Escolar Documentos
Profissional Documentos
Cultura Documentos
2004
Santiago González / Eduardo A. Idrobo
CARACTERIZACIÓN DINÁMICA DE YACIMIENTOS ESTRATIGRÁFICAMENTE
COMPLEJOS USANDO ALGORITMOS GENÉTICOS
CT&F Ciencia, Tecnología y Futuro, diciembre, año/vol. 2, número 005
Instituto Colombiano del Petróleo
Bucaramanga, Colombia
pp. 23-51
http://redalyc.uaemex.mx
CARACTERIZACIÓN
DINÁMICA DE YACIMIENTOS
ESTRATIGRÁFICAMENTE
COMPLEJOS USANDO
ALGORITMOS GENÉTICOS
Santiago González*1 y Eduardo A. Idrobo*2
1
Ecopetrol – Gerencia Centro Oriente, El Centro, B/bermeja, Santander, Colombia
2
Ecopetrol – Instituto Colombiano del Petróleo, A.A. 4185 Bucaramanga, Santander, Colombia
e-mail: sagonzal@ecopetrol.com.co e-mail: aidrobo@ecopetrol.com.co
E
n este trabajo se presenta la aplicación a un caso real de una metodología novedosa para la caracte-
rización de yacimientos altamente heterogéneos mediante la integración de la información dinámica
del yacimiento al modelo estático actualizado. La metodología fue desarrollada por el Dr. Carlos
Romero, quien la aplicó a un yacimiento sintético.
El proceso de caracterización de yacimientos tiene como objetivo construir un modelo del yacimiento, lo mas
realista posible, mediante la incorporación de toda la información disponible. El enfoque clásico consiste
en elaborar un modelo que se fundamenta en la información estática del yacimiento, teniendo como etapa
final del proceso la validación del modelo con la información dinámica disponible. Es importante aclarar
que el término validación implica un proceso por naturaleza puntual, generalmente asociado a asegurar
solamente la coherencia requerida entre zonas productoras y propiedades petrofísicas.
El objetivo de la metodología propuesta es mejorar la capacidad de predicción del modelo del yacimiento
mediante la integración a priori de los parámetros intrínsecos a la dinamicidad de los fluidos del yacimiento
mediante un proceso de inversión dinámica de datos a través de un procedimiento de optimización basado
en computación evolutiva.
La metodología propuesta parte de la construcción del modelo estático del yacimiento de alta resolución,
el cual es escalado mediante técnicas híbridas buscando preservar la heterogeneidad del yacimiento. Pos-
teriormente, usando como marco de referencia un simulador analítico, el modelo escalado es metódica-
mente modificado mediante un proceso de optimización que usa algoritmos genéticos y como información
condicional los datos de producción.
A
novel methodology is presented in this paper for the characterization of highly heterogeneous oilfields
by integration of the oilfields dynamic information to the static updated model.
The objective of the oilfield’s characterization process is to build an oilfield model, as realistic as
possible, through the incorporation of all the available information. The classical approach consists in
producing a model based in the oilfield’s static information, having as the process final stage the validation
model with the dynamic information available. It is important to clarify that the term validation implies a
punctual process by nature, generally intended to secure the required coherence between productive zones
and petrophysical properties.
The objective of the proposed methodology is to enhance the prediction capacity of the oilfield’s model
by previously integrating, parameters inherent to the oilfield’s fluid dynamics by a process of dynamic data
inversion through an optimization procedure based on evolutionary computation.
The proposed methodology relies on the construction of the oilfield’s high resolution static model, escalated by
means of hybrid techniques while aiming to preserve the oilfield’s heterogeneity. Afterwards, using an analytic
simulator as reference, the scaled model is methodically modified by means of an optimization process that
uses genetic algorithms and production data as conditional information.
The process’s final product is a model that observes the static and dynamic conditions of the oilfield with the
capacity to minimize the economic impact that generates production historical adjustments to the simulation
tasks. This final model features some petrophysical properties (porosity, permeability and water saturation),
as modified to achieve a better adjustment of the simulated production’s history versus the real one (History
Matching). Additionally, the process involves a slight modification of relative permeabilities, which have been
changed to allow calibration of these properties that also feature a high degree of uncertainty.
Keywords: reservoir characterization, geostatistical modeling, streamline simulation, genetic algorithms, global
optimization, automatic history matching
como requerimiento un método de optimización global, Todo el programa corre en plataforma PC ambiente
dentro de los cuales, los AGs han demostrado una alta Microsoft Windows©, lo cual le permite sacar provecho
eficiencia en la solución de este tipo de problemas. de: uso en cualquier equipo, utilización de la última
tecnología en PC para acortar los tiempos de cómputo
Los AGs usan ideas de la teoría de evolución de
y menores costos en relación con los equipos en pla-
las especies de Darwing, donde sólo los organismos
taforma UNIX.
(individuos) más fuertes sobreviven adaptándose a
las diferentes condiciones que el medio les imponga
(más aptos). Estos organismos tienen una información DESCRIPCIÓN PROCESO
genética que los hace únicos y, por lo tanto, cambios CARACTERIZACIÓN
pequeños en estos códigos los hacen más fuertes o por
el contrario más vulnerables.
A continuación se hace una presentación y descrip-
Los resultados obtenidos superan las expectativas ción general de la secuencia que realiza el programa
que se tenían en relación con esta metodología, la cual, INVERDINAMICA ©. El software fue desarrollado, en
sólo había sido probada en un yacimiento sintético, particular, para automatizar el proceso de ajuste históri-
proveyendo un procedimiento que se puede aplicar co de un modelo de yacimiento en plataforma PC.
aún cuando se tenga una alta incertidumbre en cuanto
a parámetros tales como: propiedades petrofísicas de- Cada corrida involucra: cargar los datos básicos
terminadas con registros “viejos”, datos de producción del yacimiento, hacer simulaciones de flujo de fluidos
e inyección de agua. Otra ventaja que se tiene es que (streamline), definir los puntos piloto, aplicar los AGs
se puede utilizar en yacimientos tanto en producción (optimización), hacer simulaciones Geoestadísticas
primaria como en recobro secundario; sin embargo, los (SGSIM) para cada propiedad y actualizar la pobla-
tiempos de cómputo serán mayores para los casos de ción de individuos. La Figura 1 presenta un diagrama
campos en producción primaria. que resume toda la secuencia que hace el programa
algorítmo genético
evaluar
proceso función
simulación SI
objetivo
FIN
durante su ejecución (Romero, 2000; Romero et este a su vez se encarga de asignarle valores a todas las
al., 2000). celdas que conforman el grid de simulación numérico.
Estos puntos serán ubicados por coordenadas (X, Y),
Simulación Streamline de forma análoga a las localizaciones de los pozos ver-
Para definir la “estratificación social” de cada in- daderos dentro de un grid de simulación. De acuerdo
dividuo y, por ende, los operadores genéticos a aplicar, con el conocimiento heurístico de la geoestadística, se
es necesario determinar la Función Objetivo (Ecuación determinó que la cantidad de pseudopozos a utilizar
1) (Baker, 1985) y para esto, es necesario tener una debía ser equivalente al 5% de las celdas que conforman
producción de aceite simulada, esta curva se obtiene el enmallado (Bissell et al., 1987)
utilizando un simulador streamline, el cual, es muy Una vez determinadas las coordenadas (X, Y) para
conveniente para esta metodología debido a su gran todos los puntos piloto, se deben formar arreglos bi-
velocidad de convergencia (Batycky, 1997; Batycky et dimensionales –uno por cada propiedad petrofísica en
al., 1997; Caers, et al., 2001; Wang et al., 2000). consideración– (Figura 2), donde se almacena tanto los
Los archivos “Grid_Pozos.prn”, “Field.prn” y pseudopozos como los pozos y su respectiva informa-
“Production.prn”, necesarios para la ejecución del ción petrofísica disponible para las celdas en dirección
simulador, no cambian durante el proceso de ajuste Z que componen la coordenada (X, Y) seleccionada
histórico; por el contrario, los archivos “Files.prn” y (Cuypers et al., 1998)
“Fluid.prn” deben ser actualizados para cada individuo
(realización), ya que las propiedades roca - fluido (per-
1
meabilidades relativas), son cromosomas dinámicos y 2
en cada generación van siendo modificados por el AG 3
La primera característica es que los AGs pueden optimización y puede evolucionar después. (Goldberg
ser usados eficazmente para la optimización de fun- et al., 1991; Holland, 1975).
ciones “ruidosas”, porque no requieren información
adicional (tales como derivadas) de la función que va Los modelos numéricos de yacimientos requieren
a ser maximizada o minimizada (Mitchell, 1996; Stoffa especificar un gran número de variables. Para este
et al., 1991; Thomas et al., 1971). caso en particular, se han seleccionado las siguientes
variables para ser incluidas en la optimización: propie-
La segunda característica esta muy ligada a la pri- dades petrofísicas (permeabilidad horizontal, porosidad
mera. Porque los AGs usan búsquedas aleatorias, por lo y saturación de agua) tanto en los puntos piloto como en
tanto no siguen reglas determinísticas y pueden escapar los pozos; parámetros que controlan el proceso geoes-
a mínimos locales. Esta característica les da el potencial tadístico (rango en la dirección de máxima correlación,
para alcanzar óptimos globales (Deschamps et al., 1998; rango en la dirección de mínima correlación y rango
Gomez et al., 1999; Goldberg, 1989). de correlación vertical) y permeabilidad relativa en los
puntos finales.
La capacidad para manejar muchos parámetros es
otra característica importante de los AGs. Dependiendo La información restante no incluida en el genoma
de la complejidad y nivel de detalle necesario, una si- dinámico, tal como: propiedades de los fluidos (PVT),
mulación completa de un yacimiento puede requerir el estructura geológica, contacto de fluidos, etc., que es
cálculo de muchos parámetros, generalmente del orden necesaria para una descripción completa del modelo
de miles o algunas veces de cientos de miles (Bush et de simulación del yacimiento, esta contenido en el
al., 1996; Zalzala et al., 1997). genoma estático y permanece ahí a lo largo de todo
La cuarta característica de los AGs son sus atributos el proceso. De aquí en adelante, el término “genoma”
de paralelismo. Por una parte, los AGs tienen un para- hará referencia al genoma dinámico.
lelismo implícito porque ellos trabajan con una pobla- El genotipo solo provee la información a partir de
ción de soluciones y no con una sola solución. De esta la cual el fenotipo es construido. Este tipo de mapeo
manera, varias soluciones propuestas son evaluadas y es conocido como “Embriogenia” porque el genotipo
combinadas durante el proceso de optimización. Adi- solo establece las reglas para el desarrollo de las carac-
cionalmente, las soluciones propuestas son basadas en terísticas fenotípicas, las cuales son producidas por la
la evaluación de soluciones previas, en otros términos, interacción de varios genes. En este caso, el genotipo
los AGs hacen uso de todas las experiencias exitosas contiene las propiedades petrofísicas de los bloques
anteriores, gracias a la llamada “memoria implícita”. de los puntos piloto y de pozos, además de parámetros
Esto es particularmente importante cuando una función
para el control del proceso geoestadístico y permeabi-
es muy costosa para ser evaluada, como es el caso del
lidades relativas en los puntos finales. Cada modelo se
ajuste histórico en los yacimientos. De otro lado los
construye bajo la interacción de estos parámetros. Un
AGs tienen el potencial de retornar un conjunto de
solo genotipo puede producir una variedad de fenotipos,
posibles soluciones, es decir, la población final puede
dependiendo de los elementos aleatorios de los métodos
ser usada para evaluar parámetros y predecir la incer-
geoestadísticos (Bäck, 1996).
tidumbre (Ounes, 1992; Sen et al., 1995).
En este trabajo, un genoma con estructura no es-
Estructura del genoma y el genotipo tándar fue seleccionado por las razones ya descritas
El primer paso en la definición de la estructura de anteriormente. Las variables han sido divididas en ocho
un genoma es la selección de las variables que van a ser grupos, y a cada grupo de variables tridimensionales,
incluidas en la optimización. Estrictamente, el genoma se le asignó un cromosoma separado (porosidad, per-
debe ser dividido en partes: el genoma dinámico, con meabilidad y saturación de agua). Cromosomas indi-
las estructuras que cambiarán durante el proceso de viduales, para cada una de las variables que componen
optimización y el genoma estático, con la información los grupos de parámetros restantes, fueron construidos:
que contribuirá a la conformación de los modelos nu- parámetros geoestadísticos y permeabilidades relativas
méricos pero permanecerá inalterable a lo largo de la para los puntos finales (Figura 3).
Propiedades Petrofísicas
K F Sw
W W W
P P P P P P P P P
W W W
P P P P P P P P P
W W W
P P P P P P P P P
Geoestadística
Permeabilidades Relativas
1
2
3
4
5
Capas
6
7
8
9
10
1 2 3 4 5 6 7 8 9 10 11 12
puntos piloto
El cromosoma para los datos geoestadísticos forma, este modelo corregido podrá ser utilizado en la
contiene tres parámetros: rango en la dirección de predicción de la producción.
máxima correlación, rango en la dirección de mínima
correlación y rango de correlación vertical. Para este El ajuste del modelo se hace optimizando una fun-
trabajo, un conjunto de sencillo de parámetros contro- ción objetivo, la cual fue definida como:
la las simulaciones geoestadísticas en todas las capas ��
(Jensen et al., 1997). �� = å ����
�
� - ���� � � (1)
Los datos generados por la simulación geoesta- baja para que puedan encontrarse nuevos individuos
dística (H3D) son convertidos (arreglados), por una con buenas aptitudes, mientras que la fase de explota-
subrutina del programa, al formato de streamline, gene- ción requiere que la presión de selección sea alta para
rando los diferentes archivos de entrada que contienen que los individuos con buenas aptitudes se acentúen
los datos de porosidad, permeabilidad y saturación de en espera que ellos produzcan descendencia con apti-
agua de cada celda del grid utilizado por el programa tudes mejores. Debido a la complejidad del espacio de
de simulación. Este paso es de conversión de archivos búsqueda a la exploración se le da la prioridad aunque
y se requiere porque los sistemas de coordenadas de no debe descuidarse la explotación.
los programas de simulación geoestadística y de flujo
son diferentes. La estrategia de selección implementada en el
desarrollo de este proyecto, después de evaluar todas
El paso final del proceso es el cálculo de la aptitud, las estrategias propuestas, fue el elitismo combinado
el cual se realiza después de que los resultados de la con el clasismo; esta estrategia mixta que consiste
producción simulada están disponibles. Este proceso se en clasificar los individuos de acuerdo a su aptitud,
realiza internamente en el programa y utiliza como base creando, por decirlo así, una realeza, una clase media
la Función Objetivo definida por la Ecuación 1. Una y una clase baja. De acuerdo a su clasificación se
vez, se han obtenido los valores de la función objetivo aplican los diferentes operadores genéticos (Mitchell
para los 20 individuos, se comparan entre sí y se selec- et al., 1992).
ciona el valor más bajo, luego mediante la Ecuación 2
se calcula la aptitud para cada individuo. Esta clasificación se hace mediante el cálculo de
una variable que indica la diferencia (amplitud) máxi-
ma que existe entre los valores de aptitud calculados
�� ���� ��� para una misma generación, para tal fin se utiliza la
������� � �� � �� � = (2)
�� ��� ���� Ecuación 3:
FO (ni, ng): es el valor de la Función Objetivo de Dif Aptitud (ng): es valor de máxima diferencia
un individuo ni en la generación ng (amplitud) en la generación ng
FOmin (ng): es el valor de la Función Objetivo míni- Aptitudmax (ng): es el valor máximo de la Aptitud en
mo en la generación ng la generación ng
1 1
2 2
3 3
4 4
5 5
Capas
Capas
6 6
7 7
8 8
9 9
10 10
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
puntos piloto puntos piloto
bit de la cadena que compone el cromosoma (0 por 1 Las celdas correspondientes a facies de arcillas
o 1 por 0). pueden ser fácilmente reconocidas, ya que los valo-
res de porosidad y permeabilidad fueron ajustados a
En los cromosomas tridimensionales se aplica un 0.0001, y en el caso de la saturación de agua, su valor
procedimiento similar, pero se tiene el cuidado de no siempre se encuentra por encima del 90%. Cuando se
cambiar (alterar) las celdas que representan las arcillas, esta ejecutando la subrutina de mutación y el programa
la Figura 6 muestra lo que ocurre en un individuo selec- encuentra una de estas celdas, inmediatamente salta ese
cionado para mutación, en una generación dada. punto piloto y continua con el siguiente.
1
2
3
4
5
Capas
6
7
8
Punto Piloto
No Modificado
10
1 2 3 4 5 6 7 8 9 10 11 12
puntos piloto
INDIVIDUO "A"
En las celdas que se pueden mutar, se selecciona un milla” a utilizar en la simulación, rango en la máxima
número aleatorio, que se encuentra entre el mínimo y dirección de correlación, rango en la mínima dirección
máximo definido para la propiedad petrofísica en evalua- de correlación, rango vertical de correlación, ángulos
ción (porosidad, permeabilidad y saturación de agua). de anisotropía, tipo de estructura del variograma, tipo
de Kriging, nugget y sill.
Actualización de la población
Tal como se puede evidenciar, los nombres de los
Dentro de un AG, una población de soluciones se archivos de entrada y salida, y la información prove-
actualiza constantemente, por norma, las nuevas solu- niente del cromosoma de parámetros geoestadísticos,
ciones reemplazan aquellas cuya aptitud tenga que ser son los únicos datos que se actualizan constantemente,
evaluada. Una estrategia de actualización ideal debe los demás se mantienen constantes.
poder mantener la diversidad en la población, mien-
tras se va acercando a un óptimo global. El número De acuerdo con el análisis de anisotropía hecho, el
de generaciones debe ser suficientemente grande para ángulo de la elipse de búsqueda es de 92° (358° en
permitir que la población evolucione hasta acercarse al azimut); el tipo de estructura del variograma seleccio-
nivel de aptitud requerido. En este trabajo, sin embargo, nado fue el modelo exponencial; el tipo de Kriging
el número de evaluaciones de la función objetivo se ha utilizado fue Ordinary Kriging (OK); el nugget se
restringido a menos de 600 debido a la limitación de definió como cero (0) y el sill es uno (1) por defecto,
recursos computacionales. ya que el programa normaliza las variables de entrada
(Jensen et al., 1997).
Un enfoque generacional fue usado, es decir, la
población se reemplazaba casi en su totalidad en cada Una vez se han generado los archivos texto de
nueva generación, con excepción del individuo con geoestadística, estos deben ser convertidos a formato
mejor aptitud, el cual se “clonaba” en la siguiente ge- streamline para que puedan ser utilizados por el si-
neración. Los parámetros de AG típicos en este trabajo mulador en la siguiente generación. Adicionalmente,
son: el tamaño de la población es de 20 individuos y el se debe tener presente que algunas celdas del modelo
número máximo de generaciones fue de 20; aunque se total se encuentran inactivas y por lo tanto estas de-
hicieron pruebas con 25 y 30 generaciones sin encon- ben ser nuevamente deshabilitadas. Los archivos acá
trar mejorías significativas, mientras que el consumo generados reemplazan a los existentes, lo que facilita
de tiempo máquina si aumento considerablemente. Al que el proceso pueda ser completamente cíclico (WU
preservar el mejor individuo de una generación a la et al., 1998).
otra, se hizo una reducción del 5% en el tiempo de
cómputo, ya que no fue necesario hacer 400 evalua-
ciones (en el caso de 20 individuos y 20 generaciones) CASO DE CAMPO: AREA 07, ZONA C, CAMPO
LA CIRA (COLOMBIA)
sino solamente 380.
1000000 1050000
Pavas
1300000
1300000
C ú cu t a
Puerto Wilches
M e d e llín Sogamoso Aguas Claras
Pacific
M a niz ales
Bogota Salinas
Ocean Per eir a
I ba gué
Bu enav entura Cali Villavicencio
Ne i v a Llanito
Tum aco
Fl or enci a
Gala Lisama
Pasto
Barrancabermeja Tesoro
BRAZIL
ECUADOR Galán
Casabe
Nutria
PERU Yondo
Peñas Blancas La Cira
Infantas Peroles
1250000
1250000
Tenerife
Aguas Blancas
San Luis
Colorado Convenciones
K0 10 20 K Campos
Poblaciones
1000000 1050000
Campo La Cira: Esta estructura consiste de un an- El Campo La Cira produce de tres zonas “A”, “B”
ticlinal en forma de domo alargado en dirección N-S al y “C” (Figura 8). La zona “C” es un yacimiento de
Noroeste del Anticlinal de Infantas, con cabeceo (plun- arenas fluviales de permeabilidad baja a moderada. Esta
ge) hacia el Norte y hacia el Sur y está cortada, al Este zona contiene aproximadamente el 80% del OOIP en
del eje del Anticlinal, por la falla La Cira, que es una el Campo La Cira. Las zonas “C” y “B” producen de
falla inversa de alto ángulo (70°-80°) que buza hacia la Formación Mugrosa de edad Eoceno – Oligoceno
el Occidente y cuyo desplazamiento oscila entre 200 y y la zona “A” produce de la formación Colorado de
300 pies en el tope de la estructura. Hacia el Este de la edad Oligoceno.
falla La Cira la estructura se hunde un poco en forma
En la actualidad se han perforado en el área de la Cira-
de “U” a manera de sinclinal entre esta falla y la falla
Infantas 1716 pozos, de los cuales hay aproximadamente
de Infantas. De acuerdo con los datos de producción del
580 pozos productores activos, 81 pozos inyectores de
campo se puede considerar que la falla La Cira actúa
agua activos, 592 pozos productores inactivos, 106 po-
como una barrera efectiva entre el flanco Occidental y
zos inyectores inactivos y 357 pozos abandonados. El
Oriental de la estructura. Existe en este campo un gran
OOIP del campo la Cira-Infantas es de 3594 Mbls de
número de fallas transversales al eje de la estructura
24° API. La producción promedio de aceite actual es de
las cuales son normales con buzamientos entre 80° y 5700 BOPD (Diciembre de 2002), con una producción
90° y desplazamientos de hasta 250 pies y que dividen de aceite acumulada de 798,15 Mbls y una inyección
al campo en varios bloques. Esta estructura tiene una acumulada de 957,4 Mbls (Diciembre de 2001).
longitud aproximada de nueve km y un ancho de seis
km . Los buzamientos de la estructura hacia el Norte y En el área 07, la zona C inició su explotación en
el Oeste son de aproximadamente 10° a 15°. 1933 con el pozo LC-745 con 1132 bopd. El principal
300
UA3
400
500 UA4a
Arenas 58 600
700
800 UA4b
Formación Colorado
Zona A
900 A1
1000 AA
1200 A1a
1300 A2
Período Época Formación Litología
Agua 1400
Cuatern. Pleistoceno Mesa Arenas 157 A2a
1500
A3
Plioceno 1600 A3a
Real A4
Arenas 244 1700
Mioceno 1800
A/B
Colorado 1900
B1
2000
Terciario Oligoceno Mugrosa
B1a
Esmeraldas Arenas 13 2100 B1b
B1c
Zona B
Eoceno La Paz 2200 B1d
B2
2300
Discordancia
Eoceno-Paleoceno B2a
Arenas 13 L 2400
B2b
Paleoceno
Lisama 2500
Formación Mugrosa
Maestrichtiano 2600 B3
B3a
Campaniano Umir
Arenas La Cira 2700 B3b
Santoniano B3c
Galembo 2800
La Luna
B4
Coniaciano Arenas 47 2900 B4a
Pujamana
Turoniano B4b
3000
Cenomaniano Salada C1
Cretáceo Arenas C1 3100 C1Bt
C1Ab
Albiano Simití C2
3200
Zona C
C2Dt
Arenas C2 Gtb
Aptiano Tablazo 3300 C3
Paja
Barremiano Arenas C3
Rosablanca 3400 C3cb
C4
3500 C4Ab
Valanginiano Tambor Arenas C4 C4Cb
C4Et
3600 C5
D1
s
da
3700
Arenas D D2
al
Jurásico Girón
na
D3
er
Zo
m
3800 D4
Es
D5
Premesozoico Basamento
Figura 8. Columna estratigráfica general para el VMM y el campo La Cira (ECP, 1999)
desarrollo de esta área se llevó a cabo entre los años • Pozos perforados más recientes (calidad registros
1933 y 1941 cuando se perforaron 124 pozos, de los eléctricos).
cuales 99 penetraron la zona C. La inyección se inició
• Que tuvieran una buena distribución areal (cober-
en 1971 con modelos regulares de seis y siete puntos,
tura total del área).
modificados posteriormente a modelos de cuatro a siete
puntos, por problemas mecánicos de los pozos. • Que estuviera representada la geomorfología de
las unidades definidas.
Para realizar el modelo estratigráfico y el mode-
lo petrofísico se seleccionaron 65 pozos, los cuales
Modelo sedimentario
se pueden observar en la Figura 9. Algunos de los
criterios que se tuvieron a la hora de realizar esta Para la definición del modelo sedimentario y dia-
selección fueron: genético se contó con la información litológica (cora-
zones) del pozo La Cira 1884, perforado y corazonado
• Pozos Corazonados (Carrillo et al., 1990). en 1988 como reemplazo del pozo LC–1133. En la
Figura 9. Área descripción estratigráfica Arenas finas y limos de borde de canal (Natural
Levee)
descripción de los 350 pies de corazón del pozo LC-
Constituyen los umbrales de los canales y consisten
1884, que incluye la mayoría de las arenas y arcillas
de material clástico fino con espesores que varían entre
que conforman la unidad “C”, se pudieron identificar
2 y 10 pies aproximadamente (Bernal et al., 1992).
facies correspondientes a: depósitos de canales flu-
viales y depósitos de llanura de inundación (Reyes Arenas finas y limos de desborde de canal (Cre-
et al., 1989). vasse Splay)
Para la identificación de estas facies, se utilizó como Consiste de arenas finas, normalmente con tenden-
guía los modelos y conceptos resultantes del estudio cia granocreciente al tope, espesores de 4 a 10 pies
realizado por la División de Yacimientos, Geología de aproximadamente (Bernal et al., 1992).
Desarrollo y Asociados y el Distrito de Producción El
Centro de Ecopetrol en 1992. Modelo Estratigráfico
Arenas de barras de meandro Los cambios en las propiedades petrofísicas con
respecto a la posición estratigráfica son proporcionales
Estas facies arenosas son las más características al grado de preservación de facies idénticas deposita-
dentro de la secuencia estudiada en muestras de cora- das bajo condiciones variables de A/S (acomodación y
zón, con espesores que oscilan entre 10 y 35 pies ca- suministro de sedimentos). En areniscas con estratifica-
racterizados por presentar hacia la base de las arenas de ción cruzada, los cambios en porosidad y permeabilidad
grano grueso a conglomerático, intraclastos arcillosos son exactamente coincidentes con variaciones sutiles
y fragmentos leñosos, descansando sobre superficies en los atributos que son función de la posición estrati-
de erosión, con estratificación cruzada de alto ángulo gráfica (Ramón et al., 1997).
en artesa que gradualmente cambia a estratificación
plano paralela a subparalela discontinua y a ondulitas, Teniendo en cuenta las anteriores consideraciones,
acompañado por disminución gradual del tamaño de se procedió a clasificar cada una de las arenas presen-
grano hasta llegar a grano fino pasando finalmente a tes en la zona “C” (objeto de este estudio) de acuerdo
facies arcillosas de planicie de inundación, (Bernal et con su posición estratigráfica, clasificando estas de
al., 1992). Normalmente esta secuencia se ve interrum- acuerdo a su unidad genética (depósitos de Canales
pida debido al desarrollo de apilamientos verticales o depósitos de Llanuras de Inundación). Las “barras
(“stacking point bars”), estableciendo comunicación de arenas” y los apilamientos de “barras de arenas” se
C1C2 PB
al. (1992), para zonificar la zona “C” superior (C1 y
Clay7 CP
C2); la subzona C3 no fue tenida en cuenta por su
C2A PB
carácter acuífero.
Clay8 CP
C2E PB
relativa mayor continuidad de las fajas de meandros
Clay12 CP
en dirección Norte – Sur, dirección en la cual se creen
C2F PB
corrían las corrientes principales.
Clay13 CP
unidades descritas en el párrafo anterior, se relaciona- tían dos posibles marcadores a utilizar: BASE y C3CB,
ron dos marcadores adicionales denominados TOPE, siendo C3CB el más profundo; sin embargo, el mapa
BASE y C3CB, las profundidades de estos, fueron hecho con los puntos de control de BASE no era muy
determinadas utilizando la sísmica 3D y se tomaron representativo de la geomorfología existente, por tal
del estudio “Evaluación Integrada Yacimientos del motivo se seleccionó el marcador C3CB (Figura 11(b))
Campo La Cira-Infantas” (Lobo et al., 1999). para definir la geomorfología de la parte inferior de la
zona “C” del área seleccionada.
Los marcadores TOPE, C1D y C3CB fueron carto-
grafiados y se utilizaron para definir la geomorfología
del área en estudio. El marcador BASE fue utilizado SELECCIÓN DEL GRID SIMULACION
solo para definir la base de la unidad genética C2I y
no fue posible cartografiarlo debido a la escasez de
Con los modelos sedimentológico, estratigráfico y
datos, ya que fueron pocos los pozos que llegaron a
estructural definidos, se procedió a definir el modelo
esta profundidad.
litológico más probable del área. Para tal fin, se gene-
Para definir la geomorfología en la parte superior raron 51 realizaciones litológicas, las cuales fueron pos-
de la zona “C” se seleccionó la unidad genética C1D teriormente evaluadas bajo el criterio de conectividad
(Figura 11(a)), este patrón estructural fue utilizado en de los geo-objetos presentes en el yacimiento (Deutsch
la simulación geoestadística. Para la parte inferior exis- et al., 1998; Idrobo, 1999).
1206 1184
1113 1227
1112 1117 -2584.00 -2575.50
1057
1057 -2605.00
1228
-2518.50 1207 -2892.0
-2543.50 1254
1183 -2538.00
1121 1119 1118 1049
1049 1182
-2441.00
-2488.50 1208 -2793.00
-2524.00 -2504.50
-2547.50
1140 1209
1047 -2441.50 1211
-2485.00 1210
1212 -2390.00
1138 105
1056 1819
1137 -2705
-2492.00 1181 -2357.50
1125 1886
1886
1884 1136 1213
-2354.00 -2343.00 1820 -2748.50
-2
-2428.50 -2415.00 1131 1229
-2286.00
1126
1135 1214
-2354.00
1821
1043
1043 1042 1134 1247
-2666.00
-2329.00
-2325.50 -2242.00
1233 1822 1483 1041
1483 1041 1130 1040
1040 1246 -2657.00
-2694.00 -2646.00
-2301.50 -2242.00 -2182.50
-2300.00 -2284.50
1129 908
908 1218 1245
-2235.50
1257 1823 886 -2626.00
886 -2265.00
-2155.00 885 -2627.00
885
-2283.50
-2737.00
-2268.50
1244 1825
1256 1824
-2070.50
-2212.00
1258
-2601.00 -2600.00
-2615.00 1821
1821
1043 1134 1247
1042 -2582.00
-2666.00 -2652.00 -2566.00
-2599.00
1233
1822 1483 1041 1130 1822
1040 1246
-2657.00 -2552.00 -2530.00
-2694.00 -2646.00 -2611.00 -2547.00
1129
908 1218 1245
-2606.00
-2536.00
1257 1823
3 886 -2626.00 -2512.00
885 -2627.00
-2456.00 -2444.00
-2737.00
1244
1825
1256 -2479.00 1824
-2426.00
-2529.00 -2389.00
1258
-2326.00
Una de las aplicaciones de evaluar la conectividad caracterizar, para seleccionar esta área se escogieron
de los geo-objetos es el ranqueo de múltiples reali- tres patrones de inyección/producción, los cuales deli-
zaciones geoestadísticas. Los volúmenes de celdas mitaron un nuevo grid.
conectadas pueden ser usados para clasificar múl-
tiples realizaciones geoestadísticas, por ejemplo de Modelo de simulación
alta, media y baja conectividad. El ranqueo solo puede El área seleccionada para llevar a cabo el ajuste
ser desarrollado a partir de un número escalar, pero histórico automático, corresponde a tres modelos
generalmente el carácter del modelo tridimensional (patrones) de inyección/producción, su ubicación
no esta referenciado por escalares. Sin embargo, las dentro del área de modelamiento estratigráfico se
medidas promedio de conectividad consideradas aquí, puede observar en la Figura 12 (Bradley, 1987).
suministran una forma de ranquear realizaciones. Para Estos tres patrones fueron seleccionados debido: a
este propósito se dispone del programa RANK_OBJ, su buena respuesta al proceso de recobro secundario
desarrollado por Deutsch (1998). por inyección de agua, y a la no presencia de fallas,
lo que simplificaba el modelo numérico (Buckley et
Una vez seleccionado el modelo litológico más al., 1942; Dykstra et al., 1950).
representativo para el área utilizada en la definición
del modelo estratigráfico, se hicieron 20 descripcio- El área seleccionada tiene una superficie de aproxi-
nes petrofísicas de dicho modelo. Posteriormente y por madamente 376 acres y esta compuesta por 12 pozos:
razones prácticas, se hizo una reducción del modelo a LC-1131, LC-1137, LC-1181, LC-1208, LC-1209, LC-
1262850 1262850
1208
1209
1262100 1210 1262100
1212
1319
1137
1181
1213
1131 1229
1261350 1214 1261350
1247
1260600 1260600
1259850 1259850
1033280 1034080 1034880 1035680 1036480
Celdas Activas
J
28 x x x x x x x x x x x x x x
27 x x x x x x x x x x x x x x
26 x x x x x x x x x x x x x x
25 x x x x x x x x x x x x x x
24 x x x x x x x x x x x x x x
23 x x x x x x x x x x x x x x
22 x x x x x x x x x x x x x x
21 x x x x x x x x x x x x x x
20 x x x x x x x x x x x x x x x x x x x
19 x x x x x x x x x x x x x x x x x x x
18 x x x x x x x x x x x x x x x x x x x
17 x x x x x x x x x x x x x x x x x x x
16 x x x x x x x x x x x x x x x x x x x
15 x x x x x x x x x x x x x x x x x x x
14 x x x x x x x x x x x x x x x x x x x
13 x x x x x x x x x x x x x x x x x x x
12 x x x x x x x x x x x x x x x
11 x x x x x x x x x x x x x x x
10 x x x x x x x x x x x x x x x
9 x x x x x x x x x x x x x x x
8 x x x x x x x x x x x x x x x
7 x x x x x x x x x x x x x x x
6 x x x x x x x x x x x x x
5 x x x x x x x x x
4 x x x x x x x x
3 x x x x x x x x
2 x x x x x x x x
1 x x x x x x x x
i= 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Una vez definido este nuevo grid, se optó por En la hoja llamada “Presentacion_1” se encuentran
deshabilitar algunas de las celdas que componen este graficados los datos de producción de aceite (bopd)
enmallado; estas, no se tuvieron en cuenta porque ha- reales, simulados y promedio utilizado en streamline
cen parte del área de influencia de otros pozos que no (Figura 14).
fueron considerados dentro de este estudio. En la Figura
En la hoja llamada “Presentacion_2”, se presenta
13 se pueden observar marcadas con X y sombreadas,
las celdas que finalmente quedaron activas dentro del una tabla con los valores de permeabilidades relativas
desarrollo del presente trabajo (Satter et al., 1994). finalmente utilizados durante el proceso de simulación
streamline, en la parte inferior de esta se encuentran
Para resumir los ajustes que se le han hecho al los puntos finales de las permeabilidades relativas, así
enmallado, se presentan los siguientes datos: grid de como también los valores de saturación de agua connata,
referencia, 60 x 60 x 1000; grid de geoestadística, 60 la saturación de aceite residual y los factores de Corey
x 60 x 347; y grid de simulación escalado teniendo en (Corey, 1954). La Tabla 1 se presenta a continuación
cuenta tanto celdas activas como inactivas, 19 x 28 x y allí se resumen estos parámetros. En la Figura 15
25 (total 13300 celdas), el tamaño de cada bloque es presenta de manera gráfica los valores relacionados
de 55 m x 52 m y con tamaño variable en z. en la Tabla 1.
500,00
450,00
Prod_Real
400,00
Prod_Sim
350,00
Prod_Sim_Ajustada
300,00
BOPD
250,00
200,00
150,00
100,00
50,00
0,00
0 50 100 150 200 250 300
Meses
1,000
0,900 Krw
Kro
0,800
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Sw Krw Kro So
0,3133 0,000000 0,925000 0,6868
0,3200 0,000069 0,811657 0,6800
0,3500 0,001386 0,442780 0,6500
0,4000 0,006354 0,145251 0,6000
0,4500 0,014240 0,040428 0,5500
0,5000 0,024743 0,009018 0,5000
0,5500 0,037682 0,001469 0,4500
0,6000 0,052926 0,000148 0,4000
0,6300 0,063138 0,000026 0,3700
0,6500 0,070378 0,000006 0,3500
0,6650 0,076032 0,000002 0,3350
0,6750 0,079906 0,000001 0,3250
0,6850 0,083864 0,000000 0,3150
0,6868 0,084586 0,000000 0,3132
0,7500 0,111598 0,000000 0,2500
0,7590 0,115708 0,000000 0,2410
0,7653 0,118623 0,000000 0,2347
endkro endkrw sor swc real_no real_nw
0,9250 0,1186 0,23475 0,31325 8,6875954 1,7730235
Individuo Suma Aptitud Operacion 47740,03 SEG 795,67 MIN. 13,26 HORAS
1 2 3 4 5 6 7
1 1.675.477,75 1,007 Reproducir 1.543.891,38 1,941 Combinar 1.234.673,75 1,552 Combinar 1.494.070,88 1,878 Combinar 1.711.925,88 2,370 Mutación 1.184.561,88 1,640 Combinar 1.645.723,88 2,278 Mutación
2 2.055.567,13 1,236 Combinar 1.118.020,75 1,405 Combinar 1.471.882,75 1,850 Combinar 1.056.153,63 1,327 Combinar 1.298.298,38 1,797 Combinar 978.871,94 1,355 Combinar 992.734,13 1,374 Combinar
3 1.778.239,38 1,069 Combinar 1.034.780,81 1,301 Combinar 1.087.800,75 1,367 Combinar 1.252.017,13 1,574 Combinar 1.257.096,50 1,740 Combinar 1.188.440,25 1,645 Combinar 1.280.410,88 1,772 Combinar
4 1.847.969,50 1,111 Combinar 1.404.770,50 1,766 Combinar 936.724,94 1,177 Combinar 1.068.343,50 1,343 Combinar 1.024.901,88 1,419 Combinar 1.275.101,88 1,765 Combinar 1.261.669,00 1,746 Combinar
5 1.724.279,00 1,037 Reproducir 958.075,75 1,204 Combinar 1.699.537,25 2,136 Mutación 1.564.700,25 1,967 Combinar 1.181.129,38 1,635 Combinar 1.593.635,63 2,206 Mutación 1.396.970,25 1,934 Combinar
6 1.803.142,25 1,084 Combinar 1.094.220,63 1,375 Combinar 1.133.733,25 1,425 Combinar 1.071.939,13 1,347 Combinar 1.232.981,13 1,707 Combinar 1.160.621,88 1,607 Combinar 1.155.333,25 1,599 Combinar
7 2.791.061,50 1,678 Combinar 1.543.046,38 1,939 Combinar 1.199.021,13 1,507 Combinar 1.518.493,13 1,909 Combinar 1.324.940,63 1,834 Combinar 1.620.727,13 2,243 Mutación 1.294.648,38 1,792 Combinar
8 1.673.598,75 1,006 Reproducir 982.389,44 1,235 Combinar 1.046.094,31 1,315 Combinar 814.629,50 1,024 Reproducir 722.418,25 1,000 Reproducir 722.418,25 1,000 Reproducir 722.418,25 1,000 Reproducir
9 1.861.659,25 1,119 Combinar 999.669,56 1,256 Combinar 1.147.989,00 1,443 Combinar 1.542.565,63 1,939 Combinar 1.195.617,50 1,655 Combinar 1.215.605,38 1,683 Combinar 1.256.517,00 1,739 Combinar
10 2.086.833,13 1,255 Combinar 1.208.426,25 1,519 Combinar 1.315.966,00 1,654 Combinar 1.160.329,75 1,458 Combinar 1.320.352,63 1,828 Combinar 1.259.173,50 1,743 Combinar 1.170.489,75 1,620 Combinar
11 2.300.965,75 1,383 Combinar 1.125.493,50 1,415 Combinar 1.340.329,25 1,685 Combinar 1.288.546,88 1,620 Combinar 1.280.494,13 1,773 Combinar 1.007.133,88 1,394 Combinar 974.122,25 1,348 Combinar
12 1.802.924,25 1,084 Combinar 1.222.624,63 1,537 Combinar 1.369.141,13 1,721 Combinar 951.553,50 1,196 Combinar 867.745,31 1,201 Combinar 1.481.005,25 2,050 Mutación 998.200,81 1,382 Combinar
13 1.906.713,25 1,146 Combinar 795.612,31 1,000 Reproducir 795.612,31 1,000 Reproducir 795.612,31 1,000 Reproducir 795.612,31 1,101 Reproducir 1.034.162,63 1,432 Combinar 1.155.815,63 1,600 Combinar
14 2.129.620,25 1,280 Combinar 882.137,19 1,109 Reproducir 1.599.244,63 2,010 Combinar 1.469.140,75 1,847 Combinar 1.736.796,25 2,404 Mutación 1.622.428,13 2,246 Mutación 1.321.480,75 1,829 Combinar
15 2.123.554,00 1,277 Combinar 894.639,50 1,124 Reproducir 1.006.983,25 1,266 Combinar 1.835.543,75 2,307 Combinar 1.009.599,06 1,398 Combinar 1.043.540,94 1,445 Combinar 1.261.792,13 1,747 Combinar
16 1.663.364,38 1,000 Reproducir 1.663.364,38 2,091 Combinar 1.295.207,13 1,628 Combinar 1.128.353,38 1,418 Combinar 1.129.455,25 1,563 Combinar 1.484.827,75 2,055 Mutación 1.123.822,25 1,556 Combinar
17 1.845.265,75 1,109 Combinar 1.080.298,75 1,358 Combinar 1.277.129,38 1,605 Combinar 1.322.550,00 1,662 Combinar 1.575.207,50 2,180 Combinar 1.387.021,13 1,920 Combinar 1.198.519,38 1,659 Combinar
18 1.946.947,00 1,170 Combinar 1.100.980,88 1,384 Combinar 978.682,63 1,230 Combinar 1.020.702,81 1,283 Combinar 1.188.989,38 1,646 Combinar 1.057.769,75 1,464 Combinar 1.471.893,00 2,037 Combinar
19 2.140.972,75 1,287 Combinar 941.177,69 1,183 Combinar 1.327.744,00 1,669 Combinar 1.198.808,88 1,507 Combinar 1.125.737,00 1,558 Combinar 1.135.483,75 1,572 Combinar 1.630.725,63 2,257 Mutación
20 1.857.158,38 1,117 Combinar 3.077.224,00 2,500 Mutación 1.307.456,63 1,643 Combinar 1.536.861,88 1,932 Combinar 1.203.909,50 1,666 Combinar 1.297.800,75 1,796 Combinar 1.489.462,75 2,062 Mutación
1.950.765,67 1.233.542,21 1.228.547,67 1.254.545,83 1.209.160,39 1.237.516,58 1.240.137,47
8 9 10 11 12 13 14
1.344.447,13 1,861 Combinar 1.267.375,50 1,754 Combinar 1.287.160,75 1,782 Combinar 1.179.855,50 1,633 Combinar 1.331.846,50 1,844 Combinar 1.116.642,63 1,546 Combinar 1.078.856,88 1,493 Combinar
903.725,63 1,251 Combinar 1.181.630,38 1,636 Combinar 1.275.385,38 1,765 Combinar 1.001.502,63 1,386 Combinar 1.282.585,75 1,775 Combinar 1.341.818,00 1,857 Combinar 1.381.294,13 1,912 Combinar
1.297.721,88 1,796 Combinar 1.089.398,88 1,508 Combinar 1.078.327,50 1,493 Combinar 1.991.116,50 2,500 Mutación 1.514.999,50 2,097 Mutación 1.566.759,38 2,169 Mutación 1.311.983,75 1,816 Combinar
1.075.118,38 1,488 Combinar 1.238.691,13 1,715 Combinar 1.108.786,25 1,535 Combinar 1.139.510,75 1,577 Combinar 864.401,31 1,197 Combinar 876.312,63 1,213 Combinar 1.104.812,63 1,529 Combinar
SANTIAGO GONZÁLEZ et al.
1.009.371,38 1,397 Combinar 1.171.263,50 1,621 Combinar 1.154.272,13 1,598 Combinar 1.059.706,88 1,467 Combinar 1.026.104,69 1,420 Combinar 1.075.956,50 1,489 Combinar 1.179.772,38 1,633 Combinar
1.172.747,50 1,623 Combinar 1.190.614,63 1,648 Combinar 909.311,06 1,259 Combinar 1.086.141,38 1,503 Combinar 1.232.673,00 1,706 Combinar 1.171.310,50 1,621 Combinar 1.144.097,75 1,584 Combinar
977.876,63 1,354 Combinar 1.578.430,00 2,185 Mutación 1.058.109,50 1,465 Combinar 1.678.234,63 2,323 Mutación 1.443.092,38 1,998 Mutación 1.618.727,75 2,241 Mutación 1.038.474,38 1,437 Combinar
722.418,25 1,000 Reproducir 722.418,25 1,000 Reproducir 722.418,25 1,000 Reproducir 722.418,25 1,000 Reproducir 722.418,25 1,000 Reproducir 722.418,25 1,000 Reproducir 722.418,25 1,000 Reproducir
1.095.851,63 1,517 Combinar 953.385,13 1,320 Combinar 1.086.756,25 1,504 Combinar 1.317.166,50 1,823 Combinar 1.480.824,50 2,050 Mutación 1.162.900,75 1,610 Combinar 1.063.299,63 1,472 Combinar
912.971,75 1,264 Combinar 1.107.992,88 1,534 Combinar 933.166,69 1,292 Combinar 1.116.323,00 1,545 Combinar 957.929,94 1,326 Combinar 1.125.120,50 1,557 Combinar 1.809.386,38 2,500 Mutación
1.137.320,13 1,574 Combinar 1.374.288,13 1,902 Combinar 1.112.911,38 1,541 Combinar 1.796.263,38 2,486 Mutación 983.729,75 1,362 Combinar 1.288.880,63 1,784 Combinar 1.807.598,00 2,500 Mutación
1.343.519,00 1,860 Combinar 1.213.400,13 1,680 Combinar 1.065.206,00 1,475 Combinar 1.381.238,88 1,912 Combinar 1.203.404,88 1,666 Combinar 1.080.220,13 1,495 Combinar 1.071.776,25 1,484 Combinar
995.431,81 1,378 Combinar 975.005,69 1,350 Combinar 1.049.757,63 1,453 Combinar 1.019.015,38 1,411 Combinar 945.836,00 1,309 Combinar 766.749,13 1,061 Reproducir 1.021.673,94 1,414 Combinar
1.338.560,50 1,853 Combinar 1.360.937,88 1,884 Combinar 1.558.942,75 2,158 Combinar 1.403.836,38 1,943 Combinar 1.264.436,88 1,750 Combinar 1.150.154,75 1,592 Combinar 1.775.938,38 2,458 Mutación
1.560.790,75 2,161 Combinar 1.385.424,75 1,918 Combinar 1.138.116,25 1,575 Combinar 1.199.269,38 1,660 Combinar 1.190.207,00 1,648 Combinar 1.306.460,88 1,808 Combinar 1.312.507,00 1,817 Combinar
1.655.282,50 2,291 Mutación 1.217.140,88 1,685 Combinar 1.151.295,88 1,594 Combinar 1.184.085,88 1,639 Combinar 1.343.834,38 1,860 Combinar 1.449.899,75 2,007 Mutación 1.532.098,13 2,121 Combinar
1.120.618,38 1,551 Combinar 1.283.393,13 1,777 Combinar 1.313.195,00 1,818 Combinar 1.443.160,00 1,998 Combinar 1.402.074,13 1,941 Mutación 1.137.586,25 1,575 Combinar 1.377.039,00 1,906 Combinar
1.342.739,00 1,859 Combinar 1.307.631,75 1,810 Combinar 1.636.857,00 2,266 Mutación 1.034.245,63 1,432 Combinar 1.499.224,38 2,075 Mutación 1.240.669,50 1,717 Combinar 1.039.231,63 1,439 Combinar
1.295.321,75 1,793 Combinar 1.159.599,38 1,605 Combinar 1.136.676,63 1,573 Combinar 896.814,50 1,241 Combinar 1.262.580,13 1,748 Combinar 1.488.489,63 2,060 Mutación 1.595.551,13 2,209 Combinar
1.210.496,75 1,676 Combinar 1.143.765,25 1,583 Combinar 1.332.431,25 1,844 Combinar 889.711,19 1,232 Combinar 1.261.274,50 1,746 Combinar 917.308,69 1,270 Combinar 898.435,00 1,244 Combinar
1.175.616,53 1.196.089,36 1.155.454,18 1.226.980,83 1.210.673,89 1.180.219,31 1.263.312,23
Dic. 2004
956.052,38 1,323 Combinar 1.137.710,50 1,575 Combinar 1.045.612,38 1,447 Combinar 1.480.037,38 2,049 Combinar 1.469.415,25 2,084 Combinar 1.125.027,13 1,756 Combinar
1.171.346,25 1.153.988,59 1.196.876,38 1.421.811,63 1.216.600,46 1.157.751,62
21 22 23 24 25
1.321.200,50 2,063 Combinar 1.240.016,00 1,936 Combinar 1.175.374,25 1,835 Combinar 1.778.854,75 2,500 Mutación 1.174.668,50 1,834 Combinar
1.002.147,88 1,565 Combinar 1.159.743,25 1,811 Combinar 838.597,81 1,309 Combinar 1.354.209,63 2,114 Combinar 1.109.202,75 1,732 Combinar
878.259,88 1,371 Combinar 851.978,44 1,330 Combinar 1.152.444,25 1,799 Combinar 1.396.014,88 2,180 Combinar 923.343,88 1,442 Combinar
640.494,44 1,000 Reproducir 640.494,44 1,000 Reproducir 640.494,44 1,000 Reproducir 640.494,44 1,000 Reproducir 640.494,44 1,000 Reproducir
1.301.939,25 2,033 Combinar 1.012.183,94 1,580 Combinar 1.334.950,13 2,084 Combinar 1.001.030,38 1,563 Combinar 1.175.307,38 1,835 Combinar
1.010.489,19 1,578 Combinar 1.407.946,38 2,198 Combinar 918.007,56 1,433 Combinar 1.472.030,63 2,298 Combinar 1.053.953,75 1,646 Combinar
900.970,31 1,407 Combinar 1.200.845,00 1,875 Combinar 1.583.524,13 2,472 Mutación 1.551.892,50 2,423 Mutación 1.317.197,00 2,057 Combinar
956.748,06 1,494 Combinar 849.316,06 1,326 Combinar 767.582,19 1,198 Combinar 882.395,63 1,378 Combinar 829.141,56 1,295 Combinar
1.124.262,25 1,755 Combinar 900.855,19 1,406 Combinar 924.256,19 1,443 Combinar 1.101.033,38 1,719 Combinar 940.381,50 1,468 Combinar
1.139.950,50 1,780 Combinar 951.735,88 1,486 Combinar 1.170.319,00 1,827 Combinar 1.344.508,25 2,099 Combinar 1.104.683,13 1,725 Combinar
1.179.873,13 1,842 Combinar 867.697,81 1,355 Combinar 1.512.994,50 2,362 Combinar 1.481.038,88 2,312 Mutación 1.056.914,00 1,650 Combinar
917.757,13 1,433 Combinar 1.224.047,25 1,911 Combinar 1.074.577,63 1,678 Combinar 1.352.198,63 2,111 Combinar 1.200.376,50 1,874 Combinar
751.310,19 1,173 Combinar 1.103.769,38 1,723 Combinar 851.998,50 1,330 Combinar 1.207.950,13 1,886 Combinar 966.606,63 1,509 Combinar
1.812.868,50 2,500 Mutación 1.502.572,88 2,346 Combinar 1.308.143,50 2,042 Combinar 1.773.487,63 2,500 Mutación 1.343.741,88 2,098 Combinar
1.022.971,25 1,597 Combinar 998.740,69 1,559 Combinar 922.487,06 1,440 Combinar 1.251.528,88 1,954 Combinar 1.160.155,13 1,811 Combinar
2.098.470,25 2,500 Mutación 2.055.396,63 2,500 Mutación 1.943.046,25 2,500 Mutación 1.853.228,63 2,500 Mutación 1.875.945,25 2,500 Mutación
1.591.350,50 2,485 Combinar 1.282.944,75 2,003 Combinar 1.067.621,00 1,667 Combinar 1.005.462,69 1,570 Combinar 1.427.543,88 2,229 Combinar
1.143.234,38 1,785 Combinar 1.379.427,63 2,154 Combinar 1.627.815,63 2,500 Mutación 1.261.619,00 1,970 Combinar 1.168.197,50 1,824 Combinar
808.949,25 1,263 Combinar 1.400.149,25 2,186 Combinar 1.005.395,00 1,570 Combinar 1.086.590,00 1,696 Combinar 1.371.484,38 2,141 Combinar
1.824.032,13 2,500 Mutación 1.032.476,75 1,612 Combinar 1.133.477,50 1,770 Combinar 1.201.168,38 1,875 Combinar 839.891,63 1,311 Combinar
1.171.363,95 1.153.116,88 1.147.655,33 1.299.836,86 1.133.961,53
Porcentajes de selección
Reproducción : 10%
Combinación : 70%
Mutación : 20%
CARACTERIZACIÓN DINÁMICA DE YACIMIENTOS ESTRATIGRAFICAMENTE COMPLEJOS USANDO ALGORITMOS GENÉTICOS
45
SANTIAGO GONZÁLEZ et al.
En la hoja llamada “Hoja1” se relaciona la siguiente que los utilizan (puntos finales de las permeabilidades
información: tiempo de máquina, evolución de los in- relativas y los parámetros geoestadísticos).
dividuos durante las 20 generaciones, individuo rey en
cada generación, los porcentajes de selección definidos Para validar el modelo obtenido se calcularon los
por el usuario y finalmente los puntos piloto seleccio- percentiles 10, 20, 30, …, 80, 90 y 100 para todos
nados por el programa. En la Tabla 2, se observan todos los datos que componen cada propiedad petrofísica
los datos anteriores a excepción de los puntos piloto, (porosidad, permeabilidad y saturación de agua) y se
estos no se incluyeron debido a la magnitud de datos compararon con los percentiles 10, 20, 30, …, 80, 90
generados y a que estos no son un factor concluyente y 100 del individuo 2 de la población inicial, este in-
del método y se usan para revisar el comportamiento dividuo fue seleccionado aleatoriamente entre los 20
del programa. individuos (realizaciones) generadas como población
inicial. Los resultados obtenidos se pueden observar
En la hoja llamada “Cromosomas” se presentan las en la Tabla 3.
tablas de equivalencias generadas para los cromosomas
binarios, estas tablas son utilizadas por el programa para Adicional al cálculo de los percentiles, se hicieron
codificar y descodificar los valores de las variables gráficas donde se puede evidenciar el comportamiento
1 1 1 1
5 5
5 5 2 2
0 0
1 1 2 2
0 0 5 5
Permeabilidad_X
0,000100 75 150 225 300
ros condicionando el modelo geológico y estructural • La metodología mostró ser una técnica apropiada
a los datos de producción. para encontrar descripciones de yacimientos que
hacen honor a los datos de producción, información
de los pozos y a los rasgos geológicos; además es
• Tal como se evidencia en la Tabla 2 (Relación capaz de manejar gran cantidad de parámetros, lo
evolución individuos), la función objetivo se va re- cual es un problema cuando se trabaja en modelos
duciendo, al igual que los valores promedio de las de simulación de yacimientos.
funciones objetivo en cada generación. Esta mejoría
se puede ver en las Figuras 14 y 16.
• La metodología fue aplicada exitosamente en la parte
superior de las arenas “C” de 3 patrones inyección/
• Para aplicar la metodología se elaboró un programa producción (12 pozos) del área 7 del Campo La Cira,
llamado INVERDINAMICA ©, desarrollado en pla- este es un yacimiento heterogéneo de ambiente de
taforma PC y bajo ambiente Windows; el programa depositación fluvial.
fue compilado, y presentado como un ejecutable.
• La combinación de los AGs (método de optimi- • Para este estudio en particular, se encontró que la
zación global), el método de los puntos piloto, la incertidumbre generada en la determinación de la
Simulación Gaussiana Secuencial (modelamiento Saturación de Agua, después de 30 años de produc-
geoestadístico) y la simulación streamline (simu- ción primaria, es mucho más significativa que la
lador numérico) proporcionan una herramienta ro- proveniente del cálculo del volumen de arcilla. Por
busta para ser utilizada en la solución de problemas esta razón, se cambió el volumen de arcilla por la
inversos aplicados a la industria del petróleo. Se saturación de agua.
genera de esta forma una solución muy económica
en términos de costo computacional, eficiente y
totalmente automática. • El concepto utilizado para diseñar la metodología de
los AGs es tan universal que permite ser modificada
fácilmente, y se adecua a las condiciones del proble-
• La técnica definida en este trabajo puede ser aplica- ma propuesto.
da tanto a yacimiento en producción primaria como
en yacimientos sometidos a la inyección de agua.
Para yacimientos en recobro primario se haría ne- • Al comparar los resultados obtenidos por el simu-
cesario el uso de un simulador convencional, como lador con los datos históricos, se observa que aún
consecuencia, los tiempos de cómputo aumentarán existen diferencias significativas en la producción
considerablemente. al momento de la irrupción del agua, este problema
se debe más a condiciones operativas que al método
propuesto; se puede observar que el pozo La Cira
• Utilizar un modelo sin escalar, es posible, ya que el 1210 es el que mejor ajusta tanto en la tasa de pro-
simulador de streamline permite su uso y, segura- ducción como en el corte de agua, esto se explica
mente, con el mejoramiento de las velocidades de fácilmente al considerar su ubicación estratigráfica
cómputo en los equipos venideros, será posible obviar (parte baja de la estructura), lo que implica que la
los errores que se generan al escalar los modelos. cantidad de gas libre al inicio de la inyección era
Carrillo, L. F., 1990. “Análisis petrofísicos especiales Goldberg, D. E. and Deb, K., 1991. “A comparative analy-
de corazones, pozo La Cira 1884”. Ecopetrol – ICP, sis of selection schemes used in genetic algorithms”.
Piedecuesta. Rawlins, G. J. E. (ed.), Foundations of Genetic Algori-
thms, Morgan Kaufmann.
Chen, W. H., Gavalas, G. R., Seinfeld, J. H., And Wasserman,
M. L., 1974. “A new algorithm for automatic history Gomez, S., Gosselin, O., and Barker, J. W., 1999. “Gradient-ba-
matching”. SPEJ, 593-608. sed history-matching with a global optimization method”.
Paper SPE 56756 presented at the 1999 SPE Annual Tech-
Corey, A. T., 1954. “The interrelation between gas and oil nical Conference and Exhibition, Houston, Texas, 3-6.
relative permeabilities”. Producers Monthly, 38-41.
Holland, J. H., 1975. “Adaptation in natural and artificial
Cuypers, M., Dubrule, O., Lamy, P. and Bissell, R., 1998. “Op- systems: an introductory analysis with applications to
timal choice of inversion parameters for history-matching biology, control, and artificial intelligence”. University
with the pilot point method”. Proceeding of the Sixth Euro- of Michigan Press, Ann Arbor, Michigan.
pean Conference on the Mathematics of Oil Recovery.
Idrobo, E. A. 1999. “Characterization and ranking of reservo-
Dake, L. P., 1978. “Fundamentals Of Reservoir Enginee- ir models using geostatistics and streamline simulation”.
ring”. Developments in Petroleum Science 8, Elsevier, PhD Dissertation, Texas A&M University.
Amsterdam.
Jensen, J., Lake, L., Corbett, P., and Goggin, D., 1997. “Sta-
Davis, L., 1991. “Handbook of genetic algorithms”. Van tistics for petroleum engineers and geoscientists”. Pren-
Nostrand Reinhold, New York. tice Hall Petroleum Engineering Series, New Jersey.
De Jong, K. A., 1975. “An analysis of the behavior of a Lobo, A., 1999. “Evaluación integrada de yacimientos,
class of genetic adaptive systems”. Ph.D. dissertation, campo La Cira-Infantas”. Ecopetrol, Bogotá
University of Michigan, Ann Arbor.
Martínez, J., 1990. “Fundamentos de algoritmos genéticos”.
Dengo, C. A. and Covey, M. C., 1993. “Structure of the II Congreso Colombiano de Neurocomputación, Univer-
Eastern Cordillera of Colombia: Implications for Trap sidad Nacional de Colombia, Bogotá.
Styles and Regional Tectonics”. AAPG Bulletin, 77/8,
1315-1337. Mitchell, M., Forrest, S., and Holland, J. H., 1992. “The
royal road for genetic algorithms: fitness landscapes and
Deschamps, T., Grussaute, T., Mayers, D. and Bissell, R., ga performance”. Varela, F. J. and Bourgine, P., (eds.),
1998. “The results of testing six different gradient opti- Towards a Practice of Autonomous Systems, Procee-
misers on two history matching problems”. Proceedings dings of the First European Conference on Artificial
of the Sixth European Conference on the Mathematics Life, MIT Press.
of Oil Recovery.
Mitchell, M., 1996. “An introduction to genetic algorithms”.
Deutsch, C. V. and Journel, A. G. 1998. “GSLIB: Geostatis- The MIT Press, Cambridge, Massachusetts.
tical software library and user’s guide”. second edition,
Oxford University Press, New York. Ouenes, A., 1992. “Application of simulated annealing to
reservoir characterization and petrophysics inverse pro-
Deutsch, C. V. 1998. “Fortran programs for calculating blems”. PhD Thesis, New Mexico Institute of Mining
connectivity of three-dimensional numerical models and Technology.
and for ranking multiple realizations”. Computers &
Geosciences, 241, 69. Ramon, J.c., 1997. “Characterización and prediction of reser-
voir architecture and petrophysical properties in fluvial
Dykstra, H. and Parsons, H. L. 1950. “The prediction of oil channel sandstones, Middle Magdalena Basin, Colom-
recovery by waterflooding”. Secondary Recovery of Oil bia”. CT&F - Ciencia, Tecnología y Futuro, Piedecuesta,
in the United States, 2nd ed., API, New York, 160-174. Santander: Ecopetrol, ICP , 1: 3.
Goldberg, D. E., 1989. “Genetic Algorithms in Search, Op- Renard, Ph. and De Marsily, G., 1997. “Calculating equi-
timization, and Machine Learning”. Addison-Wesley valent permeability: a review”. Advances in Water Re-
Publishing Company, Inc., Reading, Massachusetts. sources, 20: 253-278.
Romero, C.E., 2000. “A genetic algorithm for reservoir cha- Wright, A. H., 1991. “Genetic algorithms for real parame-
racterisation using production data”. PhD Dissertation, ter optimisation”. Rawlins, G. J. E. ed., Foundations of
University of London, Royal School of Mines. Genetic Algorithms, Morgan Kaufmann.
Romero, C. E., Carter, J. N., Gringarten, A. C. and Zimmer- Wu, Z., Reynolds, A. C. and Oliver, D. S., 1998. “Condi-
man, R. W., 2000. “A modified genetic algorithm for tioning geostatistical models to two-phase production
reservoir characterization”. SPE 64765, SPE Internatio- data”. SPEJ, 4 (2).
nal Oil and Gas Conference and Exhibition, Society of
Petroleum Engineers, Beijing. Yang, P-h. and Watson, A. T., 1987. “Automatic history ma-
tching with variable-metric methods”. Paper SPE 16977
Romero, C. E., Carter, J. N., Gringarten, A. C. and Zimmer- presented at the SPE 62nd Annual Technical Conference
man, R. W., 2000. “Improved reservoir characterization and Exhibition, Dallas, Texas, 27-30.
through evolutionary computation”. SPE 62942, SPE
Zalzala, A. M. and Fleming, P. J., 1997. “Genetic algorithms
Annual Technical Conference and Exhibition, Society of
in engineering systems”. The Institution of Electrical En-
Petroleum Engineers, Dallas.
gineers, London, U.K.
Reyes, A., Fajardo, A. and Ballesteros, R., 1989. “Des-
cripción macropetrográfica del pozo La Cira 1884”.
Ecopetrol-ICP, Piedecuesta.
Whitley, D., 1999. “A free lunch proof for gray versus binary
encodings”. Proceedings of the Genetic and Evolutiona-
ry Computation Conference, Banzhat, W., eds., Morgan
Kaufmann, San Francisco.