Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRESENTA
ADRIANA ROMINA HERNÁNDEZ MORALES
ASESOR INTERNO
M. EN I. JOSÉ LUIS PÉREZ HERNÁNDEZ
ASESOR EXTERNO
DR. FERNANDO ASCENCIO CENDEJAS
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.
¡HUELUM!
IV
Resumen
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
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
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
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
XIII
Introducción
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
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:
1
Flujo detrás de la tubería
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.
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.
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 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).
3
Física de la conificación
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
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.
7
tra cerca de los disparos, en una formación cuya permeabilidad vertical es relativamente
elevada.
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
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
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:
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)
q k dP
= (2.3)
2πrh µ dr
dr 2πkh
q = dP (2.4)
r µ
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.
12
• El medio donde se desarrolla la conificación es homogéneo
∆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).
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
2.3. Chaney
−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
" #
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
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:
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
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
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
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
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 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
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
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.
1. El yacimiento es homogéneo
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
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
∂Φ
rr = A → Φ = Alnrr + B (3.4)
∂ rr
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
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
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
2 1 ∂ 2∂Φ
∇ Φ= 2 r =0 (3.18)
rs ∂ rs s ∂ rs
∂Φ A
rs2 = A → Φ = − +B (3.19)
∂ rs rs
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
Φe − Φw 1 1
Φ (rs ) = 1 1
− + Φw (3.23)
rw − re
rw rs
∂Φ Φe − Φw 1
vs = − = − (3.24)
1 rs2
∂r 1
− rw re
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
qs 1 1
Φ (rs ) = − + Φw (3.27)
2π cos ψo rw rs
28
qs 1 1
Φ(rz ) = − + Φw (3.28)
2π cos ψo rw rz
µqs 1 1
p (rs ) = − + pwo (3.29)
2πk cos ψo rw rs
µqs 1 1
p(rs ) = − + p1 + γo L (3.30)
2πk cos ψ0 rw rs
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
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)
30
∆γ = γw − γo (3.40)
y
kv
∆Φ (rz ) = (∆p − ∆γ(h − L − rz )) (3.42)
µ
∆p = p2 + γo h − γo h + γo L − p1 − γo L = p2 − p1 (3.43)
kv
∆Φ (rz ) = (p2 − p1 − ∆γ(h − L − rz )) (3.44)
µ
141.2µqr re
p2 − p1 = ln (3.45)
kh L rw
141.2µqs 1 1
p2 − p1 = − (3.46)
kh cos ψ0 rw re
141.2qs 1 1
∆Φ (rz ) = Φ (rz ) − Φw = − (3.47)
cos ψ0 rw rz
31
1
− r1z 1
− r1e
!
141.2µqs rw rw
− + ∆γ (h − L − rz ) = 0 (3.48)
cos ψ0 kv kh
cos ψ0 ∆γ(h − L − rz )
qs = 1 1 1 1
(3.49)
rw − re rw − z
141.2µ kh − kz
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
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
h−L
cos ψ0 = q (3.53)
4 + (h − L)2
h2c Iani
Donde
s
kh
Iani = (3.54)
kv
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
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
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
L
x= (3.58)
h
#
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
Características geométricas
Radio de drene, re , (m) 152
Radio del pozo, rw , (m) 0.076
Espesor impregnado de aceite, h, (m) 38.1
34
con la cual fluyen los fluidos a través del medio es mayor por lo que se tiene una mayor
producción de 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.
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).
Existen diferentes tipos de variables aleatorias, entra las más comunes están las
siguientes:
38
Variables que solo pueden tomar valores enteros, es decir, un número finito de valores
contables.
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”.
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.
39
Distribuciones de la muestra o histogramas de frecuencia
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.
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.
42
Binomial
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
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.
44
Normal
Log Normal
45
Figura 4.4.5: Función de distribución Log Normal
Beta
46
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.
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.
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
51
Tabla 5.1: Propiedades de los fluidos 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
p
k f = ke f f = kh kv (5.1)
2 √
hwc kh kv ∆ρ
q= (5.2)
(2.963 + Fbc ) µo Bo ln rrwe
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
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.
54
Figura 5.1.4: Factor de cementación, caso A
55
Figura 5.1.5: Gráfico de pronóstico del caso A con el Modelo de Pérez & Rodríguez
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.
Análisis de tornado
57
previsiones, será posibles descartarlas.
Los resultados se muestran en gráficos de tornado y araña.
Tornado
58
Figura 5.1.9: Gráfico de Tornado
Araña
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.
5.2. Caso B
60
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 .
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
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
62
Figura 5.2.2: Permeabilidad vertical, 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
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.
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.
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
Los datos de las tablas 5.9 y 5.10 son los necesarios para determinar el gasto crítico con
los diferentes modelos.
Características geométricas
Radio de drene, re , (m) 1050
Radio del pozo, rw , (m) 0.583
Espesor impregnado de aceite, h, (m) 230
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
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
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.
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.
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.
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.
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:
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.
• 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.
75
Nomenclatura
Símbolos Griegos
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.
Ahmed, T., (2006), Gas and water coning, Reservoir Engineering. (pp. 583-648). USA:
Elsevier.
Armenta, M. (2003). Mechanisms and control of wáter inflow to Wells in gas reservoirs
with bottom-water drive (tesis de doctorado), Lousiana State 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.
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.
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.
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.
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