Documentos de Académico
Documentos de Profesional
Documentos de Cultura
JONNY HESTHAMMER, ARIS STEFATOS, and MIKHAIL BOULAENKO, Rocksource STEIN FANAVOLL
and JENS DANIELSEN, EMGS
Durante los últimos años, hemos visto un enfoque creciente en el uso de la tecnología CSEM para
la exploración de hidrocarburos en ambientes marinos y, recientemente, se han publicado varias
historias de éxito. Se ha demostrado que la tecnología ayuda tanto a la detección como a la
delimitación de depósitos llenos de hidrocarburos.
Lo esencial
La base de datos
A mediados de 2009, EMGS, un proveedor de servicios CSEM, había recolectado más de 400
encuestas CSEM marinas. Al mismo tiempo, Rocksource, una compañía petrolera noruega había
analizado datos marinos de CSEM en más de 70 prospectos relacionados con sus propias
actividades comerciales y probó la tecnología en 6 áreas de calibración. Del conjunto de datos
combinado, 86 pozos están actualmente disponibles para análisis estadísticos. La base de datos
contiene 36 encuestas de calibración en pozos existentes; 50 pozos son pozos de exploración que
se perforaron después de la adquisición de datos CSEM marinos.
En una publicación anterior de Johansen et al. (2008), se evaluó una base de datos de 52 pozos
con datos CSEM marinos asociados. Mientras que ese documento se centra en lo que se considera
un éxito técnico con respecto a si las observaciones de resistividad de los pozos son consistentes
con las observaciones de los datos de CSEM, el documento actual se centra en lo que demuestran
los resultados de perforación en términos de tasas de descubrimiento desde un punto de vista
objetivo como posible .
La base de datos CSEM marina contiene pozos del Mar de Barents (9, de los cuales 2 son encuestas
de calibración), Brasil (1 encuesta de calibración), Ghana (1), Golfo de México (7 encuestas de
calibración), India (12, de las cuales 2 son encuestas de calibración), Malasia (3), Mediterráneo (5,
de las cuales 2 son encuestas de calibración), Mar del Norte (5, de las cuales 4 son encuestas de
calibración), Mar de Noruega (15, de las cuales 7 son encuestas de calibración), en alta mar
Sarawak ( 1 encuesta de calibración), Mar de China Meridional (11, de las cuales 4 son encuestas
de calibración), Mar de Sulu (1) y África Occidental (15, de las cuales 6 son encuestas de
calibración). Una encuesta de calibración se define como una encuesta CSEM adquirida a través de
un descubrimiento existente o pozo seco. Estos datos son valiosos en términos de evaluar si se
puede observar una respuesta anómala normalizada en un descubrimiento comprobado o en un
pozo seco, pero deben descartarse para la evaluación estadística de las tasas de descubrimiento.
La distribución global de encuestas dentro de diferentes cuencas y entornos geológicos fortalece
la validez del análisis estadístico.
En la base de datos utilizada para este estudio, el prospecto de exploración más superficial estaba
a 500 m debajo de la línea de barro, mientras que el prospecto más profundo estaba a 2500 m; las
profundidades del agua oscilaron entre 150 y 2500 m para las perspectivas de exploración. Para
los estudios de calibración, el objetivo menos profundo estaba a 200 m debajo de la línea de lodo,
mientras que el más profundo era 2100 m. Las profundidades del agua para los estudios de
calibración varían de 90 a 2500 m. El descubrimiento de exploración más superficial fue de 500 m
debajo de la línea de barro, mientras que el descubrimiento más profundo fue de 2200 m.
Los analisis
No ha habido ningún esfuerzo por interpretar ningún dato aparte de identificar una respuesta de
amplitud anómala simple, observable y normalizada del campo eléctrico a la frecuencia
fundamental. Esto es para garantizar la coherencia al comparar los diferentes conjuntos de datos y
tener un sesgo mínimo en los análisis. Una respuesta anómala normalizada considera la respuesta
de resistividad de algo anómalamente resistivo en el subsuelo con respecto a la resistividad de
fondo (Figura 2). Esto se realiza mediante la identificación de un receptor fuera de la región
objetivo que se supone que representa la resistividad de fondo general. Este receptor se conoce
como receptor de referencia. Durante la adquisición, la fuente será remolcada por encima de los
receptores, emitiendo energía electromagnética alternando la corriente entre dos electrodos. La
frecuencia alterna y la firma actuales se pueden variar para proporcionar una frecuencia
fundamental, así como numerosos armónicos a la frecuencia fundamental de las diferentes
fuerzas. En este estudio, solo se consideran las variaciones de amplitud del campo eléctrico para la
frecuencia fundamental. Aunque este es un enfoque altamente simplista, el objetivo es ser lo más
objetivo posible al comparar resultados. Análisis más detallados son posibles y preferidos, pero
serán el tema de futuras publicaciones.
Para cada línea CSEM, se elige un receptor de referencia y un desplazamiento entre la fuente y el
receptor de referencia. A continuación, todos los demás receptores se normalizan contra el
receptor de referencia para el desplazamiento y la frecuencia elegidos y se muestran en una
gráfica de respuesta de amplitud normalizada (también llamada "magnitud normalizada versus
compensación" o gráfica NMVO). Esto permite la identificación de áreas con una respuesta
anómala en comparación con la tendencia general de fondo, de las cuales la variación máxima se
conoce como la respuesta de amplitud anómala normalizada (NAR). (El término NAR se usa con
relativa soltura en este documento con el propósito de establecer una media simple para analizar
los datos. La forma correcta de abordar la anomalía en la respuesta subsuperficial, NAR, es
considerar la amplitud del campo anómalo de valor complejo dividido por la amplitud del campo
de fondo de valores complejos. Teniendo en cuenta las posibles discrepancias, aún procedemos
con la definición adoptada anteriormente, ya que la simplificación no causará cambios
importantes en los resultados discutidos, aparte de la escalada limitada de los valores de umbral
NAR.
Un valor de respuesta normalizado de 1 indica que el receptor elegido tiene exactamente la misma
magnitud de campo eléctrico para el desplazamiento elegido que el receptor de referencia. Un
valor de 1.5 indica que el receptor observado tiene una respuesta normalizada 50% más alta que
el receptor de referencia. Esto indica que algo en el subsuelo tiene una resistividad más alta que la
observada en el receptor de referencia. Potencialmente, esto podría ser un depósito de
hidrocarburos o algo más resistente (arenisca cementada, volcánica, lutita rica en materia
orgánica, carbonatos, sal, etc.). También puede estar relacionado con aspectos como efectos de
geometría topográfica, efectos de ondas aéreas, efectos de batimetría, etc.
La experiencia muestra que cuando el NAR llega a ser inferior al 15%, comúnmente es difícil
diferenciar una anomalía clara del subsuelo debido a variaciones laterales y verticales en la
resistividad de las formaciones del subsuelo que no contienen hidrocarburos. En este estudio, se
ha utilizado un valor de corte NAR del 15% para separar a los prospectos con una anomalía CSEM
significativa de aquellos sin una anomalía significativa. Aunque este es nuevamente un enfoque
simplificado, sirve para este estudio en particular al mantener los análisis en un nivel objetivo.
La base de datos disponible contiene resultados de pozos perforados por varias compañías
petroleras. Un pozo se considera un descubrimiento si se encuentran hidrocarburos móviles (con
la excepción de tres pozos que solo encontraron cantidades muy pequeñas de hidrocarburos y que
se denominan secos en este estudio). No hay información disponible sobre la posibilidad inicial de
éxito (Pg inicial) basada en análisis geológicos y geofísicos estándar. Tampoco hay información
disponible sobre el razonamiento de la decisión de perforación o la ubicación en relación con las
observaciones de los datos CSEM. Como tal, es bastante posible, y probable, que las observaciones
de los datos de CSEM no hayan cambiado la decisión de perforación o la ubicación de algunos
pozos debido a los compromisos de perforación existentes y otros factores. Cualquier decisión de
perforación que incorporara datos CSEM probablemente se habría basado en informes de
interpretación proporcionados por proveedores de servicios, así como en el conocimiento de la
tecnología CSEM dentro de las diferentes compañías petroleras. Se desconoce el alcance de este
conocimiento. Como resultado, solo se presentan las observaciones más básicas y conservadoras.
Los resultados
De los 86 pozos con datos CSEM asociados, 36 son encuestas de calibración recopiladas para
probar la tecnología. De las 22 encuestas de calibración adquiridas sobre descubrimientos
existentes, 19 (86%) muestran un valor NAR superior al 15%. De las 14 encuestas de calibración
adquiridas sobre perspectivas probadas secas, 13 (93%) muestran un valor NAR menor al 15%.
Quizás de mayor interés es la evaluación de las tasas de éxito de los pozos perforados después de
la adquisición de datos CSEM. Las Figuras 4–5 y la Tabla 1 muestran los principales resultados
encontrados a través de la evaluación de la base de datos actual.
De los 86 pozos perforados, 50 se enumeran como descubrimientos. Cuando se ignoran todas las
encuestas de calibración, 28 de 50 pozos son descubrimientos. Cuando se consideran pozos
perforados en prospectos con un NAR superior al 15% (referidos como prospectos con una
anomalía CSEM significativa en este estudio), 21 de 30 pozos son descubrimientos. Para los pozos
perforados en prospectos con un NAR inferior al 15% (prospectos sin una anomalía CSEM
significativa), 7 de 20 pozos son descubrimientos.
Tabla 1. Estadísticas principales para el estudio actual. Se ha utilizado un valor de corte NAR del 15% para la
frecuencia fundamental para distinguir las perspectivas con una anomalía CSEM significativa de las perspectivas
con una anomalía CSEM débil o nula
Al ignorar todos los pozos de calibración, esto proporciona una tasa de descubrimiento general del
56%. Para los pozos en prospectos con una anomalía CSEM significativa, la tasa de descubrimiento
aumenta al 70%, mientras que cae al 35% para los pozos en prospectos sin una anomalía CSEM
significativa. Algunos prospectos con un NAR observado por debajo del 15% aún pueden tener
anomalías CSEM claras y localizadas por encima de los prospectos mapeados, mientras que otros
claramente no tienen tantos pozos perforados en prospectos sin NAR observables.
La Tabla 1 resume los hallazgos para todas las áreas y para las áreas donde hay más de un pozo
disponible. La Figura 5 muestra la tasa de descubrimiento para todos los datos disponibles, así
como para las áreas con al menos 8 pozos de exploración (excluyendo encuestas de calibración)
perforadas en prospectos con datos CSEM. El número de pozos disponibles de las diferentes áreas
es limitado y claramente se necesitan más datos para llegar a conclusiones regionales firmes. Al
excluir todos los pozos de calibración del estudio y solo considerar las áreas con al menos 8 pozos
disponibles para análisis, India (10 pozos) muestra una tasa de descubrimiento del 50% cuando
todas las perspectivas se incluyen en los análisis. Si solo se incluyen prospectos con un NAR
superior al 15%, la tasa de descubrimiento es del 63% (5 descubrimientos). Los datos de África
occidental (9 pozos) muestran una tasa de descubrimiento promedio del 44% cuando se incluyen
todas las perspectivas, pero la tasa de descubrimiento aumenta al 100% cuando solo se incluyen
las perspectivas con NAR por encima del 15% (3 descubrimientos). En el Mar de Noruega (8
pozos), la tasa de descubrimiento general para todos los pozos es del 25% con una tasa de
descubrimiento del 40% para los pozos perforados en prospectos con NAR superior al 15% (2
descubrimientos).
Hasta 20 de los 50 pozos de exploración fueron perforados en prospectos que muestran un NAR
en los datos de CSEM igual o inferior al 10%. La mitad (10) de estos 20 pozos se perforaron donde
no se observaron respuestas anómalas normalizadas negativas o incluso negativas para la
frecuencia fundamental. Cuatro de estos 10 pozos fueron descubrimientos, y los cuatro fueron
clasificados por Johansen et al. como "subdetección modelada de descubrimientos de
hidrocarburos", lo que significa que los datos del pozo revelaron depósitos llenos de hidrocarburos
con propiedades que el modelado muestra que son desfavorables (demasiado pequeño,
demasiado profundo o con muy poco contraste de resistividad) para la detección por CSEM.
Discusión
A lo largo de la historia de la exploración petrolera, el promedio de la industria para el éxito
comercial de gatos monteses se ha mantenido notablemente constante a lo largo del tiempo:
aproximadamente el 25%. Esto resulta de un equilibrio entre varios factores competidores. En
primer lugar, los entornos geológicos más simples y accesibles se perforan temprano y las cuencas
más difíciles se perforan más tarde, después de que las más simples se hayan agotado. En segundo
lugar, las grandes perspectivas fáciles de ver se perforan primero en una obra de teatro; los más
pequeños y complejos se encuentran más tarde. Uno esperaría que estos factores den como
resultado una disminución general en la tasa de éxito con el tiempo. La fuerza de contrapeso ha
sido la mejora continua de la tecnología. El uso generalizado de levantamientos sísmicos 3D en
exploración, la comprensión en física de rocas y el reconocimiento de DHI sísmicos (puntos
brillantes, AVO, etc.) han ayudado a mantener el promedio general de éxito de la industria en un
25%. Las áreas en las que las nuevas tecnologías funcionan bien ven mejores tasas de éxito, que
compensan los éxitos decrecientes en aquellos entornos geológicos en los que las nuevas
tecnologías no son efectivas.
Los datos sísmicos proporcionan información sobre los cambios del subsuelo en la densidad y la
velocidad (comúnmente descrito por el producto de los dos, impedancia acústica o IA). Los datos
EM proporcionan información sobre los contrastes de resistividad en el subsuelo. La relación entre
la impedancia acústica, la resistividad y la saturación de hidrocarburos es compleja (Figura 6). En
pocas palabras, la integración de la comprensión a escala prospectiva de la densidad, la velocidad
y la resistividad puede mejorar la comprensión de si es probable que haya estratos porosos que
contengan hidrocarburos en un lugar determinado. La aplicación de esta integración en una
amplia cartera puede ofrecer mayores grados de éxito de exploración.
Otras incógnitas importantes incluyen la posibilidad inicial de éxito anterior al CSEM para las
diferentes perspectivas definidas por las compañías petroleras responsables de la perforación de
los pozos, así como la tasa de éxito real de los pozos perforados en las diferentes áreas de este
estudio. Si bien la tasa de éxito global para los pozos salvajes es del orden del 25%, la tasa de éxito
real para los pozos de exploración perforados en Las áreas discutidas en este estudio pueden ser
muy diferentes. Se puede argumentar que la tasa de éxito de exploración promedio general para
pozos en prospectos sin datos CSEM en las áreas en este estudio es tan alta como 56% (igual que
la tasa de descubrimiento promedio para todos los pozos de exploración en la base de datos
específica utilizada), o se puede argumentar a favor de una tasa de éxito real más cercana a la tasa
de éxito global del 25%. La verdad es muy probable que se encuentre entre estos dos valores y
sería beneficioso para futuros estudios identificar las verdaderas tasas de éxito para las diferentes
áreas. Sin embargo, incluso si la tasa de éxito promedio general para las áreas en este estudio es
tan alta como 56%, todavía hay una elevación promedio de 14% (a 70%) para los pozos en
prospectos con un NAR significativo (> 15%) en comparación a la tasa de descubrimiento promedio
para todos los pozos de exploración en este estudio.
Resumen y conclusiones
El estudio actual ha evaluado una base de datos empírica que contiene 50 pozos de exploración
perforados en prospectos con datos CSEM marinos adquiridos y analizados antes de la
perforación. Otros 36 pozos estaban disponibles para estudios de calibración. La tasa de
descubrimiento promedio para los 50 pozos de exploración es del 56%. Cuando se consideran las
perspectivas de exploración con una
anomalía CSEM significativa como se
observa en los gráficos de respuesta
normalizados (NAR> 15%) a la frecuencia
fundamental, la tasa de descubrimiento
promedio aumenta al 70% (en base a los
resultados de 30 pozos).
Este estudio relaciona las tasas de descubrimiento con las observaciones más básicas de los datos
CSEM (respuestas de amplitud anómala normalizadas para la frecuencia fundamental) y, por lo
tanto, debe ser relativamente objetivo. También es la documentación más extensa de resultados
factuales de pozos (86 pozos) relacionados con la tecnología CSEM documentada hasta la fecha.
Los resultados sugieren que existe una correlación entre el NAR observado y la tasa de éxito de
exploración para los pozos en la base de datos. Esta es una fuerte evidencia positiva del potencial
de la tecnología. Los autores reconocen plenamente que la aplicación de la tecnología y el
seguimiento de su impacto no es una simple evaluación y se necesitan más evaluaciones y otros
datos para comprender completamente el caso presentado aquí, particularmente en base a un
pozo individual. También es importante ver los resultados a la luz de lo que se considera un éxito
técnico según lo descrito por Johansen et al. Finalmente, este estudio ilustra claramente que la
tecnología CSEM no elimina el riesgo, pero tiene el potencial de reducir significativamente el
riesgo si se aplica correctamente. Como tal, los datos de CSEM no deben usarse en una sola base.
La tecnología sirve como una importante herramienta de reducción de riesgos en un entorno de
cartera donde cada cliente potencial se analiza lo más ampliamente posible utilizando un enfoque
integrado donde se utilizan todos los datos disponibles.
Referencias
Boulaenko, M., J. Hesthammer, A. Vereshagin, P. Gelting, R. Davies, and T. Wedberg, 2007, Marine
CSEM technology—The Luva
Chave, A. D., S. Constable, and R. N. Edwards, 1991, Electrical exploration methods for the
seafloor, in Electromagnetic Methods in
for measuring electrical conductivity beneath the oceans, 1. Forward problem and model study.
Journal of Geophysical Research, 87,
5327–5338.
Wong, 2006, Detecting hydrocarbon reservoir with sea bed logging in deepwater Sabah, Malaysia.
SEG 2006 Expanded Abstracts,
714–718.
Constable, S. and C. Cox, 1996, Marine controlled source electromagnetic sounding II: The
PEGASUS experiment. Journal of Geophysical Research, 97, 5519–5530.
S. Johansen, F. N. Kong, and H. Westerdahl, 2002, Sea Bed Logging (SBL), a new method for remote
and direct identification
sea bed logging (SBL): Results from a cruise offshore West Africa.
Hesthammer, J., and M. Boulaenko, 2005, The offshore EM challenge. First Break, 23, 59–66.
MacGregor, L., S. C. Constable, and M. C. Sinha, 1998. The RAMESSES experiment III: Controlled
source electromagnetic
Røsten, T., S. E. Johnstad, S. Ellingsrud, H. E. F. Amundsen, S. Johansen, and I. Brevik, 2003, A Sea
Bed Logging (SBL) calibration
survey over the Ormen Lange gas field. EAGE 65th Conference
R. MacCormack, 1990, An active source electromagnetic sounding system for marine use. Marine
Geophysical Research, 12, 29–68.