Estimación del Petróleo Original en Facultad de Ciencias y Tecnología

MATERIA:

Sitio mediante el Método Montecarlo Reservorios I (PGP-230)

PAGINA:
(Software MBAL) 1 de 10

Practica de Laboratorio Nro. 2:

Estimación del Petróleo Original en Sitio
mediante el Método Montecarlo (Software MBAL)

MBAL es una a aplicación para modelado de reservorios pertenece a la suite de aplicaciones de IPM, contiene
varias herramientas con diferentes propósitos, la aplicación puede utilizarse por si sola pero también puede
ser parte de un modelo GAP.

Existen diferentes herramientas en “MBAL” y son las siguientes:

La herramienta que se utilizará en la presente práctica es el método MONTE CARLO (MC).

DOCENTE: PERIODO ACADEMICO: CODIGO:

Ing. Darío Cruz Semestre 01.2023 PGP230_LP1

 Estimación del Petróleo Original en Facultad de Ciencias y Tecnología
MATERIA:

Sitio mediante el Método Montecarlo Reservorios I (PGP-230)

PAGINA:
(Software MBAL) 2 de 10

1. Método Monte Carlo.

Este método fue inventado por Stanislaw Ulam (1940) mientras trabajaba en proyecto de armas nucleares en
el laboratorio de Los Álamos.

El método utiliza la generación aleatoria de números para realizar simulaciones y es una herramienta que
puede combinar distribuciones para modelar un sistema.

La herramienta de MBAL permite realizar estimaciones del volumen de hidrocarburos in-situ

utilizando el método Monte Carlo.
Para los cálculos se hace uso de las ecuaciones volumétricas.
Las variables que forman parte de la ecuación volumétrica son representadas por distribuciones
estadísticas.
Para el método probabilístico, MBAL genera un numero de escenarios (especificado por el usuario)
basándose en las distribuciones de cada variable. En base a estos resultados se genera una
distribución de valores para el hidrocarburo original in-situ.
Existe un enlace (relación) entre las variables Swc y la porosidad de modo que cuando los valores de
Swc estén en la parte superior de su distribución, los valores de porosidad también lo estén.

DOCENTE: PERIODO ACADEMICO: CODIGO:

Ing. Darío Cruz Semestre 01.2023 PGP230_LP1

 Estimación del Petróleo Original en Facultad de Ciencias y Tecnología
MATERIA:

Sitio mediante el Método Montecarlo Reservorios I (PGP-230)

PAGINA:
(Software MBAL) 3 de 10

De esta forma el método de Montecarlo en la evaluación de proyectos permite determinar el valor de costo y
el plazo del proyecto en base a un determinado grado de confianza, y así determinar en qué medida nuestra
planificación es realista, y si se va a conseguir los objetivos del proyecto. Esto significa determinar en qué
porcentaje de las simulaciones realizadas, el plazo y el coste totales son menores a los objetivos del proyecto.

Si este porcentaje es menor al grado de confianza que la compañía define como aceptable, podemos
determinar que la planificación no es factible, por lo que deberemos modificar esta, o tendremos objetivos
por defender delante del sponsor o el comité de dirección del proyecto que una determinada restricción o
petición no es asumible.

2. Marco Metodológico.

La técnica de Monte-Carlo se utiliza para evaluar los hidrocarburos originales en sitio. Cada uno de los
parámetros involucrados en el cálculo de reservas; las propiedades de PVT y el volumen de poro están
representados por distribuciones estadísticas.

Dependiendo de la cantidad de casos (NC) elegidos por el usuario, el programa genera una serie de valores
NC de igual probabilidad para cada uno de los parámetros utilizados en el cálculo de los hidrocarburos
originales en sitio. Los valores de NC de cada parámetro se multiplican de forma cruzada creando una
distribución de valores para los hidrocarburos. Los resultados se presentan en forma de histograma.

La probabilidad de Swc y la porosidad están vinculadas para reflejar la realidad física. Si la porosidad
está cerca de la parte inferior del rango de probabilidad, el valor de Swc será más probable que esté
cerca de la parte inferior del rango. De manera similar, si la porosidad está cerca de la parte superior
del rango, el Swc se ponderará para estar cerca de la parte superior del rango. El mismo método se
utiliza para vincular el GOR y la gravedad del petróleo.

2.1. Distribuciones Estadísticas en MBAL.

MBAL soporta cinco tipos de distribuciones estadísticas para el cálculo del petróleo original en sitio
(OOIP).

DOCENTE: PERIODO ACADEMICO: CODIGO:

Ing. Darío Cruz Semestre 01.2023 PGP230_LP1

 Estimación del Petróleo Original en Facultad de Ciencias y Tecnología
MATERIA:

Sitio mediante el Método Montecarlo Reservorios I (PGP-230)

PAGINA:
(Software MBAL) 4 de 10

1. Fixed Value [valor estático]: El valor de la variable aleatoria [X] se mantiene constante para
cada caso.

2. Uniform Distribution.

3. Triangular Distribution.

4. Normal Distribution.

5. Log Normal Distribution.

En las definiciones a continuación se representa la frecuencia relativa de distribución y P la

probabilidad acumulada de distribución. A continuación, se mostrarán las elecciones para la
selección de las distribuciones de las variables que se realizarán más adelante:

DOCENTE: PERIODO ACADEMICO: CODIGO:

Ing. Darío Cruz Semestre 01.2023 PGP230_LP1

 Estimación del Petróleo Original en Facultad de Ciencias y Tecnología
MATERIA:

Sitio mediante el Método Montecarlo Reservorios I (PGP-230)

PAGINA:
(Software MBAL) 5 de 10

DOCENTE: PERIODO ACADEMICO: CODIGO:

Ing. Darío Cruz Semestre 01.2023 PGP230_LP1

 Estimación del Petróleo Original en Facultad de Ciencias y Tecnología
MATERIA:

Sitio mediante el Método Montecarlo Reservorios I (PGP-230)

PAGINA:
(Software MBAL) 6 de 10

2.2. Identificación del Modelo.

Al igual que en la anterior práctica sobre la estimación del petróleo original en situ (POES) a través del
software Crystal Ball, se utilizará como punto de partida un modelo tradicional donde existen variables de
entrada, un modelo y variables de salida.

Para identificar el modelo se utilizarán los conceptos de Petróleo Original en Sitio (POES). Basándonos en esta
definicion se determina que el modelo matemático que permitirán realizar el análisis de riesgo e incertidumbre
es el siguiente:

Petróleo Original en Sitio (POES):

𝐴 ∗ ℎ ∗ 𝜑 ∗ (1 − 𝑆𝑤𝑖)
𝑁=
𝐵𝑜𝑖

O también:

𝐴 ∗ ℎ ∗ 𝜑 ∗ 𝑆𝑜𝑖
𝑁=
𝐵𝑜𝑖

Donde las variables de entrada del modelo son:

: Porosity (fractión)

A: Área (acres)

h: Thickness (feet)

Soi: Oil Saturatión (fractión)

MBAL dentro del modelo de distribución trabaja con variables adicionales que son:

Solutión GOR (scf/STB)

Oil Gravity (°API)

Gas Gravity

Tomando como punto de partida el modelo tradicional, basado en variables determinísticas, se construirá un
modelo cuyas variables de entrada son del tipo probabilística, de manera de considerar la incertidumbre (el
rango de posibles valores) asociadas a cada una de ellas.
DOCENTE: PERIODO ACADEMICO: CODIGO:

Ing. Darío Cruz Semestre 01.2023 PGP230_LP1

 Estimación del Petróleo Original en Facultad de Ciencias y Tecnología
MATERIA:

Sitio mediante el Método Montecarlo Reservorios I (PGP-230)

PAGINA:
(Software MBAL) 7 de 10

2.3. Identificación de las Variables de Entrada.

Los modelos más conocidos para cuantificar la incertidumbre asociada a una variable son las distribuciones
probabilísticas. En esta etapa se propone encontrar la distribución de probabilidades que mejor representan
cada una de las variables de entrada al modelo.

Como se describió anteriormente las variables de entrada son:  (porosity/porosidad efectiva de la

formación), A (área), h (thickness/espesor neto petrolífero), Soi (Oil saturatión/saturación de petróleo
inicial), Solutión Gor, Oil Gravity y Gas Gravity. Cada una de las variables involucradas en los cálculos ya no
estarán identificadas como valores determinísticos, por el contrario, cada una de ellas estará definida por
una distribución probabilística.

2.4. Estimación Probabilística de Variables de Salida.

Distribución Probabilística del OOIP: La estimación probabilística del OOIP será realizada a través del
software MBAL el cual desarrollará los cálculos de forma interna y proveerá los resultados en las variables de
salida denominadas:

Oíl in Place (MMSTB)

Gas in Place (MMscf)

DOCENTE: PERIODO ACADEMICO: CODIGO:

Ing. Darío Cruz Semestre 01.2023 PGP230_LP1

 Estimación del Petróleo Original en Facultad de Ciencias y Tecnología
MATERIA:

Sitio mediante el Método Montecarlo Reservorios I (PGP-230)

PAGINA:
(Software MBAL) 8 de 10

3. Aplicación del Método Monte Carlo: Software MBAL.

Para la presente practica de laboratorio, se definen a continuación los datos e información a ser utilizados en
la aplicación del método Monte Carlo mediante el software MBAL para la Estimación Probabilística de las
Reservas Originales de Petróleo en Sitio (POES/OOIP).

3.1. Información del Reservorio.

Datos Generales
Presión del Reservorio [Psia] 5800
Temperatura del Reservorio [°F] 250
°API 60
SGgas 0.65
GOR 750
Salinidad del Agua [ppm] 3000
H2S [%] 2
CO2 [%] 3
N2 [%] 6
Área [Acres] 1200
Espesor Neto Petrolífero [ft] 18.36
Porosidad [fracción] 0.208857265
Boi [Bbl/STB] 1.354

DOCENTE: PERIODO ACADEMICO: CODIGO:

Ing. Darío Cruz Semestre 01.2023 PGP230_LP1

 Estimación del Petróleo Original en Facultad de Ciencias y Tecnología
MATERIA:

Sitio mediante el Método Montecarlo Reservorios I (PGP-230)

PAGINA:
(Software MBAL) 9 de 10

Variable a Simular Distribución Rango

Área [Acres] Triangular 1150 – 1250
Espesor Neto Permeable [ft] Log-normal 11.36/0.02
Porosidad [Fracción] Normal 0.208857265/0.02
Sat. de Petróleo [Fracción] Normal 0.774/0.02
°API Valor Fijo 60
SGgas Valor Fijo 0.65
GOR Valor Fijo 750

Permeabilidad Saturación de Agua

[md] [Fracción]
1886.112323 0.21996127
1798.731937 0.217565184
1810.048382 0.218003947
1800.587136 0.218263789
1858.87955 0.235928223
1812.461328 0.228317935
1801.71201 0.218401282
1765.678853 0.248206083
1721.548579 0.216573584
1834.987352 0.217046408
1767.036331 0.228167993
1795.82792 0.227384452
1834.340474 0.214025771

DOCENTE: PERIODO ACADEMICO: CODIGO:

Ing. Darío Cruz Semestre 01.2023 PGP230_LP1

 Estimación del Petróleo Original en Facultad de Ciencias y Tecnología
MATERIA:

Sitio mediante el Método Montecarlo Reservorios I (PGP-230)

PAGINA:
(Software MBAL) 10 de 10

1803.980176 0.231289891
1807.221615 0.233465834
1727.022373 0.221826166
1765.290556 0.242456394
1813.434317 0.230350053
1775.838023 0.229103386
1704.578999 0.218219497
1757.286605 0.225131463

DOCENTE: PERIODO ACADEMICO: CODIGO:

Ing. Darío Cruz Semestre 01.2023 PGP230_LP1