989

Facultad De Ciencias Qumicas

Ing. Petrolera
Alumno:
Martin Viveros Valencia
Profesor:
Doc. Jorge A. Andaverde Arredondo.

Materia:
Caracterizacin dinmica de los yacimientos
Graficas de declinacin.

Martn

Anlisis de curvas de declinacin

Objetivo: Determinar el tipo de modelo de declinacin de produccin a un campo

petrolero.
La informacin de produccin del campo petrolero Cutbank, Montana fue
obtenidas de una serie datos del articulo de. "Analysis of Decline Curves"(Arps,
J.J. 1944 Trans. AIME, 160, 228-247).

Procedimiento

1- Primero se grafica os datos de produccin de la tabla I para observar el

comportamiento de la produccin.
TIEMPO (AOS)
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
5.5
6
6.5

Produccin
(mbbls)
460.0
431.0
403.0
377.0
352.0
330.0
309.0
288.0
259.4
252.0
235.7
220.4
206.1
192.7

Tiempo Vs. Produccin

500.0
450.0
400.0

Produccion

350.0
300.0
250.0
200.0
150.0
100.0
50.0
0.0
0

10

12

14

16

Tiempo (aos)

2- Despus se grafica la misma serie de datos pero con escala

semilogaritmica (el eje de produccin en escala logartmica), indicando su
ajuste de lnea de tendencia correcta.

produccion(mbbls)

Tiempo Vs. Produccin

2.700
2.650
2.600
2.550
2.500
2.450
2.400
2.350
2.300
2.250

y = 2.6676e-0.024x
R = 0.9985
Y log produccin
Expon. ( Y log
produccin)

4
tiempo (aos)

Modelo exponencial:

3- Por ltimo se determina la pendiente de la curva, con el mtodo de mnimos cuadrados.

N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
=

X
comprobacin
Produccin
x
x (xy
tiempo
Y log
y (y- x*y x ^2
(mbbls)
promedio xprom) promedio
(aos)
produccin
yprom)
log produccin produccin
0
460.0
2.663
3.25
-3.25
2.473
0.190 -0.616 10.563
2.663
460.247
0.5
431.0
2.634
3.25
-2.75
2.473
0.161 -0.444 7.563
2.634
430.303
1
403.0
2.605
3.25
-2.25
2.473
0.132 -0.297 5.063
2.605
402.308
1.5
377.0
2.576
3.25
-1.75
2.473
0.103 -0.181 3.063
2.575
376.133
2
352.0
2.547
3.25
-1.25
2.473
0.073 -0.092 1.563
2.546
351.662
2.5
330.0
2.519
3.25
-0.75
2.473
0.045 -0.034 0.563
2.517
328.783
3
309.0
2.490
3.25
-0.25
2.473
0.017 -0.004 0.063
2.488
307.392
3.5
288.0
2.459
3.25
0.25
2.473
-0.014 -0.003 0.063
2.458
287.393
4
259.4
2.414
3.25
0.75
2.473
-0.059 -0.044 0.563
2.429
268.696
4.5
252.0
2.401
3.25
1.25
2.473
-0.072 -0.090 1.563
2.400
251.214
5
235.7
2.372
3.25
1.75
2.473
-0.101 -0.176 3.063
2.371
234.870
5.5
220.4
2.343
3.25
2.25
2.473
-0.130 -0.292 5.063
2.342
219.590
6
206.1
2.314
3.25
2.75
2.473
-0.159 -0.437 7.563
2.312
205.303
6.5
192.7
2.285
3.25
3.25
2.473
-0.188 -0.612 10.563
2.283
191.946
45.5
34.623
-3.323 56.875
a=
2.663
b=(x-xpro)*(y-ypro)/(x-Xpro)^2
b=
-0.058
a=ypro-(xpro*b)

Por lo tanto la formula queda:

Y= -0.058* X + 2.663
=460.247

error
2.879E-07
2.614E-06
2.952E-06
5.283E-06
9.208E-07
1.360E-05
2.707E-05
4.435E-06
1.284E-03
9.721E-06
1.239E-05
1.352E-05
1.495E-05
1.531E-05

4- A continuacin se analiza la tabla II con el mismo procedimiento de la tabla

I
a) Primero se grafica tiempo Vs Produccin

Tiempo
(aos)

Produccin

1
1.5
2
2.5
3
3.5
4
4.5
5
5.5
6
6.5

28200
15680
9700
6635
4775
3628
2850
2300
1905
1610
1365
1177

Tiempo Vs. Produccin

7.5
8
8.5
9
9.5
10
10.5
11
11.5
12
12.5

1027
904
802
717
644
588
529
483
442
406
375
347

Modelo de potencia

25000
20000
15000
10000

PRODUCCION

5000
0
0

10

15

Tiempo (aos)

b) Posteriormente se grafica la misma serie de datos pero con escala

log log (x,y), as como tambin el ajuste de curva de tendencia
correcta.

Tiempo Vs. Produccin

5.000
Produccin (mbbls)

Produccin (Mbls)

30000

y = -1.8123x + 4.5388
R = 0.9997

4.000
3.000
2.000

Series1

1.000

Linear (Series1)

0.000
0.000

0.500

1.000

1.500

Tiempo (aos)

5- Y por ltimo se calcula la pendiente de la curva, por el mtodo de mnimos cuadrados.

Tiempo
(aos)

1
1.5
2
2.5
3
3.5
4
4.5
5
5.5
6
6.5
7
7.5
8
8.5
9
9.5
10
10.5
11
11.5
12
12.5

Produccin

28200
15680
9700
6635
4775
3628
2850
2300
1905
1610
1365
1177
1027
904
802
717
644
588
529
483
442
406
375
347

log
tiempo

0.000
0.176
0.301
0.398
0.477
0.544
0.602
0.653
0.699
0.740
0.778
0.813
0.845
0.875
0.903
0.929
0.954
0.978
1.000
1.021
1.041
1.061
1.079
1.097
17.966

log
produccin

x
promedio

4.450
4.195
3.987
3.822
3.679
3.560
3.455
3.362
3.280
3.207
3.135
3.071
3.012
2.956
2.904
2.856
2.809
2.769
2.723
2.684
2.645
2.609
2.574
2.540
76.283

0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749
0.749

x (xxprom)

0.251
0.751
1.251
1.751
2.251
2.751
3.251
3.751
4.251
4.751
5.251
5.751
6.251
6.751
7.251
7.751
8.251
8.751
9.251
9.751
10.251
10.751
11.251
11.751

y
promedio

3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178
3.178

y (yyprom)

1.272
1.017
0.808
0.643
0.500
0.381
0.276
0.183
0.101
0.028
-0.043
-0.108
-0.167
-0.222
-0.274
-0.323
-0.370
-0.409
-0.455
-0.495
-0.533
-0.570
-0.604
-0.638

x*y

x ^2

Comprobacin
log produccin produccin error

0.320
0.102
0.764
0.584
1.012
1.023
1.127
1.270
1.127
1.270
1.049
1.100
0.899
0.807
0.687
0.473
0.431
0.186
0.135
0.018
-0.228
0.052
-0.619
0.384
-1.043
1.089
-1.501
2.253
-1.989
3.956
-2.503
6.267
-3.050
9.300
-3.580
12.818
-4.210
17.721
-4.822
23.255
-5.465
29.862
-6.128
37.550
-6.801
46.252
-7.499
56.237
-41.888 1754.634

3.196
3.192
3.189
3.187
3.185
3.183
3.182
3.181
3.180
3.179
3.178
3.177
3.176
3.175
3.175
3.174
3.174
3.173
3.172
3.172
3.171
3.171
3.171
3.170

1571.623
1556.483
1545.830
1537.617
1530.939
1525.316
1520.461
1516.192
1512.383
1508.946
1505.815
1502.940
1500.283
1497.814
1495.508
1493.345
1491.309
1489.385
1487.563
1485.831
1484.182
1482.608
1481.102
1479.659

8.916E-01
8.113E-01
7.067E-01
5.902E-01
4.616E-01
3.359E-01
2.176E-01
1.161E-01
4.248E-02
3.940E-03
1.064E-02
7.669E-02
2.124E-01
4.315E-01
7.477E-01
1.172E+00
1.731E+00
2.350E+00
3.283E+00
4.311E+00
5.560E+00
7.032E+00
8.700E+00
1.065E+01

a=
b=

3.19635
-0.0239

b=(x-xpro)*(y-ypro)/(xXpro)^2
a=ypro-(xpro*b)

Por lo tanto la formula queda:

Y=3.196-0.023*X

Observaciones
Se graficaron los datos en escala normal pero no ajustaron los modelos declinacin, por
lo tanto se cambio la escala a semi-logaritmica (eje X) en el primer caso, y en la segunda
tabla se probo de manera similar pero ajustando a una escala log-log(x, y).
Conclusin
Se pudo determinar el modelo de declinacin de produccin para la serie de datos del
campo Cutbank,Montana, siendo el modelo exponencial de declinacin de produccin
para la tabla I y el modelo de potencia para la tabla II. Por lo tanto el mtodo de mnimos
cuadrados es muy recomendable para este tipo de problemas de ajuste de curvas de
declinacin.