Capitulo 17

La simulación del rendimiento del yacimiento de petróleo se refiere a la construcción y operación

de un modelo cuyo comportamiento asume la apariencia del comportamiento actual del
yacimiento. El modelo en sí es físico (por ejemplo, un saco de arena de laboratorio) o matemático.
Un modelo matemático es un conjunto de ecuaciones que, sujetas a ciertas suposiciones, describen
los procesos físicos activos en el reservorio. Aunque el modelo mismo carece evidentemente de la
realidad del yacimiento, el comportamiento de un modelo válido simula la apariencia del reservorio
actual.

El propósito de la simulación es la estimación del rendimiento de campo (por ejemplo, recuperación

de aceite) bajo uno o más esquemas de producción. Mientras que el campo puede ser producido
sólo una vez, con un gasto considerable, un modelo puede ser producido o ejecutado muchas veces
a bajo costo durante un corto período de tiempo. La observación de resultados de modelos que
representan diferentes condiciones de producción, ayuda a la selección de un conjunto óptimo de
condiciones de producción para el yacimiento.

Las herramientas de la simulación del yacimiento van desde la intuición y el juicio del ingeniero
hasta complejos modelos matemáticos que requieren el uso de computadoras digitales. La pregunta
no es si simular, sino qué herramienta o método utilizar. Este capítulo se refiere al modelo numérico
matemático que requiere una computadora digital. En la edición de 1987 del Manual de Ingeniería
Petrolera se incluyó una descripción general de los modelos de simulación del yacimiento, una
discusión sobre cómo y por qué se usan, la elección de diferentes tipos de modelos para problemas
de diferentes depósitos y la fiabilidad de los resultados de la simulación En vista de los supuestos
del modelo y la incertidumbre en los parámetros reservorio-fluido y de descripción de la roca. Ese
material se omite en gran medida aquí. En cambio, este capítulo intenta resumir las prácticas y
tendencias actuales relacionadas con el desarrollo y la aplicación de modelos de simulación de
yacimientos.

Los modelos se han referido por tipo, como negro-aceite, composición, térmico, generalizado o
IMPES, Implícito, Secuencial, Adaptable Implícito, o de una sola porosidad, doble-porosidad, y más.
Estos tipos proporcionan una base confusa para discutir modelos; Algunos se refieren a la aplicación
(por ejemplo, térmica), otros a la formulación del modelo (por ejemplo, implícita), y otros a un
atributo de la formación de depósito (por ejemplo, doble porosidad). La tendencia histórica, aunque
irregular, ha sido y es hacia el modelo generalizado, que incorpora todos los tipos antes
mencionados y más. El modelo generalizado, que representa la mayoría de los modelos en uso y en
desarrollo hoy en día, será discutido en este capítulo. Las capacidades actuales del modelo,
desarrollos recientes y tendencias serán discutidas en relación a este modelo generalizado.

17.1.1 El modelo generalizado. Cualquier simulador de yacimiento consta de ecuaciones de n + m

para cada una de N bloques activos que comprenden el yacimiento. Estas ecuaciones representan
la conservación de la masa de cada uno de n componentes en cada gridblock en un paso de tiempo
Δt de tn a tn + 1. Las primeras ecuaciones n (primarias) simplemente expresan la conservación de la
masa para cada uno de n componentes tales como petróleo, gas, metano, CO2 y agua, denotados
por el subíndice I = 1,2, ..., n. En el caso térmico, uno de los "componentes" es la energía y su
ecuación expresa la conservación de la energía. Las ecuaciones adicionales de m (secundarias o de
restricción) expresan restricciones tales como fugacidad igual de cada componente en todas las
fases donde está presente, y el balance de volumen Sw + So + Sg + Ssolid = 1,0, donde Ssolid
representa cualquier fase inmóvil tal como sólido precipitado Sal o coque.

Debe haber n + m variables (incógnitas) correspondientes a estas ecuaciones n + m. Por ejemplo,

considere el caso de composición isotérmico, trifásico, con todos los componentes presentes en las
tres fases. Hay m = 2n + 1 ecuaciones de restricción que consisten en el balance de volumen y las 2n
ecuaciones que expresan fugacidad igual de cada componente en las tres fases, para un total de n
+ m = 3n + 1 ecuaciones. Existen 3n + 1 incógnitas: p, Sw, So, Sg y las 3 (n - 1) fracciones molares
independientes xij, donde i = 1,2, ..., n - 1; J = 1,2,3 denota las tres fases de aceite, gas y agua. Para
otros casos, como la térmica, la doble porosidad, etc., se pueden definir las m ecuaciones de
restricción, las variables n + m e igual número de ecuaciones e incógnitas para cada gridblock.

Debido a que las m ecuaciones de restricción para un bloque implican únicamente incógnitas en el
bloque dado, pueden usarse para eliminar las m variables secundarias de las ecuaciones primarias
o de conservación del bloque n. Por lo tanto, en cada bloque, sólo n ecuaciones primarias en n
incógnitas deben ser considerados en discusiones de la formulación del modelo y el solver lineal.
Las n incógnitas se denotan por Pi1, Pi2, ..., Pin, donde Pin se elige como presión pi sin pérdida de
generalidad. Estas variables primarias se pueden elegir como n variables independientes de las
muchas variables disponibles: fracciones de molas de fase y totales, números de mol, saturaciones,
p, y así sucesivamente. Diferentes autores eligen diferentes variables.12-15 Cualquier elección
sensible de variables y ordenamiento de las ecuaciones primarias da para cada cuadrícula un
conjunto de n ecuaciones en n incógnitas que es susceptible a la eliminación gaussiana normal sin
pivotar. La tasa de convergencia (Newton-Raphson) para el cálculo del tiempo del modelo es
independiente de la variable elegida; La velocidad del modelo (tiempo de CPU) es esencialmente
independiente de la elección de la variable.

La Iª ecuación primaria o de conservación para el bloque i es

Donde MiI es la masa del componente I en el gridblock i, qijI es el caudal interbloque del
componente I desde el bloque vecino j al bloque i, y qiI es un término bien. Con la transposición,
esta ecuación está representada por fiI = 0, la Iª ecuación del gridblock i. Todas las n ecuaciones fiI
= 0 para el bloque se pueden expresar como la ecuación vectorial Fi = 0 donde fiI es el Ith elemento
del vector Fi. Finalmente, la ecuación vectorial
Representa el modelo entero, donde el i-ésimo elemento del vector F es Fi. F es una función del
vector N desconocido Pi, donde el elemento escalar I de Pi es PiI. La aplicación del método de
Newton-Raphson

Donde δP es Pl + 1-Pl y la N × N matriz A representa el Jacobiano ∂F / ∂P. El elemento Aij de A es en

sí mismo una matriz n × n ∂Fi / ∂Pj con elementos escalares ars = ∂fir / ∂Pjs, ry s each = 1,2, ..., n.
Eq. 17.3 se resuelve con el solver lineal del modelo. La matriz A es muy escasa porque Aij es 0 a
menos que el bloque j sea un vecino del bloque i.

Los cálculos de un timestep consisten en un número de iteraciones de Newton (no lineal o exterior)
terminadas por la satisfacción de los criterios de convergencia especificados. Cada iteración de
Newton requiere:

(A) Linealización de las ecuaciones de restricción y conservación Eq. 17.1.

(B) Álgebra lineal para generar los coeficientes de la matriz A.

(C) Solución iterativa de la ecuación 17.3 (iteraciones internas o lineales).

(D) Uso de la nueva iteración Pl + 1 para obtener de la ecuación 17.1 los moles de cada componente
en el gridblock.

(E) Un destello para dar composiciones de fase, densidades y saturaciones que permiten la
generación de los coeficientes de matriz A para la siguiente iteración de Newton

17.1.2 Formulaciones Modelo. Una parte importante del tiempo total de CPU del modelo se pasa a
menudo en la solución de solución lineal de la Ec. 17.3. Este tiempo de CPU a su vez refleja las
múltiples operaciones necesarias. La formulación del modelo tiene un gran efecto sobre la
naturaleza y el gasto de esas multiplicaciones.

Implícita vs. Explicita. El término de flujo interbloque en la Ec. 17.1,

Utiliza movimientos de fase, densidades y fracciones molares evaluadas en los bloques de aguas
arriba. Un bloque de rejilla está implícito, por ejemplo, en la variable Sg si se utiliza el nuevo valor
de nivel de tiempo Sgn + 1 para evaluar los términos de flujo interbloque que dependen de él. El
bloque es explícito en Sg si se usa el antiguo valor de nivel de tiempo nSg.

La formulación implícita. La formulación implícita expresa términos de flujo interbloque utilizando

valores implícitos (nuevo nivel de tiempo) de todas las variables en todos los bloques de cuadrícula.
Como consecuencia, todos los elementos Aij no nulos de la matriz A de la ecuación 17.3 son matrices
n × n completas. Las multiplicaciones resultantes en el solucionador lineal son entonces matriz-
matriz o matriz-vector multiplica, requiriendo trabajo (número de multiplicaciones escalares) de
orden n3 o n2, respectivamente.

La formulación IMPES. Los primeros documentos presentaron la base de la formulación IMPES

(presión implícita, saturaciones explícitas) para el caso del negro-aceite: tomar explícitas todas las
variables en los términos de flujo interbloque, excepto la presión y eliminar todas las variables no
presurizadas de las expresiones linealizadas para MiIn + 1 En la ecuación 17.1. La extensión obvia a
cualquier modelo de tipo con cualquier número de componentes se presentó más tarde, 20 y se han
publicado numerosos modelos de composición de tipo IMPES.

El modelo Eq. 17.3 se puede escribir como:

Si todas las variables pero la presión son explícitas en los términos de flujo interbloque, entonces
todas las entradas, excepto las de la última columna de la matriz n × n Aij (j ≠ i) son cero (recordar,
la n-ésima variable en cada bloque de rejilla, Pin es Presión pi). Esto permite la eliminación de todas
las variables de no presión y la reducción del vector Ec. 17.5 a la ecuación escalar en la presión
solamente:

Donde A es ahora una matriz escalar N × N y los vectores P y F tienen N elementos escalares pi y fi,
respectivamente. Las multiplicaciones requeridas en solución de la presión IMPES Eq. 17.7 son
multiplicaciones escalares, requiriendo una pequeña fracción del trabajo de las multiplicaciones
matriz-matriz y vector matricial de la formulación implícita. Por tanto, el tiempo de CPU del modelo
por bloque de rejilla por iteración de Newton para n moderado o grande es mucho menor para la
formulación IMPES que para la formulación implícita.

La Formulación Secuencial. La estabilidad de la formulación de IMPES para el caso de agua / aceite

de dos fases se mejoró siguiendo la solución de ecuación de presión IMPES con solución de una
ecuación de saturación de agua utilizando las saturaciones implícitas (movilidades) .23 Este
concepto se extendió al caso de tres fases y Llamada la formulación secuencial.24 Para cada
iteración de Newton, este método requiere la solución de la presión IMPES Eq. 17,7, seguido por
solución para dos saturaciones de una ecuación similar donde los elementos Aij de A son 2 × 2
matrices.
Se describió un modelo de composición secuencial y se mencionó la conveniencia de un tratamiento
secuencial implícito de las fracciones molares además de las saturaciones.

La formulación adaptativa implícita. El Método Adaptable Implícito (AIM) utiliza diferentes niveles
de implicidad en diferentes bloques. En cada gridblock, cada una de las n variables puede ser
explícita o implícita, independiente de las opciones en otros gridblocks. Las opciones pueden
cambiar de un paso a otro. Esto da como resultado la misma ecuación AδP = -Fl como la formulación
implícita, excepto que los elementos Aij de la matriz A son matrices rectangulares de tamaño
variable. El número de filas y columnas en Aij es igual al número de variables implícitas en los
bloques i y j, respectivamente; Todas las Aii son matrices cuadradas. El gasto de CPU por iteración
Newton de un modelo AIM se encuentra entre los IMPES y los modelos implícitos, tendiendo hacia
el primero ya que más bloques se toman implícitos en la presión sólo.

Elección de la formulación. Para un problema dado, las cuatro formulaciones anteriores

generalmente dan tiempos de CPU muy diferentes. Las generalizaciones con respecto a la mejor
formulación tienen muchas excepciones. Podría decirse que la tendencia es o debería ser hacia el
uso exclusivo de la formulación de AIM. Esto se discute en las secciones Paso estable y Criterios de
conmutación a seguir. Los estudios de simulación actuales usan todas estas formulaciones. La
formulación implícita es generalmente más rápida que IMPES para estudios de conicidad de un solo
pozo, y para problemas térmicos y naturalmente fracturados. Para otros problemas, IMPES es
generalmente más rápido que Implícito para n moderado o grande (digamos, n> 4). La mayoría de
los participantes usaron IMPES para SPE Solución Comparativa Problemas de proyecto SPE1, SPE3,
SPE5 y SPE10. Todos los participantes utilizaron la formulación implícita para SPE2, SPE4, SPE6 y
SPE9. Ningún participante en SPE1 a través de SPE10 usó un modelo secuencial y, con pocas
excepciones, ninguno usó AIM.
Una generalización frecuente es que el error numérico de dispersión es significativamente mayor
para las formulaciones implícitas que para IMPES. El análisis de error de truncamiento muestra que
este error es proporcional a Δx + uΔt para Implícito y Δx - uΔt para IMPES. Las no linealidades y la
heterogeneidad reales del problema hacen que el análisis sea aproximado y la generalización del
mérito limitado. Por ejemplo, las Figs. 17.1 a 17.3 muestran resultados implícitos e IMPES
prácticamente idénticos para los problemas SPE10 de gas / aceite SPE9 de 9.000 bloques blackoil y
SPB-2000. Para SPE9 (SPE10), el tiempo promedio fue 67 (9.7) veces mayor para Implícito que para
IMPES. El porcentaje del tiempo total de CPU gastado en el solver lineal para IMPES (Implícito) fue
23,7 (57,3) para SPE9 y 35,4 (73,4) para SPE10. La implementación es un factor importante en la
eficiencia relativa de las diferentes formulaciones.

Para un problema dado, los diferentes modelos que utilizan la misma formulación pueden dar
tiempos de CPU ampliamente diferentes. Por ejemplo, los tiempos de CPU IMPES reportados por
diferentes participantes en el problema de composición SPE5 de seis componentes difieren en un
factor de más de 50.
17.1.3 Avances en formulaciones modelo. La formulación de IMPES fue mejorada por concepto de
volumen relajado, mejor elección de variables y cálculos de "flash adaptativo".

Volumen relajado. El concepto de volumen relajado se relaciona con los pasos (d) y (e) del cálculo
del tiempo establecido previamente. La etapa (d) da la masa de cada componente en el bloque de
rejilla, MI 1 + 1, que a su vez da la composición global {zI} l + 1. El destellador del paso (e) proporciona
entonces cantidades de fase y densidades que a su vez dan nuevos valores de iteración Sw, So y Sg.
Estas saturaciones no suman a 1.0 debido a la naturaleza no lineal de la ecología de conservación.
17.1. Si las saturaciones se alteran (por ejemplo, dividir cada una por su suma) para satisfacer
exactamente el balance de volumen ΣJ SJ = 1, entonces se produce un error de balance de masa
incremental (timestep). Si las saturaciones no se alteran, entonces la masa se conserva pero hay un
error de equilibrio de volumen ΣJ SJ - 1. Los autores optaron por conservar la masa y llevar adelante
el error de balance de volumen de iterar a iterar y paso a paso. El balance de volumen que pasa a la
iteración l + 1 es ΣJ δSJ = 1 - ΣJ SJ l. Esto, en efecto, conserva la masa y el volumen porque no hay
error de volumen permanente o de acumulación, solo el de la etapa de tiempo dada. Igualmente
importante, no hay necesidad de iterar el error de volumen a una tolerancia "apretada", y las
iteraciones de Newton y la CPU del modelo se reducen. Por el contrario, el procedimiento IMPES
anterior o histórico restauraba las saturaciones para preservar el volumen e iteraba el error de
masa. Debido a que este último error no se llevó adelante, se requirió más iteración de Newton (y
tiempo de CPU) para mantener el error de equilibrio de masa acumulativo permanente,
tolerablemente bajo.

Este uso de volumen relajado con remanente también reduce las iteraciones de Newton y el tiempo
de CPU en la formulación implícita17.1.3 Avances en formulaciones modelo. La formulación de
IMPES fue mejorada por conceptos de volumen relajado, 13-15 mejor elección de variables y
cálculos "adaptativos" de flash. Volumen relajado. El concepto de volumen relajado se relaciona con
los pasos (d) y (e) del cálculo del tiempo establecido previamente. La etapa (d) da la masa de cada
componente en el bloque de rejilla, MIl + 1, que a su vez da la composición global {zI} l + 1. El
destellador del paso (e) proporciona entonces cantidades de fase y densidades que a su vez dan
nuevos valores de iteración Sw, So y Sg. Estas saturaciones no suman a 1.0 debido a la naturaleza
no lineal de la ecología de conservación. 17.1. Si las saturaciones se alteran (por ejemplo, dividir
cada una por su suma) para satisfacer exactamente el balance de volumen ΣJ SJ = 1, entonces se
produce un error de balance de masa incremental (timestep). Si las saturaciones no se alteran,
entonces la masa se conserva pero hay un error de balance de volumen ΣJ SJ - 1. Los autores13-15
eligieron preservar masa y llevar adelante el error de balance de volumen de iterar a iterar y paso a
paso. El balance de volumen que pasa a la iteración l + 1 es ΣJ δSJ = 1 - ΣJ SJl. Esto, en efecto, conserva
la masa y el volumen porque no hay error de volumen permanente o de acumulación, solo el de la
etapa de tiempo dada. Igualmente importante, no hay necesidad de iterar el error de volumen a
una tolerancia "apretada", y las iteraciones de Newton y la CPU del modelo se reducen. Por el
contrario, el procedimiento IMPES anterior o histórico restauraba las saturaciones para preservar el
volumen e iteraba el error de masa. Debido a que este último error no se llevó adelante, se requirió
más iteración de Newton (y tiempo de CPU) para mantener el error de equilibrio de masa
acumulativo permanente, tolerablemente bajo. Este uso del volumen relajado con el arrastre
también reduce las iteraciones de Newton y el tiempo de la CPU en la formulación implícita.

Esta discusión implica alguna ventaja fundamental de preservar la masa y iterar el error de volumen
en lugar de preservar el volumen e iterar el error de masa. En opinión del autor, esto no es cierto
siempre que el error se lleve a cabo en ambos casos. El requisito de iteración de Newton y el tiempo
de CPU deben ser similares si se usan tolerancias de error de masa y volumen "equivalentes" como
criterios de convergencia.

Elección variable. El álgebra lineal requerida para reducir las n ecuaciones de conservación de la
cuadrícula a la ecuación de presión IMPES está influenciada por la elección de las variables. La
influencia está ausente para el aceite negro, moderado para el n "moderado" y hasta un factor de
tres para el n grande (digamos,> 15). Las opciones de las fracciones p y mol {zI} o números molares
son mejores que la elección de p, las saturaciones y las fracciones molares en fase para n grande. El
efecto de esta variable en el tiempo total de la CPU es a menudo pequeño porque el trabajo afectado
suele ser una pequeña parte del tiempo total de la CPU. Esta reducción IMPES está ausente en la
formulación implícita y la última de las opciones de variables anteriores es discutiblemente
preferible.

Cálculos Flash Adaptativos. El trabajo de los cálculos flash EOS, incluyendo la generación de
fugacidad y sus derivados, puede afectar significativamente la eficiencia del modelo cuando el solver
lineal no domina el tiempo total de la CPU. Puede haber poca necesidad de realizar (la mayor parte)
que funcione en un gridblock cuando p y composición están cambiando lentamente. El uso de
criterios internos e inteligentes que dicten cuándo se necesita ese trabajo puede reducir
significativamente el tiempo de CPU del cálculo del flash total. Esto es similar en principio a la
selección AIM de variables explícitas para bloques de rejilla que están inactivas con respecto a la
relación de rendimiento.

17.1.4 Criterios Estables de Tiempo y Cambio. Este tema se relaciona con la observación de que un
tiempo de respuesta más bajo puede aumentar los beneficios de un estudio del yacimiento asignado
a un período presupuestado. Como corolario, el tiempo pasado en repetidas carreras que combaten
las inestabilidades del modelo o el paso del tiempo es contraproducente. Si bien muchos factores
afectan a este tiempo de ejecución, siempre es igual al producto (tiempo / paso de la CPU) ×
(número de temporizadores). El primer factor es "grande" y el segundo "pequeño" para la
formulación implícita, y por el contrario para la formulación IMPES. IMPES es una formulación
condicionalmente estable que requiere que Δt <Δt * para evitar oscilaciones y crecimiento de error,
donde Δt * es el máximo tiempo estable. La estabilidad condicional se deriva del tratamiento
explícito de las variables de no presión en los términos de flujo interbloque. Los matemáticos
realizaron análisis de estabilidad para ecuaciones de diferencias de coeficiente constante que
guardan algún parecido con IMPES. Los autores en nuestra industria extendieron y aplicaron sus
resultados para derivar expresiones para Δt *, en particular,

Para el caso 3D negro-aceite de flujo de gas / petróleo. Esto demuestra que el paso estable Δt *
depende de los caudales, la movilidad de fases y los derivados de la presión capilar, que por
supuesto varían con el tiempo y de un bloque de rejilla a otro. Por lo tanto, en un instante de tiempo
determinado, hay valores de paso estables dependientes del bloque Δt * i, donde 1 <i <N, y el paso
estable IMPES es Min (i) Δt * i. Un modelo IMPES que utiliza esta etapa estable establecida
internamente funcionará estable pero puede sufrir del principio del enlace más débil. Como ejemplo
extremo, considere un problema de 500.000 gridblock donde, durante un período de 100 días, el
valor Δt * i es de 0,01 día para un bloque y de> 30 días para todos los otros bloques. El modelo
IMPES requerirá 10.000 timesteps durante el período de 100 días.

En la formulación AIM, el paso estable Δt * i depende del número e identidades de las variables
elegidas explícitas en el bloque i; Teóricamente, Δt * i = ∞ si todas las variables del bloque i se eligen
implícitamente. En el ejemplo anterior, todas las variables de no presión podrían ser implícitas en el
bloque donde Δt * i = 0.01 y explícita en todos los demás bloques. El modelo AIM requeriría entonces
que el tiempo / paso de la CPU no fuera esencialmente mayor que el modelo IMPES, pero requeriría
sólo tres tiempos para el periodo de 100 días. Numerosos trabajos abordan el problema de
determinar expresiones para el Δt * i para su uso interno como criterio de conmutación para
seleccionar variables de bloque como explícitas o implícitas en el modelo AIM. Los análisis de
estabilidad involucrados son complejos y pueden ser impracticemente complejos cuando se permite
que la opción de variable implícita vs. explícita incluya todas las permutaciones (en número e
identidad) de las n variables. Los modelos AIM más fiables y eficientes en el futuro se derivarán de
la investigación continua que conduce a lo siguiente: (a) estimaciones de Δt * i que son "precisas",
y (b) opciones implícitas contra variables explícitas, bloque por bloque, que son Casi óptima y
minimizar el tiempo total de la CPU, (tiempo / paso de la CPU) × (número de pasos).

17.1.5 El solver lineal. Orthomin precondicionado es el método más utilizado para la solución
iterativa de las ecuaciones. 17,3 ó 17,7. Factorización anidada (NF) y factorización LU incompleta
[ILU (n)] son los dos preconformadores más ampliamente utilizados. El término "factorización de
LU" se refiere al factoraje de la matriz A en el producto de una matriz triangular inferior L y de una
matriz triangular superior U. Es una operación costosa pero directa, que implica sólo la eliminación
gaussiana. El término "ILU (n)" denota una factorización de LU incompleta, en la que sólo se permite
un relleno limitado y n es el "orden de relleno". NF funciona excepcionalmente bien cuando las
transmisibilidades asociadas con una dirección particular (en una cuadrícula estructurada) dominan
a aquellas En otras direcciones uniformemente a través de la rejilla. En general, ILU (n) o ILU (n)
rojo-negro [RBILU (n)] es menos sensible que NF al ordenamiento de los bloques y la variación
espacial de la dirección de las transmisibilidades dominantes. Además, RBILU (n) o ILU (n) tienen el
parámetro n (orden de relleno permitido) que puede incrementarse según sea necesario para
resolver problemas de cualquier dificultad.

Una búsqueda bibliográfica y discusiones con numerosos desarrolladores y usuarios no han logrado
establecer un consenso sobre si el preacondicionamiento NF o ILU es mejor. Algunos son fuertes
partidarios de un método y otros apoyan de manera inflexible al otro. Pero muchos encuentran,
como este escritor, que el mejor método depende del problema y es difícil encontrar un indicador
confiable a priori para hacer una elección inicial. En la experiencia del escritor, (a) cuando NF
funciona bien, es más rápido que los métodos ILU, (b) RBILU (0) sin restricción residual es con
frecuencia la mejor de las variantes de ILU y una buena opción por defecto, y (c) en En algunos casos,
la restricción residual global con el método ILU o RBILU es beneficiosa.

17.1.6 Redes cartesianas y definición del yacimiento. Durante muchos años, la simulación empleó
rejillas cartesianas ortogonales. En los últimos 15 años, numerosos artículos han descrito el
refinamiento de la red local y varias redes no cartesianas, como se discute en la sección Griding.
Estos trabajos muestran que las rejillas no-cartesianas pueden reducir los efectos de la orientación
de la rejilla y proporcionar definición y precisión cerca de pozos, fallas, áreas altamente
heterogéneas, y así sucesivamente más eficientemente que las rejillas cartesianas. La premisa de
que las rejillas cartesianas no pueden proporcionar la precisión requerida de manera eficiente en
estos aspectos ha llegado a ser aceptada como un hecho. Además, los avances en geofísica han
llevado a la descripción geoestadística de la permeabilidad y la porosidad en una escala fina una vez
inimaginable.

Cada vez más, nuestros trabajos incluyen ejemplos que usan miles de cuadrículas para patrones de
dos o pocos pozos, en parte para reflejar estas descripciones geoestadísticas. El propósito de esta
sección es mostrar, con algunos ejemplos, que las rejillas cartesianas pueden proporcionar una
precisión adecuada y una definición de depósito y de pozo cercano en algunos casos, incluso sin
refinamiento local de la red. No se pretenden generalizaciones a partir de los ejemplos utilizados.
En su mayor parte, los ejemplos se toman de la literatura.

SPE7 es un problema de pozo horizontal de dirección x con una cuadrícula cartesiana de 9 × 9 × 6

que representa una sección de depósito de 2.700 × 2.700 × 160 pies. Los valores especificados del
bloque Δy disminuyen de 620 a 60 pies en el pozo, presumiblemente para aumentar la definición y
exactitud de los resultados. Los Δx son uniformemente 300 pies. 17.4 compara los resultados del
caso 1A para la cuadrícula SPE7 con los resultados usando el espaciamiento uniforme Δx = Δy = 300
pies. El refinamiento de la y-dirección del pozo cercano de la rejilla especificada no tiene ningún
efecto y no es necesario en este problema.
SPE8 es un problema de gas / petróleo con un inyector de gas y dos productores en las esquinas de
un depósito de 5.000 × 5.000 × 325 pies cuadrados. Se especifica una rejilla cartesiana de 10 × 10 ×
4 con Δx = Δy = 500 pies. Cinco participantes compararon los resultados de esa cuadrícula con los
resultados de sus redes (localmente) refinadas o no estructuradas localmente. Mostraron un buen
acuerdo para las cuadrículas que tienen aproximadamente cuatro veces menos bloques que la
cuadrícula 10 × 10 × 4. Higo. 17.5 muestra un acuerdo igualmente bueno para una cuadrícula
cartesiana de 5 × 5 × 4 (Δx = Δy = 1,000 pies) sin refinamiento local.
SPE10 (Modelo 1) es un problema de gas / petróleo transversal de 2D con una distribución de
permeabilidad geoestadística dada en una rejilla fina cartesiana de 100 × 1 × 20. Los resultados de
grueso-rejilla incluyeron resultados usando upscaling y el refinamiento local de la red. Una
cuadrícula cartesiana homogénea de 5 × 1 × 5 sin alteración de la permeabilidad relativa igualó los
100 × 1 × 20 resultados casi exactamente.

SPE10 (Modelo 2) es un problema de agua / petróleo 3D con una red geoestadística de 1.122
millones de células. Algunos gruesos grid presents incluyeron sofisticadas técnicas de upscaling y
grid, sin pseudo-apreciación de permeabilidad relativa y cuadrículas de 4.810 a 70.224 bloques.
Otros usaron el upscaling simple basado en flujo a redes gruesas cartesianas de 75 a 2.000 bloques
con cambios moderados de kr. En general, estas últimas presentaciones mostraron el mejor acuerdo
con la solución de rejilla fina. Numerosos trabajos muestran que las rejillas no cartesianas pueden
reducir significativamente los efectos de la rejilla-orientación de las rejillas cartesianas. Sin embargo,
la mayoría de los ejemplos utilizados para estudiar esos efectos son desplazamientos de movilidad
altamente adversos en depósitos horizontales homogéneos. En reservorios con movilidad fluida
más normal, el movimiento del líquido areal es más fuertemente afectado por la heterogeneidad y
/ o fuerzas de gravedad asociadas con la estructura del reservorio (inmersión variable), y los efectos
de la orientación de la rejilla tienden hacia un efecto de segundo orden. Como ejemplo, el depósito
de agua / aceite SPE10 (Modelo 2) es altamente heterogéneo. Figura. 17.6 compara resultados de
campo de cinco y nueve puntos para una rejilla cartesiana escalonada de 28 × 55 × 85. El estrecho
acuerdo indica una ausencia de efectos de la orientación de la red aunque la relación de viscosidad
aceite / agua es 10 y no hay ninguna inmersión.

Ejemplo 17.1. La Tabla 17.2 da los datos para el Ejemplo 17.1, un problema de ¼ de cinco puntos,
de pozo vertical. Figura. 17.7 muestra dos cuadrículas centradas en bloques (a) y (b) usadas para
este tipo de problema. Los bloques de cuatro pozos más pequeños de la celdas (b) proporcionan
una definición de pozos más fina y presumiblemente aumentan la precisión de los resultados.
Figura. 17.8 muestra los resultados idénticos para 10 × 10 celda (a) y 11 × 11 celda (b). Los resultados
son casi idénticos para la cuadrícula 5 × 5 (a) y la cuadrícula 6 × 6 (b), y la Fig. 17.9 muestra una
diferencia insignificante entre los resultados de la cuadrícula 3 × 3 (a) y 4 × 4 (b). La cuadrícula (b)
duplica la cuadrícula (a) IMPES ejecuta el tiempo de CPU pero no aporta mayor precisión. Los efectos
de los índices bien no son importantes aquí.

Cuando lo son, se puede hacer una sola fase monofásica para determinar el factor de corrección del
índice para los pozos de rejilla (a) situados en las esquinas de sus bloques de rejilla
Figura. 17.10 muestra un pequeño efecto del refinamiento de la rejilla en los resultados del Ejemplo
17.1 para las cuadrículas de 20 × 20 a 3 × 3. Los resultados indican poca necesidad de mejorar la
definición de casi pozo por rejillas no estructuradas o por refinamiento de rejilla (global o local) 3 ×
3 para este problema.

Ejemplo 17.2. Se muestra que las rejillas no cartesianas flexibles reducen significativamente el
número requerido de cuadriculas. Se proporcionó un ejemplo de conización de agua / aceite en un
pozo horizontal en un depósito homogéneo de 600 × 300 × 230 m. Los resultados fueron: (a) se
requirió una cuadrícula cartesiana de 25.823 bloques 31 × 17 × 49 para obtener una solución
convergente, y (b) una rejilla no estructurada CVFE 3D de 2.066 bloques dio resultados correctos.
La Tabla 17.3 da los datos del Ejemplo 17.2, un problema similar. La Fig. 17.11 compara los
resultados del Ejemplo 17.2 para las cuadrículas cartesianas de 60 × 31 × 48 y 10 × 7 × 9. Los
resultados de la cuadrícula gruesa cartesiana de 630 bloques coinciden también con los resultados
cartesianos de grano fino de 60 × 31 × 48, ya que los resultados de CVFE de 2.066 bloques reportados
coinciden con los resultados de las cuadrículas finas cartesianas 31 × 17 × 49.

Se argumenta que las rejillas no cartesianas definen los límites irregulares del yacimiento de manera
más eficiente que las rejillas cartesianas. Esto no es necesariamente cierto. Durante más de 30 años,
muchos modelos han utilizado la codificación de bloques activos. Mientras que la rejilla cartesiana
se extiende más allá de los límites a los bloques inactivos numerosos, esos bloques inactivos son
caídos por el modelo y no requieren ningún almacenaje de la computadora o CPU. Estos numerosos
bloques inactivos plantean un problema sólo para los modelos, si los hay, que no utilizan la
codificación de bloques activos.
17.2 Solucionador Lineal - John Wallis y J.W. Vatios
El solucionador de ecuaciones lineales es un componente importante en un simulador de reservorio.
Se utiliza en el paso de Newton para resolver las ecuaciones diferenciales discretas no lineales
discretizadas. Estas ecuaciones describen balances de masa sobre los componentes individuales
tratados en el modelo. Para los problemas no isotérmicos, se añade un equilibrio de energía al
sistema. El problema de la matriz implica resolver Ax = b, donde A es típicamente una matriz dispersa
grande, b es el vector del lado derecho, y x es el vector de incógnitas. En la formulación de IMPES,
existe una sola presión desconocida por célula. En la formulación totalmente implícita, hay un
número fijo n de incógnitas por célula donde n ≥ 2. En la formulación implícita adaptativa, hay un
número variable de incógnitas por célula. En la mayoría de las formulaciones, la presión es un
desconocido para cada célula. La matriz A típicamente tiene asociadas ecuaciones de restricción de
pozo y variables de pozo y puede dividirse en el bloque 2 × 2 como

Donde xw es el vector bien variable-solución y xR es el vector reservorio variable-solución. La matriz

Aww es a menudo diagonal. En este caso, las variables de pozo pueden ser eliminadas directamente,
y la solución iterativa está en el sistema de matriz implícitamente definid
Las variables de pozo se obtienen entonces mediante sustitución posterior como

Si A es grande, la solución de las ecuaciones matriciales es impráctica usando métodos directos tales
como la eliminación gaussiana debido al almacenamiento de la computadora oa los requerimientos
de tiempo de la CPU. La solución iterativa basada en la proyección sobre los subespacios de Krylov
se utiliza típicamente. Estos subespacios de Krylov son espacios atravesados por vectores de la
forma p (A) v, donde p es un polinomio. Básicamente, estas técnicas se aproximan A-1b por p (A) b.
Los métodos comúnmente utilizados para construir p (A) b son Orthomin y GMRES. Ambos métodos
minimizan la norma residual sobre todos los vectores en el intervalo {b, Ab, A2b, ..., Am - 1b} a la
iteración m. Deben producir resultados idénticos. Desde un punto de vista práctico, no importa qué
se utilice.

Una técnica conocida como precondicionamiento puede mejorar tanto la eficiencia (velocidad en
un problema típico) como la robustez (capacidad de resolver una amplia gama de problemas por lo
menos razonablemente bien) de Orthomin o GMRES. El preacondicionamiento implica transformar
el sistema de matriz original en uno con la misma solución que es más fácil de resolver. Por regla
general, la robustez de la
Es mucho más dependiente del preacondicionamiento que del acelerador de subespacio Krylov
específico utilizado. El preacondicionador M es una matriz que se aproxima a A, y tiene la propiedad
de que los sistemas lineales de la forma M x = b se resuelven fácil y económicamente. Para la
mayoría de los solucionadores lineales se resuelve el siguiente sistema preacondicionado:
El algoritmo precondicionado ORTHOMIN (k), que retiene los últimos k A-vectores de dirección
ortogonal, está dado por

Debido a la naturaleza de las ecuaciones de simulación del yacimiento, sólo ciertos

precondicionadores son eficaces para resolverlos. Los depósitos son típicamente en forma de
panqueques, siendo mucho más amplio que son gruesos. Esta geometría conduce a una fuerte
conectividad vertical. Algunos preacondicionistas explotan esta propiedad. El preconformador más
utilizado es NF. La convergencia de NF es sensible al ordenamiento celular. Los mejores resultados
se obtienen usualmente ordenando las células primero a lo largo de la dirección de máxima
transmisibilidad y luego sucesivamente a lo largo de las direcciones de disminución de la
transmisibilidad. Esto casi siempre significa que NF debe ser ordenado primero en la dirección
vertical.

Los otros precondicionadores de uso común son las factorizaciones triangulares / triangulares
inferiores incompletas de la matriz, o ILU (n), donde n es el nivel de relleno que se retiene durante
el proceso de eliminación. El rendimiento de estos se puede mejorar mediante el uso de una orden
de tablero de ajedrez rojo-negro (también llamado ordenación D4) de los nodos. El ordenado rojo-
negro en una rejilla de cinco puntos (en 2D) o de siete puntos (en 3D) conduce a la eliminación
directa de las incógnitas en los glóbulos rojos, dejando un sistema que contiene solamente las
incógnitas en las células negras. El resultado es una reducción a la mitad del número de incógnitas.
Un preacondicionador de ILU que usa ordenamiento rojo-negro con relleno cero en el sistema
reducido se denomina RBILU (0) y es la forma más frecuentemente utilizada de ILU.

En los modelos IMPES, ya sea sin errores o fallos verticales, RBILU (0) o ILU (1) combinados con
correcciones aditivas de línea z, convergen típicamente muy rápidamente. NF también se puede
utilizar eficazmente en casos que implican fallas verticales y pinchouts porque la matriz retiene la
estructura requerida por NF. Las fallas no verticales interrumpen la estructura de la matriz, lo que
hace atractivas las órdenes rojo-negro. En los modelos que los contienen, ILU es el método de
elección. Las discretizaciones de nueve puntos también causan problemas para los ordenamientos
rojo-negro, pero no causan ninguna dificultad para NF.
NF y RBILU (0) se utilizan comúnmente en modelos implícitos. Otro enfoque muy efectivo explora
el hecho de que la presión es la variable "rígida". El método Combinative45 o CPR44 es un
preacondicionamiento de dos pasos que extrae una ecuación de presión de la matriz implícita.
Resuelve iterativamente una corrección de presión en cada iteración, utiliza la corrección de presión
para formar un nuevo residuo, aplica un preacondicionamiento implícito de bajo costo como la
escala diagonal o la línea Gauss-Seidel al nuevo residuo, y luego usa la suma de los dos pasos como
La solución aproximada. En los modelos de composición, este método de dos pasos puede ser
mucho más rápido que los métodos de un solo paso.

Muchos modelos incluyen ecuaciones de restricción de pozos que agregan presiones de pozo al
conjunto de incógnitas. Una manera simple pero efectiva de tratar estas ecuaciones es ordenarlas
primero en la matriz global y luego eliminar las presiones de los pozos a partir del conjunto de
incógnitas. En esta eliminación aproximada, cualquier término de relleno se suma en columna o se
suma en fila en la diagonal principal de la matriz del yacimiento, que luego se toma en cuenta
utilizando NF. El problema de la matriz del depósito se resuelve iterativamente y las variables del
pozo se obtienen por sustitución posterior.

Paralelo solución iterativa normalmente utiliza un enfoque de descomposición de dominio en el que

la red se divide en dominios que contienen aproximadamente el mismo número de células. La
partición debe hacerse de tal manera que el acoplamiento sea más fuerte entre las células dentro
de un dominio. Como resultado, los dominios normalmente son grupos de columnas de celdas. Una
manera de acelerar la iteración es colorear los dominios en rojo-negro y aplicar un procedimiento
de tipo NF en el que el nivel externo de anidamiento es el acoplamiento entre los dominios y NF o
una variación ILU se utiliza para el factor de los dominios individuales.

La solución de matrices procedentes de rejillas no estructuradas implica típicamente alguna variante

de ILU con órdenes celulares tales como Reverse Cuthill-McKee (RCMK) o Fill Grado Mínimo (MDF).

17.3 Gridding en Simulación de yacimientos - Dave Ponting

17.3.1 Introducción. El objetivo de la rejilla en la simulación del yacimiento es convertir el modelo

geológico del campo en un sistema discreto sobre el cual se pueden resolver las ecuaciones de flujo
de fluido. La estructura básica de un yacimiento de petróleo es un conjunto de horizontes geológicos
que representan los planos de lecho. El reservorio puede contener fallas, en las cuales los estratos
son desplazados. Normalmente es posible identificar muchas capas más en el modelo geológico de
lo que es práctico incluir en la simulación del flujo del yacimiento, por lo que algunas mejoras de las
propiedades de la roca se llevarán a cabo normalmente. Incluso después de este proceso, la geología
a representar rara vez es homogénea a la escala de la cuadrícula de simulación.

En la elección de una rejilla para la simulación del yacimiento intervienen dos aspectos relacionados:
la exactitud con que se compara la descripción geológica del yacimiento y la discretización de las
ecuaciones de flujo. En un esquema clásico de diferencias finitas, los valores de los puntos de las
presiones y las saturaciones se utilizan como variables de solución y los operadores diferenciales
que aparecen en las ecuaciones de flujo de fluido se pueden expandir como expresiones de
diferencia de estos valores de punto a algún orden. Un enfoque alternativo es utilizar un método
integral de diferencias finitas o de volumen finito en el que las ecuaciones de flujo de fluido se
integran en un conjunto de volúmenes de células. Esto produce un conjunto de ecuaciones en las
que las condiciones de conservación de masa para el fluido en los volúmenes de las celdas de
simulación están relacionadas con los flujos a través de las interfaces entre esos volúmenes de
células. Las propiedades de la roca tales como la porosidad se asumen constantes sobre la célula o
el volumen controlado. Esto produce un esquema de discretización que es conservador (cada salida
de una célula es una entrada a otra) y para la cual el fluido en su lugar puede obtenerse
directamente. Las ecuaciones de conservación de masas para un paso temporal de T a T + ΔT se
convierten en:

Donde Vpa es el volumen de poro de la celda a, mca es la densidad del componente conservado c
en la celda a, Qca es la tasa de inyección o de producción del componente c debido a los pocillos y
Fcpab es el caudal del componente c en la fase p de la célula A a su vecino b. En general, los flujos
Fcpab pueden implicar los valores de solución de un número de células, el número de células
implicadas que definen la plantilla del esquema numérico. La dependencia de la presión lineal de
los flujos dada por la ley de Darcy conduce a una expresión del tipo:

Mcpax es la movilidad del componente c en la fase p para la contribución al flujo entre a y x, dada
por xcp. Krp / μp, donde xcp es la concentración del componente c en la fase p, Krp es la
permeabilidad relativa de la fase p, y μp es la viscosidad de la fase p. Esto se establece a menudo a
un valor ascendente de la movilidad, dependiendo del signo de la diferencia de potencial. ΔΦpax es
la diferencia de potencial de la fase p entre la celda a y la celda x, que incluye contribuciones de
presión, gravedad y presión capilar:

Los coeficientes constantes de los productos de movilidad y diferencia de potencial, el Impuesto, se

denominan comúnmente las transmisibilidades. Cuando los flujos entre dos celdas a y b pueden
expresarse como una función de los valores de la solución en sólo esas dos celdas, de modo que la
suma sobre las celdas incluye sólo x = b, la expresión de flujo toma una forma de dos puntos. La
expresión de flujo toma entonces una forma simple:

Cuando se requieren valores de solución de otras células, el flujo toma una forma multipunto.
Existen otras opciones para la discretización, como elementos finitos de Galerkin y elementos finitos
mixtos. A veces es posible emitir una discretización de Galerkin de elementos finitos en la forma
basada en la transmisibilidad ascendente.

17.3.2 Redes cartesianas regulares. Una cuadrícula 3D simple es la cuadrícula cartesiana normal
(Fig. 17.12). Las células en tal rejilla pueden identificarse simplemente usando sus valores de índice
(i, j, k). A cada uno de los elementos de la rejilla se le asignará un único valor de permeabilidad o
porosidad. En este caso, es posible obtener el valor de transmisibilidad como una media armónica:

Donde la célula b es el vecino de la celda a en alguna dirección y K es la permeabilidad de la celda

en esa dirección. A es el área de la célula ortogonal a la dirección del flujo, y d la dimensión de la
célula en esa dirección. Tal transmisibilidad de dos puntos asume un tensor de permeabilidad con
ejes primarios alineados a lo largo de los ejes de rejilla.
17.4.6 Escalonamiento regional. El escalonamiento regional se aplica para reducir la influencia de
las condiciones de contorno artificiales en la estimación de permeabilidad efectiva moviendo el
límite de la región de cálculo lejos de la célula de flujo. Esto implica que la influencia de las células
geo vecinas se tiene en cuenta además de las células geo dentro de la célula de flujo. En otras
palabras, el escalonamiento regional representa una expansión de la región computacional local
fuera del volumen de la célula de flujo. El tamaño del denominado buffer o piel alrededor de cada
célula de flujo se da generalmente en número de células geo vecinas a cada lado de la celda de flujo
y debe ser especificado por el modelador para cada una de las tres direcciones de coordenadas.

La estimación de permeabilidad de un método de escalonamiento regional mejorará a medida que

aumente el tamaño de la región de amortiguación y, en última instancia, será igual a la "verdadera"
permeabilidad efectiva cuando el tamaño del búfer alcance los límites del modelo geográfico para
las tres direcciones. La ganancia de precisión es mayor en el principio (es decir, para valores de
tampón pequeños). Esto se ilustra en la Fig. 17.28, que muestra el comportamiento de las técnicas
de los tensores de los límites inferior y superior en el caso de aumentar el tamaño del búfer. Tenga
en cuenta que en la Fig. 17.28, los límites exteriores se muestran simétricos alrededor de la
"verdadera" permeabilidad efectiva. Generalmente, este no es el caso.

17.4.7 Escalamiento global. Estrictamente, el campo de presión a escala fina se debe determinar
para toda la cuadrícula geográfica simultáneamente para calcular permeabilidades efectivas
"exactas" para las células de flujo. En el pasado, sin embargo, esto ha sido demasiado CPU-intensivo
para ser realizado en la práctica. Con la introducción de nuevos y prometedores algoritmos de
solución como el método de mínimos cuadrados de salida (OSL), los esquemas globales de upscaling
ahora pueden ser realizados. En el documento de Holden y Nielsen, el método OSL se utiliza para
minimizar la diferencia de presión, así como la velocidad, entre las rejillas geo y de flujo en un
proceso iterativo. Debido a que el consumo de CPU del solver de ecuaciones aplicado es
proporcional al número de celdas geo, una solución global utilizará aproximadamente la misma
cantidad de tiempo computacional que la suma de todos los cálculos locales. Por lo tanto, el nuevo
esquema global de upscaling es tan rápido como cualquier método local.

17.6.4 Tipos de modelos acoplados. Los modelos acoplados pueden ser totalmente acoplados (es
decir, todas las incógnitas resueltas simultáneamente) o modulares (simulador de reserva y código
de tensión). En este último caso, se pueden utilizar diferentes estrategias de acoplamiento, con
consecuencias para la velocidad y exactitud de marcha. La mayoría de los modelos acoplados usan
un simulador convencional de reservorios de diferencias finitas acoplado con un simulador de
esfuerzos de elementos finitos (FEM). Sin embargo, se han hecho intentos para desarrollar códigos
FEM totalmente acoplados, y se implementó una geomecánica completamente acoplada en un
modelo comercial usando una solución de tensión de diferencia finita.

Teniendo en cuenta la proliferación y sofisticación de los códigos de geomecánica disponibles fuera

de la ingeniería petrolera, el enfoque modular ofrece la mejor solución. En general, el simulador de
reservorio es el "anfitrión" o el "maestro". En principio, los simuladores de esfuerzo comerciales son
fáciles de acoplar a él (en particular si se considera solamente el acoplamiento de permeabilidad).

Debido a la extrema complejidad ya los grandes requerimientos de computación de los modelos

acoplados, se han desarrollado diferentes simplificaciones. Los principales tipos de modelos (en el
orden del rigor cada vez mayor, pero también del tiempo de cálculo) son los siguientes:

Acoplamiento unidireccional. Los cambios de presión y temperatura se pasan del código del
depósito al módulo de geomecánica, pero no se pasa información sobre la base del tiempo. La
geomecánica no mejora la solución de flujo, pero el modelo puede ser útil para las predicciones de
la estabilidad del pozo para la perforación intercalada, las presiones de fracturación, etc. El ajuste
manual de las "tablas de compactación" es posible manualmente a través de reinicios. Tales
soluciones acopladas manualmente del problema de tensión (en intervalos de tiempo) o
acoplamiento unidireccional se usaron a menudo en el modelado acoplado temprano. El método
puede ser satisfactorio cuando el sistema de fluido de depósito es altamente compresible (es decir,
en depósitos de gas), pero puede conducir a errores cuando la porosidad está fuertemente acoplada
al flujo.

Bajo acoplamiento. Los módulos de depósito y geomecánica se ejecutan secuencialmente sobre

una base temporal, pasando las soluciones convergentes de las variables de flujo y tensión entre sí.
Los volúmenes de poros y las permeabilidades en el modelo de flujo se calculan como una función
de p, T, y σavg con las variables de estrés rezagadas a timestep. Sin embargo, las relaciones se
"destilan" en tablas similares a las "tablas de compactación", pero ahora son una función del estrés
efectivo. Las ventajas son similitudes funcionales con los depósitos desacoplados con "tablas de
compactación", no hay necesidad de iteración durante el tiempo y la posibilidad de actualizar la
solución de tensión con menos frecuencia que la solución del depósito. Sin embargo, los modelos
constitutivos complejos del sólido (por ejemplo, la plasticidad) pueden ser difíciles de representar.

Acoplamiento iterativo. Este método se muestra esquemáticamente en la Fig. 17.34. La iteración

se lleva a cabo entre el reservorio y la solución de tensión en cada momento hasta que los
volúmenes de poros y permeabilidades calculados a partir del modelo de estrés y los utilizados por
el modelo del yacimiento estén de acuerdo. En cada iteración, se utiliza la conjetura anterior de Vp
n + 1 para el final del timestep para converger la solución de flujo, y los cambios de p y T sobre
timestep se utilizan para resolver las nuevas deformaciones y tensiones, que en A su vez
proporcionan una estimación actualizada de Vp n + 1. Los cambios de permeabilidad también son
iterados. Por lo tanto, cada iteración "geomecánica" cuesta el equivalente de una solución de
tiempo de los métodos anteriores. La formulación original de la iteración de acoplamiento es
siempre convergente, y su eficiencia ha sido recientemente mejorada.

El acoplamiento iterativo, cuando está convergido, es equivalente a un código completamente

acoplado mientras que retiene flexibilidad. En muchos problemas, no es necesario converger
completamente el timestep, y si se usa con sólo una iteración por timestep, el método es similar al
acoplamiento suelto, excepto que la porosidad se determina directamente por el modelo
constitutivo del sólido en lugar de por Una relación simplificada.
Acoplamiento completo. Esto requiere la formulación simultánea de las variables de flujo y de
tensión y, por lo tanto, produce matrices más grandes. La ventaja es que se puede usar un enfoque
consistente para la discretización, y el modelo se integra desde el punto de vista del desarrollo del
código. Sin embargo, es muy costoso para volver a desarrollar todas las características de la física y
los números ahora fácilmente disponibles en los códigos de estrés. Además, en los modelos
publicados totalmente acoplados, el enfoque para resolver el problema resultante de la matriz ha
sido dividir la matriz de la misma manera que en el acoplamiento iterativo 141 y aplicar la iteración
geomecánica a nivel de matriz-solución. Por lo tanto, la formulación completamente acoplada, que
da lugar a ecuaciones matrices fuertemente no lineales, no reduce la dificultad del problema y
puede ser necesario utilizar la iteración geomecánica en el proceso de solución como la mejor
estrategia. Estos aspectos necesitan un mayor estudio.

17.7.2 Flash de dos fases. Una vez establecido que existen dos fases en una celda, se debe realizar
un cálculo de flash. El cálculo del destello utiliza los moles totales n y la composición molar zi para
determinar las cantidades molares de cada fase (ng y no), y las composiciones de fase (yi y xi). Para
modelos simples de valores de K dependientes de la presión, se utiliza el procedimiento de
Rachford-Rice150, 151 (RR) para encontrar cantidades molares y composiciones,