INSTITUTO POLITÉCNICO NACIONAL

ESCUELA SUPERIOR DE INGENIERÍA Y ARQUITECTURA

UNIDAD TICOMÁN CIENCIAS DE LA TIERRA

DETERMINACIÓN DE GASTOS CRÍTICOS DE

PRODUCCIÓN PARA MINIMIZAR LA CONIFICACIÓN
DE AGUA EN YACIMIENTOS PETROLEROS

TESIS PARA OBTENER EL TÍTULO DE

INGENIERO PETROLERO

PRESENTA
ADRIANA ROMINA HERNÁNDEZ MORALES

ASESOR INTERNO
M. EN I. JOSÉ LUIS PÉREZ HERNÁNDEZ

ASESOR EXTERNO
DR. FERNANDO ASCENCIO CENDEJAS

CIUDAD DE MÉXICO, 2019

Dedicatoria

A mis padres Benito y Carolina

A mis hermanos Salomón y Korina

I
Agradecimientos

A mis padres
El mayor agradecimiento es para ustedes, porque siempre fueron mi mayor inspiración,
siempre me dieron lo mejor de ustedes, sus mejores años y los mejores consejos. Por-
que lo que hoy soy, es lo que ustedes han construido en mí con su esfuerzo y dedicación
día con día. Me siento agradecida por tenerlos a mi lado, la mejor pareja, los mejores
amigos, los mejores papas. Este logro también es de ustedes, los amo.

Korina
Mi hermana y mi mejor amiga, todo el esfuerzo que hiciste para ser nuestro ejemplo a
seguir hoy esta rindiendo frutos. Gracias por la paciencia, los consejos, los abrazos, los
regaños y todo el apoyo que siempre me has brindado. Eres un pilar y un complemento
en mi vida, te amo.

Salomón
Hermano, eres tu quien siempre logra hacerme reír a carcajadas, eres quien le da feli-
cidad a mi vida día con día, tú eres por quien me esfuerzo para ser mejor cada día, tú
me has enseñado a seguir mi camino sonriendo, conociendo y aprendiendo de todas las
personas que nos rodean. Por eso y muchas cosas mas te admiro y te amo.

Abraham
Mi mala influencia, presente desde que tengo memoria. Siempre me has demostrado tu
apoyo, me has motivado a ser mejor cada día, me haces ver el lado positivo de las cosas,
me has aplaudido mis triunfos y me has dado la mano en mis fracasos. Eres un gran
ejemplo, eres mi hermano mayor y me siento afortunada de tenerte a mi lado. Gama,
gracias por todo.

II
Daniza
Prima, toda nuestra vida juntas, nos han enseñado lo importante que es el apoyo entre
familia y que a pesar de todo tenemos que estar unidos y creo que lo hemos apren-
dido muy bien, sabes que para mi eres mi hermana, mi amiga, mi prima, mi sobrina,
mi confidente y muchas cosas mas, gracias por estar siempre conmigo en las buenas
y las malas, pero sobre todo en las mejores, sigamos con este ritmo, que estoy segura
que vienen muchas cosas mas que vamos a vivir de la mano, como hasta el día de hoy,
gracias por todo mi Dany.

Anayeli
Amiga, ya son muchos años de nuestra amistad y confió en que serán muchos mas,
gracias por enseñarme a luchar por lo que quiero a pesar de todos los obstáculos que
se presentan, verte luchar día a día en tu casa, el trabajo y la escuela me hace valorar
todo lo que tengo y entender que no hay imposibles mientras estés dispuesto a dar todo
de ti. Valoro todas las palabras y consejos que tienes para mi cuando mas los necesito,
contigo entendí el significado de la amistad y lo bonito que es saber que siempre puedes
contar con esa amiga, te quiero mucho.

A mi familia
Porque no hay nada mejor que siempre estar rodeada de los que te quieren, porque son
quienes están en los mejores y en los peores momentos de la vida. Su apoyo y compañía
me han ayudado a cumplir esta meta que siempre anhele y hoy la culmino celebrando
con ustedes, gracias por todo.

III
A mis Amigos
Mayra, Galván, Jorge, Donis, Horacio, Ali, Carlos, Pedro, Ruth, Fer.
Con cada uno de ustedes viví momentos únicos y especiales, de cada uno me llevo en-
señanzas y experiencias, ustedes fueron mis compañeros durante toda la universidad,
con ustedes recorrí día a día el camino para llegar a la meta más grande que me he
propuesto, fueron las personas más cercanas a mi durante mi estancia en la CDMX,
con ustedes reí, llore, me enoje, bailé, canté, descubrí y crecí, los quiero mucho.

M. en I. José Luis Pérez Hernández

Por el apoyo y la confianza que siempre me brindo, porque siempre su exigencia me
obligo a dar lo mejor de mi y porque me motivo hacer las cosas con mayor ímpetu. Con
usted aprendí que la humildad y la sencillez siempre son cualidades que hacen una gran
diferencia entre las demás personas, muchas gracias por todo.

Dr. Fernando Ascencio Cendejas

Le agradezco por el tiempo, dedicación, paciencia, conocimiento y el apoyo que me
brindo durante mi estancia en su oficina. Fue una satisfacción personal muy grande el
haber trabajado con usted.

Al Instituto Politécnico Nacional

Que me abrió las puertas de su institución para poder formarme profesionalmente

¡HUELUM!

IV
Resumen

La presencia de agua durante la etapa productiva de un pozo es un factor que afecta

de manera directa la producción de aceite, por tal motivo, esta investigación comprende
del análisis y la aplicación de diversas correlaciones para determinar el gasto crítico de
producción con la finalidad de definir el ritmo de extracción de aceite para su explota-
ción y evitar la producción de agua a corto plazo, considerando las propiedades de los
fluidos, del yacimiento y la geometría, además de la distancia del contacto agua-aceite
(CAA ), principalmente.
Se realizó un análisis para la selección de los modelos que se trataron durante el
desarrollo del trabajo, considerando que estos aplicaran para cualquier tipo de yaci-
miento, también seleccionando entre los que tienen un soporte teórico más relevante,
los más recientes y los que se emplean en los campos de México.
Para ejemplificar el uso de la determinación de gastos críticos se analizaron tres
ejemplos de campo utilizando funciones de distribución de probabilidad, de estos tres
ejemplos uno correspondió a una formación de arenas y los otros dos casos para medios
naturalmente fracturados.
En una hoja de cálculo en Excel se concentraron los modelos seleccionados para
obtener diversos resultados de gastos críticos y se realizó un análisis para identificar el
más óptimo, se genero un anexo en el cual se trabajo la Simulación Montecarlo con
apoyo del software Crystal Ball, en el cual se definieron las variables del sistema y
su función de distribución representativa de cada una. En donde fue posible identificar
la variable que tiene mayor sensibilidad durante la corrida de la simulación y como
está afecta los resultados. Adicionalmente, se reportan los resultados determinísticos y
estocásticos en una tabla comparativa.

V
 El objetivo principal del desarrollo de este trabajo es obtener un gasto de produc-
ción óptimo y rentable para minimizar la conificación de agua, lo cual ocasiona que
permanezca una gran cantidad de petróleo remanente dentro del yacimiento; y por otro
lado, identificar el factor de penetración óptimo con ayuda del análisis de los gráfi-
cos obtenidos a partir de la relación de gasto crítico versus la relación de espesor neto
impregnado y el espesor que abarca el CAA.

VI
Abstract

The presence of water during the productive stage of a well is a factor that directly
affects the production of oil, for this reason, this research comprises of the analysis
and the application of various correlations to determine the critical production rate in
order to define the rate of oil extraction for exploitation and to avoid the production of
water in the short term, considering the properties of the fluids, the reservoir and the
geometry, in addition to the distance of the oil water contact (OWC ), mainly.
An analysis was made for the selection of the models that were treated during the
development of the work, considering that these applied for any type of reservoirs, also
selecting among those that have a more relevant theoretical support, the most recent
and those that are used in the fields of Mexico.
To exemplify the use of critical rate determination, three field examples were analy-
zed using probability distribution functions, of these three examples one corresponded
to a sand formation and the other two cases for media naturally fractured.
In a spreadsheet in Excel the selected models were concentrated for get different
results of critical rate and an analysis was made to identify the most optimal, an annex
was generated in which the Monte Carlo simulation was worked with Crystal Ball
Software Support, in which the variables of the system were defined and their function
of representative distribution of each one. Where it was possible to identify the variable
that has greater sensitivity during the simulation run and how the results are affected.
Additionally, deterministic and stochastic results are reported in a comparative table.
The main objective of the development of this work is to obtain an optimal and pro-
fitable production expense to minimize the water coning, which causes a large amount
of remaining oil to remain in the reservoir; and on the other hand, identify the optimum
penetration factor with the help of the analysis of the graphs obtained from the rela-
tionship of critical rate versus the ratio of net thickness impregnated and the thickness
that the OWC covers.

VII
Índice general

1. Revisión de Literatura 1
1.1. Control de agua . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Conificación de agua . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Gasto crítico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2. Modelos analíticos para gastos críticos 10

2.1. Muskat & Wyckoff . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2. Meyer & Garder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3. Chaney . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.4. Schols . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.5. Chaperon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.6. Abass & Bass . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.7. Hoyland, Papatzacos & Skjaeveland . . . . . . . . . . . . . . . . . . . 17
2.8. Guo & Lee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.9. Pérez & Rodríguez . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.10. Tabatabaei . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3. Teoría básica para modelos de gastos críticos 23

3.1. Modelo matemático . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2. Análisis de sensibilidad . . . . . . . . . . . . . . . . . . . . . . . . . 34

4. Simulación Montecarlo 37
4.1. Variables aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

VIII
 4.2. Funciones de distribución de probabilidad . . . . . . . . . . . . . . . . 39
4.3. Distribuciones discretas . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.4. Distribuciones continuas . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.5. Análisis de sensibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.6. Oracle Crystal Ball . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

5. Casos de Aplicación 51
5.1. Caso A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.2. Caso B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.3. Caso C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

6. Conclusiones y recomendaciones 73

IX
Índice de figuras

1.2.1. Conificación de agua . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.2.2. Alto gradiente de presión, existe un cono inestable . . . . . . . . . . . 6
1.2.3. Bajo gradiente de presión, existe un cono estable . . . . . . . . . . . . 6
1.2.4. Conificación en pozos verticales . . . . . . . . . . . . . . . . . . . . 8
1.2.5. Conificación en pozos horizontales . . . . . . . . . . . . . . . . . . . 8

2.0.1. Flujo Radial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.10.1.Distribución de alturas durante la conificación de agua . . . . . . . . . 21

3.1.1. Combinación de flujo radial y flujo esférico en el yacimiento . . . . . . 24

3.2.1. Sensibilidad a la permeabilidad . . . . . . . . . . . . . . . . . . . . . 34
3.2.2. Sensibilidad al CAA . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2.3. Sensibilidad a la viscosidad . . . . . . . . . . . . . . . . . . . . . . . 36
3.2.4. Sensibilidad a la densidad . . . . . . . . . . . . . . . . . . . . . . . . 36

4.1.1. Variable aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

4.2.1. Distribuciones de probabilidad . . . . . . . . . . . . . . . . . . . . . . 40
4.3.1. Función de distribución Uniforme . . . . . . . . . . . . . . . . . . . . 42
4.3.2. Función de distribución de Poisson . . . . . . . . . . . . . . . . . . . 42
4.3.3. Función de distribución Binomial . . . . . . . . . . . . . . . . . . . . 43
4.4.1. Función de distribución Triangular . . . . . . . . . . . . . . . . . . . . 44
4.4.2. Función de distribución Exponencial . . . . . . . . . . . . . . . . . . 44
4.4.3. Función de distribución Gamma . . . . . . . . . . . . . . . . . . . . . 44

X
4.4.4. Función de distribución Normal . . . . . . . . . . . . . . . . . . . . . 45
4.4.5. Función de distribución Log Normal . . . . . . . . . . . . . . . . . . . 46
4.4.6. Función de distribución Beta . . . . . . . . . . . . . . . . . . . . . . . 46
4.4.7. Función de distribución BetaPERT . . . . . . . . . . . . . . . . . . . . 47
4.4.8. Función de distribución Weibull . . . . . . . . . . . . . . . . . . . . . 47

5.1.1. Permeabilidad horizontal, caso A . . . . . . . . . . . . . . . . . . . . 54

5.1.2. Permeabilidad vertical, caso A . . . . . . . . . . . . . . . . . . . . . . 54
5.1.3. Contacto Agua-Aceite, caso A . . . . . . . . . . . . . . . . . . . . . . 54
5.1.4. Factor de cementación, caso A . . . . . . . . . . . . . . . . . . . . . . 55
5.1.5. Gráfico de pronóstico del caso A con el Modelo de Pérez & Rodríguez 56
5.1.6. Gráfico de pronóstico del caso A con el Modelo de Tabatabaei . . . . . 56
5.1.7. Gráfico de pronóstico del caso A . . . . . . . . . . . . . . . . . . . . . 56
5.1.8. Factor de penetración parcial, caso A . . . . . . . . . . . . . . . . . . 57
5.1.9. Gráfico de Tornado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.1.10. Gráfico de Araña . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.2.1. Permeabilidad horizontal, caso B . . . . . . . . . . . . . . . . . . . . 62
5.2.2. Permeabilidad vertical, caso B . . . . . . . . . . . . . . . . . . . . . . 63
5.2.3. Densidad del aceite, caso B . . . . . . . . . . . . . . . . . . . . . . . 63
5.2.4. Factor de cementación, caso B . . . . . . . . . . . . . . . . . . . . . . 63
5.2.5. Contacto Agua-Aceite, caso B . . . . . . . . . . . . . . . . . . . . . . 64
5.2.6. Gráfico de pronóstico del caso B con el Modelo de Pérez & Rodríguez 64
5.2.7. Gráfico de pronóstico del caso B con el Modelo de Tabatabaei . . . . . 64
5.2.8. Factor de penetración parcial, caso B . . . . . . . . . . . . . . . . . . 65
5.2.9. Gráfico de Tornado . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.2.10. Gráfico de Araña . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.3.1. Permeabilidad kh y kv , caso C . . . . . . . . . . . . . . . . . . . . . . 69
5.3.2. Contacto Agua-Aceite, caso C . . . . . . . . . . . . . . . . . . . . . . 69
5.3.3. Gráfico de pronóstico del caso C con el Modelo de Tabatabaei . . . . . 70

XI
5.3.4. Gráfico comparativo de la fracción de penetración parcial . . . . . . . 70
5.3.5. Gasto crítico vs fracción de penetración parcial de diversos modelos . 71
5.3.6. Gráfico de Tornado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.3.7. Gráfico de Araña . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

XII
Índice de tablas

2.1. Modelos para determinar el gasto crítico de producción . . . . . . . . . . . . 22

2.2. Variables empleadas para determinar el gasto crítico de producción . . 22

5.1. Propiedades de los fluidos del caso A . . . . . . . . . . . . . . . . . . . 52

5.2. Características geométricas del caso A . . . . . . . . . . . . . . . . . . 52
5.3. Resultados determinísticos del gasto crítico de producción del caso A . 53
5.4. Resultados probabilísticos de gasto crítico de producción del caso A . . 53
5.5. Propiedades de los fluidos del caso B . . . . . . . . . . . . . . . . . . . 61
5.6. Características geométricas del caso B . . . . . . . . . . . . . . . . . . 61
5.7. Resultados determinísticos del gasto crítico de producción del caso B . 62
5.8. Resultados probabilísticos del gasto crítico de producción del caso B . . 62
5.9. Propiedades de los fluido del caso C . . . . . . . . . . . . . . . . . . . 67
5.10. Características geométricas del caso C . . . . . . . . . . . . . . . . . . 67
5.11. Resultados determinísticos del gasto crítico de producción del caso C . 68
5.12. Resultados probabilísticos del gasto crítico de producción del caso C . . 68

XIII
Introducción

Uno de los principales problemas en la industria petrolera asociados con la produc-

ción de hidrocarburos es la producción de agua, especialmente cuando el yacimiento
tiene un acuífero activo. Cuando el pozo entra en su etapa de producción dentro del
yacimiento, se genera un desbalance entre las fuerzas viscosas y gravitacionales prin-
cipalmente, las cuales provocan una deformación del CAA, generando una forma de
cono o cúspide, la cual llega a irrumpir dentro del pozo ocasionando una disminución
en la producción de aceite.
La mayor cantidad de reservas de hidrocarburos en México se encuentra en yaci-
mientos naturalmente fracturados (YNF ), por lo que hoy en día es indispensable me-
jorar las técnicas de producción en estos yacimientos, derivado de esto, se propone un
análisis de los modelos que ayudan a controlar los gastos de producción para evitar la
presencia de agua a corto plazo dentro del intervalo productor.
Al inicio de la vida del pozo productor la presencia de un acuífero es un mecanis-
mo de empuje que le proporcionara al yacimiento la energía necesaria para llevar el
hidrocarburo a superficie con facilidad, pero después de un tiempo de producción, la
explotación del pozo con un alto ritmo de extracción así como las canalizaciones pre-
sentes en el yacimiento fracturado ayudan a tener una conductividad mayor a través del
medio, lo que permite que el agua tenga mayor movilidad en relación a la del aceite y
por consecuencia se tendrá mayor presencia de agua en superficie.
La sobre explotación de los yacimientos productores en México se ha caracterizado
por una alta producción de agua, ya que al producir con un alto gasto, el desequilibrio
de las fuerzas presentes en el sistema se manifiesta con una mayor producción de este
fluido.
Hoy en día se han propuesto soluciones para combatir la producción de agua, im-
plementando una técnica de producción dual la cual tiene como finalidad generar dos
intervalos productores aislados, uno en la zona productora de aceite y el otro en la zo-
na de agua, para que se produzcan al mismo tiempo, pero se logra tener agua y aceite

XIV
separados en superficie, logrando atenuar la conificación en un pozo vertical. Inyectar
geles o polímeros alrededor del pozo evitando el contacto entre el acuífero y el inter-
valo productor de aceite. Realizar los disparos para producir el pozo lo más alejado del
CAA, el desarrollo de pozos horizontales y finalmente encontrar el gasto de producción
optimo, que es el tema que se desarrollo en este trabajo.

XV
Capítulo 1

Revisión de Literatura

1.1. Control de agua

Si bien es cierto, el agua se encuentra presente en todas las etapas de la vida de un pozo,
desde el inicio de la explotación hasta el abandono del campo, pasando por el desarrollo
y la producción del mismo. La predicción oportuna de la presencia de agua, ayudará
a identificar el origen de su producción y evaluar su contribución en la producción de
aceite, ya que es uno de los principales factores que intervienen en la declinación de la
producción de los pozos.
La producción de agua se genera a consecuencia de diversos mecanismos que ocu-
rren dentro del yacimiento en el momento que el pozo entra a su etapa productiva y por
fallas mecánicas generadas durante y después de la terminación del pozo. Esta produc-
ción, comúnmente se refleja en las caídas de presión, reducción de la permeabilidad
relativa y depositación de incrustaciones minerales, (Hernández , 2010).
A continuación se listan las principales causas de la producción de agua:

Equivocada terminación del pozo

Ocasionada por una mala selección de la tubería de revestimiento durante su diseño,

por una falla al realizar las conexiones de las juntas y por la corrosión que se genera en
esta al estar en contacto con los fluidos del yacimiento.

1
Flujo detrás de la tubería

Comúnmente estos se generan al tener una mala cementación de la tubería de re-

vestimiento dentro del intervalo productor, generando una producción abrupta de agua
que en ocasiones se confunde con la mala terminación.

Avance del contacto Agua-Aceite

Generado por el empuje natural del agua de fondo, hacia la zona de menor presión,
presentando un comportamiento uniforme hasta la base del pozo durante la etapa de
extracción del hidrocarburo, en donde comenzará a generarse la conificación. La carac-
terística de este fenómeno se debe principalmente a una alta permeabilidad horizontal
presente en el yacimiento.

Presencia de fracturas o fallas entre pozos inyectores y productores

Problema común en los YNF, este fenómeno se produce cuando el sistema tiene
gran extensión o se encuentran en el fracturas y canales de flujo, mediante los cuales el
agua fluye a un mayor gasto y velocidad.

1.2. Conificación de agua

La conificación de agua es un problema que se desarrolla bajo ciertas condiciones de

flujo en el momento que el pozo inicia su etapa de producción. Se genera a conse-
cuencia de un desbalance entre las fuerzas presentes dentro del sistema, si se tiene una
producción simultánea de aceite y agua o cuando un yacimiento es explotado por la
energía proveniente de un acuífero asociado, generando caídas de presión a su alre-
dedor y provocando que las interfaces de los fluidos comiencen acercarse al intervalo
productor creando una deformación. En otras palabras la conificación se genera cuando
las fuerzas viscosas o dinámicas exceden las fuerzas estáticas.
Existen tres fuerzas que afectan la distribución de los fluidos alrededor del fondo

2
del pozo, estas son: fuerzas capilares, gravitacionales y viscosas. Las fuerzas capilares
usualmente tienen efectos despreciables en el fenómeno de la conificación y por conse-
cuencia se desprecian; las fuerzas gravitacionales actúan en el sentido vertical causando
que alguno de los fluidos presentes ascienda a consecuencia de la diferencia de densida-
des de los mismos. El término de fuerzas viscosas, se refiere a los gradientes de presión
asociados al flujo de fluidos en el medio poroso, mismos que son determinados con la
ley de Darcy.

• Fuerzas gravitacionales: Aquellas fuerzas que actúan sobre la formación y los

fluidos, las cuales tienden a minimizar el efecto de conificación y crear un equi-
librio contra las fuerzas dinámicas o viscosas.

• Fuerzas viscosas: Fuerzas relacionadas con la propiedad viscosa del agua y acei-
te, los cuales impiden o ayudan a que se genere la conificación.

Además de las fuerzas mencionadas anteriormente, se tienen otros factores que ge-
neran este fenómeno, como lo son, un gasto de producción elevado, magnitud de las
permeabilidades horizontal y vertical, al igual que la penetración del pozo.
En un tiempo inicial, se tiene un sistema en equilibrio pero en el momento que
comienza a producir el pozo, las fuerzas viscosas son mayores que las gravitacionales
y se genera un desequilibrio en el sistema por lo que el cono de agua irrumpe hacia el
pozo, si estas fuerzas no irrumpen, entonces el cono de agua no irrumpirá en el pozo,
teniendo así un “nivel estable de cono”, (figura 1.2.1).

Figura 1.2.1: Conificación de agua

3
Física de la conificación

En una condición de estado estacionario, un gasto de producción constante causa

una caída de presión constante en cualquier punto. Cuando el gasto de flujo y la presión
fuera de los límites se fijan, la distribución espacial de la presión en el yacimiento es
función de la conductividad.
En un sistema de conificación de agua, la reducción de la presión actúa como una
fuerza dinámica hacia arriba y hace que el agua suba a una altura donde la fuerza diná-
mica se equilibra con el peso del agua. Como la distancia radial del pozo incrementa, la
presión disminuye y consecuentemente el aumento de la presión de la fuerza dinámica
decrece; asimismo, el peso del punto de balance decrece a lo largo de la dirección radial.
Esto hace una interfase en forma de cono entre el aceite y el agua, que comúnmente se
refiere en la literatura como “Conificación de Agua”.
Al aumentar el gasto de producción, la altura del cono se incrementa. A cierto
gasto de producción, el cono se vuelve inestable y el agua se produce dentro del pozo.
La inestabilidad se debe al aumento de las fuerzas dinámicas causado por la caída de
presión, la cual es más grande que el sistema no puede ser balanceado por el peso del
agua.
En otras palabras, el gradiente de presión dinámica en cualquier lugar arriba del
punto es mayor que el gradiente de presión hidrostática del agua. Este fenómeno usual-
mente ocurre cuando la conductividad de la roca es muy baja, lo que significa que la
presión del pozo puede caer debajo de la presión hidrostática antes de que el tiempo de
irrupción ocurra. En este caso que es llamado el caso de un alto gradiente de presión,
la curva del gradiente de presión dinámica puede interceptar la línea de gradiente de
presión hidrostática en dos puntos (figura 1.2.2).
La altura de la menor intersección es la altura del cono de agua estable. Como el
gasto de producción incrementa, la caída de presión incrementa en cualquier punto
de la zona de aceite. Consecuentemente, la curva de gradiente de presión dinámica se
desplaza hacia la izquierda; por lo tanto, la intersección inferior se desplaza hacia arriba

4
y la intersección superior se desplaza hacia abajo hasta que se unen en un solo punto.
La altura de este punto es la máxima altura del cono de agua estable. Debido a que el
gradiente de presión dinámica sobre este punto es mayor que el gradiente de presión
hidrostática, el cono de agua arriba de este punto es inestable. El gasto de producción
al cual el cono de agua estable ocurre es el máximo gasto libre de agua o gasto crítico.
En algunos casos donde la conductividad del yacimiento es suficientemente mayor,
se predice un bajo gradiente de presión. Como el gasto de flujo aumenta, el cono de
agua estable crece hasta al fondo del pozo. En esta situación, el cono inestable y el
gasto crítico que se asocia no se puede observar.
Para el caso de un bajo gradiente de presión, la resistencia del flujo de la roca del
fluido de aceite es lo suficientemente bajo que la presión del pozo no puede caer debajo
del sistema de presión hidrostática antes de que el tiempo de irrupción de agua ocurra.
Por lo tanto, la curva del gradiente de presión de aceite intercepta la línea de gradiente
de presión de agua en un solo punto (figura 1.2.3). La altura de la intersección, es
la altura del cono de agua estable si se asume que la presión capilar es despreciable.
Cuando la presión del pozo cae por debajo de la presión hidrostática del sistema debido
a la alta velocidad de flujo, el cono estable toca el fondo del pozo. (figura 1.2.3)
En el caso de un gradiente de baja presión, el cono de agua inestable no se produce
y el gasto crítico definido por la formación de un cono inestable no existe. Por lo tanto,
en este caso, el gasto crítico se define como el gasto máximo de producción permisible
de aceite sin entrada del cono de agua en el pozo. En otras palabras, el gasto crítico
se determina cuando el cono de agua toca el fondo del pozo. Este gasto crítico es una
función del intervalo terminado que se puede optimizar para lograr un máximo gasto
de producción libre de agua, (Tabatabaei , 2012).

5
 Figura 1.2.2: Alto gradiente de presión, existe un cono inestable

Figura 1.2.3: Bajo gradiente de presión, existe un cono estable

Las figuras 1.2.2 y 1.2.3, indican la conificación de agua en el caso de un gradiente

de presión alto y bajo, respectivamente. En estas gráficas, la linea AB representa el
gradiente de presión en la zona de aceite cuando el gasto es cero (gradiente de presión
estática), las líneas NN y N´N´ representan el gradiente de presión dinámica en la zona
de aceite y la linea BC representa el gradiente de presión hidrostática.

Conificación en Yacimientos Naturalmente Fracturados

El comportamiento de la conificación y canalización en los YNF depende de las

propiedades petrofísicas, de los fluidos, de la geometría del yacimiento, de las condi-
ciones mecánicas del pozo y de las condiciones bajo las cuales se esta operando. En

6
los YNF el problema se comienza hacer más complicado debido a la existencia de la
interacción de dos medios porosos (matriz y fractura), que resulta de la formación de
dos conos. El primer cono es más rápido y se desarrolla en las fracturas mientras que
el más lento se desarrollo en el medio poroso de la matriz.
En este tipo de yacimientos es necesario tomar en cuenta que la permeabilidad
horizontal es mucho mayor que la vertical.

Conificación en pozos horizontales y verticales

Cuando un pozo entra en su etapa productiva el CAA presenta cambios en nivel y

forma. En el caso de un pozo con geometría vertical, donde el movimiento hacia arriba
del agua crea una forma referida a un cono (figura 1.2.4), mientras que en un pozo
horizontal, esta deformación se presenta como una cresta (figura 1.2.5).
Existen algunas ventajas en la perforación de pozos horizontales sobre los pozos verti-
cales convencionales.
Primeramente, la caída de presión se concentra en la vecindad de los pozos verticales
mientras que en el caso de los pozos horizontales esta se distribuye sobre el volumen de
drene de los pozos horizontales. Por lo tanto, la caída de presión de un pozo horizontal
puede ser mucho menor que para un pozo vertical.
Segundo, el valor del gasto crítico de conificación para un pozo horizontal es más de
dos o tres veces que el gasto crítico estimado para un pozo vertical a la misma altura
del cono.
Finalmente, en términos de eficiencia de barrido, un pozo horizontal es más efectivo
porque el volumen de aceite invadido por agua crea una cresta debajo del pozo hori-
zontal considerablemente más grande que el volumen de aceite barrido en forma de
cono debajo de un pozo vertical. Consecuentemente se puede obtener una recuperación
de aceite más alta proveniente de un pozo horizontal que de uno vertical, (Khalili ,
2005).
En un pozo horizontal, la formación de la cresta se produce cuando el CAA se encuen-

7
tra cerca de los disparos, en una formación cuya permeabilidad vertical es relativamente
elevada.

Figura 1.2.4: Conificación en pozos verticales

Figura 1.2.5: Conificación en pozos horizontales

1.3. Gasto crítico

Gasto máximo con el que se puede producir un pozo sin que en superficie se tenga agua
proveniente del yacimiento. (Gasto máximo de producción libre de agua y gas).
Es aquel que se genera cuando se logra tener un equilibrio entre las diversas fuerzas
existentes en el yacimiento mientras se produce aceite, teniendo presente un acuífero.
El gasto crítico ocurre si el gradiente de presión vertical es mayor que el gradiente
de presión hidrostática del agua, por lo que el gasto crítico depende del gradiente de
presión vertical, (Guo y Lee , 1993).
Considerando gasto constante y mantenimiento de presión en el contacto agua-
aceite (CAA ), el cono de agua tiene su altura máxima, cuando la base del cono (CAA ),
alcanza el radio de drene del pozo; posteriormente, la interfase agua-aceite avanza en
régimen pseudo-estacionario sin sufrir deformación, el cono de agua es estable hasta
una distancia corta de la base del intervalo productor, pero si se incrementa ligeramente

8
la producción de aceite, se desestabiliza, provocando su irrupción en el pozo, a esta
condición de flujo se le denomina gasto crítico, (Pérez , 2011).
El gasto crítico puede corresponder al desarrollo de un cono estable con una ele-
vación justo debajo del fondo del intervalo perforado en el sistema aceite-agua o la
elevación justo arriba del intervalo perforado en el sistema gas-aceite.
La solución para determinar el gasto crítico se puede obtener a partir de una solu-
ción analítica, la cual se basa en las condiciones de equilibrio de las fuerzas viscosas y
gravitacionales, una solución empírica la cual envuelve experimentos de laboratorio y
finalmente con correlaciones, usando simulación numérica de yacimientos.

Tiempo de irrupción

Es aquel que se genera cuando se produce el pozo por arriba del gasto crítico, el
cono se puede romper dentro del mismo en un tiempo determinado, este tiempo se
conoce como tiempo de irrupción, el cual se ve afectado directamente por el gasto de
producción, –a un alto gasto de producción se tiene una disminución del tiempo de
irrupción–, además de la diferencia entre la viscosidad del agua y la del aceite.
Al igual que los modelos existentes para determinar el gasto crítico, existen algunas
correlaciones que determinan este tiempo de irrupción, partiendo de los principios físi-
cos de los modelos que se mencionarán posteriormente, (Salavatov y Ghareeb , 2009).

9
Capítulo 2

Modelos analíticos para gastos críticos

En 1856, como resultado de estudios experimentales del flujo de agua a través de filtros
de arena no consolidada, Henry Darcy dedujo la fórmula que lleva su nombre, la cual
se ha extendido con ciertas limitaciones al movimiento de otros fluidos, incluyendo dos
o más fluidos no miscibles, en rocas consolidadas y otros medios porosos.
La Ley de Darcy enuncia que “La velocidad de un fluido homogéneo en un medio poro-
so es proporcional al gradiente de presión e inversamente proporcional a la viscosidad
del fluido”.

Ecuación de Darcy

La ecuación de Darcy puede ampliarse para describir el flujo en cualquier medio

poroso donde la geometría del sistema sea fácil de integrar. El sistema de flujo radial
es considerado como el más aproximado a la expresión cuantitativa de flujo desde los
alrededores del yacimiento hacia el interior del pozo. Se supone que el flujo ocurre entre
dos superficies cilíndricas concéntricas, la exterior de radio de drene (re ) y la interior
de radio de pozo (rw ), (figura 2.0.1). (La descripción de los símbolos se muestra al final
de la tesis).
En este sistema los vectores de flujo se dirigen radialmente desde el exterior del
cilindro hacia el eje del pozo.

10
 Una vez identificadas las consideraciones necesarias para adecuar la Ecuación de
Darcy a un flujo radial, se llevo a cabo el siguiente desarrollo matemático integrando la
ecuación de Darcy al sistema radial:

Figura 2.0.1: Flujo Radial

q k dP
= (2.1)
A µ dr
El área de la sección transversal al flujo (A) es la correspondiente al área lateral de un
cilindro, esto es:

A = 2πrh (2.2)

Sustituyendo este valor en la ecuación 2.1 y separando las variables, se tiene:

q k dP
= (2.3)
2πrh µ dr

dr 2πkh
q = dP (2.4)
r µ

Tomando en cuenta las consideraciones anteriores, se puede integrar directamente la

expresión 2.4

 rw  pw
dr 2πkh
q = dP (2.5)
re r µ pe

11
 re 2πkh
q ln = (pe − pw ) (2.6)
rw µ

Quedando finalmente:

2πkh
q=   (pe − pw ) (2.7)
µ ln rrwe

A partir del desarrollo matemático anterior se han realizado diversos modelos que ayu-
dan a determinar el gasto crítico de producción, cada uno teniendo diversas conside-
raciones y suposiciones basadas en el tipo de yacimiento, geometría del yacimiento y
tipos de flujo existentes en el mismo.
Generalmente al aplicar la ecuación de Darcy, se considera que el flujo de fluidos
se da a consecuencia de una diferencial de densidades, aunque en ocasiones las fuerzas
gravitacionales llegan a tener un mayor efecto.
A continuación, se describen los modelos seleccionados para el desarrollo de esta
investigación, así como sus consideraciones y la ecuación que los representa.

2.1. Muskat & Wyckoff

En 1949, se desarrollo el primer trabajo en conificación de agua en pozos producto-

res de aceite, propuesto por Muskat & Wyckoff, quienes establecieron un gasto crítico
considerando la solución de la distribución del potencial del flujo1 del aceite alrededor
del pozo para una condición de estado estacionario, resolviendo la ecuación de Laplace
para un fluido incompresible con condiciones de frontera de flujo uniforme –produc-
ción constante– en el pozo.
Indicaron que la caída de presión entre las fronteras del yacimiento y los puntos
debajo del pozo es mayor que la carga hidrostática ejercida por la columna de agua.
Consideraciones de la teoría de conificación:
1 Potencial de flujo: Trabajo requerido para transportar la unidad de masa de fluido de estado de
presión de 1 atmósfera y elevación cero al punto de interés.

12
 • El medio donde se desarrolla la conificación es homogéneo

• El flujo de aceite ocurre entre dos fronteras impermeables

• Se establece una condición de estado estacionario

• La distribución del potencial de flujo es en una sola fase

• La distribución del potencial no esta influenciada por la forma del cono

Debido a la complejidad del fenómeno de conificación, el modelo solo analiza el pro-

ceso cuando el cono esta estático en la zona de aceite. Esto es, no se describe el proceso
hasta la irrupción en el pozo.
El gasto crítico se calculo con la siguiente ecuación desarrollada por Muskat &
Wyckoff:

∆ρh2
   
k 144
q= h   i (2.8)
re
141.2µo Bo ln rw − 0.75

En este modelo se manejan las siguientes unidades, h (ft), k (mD), ρ(lb/ft3 ), µ(cp),
re , rw (ft) y el q (bpd).

2.2. Meyer & Garder

En 1954, Meyer & Garder dijeron que el desarrollo de la conificación es el resultado

de un flujo radial del aceite y la caída de presión alrededor del pozo. Asumieron un
sistema homogéneo con permeabilidad uniforme a través del yacimiento, consideraron
un pozo perforado en la cima del yacimiento e indicaron que kv = kh es el término más
complicado en la evaluación y solución del problema de conificación de agua. Además
de que definieron la caída de presión como una presión dependiente de las fuerzas
gravitacionales.
Propusieron una aproximación de la ecuación al asumir un flujo radial y desarrolla-
ron un modelo simple para predecir el gasto crítico.

13
 En su estudio el gasto crítico fue definido como el gasto de producción al cual el
cono estable alcanza el fondo del pozo.
A continuación se presenta la ecuación que representa este modelo.



2.63x10−5 k∆ ρ h2 − h2p
q=    (2.9)
re
µo Bo ln rw

En el modelo se manejan las siguientes unidades, h, h p (ft), k (mD), ρ(lb/ft3 ), µ(cp),

re , rw (ft) y el q (bpd).

2.3. Chaney

En 1956, determinó el potencial de aceite al usar una ecuación matemática y un

análisis potenciométrico. Asumió que el gasto crítico obtenido para una geometría,
fluido y propiedades de roca dados, se puede corregir para otras propiedades de roca
y fluido, siempre y cuando la geometría de yacimiento no cambie. Después de esta
hipótesis desarrollo un conjunto de curvas para predecir el gasto crítico de conificación
para varias longitudes de perforaciones.
Aplicando el modelo propuesto por Chaney, el gasto crítico se calcula con la si-
guiente ecuación:

 
−4 k∆ρ
q = 0.5288x10 Qcurva (2.10)
µo Bo

2
h − 10 2
   
2 52 − h hp
− h2p


Qcurva = 0.1313 h + 32 − 250 − 0.3 − 40
44 h 90
(2.11)
En este modelo se manejan las siguientes unidades, h, h p (ft), k (mD), ρ(lb/ft3 ),
µ(cp), re , rw (ft) y el q (bpd).

14
2.4. Schols

En 1972, presentó una ecuación empírica basada en los resultados obtenidos de la

simulación numérica y de experimentos de laboratorio en la cual define la caída de
presión como una presión que depende de las fuerzas gravitacionales, establece una
función dependiente del radio del pozo, del radio de drene y del espesor de la forma-
ción; involucra el tamaño del yacimiento al considerar la relación h/re y hace uso de la
permeabilidad efectiva.
Esta correlación se usa a fin de determinar la longitud existente de una terminación
o para predecir la longitud óptima en una terminación futura. En esta ultima aplicación,
la longitud óptima de perforación se define como la longitud a la que los gastos de
producción críticos y los teóricos son iguales.

"
# 
 0.14
−4
k∆ρ h2 − h2p π h
q = 0.0783x10 0.432 +   (2.12)
µo Bo ln re re
rw

Este modelo maneja las siguientes unidades, h, h p (ft), k (mD), ρ(lb/ft3 ), µ(cp),
re , rw (ft) y el q (bpd).

2.5. Chaperon

En 1986, desarrollo una correlación analítica para estimar el gasto en pozos verti-
cales y formaciones anisotrópicas (kh 6= kv ). El modelo considera la distancia entre el
radio del pozo y la frontera más cercana al considerar el radio de drene. Comparado
con otros modelos, este tiene mayor sensibilidad a la anisotropía.
Asume que el pozo tiene una baja penetración, por lo que se considera como una
fuente con objeto de estimar el potencial de flujo que corresponde al flujo hemisférico
–para lograr el equilibrio estático–:

15
 " #
−4 kh (h − hp)2 ∆ρ
q = 0.0783x10 (2.13)
µo Bo q∗c

 
1.943
q∗c = 0.7311 + (2.14)
α 00

s
r  kv
e
α 00 = (2.15)
h kh

El modelo maneja las siguientes unidades, h, h p (ft), kh , kv (mD), ρ(lb/ft3 ), µ(cp),

re , rw (ft) y el q (bpd).

2.6. Abass & Bass

Modelo desarrollado en 1988, como consecuencia de una solución analítica que calcula
el gasto crítico de un flujo en estado estable e inestable en un sistema de dos dimen-
siones, usando el concepto de presión promedio. Fueron los primeros investigadores
en tomar en cuenta el efecto de la penetración parcial en el yacimiento sobre el gasto
crítico. Consideran que el flujo es radial alrededor del pozo y señalaron que hay tres
parámetros que controlan la conificación del agua:

1. Radio del cono

2. Penetración del pozo

3. Altura del cono

Estudiaron el comportamiento del cono de agua bajo diferentes condiciones de lími-

te (frontera), analítica, numérica y experimentalmente. Lo realizaron para los estados
estacionario y pseudo-estacionario.
Consideraron que el intervalo perforado puede localizarse a cualquier distancia de
la cima del yacimiento, (Khalili , 2005).
A continuación se presenta la ecuación del modelo.

16
 5.25x10−6 kh h p ∆ρ (h − h p )
q=  2  (2.16)
re re 1
µo Bo r2 −r2 ln rw − 2
e w

El modelo maneja las siguientes unidades, h, h p (ft), kh (mD), ρ(lb/ft3 ), µ(cp),

re , rw (ft) y el q (bpd).

2.7. Hoyland, Papatzacos & Skjaeveland

En 1989, presentaron dos métodos basado en las teorías de Muskat & Wyckoff en
donde predicen el gasto crítico de aceite de un pozo parcialmente penetrado en la cima
del yacimiento además de tener un yacimiento anisotrópico con acuífero asociado a
empuje de agua.
Presentan una solución analítica en donde se considera un flujo multifásico y tran-
sitorio en la vecindad del pozo.
En el primer método, se realizaron análisis de sensibilidad en los parámetros que
tienen mayor efecto sobre el valor de gasto crítico, de modo que para cada parámetro se
determinó un ritmo de extracción y posteriormente se realizó un análisis de regresión
para obtener una ecuación, la cual puede ser aplicada en yacimientos isotrópicos.
El segundo método, fue una extensión de la teoría de Muskat & Wyckoff en la cual
se descubrió la influencia que tiene el cono en la producción de hidrocarburos. Este
método fue aplicable en yacimientos anisotrópicos.
En el modelo desarrollado, simularon el flujo hacia un pozo con 10 celdas en di-
rección radial y 20 capas, donde representaron un acuífero de fondo conectado con la
ultima capa, asignándole valores de porosidad y permeabilidad infinita para obtener
el efecto de una frontera a presión constante en el CAA. De igual forma modelaron
la frontera externa en el radio de drene, asignándole valores infinitos de porosidad y
permeabilidad a la ultima columna de la celdas radiales, para que esta frontera también
actuara a presión constante. La primera columna de celdas del modelo radial representó
el pozo.

17
 Hoyland concluyo que el gasto crítico es una función lineal de la permeabilidad del
aceite, diferencia de densidad entre los fluidos, viscosidad y el factor de volumen de
aceite, a su vez se considera que es una función no lineal de la penetración del pozo
en el yacimiento, radio de drene, relación de permeabilidades y espesor de la zona de
interés, (Pérez , 2011).
A continuación se muestra la ecuación que representa este modelo.

"  2 #1.325
kh ∆ρ hp
q= 1− h2.238 [ln (re )]−1.99 (2.17)
10, 822µo Bo h

El modelo maneja las siguientes unidades, h, h p (ft), kh (mD), ρ(lb/ft3 ), µ(cp),

re , rw (ft) y el q (bpd).

2.8. Guo & Lee

En 1993, presentaron una solución analítica para calcular el gasto crítico de produc-
ción y el intervalo óptimo de terminación de un pozo que penetra parcialmente un
yacimiento isotrópico desde su parte superior, en donde se demostró que la existencia
de la conificación de agua inestable depende del gradiente de presión vertical debajo
del pozo.
Si el gradiente de presión vertical es mayor que el gradiente de presión hidrostática del
agua (baja conductividad), se puede observar un cono de agua inestable.
Un resultado importante de su estudio es la predicción de un intervalo óptimo de
finalización no nulo, debido a que se considera el efecto de la penetración limitada del
pozo sobre el gasto crítico. Su modelo muestra que el gasto máximo de producción
libre de agua para yacimientos de baja conductividad ocurre en una penetración del
pozo de aproximadamente un tercio del espesor total de la zona de aceite.
Consideraron un flujo radial en el intervalo perforado y un flujo hemisférico debajo
del pozo. Por lo tanto, en este método, el gasto crítico es la suma de ambos gastos (flujo
radial y hemisférico). Además de que se trabajo con la suposición de yacimientos de

18
baja conductividad (yacimientos con un alto gradiente de presión).
Los resultados de la ecuación presentada en este modelo indican que la penetración
óptima del pozo es independiente de la permeabilidad isotrópica del yacimiento y es
sensitiva a las dimensiones del radio del pozo y el radio de drene, solamente si el radio
de drene es menor a 10, (Hernández , 2010).
Bajo las suposiciones mencionadas anteriormente se presenta la ecuación propuesta
por Guo & Lee.

  
1 1
kv ∆ρ
 q 2
kv h p rw − re
q = 7.08x10−3 re − re2 − re (h − h p )  q + re
 (2.18)
µo 2
k +k 2 ln r w
h v

En el modelo se manejan las siguientes unidades, h, h p (ft), kh , kv (mD), ρ(lb/ft3 ),

µ(cp), re , rw (ft) y el q (bpd).

2.9. Pérez & Rodríguez

Modelo desarrollado en 2012, para determinar la conificación en YNF, con ayuda de

la simulación numérica, en donde se identifica la altura máxima del cono, la cual se
presenta en el momento que el cono de agua irrumpe dentro del pozo (zona disparada).
El objetivo de este artículo es modelar a detalle la conificación de agua en un siste-
ma de fractura poroso, usando una malla radial fina con capas concéntricas de un metro
de espesor alrededor del pozo y dos pulgadas de espesor con o sin cemento, además
del desarrollo de una ecuación para determinar la altura máxima del cono de agua, el
tiempo que toma la forma del cono y el tiempo necesario para cerrar el pozo.
Existen diversos parámetros que influyen en la conificación de agua, algunos se
controlan y otros no. Este modelo analiza la sensibilidad de los parámetros que tienen
mayor impacto sobre el comportamiento de la producción de pozos, como el gasto
de producción de aceite, permeabilidad de la fractura, viscosidad del aceite, factor de

19
formación del volumen, radio de drene, porosidad de la matriz y de la fractura, distancia
entre el intervalo terminado y el CAA, (Pérez et al., 2012).
En el modelo se observo que en el momento en que inicia la producción de un pozo,
bajo ciertas condiciones de flujo crece paulatinamente un cono de agua hasta alcanzar el
radio de drene del pozo, en este tiempo el cono de agua detiene su crecimiento y todos
los puntos que definen la superficie formada por la interfase agua-aceite se mueven
en sentido vertical a la misma velocidad en régimen pseudo-estacionario. Cuando la
interfase agua-aceite se encuentra a pocos metros del intervalo disparado se acelera el
movimiento e irrumpe el agua en el pozo.
A continuación se presenta la ecuación de este modelo:

 2
hwc k f ∆ρ
q=   (2.19)
(2.963 + Fbc ) µo Bo ln rrwe

En el modelo se emplean las siguientes unidades, hwc (m), k (mD), ρ(gr/cm3 ),

µ(cp), re y rw (m) y el q (Mbpd).

2.10. Tabatabaei

Desarrollado en 2012, este modelo hace referencia a la formación del cono de agua
debido a las fuerzas gravitacionales e hidrostáticas ejercidas dentro del pozo durante su
producción.
El modelo matemático desarrollado para pozos con un bajo gradiente de presión,
pozo vertical con terminación parcial en la cima del yacimiento, el cual indica que el
intervalo de terminación óptimo depende del radio del pozo, del radio de área de drene,
del espesor de la zona de interés y de la permeabilidad anisotrópica del yacimiento,
mientras que para yacimientos con alta conductividad el gasto máximo de producción
libre de agua ocurre a una penetración del pozo de aproximadamente la mitad del es-
pesor de la zona de interés.
Las principales limitaciones del modelo son: El efecto de la presión capilar no se

20
considera y se supone una interfase aguda de aceite-agua esta en el fondo de la zona
de transición del yacimiento mojado con agua o en la parte superior de la zona de
transición de un yacimiento de aceite húmedo.
Esta suposición conducirá a una sobre estimación del gasto crítico para un cálculo
real si la roca esta mojada por agua. En contraste, se espera una subestimación para una
roca mojada por aceite. Sin embargo ignorar la presión capilar en este caso no tiene un
impacto significativo en los resultados por la alta conductividad del yacimiento, pero si
se ignora en un yacimiento con baja conductividad puede marcar una gran diferencia.
De acuerdo con Tabatabaei, el gasto crítico se calcula con la siguiente correlación:

  
1
kh ∆ρ (h − h p − rw )  1 hp rw− r1e
q = 7.08x10−3   q +    (2.20)
re
µo r1w − r1e kv
k +1
ln rw
h

En el modelo se emplean las siguientes unidades, h, h p (ft), kh , kv (mD), ρ(lb/ft3 ),µ(cp),

re , rw (ft) y el q (bpd).
En la figura 2.10.1, se presenta la distribución de las alturas dentro del yacimiento
y la forma que toma el CAA cuando se genera la caída de presión y la variación de
densidades dentro del sistema.

Figura 2.10.1: Distribución de alturas durante la conificación de agua

En la tabla 2.1, se sintetizan las ecuaciones de cada uno de los modelos menciona-
dos durante el desarrollo del capítulo.

21
 Tabla 2.1: Modelos para determinar el gasto crítico de producción

Autor Modelo
   
2
k ∆ρh
144
Muskat (1949) q =  141.2µ
[ln( rrwe )−0.75]

o Bo

 
0.246x10−4 k∆ ρ (h2 −h2p )
Meyer & Garder (1954) q= µo Bo ln( rrwe )

h i
k∆ρ
Chaney (1956) q = 0.5288x10−4 µo Bo Qcurva
   
k∆ρ (h2 −h2p ) 0.14
Schols (1972) q = 0.0783x10−4 0.432 + ln π h
µo Bo ( rrwe ) re

kh (h−hp)2
h i
Chaperon (1986) q = 0.0783x10−4 µo Bo
∆ρ
q∗c

5.25x10−6 kh h p ∆ρ (h−h p )
Abass & Bass (1988) q= 
r2

µo Bo 2 e 2 ln rrwe − 12
re −rw
  2 2
h
Hoyland (1989) kh ∆ρ
q = 10,822µo Bo 1 − hp h2.238 [ln (re )]−1.99
" #
i2 1 − 1
h ( )
h
k k p
q = 7.08x10−3 vµo re − re2 − re (h − h p )
∆ρ p
Guo & Lee (1993) q v
2
+ lnw re er r
kh +kv2 rw

h i2
hwc k f ∆ρ
Pérez & Rodríguez (2012) q= (2.963+Fbc ) µo Bo ln( rrwe )
" #
−3 kh ∆ρ (h−h p −rw ) h p ( r1w − r1e )
Tabatabaei (2012) q = 7.08x10 q 1 +
µo ( r1w − r1e ) kv ln( rrwe )
kh +1

Tabla 2.2: Variables empleadas para determinar el gasto crítico de producción

Modelo Variables
µo ρw ρo Bo kh kv k f re rw h hp hwc Fbc
Muskat (1949)      
Meyer & Garder (1954)        
Chaney (1956)      
Schols (1972)        
Chaperon (1986)        
Abass & Bass (1988)         
Hoyland (1989)        
Guo & Lee (1993)         
Pérez & Rodríguez (2012)         
Tabatabaei (2012)         

22
Capítulo 3

Teoría básica para modelos de gastos

críticos

Debido a que la conificación de agua es de mayor problemática en yacimientos con

alta conductividad, el modelo matemático desarrollado en este estudio se basa en la
definición de gasto crítico para casos de gradiente de baja presión.
Para llegar a un modelo de gasto crítico e intervalo de terminación óptimo, se debe
determinar la distribución de la presión en el sistema. De acuerdo con Wheatly (1985),
la superficie equinopotencial debajo del pozo es aproximadamente hemisférica. Por lo
tanto, en el campo de flujo 3D en un sistema parcialmente penetrado se puede apro-
ximar mediante un RSC 3D1 . La figura 3.1.1, muestra la distribución de las fuerzas
presentes en el yacimiento durante su etapa de producción.
El gasto total del pozo es la suma del gasto de flujo de ambos regímenes de flujo.
La relación entre los gastos de flujo se establece al igualar la presión dada por los
dos modelos en la interfase de los regímenes de flujo.

1 Combinación de lineas uniformes de flujo radial en la parte superior y un flujo semiesférico en la

parte inferior del yacimiento.

23
3.1. Modelo matemático

El desarrollo del siguiente modelo fue una corrección matemática del modelo de Guo
& Lee en 1993, propuesta por Tabatabaei en 2012.

Distribución de la presión en un campo de flujo RSC 3D

Debido a que se asume un flujo en estado estacionario, la ecuación de Laplace re-

presenta la ecuación que gobierna el flujo másico. Para resolver la ecuación de Laplace
en este sistema, se han echo las siguientes suposiciones:

1. El yacimiento es homogéneo

2. Un pozo vertical y una penetración parcial en la cima del yacimiento

3. Se considera que la capilaridad es despreciable

4. No se considera daño a la formación en las inmediaciones del pozo

5. Flujo en el campo en 3D ha sido aproximado con la consideración RSC 3D

Figura 3.1.1: Combinación de flujo radial y flujo esférico en el yacimiento

En la figura 3.1.1, se ilustra la distribución de los patrones de flujo dentro del ya-
cimiento durante la etapa de producción. En la zona impregnada de aceite se tiene el
intervalo disparado y presenta un patrón de flujo radial, mientras que en la zona que se
tiene por debajo del intervalo disparado el patrón de flujo que se presenta es esférico.

24
Flujo Radial

La ecuación que gobierna el flujo radial puede ser escrita en coordenadas cilíndricas
de la siguiente forma:

1 ∂ 2Φ ∂ 2Φ
 
2 1 ∂ ∂Φ
∇ Φ= rr + 2 + 2 =0 (3.1)
rr ∂ rr ∂ rr rr ∂ θ 2 ∂z

Donde el potencial de la función (Φ) se define como:

 
k
Φ= (p − γz) (3.2)
µ

Debido la simetría del sistema de conificación sobre el eje z, la ecuación 3.1 se puede
simplificar quedando de la siguiente manera:

 
1 ∂Φ
2 ∂Φ
∇ Φ= rr =0 (3.3)
rr ∂ rr ∂ rr

La solución general para la ecuación 3.3 es:

∂Φ
rr = A → Φ = Alnrr + B (3.4)
∂ rr

A y B se pueden determinar aplicando las siguientes condiciones de límites:



rr = rw → Φ = Φw = A ln rw + B

(3.5)

rr = re → Φ = Φe = A ln re + B


Por lo tanto,

Φe − Φw
A= (3.6)
ln rrwe

Φe − Φw
B = Φw − ln rw (3.7)
ln rrwe

25
 Así, la distribución radial potencial puede ser definida sustituyendo A y B en la
ecuación 3.4

Φe − Φw rr
Φ (rr ) = ln + Φw (3.8)
ln rrwe rw

Sustituyendo la ecuación 3.2 en la ecuación 3.8, la distribución de presión en el régimen

de flujo radial es definida como:

pe − pw rr
p (rr ) = ln + pw (3.9)
ln rrwe rw

donde ρw es

ρ w = p1 + γo z (3.10)

Para determinar el gasto de flujo, se puede usar la Ley de Darcy de la siguiente forma:

∂Φ Φe − Φw 1
vr = − =− (3.11)
∂ rr ln rrwe rr

Consecuentemente, el volumen radial del gasto de flujo puede ser calculado como:

2π
2πL (Φe − Φw ) 2πL (pe − pw )
qradial = − vr Lrr dθ =   =   (3.12)
0
ln rrwe µ ln rrwe

Por lo tanto, la diferencia de presión entre los límites del yacimiento y el pozo en
términos de qr es:

µqr re
(pe − pw ) = ln (3.13)
2πkh L rw

Sustituyendo la ecuación 3.13 en la ecuación 3.9, la distribución de presión puede de-

terminarse en términos de qr , de la siguiente manera:

µqr rr
p(rr ) = ln + pw (3.14)
2πkh L rw

26
Sustituyendo el valor de pw , la distribución de presión se puede definir como:

µqr rr
p (r, z) = ln + p1 + γo z (3.15)
2πkh L rw

Para unidades de campo, la ecuación 3.15 puede ser escrita de la siguiente manera:

141.2µqr rr
p(r, z) = ln + p1 + γo z (3.16)
kh L rw

Flujo Esférico

La ecuación que gobierna puede ser escrita en coordenadas esféricas como se indica
en la siguiente ecuación:

∂ 2Φ
   
2 1 ∂ 2∂Φ 1 ∂ ∂Φ 1
∇ Φ= 2 rs + 2 sin θ + 2 2 =0 (3.17)
rs ∂ rs ∂ rs rs sin θ ∂ θ ∂θ rs sin θ ∂ ψ

Debido a la simetría, la forma de la ecuación 3.17 simplificada es:

 
2 1 ∂ 2∂Φ
∇ Φ= 2 r =0 (3.18)
rs ∂ rs s ∂ rs

La solución general para la ecuación 3.17 es:

∂Φ A
rs2 = A → Φ = − +B (3.19)
∂ rs rs

A y B puede ser determinada aplicando las siguientes condiciones de límites:


rs = rw → Φ = Φw = − A + B


rw
(3.20)
rs = re → Φ = Φe = − A + B


re

Por lo tanto,

27
 Φe − Φw
A=   (3.21)
1 1
rw − re

Φe − Φw 1
B = Φw +   (3.22)
1 1 rw
rw − re

Así el potencial de distribución esférico se define como:

 
Φe − Φw 1 1
Φ (rs ) = 1 1
− + Φw (3.23)
rw − re
rw rs

Entonces, la ecuación de Darcy se usa para definir el gasto de flujo:

∂Φ Φe − Φw 1
vs = − = − (3.24)
1 rs2

∂r 1
− rw re

Por lo tanto, el flujo volumétrico esférico se calcula de la siguiente forma:

2π 2
π

2π cos ψo (Φe − Φw )
qes f érico = − vs rs2 sin ψ dψ dθ =   (3.25)
1 1
0 ψo rw − re

Por lo tanto,

 
qs 1 1
Φe − Φw = − (3.26)
2π cos ψo rw re

Sustituyendo la ecuación 3.26 en la ecuación 3.23 se define el potencial de distribución

en términos de qs :

 
qs 1 1
Φ (rs ) = − + Φw (3.27)
2π cos ψo rw rs

El potencial de distribución a lo largo de la dirección vertical (eje de la z) debajo del

pozo se define como:

28
  
qs 1 1
Φ(rz ) = − + Φw (3.28)
2π cos ψo rw rz

Sustituyendo la ecuación A-2 en la ecuación 3.27, la distribución de presión en el régi-

men de flujo esférico se define como:

 
µqs 1 1
p (rs ) = − + pwo (3.29)
2πk cos ψo rw rs

Entonces, sustituyendo el valor de pwo , la distribución de presión se define como:

 
µqs 1 1
p(rs ) = − + p1 + γo L (3.30)
2πk cos ψ0 rw rs

Y la distribución de presión a lo largo de la dirección vertical es:

 

µqs 1 1
p rz = − + p1 + γo L (3.31)
2πkv cos ψ0 rw rz

Para unidades de campo, las ecuaciones 3.28, 3.30 y 3.31 se escriben de la siguiente
forma:

 
141.2qs 1 1
Φ (rz ) = − + Φw (3.32)
cos ψ0 rw rz

 
141.2µqs 1 1
p (rs ) = − + p1 + γo L (3.33)
k cos ψ0 rw rs

 
141.2µqs 1 1
p (rz ) = − + p1 + γo L (3.34)
kv cos ψ0 rw rs

29
Gasto crítico

Gasto total

En la interfase de los dos regímenes de flujo, las ecuaciones 3.16 y 3.34 deben
dar la misma presión. Por lo tanto, igualando estas dos ecuaciones en cualquier punto
de la interfase, la relación entre el gasto de flujo radial y el gasto de flujo esférico se
determina de la siguiente manera:

p(r, z)radial |rr =re , z=L = p(rs )es f érico |rs =re , k=kh (3.35)

   
141.2µ qr re 141.2µ qs 1 1
ln + p1 + γo L = − + p1 + γo L (3.36)
kh L rw kh cos ψ0 rw rw

 
1 1
L − rw re
qr =   qs (3.37)
cos ψ0 ln rrwe

Por lo tanto, el gasto de flujo total se determina solo en términos de qs :

  
1
L rw − r1e
qtotal = qr + qs = 1 +  qs (3.38)
cos ψ0 ln rrwe

Gasto crítico

Antes de que el tiempo de irrupción ocurra, el cono de agua esta en una condición
estable o en equilibrio estático en el sistema. La ecuación 3.39 indica esta condición:

p(rz ) + γw (h − L − rz ) = pb (3.39)

Para introducir la siguiente notación ∆γ y ∆ p , la ecuación 3.39 puede ser reescrita

como la ecuación 3.42 en términos de potencial:

30
 ∆γ = γw − γo (3.40)

∆p = pt − pwo = pb − γo (h − L) − pwo (3.41)

y
kv
∆Φ (rz ) = (∆p − ∆γ(h − L − rz )) (3.42)
µ

También, ∆p puede ser calculado de la siguiente forma:

∆p = p2 + γo h − γo h + γo L − p1 − γo L = p2 − p1 (3.43)

Sustituyendo la ecuación 3.43 en la ecuación 3.42

kv
∆Φ (rz ) = (p2 − p1 − ∆γ(h − L − rz )) (3.44)
µ

También, p2 − p1 se calcula de la ecuación 3.16

 
141.2µqr re
p2 − p1 = ln (3.45)
kh L rw

La ecuación 3.37 se usa para determinar p2 − p1 en términos de qs en lugar de qr :

 
141.2µqs 1 1
p2 − p1 = − (3.46)
kh cos ψ0 rw re

También, de la ecuación 3.32 se tiene:

 
141.2qs 1 1
∆Φ (rz ) = Φ (rz ) − Φw = − (3.47)
cos ψ0 rw rz

Sustituyendo la ecuación 3.46 en la ecuación 3.44 e igualando estas ecuaciones a la

ecuación 3.47, se tiene:

31
 1
− r1z 1
− r1e
!
141.2µqs rw rw
− + ∆γ (h − L − rz ) = 0 (3.48)
cos ψ0 kv kh

Resolviendo la ecuación 3.48, qs se define como:

cos ψ0 ∆γ(h − L − rz )
qs = 1 1 1 1
 (3.49)
rw − re rw − z
141.2µ kh − kz

También, usando la ecuación 3.38, el gasto de flujo total se define como:

  
1
cos ψo ∆γ(h − L − rz )  L − r1e
rw
qt =  1+  (3.50)
cos ψ0 ln rrwe
1 1 1 1
rw − re rw − rz
141.2µ kh − kv

El valor del cosψ0 se determina por la siguiente ecuación:

h−L
cos ψ0 = q (3.51)
rc2 + (h − L)2

Abass & Bass mostraron que la siguiente ecuación describe la relación entre la
geometría del cono y la anisotropía del yacimiento:

rc kh
= (3.52)
hc kv

Por lo tanto, cosψ0 puede ser mostrado como sigue:

h−L
cos ψ0 = q (3.53)
4 + (h − L)2
h2c Iani

Donde

s
kh
Iani = (3.54)
kv

Sustituyendo el valor del cosψ0 en la ecuación 3.50, qt es como sigue:

32
   
1
∆γ (h − L − rz ) h−L L rw− r1e
qt =  ! q +    (3.55)
1 1 re
( r1w − r1e ) rw − rz
4 + (h − L)2
h2c Iani ln
141.2µ − rw
kh kv

De acuerdo con la definición de gasto crítico es este estudio, qc se determina cuando

toca el fondo del pozo o rz = rw y hc = (h − L) → qt = qc . Por lo tanto, sustituyendo rz
y hc en la ecuación 3.55 por rw y (h − L), respectivamente, se tiene:

  
1
∆γ(h − L − rw )  1 L rw− r1
qc =  1 1  q +  e  (3.56)
( rw − re ) I 4 +1 ln re
141.2µ kh ani rw

Y la ecuación 3.56 puede ser escrita como:

  
1
7.08x10−3 k ∆γ(h − L − rw )  1 L − r1e
rw
qc = h  q +    (3.57)
1 1 4 +1 re
µ rw − re Iani ln rw

A fin de mantener la generalidad de la solución, el intervalo de terminación se

expresa en forma dimensional llamada fracción de penetración parcial (x), que se define
como:

L
x= (3.58)
h

Sustituyendo la ecuación 3.58 en la ecuación 3.57, la ecuación general para el gasto

crítico es:

#  
1 1
hx rw − re
"
7.08x10−3 kh ∆γ h(1 − x) − rw  1
qc = 1 1
q +    (3.59)
µ rw − re 4
Iani + 1 ln rrwe

33
3.2. Análisis de sensibilidad

De acuerdo a las conclusiones mencionadas en el artículo de Tabatabaei, se realizó

el siguiente análisis de sensibilidad en las principales variables del modelo, las cuales
presentan un cambio significativo en los resultados al realizar variaciones de los datos
en las variables evaluadas.
Los datos empleados para la evaluación de la sensibilidad son tomados del articulo
de Tabatabaei, los cuales se muestran a continuación:

Propiedades del fluido

Densidad del agua, ρw , gr/cm3
1.0

Densidad del aceite, ρo , gr/cm3 0.98

Viscosidad del aceite, µo , (cp) 1.0
Factor de volumen de aceite, Bo 1.46

Características geométricas
Radio de drene, re , (m) 152
Radio del pozo, rw , (m) 0.076
Espesor impregnado de aceite, h, (m) 38.1

Figura 3.2.1: Sensibilidad a la permeabilidad

Como se observa en la figura 3.2.1, al tener kh  kv o una baja anisotropía, el gasto

de producción sera considerablemente mayor en comparación con la anisotropía de 0.1
mD y 10 mD. Lo cual indica que entre más homogéneo sea el yacimiento, la facilidad

34
con la cual fluyen los fluidos a través del medio es mayor por lo que se tiene una mayor
producción de aceite.

Figura 3.2.2: Sensibilidad al CAA

En la figura 3.2.2, se tiene la variación del CAA con un espesor impregnado de

aceite de 15 m, 38 m y 60 m. El avance del contacto se presenta a lo largo de cada
uno de los espesores indicados. Se observa que se tiene una zona de interés de bajo
espesor, la producción es menor en comparación con un intervalo impregnado de aceite
de mayor espesor.
Entre menor sea el avance del CAA la producción de aceite es mayor. Con el paso
del tiempo y a consecuencia de la explotación del yacimiento este contacto comienza
a invadir la zona de interés, la producción de aceite disminuye y se empieza a tener
producción de agua y aceite.

35
 Figura 3.2.3: Sensibilidad a la viscosidad

La sensibilidad de la figura 3.2.3, indica que entre más grande sea la viscosidad del
aceite, se tiene menos recuperación dado que este tiene menor facilidad para moverse.
Entonces, cuando se tiene un aceite de baja viscosidad, este ayuda a tener una movilidad
mayor y en consecuencia la recuperación de aceite es más alta.

Figura 3.2.4: Sensibilidad a la densidad

De acuerdo a la figura 3.2.4, cuando se tiene un aceite con baja densidad, la recu-
peración es mayor debido a que es más fácil que este se mueve a través del medio que
lo contiene.

36
Capítulo 4

Simulación Montecarlo

La simulación es una técnica cuantitativa que se usa a fin de obtener la respuesta más
probable de un evento por medio de la simulación de un modelo matemático.
La simulación Montecarlo es una herramienta que sirve para identificar la incerti-
dumbre mediante el uso de variables aleatorias, utiliza funciones de distribución con
el propósito de realizar experimentos cuyos resultados lleguen después de un número
conveniente de ensayos (iteraciones) a simular lo que pasaría en un sistema real.
El método fue llamado de esta manera por el principado de Mónaco “la capital del
juego de azar”, al tomar una ruleta de juego como un generador simple de números
aleatorios. Este nombre es relativamente reciente y se atribuye a Jon Von Neumann y
Sanislaw Ulam, cuando trabajan en el proyecto Manhattan durante la Segunda Guerra
Mundial. Sin embargo, la idea del cálculo de Montecarlo es mucho más antigua que la
aparición de los ordenadores y era conocida anteriormente por el nombre de “muestreo
estadístico”.
Inicialmente, Montecarlo no fue un método para resolver problemas en física, sino
para evaluar integrales que no podían ser evaluadas de otra manera: el calculo de inte-
grales de funciones complicadas y las integrales en espacios multidimensionales fueron
las dos áreas iniciales en las que la simulación Montecarlo probó ser de gran utilidad,
(González , 2015).
Esta técnica de simulación requiere como dato de entrada, la asignación de una

37
función de distribución de probabilidades para cada una de las variables independien-
tes sujetas a variación. Esta determinación de distribución de probabilidades para cada
variable se estima en base a datos estadísticos o experiencias recopiladas, (Jimenéz y
Juver , 2002).

4.1. Variables aleatorias

Se denomina variable aleatoria, random o distribuida, a una variable X que por

sus características pueda tomar un conjunto de valores (x1, x2, x3, x4, ... xn-1), cada
uno de los cuales tiene una probabilidad de ocurrencia (p1, p2, p3, p4, ... pn-1,), sin
que se pueda asegurar específicamente cual de todos estos probables valores tomará la
variable.
En la figura 4.1.1, (X = xi ) representa el evento "la variable aleatoria X toma el
valor xi”, mientras que p(X = xi): representa la probabilidad que la variable aleatoria
“X” tome el valor xi.

Figura 4.1.1: Variable aleatoria

Existen diferentes tipos de variables aleatorias, entra las más comunes están las
siguientes:

• Discretas: Una variable aleatoria representada mediante una distribución discreta

de probabilidad puede tomar un valor de entre un conjunto de valores, cada uno
de los cuales tiene asignada una determinada probabilidad de ocurrencia.

38
Variables que solo pueden tomar valores enteros, es decir, un número finito de valores
contables.

• Continuas: Variable aleatoria representada mediante una distribución continua de

probabilidad puede tomar cualquier valor dentro de un rango determinado.

Las variables aleatorias discretas se identifican de las continuas, porque para cuantificar
su frecuencia hay que “contar”, mientras que para las variables aleatorias continuas hay
que “medir”.

4.2. Funciones de distribución de probabilidad

Una distribución de probabilidad indica toda la gama de valores que pueden repre-
sentarse como resultado de un experimento. Es decir, describe la probabilidad de que
un evento se realice en el futuro. Una distribución de probabilidades es una lista de las
probabilidades de todos los resultados posibles, en otras palabras, es la suma de todas
las funciones en las que interviene la variable aleatoria x.
Toda variable aleatoria posee una distribución de probabilidad que describe su com-
portamiento. Si la variable es discreta, es decir, si toma valores aislados dentro de un
intervalo, su distribución de probabilidad específica todos los valores posibles de la
variable junto con su probabilidad de ocurrencia. Si la variable es continua, es decir,
cuando la variable puede tomar cualquier valor de un intervalo, la distribución de pro-
babilidad permite determinar las probabilidades correspondientes a subintervalos de
valores.
La distribución de probabilidad permite determinar las probabilidades correspon-
dientes a subintervalos de valores. Una forma usual de describir la distribución de pro-
babilidad de una variable aleatoria es mediante la denominada función de densidad en
el caso de variables continuas y función de masa de probabilidad en el caso de variables
discretas.

• Las distribuciones de probabilidad se clasifican en dos familias:

39
 Distribuciones de la muestra o histogramas de frecuencia

Distribuciones de la probabilidad o distribuciones paramétricas

Figura 4.2.1: Distribuciones de probabilidad

Una distribución se caracteriza por:

1. El valor central o medida de posición (la media, la mediana o la moda).

2. Una cantidad que expresa el grado de dispersión ( la desviación estándar).

3. La forma de la curva, es decir la forma general de la distribución probabilística.

40
Clasificación de las funciones de distribución de uso más común

 

 


 


 


 

 







Uniforme

 


Distribuciones discretas




 Poisson

 


 








Binomial

 


 


 












 

 

 


 


 


 


 

Triangular
Distribuciones de probabilidad




 







Exponencial

 


 








Gamma

 


 



 Normal

Distribuciones continuas




 







Log Normal

 


 








Beta

 


 








Beta PERT

 


 








Weibull

 


 


 


41
4.3. Distribuciones discretas

Uniforme

La variable que puede tomar cualquiera de los valores entre 1 y n con igual probabi-
lidad. En esta función conocemos los valores máximos y mínimos y se sabe que todos
los valores no continuos entre el mínimo y el máximo tienen la misma probabilidad
de ocurrir. Esta función se emplea bajo las condiciones de que el máximo y el mínimo
son valores fijos. Todos los valores dentro del rango tienen la misma probabilidad de
ocurrencia.

Figura 4.3.1: Función de distribución Uniforme

Poisson

Experimento que puede tener cualquier número de éxitos en una región continua,
acotada y bien determinada. Describe la cantidad de veces que ocurre un evento en
un determinado intervalo (generalmente de tiempo). La función se emplea bajo las
condiciones de el número de ocurrencias posibles no esta limitado, las ocurrencias son
independientes y el número promedio de ocurrencias es el mismo de una unidad a otra.

Figura 4.3.2: Función de distribución de Poisson

42
Binomial

El interés esta en determinar la probabilidad de obtener exactamente X = x éxitos

durante los (n) ensayos. Las suposiciones claves para la distribución binomial son; la
probabilidad de éxito (p) permanece constante para cada ensayo y los (n) ensayos son
independientes entre si.
Describe la cantidad de veces que ocurre un evento en particular o no ocurre en un
número fijo de pruebas. Sus parámetros son la probabilidad y ensayos. La función de
distribución binomial se ocupa bajo las siguientes condiciones. En primer lugar, para
cada prueba solo dos resultados son posibles, como el éxito o el fracaso. Posteriormen-
te, las pruebas son independientes, pero la probabilidad es la misma en cada prueba.
Finalmente, la distribución Si-No es equivalente a la distribución binomial con una
prueba.

Figura 4.3.3: Función de distribución Binomial

4.4. Distribuciones continuas

Triangular

Esta función describe una situación en donde se conocen los valores máximo, mí-
nimo y el valor que tiene mayor ocurrencia. En esta función se consideran los valores
máximos y mínimos como fijos. Se tiene un valor muy probable en un rango, el cual
forma un triangulo con los valores mínimo y máximo ya establecidos y se considera
útil con datos limitados.

43
 Figura 4.4.1: Función de distribución Triangular

Exponencial

Ampliamente utilizada para describir eventos recurrentes en puntos aleatorios en el

tiempo o el espacio. Esta relacionada con la función de Poisson que describe el número
de ocurrencias de un evento, en un intervalo de tiempo o espacio dado. La distribución
describe el tiempo entre las ocurrencias y no se ve afectada por eventos previos.

Figura 4.4.2: Función de distribución Exponencial

Gamma

Esta función se emplea para medir el tiempo entre la ocurrencia de eventos cuando
el proceso no es completamente aleatorio. Los parámetros utilizados en esta función
son la forma, escala y localización. La función Gamma se usa bajo las siguientes con-
diciones:las posibles ocurrencias en cualquier unidad de medida no son limitadas, las
ocurrencias son independientes y el número promedio de ocurrencias es constante de
una unidad a otra.

Figura 4.4.3: Función de distribución Gamma

44
Normal

Es la distribución más importante en la teoría de la probabilidad porque describe

muchos fenómenos naturales. Los parámetros que se requieren son la media y la des-
viación estándar. Es necesario tomar en cuenta que el valor medio es el más probable,
es simétrico sobre la media y es más probable que esté cerca de la media que muy lejos.
Nota: De los valores de una distribución normal, aproximadamente el 68 % están
dentro de una desviación estándar en cualquier lado de la media.
Desviación estándar(σ ): Promedio o variación esperada con respecto a la media
aritmética, la cual nos dice cuanto tienden a alejarse los valores concretos del promedio
en una distribución de datos. Es la raíz cuadrada de la varianza de la variable.

Figura 4.4.4: Función de distribución Normal

Log Normal

Esta función es ampliamente utilizada en situaciones donde los valores se sesgan

positivamente. Los parámetros que se necesitan para su aplicación son la media, des-
viación estándar y la ubicación.
La distribución Log Normal se usa bajo las siguientes condiciones: los límites su-
perior e inferior son ilimitados, pero la variable incierta no puede caer por debajo del
valor del parámetro de ubicación, la distribución esta sesgada positivamente, con la ma-
yoría de los valores cerca del limite inferior y el logaritmo natural de la distribución es
una distribución normal.

45
 Figura 4.4.5: Función de distribución Log Normal

Beta

Distribución que permite generar una gran variedad de perfiles. Comúnmente se

usa para representar la variación sobre un rango fijo. Representa la incertidumbre en la
probabilidad de ocurrencia de un evento. También se usa para describir datos empíricos
y predecir el comportamiento aleatorio de porcentajes y fracciones. Los parámetros
empleados en esta distribución son; mínimo, máximo, alfa y beta.
La distribución beta se emplea bajo las siguientes condiciones: el rango mínimo y
máximo se encuentra entre cero y un valor positivo, la forma puede ser especificada
con dos valores positivos, alfa y beta, si los parámetros son iguales, la distribución es
simétrica, si cualquiera de los parámetros es 1 y el otro parámetro es mayor a 1, la
distribución tiene forma de J, si alfa es menor que beta, la distribución se sesga hacia el
lado positivo –la mayoría de los valores están del lado positivo–. Si alfa es mayor que
beta, la distribución esta sesgada negativamente (la mayoría de los valores están cerca
del valor máximo).

Figura 4.4.6: Función de distribución Beta

46
BetaPERT

Describe la situación donde se conocen los valores máximos y mínimos, además de

los valores más probables que se produzcan. Esta función es útil con datos limitados.
Esta distribución se ocupa bajo la condición de que los valores mínimo y máximo se
deben de fijar y que esta tiene un valor muy probable dentro de toda la distribución.

Figura 4.4.7: Función de distribución BetaPERT

Weibull

Describe los datos resultantes de las pruebas de fatiga. Los parámetros utilizados
son la localización, escala y forma. Cuando la forma parámetro es igual a 1, la distri-
bución de Weibull es idéntica a la distribución exponencial. El parámetro de ubicación
le permite configurar una distribución exponencial para comenzar en una ubicación di-
ferente a 0. Cuando el parámetro de forma es menor que 1, la distribución de Weibull
se vuelve abruptamente curva decreciente.

Figura 4.4.8: Función de distribución Weibull

47
4.5. Análisis de sensibilidad

Un análisis de sensibilidad explica cual de las variables importan más en una deci-
sión, examinando el impacto de cambios en el caso base o función objetivo, este es útil
para encontrar la variable que tiene poco impacto en la decisión final, tratándolas de
forma determinística. Se lleva a cabo por una serie de iteraciones para tantos cambios
como se considere necesario hasta tener un panorama que permita sacar conclusiones
sobre los resultados obtenidos.
El análisis de sensibilidad permite cuantificar la contribución relativa de cada una
de las variables aleatorias de entrada a un modelo, a la dispersión o varianza del resul-
tado o variable de salida del modelo. Es un procedimiento que debe realizarse después
de haber completado la propagación de incertidumbre ya sea por el Método de los Mo-
mentos o por Simulación de Montecarlo.
Este análisis es de vital importancia para la “Administración de la incertidumbre”1
ya que permite identificar las variables de entrada al modelo en las que debe centrarse
la atención y tomar las acciones necesarias para mejorar el nivel de conocimiento sobre
las mismas, (de ser técnicamente factible y económicamente rentable), porque solo así
se logrará reducir la incertidumbre de la variable de salida.
Existen diversos tipos de análisis de sensibilidad, cada uno de los cuales tiene un
“gráfico de resultados” característico. La sensibilidad tipo II es una sensibilidad de la
variable de salida a la posición de la media de las variables de entrada, las cuales se
describen a continuación:

Gráfico de tornado

Este tipo de gráfico analiza el impacto que tiene cada variable del modelo sobre la
celda objetivo, y tiene la ventaja de examinar cada una de las variables, cada supuesto
de manera independiente.
1 La Incertidumbre es una medida de la inseguridad o grado de desconocimiento acerca de una varia-
ble, proceso o fenómeno bajo estudio.

48
 Esta herramienta prueba el rango de cada variable de acuerdo con los percentiles
indicados y calcula el valor de la predicción en cada punto, señala el punto óptimo
entre los valores máximos y mínimos de la predicción para cada variable, en forma
descendente, de acuerdo con el efecto que tengan sobre la predicción.
La gráfica de tornado se utiliza para reducir la sensibilidad de las variables definidas
en Crystal Ball, mantiene constantes las variables del modelo mientras ejecuta alguna
de las variables , con el fin de hallar las variables de decisión.
Los colores en la barra indican la dirección en que se relacionan las variables y la
predicción; para las variables que tienen un efecto positivo en la predicción se encuentra
señalada en azul y la variable que influye negativamente se muestra en rojo.
Existen casos en los cuales la proyección tiene problemas de monotonicidad, si
no existe un aumento o disminución de la variable a través del tiempo. Si los valores
mínimos o máximos del rango de predicción no se generan al final del período para la
variable, la variable tiene una relación de no-monotonicidad relacionada con los valores
de la predicción.

Gráfico de araña

Señala las diferencias existentes entre los valores mínimos y máximos de la predicción
por medio de la curva que se crea a través de todos los valores de las variables probadas.
Cuando la curva tiene una pendiente recta, sea positiva o negativa, significa que estas
variables influyen bastante sobre la proyección; mientras que las curvas con rectas casi
horizontales tienen un efecto muy pequeño sobre la proyección.

4.6. Oracle Crystal Ball

Es un conjunto de programas basados en la aplicación de modelos predictivos, pre-

visión, simulación y optimización de manera que permite identificar las variables críti-
cas de un análisis que se esté realizando. Programa de pronóstico y análisis de riesgos

49
orientado gráficamente que mide la incertidumbre en la toma de decisiones.
Crystal Ball pronostica todo el rango de resultados posibles para una simulación dada.
También muestra niveles de confianza, por lo que sabrá la probabilidad de que ocurra
un evento específico. Crystal Ball funciona con modelos de hoja de cálculo creados en
Microsoft Excel.

50
Capítulo 5

Casos de Aplicación

5.1. Caso A

El caso de estudio A corresponde a un campo de aceite ligero, que produce en

formaciones carbonatadas de naturaleza fracturada en la edad geológica del Cretácico
y Jurásico Superior Kimmeridgiano, ubicado costa afuera. El mecanismo de empuje de
este campo es de tipo hidráulico.
Para la aplicación de este modelo se seleccionaron las variables, kv , kh , CAA y Fbc
a las cuales se les asignaron las siguientes funciones de distribución:

• kh , BetaPERT con parámetros mínimo de 100 mD, más probable de 230 mD y

máximo de 300 mD.

• kv , BetaPERT con parámetros mínimo de 100 mD, más probable de 100 mD y

máximo de 300 mD

• CAA, BetaPERT con parámetros mínimo de 0 m, más probable de 100 m y má-

ximo de 203 m.

• Fbc , Triangular con parámetros mínimo de 0, más probable de 0.1 y máximo de

0.217.

Además de considerar los datos capturados en las tablas 5.1 y 5.2.

51
 Tabla 5.1: Propiedades de los fluidos del caso A

Propiedades del fluido

Densidad del agua, ρw , gr/cm3
1.04

Densidad del aceite, ρo , gr/cm3 0.72

Viscosidad del aceite, µo , (cp) 0.5045
Factor de volumen de aceite, Bo 1.35

Tabla 5.2: Características geométricas del caso A

Características geométricas
Radio de drene, re , (m) 333
Radio del pozo, rw , (m) 0.088
Espesor impregnado de aceite, h, (m) 203

En una hoja de Excel, se determinó el gasto crítico de producción a partir de la

ecuación planteada con el modelo de Pérez & Rodríguez debido a que la estructura
geológica del yacimiento descrito es de tipo fracturada, además de la evaluación con el
modelo de Tabatabaei.
En el modelo de Pérez & Rodríguez se realizó una consideración con respecto a la
permeabilidad de la fractura, quedando de la siguiente manera:

p
k f = ke f f = kh kv (5.1)

El término descrito anteriormente se sustituyo en la ecuación original del modelo:

 2 √

hwc kh kv ∆ρ
q=   (5.2)
(2.963 + Fbc ) µo Bo ln rrwe

Resaltando que en un medio fracturado la kh sera mucho mayor con respecto a la

kv .
La aplicación de los modelos genera un resultado determinístico y una vez obte-
nido dicho resultado se definen las funciones de distribución seleccionadas para cada
variable con ayuda del software Crystal Ball para generar una serie de iteraciones con
la simulación Montecarlo y de esta manera obtener resultados probabilísticos.

52
 Los resultados obtenidos después de generar la simulación se reportan en la tabla
5.4 con datos de media, mediana, percentil 10, percentil 50 y percentil 90 en ambos
modelos.

Tabla 5.3: Resultados determinísticos del gasto crítico de producción del caso A

Modelo Determinístico (bpd)

Pérez & Rodríguez 9,849.74
Tabatabaei 8,796.86

Tabla 5.4: Resultados probabilísticos de gasto crítico de producción del caso A

Probabilístico (bpd)
Modelo Media Mediana P10 P50 P90
Pérez & Rodríguez 12,167.85 10,644.05 2,511.04 10,636.55 23,865.56
Tabatabaei 7,189.74 7,358.52 4,842.03 7,352.21 9,407.93

Es importante mencionar que el gasto determinístico se calculo con los valores más
probables asignados en cada distribución kh = 230 mD, kv = 100 mD, CAA = 100 m y
Fbc = 0.1.
El término Fbc , según, (Pérez et al., 2012) es el factor de cementación del pozo, don-
de 0 indica que el pozo esta bien cementado mientras que el 0.217 es una equivocada
cementación.
De acuerdo a los resultados mostrados en las tablas 5.3 y 5.4, los valores de la
mediana y el P50 se aproximan al valor determinístico.
En las figuras 5.1.1, 5.1.2, 5.1.3 y 5.1.4 se muestra la función de distribución asigna-
da en cada una de las variables seleccionadas para este modelo, en las cuales se puede
observar con lineas azules las iteraciones generadas durante la ejecución de la simu-
lación, que para fines prácticos de esta investigación se trabajo con 1000 iteraciones.
Mencionando que la cantidad de iteraciones seleccionada genera una mayor o menor
población de datos dentro de la función de distribución representada con color verde.
Es importante mencionar que las funciones de distribución seleccionadas para las
variables que se tienen (BetaPERT y Triangular), es una caracterización probabilística

53
basada en la poca evidencia de la muestra y en la experiencia del experto.

Figura 5.1.1: Permeabilidad horizontal, caso A

Figura 5.1.2: Permeabilidad vertical, caso A

Figura 5.1.3: Contacto Agua-Aceite, caso A

54
 Figura 5.1.4: Factor de cementación, caso A

El análisis de resultados generado por el software es un gráfico de pronóstico que

muestra un rango de valores tanto posibles como probables para el pronóstico determi-
nado.
Los gráficos de previsión mostrados en las figuras 5.1.5 y 5.1.6 son distribuciones
de frecuencia, las cuales muestran el número o la frecuencia de valores que se producen
en un determinado intervalo.
En el gráfico de previsión también se muestra el rango de certeza. De forma prede-
terminada, el rango de certeza incluye todos los valores desde infinito negativo hasta
infinito positivo, por lo que la certeza es del 100 % ya que se están incluyendo todos los
valores posibles, si se define un valor mínimo y un máximo, el nivel de certeza comen-
zara a disminuir porque los valores posibles estarán dentro de un rango más pequeño.
Esto se puede observar en la figura 5.1.7, donde el color rosa indica los datos que se es-
tán despreciando para esta evaluación, mientras que los de color azul son los que están
indicando el nuevo valor del nivel de certeza.

55
Figura 5.1.5: Gráfico de pronóstico del caso A con el Modelo de Pérez & Rodríguez

Figura 5.1.6: Gráfico de pronóstico del caso A con el Modelo de Tabatabaei

Figura 5.1.7: Gráfico de pronóstico del caso A

Un vez determinado el gasto crítico de producción, se realiza una evaluación de los

gastos con el avance del CAA para poder determinar la fracción de penetración parcial
con la relación (hp/h) y gráficar esta versus los diferentes gastos obtenidos, como se

56
muestra en la figura 5.1.8, en la cual se observa que en el modelo de Tabatabaei el
gasto más alto de producción se tendrá con una penetración parcial del 50 % como se
menciona en la teoría, mientras que en el modelo de Pérez & Rodríguez el gasto más
alto se tendrá cuando se tiene en producción todo el espesor impregnado de aceite.
Al realizar una comparación entre ambos modelos el modelo de Pérez & Rodríguez
tendrá una producción muy similar a la de Tabatabaei, cuando se tiene una penetración
parcial de un 45 % aproximadamente.

Figura 5.1.8: Factor de penetración parcial, caso A

Análisis de tornado

Herramienta que mide la sensibilidad de las variables que se definieron en Crystal

Ball, con la que se puede ver el impacto de cada variable.
Esta herramienta comprueba cada variable de forma independiente. Al analizar una
variable, la herramienta congela el resto de variables en sus valores base. Esto mide el
efecto de cada variable en la celda de previsión al eliminar los efectos de las demás
variables. Este método también se conoce como "perturbación una en una" o "análisis
paramétrico".
Con el análisis de sensibilidad se puede determinar que variables son las que están
influyendo mas en las previsiones, con lo que sera mas fácil realizar ajustes para obtener
resultados más certeros, mientras que al tener variables con menor influencia en las

57
previsiones, será posibles descartarlas.
Los resultados se muestran en gráficos de tornado y araña.

Tornado

En el gráfico mostrado en la figura 5.1.9, se tiene el análisis de sensibilidad generado

después de definir las variables que se considera que tienen mayor influencia en el
modelo. En el eje x se tiene el rango de gastos críticos que se obtienen a partir de
la simulación, mientras que en el eje y están las variables a evaluar. La linea vertical
representa el valor del caso base o un valor esperado, el ancho de cada barra muestra
cuanto impacto puede tener ese factor.
La permeabilidad horizontal tiene valor mínimo de 168.79 y máximo de 267.66 e
indica que la mayor cantidad de datos esta cercano al valor mínimo, por lo que los gas-
tos críticos resultantes se encuentran entre 6200 y 8100 bpd. En el caso de la población
de datos más cercana al valor máximo, los gastos oscilan entre 8100 y 10000 bpd. Esta
variable es la que genera mayor impacto.
El contacto agua-aceite, se considera una variable no monótona, debido a que los
valores máximos o mínimos del rango de previsión no tienen lugar en los puntos finales
extremos del rango de prueba de la variable (cuando la relación de una variable con
la previsión no esta estrictamente aumentando o disminuyendo). Al igual que el caso
anterior, la mayor población de datos se encuentra cerca de valor mínimo.
Concluyendo, se puede inferir que sera más probable que el gasto de producción se
encuentre por debajo del valor determinístico, por lo que oscilará entre los 6000 y los
8000 bpd.

58
 Figura 5.1.9: Gráfico de Tornado

En el caso de la permeabilidad vertical y el factor de cementación son variables

que no están afectando en los resultados, por lo que es conveniente que se dejen como
valores fijos.
Es importante mencionar que los valores mínimos y máximos que se muestran en
el gráfico no son los que se definieron al comienzo de la descripción del caso, ya que el
software delimita aun más estos rangos para generar valores más certeros.

Araña

Con este gráfico observamos la sensibilidad de la variable con curvas de inclinación.

Las curvas con pendientes pronunciadas, positivas o negativas, indican que esas varia-
bles tienen un gran efecto en la previsión, mientras que las curvas que son casi horizon-
tales tienen poco o ningún efecto en la previsión.
En el eje de las x se tienen los percentiles del 10 % al 90 %, en el eje y se muestra
el gasto crítico.
El punto del centro del gráfico esta justamente en el percentil 50 que es el valor
más cercano al valor determinístico y a partir de ahí se tienen las curvas de inclinación
con cada variable evaluada. Como se observa en el gráfico 5.1.10, la permeabilidad
horizontal es la variable que tiene mayor sensibilidad por la pendiente que muestra.

59
Los datos que se encuentran entre los percentiles 10 y 50 resultan con un gasto entre
los 6000 y 8500 bpd mientras que los valores entre el percentil 50 y 90 oscilan entre
8500 y 10500 bpd.
El contacto agua aceite, como se mencionó en el análisis del gráfico de tornado,
esta variable no es monótona. Interpretando el comportamiento mostrado en el gráfico
se tiene la misma cantidad de datos cercanos al valor mínimo como al máximo, pero
en ambos, la variación del gasto crítico oscila entre 6000 y 8500 bpd y como tam-
bién presenta una pendiente pronunciada es otra variable que esta generando un alto
impacto.

Figura 5.1.10: Gráfico de Araña

5.2. Caso B

El caso B es un campo de aceite pesado, naturalmente fracturado que se encuentra

produciendo en la edad geológica del Cretácico Superior, Medio e Inferior, ubicado
costa afuera. El mecanismo de empuje principal y secundario de este campo es por
expansión roca-fluido.
En este modelo se seleccionan las siguientes variables kh , kv , ρo , Fbc y CAA a las
cuales se les asigno una función de distribución con los siguientes parámetros:

• kh , BetaPERT con parámetros, mínimo de 100 mD, más probable de 1000 mD y

60
 máximo de 1500 mD.

• kv , BetaPERT con parámetros, mínimo de 100 mD, más probable de 650 mD y

máximo de 1500 mD.

• ρo , BetaPERT con parámetros, mínimo de 0.89 gr/cm3 , más probable de 0.91 gr/cm3
y máximo de 0.97 gr/cm3 .

• Fbc , Triangular con parámetros, mínimo de 0, más probable de 0.1 y máximo de

0.217.

• CAA, BetaPERT con parámetros, mínimo de 0, más probable de 500 m y máximo

de 941 m.

Además de agregar los datos mostrados en las siguientes tablas.

Tabla 5.5: Propiedades de los fluidos del caso B

Propiedades del fluido

Densidad del agua, ρw , gr/cm3


1
Viscosidad del aceite, µo , (cp) 30
Factor de volumen de aceite, Bo 1.177

Tabla 5.6: Características geométricas del caso B

Características geométricas
Radio de drene, re , (m) 304.87
Radio del pozo, rw , (m) 0.139
Espesor impregnado de aceite, h, (m) 941

Al igual que el caso A, se determinó el gasto crítico determinístico con los modelos
de Pérez & Rodríguez y Tabatabaei, tomando en cuenta la misma consideración en el
modelo de Pérez & Rodríguez de la k f para que los resultados entre ambos modelos
tengan una similitud.
Los resultados obtenidos se pueden ver en la tabla 5.7 en la cual se tiene una varia-
ción de 1500 bpd entre ambos modelos.

61
 Tabla 5.7: Resultados determinísticos del gasto crítico de producción del caso B

Modelo Determinístico (bpd)

Pérez & Rodríguez 5,530.93
Tabatabaei 4,088.53

Tabla 5.8: Resultados probabilísticos del gasto crítico de producción del caso B

Probabilístico (bpd)
Modelo Media Mediana P10 P50 P90
Pérez & Rodríguez 5,930.28 4,734.09 965.89 4,730.65 12,351.51
Tabatabaei 3,021.23 2,955.09 1,484.95 2,947.32 4,703.79

De acuerdo a los resultados presentados en la tabla 5.7, el gasto de producción es

mucho menor en comparación al caso A porque la viscosidad del fluido en el campo
del caso B es mucho mayor, por lo tanto, es más complicado el flujo de fluidos a través
del medio y por consecuencia la producción de aceite disminuye considerablemente.
En las figuras 5.2.1, 5.2.2, 5.2.3, 5.2.4 y 5.2.5 se ilustra el comportamiento de la
función de distribución de cada una de las variables seleccionadas para este caso. En
cada una de ellas se nota el sesgo que se tiene de acuerdo al valor más probable. Como
muestra la figura de la permeabilidad horizontal en donde se tiene un sesgo hacia la
derecha, porque el valor más probable es muy cercano a valor máximo. En el caso de
la densidad del aceite, el sesgo es hacia la izquierda, ya que el valor más probable se
aproxima al valor mínimo seleccionado en esta función.

Figura 5.2.1: Permeabilidad horizontal, caso B

62
Figura 5.2.2: Permeabilidad vertical, caso B

Figura 5.2.3: Densidad del aceite, caso B

Figura 5.2.4: Factor de cementación, caso B

63
 Figura 5.2.5: Contacto Agua-Aceite, caso B

Figura 5.2.6: Gráfico de pronóstico del caso B con el Modelo de Pérez & Rodríguez

Figura 5.2.7: Gráfico de pronóstico del caso B con el Modelo de Tabatabaei

En la figura 5.2.8, se observa que el gasto crítico más alto se obtuvo a partir del
modelo de Tabatabaei es de 4000 bpd, el cual se presenta cuando se tiene un factor de
penetración parcial del 50 %.

64
 En el modelo de Pérez & Rodríguez se tiene una producción de 4500 bpd aproxi-
madamente a un 50 % de penetración parcial, finalmente ambos modelos indican resul-
tados muy similares entre si.

Figura 5.2.8: Factor de penetración parcial, caso B

Análisis de tornado

Tornado

Los resultados del análisis de sensibilidad mostrado en la figura 5.2.9, indican que
la permeabilidad horizontal es el factor que esta presentando más impacto, como se
observa, la mayor población de datos se encuentra cerca del valor mínimo, entendiendo
de esta manera que el gasto crítico oscila entre 2000 y 3700 bpd aproximadamente.
La influencia que tiene la kh en los yacimientos naturalmente fracturados es mayor
en comparación con la kv , por lo que se nota que la permeabilidad horizontal es más
importante, en este caso de evaluación.
Seguido de la densidad del aceite, que indica que los datos se concentran cerca del
valor máximo.
Finalmente, el CAA muestra un comportamiento no monótono al igual que el caso
A.

65
 Figura 5.2.9: Gráfico de Tornado

Araña

Los resultados de las iteraciones indican que para la variable CAA, los datos desde el
P10 hasta el P90 estarán por debajo del caso base, teniendo una mayor variación de
gastos en los datos de los extremos.

Figura 5.2.10: Gráfico de Araña

Finalmente, para este caso se determina que kv y Fbc , no tienen impacto en la deter-
minación del gasto crítico, por lo tanto, se pueden indicar como valores fijos.

66
5.3. Caso C

El caso de estudio C es un campo que produce aceite ligero en sedimentos silici-

clásticos de la edad Mioceno, ubicado costa adentro. El mecanismo de empuje en este
campo es de tipo hidráulico.
Para la aplicación de estos modelos se definieron las variables kh y kv y el CAA
como las que tienen mayor sensibilidad, por lo que se les asigno a cada una de ellas una
función de distribución descrita en la parte inferior.

• kh y kv , BetaPERT con parámetros, mínimo 200 mD, más probable de 250 mD y

máximo de 500 mD.

• CAA, BetaPERT con parámetros, mínimo de 0, más probable de 100 m y máximo

de 230 m.

Los datos de las tablas 5.9 y 5.10 son los necesarios para determinar el gasto crítico con
los diferentes modelos.

Tabla 5.9: Propiedades de los fluido del caso C

Propiedades del fluido

Densidad del agua, ρw , gr/cm3



1
Densidad del aceite, ρo , gr/cm 3 0.66
Viscosidad del aceite, µo , (cp) 0.5
Factor de volumen de aceite, Bo 1.46

Tabla 5.10: Características geométricas del caso C

Características geométricas
Radio de drene, re , (m) 1050
Radio del pozo, rw , (m) 0.583
Espesor impregnado de aceite, h, (m) 230

A diferencia de los otros casos, el caso C es un yacimiento siliciclástico por lo que

se tiene mayor cantidad de modelos, que de acuerdo a sus consideraciones se pueden
aplicar a yacimientos con estas características.

67
 En la tabla 5.11, se reportan los resultados determinísticos de los diferentes modelos
evaluados, en los cuales se observa que se tiene una variación de aproximadamente
1000 bpd sin considerar el modelo de Guo & Lee, dado que este modelo reporta gastos
elevados que salen del rango en el que están los otros modelos.

Tabla 5.11: Resultados determinísticos del gasto crítico de producción del caso C

Modelo Determinístico (bpd)

Muskat 715.95
Meyer & Garder 686.51
Chaney 1,852.26
Schols 1,343.12
Chaperon 664.77
Abass & Bass 1,478.61
Hoyland 1,207.46
Guo & Lee 6,385.08
Tabatabaei 1,069.09

En la tabla 5.12, se concentraron los resultados probabilísticos de cada uno de los

modelos analizados, considerando el de Tabatabaei como el más representativo debido
al sustento matemático que tiene para esta investigación.

Tabla 5.12: Resultados probabilísticos del gasto crítico de producción del caso C

Probabilístico (bpd)
Modelo Media Mediana P10 P50 P90
Muskat 1,031.03 896.05 239.40 896.00 2,023.63
Meyer & Garder 960.66 957.09 492.57 956.93 1,403.91
Chaney 2,406.65 2,436.4 1,395.67 2,436.18 3,306.42
Schols 1,748.59 1,771.24 1,090.77 1,771.03 2,337.06
Chaperon 953.78 816.09 229.91 815.88 1,840.89
Abass & Bass 1,795.19 1,794.75 1,143.31 1,794.48 2,415.19
Hoyland 1,554.53 1,556.83 838.68 1,556.78 2,295.17
Guo & Lee 7,400.37 7,585.42 3,285.41 7,584.22 10,999.11
Tabatabaei 1,300.81 1,292.37 844.28 1,291.59 1,745.00

En las siguientes figuras se observa el comportamiento de cada una de las funciones

de distribución así como la población de las iteraciones que se obtienen al final de la
simulación Montecarlo.

68
 El valor más probable en cada una de las funciones de distribución presentadas
en los tres casos se selecciono de manera aleatoria, solamente considerando que este
estuviera dentro del rango.

Figura 5.3.1: Permeabilidad kh y kv , caso C

Figura 5.3.2: Contacto Agua-Aceite, caso C

Finalmente el gráfico de pronóstico generado después de la simulación Montecarlo

se observa en la figura 5.3.3, representado con el modelo de Tabatabaei.

69
 Figura 5.3.3: Gráfico de pronóstico del caso C con el Modelo de Tabatabaei

Realizando una comparación entre los modelos de Guo & Lee, Abass & Bass y
Tabatabaei, se observa que los tres tienen un comportamiento diferente, sin embargo el
gasto crítico de conificación es cero cuando el factor de penetración parcial del pozo es
cero y uno en los tres modelos (5.3.4).
Es importante mencionar que la variación de los gastos dentro del rango de la frac-
ción de penetración parcial es muy alta, debido que el modelo de Abass & Bass solo
considera un flujo radial mientras que Guo & Lee y Tabatabaei consideran flujo radial
dentro del intervalo perforado y un flujo semiesférico debajo del pozo, por lo que este
modelo representa la suma de los gastos en ambas regiones del yacimiento, tomando
en cuenta esta suma de gastos se comprende la gran variación existente entre ambos
resultados.

Figura 5.3.4: Gráfico comparativo de la fracción de penetración parcial

70
 La figura 5.3.5, representa el comportamiento de los modelos de Chaney, Meyer &
Garder, Schols y Hoyland, en los cuales se observa que el gasto crítico aumenta cuando
el factor de penetración disminuye.

Figura 5.3.5: Gasto crítico vs fracción de penetración parcial de diversos modelos

Análisis de tornado

Tornado

Para este caso, la permeabilidad horizontal tiene mayor cantidad de datos cercanos al
valor máximo, por lo que es más probable que el gasto crítico este dentro del rango de
1500 y 2000 bpd. Comparando el caso base presentado en la tabla 5.11 con el de la
gráfica 5.3.6, se tiene una variación muy importante.
El comportamiento no monótono presente en los tres casos evaluados, se debe al
modelo que sustenta esta investigación. Se realizaron diversos análisis con los modelos
mencionados en el capitulo 3 a excepción de Abass & Bass, Guo & Lee y Tabatabaei
en los cuales la variable del CAA es monótona en todos los casos.

71
 Figura 5.3.6: Gráfico de Tornado

Araña

En el gráfico 5.3.7, la curva amarilla de CAA tiene un rango entre el P50 y el P70
que se aproximan al caso base, mientras que los otros valores generan mayor variación,
pero no sobrepasan los 1500 bpd que es el caso base para este caso.

Figura 5.3.7: Gráfico de Araña

De acuerdo a los datos seleccionados con los que se realizó la simulación Monte-
carlo, kv y kh tienen los mismos valores tanto máximos, más probables y mínimos, pero
al revisar el comportamiento en los gráficos 5.3.6 y 5.3.7, estas tienen un impacto muy
distinto entre si, ya que finalmente la kv es una variable que se puede volver fija debido
a que no genera ningún impacto en la evaluación mientras que la kh es la variable que
tiene mayor impacto.

72
Capítulo 6

Conclusiones y recomendaciones

Las conclusiones principales a las que se llego al final de este trabajo se resumen a
continuación:

• La validación de cada uno de los modelos aplicados en el desarrollo de esta inves-

tigación se realizo con la reproducción de los resultados mostrados en el artículo
de Anietie Ndarake Okon & Dulu Appah “A critical evaluation of water coning
correlations in vertical wells”, a partir de los datos proporcionados en el mismo,
con los cuales se obtienen gráficos de gasto crítico vs la fracción de penetración
parcial.

• En base a la suposición de campo de flujo de RSC 3D (Combinación de lineas

uniformes de flujo radial en la parte superior y un flujo semiesférico en la parte
inferior del yacimiento), combinación de lineas uniformes de flujo radial en la
parte superior y un flujo semiesférico en la parte inferior del yacimiento. Se ha
desarrollado un modelo analítico que predice el gasto crítico para la condición de
flujo de estado estacionario en un yacimiento anisotrópico con un bajo gradiente
de presión. El modelo presentado por Tabatabaei explica la penetración limita-
da del pozo en productividad e indica que el gasto crítico en un pozo vertical
parcialmente terminado depende de la kh y la kv y es inversamente proporcional
a la viscosidad del aceite. El gasto crítico también puede ser afectado por otras

73
 propiedades del yacimiento y del pozo como el área de drene, radio del pozo,
longitud de la terminación, espesor de la zona de interés y la diferencia entre el
gradiente de presión agua y aceite.

• El modelo matemático indica que el intervalo de terminación optimo depende del

radio del pozo, radio de drene, espesor de la zona de interés y la anisotropía del
yacimiento.

• En la literatura actualmente disponible se tiene una mínima cantidad de modelos

disponibles para determinar los gastos críticos en YNF, por lo que se propone
la necesidad de utilizar simulación numérica para la generación de estos mismos
donde se incorporen aspectos particulares del campo en estudio, como lo es la an-
isotropía del medio, posición de los contactos y ubicación del intervalo disparado
dentro del espesor de la formación.

• Las funciones de distribución seleccionadas en cada variable se basan en la opi-

nión del experto. A consecuencia de la falta de información de estas variables
no se tiene una población que represente la distribución de estas por lo que se
tomaron las funciones BetaPERT y Triangular.

• Los principales modelos existentes para la determinación de gastos críticos están

realizados exclusivamente para medios siliciclásticos, por lo que para la evalua-
ción de los casos A y B que son de naturaleza naturalmente fracturada se aplicó
el modelo de Tabatabaei y el de Pérez & Rodríguez para hacer una comparación
entre ambos y tener una aproximación en los resultados obtenidos.

• Como se puede observar cada modelo presenta resultados muy distintos debido
a las consideraciones que cada autor definió para su desarrollo, además de las
variaciones que presentan las características geométricas, de la roca y los fluidos
presentes en el yacimiento que se esta evaluando. Por lo que se definirá el modelo
que mejor aplica al campo en estudio. Este será el que cumpla con la mayoría de
las consideraciones definidas por el autor del modelo.

74
• De acuerdo al análisis sensitivo evaluado en el capitulo 2 y a los gráficos de
tornado y araña presentados en los 3 casos analizados, se concluye que para el
modelo de Tabatabaei, la permeabilidad horizontal es el factor que tiene el mayor
impacto.

• En los resultados obtenidos del campo C, se observa que el gasto crítico tiene
una variación de 500 a 1900 bpd en todos los modelos, lo que indica un buen
resultado ya que se logro tener una similitud entre los 9 modelos analizados, lo
que no se ha obtenido con los otros campos que se están evaluando. Porque este
campo es de tipo siliciclástico y como se menciono anteriormente la mayoría de
los modelos aplican para este tipo de yacimientos.

• Para hacer el análisis del gasto crítico es necesario tomar en cuenta la profundidad
y la longitud del intervalo disparado ya que esta sección también es un factor
importante para esta evaluación.

• Al manejar una simulación Montecarlo fue de gran ayuda dado que se puede
identificar la variable con mayor sensibilidad de forma más sencilla.

• El producir un pozo sin sobrepasar el gasto crítico es una técnica que no resulta
ser tan factible para la producción de pozos en México, ya que de acuerdo a los
resultados arrojados en los modelos, la producción no resulta ser rentable. Es por
eso que se aplican otras técnicas para poder evitar la conificación de agua a corto
plazo o para reducir la producción de agua.

• Para evitar la conificación a corto plazo, es necesario tomar en cuenta la profun-

didad del intervalo disparado, ya que este ayudará en gran medida a controlar la
producción de agua.

75
Nomenclatura

Bo Factor de formación del aceite, (adim)

Fbc Factor de cementación del pozo, (adim)
h Espesor impregnado de aceite, (m)
hap Longitud arriba del intervalo disparado, (m)
hbp Longitud abajo del intervalo disparado, (m)
hca Altura del cono de agua, (m)
h p Longitud del intervalo disparado, (m)
Pe Presión en el radio de drene, (psi)
Pw Presión en el radio del pozo, (psi)
re Radio de drene, (m)
rw Radio del pozo, (m)
rr Distancia radial del pozo en régimen de flujo radial, (m)
rs Distancia radial del fondo del pozo en régimen de flujo esférico, (m)
z Distancia vertical de la cima del pozo, (m)

Símbolos Griegos

θ Azimut del angulo de las lineas de corriente, (radianes)

γ Gradiente de presión, (psi/ft)
ke f f Permeabilidad efectiva, (mD)
k f Permeabilidad de la fractura, (mD)
kh Permeabilidad horizontal, (mD)
kv Permeabilidad vertical, (mD)
ko Permeabilidad absoluta, (adim)
ρw Densidad del agua, gr/cm3

ρo Densidad del aceite, gr/cm3

µw Viscosidad del agua,(cp)

76
µo Viscosidad del aceite,(cp)
vr Velocidad de flujo radial en régimen de flujo radial,(ft/sec)
vs Velocidad de flujo radial en régimen de flujo esférico,(ft/sec)
ψ Ángulo entre la dirección vertical y las líneas de corriente, (radianes)
ψ0 Máximo valor de ψ que cubre el cono crítico de agua debajo,(radianes)
Φ Potencial de función, (mD/psi/cp)
Φ (rr ) Potencial a la distancia rr en régimen de flujo radial, (mD/psi/cp)
Φ (rs ) Potencial a la distancia rs en régimen de flujo esférico, (mD/psi/cp)
Φ (rz ) Potencial a la distancia rz en régimen de flujo esférico, (mD/psi/cp)
Φe Potencial fuera de los límites del yacimiento, (mD/psi/cp)
Φw Potencial en el fondo de pozo, (mD/psi/cp)

77
Bibliografía

Abass, H.H. y Bass, D.M. (1988). The critical production rate in water-coning system.
In Permian Basin Oil and Gas Recovery Conference. Society of Petroleum Engineers.

Abdel. R.A. (2016). Evaluation of water coning phenomenon in naturally fractured oil
reservoirs. J Petrol Explor Prod Technol, 6(2), 276-291.

Aguilera, R. (1995). Naturally fractured reservoirs. Tulsa, Oklahoma: PennWell Books.

Ahmed, T., (2006), Gas and water coning, Reservoir Engineering. (pp. 583-648). USA:
Elsevier.

Al-Alfaleg, N.I. y Ershaghi, I. (1993). Coning phenomena in naturally fractured reser-

voirs. In SPE Western Regional Meeting. Society of Petroleum Engineers.

Armenta, M. (2003). Mechanisms and control of wáter inflow to Wells in gas reservoirs
with bottom-water drive (tesis de doctorado), Lousiana State University.

Ascencio, F., Antuñano, Y. y Baltazar, J. (2014). Evolución tecnológica en el control y

manejo de agua en campos maduros.

Babajide, K. (2008). Empirical modeling and simulations of edgewater cusping and

coning (tesis de doctorado), Texas A&M University.

Bahadori, A. y Nouri, A. (2012). Prediction of critical oil rate for bottom water co-
ning in anisotropic and homogeneous formations. Journal of petroleum science and
engineering, 82-83,125-129. doi:10.1016/j.petrol.2012.01.016

78
Bournazel, C. y Jeanson, B. (1971). Fast water-coning evaluation method. In Fall Mee-
ting of the Society of Petroleum Engineers of AIME. Society of Petroleum Engi-
neers.

Chaney, P.E., Noble, M.D., Henson, W.L y Rice, T.D. (1956). How to perforate your
well to prevent water and gas coning.Oil and Gas Journal, 108-114.

Chaperon, I. (1986). Theoretical study of coning toward horizontal and vertical Wells
in anisotropic formations: Subcritical and critical rates. In SPE annual technical
conference and exhibition. Society of Petroleum Engineers. doi: 10.2118/15377-MS.

Gallardo, H.E. (2012). Modelo de flujo por imbibición en yacimientos fracturados (tesis
de pregrado), UNAM, CDMX.

González, J.R. (2015). Introducción del Factor Humano al Análisis de Riesgo (tesis de
doctorado), Universidad Politécnica de Catalunya, Barcelona España.

Guo, B. y Lee, R.L-H. (1993). A simple approach to optimization of completion interval

in oil-water coning systems. Society of Petroleum Engineers, 8(4), 249-255.

Gutiérrez, M. y Rangel, C., (2016). Análisis generalizado de a conificación de agua en

pozos productores de yacimientos de aceite (tesis de pregrado, UNAM,CDMX.

Hernández, A. (2010). Identificación del origen y control del agua producida (tesis de
pregrado), UNAM, CDMX.

Hoyland, L.A., Papatzacos, P. y Skjaeveland, S.M. (1989). Critical rate for water co-
ning: correlation and analytical solution. Society of Petroleum Engineers. 4(4), 495-
502.

Jiménez, B. y Juver, J. (2002). Criterios y técnicas de evauación económica de pro-

puestas de inversión en exploración y explotación de petróleo y gas natural (tesis de
pregrado), Universidad Central de Venezuela, Caracas, Venezuela.

79
Khalili, A. (2005). A review of critical coning rate correlations and identifying the most
reliable equation (tesis de maestria), University of New south Wales.

Makinde, F.A., Adefidipe, O.A. y Craig, A.J. (2011). Water coning in horizontal wells:
prediction of post-breakthrough performance. International Journal of Engineering
and Technology, 11(1), 173-185.

Meyer, H.I. y Garder, A.O. (1954). Mechanics of two inmiscible fluids in porous media.
Journal of Aplay Physics, 25(11). doi: 10.1063/1.1721576.

Muskat, M. (1949). Physical principles of oil production. New York, Toronto, London:
McGraw-Hill Book Company.

Muskat, M. y Wyckoff, R. D. (1934). An aproximate theory of water-coning in oil

producction. Transactions of the AIME, 114(01), 144-163.

Namani, M., Asadollahi, M. y Haghighi,M. (2007). Investigation of water-coning phe-

nomenon in Irian carbonate fractured reservoirs. In International Oil Conference and
Exhibition in Mexico. Society of Petroleum Engineers. doi: 10.2118/108254-MS.

Okon, A. N., Olagunju, D.T., y Akpabio, J.U. (2017). Water coning control: A com-
parison of downhole water sink and downhole water loop technologies. Journal of
Scientific and Engineering Research, 4(12), 137-148.

Okon, A.N. (2012). Water coning in fractured reservoirs: a simulations study. (tesis de
maestria), Norwegian University of Science and Technology.

Okon, A.N., Appah, D. y Akpabio, J.U. (2017). Water coning prediction review and
control: Developing an integrated approach. Journal of Scientific Research and Re-
ports,14(4), 1-24. doi: 0.9734/JSRR/2017/33291.

Okon, A.N., Appah, D., y Akpabio, J.U. (2018). A critical evaluation of water coning
correlations in vertical wells. American Journal of Science, Engineering and Tech-
nology, 3(1), 1-9. doi: 10.11648/j.ajset.20180301.11

80
Okwananke, A. y Isehunwa, S.O. (2008). Analysis of water cresting in horizontal wells.
Society of Petroleum Engineers Paper, 119733.

Oul-amer, Y., Chikh, S. y Naji, H. (2004). Attenuation of water coning using dual com-
pletion technology. Journal of Petroleum Science and Engineering, 45(1-2), 109-122.

Ozkan, E. y Raghavan, R. (1990). A breakthrough time correlation for coning toward

horizontal wells. In European Petroleum Conference. Society of Petroleum Engi-
neers.

Pérez, E. (2011). Estudio de codificación de agua en yacimientos naturalmente fractu-

rados (tesis de pregrado), UNAM, CDMX.

Pérez, E., De la Garza, F. y Samaniego, F. (2012). Water coning in naturally fractu-

red carbonate heavy oil reservoir-A simulation study. In SPE Latin America and
Caribbean Petroleum Engineering Conference. Society of Petroleum Engineers. doi:
10.2118/152545-MS.

Ruiz, S. (2011). Flujo anormal de fluidos (agua y gas) en pozos productores localizados
en la vecindad de una falla conductiva (tesis de maestría), UNAM, CDMX.

Saad, E. (1995). Water coning in fractured basement reservoirs. In Middle East Oil
Show. Society of Petroleum Engineers.

Salavatov, T. y Ghareeb, A. (2009). Predicting the behavior of water and gas coning in
horizontal wells. Oil and Gas Business, (2), 6-6.

Schols, R.S. (1972). An empirical formula for the critical oil production rate. Erdoel
Erdgas, 88(1), 6-11.

Tabatabaei, M., Ghamblor, A. y Guo, B. (2012). An analytical solution for water coning
in vertical wells. SPE Production and Operations, 27(02), 195-204.

81