Tecnologa de pozos inteligentes en el almacenamiento subterrneo de gas

Las tecnologas de pozos inteligentes son ideales para las instalaciones de almacenamiento subterrneo de gas. Las propiedades de las formaciones ya han sido determinadas; la capacidad de almacenamiento y la capacidad de produccin pueden ser modeladas; y las herramientas analticas pueden rastrear las tendencias de produccin histricas. Estas tecnologas proveen sistemas de almacenamiento y suministro ecientes y econmicamente efectivos, lo que ayuda a asegurar la posicin del gas natural como fuente de energa conable.

Kenneth Brown Pittsburgh, Pensilvania, EUA Keith W. Chandler John M. Hopper Lowell Thronson Falcon Gas Storage Company, Inc. Houston, Texas, EUA James Hawkins Midland, Texas Taouk Manai Pars, Francia Vladimr Onderka RWE Transgas Net Brno, Repblica Checa Joachim Wallbrecht BEB Transport und Speicher Service GmbH Hannover, Alemania Georg Zangl Baden, Austria
Por su colaboracin en la preparacin de este artculo, se agradece a Edmund Knolle, Falcon Gas Storage Company, Houston; y a Monsurat Ottun, Houston. BorView, BlueField, DECIDE!, ECLIPSE, ELANPlus, FMI (generador de Imgenes Microelctricas de Cobertura Total), NODAL, Petrel y PIPESIM son marcas de Schlumberger. Excel es una marca de Microsoft Corporation.

A la hora de aplicar tecnologas de pozos inteligentes a la produccin de petrleo y gas, un objetivo fundamental es maximizar el valor de un activo que decrece en forma permanente. Para las instalaciones de almacenamiento subterrneo de gas natural, la aplicacin de estas tecnologas inteligentes puede diferir sustancialmente, sobre todo porque el yacimiento de gas puede ser reabastecido. Por consiguiente, es la capacidad para inyectar y extraer reiteradamente el gas natural de la instalacin de almacenamiento subterrneo a alta tasa de ujo de produccin lo que debe optimizarse y manejarse de manera inteligente. Las propiedades de las formaciones denen el nivel ptimo en el que un pozo uye con altas tasas de recuperacin. A medida que el gas natural almacenado es recuperado del yacimiento, la presin se reduce y las tasas de ujo caen. El gas de colchnel gas que permanece en su lugar entre los ciclos de inyeccin y extraccinasegura que exista presin suciente para mantener las tasas de ujo mnimas deseadas en el momento de la extraccin. La presin y el volumen provistos por el gas de colchn tambin reducen la probabilidad de inujo de agua en el casquete de gas y pueden impedir el movimiento del contacto agua-gas. Dado que el componente ms caro de una instalacin de almacenamiento subterrneo de gas (UGS) puede ser el gas de colchn, el hecho de minimizar su volumen y conocer el yacimiento sucientemente bien para denir el rango de operacin eciente puede reducir el costo total

de desarrollo de un proyecto de almacenamiento, adems de mejorar en forma signicativa la rentabilidad del proyecto. En la produccin de hidrocarburos, las tecnologas de pozos inteligentes permiten que los ingenieros de yacimientos utilicen informacin tal como curvas de declinacin, relaciones de balance de materiales, curvas de comportamiento del pozo (IPR), y simulaciones y modelos de yacimientos; todo esto en tiempo real o casi real.1 Un sistema sosticado puede adoptar automticamente acciones correctivas o alertar al operador acerca de que la operacin de intervencin est garantizada. El objetivo nal de los pozos de produccin inteligentes es suministrar ms petrleo y gas con mayor eciencia; a un costo ms bajo. Si bien las instalaciones UGS tambin se benecian con las eciencias y el costo ms bajo que proveen las tecnologas de pozos inteligentes, no son operadas para maximizar la recuperacin de hidrocarburos. De hecho, las operaciones de almacenamiento de gas en muchos lugares del mundo se asemejan ms a un banco que a un yacimiento productivo. De la misma manera en que el dinero entra y sale de un banco, los activos, en forma de gas natural, entran y salen del yacimiento que constituye su lugar de almacenamiento. Cuando se lo solicita, a veces meses despus de su inyeccin en un yacimiento de almacenamiento, aunque cada vez con ms frecuencia a los pocos das o incluso a las pocas horas, el gas es entregado a un comprador que lo suministra

Oileld Review

> Cortesa de Falcon Gas Storage Company, Inc.

a los clientes industriales y particulares. Los bancos han automatizado el ujo de fondos y capital entre las instituciones y los usuarios; de un modo similar, las instalaciones de almacenamiento estn automatizando el ujo de gas natural entre productores y consumidores. Las operaciones UGS dieren adems de las operaciones tradicionales de produccin de gas porque los pozos deben ser capaces de tolerar presiones de inyeccin altas, lo que rara vez se experimenta en los pozos de produccin, y las tasas de extraccin de las instalaciones UGS pueden ser entre 5 y 10 veces superiores. Los pozos UGS poseen una esperanza de vida larga; por consiguiente, el mantenimiento de la integridad del pozo y la integridad del yacimiento son aspectos cruciales del xito de las operaciones. Debido al rpido cambio de los modos operacionalesde inyeccin a ex-

traccinel operador debe ser reactivo y actuar rpidamente para evitar el dao mecnico del pozo y del yacimiento. Como componentes vitales de la entrega segura de gas natural, estas instalaciones deben ser manejadas adecuadamente. El mantenimiento de suministros conables de gas natural se ha convertido recientemente en una prioridad geopoltica en muchas partes del mundo. Las regulaciones gubernamentales, tales como las
1. El proceso de agotamiento de los hidrocarburos se produce de manera predecible en base a las propiedades de las formaciones y de los componentes de la terminacin del pozo. La tasa de declinacin de las reservas puede ser gracada para denir una curva de declinacin. El balance de materiales es una expresin que corresponde a la conservacin de la masa. La cantidad de masa que abandona un volumen de control es igual a la cantidad de masa que ingresa en el volumen, menos la cantidad de masa acumulada en el volumen. A travs del balance de materiales, las presiones del yacimiento

de la Unin Europea, han incidido en forma creciente en la forma en que opera la industria UGS. La tecnologa de pozos inteligentes est siendo adoptada como un subproducto natural de estos desarrollos porque ayuda a facilitar el proceso automtico de almacenamiento y suministro de gas natural, mejora las eciencias operacionales de estas instalaciones y asiste en la optimizacin del manejo de los activos (gas) en el terreno.
medidas con el tiempo pueden ser utilizadas para estimar el volumen de hidrocarburos remanentes. La curva de comportamiento del pozo, IPR, es una herramienta utilizada en ingeniera de produccin para evaluar el desempeo de los pozos de gas a travs de la gracacin de la tasa de produccin del pozo en funcin de la presin de ujo de fondo de pozo (BHP). Los datos requeridos para crear la curva IPR se obtienen midiendo las tasas de produccin bajo diversas condiciones de presin de ujo durante una prueba de tasas mltiples. La composicin del uido de yacimiento y el comportamiento de sus distintas fases bajo condiciones de ujo, determinan la forma de la curva.

Verano de 2008

Distribucin global del volumen de gas de trabajo por tipo de almacenamiento Campos de petrleo y gas agotados: 81.6%

Acuferos: 14.5%

Cavernas de sal: 3.9%

Minas abandonadas: 0.02%

> Almacenamiento subterrneo de gas por tipo. Las instalaciones UGS pueden adoptar diversas formas, pero los yacimientos de hidrocarburos agotados y los acuferos salinos conforman el 96% del suministro global. La eleccin del tipo de almacenamiento puede ser orientada por la disponibilidad: los acuferos y las cavernas de sal conforman el 34% de la capacidad de almacenamiento de Europa Occidental, frente a slo 14% en EUA, donde existe mayor acceso a los campos agotados. (Adaptado de Wallbrecht, referencia 6.)

El grado de implementacin vara entre las diferentes operaciones, y no todas las instalaciones UGS operan utilizando estas tecnologas relativamente nuevas. No obstante, el desempeo operativo mejorado, que ha sido demostrado, est instando a los operadores a renovar y mejorar muchas operaciones de almacenamiento ms antiguas; arrojando a veces benecios inesperados. Luego de una breve revisin de los fundamentos del almacenamiento de gas, este artculo examina los diferentes niveles de la tecnologa de pozos inteligentes que est siendo aplicada a las

operaciones de almacenamiento subterrneo de gas en Amrica del Norte y Europa. Presentamos estudios de casos que muestran cmo se utilizan los datos en tiempo real para identicar la presencia de dao en los pozos de almacenamiento y cmo la implementacin de las nuevas tcnicas de optimizacin y supervisin ha mejorado el desempeo de estas operaciones. Se incluye adems una descripcin de una operacin automatizada de vanguardia, que integra tres niveles de tecnologa de pozos inteligentes.2

1.0

Consumo domstico Energa elctrica Consumo comercial

28 24

0.8

Utilizacin de gas, Tpc

20 0.6 16 12 8 0.2 4 0 2004 2005 2006 2007 2008 0

0.4

Ao

> Ciclicidad de la utilizacin del gas natural. Como fuente de calefaccin para consumo domstico en EUA (azul), el gas natural de almacenamiento alcanza su punto mximo en los meses de invierno. Cuando se utiliza para la generacin de electricidad destinada a proveer servicios de refrigeracin (rojo), su empleo alcanza su punto mximo en los meses de verano. El uso comercial, orientado por la temperatura (negro), rastrea la demanda para consumo domstico. Obsrvese tambin el incremento del uso del gas para la generacin de electricidad en los aos sucesivos. [Adaptado de http://www.eia.doe.gov/oil_gas/natural_gas/info_glance/natural_gas.html (Se accedi el 29 de febrero de 2008.)]

Un precursor del almacenamiento subterrneo de gas Tradicionalmente, el gas natural ha sido considerado un combustible de temporada debido a la mayor demanda de calefaccin que tiene lugar durante los meses de invierno. Comenzando en la dcada de 1940, la industria del gas natural de EUA reconoci que la capacidad de las lneas de conduccin de larga distancia no era suciente para suministrar gas natural a los grandes centros poblacionales durante los perodos de mxima demanda. Para equilibrar el ciclo de demanda de gas, se desarroll una red de almacenamiento para inyectar gas en las instalaciones de almacenamiento subterrneo, cuando la demanda era baja, liberndolo durante los perodos de demanda alta. Esta regulacin de la demanda se conoce como recorte de la demanda de punta. No obstante, el almacenamiento subterrneo de gas existe desde hace tanto tiempo como las lneas de conduccin de larga distancia. En el ao 1915, se almacen por primera vez gas natural con xito en el subsuelo en el Condado de Welland, en Ontario, Canad. Varios pozos de un campo de gas parcialmente agotado fueron reacondicionados, inyectndose gas en el yacimiento durante el verano y extrayndose durante el invierno siguiente. En el ao 1916, Iroquois Gas Company puso en operacin el Campo Zoar, al sur de Buffalo, en Nueva York, EUA, como sitio de almacenamiento que an hoy sigue operando. En 1919, Central Kentucky Natural Gas Company inyect gas en el campo gasfero agotado Menifee, situado en Kentucky, EUA. Para el ao 1930, se encontraban en operacin nueve sitios de almacenamiento en seis estados diferentes, con una capacidad total de aproximadamente 18,000 MMpc [510 millones de m3]. Antes de 1950, esencialmente todas las instalaciones de almacenamiento subterrneo de gas consistan en yacimientos de gas reutilizados, parcial o totalmente agotados. Hoy, los dos tipos ms importantes de localizaciones de almacenamiento subterrneo de gas son las cavernas y los yacimientos porosos. Las cavernas salinas lixiviadas y las minas abandonadas dan cuenta de una pequea porcin de la capacidad de almacenamiento total, mientras que los yacimientos de petrleo y gas agotados y los acuferos salinos constituyen, indudablemente, el medio UGS ms comn (izquierda, extremo superior). El almacenamiento en cavernas de sal, ms adecuado para las operaciones de suministro e inyeccin a alta tasa de ujo, se utiliza fundamentalmente con nes de suministro para los das de mayor consumo.3

Utilizacin de gas, mil millones de m3

Oileld Review

Habitualmente, entre el 20 y el 30% del gas debe permanecer en su lugar para mantener la estabilidad estructural de la caverna. Los acuferos salinos permiten un suministro a alta tasa de ujo, pero los requerimientos en trminos de gas de colchn son signicativos y oscilan entre el 50 y el 80% de la capacidad de almacenamiento total. Sin lugar a dudas el tipo ms comn de almacenamiento, los yacimientos de hidrocarburos agotados se utilizan para el suministro de estacin o para la regulacin de la demanda alta. Tpicamente, se debe mantener entre un 30 y un 50% de la capacidad de almacenamiento como gas de colchn.4 En los ltimos aos, las prcticas de extraccin en las instalaciones UGS se han modicado en EUA debido al incremento del empleo del gas natural para la generacin de electricidad. La explotacin en los meses de verano es mayor que en el pasado porque el gas natural est siendo utilizado con el n de generar electricidad para los requerimientos de los sistemas de aire acondicionado y refrigeracin (pgina anterior, abajo). De muchas maneras, esto ha modicado el campo de aplicacin de las operaciones de almacenamiento de gas en EUA. Las instalaciones UGS que se encuentran ubicadas en las proximidades de las centrales elctricas de gas se utilizan para moderar el suministro, segn las variaciones estacionales y horarias. Diariamente, el gas de almacenamiento puede ser explotado en los perodos de alta demanda y almacenado en los perodos de baja demanda. La capacidad de las lneas de conduccin comerciales probablemente no sea adecuada para suministrar cantidades sucientes de gas durante los perodos de mayor consumoo para apartar el gas durante los perodos de baja demanda pero la instalacin UGS puede compensar la insuciencia en cualquiera de ambos casos. El almacenamiento subterrneo de gas natural no es slo un fenmeno norteamericanoactualmente, en el mundo operan instalaciones de almacenamiento en 33 pasessi bien EUA cuenta, sin dudas, con el mayor nmero. Como fuente de energa, la utilizacin de gas natural en el sector domstico y en el sector comercial de Europa Occidental ha superado el 44%, lo que destaca la importancia de mantener un suministro ininterrumpido y seguro. En Francia, las instalaciones de almacenamiento en ciertos momentos han proporcionado ms de la mitad del gas de clientes particulares, necesario para satisfacer la demanda controlada por la temperatura.5 Europa Occidental experiment recientemente un incremento del comercio del gas entre las sociedades de control y los abastecedores del

Distribucin del volumen de gas de trabajo por regin en el ao 2004 Medio Oriente 2%

Europa Oriental 42% Amrica del Norte y Amrica del Sur 35%

Europa Occidental 19% Asia 2%

Volumen de gas de trabajo, 109 m3

350 300 250 200 150 100 50 0 1970

Total Europa Oriental y Medio Oriente Amrica Europa Occidental

1975

1980

1985

1990

1995

2000

2005

Ao

> Suministro creciente. El volumen de gas de trabajo ha crecido en forma sostenida en los ltimos 35 aos, producindose gran parte del incremento fuera de Amrica del Norte y Amrica del Sur (azul), especialmente en Europa Oriental y Medio Oriente (negro), lo que incluye a Rusia. Las proyecciones actuales indican que la capacidad es insuciente para satisfacer la demanda a largo plazo y se requiere mayor crecimiento. (Adaptado de Wallbrecht, referencia 6.)

mercado. La utilizacin de las instalaciones de almacenamiento de gas a menudo es orientada por las operaciones de compraventa en el corto plazo, ms que por el proceso tradicional de recorte de la demanda de punta. La rentabilidad, tanto para los compradores como para los abastecedores, es determinada por la capacidad de la instalacin UGS para almacenar y suministrar gas, bajo demanda, en forma econmicamente efectiva. En 1997, existan 580 sitios UGS en todo el mundo, de los cuales 448 se encontraban en yacimientos agotados En el ao 2006, de los 606 sitios UGS estimados, el nmero de yacimientos agotados haba crecido a 495.6 En 1996, existan 92 operaciones UGS en Europa, excluyendo Rusia. Para el ao 2006, el nmero total era de 127; un incremento del 38%. El volumen de gas de trabajo, en
2. Para obtener ms informacin sobre aplicaciones de campos inteligentes en pozos productores, consulte: Dyer S, El-Khazindar Y, Reyes A, Huber M, Raw I y Reed D: Terminaciones inteligentes: Manejo automatizado de pozos, Oileld Review 19, no. 4 (Primavera de 2008): 417. 3. Para obtener ms informacin sobre el almacenamiento subterrneo de gas, consulte: Bary A, Crotogino F, Prevedel B, Berger H, Brown, K, Frantz J, Sawyer W, Henzell M, Mohmeyer K-U, Ren NK, Stiles K y Xiong H: Almacenamiento subterrneo de gas natural, Oileld Review 14, no. 2 (Otoo de 2002): 219. 4. Para obtener ms informacin sobre las tendencias actuales en trminos de UGS, consulte: https://www.ferc.gov/EventCalendar/Files/2004102008134 9-nal-gs-report.pdf (Se accedi el 23 de enero de 2008). 5. Chabrelie MF, Dussaud M, Bourjas D y Hugout B: Underground Gas Storage: Technological Innovations

las instalaciones de almacenamiento de la misma rea, pas de 60.6 millones de m3 [2,140 MMpc] a 110.5 millones de m3 [3,900 MMpc], un incremento del 82%. Si bien EUA ha mostrado una reduccin leve de la cantidad de sitios UGS, entre 1995 y 2004, su capacidad de almacenamiento total experiment un incremento marginal a travs de la utilizacin mejorada de los campos y la reconversin de las instalaciones existentes (arriba). Muchas de estas operaciones UGS ms antiguas fueron desarrolladas antes de la introduccin de las herramientas de modelado de yacimientos disponibles hoy en da. Los avances registrados en trminos de tecnologa de sensores y equipos de supercie estn siendo aplicados en estas instalaciones ms antiguas, hacindolas ms inteligentes y ms verstiles.7
for Increased Efciency, http://217.206.197.194:8190/ wec-geis/publications/default/tech_papers/17th_congress/ 2_2_09.asp (Se accedi el 12 de diciembre de 2007). 6. Wallbrecht J: Underground Gas Storage, Unin Internacional del Gas, Informe de la Comisin de Trabajo 2, Actividades UGS Bsicas, presentado en la 23a Conferencia Mundial del Gas, msterdam, 5 al 9 de junio de 2006, http://www.igu.org/html/wgc2006/WOC2database/ index.htm (Se accedi el 27 de marzo de 2008). 7. Para obtener ms informacin sobre los desarrollos recientes en trminos de sensores e instrumental, en pozos inteligentes, consulte: Bouleau C, Gehin H, Gutirrez F, Landgren K, Miller G, Peterson R, Sperandio U, Traboulay I y Bravo da Silva L: La gran visin de conjunto, Oileld Review 19, no. 4 (Primavera de 2008): 3651.

Verano de 2008

Cul es el grado de inteligencia de un pozo inteligente? La inteligencia relativa de las operaciones de almacenamiento de gas puede agruparse en tres niveles. El Nivel I, el ujo automatizado de datos, es reactivo: recibir los datos, analizarlos y responder. El Nivel II, supervisin y optimizacin, es reectivo pero se centra en la accin: analizar los datos, comparar y validar los modelos, manejar los modelos y determinar los cursos de accin necesarios. El Nivel III puede describirse como el campo petrolero digital: integrar los procesos, optimizar, automatizar y operar en forma remota, cuando es aplicable, de un modo proactivo (derecha). La inteligencia de Nivel I comienza mediante la generacin de conanza en los datos. Los sistemas de supervisin, control y adquisicin de datos (SCADA) pueden encontrarse en la mayora de las operaciones UGS. Estas redes computarizadas adquieren en forma remota datos de pozos, tales como tasas de ujo, presin y volumen de ujo, y controlan la transmisin del gas a lo largo de todo un sistema de lneas de conduccin. Con millones de puntos de medicin adquiridos de este modo, es imposible validar manualmente toda la informacin. La automatizacin del control de calidad del ujo de datos constituye una necesidad. El software para las operaciones tradicionales de produccin de petrleo y gas se utiliza a menudo para las aplicaciones UGS con el n de identicar problemas de desempeo y monitorear los

Nivel I, Reactivo Nivel II, Activo Nivel III, Proactivo Yacimiento

Campo petrolero digital Supervisin y optimizacin

Pozos Datos dinmicos: sistema SCADA Datos estticos: pozo, yacimiento y tecnologa Sistema de recoleccin

Instalaciones

> Niveles de inteligencia. En la implementacin de la tecnologa de pozos inteligentes se pueden identicar tres niveles. Cada nivel va sumando complejidad y se basa en los otros. El ms integral es el campo petrolero digital, con la optimizacin y las oportunidades de automatizacin.

pozos individuales, evaluar las terminaciones de pozos y caracterizar el yacimiento. En estos programas se utilizan con frecuencia el anlisis de tendencias y el ajuste con curvas tipo. No obstante, la mayora de los programas petrofsicos estn pobremente equipados para manipular el enorme volumen de datos SCADA provenientes de las operaciones UGS. Adems, no pueden tratar en forma efectiva los datos ruidosos que resultan de errores de sensores y respuestas espurias

(abajo).8 Dado que la utilizacin correcta de estas aplicaciones a menudo depende de la capacidad para identicar el comienzo de las tendencias lineales con el tiempo o identicar claramente rasgos sutiles en diversas curvas tipo, los datos deben ser limpiados y reducidos para lograr la identicacin adecuada de dichos rasgos (prxima pgina). Por consiguiente, antes de importar los datos en estos programas, se aplica la reduccin de los datos inteligentes.

Datos muestreados a alta frecuencia Presin de fondo de pozo Tamao del estrangulador

Datos limpiados y reducidos

Presin de boca de pozo Temperatura de boca de pozo

Tiempo

Tiempo

> Limpieza y reduccin de datos ruidosos. Los datos muestreados a alta frecuencia pueden exhibir un nivel de ruido considerable; adems, pueden producirse errores en los sensores. Si bien la mayora de estos datos es til, los picos y el ruido observados en el tamao del estrangulador (extremo superior izquierdo, azul), la presin de fondo de pozo (extremo superior izquierdo, rojo), la presin de boca de pozo (extremo inferior izquierdo, verde) y la temperatura de boca de pozo (extremo inferior izquierdo, negro) dicultan su utilizacin con los programas de modelado. Despus de la limpieza y la reduccin, los datos (derecha) pueden ser utilizados en el software de anlisis petrofsico. (Adaptado de Holland et al, referencia 8.)

Oileld Review

Grfica de flujo radial de datos EFM de alta frecuencia

123 123

Grfica de flujo radial de datos limpiados y promediados a intervalos de 10 minutos

Pseudopresin

Pseudopresin

122

122

121 10 100

121 10 100

Funcin de tiempo

Funcin de tiempo

Grfica doble logartmica de datos EFM de alta frecuencia presin/tasa de flujo

0.1 0.1

Grfica doble logartmica de datos limpiados y promediados a intervalos de 10 minutos

0.01

Incremento de presin Derivada

presin/tasa de flujo

0.01

0.001

0.001

0.0001 0.01 0.1 1 10

0.0001 0.01 0.1 1 10

Tiempo equivalente, h

Tiempo equivalente, h

> Datos ms limpios y ms coherentes. Los datos de mediciones de ujo electrnico (EFM) de alta frecuencia (izquierda), obtenidos de los sistemas SCADA, muestran considerable dispersin, lo que diculta su utilizacin. Es casi imposible identicar las porciones lineales de los datos y determinar los rasgos sutiles, que son cruciales para el ajuste con curvas tipo. El objeto de la grca de ujo radial (extremo superior izquierdo) es determinar la pendiente de la porcin lineal de los datos. Mediante la eliminacin de los puntos de medicin absurdos y el promediado de los datos a intervalos de 10 minutos (extremo superior derecho), la dispersin se reduce y la pendiente de la lnea se vuelve ms obvia. Los efectos de almacenamiento del pozo, ocultos en los datos crudos, ahora pueden verse en el extremo derecho de la curva. Un mejoramiento similar en la grca doble logartmica de las curvas de incremento de presin y de sus derivadas (extremo inferior) ayuda a entender los datos. El ruido y la dispersin observados en los datos originales (extremo inferior izquierdo) dicultaran el ajuste con curvas tipo y la identicacin de la porcin lineal. Con los datos agregados y limpiados (extremo inferior derecho), la seccin lineal puede ser determinada y utilizada para la estimacin de la permeabilidad. Los cambios sutiles, producidos en la forma de la mitad derecha de la curva de la derivada que se utiliza para determinar las condiciones de borde del yacimiento, son discernibles. Sin la limpieza y la reduccin, estos datos seran extremadamente dicultosos de interpretar. (Adaptado de Brown y Meikle, referencia 9.)

Los datos proveen conocimientos para evaluar el estado relativo de los pozos individuales y del campo productivo. La capacidad de ciclado reiterado de los pozos de almacenamiento de gasperodos de inyeccin seguidos por perodos de produccinconstituye una diferencia fundamental entre los yacimientos productivos y los yacimientos de almacenamiento. Ocasionalmente, los pozos de almacenamiento permanecen estticos por lapsos de tiempo variables y los datos recolectados pueden ser tratados como una prueba convencional de incremento de presin de corta duracin. Los cambios que se producen entre un ciclo y otro pueden ser indicativos del desarrollo de problemas en los pozos individuales, en el yacimiento o en el
8. Holland J, Oberwinkler C, Huber M y Zangl G: "Utilizing the Value of Continuously Measured Data," artculo SPE 90404, presentado en la Conferencia y Exhibicin Tcnica Anual de la SPE, Houston, 26 al 29 de septiembre de 2004.

equipo de supercie. Mediante el anlisis de estos datos, se puede reconocer la presencia de dao e implementar planes de remediacin. Los primeros usos de los datos de mediciones de ujo electrnico (EFM) en los campos UGS, demostraron claramente su valor en cuanto al monitoreo del desempeo de los pozos, la ejecucin de supervisiones de rutina y la identicacin de problemas operacionales.9 En el ao 2002, como parte de un estudio auspiciado por el Instituto de Tecnologa de Gas (GTI), los ingenieros de Schlumberger utilizaron los datos EFM para desarrollar una forma razonablemente precisa, y econmicamente efectiva, de detectar la presencia de dao de pozo en los pozos de almacena9. Brown KG y Meikle DE: The Value of Wellhead Electronic Flow Measurement in Gas Storage Fields, artculo SPE 31000, presentado en la Conferencia y Exhibicin Regional de Oriente de la SPE, Morgantown, Virginia Oeste, EUA, 17 al 21 de septiembre de 1995.

miento de gas.10 El mpetu para este trabajo fue la prctica bastante comn de efectuar pruebas de contrapresin de supercie en los pozos UGS, para evaluar el dao de manera muy infrecuente; era habitual efectuar pruebas cada 1 o 3 aos. La naturaleza infrecuente de dichas pruebas haca imposible determinar la presencia de dao incremental o cambios repentinos a lo largo de marcos temporales razonables, tales como durante un ciclo de inyeccin o extraccin. La determinacin de los cambios producidos en el dao, en tiempo casi real, es importante ya que el dao podra haber ocurrido durante la inyeccin o la extraccin, o durante el paso de un ciclo al otro. Este trabajo permiti estimar los niveles de dao en los
10. Brown KG y Sawyer WK: Novel Surveillance Helps Operators Track Damage, artculo SPE 75713, presentado en el Simposio de Tecnologa del Gas de la SPE, Calgary, 30 de abril al 2 de mayo de 2002.

Verano de 2008

Factor de dao mecnico, s Desplazamiento en la pendiente: se modific D Desplazamiento en la ordenada en el origen: se modific s

Factor de dao mecnico aparente, S

Desplazamiento tanto en la pendiente como en la ordenada en el origen: se modificaron s y D

Extraccin
5 11/1/03 1/16/04 4/1/04

Inyeccin
6/16/04 8/31/04 11/15/04

Extraccin
1/30/05 4/16/05

Fecha

Factor de dao mecnico aparente, S

3 2 1 0 1 2 3 4 5,000 4,000 3,000 2,000 1,000 0

Cada de presin Incremento de presin Mejor ajuste

Tasa de flujo

S = 2.67 D = 1.124 D/MMpc

1,000

2,000

3,000

4,000 5,000

Tasa de flujo, Mpc/d

> Monitoreo del desempeo del pozo. Si el factor de dao mecnico, s, y el coeciente de ujo no darciano, D, permanecen constantes, el factor de dao mecnico aparente, S, gracado versus la tasa de ujo debera ser una lnea recta (izquierda, negro). Si s o D cambian, la grca cambia dependiendo del tipo de dao. De acuerdo con los datos EFM (extremo superior derecho), se produce un cambio en escaln en s, entre los dos ciclos de extraccin (echas). La representacin grca de la tasa de ujo (extremo inferior derecho) versus el valor S de la inyeccin (incremento de presin) y el valor S de la extraccin (cada de presin) revela los cambios que ocurren durante la inyeccin pero no durante la extraccin. Si s y D hubieran permanecido constantes, los datos habran cado a lo largo de la lnea de referencia (rojo). En este ejemplo, el cambio observado en la pendiente indica un incremento de D. (Adaptado de Spivey et al, referencia11.)

pozos UGS con ms frecuencia de la que era posible previamente. En un estudio GTI ms reciente, los ingenieros de Schlumberger desarrollaron un mtodo para utilizar los datos EFM con el n de rastrear e identicar continuamente el dao producido en el pozo con el tiempo.11 Los desarrollos en trminos de tecnologa de pozos inteligentes, incluyendo las mejoras introducidas en los sensores y los datos de ujo en tiempo real, se combinaron con la experiencia adquirida de estudios EFM previos para desarrollar tcnicas de identicacin de daos a ser utilizadas en instalaciones UGS, tales como una instalacin operada por Columbia Gas Transmission Corporation en la regin noreste de EUA. El yacimiento estaba compuesto por una arenisca consolidada, que form una trampa estratigrca con un espesor promedio de 3 m [10 pies], una porosidad promedio del 10% y una permeabilidad promedio de 150 mD. De los 20 pozos del campo, cinco fueron identicados como pozos clave a los nes del estudio.

Un sistema SCADA recolect datos EFM de presin y tasa de ujo de alta frecuencia en los cabezales de los pozos a intervalos de 15 segundos. El operador recopil registros mensuales, con 115,000 puntos de medicin por pozo por da, y los entreg a los ingenieros de Schlumberger. Se utiliz una rutina de software para analizar los datos de todo el campo en archivos individuales para cada pozo. Esto permiti reducir los conjuntos de datos a un volumen ms manejable y automatizar el proceso de hacer til la informacin. Dado que cada pozo gener 3 millones de puntos de medicin a lo largo del desarrollo del estudio, se desarroll una rutina slo para manipular los datos crudos. Esta rutina ejecut tres funciones esenciales: una correlacin de las propiedades del gas, un clculo de la presin de fondo de pozo y el procesamiento de los datos. El mdulo de correlacin de las propiedades del gas calcula la temperatura y la presin pseudo-crticas, el factor z, el coeciente de compresibilidad isotermal, el factor de volumen de formacin de gas y la den-

sidad, la viscosidad y la pseudopresin del gas.12 Adems, formatea los datos para su exportacin a los libros de trabajo de Excel. Los datos EFM de alta frecuencia se agregan a lo largo de intervalos de 10 minutos durante el ujo. La rutina de software computa la tasa de ujo promedio y la presin promedio, junto con la desviacin estndar de estas cantidades, y seala los datos atpicos como invlidos, si existe una inversin del ujo o si se produce una combinacin de mediciones de tasas EFM cero y distintas de cero. Durante los perodos de cierre, se aplica a los datos una ventana de ancho variable para obtener aproximadamente el mismo nmero de puntos para cada ciclo. La rutina de software ajusta los datos para establecer factores de ponderacin. Para calicar los datos como un perodo de cierre vlido para el anlisis de incremento o cada de presin, se aplica una serie de ltros en base a la duracin del perodo de inyeccin o produccin previo, la duracin del perodo de cierre y el lapso de tiempo necesario para adquirir datos sucientes para que el

10

Oileld Review

anlisis sea vlido. Se implementaron controles adicionales para evitar limitaciones a la hora de exportar los datos a una planilla Excel. En esta fase del proceso de manipuleo de los datos debe intervenir un usuario para seleccionar las grcas y ajustar las escalas, segn corresponda. El factor de dao mecnico aparente, S, puede ser gracado como una funcin del tiempo o la tasa de ujo. Si el factor de dao mecnico, s, y el coeciente de ujo no darciano, D, son constantes con el tiempo, luego, el factor de dao mecnico aparente, S, ser una funcin lineal de la tasa de ujo y puede utilizarse para estimar s y D.13 Si s o D cambian con el tiempo, los datos no sern una funcin lineal de la tasa de ujo. Los cambios abruptos generarn agrupaciones de puntos de medicin, y los cambios graduales producirn la desviacin de los datos con respecto al modelo de referencia (pgina anterior). Un estudio revel que el 60% de los yacimientos evaluados tena pozos en los que el ujo no darciano se identicaba como un mecanismo de dao.14 Si se asume que el dao est relacionado con el factor de dao mecnico solamente, el planteo de conclusiones errneas podra conducir a una operacin de intervencin inadecuada o inefectiva. El dao mecnico a menudo se mejora mediante el bombeo de cido a travs de los disparos o mediante el fracturamiento hidrulico de la formacin. Estos tipos de remediacin no tratan los efectos del ujo no darciano en forma efectiva y su ejecucin podra constituir una prdida de tiempo y dinero. En el perodo correspondiente al estudio de Columbia Gas Transmission, se observ un cambio en los efectos del ujo no darciano durante el ciclo de inyeccin. El inicio del dao se aisl para una semana determinada del ao 2004. Numerosos pozos del campo exhibieron este efecto del ujo no darciano incrementado, que fue identicado por un cambio abrupto de la pendiente en la
11. Spivey JP, Brown KG, Sawyer WK y Gilmore RG: Identifying the Timing and Sources of Damage in Gas Storage Wells Using Smart Storage Technology, artculo SPE 97070, presentado en la Conferencia y Exhibicin Tcnica Anual de la SPE, Dallas, 9 al 12 de octubre de 2005. 12. La temperatura pseudocrtica y la presin pseudocrtica son las condiciones de presin y temperatura de una mezcla de componentes mltiples en las que el lquido y el vapor no se distinguen (porque las propiedades son idnticas con esta combinacin de presin y temperatura). El factor z, o factor de desviacin de gases ideales, es la desviacin del comportamiento de un gas con respecto al de la ley de los gases ideales. El factor de volumen de formacin de gas representa el cambio fraccional de volumen por cambio unitario en la presin. El coeciente de compresibilidad isotermal es una medida del cambio de volumen relativo de un uido o un slido en respuesta a un cambio de presin (o de esfuerzo medio). El factor de volumen de formacin de

grca de dao mecnico aparente versus tasa de ujo, mientras que otros pozos del campo no experimentaron este cambio. El anlisis indica que la causa de este dao percibido est relacionada con un incremento del ujo turbulento durante el proceso de inyeccin, ms que con el dao mecnico de los pozos individuales. Por consiguiente, no se garantizaba ninguna operacin de remediacin. Si el problema se hubiera detectado durante una prueba anual efectuada en un pozo individual, en vez de detectarse a travs del monitoreo continuo de todos los pozos del campo, es posible que los resultados hubieran conducido al operador a la conclusin errnea y a gastos innecesarios. Para efectuar los anlisis se utilizaron las fuentes de datos existentes y las nuevas tcnicas de anlisis de datos (data mining), lo que permiti al operador determinar la fuente del dao percibido y tomar la decisin correcta para abordarlo. En este estudio de un caso prctico, los pozos en cuestin pudieron seguir operando y no fue necesaria ninguna operacin de remediacin.15 El mejoramiento prctico conduce al Nivel II Es probable que un enfoque sistmico con respecto a los procesos de inyeccin, almacenamiento y suministro para las instalaciones UGS, proporcione el mayor benecio para los operadores. El anlisis de los pozos individuales, el modelado de yacimientos, el hardware de supercie y las ineciencias del sistema necesitan ser exhaustivamente evaluados pero no es suciente con enfocarse en uno o dos aspectos de la operacin, tales como los datos EFM, la caracterizacin de yacimientos o el hardware de supercie. El proceso de optimizacin requiere que todos los componentes sean considerados en conjunto para desarrollar un modelo que represente el sistema total. La optimizacin, el modelado y la supervisin son los componentes clave del desarrollo de una instalacin UGS inteligente de Nivel II.
gas se utiliza para convertir un volumen de gas en condiciones de yacimiento, en un volumen de gas en condiciones estndar (de supercie), ya que el volumen de cualquier gas depende de su presin y su temperatura. 13. El factor de dao mecnico, s, es un nmero adimensional calculado para determinar la eciencia de la produccin de un pozo mediante la comparacin de las condiciones reales con las condiciones tericas o ideales. Un factor de dao positivo indica que algn dao o inuencia est deteriorando la productividad del pozo. Un factor de dao negativo indica un mejoramiento de la produccin, normalmente como resultado de la estimulacin. El coeciente de ujo no darciano, D, se calcula a partir del ujo de uido que se desva de la ley de Darcy. La ley de Darcy asume la presencia de ujo laminar en la formacin, y si el ujo es turbulento en vez de laminar, se conoce como ujo no darciano. Normalmente observado en los pozos de gas que operan a alta tasa de ujo, el ujo turbulento tiene lugar cuando el ujo que converge en el pozo alcanza velocidades que

La mayora de los especialistas en pruebas de pozos coincidiran en que el primer paso del proceso de optimizacin es la caracterizacin de los pozos o de las terminaciones individuales. La condicin y la calidad del yacimiento en la proximidad del pozo y el nivel de dao afectan la eciencia de ujo de la terminacin. Una vez determinados estos parmetros, se puede desarrollar un modelo predictivo para proveer el desempeo previsto bajo diversas condiciones operativas. Las pruebas de pozos de tasas mltiples constituyen el mtodo estndar para la caracterizacin completa del dao y desempeo del pozo y, con respecto al desarrollo de un modelo realista, son indispensables. La prueba de presiones transitorias de tasas mltiples cuantica el factor de dao mecnico, s, y los efectos del ujo no darciano, D, y establece un punto de referencia para la comparacin futura. Una vez probados los pozos individuales, el paso siguiente consiste en caracterizar las propiedades de produccin del sistema con una prueba de ujo de tasas mltiples que abarca todo el campo. Utilizando los datos operacionales, tales como las tasas de ujo, las temperaturas y las presiones de los cabezales de los pozos, las instalaciones de tratamiento y las estaciones de medicin, un operador puede disear una prueba de tasas mltiples efectiva del campo completo. Si todos los pozos del campo pueden producir simultneamente, este tipo de prueba provee una curva de capacidad de produccin de todo el campo. La tasa de ujo de todo el campo debera ser sucientemente alta como para identicar el primer cuello de botella producido en el sistema. Los cuellos de botella pueden caracterizarse como ineciencias del sistema que afectan el desempeo general ante alguna condicin operativa especca. El tamao del pozo, los tubulares, el equipo de boca de pozo, las lneas colectoras y las instalaciones de tratamiento impactan el sistema
exceden el nmero de Reynolds para el ujo laminar o el ujo darciano. Dado que la mayor parte del ujo turbulento presente en las formaciones productivas tiene lugar cerca del pozo, el efecto del ujo no darciano puede ser representado como un efecto del factor de dao dependiente de la tasa, D. El factor de dao mecnico aparente, S, es similar a s pero puede ser un resultado del dao mecnico o de los efectos del ujo no darciano, tales como una restriccin dependiente de la tasa de ujo. 14. Brown KG y SawyerWK: Practical Methods to Improve Storage OperationsA Case Study, artculo SPE 57460, presentado en la Conferencia y Exhibicin Regional de Oriente de la SPE, Charleston, Virginia Oeste, 20 al 22 de octubre de 1999. 15. Para obtener ms informacin sobre los desarrollos recientes en trminos de sensores y manipuleo de datos, consulte: Bouleau et al, referencia 7.

Verano de 2008

11

500

Curva de desempeo de la formacin A

400

C E

300

200

100 0 0 5,000 10,000 15,000

Curva de comportamiento del pozo: ID de la tubera de produccin, pulgadas Caso 1 (A) - 3.092 Caso 2 (B) - 4.000 Caso 3 (C) - 5.000 Caso 4 (D) - 6.000 Caso 5 (E) - 8.000
20,000 25,000 30,000

Tasa de flujo de gas, Mpc/d

> Identicacin de cuellos de botella con la prueba de ujo de tasas mltiples. El anlisis del sistema de produccin NODAL indica que el tamao de la tubera de produccin constituye un cuello de botella en esta prueba. El dimetro interno (ID) de la tubera de produccin es modicado, pasando del tamao existente de 3.092 pulgadas (verde) a 8.0 pulgadas (azul). El anlisis conrma que el incremento del dimetro interno de la tubera de produccin, de 3.092 pulgadas a 5 pulgadas (rojo), proporcionara un incremento del 54% en la capacidad de ujo, de 311,000 m3/d [11 MMpc/d] a 481,000 m3/d [17 MMpc/d]. Por encima de 5 pulgadas de ID, slo se agregara un incremento de ujo nominal. (Adaptado de Brown y Sawyer, referencia 14.)

y pueden actuar como cuellos de botella (arriba). Una vez identicados estos cuellos de botella, los aspectos econmicos determinan si vale la pena eliminar su causa. Por ejemplo, si una prueba de tasas mltiples indica que con una tubera de produccin ms grande se eliminar un cuello de botella, pero el tamao del pozo limita los tubulares que pueden instalarse, es poco lo que se puede hacer para resolver el problema. El agregado de pozos o el reemplazo de pozos existentes, si bien implica un costo elevado, podra ser la nica solucin. Si no es posible efectuar una prueba de ujo del campo completo, puede construirse una curva de capacidad de produccin a partir de las pruebas efectuadas en los pozos individuales. No obstante, se deben medir e incluir entonces los efectos de las instalaciones de supercie. A pesar de todo, el mtodo del campo total arrojar los resultados ms precisos. Por ltimo, se puede desarrollar un modelo de inventario para el campo de almacenamiento, que describa el inventario total de gas como una funcin de la presin del yacimiento. Esto se realiza manteniendo una tasa de ujo constante, desde el campo de almacenamiento, por un tiempo suciente para que se alcance el estado pseudo-estable, y utilizando la tasa de declinacin de la presin observada durante el ujo en estado pseudo-estable para calcular el volumen poroso del yacimiento. En otras palabras, esta tcnica puede determinar el tamao del tanque de almacenamiento subterrneo disponible para los procesos de almacenamiento y suministro. Una vez cuanticado este volumen poroso del yacimiento, el ope-

rador puede estimar el volumen total de gas contenido en el yacimiento para una presin de yacimiento promedio dada. Con la tecnologa existente, la presin promedio del yacimiento puede estimarse a partir de una prueba de incremento de presin toda vez que haya un perodo de cierre sucientemente largo en el curso normal de las operaciones. Dado que el modelo de inventario del campo cuantica la relacin entre la presin promedio del yacimiento y el inventario total, el operador puede realizar auditoras del inventario ms frecuentes de lo que era posible con los datos adquiridos durante los perodos rutinarios de cierre de primavera y otoo. El clculo de la presin promedio del yacimiento derivado de los datos de ujo, disponibles quizs con la tecnologa actualmente en proceso de desarrollo, puede permitir la auditora del inventario en tiempo real en los campos UGS, en lugar de esperar los datos de incremento de presin en el corto o largo plazo. Esto reviste particular importancia en los casos en que el ciclado del gas es frecuente y no existe ningn cierre de rutina. Una vez establecido el volumen poroso a travs de la recoleccin de datos tanto de pozos individuales como de todo el campo, obtenidos en pruebas prolongadas, se pueden derivar y comparar dos estimaciones independientes del volumen poroso. Esta informacin se integra con los datos de pruebas de capacidad de produccin para crear el modelo del sistema total. Varios programas, tales como los programas de anlisis del sistema de produccin PIPESIM y NODAL, pueden utilizarse para construir un mo-

delo para el anlisis nodal (prxima pgina, arriba). La creacin del modelo comienza con la identicacin de los componentes fsicos del sistema y la integracin de las propiedades del yacimiento, obtenidas de los registros de pozos y de las pruebas de pozos. Las caractersticas de los sistemas colectores, el equipo de procesamiento y el equipo de supercie se agregan al modelo, que luego se calibra para determinar las variables del sistema, tales como la rugosidad de las tuberas y las longitudes de las redes de recoleccin. El modelo se ajusta para correlacionarse con los datos de presin obtenidos durante las pruebas de pozos, enfocndose en los cuellos de botella. El anlisis de tendencias compara los resultados reales de las operaciones rutinarias en curso con los resultados basados en el modelo establecidos durante la fase de caracterizacin. Se han utilizado herramientas predictivas ms avanzadas, tales como el software de optimizacin de la produccin basado en tcnicas especiales de anlisis de datos DECIDE!, para automatizar el proceso de comparacin de los datos derivados del modelo con los datos operacionales. Comenzando o no desde cero La vida potencialmente larga de una instalacin UGSel Campo Zoar, por ejemplo, ha estado en operacin ms de 90 aospuede requerir prcticas de construccin de pozos que dieren de los pozos sin nes de almacenamiento. Los pozos de almacenamiento deben ser capaces de tolerar altas tasas de inyeccin, altas presiones de produccin y ciclado frecuente. La reutilizacin de los equipos de fondo de pozo y supercie existentes puede ser posible, pero ms comn es una combinacin de pozos existentes con pozos recin perforados. No obstante, la operacin de produccin original puede dictaminar el posicionamiento del pozo y la localizacin de la instalacin. La transicin del proceso de produccin al de almacenamiento debera enfocarse en la optimizacin y el conocimiento exhaustivo del yacimiento. Idealmente, la optimizacin comienza durante la identicacin de los campos prospectivos a ser utilizados para almacenamiento de gas. El primer paso en la seleccin de un candidato consiste en conocer el yacimiento. Las caractersticas para las operaciones UGS prospectivas incluyen buena porosidad y buena permeabilidad y un mecanismo de entrampamiento efectivo. Si la eleccin del yacimiento no constituye una opcin, tal es el caso de una instalacin de almacenamiento de gas existente que necesita actualizacin o mejoramiento, pueden emplearse no obstante nuevas tecnologas para mejorar el valor de una operacin UGS.

12

Presin, lpc

Oileld Review

Grupo adicional de pozos Grupo adicional de pozos

Estacin de compresin

Pozo productor Nodo

> Modelo de anlisis del sistema de produccin PIPESIM. El programa PIPESIM puede ser utilizado para crear un modelo visual de los componentes mecnicos de las instalaciones. La informacin del yacimiento y la produccin puede integrarse en el modelo. Las pruebas de tasas mltiples de todo el campo se utilizan para calibrar el modelo. En este ejemplo, los pozos se encuentran en produccin. La inversin de la direccin del ujo provee un modelo de inyeccin.

Un ejemplo de optimizacin de un campo de almacenamiento de gas existente con tecnologas de pozos inteligentes, es la operacin del Campo Hill-Lake de Falcon Gas Storage Company, en Texas (derecha). Previamente productor de petrleo, este campo fue descubierto en la dcada de 1920 y para la dcada de 1950 haba llegado al n de su vida productiva. Fue convertido en una instalacin de almacenamiento de gas en la dcada de 1960. Cuando Falcon tom el control de las operaciones en el ao 2001, haban 21 pozos en el campo, 10 de los cuales estaban involucrados activamente en la operacin de almacenamiento de gas. No se produca ningn desarrollo desde la dcada de 1950, y los operadores previos no pudieron dar cuenta de 71 millones de m3 [2,500 MMpc] de gas, lo que se atribuy a un error de medidor.

> Operacin de almacenamiento subterrneo de gas en el Campo Hill-Lake de Falcon Gas Storage Company. Situada en el Condado de Eastland, en Texas, la instalacin posee la capacidad para suministrar 15 millones de m3/d [515 MMpc/d] e inyectar 8.5 millones de m3/d [300 MMpc/d]. (Fotografa, cortesa de Falcon Gas Storage Company.)

Verano de 2008

13

Mitcham Est 1 Mitcham 1A

HLGSU 1

Mapas de espesores de facies arenosas Lbulo principal

HLGSU 1

HLGSU 2

HLGSU 3

Mitcham Est 3

HLGSU 4

Storm 1

Mitcham Est 3
40

HLGSU 7 HLGSU 11
50 40 30

20

10

HLGSU 5

HLGSU 6 HLGSU 12

Los pozos productivos de la arena Hill-Lake aparecan conectados

HLGSU 9

HLGSU 8

AJ August 1A

3 de agosto 3 de agosto Williams 1

Mitcham 3 Mitcham 1F
40

30

20

Williams 1
10
40
30
20
10

Formacin fluvial

Mitcham 2

Mitcham 2

Lbulo sur (conectado) Arena de canal trenzado

> Interpretaciones cambiantes. El Campo Hill-Lake fue mapeado originalmente como un delta uvial (izquierda). En el mapa isopquico se identicaron dos altos estructurales (extremo superior izquierdo). Los pozos nuevos fueron perforados de acuerdo con el mapa estructural original, que se bas en los pozos perforados antes de 1960. Una interpretacin actualizada, efectuada con el software Petrel que abarca desde la interpretacin ssmica hasta la simulacin dinmica de yacimientos (derecha), incluy 17 pozos nuevos e identic un lbulo sur previamente desconocido (extremo superior derecho). La geometra del cuerpo de arena original pudo ser visualizada con mayor precisin, y la estructura fue caracterizada como una arena de canal trenzado (extremo inferior derecho). Dado que la interpretacin de los datos FMI proporcion la direccin del ujo, el posicionamiento de los pozos fue mejorado. El lbulo sur contena 2,500 MMpc de gas natural almacenado que, segn los operadores originales, se haba perdido por errores de medicin.
Metodologa de construccin del modelo Petrel Inventario y carga de datos (registros, marcadores, superficies) Modelado geolgico Petrel Modelado de yacimientos Petrel PVT del fluido Software ECLIPSE

Petrofsica y geologa de pozo (software ELANPlus, BorView)

Correlacin entre pozos

Mdulos del software Modelado de propiedades (facies, espesor neto a total, porosidad, permeabilidad, saturacin) Modelo de simulacin de yacimientos (historia y pronstico)

Identificacin del tipo de roca (propiedades de facies)

Modelado de marcos (fallas, superficies, cuadrculas, estratificacin por zonas)

Clculos volumtricos

> Modelado de un yacimiento. Los gelogos utilizaron el software Petrel para modelar el yacimiento Hill-Lake. Una vez desarrollado completamente el modelo geolgico, las propiedades del yacimiento pueden ser utilizadas con el n de desarrollar simulaciones para determinar los componentes volumtricos y el desempeo del campo.

La interpretacin original provista a Falcon era bastante simplista. A partir del control limitado de los pozos y los registros elctricos viejos, obtenidos en las proximidades del sitio de inyeccin, se mape la estructura como un delta uvial (izquierda). Entre 2003 y 2006, Falcon agreg 16 pozos al campo, siendo sus posicionamientos asistidos mediante el anlisis de los datos del generador de Imgenes Microelctricas de Cobertura Total FMI. Las imgenes de los datos FMI sugirieron una nueva interpretacin, segn la cual el yacimiento corresponda a una arena de canal trenzado y no a un delta. En el ao 2006, los gelogos de Schlumberger utilizaron el software Petrel, que abarca desde la interpretacin ssmica hasta la simulacin dinmica de los yacimientos, para desarrollar un modelo geolgico bsico (abajo, a la izquierda). Los pozos existentes se incorporaron en el modelo, y 17 pozos adicionales, perforados por Falcon en 2006 y 2007, fueron incluidos en el anlisis. Estos pozos nuevos, perforados como extensiones a partir del sitio de inyeccin original, siguieron las tendencias indicadas por la interpretacin de las imgenes FMI. Los pozos adicionales condujeron a algunos descubrimientos interesantes, tales como un lbulo de arena previamente desconocido, situado al sudoeste de los pozos de inyeccin principales. Como arena aislada, debera haberse agotado en la fase de produccin previa pero, inesperadamente, la presin era similar a la del resto del yacimiento Hill-Lake, lo que demostr que se encontraban en comunicacin. En base a la informacin obtenida con el modelo geolgico Petrel, se considera que esta estructura contena los 2,500 MMpc de gas faltantes. No slo se descubri gas que haba pasado inadvertido previamente, sino que al ser inyectado en el campo, se recarg el yacimiento originalmente agotado. Los pozos nuevos, que penetraron las secciones arenosas echado (buzamiento) abajo, encontraron petrleo pasado por alto durante la fase de produccin inicial, que ahora pudo ser recuperado debido al incremento de la presin del yacimiento. Un subproducto de la recuperacin del gas almacenado es la produccin de petrleo adicional en forma de lquidos de gas natural (NGL). Cuando se inyecta y se recupera gas, ste se enriquece con los lquidos de hidrocarburos pasados por alto despus de cesar la produccin de petrleo original. Estos lquidos son extrados del gas reciclado, utilizando una planta de procesamiento de gas criognico, y luego se recuperan y se venden, lo que se suma a la rentabilidad de la operacin UGS. El modelo de yacimiento Petrel identica las localiza-

30
20 10

14

Oileld Review

ciones de pozos candidatos para el desarrollo futuro del campo, donde las propiedades de la arena son ms conducentes a la produccin de lquidos durante la extraccin del gas. En el ao 2007, gracias a los conocimientos proporcionados por el modelo preliminar, Falcon inici un modelo geolgico y de yacimiento detallado Petrel que incorporaba un total de 72 pozos. El programa avanzado de anlisis de registros multiminerales ELANPlus y el anlisis FMI se utilizaron para interpretar 29 pozos. Los datos de ncleos de cinco pozos proveyeron la calibracin para el modelo. Con el anlisis petrofsico de avanzada, la interpretacin simplista inicial que aluda a un proceso de depositacin deltaica evolucion para convertirse en un modelo ms realista del yacimiento. Conforme se perforaron pozos adicionales, se obtuvo mayor conocimiento de la geometra del yacimiento, y el ambiente depositacional fue recaracterizado como un lecho de ro antiguo con arenas de canal anastomosado.16 El posicionamiento ptimo de los pozos depende de la comprensin de la estructura del yacimiento. La visualizacin de la topografa del subsuelo provista por el modelo Petrel fue crucial para la identicacin del ambiente depositacional correcto y el descarte de las dos interpretaciones previas (derecha). La comprensin exhaustiva del yacimiento agreg capacidad de almacenamiento nueva al campo, deni nuevas reas de exploracin para recuperar el petrleo pasado por alto despus de cesar la produccin inicial, y ayud a optimizar el desarrollo futuro del campo. Las mejoras registradas en EUA en trminos de produccin y capacidad, tales como las observadas con la operacin Hill-Lake, ayudan a explicar el incremento de la capacidad de UGS, a pesar de la reduccin del nmero de sitios. El empleo de nuevas aplicaciones y tecnologa moderna por parte de Falcon no se limita al modelado del subsuelo y la optimizacin. Dado que esta instalacin haba estado operando desde la dcada de 1960, las instalaciones de produccin necesitaban un mejoramiento. Se instal un sistema SCADA, que proporcion informacin instantnea sobre temperatura, presin y tasas de ujo. El ujo de gas puede ser manejado desde el cabezal del pozo en los sitios de compresin individuales o en la sala de control del campo central. Si bien el sistema SCADA no se utiliza en estos momentos para controlar la instalacin en forma remota, posee la capacidad para hacerlo. La instalacin Hill-Lake de Falcon se ha convertido en una operacin UGS multiciclo de ltima generacin, con la capacidad para ser utilizada en

Lbulos postulados por computadora (potencial capacidad de almacenamiento)

HLGSU 1

0 10 20 30

Lbulo noreste (conectividad limitada)

0 10 20 30

Mitcham Est 3

0
10 20 30 40 50

Lbulo principal (unidad original) Lbulo Cooper A-3 (lbulo independiente)

3 de agosto

20 10 0

Williams 1

Arena de canal anastomosado

50 40 30 20 10 0

Mitcham 2

Lbulo sur Lbulos postulados por (conectado) computadora (potencial capacidad de almacenamiento)

> La respuesta nal. Conforme se incorporaron ms pozos en el campo, se desarroll una imagen ms clara. Con 72 pozos, y los datos FMI de 29 pozos, se cre el modelo geolgico Petrel denitivo. La estructura fue caracterizada como una arena de canal anastomosado (extremo inferior izquierdo). En comparacin con las arenas de canales trenzados, las arenas de canales anastomosados son depositadas a partir de un ujo de agua de baja energa. La trayectoria ms tortuosa del lecho del ro requera que los pozos futuros siguieran una trayectoria ms curva que la que se habra indicado si el yacimiento hubiera sido un delta o una arena de canal trenzado. La herramienta FMI proporcion la direccin para perforar extensiones y desarrollar el campo. El conocimiento del yacimiento indic adems las mejores reas a perforar para recuperar el petrleo pasado por alto por las operaciones de produccin previas. Adems se identic la estructura nueva, localizndose potencial prospectivo sin explotar e incorporando capacidad de almacenamiento para la instalacin.

una diversidad de formas que incluyen el almacenamiento, el suministro a alta tasa de ujo, el recorte de la demanda de punta, el proceso park and loan y la comercializacin en el mercado.17 La capacidad mxima es ahora de 425 millones de m3 [15,000 MMpc], lo que representa 310 millones de m3 [11,000 MMpc] de gas de trabajo y 113 millones de m3 [4,000 MMpc] de gas de colchn. El campo puede suministrar 15 millones de m3/d [515 MMpc/d] e inyectar 8.5 millones de m3/d [300 MMpc/d]. Los ciclos de inyeccin en verano y abastecimiento en invierno han sido reemplazados por una operacin exible capaz de proporcionar suministro y almacenamiento bajo demanda segn las necesidades de los clientes, recuperando al mismo tiempo el petrleo y los NGL pasados por alto durante la produccin inicial. El xito de Falcon en la operacin Hill-Lake se tradujo en la remodelacin reciente de otro campo de almacenamiento de gas en el norte de Texas, la instalacin Worsham-Steed de la compaa. Utilizando un campo de petrleo y gas aban-

donado, originalmente convertido en instalacin de almacenamiento de gas por otro operador, esta renovacin constituye una operacin UGS multiciclo que emplea tecnologas de pozos inteligentes similares. Este campo produce petrleo y NGL, y adems provee 680 millones de m3 [24,000 MMpc] de capacidad de gas de trabajo.
16. Las arenas de canales anastomosados se encuentran en ros de canales mltiples que poseen gradientes relativamente bajos, canales profundos y estrechos, y bancos estables caracterizados como depositados en ros que se mueven lentamente. Las arenas de canales trenzados se encuentran en ambientes de alta energa, caracterizados por la depositacin excesiva de barras arenosas o barras de grava, o ambas, de manera que el agua uye en numerosos canales que se ramican y renen. 17. La expresin inglesa park and loan se reere al almacenamiento de gas para su utilizacin posterior (parking ) y la toma de gas (loaning) para evitar su compra a un precio instantneo, o de contado, elevado. Diseado como un servicio de compensacin, los clientes ahorran dinero mediante su utilizacin en los momentos en los que estn fuera de balance con la lnea de conduccin. Adems, los clientes pueden aprovechar las uctuaciones de precios coyunturales.

Verano de 2008

15

Integracin del modelo y control

Balance de materiales

Simulacin

Funcin de influencia

Modelo sustituto

Simulador de pozos

Simulador de red

Metodologa de diseo

Metodologa de tareas operacionales Ncleo del sistema experto Monitoreo y control de calidad de los datos Deteccin de eventos y monitoreo del desempeo Transferencia automatizada de datos y ejecucin del modelo Distribuidor de datos Componentes de la base de datos

> Inteligencia de Nivel III. El Nivel III combina todos los componentes de las operaciones de pozos inteligentes. Mediante la integracin de procesos tales como el anlisis de tendencias, el modelado y las simulaciones, la instalacin UGS puede ser manejada en forma ptima con altos niveles de automatizacin.

Nivel IIISupervisin automatizada del yacimiento Independientemente del hecho de que las instalaciones UGS regulen los ciclos de demanda o acten como repositorios de gas, la capacidad para automatizar el proceso constituye una razn atractiva para implementar tecnologas de pozos inteligentes. Un operador de Europa, trabajando con los gelogos e ingenieros de yacimiento de Schlumberger, dise e implement una operacin automatizada de supervisin de yacimiento utilizando una plataforma integrada, construida sobre la base del software DECIDE!. Un operador puede optimizar y efectuar el modelado predictivo de los sistemas de alta complejidad utilizando la inteligencia articial y los procesos de simulacin del software DECIDE! que corre en PCs (arriba).18 Este software provee una alternativa para reunir a las personas, la tecnologa, los procesos y la informacin en un sistema global seguro; reduciendo el costo, mitigando el riesgo y mejorando las operaciones. El programa DECIDE! posee dos componentes principales: un distribuidor de datos y el escritorio de un ingeniero. La responsabilidad por la recuperacin, el almacenamiento y la distribucin de los datos, as como tambin la automatizacin de las tareas, reside principalmente en el distribuidor de datos. El escritorio del ingeniero utiliza tcnicas es-

peciales de anlisis de datos de ltima generacin para efectuar clculos analticos de ingeniera petrolera, proporcionado al operador una herramienta poderosa para el manejo del activo. RWE Transgas Net, un operador de gas natural independiente de la Repblica Checa, ha instalado el software DECIDE! para manejar y optimizar todas sus instalaciones de almacenamiento de gas en yacimientos agotados y en acuferos. El proceso de implementacin comenz en el ao 2004 y concluy en el ao 2007 (prxima pgina, arriba). RWE Transgas Net, trabajando con los ingenieros de Schlumberger, puso en marcha el proceso de implementacin del programa DECIDE! mediante el desarrollo, como primera medida, de una plataforma de integracin. Se instal un sistema SCADA para proporcionar mediciones continuas de alta frecuencia (del orden de los segundos), que se agrupan en incrementos de 15 minutos y uyen en tiempo real desde los pozos individuales, los sistemas colectores y las instalaciones. En este paso del proceso correspondiente al Nivel I, el software controla que se haya establecido una conexin con una corriente de datos y que sta genere una noticacin si se produce una falla. Cuando se conrma una conexin vlida, los datos de alta frecuencia son importados, ltrados, con-

trolados en cuanto a calidad, y agregados a travs de intervalos de tiempo ms largos para reducir el tamao del conjunto de datos. El software ltra los errores del sensor y los errores de transmisin previo a la agregacin de los datos, y genera informes estadsticos para permitir que el ingeniero evale la conabilidad de la informacin. La inteligencia articial ha sido desarrollada para automatizar estas tareas rutinarias y adems incrementar la velocidad de suministro. Con los datos recin adquiridos, se dispone de indicadores clave de desempeo para evaluar la operacin en curso. En el Nivel II, los datos limpios se cargan en los mdulos del software para validar el desempeo adecuado del sistema. El programa DECIDE! puede integrar aplicaciones externas que permiten el intercambio de datos, incluyendo el software de simulacin de yacimientos ECLIPSE, el software de anlisis del sistema de produccin PIPESIM y los diversos mdulos disponibles en el software DECIDE!. El proceso efecta automticamente el ajuste histrico para el anlisis de tendencias, provee el estado de los pozos individuales y determina las restricciones y capacidad de produccin. Las solicitudes de suministro, actuales y futuras, en trminos de inyeccin y extraccindatos de entrada del mdulo de un despachadorson

16

Oileld Review

Sistema SCADA

Mdulo de control inmediato

Escritorio del ingeniero Datos convencionales

Mdulos de supervisin y presentacin de informes

Datos captados en forma manual

Memoria intermedia de datos

Distribuidor de datos Diseo y automatizacin de la metodologa de trabajo Modelo sustituto de redes NN Modelado de redes

Base de datos

Simulacin

Modelo sustituto de balance de materiales

Modelos sustitutos

Segundos

Minutos a horas

Una hora a un da

Un mes a un ao

> Metodologa de trabajo del programa DECIDE! Los datos SCADA se envan a la memoria intermedia de datos, donde se controla su calidad, se limpian y se reducen utilizando un modelo sustituto de redes neurales (NN). Los datos se cargan en los diversos mdulos del software para la supervisin automatizada, y la generacin y preparacin de informes. Los modelos sustitutos procesan la informacin y utilizan el anlisis de tendencias y el ajuste de las simulaciones para descubrir oportunidades de optimizacin y detectar problemas del sistema en proceso de desarrollo. Los informes estn disponibles en tiempo casi real. Adems se dispone del ajuste histrico para determinar el estado de la operacin en curso. La mayora de estos procesos se lleva a cabo detrs de la pantalla y requiere poca intervencin del operador.

transferidas a un mdulo del software DECIDE!. Este mdulo provee luego todos los clculos y las predicciones necesarias para asegurar que el yacimiento posea capacidad suciente para satisfacer las solicitudes del despachador.19 Los programas avanzados, utilizados para los modelos de supervisin del yacimiento, requieren clculos que implican un uso intensivo de la computadora. La carrera de iteraciones de optimizacin no puede proveer resultados satisfactorios en el marco temporal requerido, utilizando el gran volumen de datos, aunque stos hayan sido agregados y limpiados. Los modelos sustitutos, si bien no tan precisos, reemplazan a las simulaciones de escala completa y proveen resultados en segundos o minutos.20 Los modelos sustitutos, en forma de redes neurales (NN) entrenadas, optimizadas para requerir
18. Para obtener ms detalles sobre la aplicacin del software ECLIPSE y el software DECIDE!, consulte: Barber A, Shippen ME, Barua S, Cruz Velzquez J, Garrido Hernndez AM, Klumpen HE, Moitra SK, Morales FL, Raphael S, Sauv B, Sagli JR y Weber M: Optimizacin de la produccin desde el yacimiento hasta la planta de proceso, Oileld Review 19, no. 4 (Primavera de 2008): 1831.

un nmero reducido de parmetros de entrada, utilizan la inteligencia articial para imitar a los simuladores de gran escala. La NN aprende a comportarse como el simulador y, una vez entrenada, puede ejecutar un conjunto de clculos en una fraccin de segundo, para un conjunto dado de parmetros de entrada. La NN reduce drsticamente el tiempo de computacin necesario, lo que permite el ajuste histrico en tiempo real con las salidas originales optimizadas de los modelos numricos de escala completa. Un ejemplo de la utilizacin de una NN es una simulacin del pronstico y la optimizacin de la produccin. Si hay involucrados cambios pequeos de los parmetros de entrada, tales como la presin de la cabeza de la tubera de produccin, se puede calcular de inmediato un pronstico de produccin en lugar de esperar a que se efecte
19. Onderka V, Dressler M, Severn O, Giovannoli M y Zangl G: Expert System of UGSAn Efcient Tool for Online Performance Management and Optimization, presentado en la 23a Conferencia Mundial del Gas, msterdam, 5 al 9 de junio de 2006.

una simulacin completa que implica un uso intensivo del tiempo. Adems, se pueden ejecutar rpidamente iteraciones mltiples para determinar el mejor curso de accin. Por otra parte, las NN se utilizan para evaluar las incertidumbres asociadas con los datos de entrada provistos en la fase de adquisicin de datos de Nivel I. Esto acelera las funciones de control de calidad y limpieza de los datos antes de ingresarlos en los modelos sustitutos. Un sistema de supervisin automatizado compara los resultados calculados con los resultados medidos. Si la informacin de los modelos sustitutos indica que un pozo o un componente de supercie no se ha desempeado segn lo esperado, se activa y se reporta al operador una alarma de eventos por medio del escritorio del ingeniero. En relacin con los parmetros jados para activar
20. Zangl G, Giovannoli M y Stundner M: Application of Articial Intelligence in Gas Storage Management, artculo SPE 100133, presentado en la Conferencia y Exhibicin Anual SPE Europec/EAGE, Viena, Austria, 12 al 15 de junio de 2006.

Verano de 2008

17

La BHP medida se desva con respecto a la BHP calculada

85

Presin, MPa

Arquitectura de las redes NN para el modelo de pozo Presin del yacimiento Influjo del acufero Inyeccin de gas

80 75 70 65

BHP calculada BHP medida

55

Produccin de gas

50 Enero 1999 Abril Julio Octubre Enero 2000 Abril Julio Octubre Enero 2001

Tiempo

> Redes neurales (NN) e identicacin de problemas. Se requieren parmetros mltiples para calcular la presin de fondo de pozo (BHP). Las redes neurales, funcionando como modelos sustitutos, se entrenan con los datos de las operaciones y pueden reducir el nmero total de iteraciones requeridas para producir resultados en una fraccin del tiempo requerido por los programas de modelado de escala completa. Los datos BHP medidos (rojo), durante los ciclos de inyeccin y extraccin, se comparan con los datos BHP obtenidos de las NN (azul). Los dos conjuntos de datos mostraron una muy buena correlacin hasta septiembre de 2000, en que la BHP calculada se increment durante el ciclo de inyeccin y se mantuvo ms alta los cuatro meses siguientes debido al dao del yacimiento. La contrapresin ms alta indic que se requerira la intervencin del pozo para mantener la capacidad de produccin.

las alarmas, se puede establecer y ajustar como se requiera un rango de desviacin. Una vez activada una alarma, el ingeniero de yacimiento puede reaccionar de manera oportuna para investigar la fuente del problema (arriba). El nivel que sigue al monitoreo y la supervisin es la inteligencia de Nivel III; un ejemplo del campo petrolero digital. Si bien para las compaas petroleras y los proveedores de servicios ha sido difcil proporcionar una sola denicin para este trmino, el campo petrolero digital provee bsicamente un alto grado de automatizacin y herramientas de generacin de modelos de simulacin y toma de decisiones (cuanto ms rpidas, mejor), y un enfoque integrado que no pierde de vista los detalles pequeos (o al menos cuenta con un sistema para monitorearlos). Schlumberger se reere a este nivel de operacin de campo como el servicio inteligente de integracin de activos BlueField.21 En el nivel del servicio BlueField, los datos son adquiridos y preparados para el procesamiento y se corren modelos de simulacin integrados desde diversos mdulos de desempeo. Los controles del sistema se efectan en el nivel ms alto, y se ge21. Bouleau et al, referencia 7. 22. Foh SE: The Use of Inert Gas as Cushion Gas in Underground Storage: Practical and Economic Issues, presentado en la Conferencia sobre Planeacin y Manejo del Suministro de Gas: 1991 y aos posteriores, Lake Buena Vista, Florida, EUA, 25 al 27 de febrero de 1991.

neran informes sobre el estado de la operacin completa, que luego se envan al escritorio del ingeniero DECIDE! (prxima pgina). Este servicio provee la capacidad para supervisar las tareas automatizadas programadas o aquellas activadas por las alarmas de eventos. En el sistema implementado por RWE Transgas Net, las tareas automatizadas poseen la siguiente estructura: primero se ejecutan las tareas programadas o se activan las tareas de automatizacin, luego se corren los modelos sustitutos predictivos de anlisis especiales de datos y se aplican las reglas. Los eventos activadores de las alarmas son discrepancias con respecto a las tendencias previstas o bien violaciones de restricciones predenidas. Entre las acciones activadas por la alarma se encuentran la noticacin del sistema, la recuperacin y ejecucin del software de supervisin, la iniciacin de tareas subordinadas y la generacin de mensajes de correo electrnico o de texto para alertar al operador acerca de una situacin de error. Junto con las alarmas, el software provee automticamente al operador los indicadores clave de desempeo en el escritorio del ingeniero. El
23. Supply on Demand, http://www.falcongasstorage.com/ fw/main/MoBay_Storage_Hub_LLC-28.html (Se accedi el 15 de enero de 2008).

software formatea los datos para su visualizacin y provee pronsticos basados en el desempeo actual del campo. Los mdulos de desempeo del yacimiento identican cuellos de botella, tales como restricciones de la instalacin, e informan acerca de las oportunidades de optimizacin junto con los cursos de accin recomendados. Con un tiempo de ciclo de anlisis sustancialmente reducido, el ingeniero puede reaccionar en forma casi instantnea. El ujo automatizado de datos y los modelos actualizados en forma transparente permiten que el ingeniero se concentre en la optimizacin del sistema y en la eliminacin del problema. El manejo inteligente y proactivo de los yacimientosuna aplicacin BlueFieldse vuelve realidad. Hacia el futuro El almacenamiento subterrneo de gas en yacimientos agotados ha demostrado ser adecuado para muchas de las tecnologas de pozos inteligentes y campos inteligentes que estn siendo desarrolladas para las operaciones tradicionales de produccin de petrleo y gas. La industria UGS ha alcanzado un grado considerable de xito con la
24. National Petroleum Council (ed): Hard Truths: Facing the Hard Truths about Energy. Washington, DC: Consejo Nacional del Petrleo (2007): 36.

18

Oileld Review

adopcin de estas tcnicas. Las lecciones aprendidas por los operadores UGS estn siendo aplicadas con mayor conanza por el sector del negocio correspondiente a la produccin de petrleo y gas porque estas nuevas tecnologas han demostrado su capacidad para proveer costos reducidos y mayores eciencias. Dado que los campos UGS poseen esperanzas de vida largas, brindan una perspectiva de recuperacin de la inversin a largo plazo. En comparacin con los campos de hidrocarburos convencionales, los campos de almacenamiento de gas no experimentan la misma declinacin del valor de sus activos a medida que el yacimiento se agota porque los campos de almacenamiento de gas pueden ser recargados reiteradas veces. La renovacin de las instalaciones ms antiguas, con equipos modernos para campos inteligentes, tiene un sentido nanciero ya que incrementa el valor del activo existente. La maximizacin del activo, por encima y por debajo de la supercie del terreno, conduce a enfoques innovadores como los analizados en este artculo, pero existen an ms tecnologas y tcnicas para aplicar. Por ejemplo, el gas de colchn puede ser el componente ms caro de una instalacin UGS y, en trminos realistas, slo volver al operador cuando el campo sea puesto fuera de servicio. A modo de ejemplo, una operacin UGS en un campo agotado con 566 millones de m3 [20,000 MMpc] de capacidad total requerira que entre un 30 y un 50% del gas permaneciera en su lugar como gas de colchn. Siguiendo con la analoga bancaria, eso equivale a 283 millones de m3 [10,000 MMpc] depositados en una cuenta corriente sin intereses. Con los niveles de precios del ao 2008, eso suma ms de US$ 80,000,000. Aunque el yacimiento sea operado en el rango de presin y ujo ms eciente, se debe dejar parte del gas de colchn en el terreno para posibilitar un suministro a alta tasa de ujo. Los ingenieros de yacimientos han probado la factibilidad de inyectar gas inerte en el yacimiento para que funcione como gas de colchn. Este enfoque es particularmente prctico considerando los precios actuales del gas natural.22 No obstante, la tcnica requiere una comprensin detallada de las propiedades de almacenamiento y las caractersticas de ujo del yacimiento, las consecuencias de mezclar gases diferentes y los efectos del gas inerte sobre el yacimiento en el largo plazo. Se trata, sin embargo, de otro ejemplo de operadores UGS que aplican tcnicas novedosas de manejo de yacimientos.

Sistema SCADA 01010101010101 01010101010101 01010101010101 Adquisicin de datos Limpieza de datos Control del estado del sistema Almacenamiento de datos

El sistema adquiere los datos cada 15 minutos

Validacin del modelo Escritura del archivo de datos de produccin Ejecucin de la simulacin

Almacenamiento de datos

Resultados de la simulacin

Optimizacin y prediccin en el escritorio DECIDE! Ejecucin de la optimizacin Hora actual ms las 24 horas previas Ejecucin del pronstico Da actual ms los 100 das previos Generacin de curvas de produccin Al despachador

Resultados de la optimizacin

Solicitud del despachador

> Con los datos ingresados se toman las decisiones. Los datos SCADA arriban a intervalos de 15 minutos, procedindose a su limpieza y control de calidad. Los datos del software de simulacin se comparan con las predicciones del modelo. El ingeniero en el escritorio DECIDE!, recibe los resultados, los pronsticos y la informacin de produccin. Esta informacin es recibida automticamente o puede ser generada previa solicitud.

A medida que los operadores desarrollan campos UGS e intentan aplicar enfoques innovadores, el nfasis puesto en la caracterizacin de yacimientos, la optimizacin de los procesos y la automatizacin de la operacin aporta mayor exibilidad y ms oportunidades a los proyectos UGS. A manera de ejemplo, Falcon Gas Storage Company est aplicando gran parte de su experiencia con la tecnologa de campos inteligentes en UGS, en la primera instalacin UGS marina de Amrica del Norte.23 El yacimiento ha sido caracterizado y modelado utilizando el software Petrel. El equipo de supercie ya fue diseado, y est previsto que las operaciones comiencen durante 2009. Esta instalacin multiciclo, con gran capacidad de produccin, est diseada para alojar un volumen de trabajo de 1,400 millones de m3 [50,000 MMpc], con capacidades de inyeccin y extraccin de 28 millones de m3 [1,000 MMpc] por da. Para el ao 2030, las proyecciones indican que la demanda global de gas natural oscilar entre 10,000 millones y 16,400 millones de m3 [356,000 y 581,000 MMpc] por da, lo que seala un incremento con respecto a los 6,900 millones de m3/d [243,000 MMpc/d] del ao 2000.24 Medio Oriente cuenta, sin dudas, con las mayores reservas de gas

natural ya que constituyen un volumen estimado de 72.7 trillones de m3 [2,566 Tpc]o un 41% de las reservas mundiales totales. Rusia, que ocupa el segundo lugar en trminos de reservas probadas, posee extensas lneas de conduccin que llegan a Europa y tiene previsto construir lneas de conduccin que se extiendan a China y otros pases. A medida que crezca la demanda de gas natural, se desarrollarn nuevos mtodos para su transporte, almacenamiento y suministro. Dado que el abastecimiento generalmente se encuentra muy lejos de la mayora de los usuarios, las instalaciones UGS constituyen un componente esencial para la provisin de una fuente de gas natural, segura y estable, destinada al consumo industrial y domstico. Conforme el carcter de los proyectos UGS evoluciona, pasando del proceso tradicional de recorte de la demanda de punta a aplicaciones exibles, las tecnologas de campos inteligentes estn asistiendo a los operadores en la bsqueda de mayor eciencia, menores costos y mtodos innovadores de desarrollo de actividades comerciales. En consecuencia, el campo perolero digital se ha vuelto realidad en la industria del almacenamiento subterrneo de gas. TS

Verano de 2008

19