Stiles, de Avance Frontal de Buckley-Leverett, etc.

Métodos de Simulación Numérica Dinámica:

• en Diferencias Finitas (SNDDF)

• por Líneas de Flujo (SLF)

En líneas generales, los Métodos de la Ingeniería Clásica de Reservorios permiten dar una respuesta promedio rápida del comportamiento dinámico de un reservorio durante la Inyección de Agua. Sin embargo, no pueden representar las heterogeneidades de los reservorios, ni los Diseños variados, y muchas veces altamente irregulares, de los Procesos de Barrido, tanto en Esquemas como en Caudales de Inyección y Producción. De este manera no resultan aptos para determinar modificaciones (optimizaciones) en las condiciones de explotación.

La Simulación Numérica Dinámica es una herramienta que supera las limitaciones mencionadas de los Métodos Clásicos, aunque presenta la dificultad de requerir una mayor cantidad de información cuyas incertidumbres deben estar acotadas. En consecuencia, con la Simulación Numérica Dinámica es posible representar las heterogeneidades que presentan las propiedades petrofísicas en el reservorio, como así también los diferentes cambios en las condiciones de explotación y/o inyección en los pozos o grupos de ellos. Al comparar ambos métodos numéricos se encuentra que las principales ventajas de la SLF frente a la SNDDF son: • Resolver mejor problemas donde el flujo de fluidos está dominado por el desplazamiento, como ocurre en los barridos por inyección de agua en reservorios de petróleo;

• Trabajar con Modelos que contienen un mayor número de celdas en tiempos más cortos de procesamiento;
• Como consecuencia de lo anterior, pueden representar más detalladamente las características de los reservorios, con sus heterogeneidades, y las condiciones de los Procesos de Barrido con sus irregularidades
• Detectar las zonas del reservorio donde principalmente se produce el flujo de fluidos; identificando los sectores ya barridos;
• Determinar el volumen poral drenado por cada productor (ver Fig. 2), tanto en la producción primaria como en la secundaria (excepto para flujos altamente compresivos o dominados por fuerzas capilares);

• Determinar el volumen poral contactado por cada inyector (ver Figs. 3 y 4);

• Identificar las conexiones inyector/productor, cuantificando dicha relación a través de los WAF Ver Fig. 5);

Mediante la visualización de gráficos de la Eficiencia de Barrido (ver Fig. 6) y del Volumen Poral Contactado (ver Fig. 7) la SLF permite optimizar los Factores de Recuperación de petróleo, a nivel del reservorio y de cada una de las mallas [6; 7 y 8] .

El siguiente Caso Histórico muestra la aplicación de la SLF como una herramienta novedosa para la optimización del diseño y seguimiento de Proyectos de Recuperación Secundaria.

CASO HISTÓRICO CAMPO ANTICLINAL CAMPAMENTO

Características Generales del Yacimiento

El yacimiento Anticlinal Campamento está ubicado en la Provincia de Neuquén; República Argentina. Inició su Producción Primaria en 1954 y a fines de 1983 un proyecto piloto de Recuperación Secundaria.

La estructura en la que se encuentra el yacimiento es un anticlinal elongado E-W, atravesado por fallas de rumbo aproximado N-S, que lo dividen en tres Bloques: Oriental, Central y Occidental, ver Fig. 8. La Fm. Lotena es la principal productora, al igual que el Bloque Oriental (BO) del yacimiento, y sobre éstos se desarrolla el Caso Histórico aquí presentado.

Se aplicó la Estadística Integral Autocorrelada para identificar, delimitar y caracterizar los yacimientos[6], [7].

La variable utilizada para la identificación y delimitación de las zonas permeables de los yacimientos fue el Potencial Espontáneo (Índice SP). Se analizó estadísticamente la relación entre esta variable y la Permeabilidad Absoluta (k) medida en testigos corona, lo que también permitió determinar que para un valor mínimo de k de 10mD el Índice SP debía ser como máximo 40. En la Fig. 9 se observa la correspondencia entre las variaciones de k y del Índice SP, con los valores de corte indicados.

Se realizó el análisis variográmico del Índice SP según la vertical y el plano de sedimentación para utilizarlo en los procedimientos de Kriging Ordinario para obtener el cubo 3D de ese variable. Finalmente al establecer el valor de corte de 40
para el Índice SP se delimitaron los cuerpos permeables divididos en Niveles y Subniveles. Los Niveles son Unidades Hidráulicas independientes (yacimientos), mientras que los Subniveles son parte de los anteriores, sólo parcialmente desconectados.

Se identificaron en el BO los siguientes 5 Niveles y Subniveles de mayor extensión, como prioritarios para ser barridos: N1; SN2A; SN2B1; SN2B2 y N3, los que suman el 90 % del OOIP total del Bloque, ver Figs. 10 y 11.

Sobre el Modelo Tridimensional y Continuo de estos reservorios se realizó un completo análisis que permitió determinar dónde se encontraban las desconexiones entre canales, “barreras de conectividad”, ver Figs. 12 y 13. Estas barreras determinaron la selección de los esquemas de barrido del Proyecto de Recuperación Secundaria.

El Modelo Tridimensional y Continuo más probable de las permeabilidades se obtuvo aplicando Redes Neuronales para generar los perfiles de Permeabilidad por Pozo y luego Kriging Ordinario sobre estos valores. Las tendencias mostradas por la permeabilidad fueron congruentes con la distribución de las “barreras de conectividad”, tal como se observa en la Fig. 13.



Los Balances de Materiales realizados indicaron valores de Petróleo Original in situ prácticamente coincidentes con los determinados volumétricamente utilizando el Modelo obtenido por EIA, según se describe más arriba, siendo esta una medida de la bondad del mismo.

El proceso de Simulación en Líneas de Flujo en sí mismo resultó otro chequeo satisfactorio del Modelo Estático, con el que se logró un Ajuste Histórico Global con sólo adaptaciones pequeñas del mismo.

Primer Diseño del Proyecto de Recuperación Secundaria

Se consideró llevar a cabo un Proyecto de Recuperación Secundaria por Inyección de Agua, abarcando de manera extendida los Niveles 1 y 2 de la Fm. Lotena, inyectando complementariamente Gas en los Casquetes para aportar al mantenimiento de presión y para mejorar la eficiencia de recuperación del petróleo, limitando su movimiento hacia los Casquetes de Gas. En función de las características de los reservorios se definieron 4 grandes Mallas de Recuperación Secundaria: Aa, Ab, B y C. Las Mallas Aa y Ab, en las zonas centrales y SE del yacimiento, tienen buenas características petrofísicas y desarrollo primario suficiente para iniciar la implementación de los procesos secundarios. La Malla B se corresponde con la región NO de buenas características petrofísicas pero donde deben perforarse nuevos pozos para iniciar los procesos secundarios y las Mallas C, que coinciden con las zonas de menor calidad de las arenas del NE, ver Fig. 14.

Se definieron 3 Escenarios Básicos de Recuperación Secundaria: el Escenario 1 correspondiendo con la implementación de las Mallas Aa y Ab, el Escenario 2 que le suma al anterior la implementación de la Malla B y el Escenario 3 que le suma al anterior la implementación de las Mallas C.

Se seleccionó el Escenario 1, con las Mallas Aa y Ab, para mostrar cómo la Simulación en Líneas de Flujo puede lograr la Optimización del Diseño de Recuperación Secundaria.
Para realizar el Primer Diseño, considerando la Inyección selectiva por niveles, se llevaron a cabo las siguientes tareas:

• Prorrateo de Producciones y Acumuladas por Capa en la Zona del Proyecto
• Cálculos de Inyectividad en los Pozos Inyectores de Agua y en el Pozo Inyector de Gas
• Análisis de Productividades en los Pozos Productores
• Primera estimación de los Volúmenes y Caudales de Inyección de Agua y de Gas por Pozo-Capa en la Zona del Proyecto.
Para este último punto las premisas fueron:
1) desarrollar el Proyecto de Recuperación Secundaria en 12 años,
2) lograr el “llenado de los yacimientos” en el primer año del Proyecto y
3) inyectar en los años siguientes de forma de acumular un total de 1,5 VP de agua en todo el Proyecto. Así por ejemplo, para el Subnivel 2B2, resultó una inyección de 60m3/d por pozo en el primer año y 37 m3/d en los años siguientes.

En la próxima Sección se simulará este Primer
Diseño de Recuperación Secundaria y se analizará

el camino de Optimización del mismo, mediante
Líneas de Flujo.

Optimización del Diseño de la Recuperación
Secundaria por Simulación en Líneas de Flujo

La SLF permitirá lograr la Optimización del Proceso de Recuperación Secundaria considerando la conexión más probable entre pozos inyectores y productores, de acuerdo con las características de los reservorios (y sus heterogeneidades) y con las características del Diseño (distribución de los productores e inyectores y sus condiciones dinámicas de operación).

Se definió el Modelo de Entrada al simulador de Líneas de Flujo con el Modelo Estático logrado por Estadística Integral Autocorrelada, tal cual se describió previamente.

Cabe consignar que en el Sector SE del Campo se desarrolló un Proyecto Piloto de Recuperación Secundaria por Inyección de Agua. Se realizó el Ajuste Histórico de la Simulación durante ese período, que por cierto también abarcaba al resto del campo bajo Producción Primaria, con las correspondientes Condiciones de Inicialización.

En las Figs. 15 y 16 se presentan imágenes de Líneas de Flujo. La primera corresponde a la etapa del Ajuste Histórico y es un Corte Transversal mostrando distintos Niveles en producción con el Tiempo de Drenaje indicado sobre cada línea, se puede observar la correspondencia entre los valores de registros del Índice SP y la cantidad de Líneas de Flujo

La Fig. 16 corresponde a la etapa de Predicción de la Recuperación Secundaria, es una vista de planta del Subnivel 2B2 con el Tiempo de Vuelo indicado sobre cada línea

Utilizando el Modelo de Líneas de Flujo así obtenido se desarrolla a continuación la Optimización de las Mallas Aa y Ab, del Escenario
1, previamente referidas. De las muchas variantes que se pueden considerar para la Optimización se presentan en este trabajo, a modo de ejemplo de la Metodología aplicada, las siguientes: incremento de los caudales de inyección, analizando las posibilidades de canalizaciones en distintos pozos y su corrección y la perforación de pozos ínter- distanciados con cambios de los esquemas de inyección. Se consideran esas Optimizaciones como las siguientes variantes del Escenario 1:
Escenario 1.0: Diseño Básico de las Mallas Aa y Ab por Ingeniería de Reservorios Clásica
Escenario 1.1: Escenario 1.0 + 10% Incremento Qiny por pozo
Escenario 1.2: Escenario 1.0 + 30% Incremento Qiny por pozo
Escenario 1.3: Escenario 1.2 +3 pozos (un inyector y dos productores) + conversión del NAC 1010 a inyector
Escenario 1.4: Escenario 1.3 + reducción al 20% Qiny pozos NAC 8, 22 y 49, para evitar canalizaciones.Escenario 1.5: Escenario 1.3 + incremento en 40 kg/m2 de la Presión Dinámica de producción del pozo NAC 33 para evitar canalizaciones desde los inyectores vecinos NAC 8, 22 y 49.

Se evalúan a continuación, brevemente, cada uno de los Escenarios de Optimización, utilizando los siguientes parámetros de la SLF:
• Líneas de Flujo y Tiempo de Vuelo (TOF) con un corte de 10 años,
• Conectividades Inyector-Productor (WAF)
• Eficiencia de Barrido: Petróleo Producido asociado vs. Agua Inyectada

Se presentan, por brevedad, sólo las imágenes del Subnivel 2B2, pero los análisis de procedimientos aplicados fueron similares para los otros Niveles y Subniveles del Proyecto de Recuperación Secundaria.

En la Fig. 17 se muestran las Líneas de Flujo (LF) con la variable TOF y los WAF para el Escenario 1.0, con el Diseño Básico de las Mallas Aa y Ab.



La densidad de las LF es proporcional al caudal de inyección, el que a su vez depende de la permeabilidad del reservorio, así se observan muchas menos LF partiendo del Inyector NAC 13, en zonas de baja permeabilidad de los reservorios, que de los inyectores NAC 22 y 26 ubicados en zonas permeables. También la mayor permeabilidad de los reservorios determina la mayor extensión de las LF.

Por otro lado es posible observar en el pozo NAC 26 la influencia de las “barreras de conectividad” en el rumbo de las LF.

Dado que se ha puesto un corte de 10 años en las LF (en función de los TOF), aquellas zonas de los reservorios no alcanzadas por las LF quedarán sin barrer en ese período. Ambas Mallas Aa y Ab muestran zonas sin barrer candidatas para la ubicación de pozos Ínter distanciados.

Acompañan a esta figura los WAF´s que esquematizan las conexiones Inyector-Productor (a tiempo infinito), el grosor de estos segmentos es proporcional a los caudales (o cantidad de LF) de la conexión. La ausencia de estos segmentos WAF indica que el inyector no se conecta con el productor. Por ejemplo en el Subnivel 2B2 los inyectores NAC 49 y 59 no presentan en este Escenario conexiones WAF con los productores y efectivamente las LF se dirigen esencialmente hacia zonas externas a las Mallas en análisis.

Los Escenarios 1.1 y 1.2, como se expresara más arriba, mantienen el Diseño de las Mallas en sus distintas características salvo que incrementan los caudales de inyección por pozo en 10 y 30%, respectivamente, ver Figs. 18 y 19. En general puede observarse que al aumentar los caudales se incrementa el barrido de las Mallas. Pero también se dan otros efectos, por ejemplo el inyector NAC 49 no afecta a los pozos de las Mallas en el Escenario 1.0, como se lo expresó más arriba y tampoco lo hace en el Escenario 1.1 (no tiene WAF´s asociados), sin embargo con el aumento de caudal del Escenario 1.2 muestra un WAF importante con el productor NAC 33. También el inyector NAC 8 aumenta su conexión con el NAC 33 al incrementarse los caudales





En las Fig. 20 se muestran los 3 nuevos pozos ínter distanciados propuestos para el Escenario 1.3, NAC E1 y E3 productores y NAC E2 inyector, también se muestra la conversión del NAC 1010 a inyector. En la misma Fig. 20 se pueden observar las importantes modificaciones de las LF que provocan los cambios de este Escenario, no sólo en la Malla Aa donde se realizaron los cambios, sino también en la Malla Ab. Tanto las LF como los WAF muestran importantes conexiones con valores bajos de TOF entre los pozos NAC 1010 - 31 y NAC 38 - E1, correspondiendo con incrementos rápidos de la producción. Por otro lado el inyector NAC E2 como el productor NAC E3 completan zonas escasamente barridas en los Escenarios anteriores incorporando las correspondientes reservas.



En las Figs. 21 a, b, c y d se muestran las Eficiencias de Barrido, como Petróleo Producido asociado vs. Agua Inyectada, para los 4 Escenarios hasta ahora analizados. Para situaciones de flujo estables, las ordenadas de estos puntos pueden exceder, pero sólo ligeramente, en función de la compresibilidad del sistema, la posición de la recta de 45º. Se observan 3 pozos (que se resaltaron) NAC 49, 8 y 22, que al aumentar los caudales de inyección, muestran “inestabilidades”, que como se comentó previamente para los dos primeros pozos, coinciden con conexiones inyector-productor importantes y crecientes con los caudales de inyección.





Las inestabilidades arriba indicadas se identifican con situaciones de canalización que en los Escenario 1.4 y 1.5 buscaron controlarse, en el primero con una brusca disminución al 20% del caudal de inyección de los pozos inyectores indicados y en el segundo Escenario con un importante aumento, de 40 kg/cm2, de la presión dinámica de producción del pozo NAC 33 (conectado con los 3 inyectores).

Correspondiendo con el Escenario 1.4, en la Fig. 22a se observan las importantes modificaciones de las LF y WAF de la Malla Ab, producto de este cambio y, consecuentemente, la Fig. 22b vuelve a mostrar Eficiencias de Barrido sin inestabilidades del flujo.





En el Escenario 1.5 se logra también un control de las canalizaciones hacia el productor NAC 33 que para el TS 1185, analizado en este caso, directamente ha dejado de producir por el aumento de la presión dinámica de producción. En las Figs. 23a y 23b se observa que en el Escenario 1.5 se reorientaron los WAF y las Eficiencias de Barrido ya no presentan inestabilidades del Escenario 1.3.



Se concluye que los Escenarios 1.4 y 1.5 logran controlar las inestabilidades del flujo de fluidos del Escenario 1.3 por caminos distintos, el primero desde la inyección y el segundo desde la producción. Esto es, que al menos desde este punto de vista, podrá elegirse uno u otro camino. En la decisión podrán intervenir otros parámetros técnicos que la Simulación en Líneas de Flujo predice y permite manejar, como la distribución de Saturaciones residuales de Petróleo, la Distribución de Presiones Estáticas, los pronósticos de Producción, las Presiones Dinámicas de Inyección y Producción, etc.





Con las opciones de Optimización del Proceso de Recuperación Secundaria desarrolladas para el Campo Anticlinal Campamento se ha pretendido mostrar algunas de las múltiples posibilidades que se abren con el uso de la Simulación en Líneas de Flujo para el Diseño Inicial optimizado y también para la Optimización de Procesos en curso de Recuperación Secundaria de petróleo.

Paper: SPE36923 Modelado composicional y análisis de PVT del Efecto del mantenimiento de la presión en un campo de gas Condensado: Estudio Comparativo

Referencia 1, Aziz S. Odeh “Comparison of Solutions to a Three-Dimensional Black-Oil Reservoir Simulation Problem”, SPE 1981.

Resumen

El desarrollo de campos de gas condensado están acompañados con la pérdida de condensado. El almacenamiento de líquido condensado en el yacimiento reduce el factor de recuperación y así la productividad. La mayor saturación de líquidos se observa en las zonas cercanas al pozo.

En consecuencia, la productividad del recurso se reduce. El efecto de la inyección de diferentes gases (CH4, C02, N2, separador de gas) para mantener la reserva de presión y reducir la saturación de hidrocarburos líquidos en la zonas cercanas al pozo fue simulado en este estudio

Esta limpieza de la zona “near-well” (zonas aledañas al pozo) se simuló sobre un buen radial del modelo de simulación, el modelo tiene una buena capa de conducción de almacenamiento de gas de baja. En consecuencia, el flujo de gas para el bien de la parte principal del embalse (matriz) es a través de esta capa. Este modelo puede describir la presión y propiedades de distribución de fluidos y para una producción a partir de la fractura del yacimiento. Antes de la simulación de la inyección de gas, una gran parte de la producción hasta que la presión del yacimiento cae por debajo del punto de burbuja, fue simulada. Luego, se aplicaron unas inyecciones de gas relativamente cortas. Esta es la base de una evaluación de los efectos de los diferentes gases en la inyección y el aumento de la productividad. Las simulaciones fueron realizadas utilizando modelos de composición.

Nos permite obtener los componentes de distribución tanto de gas como en las fases de hidrocarburos líquidos, esenciales para evaluar tecnologías de mejora de la recuperación de condensados en los campos de gas condensado.

La reserva de líquido de composición usado fue de un campo real de gas condensado ruso. La simulación de PVT fue realizado con ECLIPSE PVT (Shlumberger GeoQuest) y la MRS PVT (ONICS, Rusia). Los sistemas EOS fueron corregidos para hacerlos coincidir con los datos de laboratorio antes de que fueran utilizados en la simulación de composición.

Introducción

La pérdida de hidrocarburo condensado cerca de la zona del pozo, puede ser causada por varios factores, pero principalmente la caída de la alta presión y el intenso flujo radial de gas en el pozo, en yacimientos muy heterogéneos fracturados, estos factores son acompañados con la importante caída de presión entre las capas de buena y mala conductividad (fracturas y de los sistemas de matriz en caso de fractura de los yacimientos). Esto lleva a cambios significativos en la composición y el aumento de saturación de líquido, en comparación con los obtenidos a partir de la CVD experimento (Constant Volume Depletion) o de estudios de composición de simulación de flujo de fluidos.

Simulaciones dinámicas indican que los efectos mencionados pueden dar a lugar a saturaciones en el líquido cerca de la zona “near-well” por encima del 40% (dependiendo de la composición inicial de gas y de la permeabilidad relativa). Además, el cambio de composición puede alterar un sistema EOS que inicialmente fue gas en un sistema de aceite. La alta saturación de líquido en la “near-well” reduce significativamente la relativa permeabilidad de gas y la productividad del pozo. Pozos con bajas tasas de gas inicial deben ser apagados poco después de la caída de la condensación. Por lo tanto, el objetivo principal es eliminar el condensado de la zona “near-well”.

Este estudio se centra en la simulación numérica de un pozo en producción de un yacimiento fracturado con un líquido inicial de compleja composición (alto contenido de componentes sin hidrocarburos) y una alta presión y temperatura iniciales.

En primer lugar, un modelo de fluido del yacimiento fue creado, evaluado y comparado con los datos de laboratorio (se tomó el yacimiento de líquido compuesto de un verdadero campo de gas condensado). Un modelo de pozo radial que describe fracturas (muy heterogéneas) se construyó sobre el terreno el comportamiento y, se simuló la producción a largo plazo. Las propiedades de la composición de líquidos, tales como la saturación de líquido y distribuciones del componente de la fracción molar fueron estimadas. El efecto de la inyección de diferentes gases fue simulado. La duración del efecto de limpieza en la zona “near-well” fue estimada.

Además se llevó a cabo la simulación de un campo con inyección de gas condensado de CO2 en un campo con depósito de líquido de composición compleja. La inyección de C02 se inicia después de la caída de la presión del yacimiento por debajo del punto de burbuja. Los cálculos se realizaron paralelamente en dos paquetes de software: ECLIPSE (Shlumberger) y MRS (ONICS, Rusia). Los resultados de las simulaciones fueron comparadas.

Modelado de los fluidos en el Yacimiento

Para este estudio la composición de los fluidos del yacimiento con alto contenido de componentes no-hidrocarburos (21 por ciento de H2S) se ha tomado de los datos publicados en Ref. I para el campo de gas condensado ruso. La presión inicial es de 600 bar de presión y la temperatura es 110DC. La composición del fluido del yacimiento se muestra en la Tabla 1.




Un gran número de los componentes definidos por el usuario son necesarios para obtener un correcto comportamiento de los EOS en el intervalo de presión de 300 a 400 bars. Las propiedades críticas de los componentes puros tomado de la biblioteca de software, y por los componentes definidos por usuarios componentes que se han calculado utilizando correlaciones.

Los parámetros de los EOS se ajustaron utilizando rutinas de regresión de ECLIPSE PVT para que coincidan con las de las observaciones de presión de saturación y experimentos de CVD del laboratorio. En primer lugar, el sistema EOS se ajustó a la presión de saturación observada en el laboratorio (ver Tabla 2).



El único parámetro EOS cambiado en este procedimiento fue la fracción de la temperatura crítica definida por el usuario (F1 I). A continuación, el sistema EOS se ajustó para hacerlo coincidir con el líquido saturado en el experimento CVD (ver fig. 1). Los parámetros cambiados en esta operación fueron los "ajustes" de parámetros de los componentes definidos por el usuario. En el sistema EOS corregida, coinciden todas las observaciones disponibles observaciones del laboratorio, las cuales se utilizaron en todos los cálculos.


Modelo de simulación de flujo de fluidos. Se utilizó el modelo de composición en el presente estudio para simular el fenómeno de la pérdida de condensado. La geometría radial permite la creación de la data en las zonas cercanas al pozo y así le da una aguda resolución de la presión de yacimiento y la saturación de líquidos

Para la representación esquemática de un conjunto heterogéneo o de un yacimiento fracturado: El modelo tiene 3 capas con Z-dirección con propiedades significativamente distintas: Primera y tercera capas con baja permeabilidad y gran almacenamiento de gas (capas de baja conductividad o matriz), y la segunda capa con alta permeabilidad y poco almacenamiento de gas (capas de alta conductividad o fractura).
El flujo de gas a partir de la primera capa hasta el pozo en este modelo va a través de la segunda capa (ver fig. 2 y Tabla 3).

La presión mínima y la máxima saturación de líquido se producen en la segunda capa (transporte medio). Después de que la presión en la segunda capa cae por debajo del punto de burbuja del yacimiento, los componentes pesados del gas se precipitan en su fase líquida y el gas en la capa dos es pronto sustituido por el gas de la primera capa portando las cantidades iniciales de componentes pesados.

La baja presión en la segunda capa da lugar a la deserción de los componentes pesados del gas procedentes de la primera y tercera capas. La presencia de componentes pesados en la composición del fluido de la segunda capa intensifica este proceso y produce a un crecimiento adicional en la presión del punto de burbuja. Esto lleva a un cambio significativo en la composición del líquido en la zona ”near-well” (tabla 4 muestra la diferencia entre la composición de fluido inicial y la composición de fluido en zona ”near-well” después de la pérdida de condensación) y la alta saturación de líquido en esta zona, en nuestra simulación del sistema, siendo inicialmente un gas condensado, convirtió en un sistema de petróleo en la zona ”near-well” (en el cuadro 5, se muestra el cambio en el punto crítico).

Simulación La inyección de los siguientes gases puros fueron simulados: Dióxido de Carbono (C02), metano (CH), y nitrógeno (N). Además la inyección de gases de separador (seco y húmedo). La composición de estos gases fue obtenida por simulación numérica de una sola etapa de la separación inicial del líquido del yacimiento en las condiciones siguientes: Presión de 70 bars, temperatura 30 grados Celsius para el gas seco, y presión 250 Bars, y temperatura de 50 grados centígrados para el gas húmedo. La composición de los gases inyectados se muestra en la Tabla 6.


Solución de composición antes de la inyección.

Antes de cualquier inyección fue simulada un agotamiento a largo plazo. El pozo fue controlado por el tipo de gas de superficie (500.000 Sm3/dia) con un orificio inferior de presión (BHP de bottom hole pressure), límite de 300 bars. En la fig. 3 es mostrada la distribución de la saturación de líquido y fracción molar del componente más pesado (F1 1) en la composición del yacimiento para la segunda capa (alta conductividad media).

La Fig. 3 muestra que la saturación de líquido en la zona “near-well” es varias veces mayor que el máximo de saturación de líquido en la Constante de pérdida de volumen experimentado (Fig. 1). Esto es causado por el cambio significativo de la composición del yacimiento la composición condensado después de la pérdida mencionada arriba. En la zona “near-well” de un medio de alta conductividad se crea una obstrucción de condensado inamovible (debido a las permeabilidades relativas) con un tamaño significativo en la dirección radial y una alta saturación de líquido.

Esta "obstrucción" disminuye la permeabilidad relativa del gas y la productividad del pozo. En los pozos perforados en lugares de baja conductividad en yacimientos de gas condensado tales como una obstrucción, puede provocar una situación en la que el pozo no permita la fluidez. Por lo tanto, esta "obstrucción" debería eliminarse de la zona “near-well”. La manera más eficaz de limpiar la zona “near-well” es detener la producción del pozo por un corto período de tiempo e inyectar algunos gases para disolver el condensado en la zona “near-well”.

RESULTADOS

Inyección

Después de un largo período de agotamiento el pozo es convertido a un inyector con BHP de control de 350 bars y una tasa mínima de la inyección de 500.000 m3/día durante dos meses. Después de dos meses de la inyección unos 14 meses de agotamiento fueron simulados para estimar el efecto de la duración de la zona “near-well” limpiada. En todos los casos, el volumen inyectado se produjo en 2-2.5 meses.

Inyección Nitrógeno (N2)

La dinámica del campo de líquido saturado en la alta conducción media se muestra en la Figura 4 para inyección y 5 para agotamiento. Analizando estas figuras se puede ver que la inyección de nitrógeno puede limpiar la zona “near-well” de la "obstrucción condensada", pero la duración de este efecto es muy limitado (la "obstrucción condensada", es recurrente después de dos meses de agotamiento). Por lo tanto, la inyección de nitrógeno no puede ser recomendado para la limpieza de la zona “near-well”.






Inyección de Metano (CH4)

La dinámica de la saturación de líquido en el campo de alta la conducción media se muestra en la Figura 6 para la inyección y en el 7 para el agotamiento. El efecto de desbloqueo de la inyección de Cm es similar al N2, pero durante el agotamiento de la " obstrucción condensada " regresa más lentamente.






Inyección Dióxido de Carbono (C02)

La dinámica de los líquidos en el campo de saturación [alto que la realización de los medios de comunicación se muestra en la Figura 8 y 9 de la inyección de agotamiento. Inyección de dióxido de carbono es uno de los métodos eficaces para la eliminación de la "condensado", y tiene un efecto de mucho tiempo (saturación importante líquido se puede observar después de 60 días después de la inyección de agotamiento sólo en el bloque de la red interior y esta situación se conserva durante un mucho tiempo). Por lo tanto, el único, de corta duración C02 inyección que puede eliminar el "tapón condensado" y así aumentar la productividad por un largo tiempo. La razón por la cual la "obstrucción condensado" no vuelva a producirse en la alta conductividad media es que, en el momento de la inyección, una porción significativa de condensado fue disuelto y disminuyó en la baja conductividad los medios de comunicación. Por lo tanto, el gas proveniente de medios de alta conductividad de comunicación después de la inyección ya no tiene un alto contenido de elementos pesados como en TBE por primera vez formando el condensado obstructivo.





Inyección de gas seco del Separador

La dinámica de la saturación de líquido en el campo en el medio de alta conductividad se muestra en la Figura 10 para la inyección y el 11 de de agotamiento. El efecto de esta inyección es mejor que el CH4 puro y es prácticamente la misma que la de CO2. La razón por la cual la inyección de gas seco del separador tiene un efecto diferente en comparación con puro CH4 es el alto contenido de la no - componentes de hidrocarburos (H2S y COZ) de este gas.




Inyección de gas húmedo del separador

Inyección de gas húmedo del separador puede realizarse como la re - inyección de gas provenientes de nuevos pozos productores de gas con altas presiones de yacimientos hacia los antiguos pozos que trabajen con presiones menores a la de burbujeo. En este caso la inyección prácticamente no requiere equipos adicionales de superficie (como compresores) y puede ser rentable. La dinámica de la saturación de líquido en el campo a través del medio de alta conductividad se muestra en la Figura 12 para la inyección y 13 para el agotamiento. El efecto de esta inyección es de largo duración, similar a la C02 y de gas seco de los separadores.






APLICACIÓN EN UN YACIMIENTO REAL

Objetivos


Comparación de las soluciones a una composición en 3D
Problema de simulación de yacimientos

Hoy en día hay un montón de diferentes herramientas de software para simulaciones dinámicas de flujo de fluidos. Para evaluar y comparar estos estudios sobre las herramientas de software de prueba se utilizan ejemplos. Esto enfoque se describe en la Referencia. 1. Dos simuladores de flujo de fluidos son frente en esta parte de la obra. Uno de ellos es ECLIPSE. El otro software que se investigados en este estudio es SRA. El paquete de software fue desarrollado en la Academia Rusa de Ciencias (RAS), incluye una composición tridimensional de dos o tres fases de fluidos modelo de simulación de flujo. Este software fue utilizado en la planificación de la desarrollo de campos y Pricaspian demostrado alta eficiencia. Una nueva EOS desarrollado en la Academia Rusa de Ciencias de la composición se centra en el modelado de yacimientos de petróleo y gas condensado en sistemas de altas presiones y temperaturas (hasta 1000 bars y 200 ºC).

Metodología de Investigación

El campo modelo considerado en este documento se sugiere en el Ref. 1.
El modelo sobre el terreno tiene una superficie de 3x3 km. y espesor de 31 m.. El campo consta de tres capas: 1 º -6 m, 2 - 10 m, 3 ª -- 15 m. Las tres capas tienen la misma porosidad igual a 0,3. El permeabilidad de la primera, segunda y tercera capas es de 500 MD, 50 MD, y 200 MD, respectivamente. Para la simulación se utilizó un bloque de tres capas centrado cuadrícula que contiene 10 x 10 células en el X e Y - direcciones. Las coordenadas (X, Y) son (1,1) para la inyección y (inyector) y (10,10) para la producción de pozo (productor). El inyector de perforación se encuentra en el intervalo de la primera capa, y el intervalo de perforación se encuentra en la tercera capa. Al igual que en [1], la compresibilidad de la roca, la presión capilar, y el daño son iguales a cero. Para la "pureza" del experimento de simulación asumimos la viscosidad del gas y el líquido a ser constante fases.

Para construir el modelo se utilizaron el software ECLIPSE-PVT y MRS-PVT. Los cálculos se llevaron a cabo con los dos parámetros Peng-Robinson EOS. La composición se muestra en la Tabla 1 que se tomó como inicial. Pero después de la agrupación de los número totales de componentes se convirtió en 12. Con el fin de obtener resultados correctos hidrodinámicos de comparación, en ECLIPSE-PVT las propiedades crítica BICS fueron sustituidos por los obtenidos a partir de la MRS.-PVT.

Modelo de simulación de flujo de fluidos

Presión inicial del yacimiento (330 bars) es menor al de punto de burbuja del fluido el yacimiento (aproximadamente 401 bars). En este trabajo se basa en el mantenimiento de la presión de yacimiento por inyección de CO2 en el terreno. El volumen que se inyecta aproximadamente igual al volumen producido. La diferencia en los valores iniciales PIB de los dos programas se explica por una pequeña diferencia en los valores de densidad de gas. Por lo tanto, el estado inicial de la MRS en los sistemas de yacimiento y ECLIPSE 300 son equivalentes. Para obtener la distribución de la presión inicial en el yacimiento, se especifica que la presión en la capa superior en el programa MRS. La presión del yacimiento en otras capas se calcula a partir de la condiciones de equilibrio hidrodinámico. La distribución obtenida de la presión se inscribió en ECLIPSE-300 como la estado inicial. Las características hidrodinámicas, se calcularon por 30 años.

Resultados

Los resultados de la simulación se muestran en la fig. 14-16.
Se presentan las siguientes características: el gas acumulado producción e inyección, fracción molar de gas inyectado en el productor, y la saturación de datos en el bloque de 5x5x3,









Análisis de Resultados

Como se puede observar de estas cifras, ECLIPSE 300 y la MRS. dan prácticamente los mismos resultados. Aunque un gran volumen de C02 se inyectó, pero se pudo disolver todas fase líquida en la fase gaseosa.

La Figura 16 muestra el cambio en el contenido de la condensación de hidrocarburos con un aumento en el contenido de C02 en el bloque 5x5x3. Durante los últimos 5 años el contenido de C02 en este bloque ha sido 70-80%. Durante ese período, el contenido de la fase líquida se ha convertido en menos de I%. Desde el tiempo inicial, el contenido del líquido fase se ha reducido en menos de 30%. Es de interés para continuar investigando el comportamiento de diferentes ecuaciones de estado, en primer lugar, de la nueva ecuación de Estado propuesto por la Academia Rusa de Ciencias, en particular para HP / HT embalses y líquidos con alto no contenido de hidrocarburos.

Conclusiones de la Investigación

1. En las zonas cercanas al pozo de porosidades muy heterogéneas o de doble porosidad de los yacimientos agotados de condensado, ocurre una “obstrucción condensada” en los medios de alta conducción (es decir de alta porosidad efectiva). Esta "obstrucción" tiene una importante saturación de líquido y puede disminuir la productividad del pozo.

2. Esta obstrucción puede ser eliminado de forma efectiva por la inyección de gas.

3. El más efectivo (en el rango de presiones investigadas en este estudio) de todos los gases, por la duración del efecto de limpieza, así como desde el punto de vista tecnológico, es la inyección de gas del separador o por CO2.

4. La inyección de gas húmedo del separador puede realizarse por la re-infección de gas provenientes de nuevos pozos de gas que estén trabajando en zonas del yacimiento que estén a altas presiones hacia a los antiguos pozos de producción en zonas agotadas cuyas presiones de yacimiento sean más bajas que la presión de saturación. Este tipo de inyección puede ser económicamente efectivo.

5. El ciclo de C02 reduce la pérdida de condensado debido al mantenimiento de la presión y disolución de la fase de hidrocarburo líquido en el gas inyectado. Pero la eliminación de líquidos en la fase de gas es incompleta y el volumen de inyección de C02 es alta.

6. La soluciones obtenidas por medio de los software MRS y ECLIPSE 300 para los procesos del ciclo de CO2 son similares.