Capitulo 17

La simulacin del rendimiento del yacimiento de petrleo se refiere a la construccin y operacin

de un modelo cuyo comportamiento asume la apariencia del comportamiento actual del
yacimiento. El modelo en s es fsico (por ejemplo, un saco de arena de laboratorio) o matemtico.
Un modelo matemtico es un conjunto de ecuaciones que, sujetas a ciertas suposiciones, describen
los procesos fsicos activos en el reservorio. Aunque el modelo mismo carece evidentemente de la
realidad del yacimiento, el comportamiento de un modelo vlido simula la apariencia del reservorio
actual.

El propsito de la simulacin es la estimacin del rendimiento de campo (por ejemplo, recuperacin

de aceite) bajo uno o ms esquemas de produccin. Mientras que el campo puede ser producido
slo una vez, con un gasto considerable, un modelo puede ser producido o ejecutado muchas veces
a bajo costo durante un corto perodo de tiempo. La observacin de resultados de modelos que
representan diferentes condiciones de produccin, ayuda a la seleccin de un conjunto ptimo de
condiciones de produccin para el yacimiento.

Las herramientas de la simulacin del yacimiento van desde la intuicin y el juicio del ingeniero
hasta complejos modelos matemticos que requieren el uso de computadoras digitales. La pregunta
no es si simular, sino qu herramienta o mtodo utilizar. Este captulo se refiere al modelo numrico
matemtico que requiere una computadora digital. En la edicin de 1987 del Manual de Ingeniera
Petrolera se incluy una descripcin general de los modelos de simulacin del yacimiento, una
discusin sobre cmo y por qu se usan, la eleccin de diferentes tipos de modelos para problemas
de diferentes depsitos y la fiabilidad de los resultados de la simulacin En vista de los supuestos
del modelo y la incertidumbre en los parmetros reservorio-fluido y de descripcin de la roca. Ese
material se omite en gran medida aqu. En cambio, este captulo intenta resumir las prcticas y
tendencias actuales relacionadas con el desarrollo y la aplicacin de modelos de simulacin de
yacimientos.

Los modelos se han referido por tipo, como negro-aceite, composicin, trmico, generalizado o
IMPES, Implcito, Secuencial, Adaptable Implcito, o de una sola porosidad, doble-porosidad, y ms.
Estos tipos proporcionan una base confusa para discutir modelos; Algunos se refieren a la aplicacin
(por ejemplo, trmica), otros a la formulacin del modelo (por ejemplo, implcita), y otros a un
atributo de la formacin de depsito (por ejemplo, doble porosidad). La tendencia histrica, aunque
irregular, ha sido y es hacia el modelo generalizado, que incorpora todos los tipos antes
mencionados y ms. El modelo generalizado, que representa la mayora de los modelos en uso y en
desarrollo hoy en da, ser discutido en este captulo. Las capacidades actuales del modelo,
desarrollos recientes y tendencias sern discutidas en relacin a este modelo generalizado.

17.1.1 El modelo generalizado. Cualquier simulador de yacimiento consta de ecuaciones de n + m

para cada una de N bloques activos que comprenden el yacimiento. Estas ecuaciones representan
la conservacin de la masa de cada uno de n componentes en cada gridblock en un paso de tiempo
t de tn a tn + 1. Las primeras ecuaciones n (primarias) simplemente expresan la conservacin de la
masa para cada uno de n componentes tales como petrleo, gas, metano, CO2 y agua, denotados
por el subndice I = 1,2, ..., n. En el caso trmico, uno de los "componentes" es la energa y su
ecuacin expresa la conservacin de la energa. Las ecuaciones adicionales de m (secundarias o de
restriccin) expresan restricciones tales como fugacidad igual de cada componente en todas las
fases donde est presente, y el balance de volumen Sw + So + Sg + Ssolid = 1,0, donde Ssolid
representa cualquier fase inmvil tal como slido precipitado Sal o coque.

Debe haber n + m variables (incgnitas) correspondientes a estas ecuaciones n + m. Por ejemplo,

considere el caso de composicin isotrmico, trifsico, con todos los componentes presentes en las
tres fases. Hay m = 2n + 1 ecuaciones de restriccin que consisten en el balance de volumen y las 2n
ecuaciones que expresan fugacidad igual de cada componente en las tres fases, para un total de n
+ m = 3n + 1 ecuaciones. Existen 3n + 1 incgnitas: p, Sw, So, Sg y las 3 (n - 1) fracciones molares
independientes xij, donde i = 1,2, ..., n - 1; J = 1,2,3 denota las tres fases de aceite, gas y agua. Para
otros casos, como la trmica, la doble porosidad, etc., se pueden definir las m ecuaciones de
restriccin, las variables n + m e igual nmero de ecuaciones e incgnitas para cada gridblock.

Debido a que las m ecuaciones de restriccin para un bloque implican nicamente incgnitas en el
bloque dado, pueden usarse para eliminar las m variables secundarias de las ecuaciones primarias
o de conservacin del bloque n. Por lo tanto, en cada bloque, slo n ecuaciones primarias en n
incgnitas deben ser considerados en discusiones de la formulacin del modelo y el solver lineal.
Las n incgnitas se denotan por Pi1, Pi2, ..., Pin, donde Pin se elige como presin pi sin prdida de
generalidad. Estas variables primarias se pueden elegir como n variables independientes de las
muchas variables disponibles: fracciones de molas de fase y totales, nmeros de mol, saturaciones,
p, y as sucesivamente. Diferentes autores eligen diferentes variables.12-15 Cualquier eleccin
sensible de variables y ordenamiento de las ecuaciones primarias da para cada cuadrcula un
conjunto de n ecuaciones en n incgnitas que es susceptible a la eliminacin gaussiana normal sin
pivotar. La tasa de convergencia (Newton-Raphson) para el clculo del tiempo del modelo es
independiente de la variable elegida; La velocidad del modelo (tiempo de CPU) es esencialmente
independiente de la eleccin de la variable.

La I ecuacin primaria o de conservacin para el bloque i es

Donde MiI es la masa del componente I en el gridblock i, qijI es el caudal interbloque del
componente I desde el bloque vecino j al bloque i, y qiI es un trmino bien. Con la transposicin,
esta ecuacin est representada por fiI = 0, la I ecuacin del gridblock i. Todas las n ecuaciones fiI
= 0 para el bloque se pueden expresar como la ecuacin vectorial Fi = 0 donde fiI es el Ith elemento
del vector Fi. Finalmente, la ecuacin vectorial
Representa el modelo entero, donde el i-simo elemento del vector F es Fi. F es una funcin del
vector N desconocido Pi, donde el elemento escalar I de Pi es PiI. La aplicacin del mtodo de
Newton-Raphson

Donde P es Pl + 1-Pl y la N N matriz A representa el Jacobiano F / P. El elemento Aij de A es en

s mismo una matriz n n Fi / Pj con elementos escalares ars = fir / Pjs, ry s each = 1,2, ..., n.
Eq. 17.3 se resuelve con el solver lineal del modelo. La matriz A es muy escasa porque Aij es 0 a
menos que el bloque j sea un vecino del bloque i.

Los clculos de un timestep consisten en un nmero de iteraciones de Newton (no lineal o exterior)
terminadas por la satisfaccin de los criterios de convergencia especificados. Cada iteracin de
Newton requiere:

(A) Linealizacin de las ecuaciones de restriccin y conservacin Eq. 17.1.

(B) lgebra lineal para generar los coeficientes de la matriz A.

(C) Solucin iterativa de la ecuacin 17.3 (iteraciones internas o lineales).

(D) Uso de la nueva iteracin Pl + 1 para obtener de la ecuacin 17.1 los moles de cada componente
en el gridblock.

(E) Un destello para dar composiciones de fase, densidades y saturaciones que permiten la
generacin de los coeficientes de matriz A para la siguiente iteracin de Newton

17.1.2 Formulaciones Modelo. Una parte importante del tiempo total de CPU del modelo se pasa a
menudo en la solucin de solucin lineal de la Ec. 17.3. Este tiempo de CPU a su vez refleja las
mltiples operaciones necesarias. La formulacin del modelo tiene un gran efecto sobre la
naturaleza y el gasto de esas multiplicaciones.

Implcita vs. Explicita. El trmino de flujo interbloque en la Ec. 17.1,

Utiliza movimientos de fase, densidades y fracciones molares evaluadas en los bloques de aguas
arriba. Un bloque de rejilla est implcito, por ejemplo, en la variable Sg si se utiliza el nuevo valor
de nivel de tiempo Sgn + 1 para evaluar los trminos de flujo interbloque que dependen de l. El
bloque es explcito en Sg si se usa el antiguo valor de nivel de tiempo nSg.

La formulacin implcita. La formulacin implcita expresa trminos de flujo interbloque utilizando

valores implcitos (nuevo nivel de tiempo) de todas las variables en todos los bloques de cuadrcula.
Como consecuencia, todos los elementos Aij no nulos de la matriz A de la ecuacin 17.3 son matrices
n n completas. Las multiplicaciones resultantes en el solucionador lineal son entonces matriz-
matriz o matriz-vector multiplica, requiriendo trabajo (nmero de multiplicaciones escalares) de
orden n3 o n2, respectivamente.

La formulacin IMPES. Los primeros documentos presentaron la base de la formulacin IMPES

(presin implcita, saturaciones explcitas) para el caso del negro-aceite: tomar explcitas todas las
variables en los trminos de flujo interbloque, excepto la presin y eliminar todas las variables no
presurizadas de las expresiones linealizadas para MiIn + 1 En la ecuacin 17.1. La extensin obvia a
cualquier modelo de tipo con cualquier nmero de componentes se present ms tarde, 20 y se han
publicado numerosos modelos de composicin de tipo IMPES.

El modelo Eq. 17.3 se puede escribir como:

Si todas las variables pero la presin son explcitas en los trminos de flujo interbloque, entonces
todas las entradas, excepto las de la ltima columna de la matriz n n Aij (j i) son cero (recordar,
la n-sima variable en cada bloque de rejilla, Pin es Presin pi). Esto permite la eliminacin de todas
las variables de no presin y la reduccin del vector Ec. 17.5 a la ecuacin escalar en la presin
solamente:

Donde A es ahora una matriz escalar N N y los vectores P y F tienen N elementos escalares pi y fi,
respectivamente. Las multiplicaciones requeridas en solucin de la presin IMPES Eq. 17.7 son
multiplicaciones escalares, requiriendo una pequea fraccin del trabajo de las multiplicaciones
matriz-matriz y vector matricial de la formulacin implcita. Por tanto, el tiempo de CPU del modelo
por bloque de rejilla por iteracin de Newton para n moderado o grande es mucho menor para la
formulacin IMPES que para la formulacin implcita.

La Formulacin Secuencial. La estabilidad de la formulacin de IMPES para el caso de agua / aceite

de dos fases se mejor siguiendo la solucin de ecuacin de presin IMPES con solucin de una
ecuacin de saturacin de agua utilizando las saturaciones implcitas (movilidades) .23 Este
concepto se extendi al caso de tres fases y Llamada la formulacin secuencial.24 Para cada
iteracin de Newton, este mtodo requiere la solucin de la presin IMPES Eq. 17,7, seguido por
solucin para dos saturaciones de una ecuacin similar donde los elementos Aij de A son 2 2
matrices.
Se describi un modelo de composicin secuencial y se mencion la conveniencia de un tratamiento
secuencial implcito de las fracciones molares adems de las saturaciones.

La formulacin adaptativa implcita. El Mtodo Adaptable Implcito (AIM) utiliza diferentes niveles
de implicidad en diferentes bloques. En cada gridblock, cada una de las n variables puede ser
explcita o implcita, independiente de las opciones en otros gridblocks. Las opciones pueden
cambiar de un paso a otro. Esto da como resultado la misma ecuacin AP = -Fl como la formulacin
implcita, excepto que los elementos Aij de la matriz A son matrices rectangulares de tamao
variable. El nmero de filas y columnas en Aij es igual al nmero de variables implcitas en los
bloques i y j, respectivamente; Todas las Aii son matrices cuadradas. El gasto de CPU por iteracin
Newton de un modelo AIM se encuentra entre los IMPES y los modelos implcitos, tendiendo hacia
el primero ya que ms bloques se toman implcitos en la presin slo.

Eleccin de la formulacin. Para un problema dado, las cuatro formulaciones anteriores

generalmente dan tiempos de CPU muy diferentes. Las generalizaciones con respecto a la mejor
formulacin tienen muchas excepciones. Podra decirse que la tendencia es o debera ser hacia el
uso exclusivo de la formulacin de AIM. Esto se discute en las secciones Paso estable y Criterios de
conmutacin a seguir. Los estudios de simulacin actuales usan todas estas formulaciones. La
formulacin implcita es generalmente ms rpida que IMPES para estudios de conicidad de un solo
pozo, y para problemas trmicos y naturalmente fracturados. Para otros problemas, IMPES es
generalmente ms rpido que Implcito para n moderado o grande (digamos, n> 4). La mayora de
los participantes usaron IMPES para SPE Solucin Comparativa Problemas de proyecto SPE1, SPE3,
SPE5 y SPE10. Todos los participantes utilizaron la formulacin implcita para SPE2, SPE4, SPE6 y
SPE9. Ningn participante en SPE1 a travs de SPE10 us un modelo secuencial y, con pocas
excepciones, ninguno us AIM.
Una generalizacin frecuente es que el error numrico de dispersin es significativamente mayor
para las formulaciones implcitas que para IMPES. El anlisis de error de truncamiento muestra que
este error es proporcional a x + ut para Implcito y x - ut para IMPES. Las no linealidades y la
heterogeneidad reales del problema hacen que el anlisis sea aproximado y la generalizacin del
mrito limitado. Por ejemplo, las Figs. 17.1 a 17.3 muestran resultados implcitos e IMPES
prcticamente idnticos para los problemas SPE10 de gas / aceite SPE9 de 9.000 bloques blackoil y
SPB-2000. Para SPE9 (SPE10), el tiempo promedio fue 67 (9.7) veces mayor para Implcito que para
IMPES. El porcentaje del tiempo total de CPU gastado en el solver lineal para IMPES (Implcito) fue
23,7 (57,3) para SPE9 y 35,4 (73,4) para SPE10. La implementacin es un factor importante en la
eficiencia relativa de las diferentes formulaciones.

Para un problema dado, los diferentes modelos que utilizan la misma formulacin pueden dar
tiempos de CPU ampliamente diferentes. Por ejemplo, los tiempos de CPU IMPES reportados por
diferentes participantes en el problema de composicin SPE5 de seis componentes difieren en un
factor de ms de 50.
17.1.3 Avances en formulaciones modelo. La formulacin de IMPES fue mejorada por concepto de
volumen relajado, mejor eleccin de variables y clculos de "flash adaptativo".

Volumen relajado. El concepto de volumen relajado se relaciona con los pasos (d) y (e) del clculo
del tiempo establecido previamente. La etapa (d) da la masa de cada componente en el bloque de
rejilla, MI 1 + 1, que a su vez da la composicin global {zI} l + 1. El destellador del paso (e) proporciona
entonces cantidades de fase y densidades que a su vez dan nuevos valores de iteracin Sw, So y Sg.
Estas saturaciones no suman a 1.0 debido a la naturaleza no lineal de la ecologa de conservacin.
17.1. Si las saturaciones se alteran (por ejemplo, dividir cada una por su suma) para satisfacer
exactamente el balance de volumen J SJ = 1, entonces se produce un error de balance de masa
incremental (timestep). Si las saturaciones no se alteran, entonces la masa se conserva pero hay un
error de equilibrio de volumen J SJ - 1. Los autores optaron por conservar la masa y llevar adelante
el error de balance de volumen de iterar a iterar y paso a paso. El balance de volumen que pasa a la
iteracin l + 1 es J SJ = 1 - J SJ l. Esto, en efecto, conserva la masa y el volumen porque no hay
error de volumen permanente o de acumulacin, solo el de la etapa de tiempo dada. Igualmente
importante, no hay necesidad de iterar el error de volumen a una tolerancia "apretada", y las
iteraciones de Newton y la CPU del modelo se reducen. Por el contrario, el procedimiento IMPES
anterior o histrico restauraba las saturaciones para preservar el volumen e iteraba el error de
masa. Debido a que este ltimo error no se llev adelante, se requiri ms iteracin de Newton (y
tiempo de CPU) para mantener el error de equilibrio de masa acumulativo permanente,
tolerablemente bajo.

Este uso de volumen relajado con remanente tambin reduce las iteraciones de Newton y el tiempo
de CPU en la formulacin implcita17.1.3 Avances en formulaciones modelo. La formulacin de
IMPES fue mejorada por conceptos de volumen relajado, 13-15 mejor eleccin de variables y
clculos "adaptativos" de flash. Volumen relajado. El concepto de volumen relajado se relaciona con
los pasos (d) y (e) del clculo del tiempo establecido previamente. La etapa (d) da la masa de cada
componente en el bloque de rejilla, MIl + 1, que a su vez da la composicin global {zI} l + 1. El
destellador del paso (e) proporciona entonces cantidades de fase y densidades que a su vez dan
nuevos valores de iteracin Sw, So y Sg. Estas saturaciones no suman a 1.0 debido a la naturaleza
no lineal de la ecologa de conservacin. 17.1. Si las saturaciones se alteran (por ejemplo, dividir
cada una por su suma) para satisfacer exactamente el balance de volumen J SJ = 1, entonces se
produce un error de balance de masa incremental (timestep). Si las saturaciones no se alteran,
entonces la masa se conserva pero hay un error de balance de volumen J SJ - 1. Los autores13-15
eligieron preservar masa y llevar adelante el error de balance de volumen de iterar a iterar y paso a
paso. El balance de volumen que pasa a la iteracin l + 1 es J SJ = 1 - J SJl. Esto, en efecto, conserva
la masa y el volumen porque no hay error de volumen permanente o de acumulacin, solo el de la
etapa de tiempo dada. Igualmente importante, no hay necesidad de iterar el error de volumen a
una tolerancia "apretada", y las iteraciones de Newton y la CPU del modelo se reducen. Por el
contrario, el procedimiento IMPES anterior o histrico restauraba las saturaciones para preservar el
volumen e iteraba el error de masa. Debido a que este ltimo error no se llev adelante, se requiri
ms iteracin de Newton (y tiempo de CPU) para mantener el error de equilibrio de masa
acumulativo permanente, tolerablemente bajo. Este uso del volumen relajado con el arrastre
tambin reduce las iteraciones de Newton y el tiempo de la CPU en la formulacin implcita.

Esta discusin implica alguna ventaja fundamental de preservar la masa y iterar el error de volumen
en lugar de preservar el volumen e iterar el error de masa. En opinin del autor, esto no es cierto
siempre que el error se lleve a cabo en ambos casos. El requisito de iteracin de Newton y el tiempo
de CPU deben ser similares si se usan tolerancias de error de masa y volumen "equivalentes" como
criterios de convergencia.

Eleccin variable. El lgebra lineal requerida para reducir las n ecuaciones de conservacin de la
cuadrcula a la ecuacin de presin IMPES est influenciada por la eleccin de las variables. La
influencia est ausente para el aceite negro, moderado para el n "moderado" y hasta un factor de
tres para el n grande (digamos,> 15). Las opciones de las fracciones p y mol {zI} o nmeros molares
son mejores que la eleccin de p, las saturaciones y las fracciones molares en fase para n grande. El
efecto de esta variable en el tiempo total de la CPU es a menudo pequeo porque el trabajo afectado
suele ser una pequea parte del tiempo total de la CPU. Esta reduccin IMPES est ausente en la
formulacin implcita y la ltima de las opciones de variables anteriores es discutiblemente
preferible.

Clculos Flash Adaptativos. El trabajo de los clculos flash EOS, incluyendo la generacin de
fugacidad y sus derivados, puede afectar significativamente la eficiencia del modelo cuando el solver
lineal no domina el tiempo total de la CPU. Puede haber poca necesidad de realizar (la mayor parte)
que funcione en un gridblock cuando p y composicin estn cambiando lentamente. El uso de
criterios internos e inteligentes que dicten cundo se necesita ese trabajo puede reducir
significativamente el tiempo de CPU del clculo del flash total. Esto es similar en principio a la
seleccin AIM de variables explcitas para bloques de rejilla que estn inactivas con respecto a la
relacin de rendimiento.

17.1.4 Criterios Estables de Tiempo y Cambio. Este tema se relaciona con la observacin de que un
tiempo de respuesta ms bajo puede aumentar los beneficios de un estudio del yacimiento asignado
a un perodo presupuestado. Como corolario, el tiempo pasado en repetidas carreras que combaten
las inestabilidades del modelo o el paso del tiempo es contraproducente. Si bien muchos factores
afectan a este tiempo de ejecucin, siempre es igual al producto (tiempo / paso de la CPU)
(nmero de temporizadores). El primer factor es "grande" y el segundo "pequeo" para la
formulacin implcita, y por el contrario para la formulacin IMPES. IMPES es una formulacin
condicionalmente estable que requiere que t <t * para evitar oscilaciones y crecimiento de error,
donde t * es el mximo tiempo estable. La estabilidad condicional se deriva del tratamiento
explcito de las variables de no presin en los trminos de flujo interbloque. Los matemticos
realizaron anlisis de estabilidad para ecuaciones de diferencias de coeficiente constante que
guardan algn parecido con IMPES. Los autores en nuestra industria extendieron y aplicaron sus
resultados para derivar expresiones para t *, en particular,

Para el caso 3D negro-aceite de flujo de gas / petrleo. Esto demuestra que el paso estable t *
depende de los caudales, la movilidad de fases y los derivados de la presin capilar, que por
supuesto varan con el tiempo y de un bloque de rejilla a otro. Por lo tanto, en un instante de tiempo
determinado, hay valores de paso estables dependientes del bloque t * i, donde 1 <i <N, y el paso
estable IMPES es Min (i) t * i. Un modelo IMPES que utiliza esta etapa estable establecida
internamente funcionar estable pero puede sufrir del principio del enlace ms dbil. Como ejemplo
extremo, considere un problema de 500.000 gridblock donde, durante un perodo de 100 das, el
valor t * i es de 0,01 da para un bloque y de> 30 das para todos los otros bloques. El modelo
IMPES requerir 10.000 timesteps durante el perodo de 100 das.

En la formulacin AIM, el paso estable t * i depende del nmero e identidades de las variables
elegidas explcitas en el bloque i; Tericamente, t * i = si todas las variables del bloque i se eligen
implcitamente. En el ejemplo anterior, todas las variables de no presin podran ser implcitas en el
bloque donde t * i = 0.01 y explcita en todos los dems bloques. El modelo AIM requerira entonces
que el tiempo / paso de la CPU no fuera esencialmente mayor que el modelo IMPES, pero requerira
slo tres tiempos para el periodo de 100 das. Numerosos trabajos abordan el problema de
determinar expresiones para el t * i para su uso interno como criterio de conmutacin para
seleccionar variables de bloque como explcitas o implcitas en el modelo AIM. Los anlisis de
estabilidad involucrados son complejos y pueden ser impracticemente complejos cuando se permite
que la opcin de variable implcita vs. explcita incluya todas las permutaciones (en nmero e
identidad) de las n variables. Los modelos AIM ms fiables y eficientes en el futuro se derivarn de
la investigacin continua que conduce a lo siguiente: (a) estimaciones de t * i que son "precisas",
y (b) opciones implcitas contra variables explcitas, bloque por bloque, que son Casi ptima y
minimizar el tiempo total de la CPU, (tiempo / paso de la CPU) (nmero de pasos).

17.1.5 El solver lineal. Orthomin precondicionado es el mtodo ms utilizado para la solucin

iterativa de las ecuaciones. 17,3 17,7. Factorizacin anidada (NF) y factorizacin LU incompleta
[ILU (n)] son los dos preconformadores ms ampliamente utilizados. El trmino "factorizacin de
LU" se refiere al factoraje de la matriz A en el producto de una matriz triangular inferior L y de una
matriz triangular superior U. Es una operacin costosa pero directa, que implica slo la eliminacin
gaussiana. El trmino "ILU (n)" denota una factorizacin de LU incompleta, en la que slo se permite
un relleno limitado y n es el "orden de relleno". NF funciona excepcionalmente bien cuando las
transmisibilidades asociadas con una direccin particular (en una cuadrcula estructurada) dominan
a aquellas En otras direcciones uniformemente a travs de la rejilla. En general, ILU (n) o ILU (n)
rojo-negro [RBILU (n)] es menos sensible que NF al ordenamiento de los bloques y la variacin
espacial de la direccin de las transmisibilidades dominantes. Adems, RBILU (n) o ILU (n) tienen el
parmetro n (orden de relleno permitido) que puede incrementarse segn sea necesario para
resolver problemas de cualquier dificultad.

Una bsqueda bibliogrfica y discusiones con numerosos desarrolladores y usuarios no han logrado
establecer un consenso sobre si el preacondicionamiento NF o ILU es mejor. Algunos son fuertes
partidarios de un mtodo y otros apoyan de manera inflexible al otro. Pero muchos encuentran,
como este escritor, que el mejor mtodo depende del problema y es difcil encontrar un indicador
confiable a priori para hacer una eleccin inicial. En la experiencia del escritor, (a) cuando NF
funciona bien, es ms rpido que los mtodos ILU, (b) RBILU (0) sin restriccin residual es con
frecuencia la mejor de las variantes de ILU y una buena opcin por defecto, y (c) en En algunos casos,
la restriccin residual global con el mtodo ILU o RBILU es beneficiosa.

17.1.6 Redes cartesianas y definicin del yacimiento. Durante muchos aos, la simulacin emple
rejillas cartesianas ortogonales. En los ltimos 15 aos, numerosos artculos han descrito el
refinamiento de la red local y varias redes no cartesianas, como se discute en la seccin Griding.
Estos trabajos muestran que las rejillas no-cartesianas pueden reducir los efectos de la orientacin
de la rejilla y proporcionar definicin y precisin cerca de pozos, fallas, reas altamente
heterogneas, y as sucesivamente ms eficientemente que las rejillas cartesianas. La premisa de
que las rejillas cartesianas no pueden proporcionar la precisin requerida de manera eficiente en
estos aspectos ha llegado a ser aceptada como un hecho. Adems, los avances en geofsica han
llevado a la descripcin geoestadstica de la permeabilidad y la porosidad en una escala fina una vez
inimaginable.

Cada vez ms, nuestros trabajos incluyen ejemplos que usan miles de cuadrculas para patrones de
dos o pocos pozos, en parte para reflejar estas descripciones geoestadsticas. El propsito de esta
seccin es mostrar, con algunos ejemplos, que las rejillas cartesianas pueden proporcionar una
precisin adecuada y una definicin de depsito y de pozo cercano en algunos casos, incluso sin
refinamiento local de la red. No se pretenden generalizaciones a partir de los ejemplos utilizados.
En su mayor parte, los ejemplos se toman de la literatura.

SPE7 es un problema de pozo horizontal de direccin x con una cuadrcula cartesiana de 9 9 6

que representa una seccin de depsito de 2.700 2.700 160 pies. Los valores especificados del
bloque y disminuyen de 620 a 60 pies en el pozo, presumiblemente para aumentar la definicin y
exactitud de los resultados. Los x son uniformemente 300 pies. 17.4 compara los resultados del
caso 1A para la cuadrcula SPE7 con los resultados usando el espaciamiento uniforme x = y = 300
pies. El refinamiento de la y-direccin del pozo cercano de la rejilla especificada no tiene ningn
efecto y no es necesario en este problema.
SPE8 es un problema de gas / petrleo con un inyector de gas y dos productores en las esquinas de
un depsito de 5.000 5.000 325 pies cuadrados. Se especifica una rejilla cartesiana de 10 10
4 con x = y = 500 pies. Cinco participantes compararon los resultados de esa cuadrcula con los
resultados de sus redes (localmente) refinadas o no estructuradas localmente. Mostraron un buen
acuerdo para las cuadrculas que tienen aproximadamente cuatro veces menos bloques que la
cuadrcula 10 10 4. Higo. 17.5 muestra un acuerdo igualmente bueno para una cuadrcula
cartesiana de 5 5 4 (x = y = 1,000 pies) sin refinamiento local.
SPE10 (Modelo 1) es un problema de gas / petrleo transversal de 2D con una distribucin de
permeabilidad geoestadstica dada en una rejilla fina cartesiana de 100 1 20. Los resultados de
grueso-rejilla incluyeron resultados usando upscaling y el refinamiento local de la red. Una
cuadrcula cartesiana homognea de 5 1 5 sin alteracin de la permeabilidad relativa igual los
100 1 20 resultados casi exactamente.

SPE10 (Modelo 2) es un problema de agua / petrleo 3D con una red geoestadstica de 1.122
millones de clulas. Algunos gruesos grid presents incluyeron sofisticadas tcnicas de upscaling y
grid, sin pseudo-apreciacin de permeabilidad relativa y cuadrculas de 4.810 a 70.224 bloques.
Otros usaron el upscaling simple basado en flujo a redes gruesas cartesianas de 75 a 2.000 bloques
con cambios moderados de kr. En general, estas ltimas presentaciones mostraron el mejor acuerdo
con la solucin de rejilla fina. Numerosos trabajos muestran que las rejillas no cartesianas pueden
reducir significativamente los efectos de la rejilla-orientacin de las rejillas cartesianas. Sin embargo,
la mayora de los ejemplos utilizados para estudiar esos efectos son desplazamientos de movilidad
altamente adversos en depsitos horizontales homogneos. En reservorios con movilidad fluida
ms normal, el movimiento del lquido areal es ms fuertemente afectado por la heterogeneidad y
/ o fuerzas de gravedad asociadas con la estructura del reservorio (inmersin variable), y los efectos
de la orientacin de la rejilla tienden hacia un efecto de segundo orden. Como ejemplo, el depsito
de agua / aceite SPE10 (Modelo 2) es altamente heterogneo. Figura. 17.6 compara resultados de
campo de cinco y nueve puntos para una rejilla cartesiana escalonada de 28 55 85. El estrecho
acuerdo indica una ausencia de efectos de la orientacin de la red aunque la relacin de viscosidad
aceite / agua es 10 y no hay ninguna inmersin.

Ejemplo 17.1. La Tabla 17.2 da los datos para el Ejemplo 17.1, un problema de de cinco puntos,
de pozo vertical. Figura. 17.7 muestra dos cuadrculas centradas en bloques (a) y (b) usadas para
este tipo de problema. Los bloques de cuatro pozos ms pequeos de la celdas (b) proporcionan
una definicin de pozos ms fina y presumiblemente aumentan la precisin de los resultados.
Figura. 17.8 muestra los resultados idnticos para 10 10 celda (a) y 11 11 celda (b). Los resultados
son casi idnticos para la cuadrcula 5 5 (a) y la cuadrcula 6 6 (b), y la Fig. 17.9 muestra una
diferencia insignificante entre los resultados de la cuadrcula 3 3 (a) y 4 4 (b). La cuadrcula (b)
duplica la cuadrcula (a) IMPES ejecuta el tiempo de CPU pero no aporta mayor precisin. Los efectos
de los ndices bien no son importantes aqu.

Cuando lo son, se puede hacer una sola fase monofsica para determinar el factor de correccin del
ndice para los pozos de rejilla (a) situados en las esquinas de sus bloques de rejilla
Figura. 17.10 muestra un pequeo efecto del refinamiento de la rejilla en los resultados del Ejemplo
17.1 para las cuadrculas de 20 20 a 3 3. Los resultados indican poca necesidad de mejorar la
definicin de casi pozo por rejillas no estructuradas o por refinamiento de rejilla (global o local) 3
3 para este problema.

Ejemplo 17.2. Se muestra que las rejillas no cartesianas flexibles reducen significativamente el
nmero requerido de cuadriculas. Se proporcion un ejemplo de conizacin de agua / aceite en un
pozo horizontal en un depsito homogneo de 600 300 230 m. Los resultados fueron: (a) se
requiri una cuadrcula cartesiana de 25.823 bloques 31 17 49 para obtener una solucin
convergente, y (b) una rejilla no estructurada CVFE 3D de 2.066 bloques dio resultados correctos.
La Tabla 17.3 da los datos del Ejemplo 17.2, un problema similar. La Fig. 17.11 compara los
resultados del Ejemplo 17.2 para las cuadrculas cartesianas de 60 31 48 y 10 7 9. Los
resultados de la cuadrcula gruesa cartesiana de 630 bloques coinciden tambin con los resultados
cartesianos de grano fino de 60 31 48, ya que los resultados de CVFE de 2.066 bloques reportados
coinciden con los resultados de las cuadrculas finas cartesianas 31 17 49.

Se argumenta que las rejillas no cartesianas definen los lmites irregulares del yacimiento de manera
ms eficiente que las rejillas cartesianas. Esto no es necesariamente cierto. Durante ms de 30 aos,
muchos modelos han utilizado la codificacin de bloques activos. Mientras que la rejilla cartesiana
se extiende ms all de los lmites a los bloques inactivos numerosos, esos bloques inactivos son
cados por el modelo y no requieren ningn almacenaje de la computadora o CPU. Estos numerosos
bloques inactivos plantean un problema slo para los modelos, si los hay, que no utilizan la
codificacin de bloques activos.
17.2 Solucionador Lineal - John Wallis y J.W. Vatios
El solucionador de ecuaciones lineales es un componente importante en un simulador de reservorio.
Se utiliza en el paso de Newton para resolver las ecuaciones diferenciales discretas no lineales
discretizadas. Estas ecuaciones describen balances de masa sobre los componentes individuales
tratados en el modelo. Para los problemas no isotrmicos, se aade un equilibrio de energa al
sistema. El problema de la matriz implica resolver Ax = b, donde A es tpicamente una matriz dispersa
grande, b es el vector del lado derecho, y x es el vector de incgnitas. En la formulacin de IMPES,
existe una sola presin desconocida por clula. En la formulacin totalmente implcita, hay un
nmero fijo n de incgnitas por clula donde n 2. En la formulacin implcita adaptativa, hay un
nmero variable de incgnitas por clula. En la mayora de las formulaciones, la presin es un
desconocido para cada clula. La matriz A tpicamente tiene asociadas ecuaciones de restriccin de
pozo y variables de pozo y puede dividirse en el bloque 2 2 como

Donde xw es el vector bien variable-solucin y xR es el vector reservorio variable-solucin. La matriz

Aww es a menudo diagonal. En este caso, las variables de pozo pueden ser eliminadas directamente,
y la solucin iterativa est en el sistema de matriz implcitamente definid
Las variables de pozo se obtienen entonces mediante sustitucin posterior como

Si A es grande, la solucin de las ecuaciones matriciales es imprctica usando mtodos directos tales
como la eliminacin gaussiana debido al almacenamiento de la computadora oa los requerimientos
de tiempo de la CPU. La solucin iterativa basada en la proyeccin sobre los subespacios de Krylov
se utiliza tpicamente. Estos subespacios de Krylov son espacios atravesados por vectores de la
forma p (A) v, donde p es un polinomio. Bsicamente, estas tcnicas se aproximan A-1b por p (A) b.
Los mtodos comnmente utilizados para construir p (A) b son Orthomin y GMRES. Ambos mtodos
minimizan la norma residual sobre todos los vectores en el intervalo {b, Ab, A2b, ..., Am - 1b} a la
iteracin m. Deben producir resultados idnticos. Desde un punto de vista prctico, no importa qu
se utilice.

Una tcnica conocida como precondicionamiento puede mejorar tanto la eficiencia (velocidad en
un problema tpico) como la robustez (capacidad de resolver una amplia gama de problemas por lo
menos razonablemente bien) de Orthomin o GMRES. El preacondicionamiento implica transformar
el sistema de matriz original en uno con la misma solucin que es ms fcil de resolver. Por regla
general, la robustez de la
Es mucho ms dependiente del preacondicionamiento que del acelerador de subespacio Krylov
especfico utilizado. El preacondicionador M es una matriz que se aproxima a A, y tiene la propiedad
de que los sistemas lineales de la forma M x = b se resuelven fcil y econmicamente. Para la
mayora de los solucionadores lineales se resuelve el siguiente sistema preacondicionado:
El algoritmo precondicionado ORTHOMIN (k), que retiene los ltimos k A-vectores de direccin
ortogonal, est dado por

Debido a la naturaleza de las ecuaciones de simulacin del yacimiento, slo ciertos

precondicionadores son eficaces para resolverlos. Los depsitos son tpicamente en forma de
panqueques, siendo mucho ms amplio que son gruesos. Esta geometra conduce a una fuerte
conectividad vertical. Algunos preacondicionistas explotan esta propiedad. El preconformador ms
utilizado es NF. La convergencia de NF es sensible al ordenamiento celular. Los mejores resultados
se obtienen usualmente ordenando las clulas primero a lo largo de la direccin de mxima
transmisibilidad y luego sucesivamente a lo largo de las direcciones de disminucin de la
transmisibilidad. Esto casi siempre significa que NF debe ser ordenado primero en la direccin
vertical.

Los otros precondicionadores de uso comn son las factorizaciones triangulares / triangulares
inferiores incompletas de la matriz, o ILU (n), donde n es el nivel de relleno que se retiene durante
el proceso de eliminacin. El rendimiento de estos se puede mejorar mediante el uso de una orden
de tablero de ajedrez rojo-negro (tambin llamado ordenacin D4) de los nodos. El ordenado rojo-
negro en una rejilla de cinco puntos (en 2D) o de siete puntos (en 3D) conduce a la eliminacin
directa de las incgnitas en los glbulos rojos, dejando un sistema que contiene solamente las
incgnitas en las clulas negras. El resultado es una reduccin a la mitad del nmero de incgnitas.
Un preacondicionador de ILU que usa ordenamiento rojo-negro con relleno cero en el sistema
reducido se denomina RBILU (0) y es la forma ms frecuentemente utilizada de ILU.

En los modelos IMPES, ya sea sin errores o fallos verticales, RBILU (0) o ILU (1) combinados con
correcciones aditivas de lnea z, convergen tpicamente muy rpidamente. NF tambin se puede
utilizar eficazmente en casos que implican fallas verticales y pinchouts porque la matriz retiene la
estructura requerida por NF. Las fallas no verticales interrumpen la estructura de la matriz, lo que
hace atractivas las rdenes rojo-negro. En los modelos que los contienen, ILU es el mtodo de
eleccin. Las discretizaciones de nueve puntos tambin causan problemas para los ordenamientos
rojo-negro, pero no causan ninguna dificultad para NF.
NF y RBILU (0) se utilizan comnmente en modelos implcitos. Otro enfoque muy efectivo explora
el hecho de que la presin es la variable "rgida". El mtodo Combinative45 o CPR44 es un
preacondicionamiento de dos pasos que extrae una ecuacin de presin de la matriz implcita.
Resuelve iterativamente una correccin de presin en cada iteracin, utiliza la correccin de presin
para formar un nuevo residuo, aplica un preacondicionamiento implcito de bajo costo como la
escala diagonal o la lnea Gauss-Seidel al nuevo residuo, y luego usa la suma de los dos pasos como
La solucin aproximada. En los modelos de composicin, este mtodo de dos pasos puede ser
mucho ms rpido que los mtodos de un solo paso.

Muchos modelos incluyen ecuaciones de restriccin de pozos que agregan presiones de pozo al
conjunto de incgnitas. Una manera simple pero efectiva de tratar estas ecuaciones es ordenarlas
primero en la matriz global y luego eliminar las presiones de los pozos a partir del conjunto de
incgnitas. En esta eliminacin aproximada, cualquier trmino de relleno se suma en columna o se
suma en fila en la diagonal principal de la matriz del yacimiento, que luego se toma en cuenta
utilizando NF. El problema de la matriz del depsito se resuelve iterativamente y las variables del
pozo se obtienen por sustitucin posterior.

Paralelo solucin iterativa normalmente utiliza un enfoque de descomposicin de dominio en el que

la red se divide en dominios que contienen aproximadamente el mismo nmero de clulas. La
particin debe hacerse de tal manera que el acoplamiento sea ms fuerte entre las clulas dentro
de un dominio. Como resultado, los dominios normalmente son grupos de columnas de celdas. Una
manera de acelerar la iteracin es colorear los dominios en rojo-negro y aplicar un procedimiento
de tipo NF en el que el nivel externo de anidamiento es el acoplamiento entre los dominios y NF o
una variacin ILU se utiliza para el factor de los dominios individuales.

La solucin de matrices procedentes de rejillas no estructuradas implica tpicamente alguna variante

de ILU con rdenes celulares tales como Reverse Cuthill-McKee (RCMK) o Fill Grado Mnimo (MDF).

17.3 Gridding en Simulacin de yacimientos - Dave Ponting

17.3.1 Introduccin. El objetivo de la rejilla en la simulacin del yacimiento es convertir el modelo

geolgico del campo en un sistema discreto sobre el cual se pueden resolver las ecuaciones de flujo
de fluido. La estructura bsica de un yacimiento de petrleo es un conjunto de horizontes geolgicos
que representan los planos de lecho. El reservorio puede contener fallas, en las cuales los estratos
son desplazados. Normalmente es posible identificar muchas capas ms en el modelo geolgico de
lo que es prctico incluir en la simulacin del flujo del yacimiento, por lo que algunas mejoras de las
propiedades de la roca se llevarn a cabo normalmente. Incluso despus de este proceso, la geologa
a representar rara vez es homognea a la escala de la cuadrcula de simulacin.

En la eleccin de una rejilla para la simulacin del yacimiento intervienen dos aspectos relacionados:
la exactitud con que se compara la descripcin geolgica del yacimiento y la discretizacin de las
ecuaciones de flujo. En un esquema clsico de diferencias finitas, los valores de los puntos de las
presiones y las saturaciones se utilizan como variables de solucin y los operadores diferenciales
que aparecen en las ecuaciones de flujo de fluido se pueden expandir como expresiones de
diferencia de estos valores de punto a algn orden. Un enfoque alternativo es utilizar un mtodo
integral de diferencias finitas o de volumen finito en el que las ecuaciones de flujo de fluido se
integran en un conjunto de volmenes de clulas. Esto produce un conjunto de ecuaciones en las
que las condiciones de conservacin de masa para el fluido en los volmenes de las celdas de
simulacin estn relacionadas con los flujos a travs de las interfaces entre esos volmenes de
clulas. Las propiedades de la roca tales como la porosidad se asumen constantes sobre la clula o
el volumen controlado. Esto produce un esquema de discretizacin que es conservador (cada salida
de una clula es una entrada a otra) y para la cual el fluido en su lugar puede obtenerse
directamente. Las ecuaciones de conservacin de masas para un paso temporal de T a T + T se
convierten en:

Donde Vpa es el volumen de poro de la celda a, mca es la densidad del componente conservado c
en la celda a, Qca es la tasa de inyeccin o de produccin del componente c debido a los pocillos y
Fcpab es el caudal del componente c en la fase p de la clula A a su vecino b. En general, los flujos
Fcpab pueden implicar los valores de solucin de un nmero de clulas, el nmero de clulas
implicadas que definen la plantilla del esquema numrico. La dependencia de la presin lineal de
los flujos dada por la ley de Darcy conduce a una expresin del tipo:

Mcpax es la movilidad del componente c en la fase p para la contribucin al flujo entre a y x, dada
por xcp. Krp / p, donde xcp es la concentracin del componente c en la fase p, Krp es la
permeabilidad relativa de la fase p, y p es la viscosidad de la fase p. Esto se establece a menudo a
un valor ascendente de la movilidad, dependiendo del signo de la diferencia de potencial. pax es
la diferencia de potencial de la fase p entre la celda a y la celda x, que incluye contribuciones de
presin, gravedad y presin capilar:

Los coeficientes constantes de los productos de movilidad y diferencia de potencial, el Impuesto, se

denominan comnmente las transmisibilidades. Cuando los flujos entre dos celdas a y b pueden
expresarse como una funcin de los valores de la solucin en slo esas dos celdas, de modo que la
suma sobre las celdas incluye slo x = b, la expresin de flujo toma una forma de dos puntos. La
expresin de flujo toma entonces una forma simple:

Cuando se requieren valores de solucin de otras clulas, el flujo toma una forma multipunto.
Existen otras opciones para la discretizacin, como elementos finitos de Galerkin y elementos finitos
mixtos. A veces es posible emitir una discretizacin de Galerkin de elementos finitos en la forma
basada en la transmisibilidad ascendente.

17.3.2 Redes cartesianas regulares. Una cuadrcula 3D simple es la cuadrcula cartesiana normal
(Fig. 17.12). Las clulas en tal rejilla pueden identificarse simplemente usando sus valores de ndice
(i, j, k). A cada uno de los elementos de la rejilla se le asignar un nico valor de permeabilidad o
porosidad. En este caso, es posible obtener el valor de transmisibilidad como una media armnica:

Donde la clula b es el vecino de la celda a en alguna direccin y K es la permeabilidad de la celda

en esa direccin. A es el rea de la clula ortogonal a la direccin del flujo, y d la dimensin de la
clula en esa direccin. Tal transmisibilidad de dos puntos asume un tensor de permeabilidad con
ejes primarios alineados a lo largo de los ejes de rejilla.
17.4.6 Escalonamiento regional. El escalonamiento regional se aplica para reducir la influencia de
las condiciones de contorno artificiales en la estimacin de permeabilidad efectiva moviendo el
lmite de la regin de clculo lejos de la clula de flujo. Esto implica que la influencia de las clulas
geo vecinas se tiene en cuenta adems de las clulas geo dentro de la clula de flujo. En otras
palabras, el escalonamiento regional representa una expansin de la regin computacional local
fuera del volumen de la clula de flujo. El tamao del denominado buffer o piel alrededor de cada
clula de flujo se da generalmente en nmero de clulas geo vecinas a cada lado de la celda de flujo
y debe ser especificado por el modelador para cada una de las tres direcciones de coordenadas.

La estimacin de permeabilidad de un mtodo de escalonamiento regional mejorar a medida que

aumente el tamao de la regin de amortiguacin y, en ltima instancia, ser igual a la "verdadera"
permeabilidad efectiva cuando el tamao del bfer alcance los lmites del modelo geogrfico para
las tres direcciones. La ganancia de precisin es mayor en el principio (es decir, para valores de
tampn pequeos). Esto se ilustra en la Fig. 17.28, que muestra el comportamiento de las tcnicas
de los tensores de los lmites inferior y superior en el caso de aumentar el tamao del bfer. Tenga
en cuenta que en la Fig. 17.28, los lmites exteriores se muestran simtricos alrededor de la
"verdadera" permeabilidad efectiva. Generalmente, este no es el caso.

17.4.7 Escalamiento global. Estrictamente, el campo de presin a escala fina se debe determinar
para toda la cuadrcula geogrfica simultneamente para calcular permeabilidades efectivas
"exactas" para las clulas de flujo. En el pasado, sin embargo, esto ha sido demasiado CPU-intensivo
para ser realizado en la prctica. Con la introduccin de nuevos y prometedores algoritmos de
solucin como el mtodo de mnimos cuadrados de salida (OSL), los esquemas globales de upscaling
ahora pueden ser realizados. En el documento de Holden y Nielsen, el mtodo OSL se utiliza para
minimizar la diferencia de presin, as como la velocidad, entre las rejillas geo y de flujo en un
proceso iterativo. Debido a que el consumo de CPU del solver de ecuaciones aplicado es
proporcional al nmero de celdas geo, una solucin global utilizar aproximadamente la misma
cantidad de tiempo computacional que la suma de todos los clculos locales. Por lo tanto, el nuevo
esquema global de upscaling es tan rpido como cualquier mtodo local.

17.6.4 Tipos de modelos acoplados. Los modelos acoplados pueden ser totalmente acoplados (es
decir, todas las incgnitas resueltas simultneamente) o modulares (simulador de reserva y cdigo
de tensin). En este ltimo caso, se pueden utilizar diferentes estrategias de acoplamiento, con
consecuencias para la velocidad y exactitud de marcha. La mayora de los modelos acoplados usan
un simulador convencional de reservorios de diferencias finitas acoplado con un simulador de
esfuerzos de elementos finitos (FEM). Sin embargo, se han hecho intentos para desarrollar cdigos
FEM totalmente acoplados, y se implement una geomecnica completamente acoplada en un
modelo comercial usando una solucin de tensin de diferencia finita.

Teniendo en cuenta la proliferacin y sofisticacin de los cdigos de geomecnica disponibles fuera

de la ingeniera petrolera, el enfoque modular ofrece la mejor solucin. En general, el simulador de
reservorio es el "anfitrin" o el "maestro". En principio, los simuladores de esfuerzo comerciales son
fciles de acoplar a l (en particular si se considera solamente el acoplamiento de permeabilidad).

Debido a la extrema complejidad ya los grandes requerimientos de computacin de los modelos

acoplados, se han desarrollado diferentes simplificaciones. Los principales tipos de modelos (en el
orden del rigor cada vez mayor, pero tambin del tiempo de clculo) son los siguientes:

Acoplamiento unidireccional. Los cambios de presin y temperatura se pasan del cdigo del
depsito al mdulo de geomecnica, pero no se pasa informacin sobre la base del tiempo. La
geomecnica no mejora la solucin de flujo, pero el modelo puede ser til para las predicciones de
la estabilidad del pozo para la perforacin intercalada, las presiones de fracturacin, etc. El ajuste
manual de las "tablas de compactacin" es posible manualmente a travs de reinicios. Tales
soluciones acopladas manualmente del problema de tensin (en intervalos de tiempo) o
acoplamiento unidireccional se usaron a menudo en el modelado acoplado temprano. El mtodo
puede ser satisfactorio cuando el sistema de fluido de depsito es altamente compresible (es decir,
en depsitos de gas), pero puede conducir a errores cuando la porosidad est fuertemente acoplada
al flujo.

Bajo acoplamiento. Los mdulos de depsito y geomecnica se ejecutan secuencialmente sobre

una base temporal, pasando las soluciones convergentes de las variables de flujo y tensin entre s.
Los volmenes de poros y las permeabilidades en el modelo de flujo se calculan como una funcin
de p, T, y avg con las variables de estrs rezagadas a timestep. Sin embargo, las relaciones se
"destilan" en tablas similares a las "tablas de compactacin", pero ahora son una funcin del estrs
efectivo. Las ventajas son similitudes funcionales con los depsitos desacoplados con "tablas de
compactacin", no hay necesidad de iteracin durante el tiempo y la posibilidad de actualizar la
solucin de tensin con menos frecuencia que la solucin del depsito. Sin embargo, los modelos
constitutivos complejos del slido (por ejemplo, la plasticidad) pueden ser difciles de representar.

Acoplamiento iterativo. Este mtodo se muestra esquemticamente en la Fig. 17.34. La iteracin

se lleva a cabo entre el reservorio y la solucin de tensin en cada momento hasta que los
volmenes de poros y permeabilidades calculados a partir del modelo de estrs y los utilizados por
el modelo del yacimiento estn de acuerdo. En cada iteracin, se utiliza la conjetura anterior de Vp
n + 1 para el final del timestep para converger la solucin de flujo, y los cambios de p y T sobre
timestep se utilizan para resolver las nuevas deformaciones y tensiones, que en A su vez
proporcionan una estimacin actualizada de Vp n + 1. Los cambios de permeabilidad tambin son
iterados. Por lo tanto, cada iteracin "geomecnica" cuesta el equivalente de una solucin de
tiempo de los mtodos anteriores. La formulacin original de la iteracin de acoplamiento es
siempre convergente, y su eficiencia ha sido recientemente mejorada.

El acoplamiento iterativo, cuando est convergido, es equivalente a un cdigo completamente

acoplado mientras que retiene flexibilidad. En muchos problemas, no es necesario converger
completamente el timestep, y si se usa con slo una iteracin por timestep, el mtodo es similar al
acoplamiento suelto, excepto que la porosidad se determina directamente por el modelo
constitutivo del slido en lugar de por Una relacin simplificada.
Acoplamiento completo. Esto requiere la formulacin simultnea de las variables de flujo y de
tensin y, por lo tanto, produce matrices ms grandes. La ventaja es que se puede usar un enfoque
consistente para la discretizacin, y el modelo se integra desde el punto de vista del desarrollo del
cdigo. Sin embargo, es muy costoso para volver a desarrollar todas las caractersticas de la fsica y
los nmeros ahora fcilmente disponibles en los cdigos de estrs. Adems, en los modelos
publicados totalmente acoplados, el enfoque para resolver el problema resultante de la matriz ha
sido dividir la matriz de la misma manera que en el acoplamiento iterativo 141 y aplicar la iteracin
geomecnica a nivel de matriz-solucin. Por lo tanto, la formulacin completamente acoplada, que
da lugar a ecuaciones matrices fuertemente no lineales, no reduce la dificultad del problema y
puede ser necesario utilizar la iteracin geomecnica en el proceso de solucin como la mejor
estrategia. Estos aspectos necesitan un mayor estudio.

17.7.2 Flash de dos fases. Una vez establecido que existen dos fases en una celda, se debe realizar
un clculo de flash. El clculo del destello utiliza los moles totales n y la composicin molar zi para
determinar las cantidades molares de cada fase (ng y no), y las composiciones de fase (yi y xi). Para
modelos simples de valores de K dependientes de la presin, se utiliza el procedimiento de
Rachford-Rice150, 151 (RR) para encontrar cantidades molares y composiciones,