Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejemplo de Aplicación Nro. 1 - Estimación de Reservas Mediante El Método MonteCarlo (Guía Teórica-Práctica)
Ejemplo de Aplicación Nro. 1 - Estimación de Reservas Mediante El Método MonteCarlo (Guía Teórica-Práctica)
MATERIA:
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.
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.
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.
MBAL soporta cinco tipos de distribuciones estadísticas para el cálculo del petróleo original en sitio
(OOIP).
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.
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:
O también:
𝐴 ∗ ℎ ∗ 𝜑 ∗ 𝑆𝑜𝑖
𝑁=
𝐵𝑜𝑖
: Porosity (fractión)
A: Área (acres)
h: Thickness (feet)
MBAL dentro del modelo de distribución trabaja con variables adicionales que son:
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:
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.
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).
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
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