Descarga PDF
Este metodología es útil para la toma de decisiones en explotación y recuperación de hidrocarburos en campos maduros
El Instituto Mexicano del Petróleo (IMP), en colaboración con otras instituciones de investigación mexicanas y extranjeras, desarrolló una metodología en inteligencia computacional y minería de datos, única en el ámbito nacional e internacional, indispensable para la toma de decisiones en explotación y recuperación de hidrocarburos en campos maduros petroleros. Al respecto, el doctor Leonid Sheremetov, responsable técnico del proyecto del Fondo Sectorial Conacyt-Sener-Hidrocarburos: Métodos y técnicas de inteligencia computacional y minería de datos para la toma de decisiones en explotación de campos maduros del Modelado Inverso Inteligente de Yacimientos Naturalmente Fracturados (MIIDY), dijo que se trata de un modelo predictivo de yacimiento que parte del comportamiento histórico de los pozos, aplicando técnicas de minería de datos. “Esta metodología se basa en modelos dirigidos por datos y utiliza técnicas de minería de datos, cuando el comportamiento de los yacimientos se aprende de los datos reales e históricos y no de los modelos matemáticos acerca de nuestro conocimiento actual de la física subyacente en el yacimiento”. El doctor Sheremetov indicó que el desarrollo del MIIDY obedeció, por un lado, a la declinación de las principales reservas productoras y como consecuencia, a la necesidad de enfrentar retos asociados a un incremento significativo en la complejidad técnica en la mayoría de los procesos de negocio. Y por el otro, al aumento en la cantidad de datos que se recuperan en los procesos de explotación de campo y describen diferentes aspectos de un yacimiento; “es decir, datos que representan información muy valiosa que debe ser analizada, pero que rebasa significativamente la capacidad de los métodos y prácticas tradicionales de operación de campo, por lo que se requiere el desarrollo de técnicas de modelado de yacimientos dirigidas por datos para completar los modelos tradicionales”. Apuntó que para la construcción del modelo predictivo de un yacimiento, se toman en cuenta los efectos que tienen las variables estáticas sobre las de producción. Además, el diseño del modelo considera las producciones de agua, gas y la relación de gas/aceite como entradas, así como los datos de núcleos, registros, pruebas de pozos, sísmica, entre otras. “La construcción de un modelo se guía por la historia de producción a lo largo de la vida útil de los pozos en el yacimiento; de esta manera, los modelos construidos se enfocan en realizar la zonificación de campo y producir un pronóstico de la producción de aceite por cada intervalo, formación y pozo, así como en la predicción de otras variables dinámicas como la producción de gas, agua y la presión de fondo fluyente”. El especialista del IMP explicó que de marzo de 2011 a agosto de 2013, tiempo que llevó el desarrollo del MIIDY, se realizaron pruebas tecnológicas con datos del campo Jujo-Tecominoacán del Activo Bellota Jujo, en pozos de pemex. “Esto permitió al Instituto contar con una metodología de punta para la Línea de negocio de soluciones integrales para el desarrollo y optimización de campo”, precisó. Actualmente la Gerencia de Gestión de Proyectos Tecnológicos de pemex Exploración y Producción (PEP) solicitó al IMP aplicar este desarrollo tecnológico, a través del proyecto facturable “Estimar el aceite remanente utilizando técnicas de inteligencia artificial para yacimientos naturalmente fracturados” para el Activo Litoral de Tabasco, proyecto integral de Crudo Ligero Marino”. Bondades del MIIDY El uso de esta nueva metodología –agregó– es muy importante para evaluar los yacimientos naturalmente fracturados de pemex, de los cuales se obtiene más de 80% de la producción de hidrocarburos en México. El especialista señaló que el modelado inverso inteligente puede aplicarse en el proceso de explotación de yacimientos en campos maduros, para realizar el análisis y evaluación de campos, así como el pronóstico de las reservas remanentes de hidrocarburos y, de esta manera, proceder con el análisis de estrategias de desarrollo de campo, realizando tareas en la identificación de zonas subextraídas, en la identificación de pozos de bajo rendimiento y en el pronóstico de comportamiento de pozos de relleno (infill). “La aplicación del MIIDY permitirá a pemex incrementar el uso de los datos recopilados e históricos en procesos de negocios, en apoyo a la toma de decisiones; incrementar el factor de recuperación identificando las zonas subextraídas del campo y reducir considerablemente los tiempos de modelado de campo”. De esta manera, Leonid Sheremetov sostuvo que en comparación con otras metodologías tradicionales de simulación numérica, el MIIDY considera técnicas que permiten reducir la incertidumbre de los datos; disminuir considerablemente los tiempos de modelado de campo, así como predecir la producción mensual de aceite en el largo plazo (por varios años), con una mejor precisión. Destacó que para su desarrollo se conformó un consorcio multiinstitucional y multidisciplinario, encabezado por el IMP, en el que participaron instituciones nacionales líderes en temas de inteligencia computacional y minería de datos, y su aplicación en la industria petrolera. “Las instituciones que colaboraron se apoyaron en los servicios de compañías especializadas y consultorías de reconocidos expertos internacionales, lo que garantizó no solamente una alta especialización, sino también una solidez técnica considerable de los resultados”. Finalmente, comentó que por parte del IMP participaron investigadores del Programa de Matemáticas Aplicadas y Computación, y de la Dirección de Exploración y Producción, aunado a los especialistas de instituciones académicas como el Centro de Investigación en Matemáticas (CIMAT), el Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE), el Instituto de Investigaciones Eléctricas (IIE), el Centro de Investigación en Computación (CIC-IPN) y el Centro de Investigación y de Estudios Avanzados del Instituto Politécnico Nacional (Cinvestav-IPN), entre otros. Como asesores participaron especialistas de instituciones extranjeras como la compañía Intelligent Solutions Inc.; así como los doctores Eugênio da Silva, del Laboratorio de Inteligencia Computacional Aplicada de la Pontificia Universidad Católica de Río de Janeiro e Igor Aizenberg, de la Texas A&M University at Texarkana.
