CT&F Ciencia, Tecnología & Futuro (Jan 2004)
CARACTERIZACIÓN DINÁMICA DE YACIMIENTOS ESTRATIGRÁFICAMENTE COMPLEJOS USANDO ALGORITMOS GENÉTICOS
Abstract
En este trabajo se presenta la aplicación a un caso real de una metodología novedosa para la caracterización 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. Posteriormente, usando como marco de referencia un simulador analítico, el modelo escalado es metódicamente modificado mediante un proceso de optimización que usa algoritmos genéticos y como información condicional los datos de producción. El Producto final de este proceso es un modelo que respeta las condiciones estáticas y dinámicas del yacimiento con capacidad de minimizar el impacto económico que genera el ajuste histórico de producción en las tareas de simulación. Este modelo final, entonces, presenta unas propiedades petrofísicas (porosidad, permeabilidad y saturación de agua) modificadas para lograr un mejor ajuste de la historia de producción simulada con la real (History Matching). Adicional a lo anterior, el proceso involucra una liguera modificación de las permeabilidades relativas, las cuales se han cambiado buscando calibrar estas propiedades que igualmente presentan un grado alto de incertidumbre.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.
