Análisis Probabilístico de Productividad

Marcelo Madrid Hace 5 años Producción

Cuando no se cuenta con un modelo de simulación numérica para representar el comportamiento de

producción inicial en las propuestas de perforación de pozos, el ingeniero de yacimiento se apoya a
través del análisis nodal® para realizar estudios de productividad. Estos consisten básicamente en la
evaluación del sistema yacimiento-pozo, realizando un ajuste de parámetros de caudales de producción
y condición energética del sistema. Esto es, en pocas palabras, cotejar la condición de influjo o aporte
que puede dar el yacimiento (inflow) y la curva de levantamiento de fluidos (VLP) apropiada para el
sistema. Con los paquetes de programas que se encuentran en el mercado, solamente permiten
establecer un resultado determinístico y, seguramente unas pocas sensibilidades para jugar con el
parámetro de mayor incertidumbre asociado al análisis. Es por ello que, realizar un estimado de
productividad bajo este esquema de evaluación, donde muchos yacimientos pueden presentar
variabilidad areal y vertical de sus parámetros (heterogeneidad geológica, tipos de fluidos y energía)
puede resultar poco precisos.

Para fortalecer este tipo de análisis, el ingeniero debe auxiliarse a través de métodos probabilísticos, ya
que permiten evaluar un amplio rango de datos y obtener varios escenarios (pesimista, más probable y
optimista) al momento de proponer un nuevo pozo. En los siguientes párrafos, se explicará una
metodología sencilla para realizar un análisis probabilístico de productividad.

Es importante tener claro una serie de conceptos de estadística básica y de probabilidades, por lo que
se recomienda descargar el siguiente manual haciendo clic aquí. Para empezar, en los modelos de
análisis probabilísticos de productividad se deben tomar como parámetros probabilísticos aquellos que
presentan mayor incertidumbre, ya que sensibilizar una gran cantidad de parámetros puede ocasionar
que la corrida del software sea mucho más lenta (tomar en cuenta que una corrida de 6 parámetros a
sensibilizar y 10.000 iteraciones puede tardar aproximadamente 3 horas en una computadora con
procesador de doble núcleo). Es importante identificar que cada parámetro o variable esté
caracterizada con la curva de distribución probabilística correcta. A continuación se hace mención
algunas de ellas:
 Tabla No. 1: Tipos de Curvas de Distribución Probabilística.

Tipo de Distribución de Evidencia de Parámetros y/o

Fuente
Probabilidad Frecuencia Muestra Variables
Permeabilidad (K)
Porosidad (PHI)
Saturación (Swi) Datos de
Objetiva Abundante
Presiones Muestra
Espesores
Factor Skin

Presiones
Factores Volumétricos
(Bo, Bg, Ug) Opinión del
Subjetiva Escasa
Cualquier otro dato Experto
que no se tenga
disponible

Nota: Existen varios tipos de curvas de distribución probabilística. Las identificadas en la tabla
anterior son las comúnmente usadas en la industria petrolera.

Es importante resaltar que los software de análisis de probabilidades permiten realizar un test de
bondad de ajuste, cotejando automáticamente la muestra de datos a un rankeo de curvas de
distribución probabilísticas. Luego de esto, los datos se encuentran ajustados a una curva de
distribución específica, luego es leída por el software, la cual realizará combinaciones aleatorias entre
las variables probabilísticas durante la corrida.

Ejemplo de corrida de Análisis Probabilístico de Productividad.

Como caso de estudio, se presentará un ejemplo de un pozo de gas condensado. La principal premisa
del modelo es que el yacimiento presenta una complejidad en la columna de fluidos (variación
composicional con profundidad) y la característica de la formación productora es que es muy
compactada. En un post anterior, se trató la complejidad que tienen este tipo de pozos al momento de
completarlos. Para la construcción de este modelo se utilizaron los siguientes programas:

Prosper v10.4 (Petroleum Experts) como motor de cálculo de productividad.

Crystal Ball 2000 (Decisioneering Inc., ahora Oracle)
Macro en Visual Basic (Microsoft Corp.)
Fuente de los datos:
Permeabilidad (K): proveniente de análisis básicos de roca provenientes de todos los pozos del campo
y pozos de campos vecinos que presentan las mismas características de depositación y profundidad.
Los datos fueron ajustados con una curva de distribución log-normal.
Espesores: determinados a través de los espesores de arena neta petrolífera obtenida a través de
evaluación petrofísica de los pozos vecinos. Se tomó en consideración la degradación de las
propiedades con respecto a la depositación de las capas (sedimentología). Los datos fueron ajustados
con una curva de distribución normal.
Presión de Yacimiento: criterio de experto. Debido a que el pozo se encuentra en una zona de reservas
probables, no se tienen datos precisos de presión en esta zona. El criterio fue ajustado a una curva de
distribución tipo triangular.
Presión de Cabezal: proveniente de todas las presiones de cabezal registradas durante las pruebas de
producción de superficie de los pozos del campo. Los datos fueron ajustados con una curva de
distribución normal.
Factor Skin: con esta variable se puede simular el comportamiento de caída de presión adicional
debido al daño causado durante las operaciones de perforación y completación del pozo. Los datos
fueron ajustados a una curva de distribución probabilística.
Relación Gas-Petróleo: esta es la variable que presenta mayor impacto en el análisis, ya que el
caudal inicial del pozo va a ser directamente proporcional a la relación gas-petróleo del fluido, por lo
que la profundidad a la que vaya a ser completado el pozo es determinante. Los datos utilizados fueron
obtenidos a través de las pruebas de producción de superficie de un pozo tipo. Los datos fueron
ajustados en una curva de distribución normal.

Número de Iteraciones en la corrida: 10.000

Adicional a los datos mencionados anteriormente, se debe elaborar el análisis de productividad

determinístico en el software, por lo que se necesita cargar los datos de PVT del fluido, condición
mecánica del pozo, definir el modelo matemático de curva de afluencia y la curva de levantamiento de
fluidos. Para el ejemplo, se usó la ecuación de Jones Blount y Glaze para la curva de afluencia, que
toma en consideración los fenómenos que afecta el aporte de fluidos en pozos completados en
yacimientos de gas condensado; la curva de levantamiento de fluidos seleccionada fue la PETEX 2,
desarrollada por la compañía Petroleum Experts.

Luego de realizar la corrida, los datos de salida obtenidos son esencialmente también curvas de
distribución probabilísticas, para el caso ejemplo fueron el caudal de producción de líquido y gas. En
la gráfica a continuación se puede observar el resultado obtenido:
 Figura 1. Ajuste probabilístico de la variable de tasa de líquido.

En la gráfica anterior se puede observar la probabilidad obtenida por clases o grupos (un total de 100),
la cual se obtuvo un valor medio de 2.560 BN/D de tasa de líquido. El ajuste de la curva de
distribución fue de tipo logística, y es mucho más precisa a altos caudales de producción de líquido. A
bajas tasas de producción, es apreciable que existe un menor ajuste, y es debido a que
aproximadamente el 17% de los casos corresponden a una condición de no flujo, producto de la no
existencia de corte entre las curvas de afluencia y la curva de levantamiento de fluidos. En el reporte se
puede observar información detallada de la corrida, tal como los percentiles de probabilidad para
evaluar el escenario pesimista, más probable y optimista, y el gráfico tornado para observar la
variables de mayor incertidumbre. Para el ejemplo mostrado, los resultados caudal de producción de
líquido fueron los siguientes:

Caso pesimista (P25) = 1.250 BN/D.

Caso más probable (P50) = 2.560 BN/D.
Caso optimista (P75) = 3.580 BN/D.

En un gráfico de frecuencia acumulada (caudal de producción vs. No. de iteraciones), se puede

observar que el pozo tiene un 83,3% de probabilidad de obtener una producción de líquido mayor a 0.
Este gráfico también permite evaluar la probabilidad de obtener un pozo económicamente rentable. En
el ejemplo, el pozo con un caudal de 1.600 BN/D se considera “altamente rentable”, por lo que las
probabilidades de éxito son de aproximadamente un 70%.
 Figura 2. Curva de Frecuencia Acumulada.

Es importante tener en cuenta que mientras más iteraciones se hagan durante la corrida, más precisos
van a ser los resultados. Lo importante del método es que ya construida la macro que funciona de
conector entre el software de motor de cálculo (Prosper) y el software probabilístico (Crystal Ball
2000), se puede evaluar cualquier variable tanto de entrada como de salida que el ingeniero de
yacimientos requiera.