SPE 68700

Una nueva alternativa en la supervisión del rendimiento y control de la elevación artificial de yacimientos
Sistema para la optimización de un pozo productor

Lorenzo Arditi Cirilli, SPE, Universidad de Oriente

Copyright 2001, Society of Petroleum Engineers, Inc.

Los fluidos que se encuentran en un horizonte productivo deben ser producidos a
Este trabajo fue preparado para su presentación en la Conferencia de Petróleo y Gas SPE Asia Pacífico y Exposición que tendrá lugar en través de un sistema complejo hasta llegar a su destino en la superficie, esto se llama
Jakarta, Indonesia, 17-19 de abril de 2001.
un sistema productivo que las cubiertas: el depósito, el pozo de producción y las líneas
Este documento ha sido seleccionado para su presentación por un Comité de Programa SPE tras la revisión de la información
de fluido ( Δ PAG). Hoy en día para diseñar un sistema producting los elementos deben
contenida en un resumen presentado por el autor (s). Contenido del documento, tal como se presenta, no han sido revisados ​por
la Sociedad de Ingenieros de Petróleo y están sujetas a corrección por el autor (s). El material, tal como se presenta, no refleja ser analizados como un grupo o como un todo (análisis globa1) que de acuerdo con el
necesariamente la posición de la Sociedad de Ingenieros de Petróleo, sus funcionarios o miembros. Los trabajos presentados en
las reuniones de la SPE están sujetos a revisión publicación por los comités editoriales de la Sociedad de Ingenieros de Petróleo. tiempo tiene un efecto en un análisis global dinámico.
Se prohíbe la reproducción electrónica, distribución o almacenamiento de cualquier parte de este documento con fines
comerciales sin el consentimiento por escrito de la Sociedad de Ingenieros de Petróleo. El permiso para reproducir en forma
impresa se limita a un resumen de no más de 300 palabras; ilustraciones no pueden ser copiados. El resumen debe contener el
reconocimiento conspicous de dónde y por quién se presentó el documento. Escribe Bibliotecario, SPE, PO Box 833836,
Richardson, TX 75083-3.836, EE.UU., fax 01-972-952-9435. Permite predecir el efecto de una zona de producción y del sistema de
elevación artificial en relación con la producción de OI 1, gas y agua.

Debido al hecho de que el análisis Globa1 dinámico implica la dimensión del

tiempo, considera los cambios en la presión del fondo que fluye, en la saturación de
Resumen
agua, en la relación de gas de petróleo y en la descarga de presión de la bomba del
Generalmente, se utiliza un estilo receta coocking para las operaciones de
subsuelo.
producción y su evaluación. Como resultado, la oportunidad de la producción
Para cada tiempo habrá una convergencia a las nuevas velocidades de flujo
máxima de un pozo se reduce, lo que reduce al mínimo los beneficios comunes.
que reflejan el comportamiento del yacimiento, la hidrodinámica y termodinámica
condiciones (correlaciones hidráulicos de los fluidos producidos a través de la
'I'he diseño eficiente de los pozos de petróleo productivas por elevación
tubería) y el funcionamiento del equipo del subsuelo, para mostrar que la Thrasher,
artificial requiere el análisis de los componentes que conforman el sistema general.
Fetkovich
Este análisis se llama comúnmente análisis nodal.
y scott enfoque ha sido utilizado en este caso.
Si tratamos de establecer esta técnica analítica, junto con un programa de
El análisis nodal define las proposiciones que serán utilizados para optimizar un
ordenador conventiona1, las viejas rutinas rara vez se utilizan sin ninguna
sistema de producción, para los pozos de petróleo o de gas. Cada componente del
modificación. Pero las modificaciones implican siempre un riesgo cuando la
sistema de producción se analiza con el fin de alcanzar la velocidad de producción
introducción de errores y, tarde o temprano, tendrá como resultado confundido un
deseada lo más económico posible.
aumento continuo del número de versiones.
Entre los objetivos del análisis nodal podemos llevar a cabo:

Por lo tanto, un nuevo enfoque a la programación basada en el

! Determinar el tipo de fluido que una voluntad pozo de petróleo o gas
modelo de pensamiento humano (la fisiología del cerebro) se ha introducido, es decir
producir, teniendo en cuenta la geometría del agujero y los límites de
que utiliza conexiones y no tiene en cuenta todos los detalles del sistema. Así, por ejemplo,
terminación.
la sarta de tubería está ausente en nuestra mente como un grupo de variables y
! Optimizar el sistema para producir una tasa de fluidos como objetivo
ecuaciones, sino como un "'cuadro negro", con sus límites de entrada y salida.
economica1 como sea posible.

! Permitir el reconocimiento rápido de las posibles formas de

La aplicación de esta técnica o modelo conexionista
aumentar la tasa de producción.
( Redes neuronales artificiales), comportamientos que muestran usefu1 al
Durante los últimos años diferentes Sistema Nodal Ana1ysis han sido
aprendizaje, reconociendo y aplicando las relaciones entre 1imits reales, se
ampliamente utilizadas, debido al desarrollo de la tecnología informática que
muestra a través del desarrollo de un programa de ordenador para el control de un
permite calcu1ations rápido de algoritmos complejos, ayudando a mejorar las
sistema de producción, con la ventaja de que no requiere excesivo tiempo de
técnicas de terminación y producción.
respuesta (en real
 2 L. ARDITI Cirilli
hora) ninguno de los problemas de convergencia relativos a la combinación del
depósito y el sistema de levantamiento artificial.
El propósito de esta investigación es demostrar el uso de esta técnica de
programación, junto con el análisis global dinámico, para ayudar a resolver los
problemas de vigilancia existentes. Además de justificar la fijación de una arena
de gas o agua, el éxito de dicha fijación y / o recompletación de un depósito y
ana1ize el impacto de la producción dada de un wel1 con respecto a otros
pozos vecinos del mismo sistema (depósito) sin representar un aumento
significativo de los costes (automatización y entrenamiento personal) para
analizar y notificar a las situaciones anormales.
La precisión en el control de rendimiento es 95 por ciento,
con respecto a la información almacenada en las redes neuronales artificiales durante
su período de prueba.
Logrando de esta manera la el desarrollo de un perfil de base de la Conducta
que junto con la aplicación de Redes neuronales artificiales (BAM Tipo) se
convierte en una nueva "alternativa"
frente a los métodos convencionales en la monitorear y controlar de la dinámica
del sistema de ascensores depósito-artificiales añadiendo así valor a las
operaciones de la industria del petróleo.
Introducción
La tendencia actual en el proceso de supervisión y control, especialmente en la
zona de campo de aceite, no sólo es comprometida para el análisis de datos, pero con
el uso de tecnología especializada en el tratamiento de parámetros físicas implicadas
dentro de un proceso de supervisión; tal tecnología se conoce como Inteligencia
Artificial.
El uso de esta tecnología más en proceso de modelado difícil o en que no
existe una definición matemática, traería alta cuantitativos y cualitativos
beneficios, que deriva de un patrón de procesamiento ADECUADO y esquemas
de control con menos esfuerzo humano y computalized respecto
al
métodos convencionales.
En esta década, el incremento de la tecnología en las plantas de desarrollo de
procesos, maquinaria, herramientas, refinerías, ...) requiere de un control sistemático
método, la observación y el diagnóstico que incluye los conocimientos adquiridos sobre
el comportamiento del proceso y de los componentes que lo caracterizan con el
propósito de:
! Reconocer las relaciones y tendencias existentes,
! patrones reconstruidos,
! condiciones de funcionamiento seguras, OPTIMUN
! Reconocer, localizar y identificar la significativa
características del proceso,
! situaciones anormales, Inffer
! Comprimir informaciones.
Estos cambios tecnológicos a veces conduce hacia el problema tipo de
soluciones del operador, es decir, para modelar su comportamiento en relación
con el proceso y en la resolución de situaciones conflictivas.
Ideas recientes llevan a utilizar la inteligencia artificial como un mecanismo para
representar el conocimiento, reconocer crítica
situaciones sobre el comportamiento y el control del proceso. El presente trabajo tiene
como propósito principal para introducir las aplicaciones de algunas técnicas de la
inteligencia artificial como
SPE 68700
son redes neuronales artificiales señalando sus
metodología de implantación.
El Modelo Neuronal como mecanismo de apoyo para el comportamiento
Señales de Supervisión y Control. Neuro-Computación (emulación de los
paradigmas biológicos) especialmente neuro
Los controladores han comenzado a tener una importancia acelerado en esta
década con la proyección de nuevas arquitecturas de computación y tecnologías
de integración.
Estos sistemas son capaces de ejecutar funciones de alto nivel como los de
ajuste, el aprendizaje y el bajo nivel que las de los datos pre-procesamiento, fugas,
etc.
Hoy en día, la detección apropiada, el orden de los conocimientos y la prioridad
de fallo en proceso industrial representan áreas críticas que el tráfico eficiente tiene
un efecto como beneficios para tales procesos. tecnologías de inteligencia artificial
como redes neuronales, han sido llamados para que los mecanismos de apoyo
tratamiento de estas áreas.
Las ventajas del uso de estas tecnologías de redes neuronales se enmarcan,
sobre todo, en el apoyo a los operadores cuando se relacionan con las
multivariables complejos procesos como una manera de evitar explosiones
cognitivas para el cargo excesivo en el análisis, la verificación, la explicación y la
inferencia del comportamiento en tiempo de proceso real .
Teniendo en cuenta estas premisas, este punto describe una aportación
metodológica de apoyo a los diseñadores de aplicaciones en tiempo real de
paradigma neuronal. En él, la problemática a delimitar y examinar los actos
voluntarios y fases de aprendizaje se enfatizan, ya que éstas apoyar el éxito de
la realización de este tipo de aplicaciones.
Detección de fallas. Cuando aparece un fallo dentro de un proceso de este debe
ser detectado tan rápido como un sistema de detección permite. El sistema debe
indicar que hay algo mal en el interior del proceso. Una vez que se detecta el fallo,
debe ser aislado, y localizar la causa que lo originó.
Por lo general, estos sistemas utilizan dos métodos: el método de estimación y
el método de reconocimiento de patrones. El primero requiere de procesos
matemáticos complejos y se basan en el análisis de variables involucradas. Se
consume una gran cantidad de tiempo de cálculo y el modelo es válido, cerca de su
punto de operación. En muchos casos, los parámetros del modelo no mantiene su
relación con los coeficientes físicos del proceso, ya que no todos los parámetros
pueden ser meassurable, lo que implica que deben ser estimados.
La segunda, a priori, no requiere modelos matemáticos. La idea es que la
operación de proceso se clasified de acuerdo con los conjuntos de patrones
procedentes de la observación (Mide la) más de las regularidades del proceso
(comportamiento); espacio maping contorno de Mide la en el espacio de
decisiones. tipo neuronal C larifiers (modelo conexionista) se utilizan como una
alternativa a los modelos de detección de regularidades de origen estadística.
Tomaremos el segundo método como base para las detecciones de fallas.
Bajo esta modalidad tres procesos deben ser gestionados: la medición,
la significativa extracción de información
(características) y el de Clasificación; estos procesos son directrices para la
propuesta de metodología.
 Una nueva alternativa en la supervisión del rendimiento y DE CONTROL DEL DEPÓSITO-ARTIFICIAL
SPE 68700 Sistema de elevación para la optimización de un pozo productor
BAM Redes Neuronales
El modelo de bidireccional asociativa Memories (BAM) fue desarrollado por
Bart Kosko. Este modelo fue diseñado con el cómputo neuro-óptica en mente.
La red en sí misma se inspiró en Adaptative Teoría de Resonancia la
Grossberg' s (ART), así como por de modelo de Hopfield.
Características. La característica más importante de las redes neuronales BAM es
que operan como memorias asociativas en la que ciertos patrones de salida están
asociados con ciertos patrones de entrada. También tienen una gran capacidad de
generalización y, por tanto, son capaces de dar salidas correctas, incluso cuando
sus entradas no se corresponden con los patrones debido a la contaminación de
ruido o están contaminados de otra manera. Este patrón se corresponde con un
mínimo de energía local para la red en su conjunto. Esta característica no existe en
la lógica basada en reglas.
En 1987, se demostró (Kosko) que en cada iteración la red BAM busca
minimizar una función de energía, llamada energía de Lyapunov, dada por: E
(A yo si j) = - UN yo WB yo .................................................. .......... ( 1) Entre las BAMs limitaciones
son: el largo tiempo de procesamiento necesario para el reconocimiento de
imágenes, y la pequeña cantidad de imágenes o patrones que podrían ser
cargados al mismo tiempo en la memoria RAM del microordenador.
El “BAM” Paradigma. Las redes neuronales de tipo BAM están dos redes en capas
completamente conectado, como se muestra en la
Fig.l, las flechas dobles en las conexiones entre las capas de BAM oculto muestran
que la información puede fluir en ambas direcciones, en el que la salida es la
retroalimentación de la entrada.
La red está diseñada para almacenar pares de vectores asociados, tales
asociaciones se almacenan en las matrices, W y W t. Para recordar la información
utilizando el BAM, los siguientes pasos deben ser seguidos:
# Un vector de entrada A, que representa la salida de la capa 1, se aplica a la
matriz de pesos de la red W, la producción de un vector de salida B.
# El vector B, que representa la salida de la capa 2, se aplica entonces a la
matriz transpuesta red W (feedback), que produce una nueva salida para
el nuevo vector A.
# En cada iteraction los vectores de salida de las capas 1 y 2 generan una
respuesta transitoria. Este proceso se repite hasta que la red llega a un
punto estable, donde ni A ni B cambio. En los casos de las MAF en
particular, el comportamiento es muy estable.
En la forma de la matriz, el proceso es como sigue:
B = f (AW) ............................................ ............................ (2) A = f (BW t) ..................................................
..................... ( 3) en la que B es el vector de salida de la capa 2, A es el vector de
salida de la capa 1 y W es la matriz de pesos entre las capas 1 y 2 de la red.
3
En conclusión, la red BAM cuenta con una estrategia mixta, adelante-atrás.
Aprendizaje. Las dos capas de BAM conectado, reflejados en los pesos sobre
estas conexiones, almacenar el asociado
información.
Las MAF son entrenados por cálculo. La matriz de peso se calcula como la suma
de los productos de todos los pares de vectores (o como el producto escalar de dos
vectores) que forman el conjunto de entrenamiento, simbólicamente:
W = Σ UN jt si j ................................................. .................... . ( 4) En esta fórmula los vectores A j y
B j son vectores binarios de línea y se transforman en vectores de línea
bipolares antes de la multiplicación.
Este tipo de aprendizaje es No Supervisado, para el que no hay un
entrenador, la red se organiza de tal manera que es capaz de generar su propia
clasificación.
En general, en esta clasificación, el tipo de aprendizaje más utilizado es
Hebb de o aprendizaje de Hebb (la más sencilla), cuyo procedimiento ajusta los
pesos de la conexión, de acuerdo con la correlación de los valores de los nodos
que conecta. Así, el peso de los aumentos de conexión, si se desea tanto la
entrada y la salida, tiene valores altos. En términos neuronales; una sección se
fortificó cada vez que se utiliza.
Metodología para el Control de la Conducta
Perspectiva histórica. En 1992, SL Scott, desarrollado el modelo de
“desarrollo bien”, que consta de seis módulos diferentes: diseño de la
estimulación, el flujo en la carcasa y / o el tubo, el depósito propiedades cálculo,
proyección de producción, el calor
transmition y rentabilidad. El modelo de análisis permite la evaluación de todos los
aspectos de diseño para la realización del pozo de producción, incluyendo los efectos
sobre la producción futura. Del mismo modo, uno de estos módulos consiste en el
análisis de la curva de contrapresión, en la parte inferior y en la cabeza del pozo para
supervisar su rendimiento o predecir su potencial. El modelo para el rendimiento del
pozo está diseñado para gráficos incluso las curvas de flujo de entrada y la demanda.
En este caso, los pozos de gas que producen pueden ser evaluados, con las curvas de
rendimiento del flujo de entrada, así como las curvas estándar de contrapresión.
En 1994, TS Thrasher, presentados técnicas prácticas basadas en cuatro
condiciones así: 1) de rendimiento de tiempo, 2) de cambio en el área de drenaje, 3) de
carga líquido, y 4) el diseño de tubos inadecuados, utilizados como herramientas eficaces
para supervisar el rendimiento de un gas pozo de producción, a través de la curva de
contrapresión y el de la presión vs producción acumulada (balance de materiales).
En 1995, TS Thrasher, mostró el potencial factibilidad de monitoreo en el fondo
del pozo, para la producción de pozos de petróleo a través de un método de
levantamiento artificial (eléctrica sumergible bomba). La curva de contrapresión
obtenida en el fondo del pozo pasó a ser una herramienta eficaz para la supervisión
del rendimiento así como así como el propio depósito. Los resultados se basaron en
el análisis de pruebas multirating producción, las pruebas de separación y las
presiones en la parte inferior del pozo.
 4 L. ARDITI Cirilli
En 1997, TS Thrasher, EJ Fetkovich, SL y Scott,
mostró un método para vigilar el comportamiento de la producción de pozos de petróleo
para el flujo natural. Utilizando los datos meassured en el separador junto con la relación
equilibrio materiales y el análisis de flujo multifase, desarrollaron una curva de
contrapresión en la cabeza del pozo. En este caso la presión de cabeza de pozo en un
productor de petróleo también resulta en una función de depósito de agotamiento y la
velocidad de flujo de múltiples fases.
Características del ESP - Sistema de depósito. Bien GG- 192 se evaluó a
variaciones Frecuencia determinada (48.3,
50,3, 52,3 y 54,3 Hz) donde el aceite, gas, la tasa de agua y presiones que
fluyen en la superficie se meassured y registrados junto con su respectivo Pwf
(PIP) ( Tabla 1).
De las pruebas de variación Frecuencia se obtuvo un potencial de flujo entre
172 y 291 BFPD para una presión de flujo promedio de cabeza de pozo de 165 psi.
Las correlaciones de evaluación para la vertical de flujo multifásico.
Cuando se evalúa la mejor correlación para el flujo multifase vertical
(Orkiszewski, Hagedorn-Brown, Duns-Ros y Beggs- Brill) para determinar la
relación entre los parámetros del pozo, la presión hidrostática y la fricción como
función de velocidad de flujo, con la correlación Orkiszewski el más preciso
resultado relacionado a la presión de entrada al equipo de la elevación artificial
(PIP) se obtuvieron.
los Tabla 2 presenta los diferentes correlaciones de flujo multifase verticales
evaluados.
Presión de conversión de la descarga de cabeza de pozo. Los principales componentes
implicados en la inducción de la presión de descarga a la boca del pozo, para determinar la
presión equivalente en la cabeza del pozo, Pc, son los siguientes: energía cinética, la fricción y
la carga hidrostática, como una función de la velocidad de flujo
Los efectos de las energías cinéticas son generalmente imperceptible, para el flujo
monofásico así como para las situaciones de flujo de múltiples fases, a continuación, se
supone que Δ pkinetic = 0.
La fricción es una meassure resistencia al flujo y es una función del caudal y de
las condiciones de la tubería. La magnitud de fricción depende de la velocidad de
flujo, fluya diámetro cadena, el tubo rugosidad, longitud de cadena, el fluido PVT y
las propiedades productoras de gas, el régimen de flujo multifase, GOR, WOR y la
temperatura de flujo.
Δ Pfriction = f (q t, Identificación, E, L, PVT, Flujo Régimen, GOR, WOR, T)
La fricción es imperceptible a baja velocidad y aumenta con la estabilidad cuando la
velocidad de flujo hace.
La cabeza hidrostática es un meassure de la reducción de la presión debido a
los cambios en la elevación. Es una función de la velocidad de flujo, el cambio en la
elevación, longitud en la cadena de flujo (afecta a la caída de presión por fricción
que al mismo tiempo afecta a la densidad de la mezcla), PVT propiedades de los
fluidos y la producción de gas, flujo multifásico régimen, GOR, WOR, y la
temperatura.
Δ Phead = f (qt, H, L, PVT, Flujo Regimen, GOR, WOR, T)
SPE 68700
La mayor parte de la pérdida de presión para la producción de pozos de petróleo es causada por la
cabeza hidrostática.
El equivalente de presión descargada en la cabeza del pozo, Pc, para un aceite que fluye
así como una función de la velocidad de flujo total, q t, Se define como:
Pc (q t) = Pdisch. - Δ Phead (q t) ......................................... ( 5)
El termino Δ Phead (q t) es la presión hidrostática resultante de la distribución de
fluido en el pozo a una velocidad q t. Pc (q t) para sistemas multifásicos que depende de la
tasa, porque la densidad media está cambiando continuamente como una función de la
velocidad de flujo.
Las bajas presiones resultante a través de la tubería hace que el gas adicional
para dejar la solución. Esto sobre todo reduce la densidad de corriente de flujo (presión
hidrostática).
La ecuación anterior [5] se puede considerar como una imagen instantánea de la
distribución de fluido en el pozo a partir de la velocidad de flujo q t .
La presión que fluye en la cabeza del pozo, Pt, resultante del tipo q t es
Pdisch. menos la cabeza hidrostática, Δ Phead (q t)
y la fricción, Δ Pfriction causada por el q t Velocidad.
Pc (q t) = Pdisch. (QT) - Δ Phead (q t) - Δ Pfriction (q t) ........... ( 6) Debido a la complejidad y los
muchos cálculo, un programa de análisis nodal para los sistemas que producen
hace que sea más fácil de predecir los componentes del flujo mutiphase, tales como
la carga hidrostática y la fricción como una función de la velocidad de flujo para
calcular Pc (presión descargado equivalente en la cabeza del pozo).
Como Δ Phead está involucrado en el cálculo Pc y al mismo tiempo es una
función de la preesure descarga de la bomba eléctrica sumergible, GOR, WOR y
el volumen de líquidos (CV), en nuestro caso se procedió a obtener una
correlación propia a partir de curvas experimentales para visualizar valores Pc
generados por varias condiciones de flujo. Lo que resulta en una serie de curvas
que refleja cómo estas condiciones afectan a la magnitud de la PC.
Como cuatro (4) variables se consideran para el respectivo cálculo, que es
más de tres (3), estamos en la presencia de un hiperplano, donde el Multifunción
multivariable de regresión es la ideal para ser utilizado. (Véase el anexo 1).
La obtención de la siguiente correlación como resultado: Pc =
0,075 qo + 0,775 Pdisch. - 5.595 GOR
- 1246.412 WOR + 1351.909 ........................... (7)
Figura 2 presenta la relación entre Pdisch., GOR, WOR y Pc como una función
de la tasa de flujo de fluido.
La curva 1 es un gráfico de valores Pc calcula utilizando una Pdisch. = 2547 psi, GOR
= 265 SCF / STB y WOR = 0,36, que está en condiciones de funcionamiento normales (de
corriente).
La curva 2 (Pc promedio = 1240,5 psi) es un gráfico de valores calculados PC, usando
una Pdisch. = 2547 psi, GOR = 265 SCF / STB y un WOR = 0,50 en las condiciones de
funcionamiento simuladas.
 Una nueva alternativa en la supervisión del rendimiento y DE CONTROL DEL DEPÓSITO-ARTIFICIAL
SPE 68700 Sistema de elevación para la optimización de un pozo productor
La curva 3 (Pc promedio = 1115,9 psi) es un gráfico de valores calculados PC,
usando una Pdisch. = 2547 psi, GOR = 265 SCF / STB y WOR = 0,6 en las condiciones
de funcionamiento simuladas. La diferencia entre las curvas 1, 2 y 3 muestran el efecto de
aumento de la corte de agua sobre la forma Pc y magnitud como una función de velocidad
de flujo de fluido.
Curvas 2 y 3 son comparativamente situados debajo de la curva 1 debido al aumento de
la densidad (presión hidrostática) en la columna de la línea de tubería, nota que a medida
que las curvas 2 y 3 donde transferirán a la baja, el potencial de cabeza de pozo disminuye
por lo tanto.
Curvas 4 y 5 (Pc promedio = 1499,3 psi y Pc = 1584,2 psi respectivamente)
se generaron utilizando los mismos parámetros que la curva 1, excepto un GOR
igual a 285 y 300 SCF / STB respectivamente en lugar de un GOR = 265 SCF /
STB. Observe cómo las curvas se han transferido hacia arriba con respecto a la
curva 1. Esto indica que el pozo debe tener una presión de flujo mayor en su
boca de pozo. Vale la pena destacar que la configuración de la producción y
afectará a la Pc calculado.
Sistema de Conducta perfil en la cabeza del pozo. Bien GG-192 fue probado varias
veces (una prueba para cada frecuencia) entre 16,75 y 23,75 horas a través de las
instalaciones de separadores.
Los datos recogidos durante las pruebas ( Tabla 1) se utilizó para desarrollar el
comportamiento de la curva en la cabeza del pozo.
Esta curva de comportamiento en la cabeza del pozo es una herramienta digna para
monitorear y predecir el comportamiento de los pozos de petróleo que producen; donde la
tasa de aceite (BFPD) se representa en el eje X y la presión de flujo en la cabeza del pozo
(relacionado con Δ Phead y
Δ Pfriction) se traza en Y. eje
La curva de comportamiento en la cabeza de pozo de un pozo que produce puede
ser fácilmente implantado porque Pwh (Pt) y el tipo de aceite se pueden meassured. En
nuestro caso (Multifase sistema) debido a la segregación de la PC debe calcularse
utilizando la correlación o la metodología más adecuada.
Luego, en Fig. 3 Tenemos, por un aumento de% W & S 36 a un 50 y 60%,
de la media Pt pasó a ser 162,2 y
158,2 psi, respectivamente, a continuación, para un aumento de GOR 265-285
y 300 SCF / STB, la media Pt resultó igual a 187 y 193,2 psi, respectivamente,
por una disminución en la presión de descarga desde 2547 hasta 2525 y 2500
psi, el promedio Pt dado lugar a 149,2 y 137,8 en psi, lo que refleja un problema
mecánico en el equipo de subsuelo.
resultados Discusión
El meassure directa del volumen de líquido producido, y las presiones de
entrada a la bomba de subsuelo resultan ser componentes fundamentales para
optimizar la longevidad ESP.
Siendo la permeabilidad relativa al petróleo (K ro) una función de la presión y la
saturación, puede reducir el potencial del pozo de producción, por lo tanto, hace que
las influencias de la presión en la cabeza del pozo en sí (Pwh). El aumento o
disminución de la presión en la cabeza del pozo es un resultado directo de la ESP - El
comportamiento del sistema del depósito.
Así, el monitoreo del rendimiento del sistema, protegiendo al mismo tiempo el
equipo de elevación artificial a partir de las condiciones de funcionamiento errático,
representan la opción más directa y eficaz para evitar la pérdida de la capacidad del
pozo de producción.
5
A partir de los resultados del análisis obtenidos a partir de la producción de bien
en estudio, para una presión en la cabeza del pozo (Pwh) entre 165 y 170 psi, una
velocidad de flujo de 175 BFPD, una relación gas-aceite de 265 SCF / STB diario y
un% W & S igual al 36% promedio se obtiene, para el funcionamiento normal de la
bomba del subsuelo.
Entonces, si la presión en la cabeza del pozo disminuye a valores de 160 y 156
psi, teniendo en cuenta la operación normal de la bomba del subsuelo y
manteniendo constante la GOR e igual a 265 SCF / STB diaria, una velocidad de
flujo de 110 BFPD, se obtendrá, aumentando en un 14% del agua y los sedimentos
porcentaje (% W & S = 60%), que tiene un efecto en la disminución de q l en 27 bls /
día.
Si por el contrario, la presión aumenta en boca de pozo entre 187 y 193 psi,
teniendo en cuenta al mismo tiempo un funcionamiento normal y mantener el% W &
S constante e igual a 36%, se obtendrá una media velocidad de flujo de 170 BFPD,
aumentando el gas relación aceite en un 10% (290 SCF / STB diario promedio).
Cuando la presión en la cabeza del pozo disminuye entre 150 y 140 psi, a
continuación, la presión de descarga de la bomba de subsuelo habrá disminuido
en 47 psi aproximadamente, es por eso que se considera una operación anormal
inherente a un problema físico o daño de la unidad.
Al graficar los resultados obtenidos [vs. q Pwh l] ( Fig. 3),
observamos un apropiado o área particular de comportamiento o funcionamiento
normal de dicho sistema (donde la presión en la cabeza del pozo varían entre 165 y
170 psi, para un caudal de 175 BFPD, una relación gas-aceite de 265 SCF / STB
diario y una % W & S igual al 36 por ciento.
Al dibujar un eje de coordenadas en el punto de referencia, si dicha presión
disminuye y proyectos o localiza en el tercer cuadrante específicamente, se indica
un aumento en el corte de agua en el depósito (por ejemplo, para valores Pwh de
157 psi, una velocidad de flujo de 110 BFPD y un% W & S = 60% se obtendrá,
manteniendo una constante GOR e igual a 265 SCF / STB al día); si por el
contrario la presión en la cabeza del pozo (PWH) aumenta, situándolo en el cuarto
cuadrante, entonces la relación gas-aceite se habrá incrementado (por ejemplo, si
la presión aumenta en la boca del pozo hasta 185 psi mantenimiento de promedio
el% W & S constante e igual a 36%, la relación gas-aceite se habrá incrementado
en un 10% aproximadamente igual a 290 SCF / STB diaria, disminuyendo así la
velocidad de flujo a 170 promedio BFPD).
El primero y el segundo cuadrante se utilizan como referencia para llevar a cabo
reparaciones más grandes de arenas de gas o agua en el depósito, de acuerdo con el
caso. Al completar el pozo, esto se reflejará las condiciones de funcionamiento normal
a través de la presión en la propia cabeza de pozo, el porcentaje relación gas-aceite, el
agua y los sedimentos y la velocidad de flujo. Si al graficar este punto en el área en
particular en el comportamiento del sistema hasta ese momento se encuentra en
cualquiera de estos dos cuadrantes en función del tipo de reparaciones mayores
realizadas, indica el éxito de la tarea; o por el contrario el fracaso de dicha reparación.
El uso de los sistemas de supervisión en tiempo real para observar el ESP -
embalse El comportamiento del sistema, ayuda a tomar decisiones precisas, al
mantener un control eficiente visualizar el
 6 L. ARDITI Cirilli SPE 68700

ruta de acceso o movimientos que permiten el análisis en línea de tal comportamiento y
proyección o inferencia para comportamientos futuros.
conclusiones
1. Las presiones en la cabeza del pozo (Pwh) que fluctúan entre 165 y 170 psi
reflejan un funcionamiento normal de la bomba de subsuelo.
2. Aplicar la metodología utilizada en la producción de pozos de petróleo con diferentes
Artificial Lift Systems.
3. Comparación de la correlación alcanzado con los resultados obtenidos con diferentes
tipos de modelos matemáticos.
4. Establecer el paradigma neural “BAM” para seguimiento y control de la
producción de pozos de petróleo a través de bomba eléctrica sumergible.

2. Cuando la presión disminuye en la cabeza del pozo a valores entre 160 y 156
psi, el agua y el porcentaje de sedimento aumentará en un 14% (% W & S
= 60).
3. Si por el contrario, la presión a la que aumenta la boca de pozo entre 187 y 193
psi, las relaciones de aceite de gas aumenta en 10% (290 SCF / STB diario
promedio).
4. Cuando la presión en la cabeza del pozo disminuye entre 150 y 140 psi, se
considera una operación normal inherente a los daños a la unidad.
5. El seguimiento y pocillo de control, con respecto a los conocimientos
Storaged durante el entrenamiento en el “BAM” Neural red, se precisa en
el 95%, en la justificación de la reparación de una arena de agua o gas, y /
o el depósito recompletación.
6. Del mismo modo, la aplicación de la metodología utilizada permite evaluar la
principal reparación hecha en el pozo, así como analizar el impacto de la
producción dada con respecto a otros pozos vecinos desde el mismo
sistema (depósito).
7. El uso de la red neuronal “BAM” proporciona la capacidad de procesar y
mantener los datos de rendimiento en varios cientos de pozos de
producción en una base de datos en línea.
recomendaciones
1. Comparación de la metodología utilizada en 4 o 5 pozos productores de petróleo,
con características similares, a través de la bomba eléctrica sumergible.
5. Compare Correlación Orkiszewski con otras correlaciones probabilísticas.
referencias
1. Bradley, HB Manual de Ingeniería de Petróleo. Capítulo 34,
“Pozo Hidráulica” por Bertuzzi, AF, Fetkovich, MJ, Poettmann, Fred y
Thomas, LK, página 30-35, Derechos de Autor
1987, la Sociedad de Ingeniería de Petróleo.
2. Curso de Ingeniería de Producción, Módulo III, Páginas 28.10 -
28.49, CIED, 1997.
3. Ledonois, JM, López, AL, Pimentel, AJ y Pironti, F.
Métodos Numéricos Aplicados en Ingeniería. Capítulo 4, Páginas 163-172,
Universidad “Simón Bolívar”.
4. Nind, TEW Producción y Mantenimiento de Pozos
Petroleros. Editorial LIMUSA, SA México 1, DF, 1987.
5. Thrasher, TS “Rendimiento Bueno seguimiento de casos Historias”. Papel 26181
presentado en el 1993 SPE Gas Technology Symposium, Calgary, junio
28-30.
6. Thrasher, TS, Fetkovich, EJ, Scott, SL “Oilwell Deliverability Monitoreo: A
Case History”. Papel 28633 presentado en la Conferencia de 1994 SPE y
Exhibición Técnica Anual, Nueva Orleans, LA, Septiembre 25-28.
7. Thrasher, TS “Un enfoque sinérgico al Bien Supervisión del rendimiento”. Papel
38984 presentado en la Conferencia de Ingeniería de Petróleo Caribe
América Latina y el quinto y Exposición, Brasil 30 de agosto - 03 septiembre
de 1997.
8. Tomas, LK, Evans, CE, Pierson, RG, Scott, SL “Rendimiento modelo bien”.
Papel 20723, Copyrighht 1992, la Sociedad de Ingeniería de Petróleo.

TABLA 1 - COMPORTAMIENTO DE CONTROL DE BIEN GG-192

Presión de la Presión del Nivel de Amp motor. Pruduction

Frec. Pwf ql (BFPD)% W & S GOR
Hora tubería (psi) cuerpo (psi) líquido Tiempo de
(Hz) (psi) UN si C (SCF / STB)
(pies) prueba (horas)

11:30 866
48,3 130 Qmdor 4032 32,70 amperios 17,05 172 207

10:30 50,3 150 Qmdor 854 4077 34,50 amperios 23,75 191 36 232

11:40 52,3 145 Qmdor 754 4251 36,00 amperios 19,20 272 36 253

52,3 150 Qmdor 777 4233 35,50 amperios

52,3 180 Qmdor 741 4258 35,60 amperios

11:45 52,3 200 Qmdor 719 4238 35,60 amperios 17,50 276 36 277

10:15 54,3 200 Qmdor 717 4427 38,60 amperios

12:10 54,3 200 Qmdor 656 4485 38,60 amperios 16,75 291 36 297

11:30 52,3 160 Qmdor 790 4246 36,46 amperios

 Una nueva alternativa en la supervisión del rendimiento y DE CONTROL DEL DEPÓSITO-ARTIFICIAL
SPE 68700 Sistema de elevación para la optimización de un pozo productor 7

TABLA 2- CORRELACIONES VERTICAL flujo multifásico

ql qW PIP PIP PIP PIP

(BFPD) (Bwpd)% W & S GOR (SCF / STB) Meas PIPA TRABAJO HB DR BB
172 61.92 36 207 130 130 131 115 124
191 68.76 36 232 150 152 152 137 144
274 98.64 36 265 173 174 180 166 168
291 104.76 36 297 200 201 211 195 196

TRABAJO: Orkiszewski HB: Hagedorn y Brown DR: Duns y Ros BB: Beggs - Brill

Salida

capa 2

capa 1

Entrada

Fig 1 - Bidireccional asociativa recuerdos.

8 L. ARDITI Cirilli SPE 68700

Pc (psi)

STB

1500

SCF / STB 4

1 5 300 SCF /
SCF / STB 285
1400

40% W & S 275

1300

50% W & S 2

1200

60% W & S 3
1100

1000

0 271 272 273 274 275 276 277 278 ql (BFPD)

Fig 2 - Convertion Presión de descarga a presión equivalente en la cabeza del pozo

 Una nueva alternativa en la supervisión del rendimiento y DE CONTROL DEL DEPÓSITO-ARTIFICIAL
SPE 68700 Sistema de elevación para la optimización de un pozo productor 9

Pt (p si)

190

180

170

160

150

0
100 110 120 130 140 150 160 170 180 190 200 210 220 ql (b fp d)

Figura 3 - Curva de comportamiento del sistema en la cabeza del pozo de un pozo de petróleo Producción