TCNICA DE OPTIMIZACIN MASIVA PARA MEJ ORAR PRODUCCIN EN
CAMPOS MADUROS: SAN FRANCISCO, COLOMBIA
RESUMEN Una metodologa de avance ha sido implementada en el campo San Francisco, Colombia, para producir un 12% adicional en reservas remanentes a travs de la optimizacin de produccin e inyeccin basada en los principios clave de la teora del aprendizaje. Este documento presenta una nueva metodologa de optimizacin masiva aplicada en el campo San Francisco. Tales tcnicas son especialmente adecuadas para campos maduros, ya que cuentan con una infraestructura sustancial en su lugar, la cual puede ser usada en maneras diferentes a la usual. Los campos maduros representan un reto en trminos de inversin y asignacin de recursos. Aun, quedan oportunidades de mejorar la produccin, desde que algunas decisiones estratgicas pasadas han creado heterogeneidad en la presin y saturacin del campo. Estos pueden ser rediseados drsticamente y los parmetros de produccin reorganizados. Ya que muchas formas de produccin han sido exploradas en el pasado, un proceso de aprendizaje puede ser aplicado: el reorganizar parmetros se puede implementar con muy bajo riesgo. Todava, existen billones de maneras para operar campos maduros: las tasas de produccin e inyeccin pueden ser variadas, conversiones realizadas. La optimizacin masiva de un campo significa seleccionar y jugar con miles de escenarios de produccin e identificar el mejor. Esto solo es posible con un simulador confiable y veloz. La Teora del aprendizaje estadstico definen las condiciones en que dicho simulador puede ser diseado. El PRODUCTION SIMULATOR esta diseado de tal manera que cumpla con las condiciones de un pronstico confiable a largo plazo. Este nuevo avance ha sido implementado con xito en el campo San Francisco con el fin de reorganizar el rgimen de inyeccin de agua, particularmente a travs de la conversin de productores a inyectores. El proceso completo tardo solo tres meses. Nuestra metodologa ha llevado a una produccin adicional esperada de 1.2 mmbo, un incremento del 12% en reservas remanentes, con un costo total de desarrollo de 4.5 US$/bbl. Actualmente los datos de produccin, un ao despus de la implementacin, esta en lnea con el pronostico. INTRODUCCIN El campo San Francisco fue descubierto en 1985 en Colombia y ha estado produciendo de la formacin Caballos. Este es un yacimiento altamente heterogneo en un anticlinal fracturado, a 3000 ft de profundidad. La presin inicial fue 1100 psia con una presin de punto de burbuja aproximada de 950 psia y calidad de crudo variando de 23 a 28 grados API. El campo ha estado bajo esquema de inyeccin de agua desde 1989. La produccin total de fluidos actual es 250.000 bbl con un corte de agua promedio de 96.7%. Para el 2008, el operador, Hocol S.A., haba perforado un total de 193 pozos que consisten de 128 productores activos y 76 inyectores activos con resultados variados. Debido a la heterogeneidad del campo, complicada por su denso fallamiento e inyeccin de agua bajo un desfavorable radio de movilidad, el operador tuvo que determinar los candidatos para la prxima campaa de conversin; no solo la ubicacin de los futuros pozos sino tambin las tasas de inyeccin y produccin a implementar.
GEOLOGIA DEL CAMPO La formacin Caballos esta dividida en las arenas superior e inferior. Caballos Superior (KCU) consiste de areniscas cuarzosas de grano grueso a fino en un ambiente de estuario y contiene el 75% del STOOIP, con valores promedios para arena neta de 53 ft, porosidad entre 12% y 23% (promedio 17%) y un rango de permeabilidad de 20 mD a 2000 mD (promedio 950 mD). El miembro Caballos Inferior (KCL) (25% del STOOIP) consiste de depositaciones fluviales intercaladas con lodolitas silicias, con valores promedios para arena neta de 55 ft, porosidad entre 6% y 19% (promedio 12%) y un rango de permeabilidad de 10 mD a 1500 mD (promedio 350 mD). Caballos Superior (KCU) esta descrito por nueve unidades hidrulicas en el sector del norte y por ocho en el sector del sur del campo, mientras Caballos Inferior esta descrito por solo tres unidades. Estas doce unidades fueron definidas en base al modelo estratigrfico, ambientes sedimentarios, ingeniera de yacimientos, y datos de produccin.
CAMPOS MADUROS: PORQUE LA OPTIMIZACION ES UTIL Campos maduros de crudo y gas han estado produciendo por mucho tiempo (tpicamente ms de diez aos) y han alcanzado un alto nivel de complejidad. Cuando esta iniciando la produccin, la heterogeneidad existe en la geologa del yacimiento (particularmente en la arena neta), Mientras la presin del campo es usualmente constante para un horizonte dado. Despus de que muchos productores han sido perforados y operados por un largo tiempo, ms distorsin ser desarrollada, desde los pozos depletando localmente el campo y disminuyendo la saturacin. Los inyectores tambin impactan fuertemente ambos presin y saturacin de yacimiento. Como tanto presin y saturacin son heterogneas, la manera en que produce el campo, es, la afinacin exacta de las tasas de produccin y/o inyeccin individual por pozo, es muy importante. Esta capacidad para mejorar la produccin a travs del rediseo de las tasas de inyeccin y produccin tambin ha sido probada en campos actuales, los cuales no son mostrados en el presente documento. Los resultados varian de +10% a +20% en reservas remanentes, dependiendo del campo y de las oportunidades disponibles para variar parmetros, con rangos razonables y conservativos, definidos en base a la historia pasada. En casos donde nuevos pozos de relleno pueden ser econmicamente perforados, los resultados pueden tener un rango de +25% a +80% de reservas remanentes.
PRIMER PASO: LA CREACIN DE UN SIMULADOR DE PRODUCCIN CONFIABLE El comportamiento de la normalmente llamada Lnea base o negocios como es usual de un completo campo maduro puede ser normalmente bien derivado de herramientas tradicionales, las cuales incluyen anlisis de curvas de declinacin e interacciones promedias de pozos. Una nueva estrategia de produccin implicara la modificacin de los parmetros de produccin contra la lnea base. Esto no debe incluir solamente la variacin de las tasas de produccin e inyeccin, sino tambin la conversin de productores a inyectores o la perforacin adicional de pozos. Para ello, es necesario pronosticar correctamente el impacto de estos cambios en la tasa de produccin de cada uno de los pozos. Un simulador de campo confiable necesita ser desarrollado, el cual debe calcular por lo menos la tasa de produccin por pozo, por fase y por mes, como funcin de los parmetros de produccin dados, incluyendo conversiones y/o nuevos pozos de relleno. Como se ver a continuacin, otro factor deseable de este simulador es la velocidad de clculo. En resumen, el simulador de produccin representa el compromiso apropiado entre los modelos demasiado simples y demasiado complejos. Este es vlido solo para campos maduros, los cuales entregan informacin pasada suficiente para permitir la construccin de un espacio de soluciones lo suficientemente grande para tener en cuenta todos los fenmenos clave en el estado del campo. La confiabilidad del simulador de produccin ha sido demostrada con muchas pruebas, donde los parmetros de produccin son conocidos y los datos de produccin son calculados usando el simulador de produccin. La comparacin entre los datos actuales y los calculados es excelente (en un rango menor al 5%), incluso para largos periodos de tiempo de hasta cinco aos.
OPTIMIZACIN MASIVA (HIBRIDO) La optimizacin masiva es posible, tan larga como el tiempo de clculo para un escenario de produccin dado, tal que miles o incluso cientos de miles escenarios pueden ser proyectados y comparados. Por ello, es por supuesto imposible jugar con todos los escenarios factibles. No es inteligente seleccionar y probar miles de ellos aleatoriamente como en el mtodo Monte-Carlo, sabiendo que no hay chance de que se capture un muy buen escenario. Tcnicas de optimizacin especficas necesitan ser desarrolladas, con el fin de explorar apropiadamente el vasto monto de posibilidades de manera informada, con el fin de lograr la mejor comprensin y relevancia en la eleccin de los escenarios proyectados. El motor de optimizacin es una tcnica desarrollada con el fin de seleccionar y jugar con cientos de miles escenarios de produccin, usando un hibrido de tres tipos de mtodos: 1. Optimizacin Heurstica: Con el fin de limitar el nmero de escenarios de produccin con los que se jugara, algunos razonamientos lgicos a travs de la experiencia pueden ser usados para limitar el espacio que se explorara. 2. Optimizacin Determinstica: Empezar con un escenario de produccin muy razonable y tratar de refinarlo. 3. Optimizacin No Determinstica: Saltar a diferentes posibles escenarios.
UN VISTAZO AL CAMPO SAN FRANCISCO De acuerdo a estudios previos realizados en el campo San Francisco, era aparente que habra una posible ganancia con la reorganizacin del esquema de inyeccin, con el fin de mejorar la saturacin en las reas de drene. Esto tendra que ser realizado bajo restricciones tcnicas, no solo por pozo, sino para todo el campo, en particular las tasas totales de inyeccin y produccin. Tambin la restriccin financiera, era minimizar el gasto capital. Una de las preguntas difciles y clave prctica fue definir cuantos productores deberan idealmente ser convertidos, donde y cuando. Como haban 99 productores activos, haban 2^99 posibilidades, incluso sin tener en cuenta cuando convertirlos.