Estimación del tiempo mínimo requerido para mediciones a boca de pozo a través de modelos

de dispersión y mapas tipo cuadrantes.

Autor:

Ing. Iván Velázquez Ramírez (PEMEX E&P)

Descripción

El trabajo comienza con la revisión de la importancia de mantener información confiable en las mediciones a
través de los métodos estadísticos existentes que permiten calcular la dispersión de datos experimentales. Se
abordan los análisis de estabilidad con base a estos criterios estadísticos adaptados a la metodología
propuesta. En este trabajo se utilizan los gráficos tipo cuadrantes generados a través del cálculo del coeficiente
de variación de Pearson del gas y líquido (Coeficiente de Variación de gas y líquido), los cuales fueron utilizados
para este trabajo, por lo que de esta manera se busca tener una herramienta de control, delimitación y
diagnóstico. Así mismo se realizó el cálculo del tiempo mínimo recomendado de medición de acuerdo con un
criterio estadístico (tamaño de la muestra en función del índice de confianza), debido a que actualmente en
la industria se carece que una metodología que dictamine el tiempo de medición recomendado.

Para construir los mapas tipo cuadrantes, se requiere de la información de las mediciones de líquido y gas por
hora, a través del coeficiente de variación de Pearson se calcula el valor de su dispersión de líquido y gas. Con
base al cálculo del coeficiente de variación, se carga la información en una hoja de Excel y se grafican para
identificar y poder visualizar los resultados del programa con el formato de mapas tipo cuadrante.
Introducción

La medición es un proceso que se lleva a cabo todos los días, por ejemplo, es común el uso
de relojes de pulsera para determinar la ubicación temporal de un evento. Las mediciones
tienen un papel muy importante en cualquier toma de decisiones. Toda comparación
cuantificable que se hace implica una medición realizada en el momento o realizada
previamente.

Durante el proceso de explotación de yacimientos se necesita contar con información que

describa los recursos producidos en función de su cantidad y de su calidad. Los medidores
de flujo son herramientas que se emplean para la obtención de información directa sobre
las propiedades de los hidrocarburos producidos y medidos en las instalaciones
superficiales de producción.

Con el fin de realizar un análisis completo de cualquier medidor de flujo se debe comenzar
por la comprensión de conceptos metrológicos fundamentales como la incertidumbre y l
trazabilidad, con el fin de entender el contexto general que implica un proceso de medición.
La funcionalidad de cualquier medidor depende de su correcto uso, lo cual implica que es
necesario contar con las bases teóricas sobre el principio de funcionamiento en el que está
basado, así como las distintas características particulares de cada tipo de medidor que
permitirán un uso óptimo del mismo en ambientes específicos.

Es necesario considerar que la medición de hidrocarburos muchas veces se realiza en

ambientes poco comunes, incluso si se compara con otros ambientes industriales y que
puede implicar mediciones realizadas en campo con poca disponibilidad de instrumentos
adaptables o bajo condiciones termodinámicas o químicas muy particulares. Debido a lo
anterior, el proceso de medición de hidrocarburos es complejo y merece un tratamiento
especial para su estudio.

Los procesos de medición de hidrocarburos siempre implican un contexto, un ambiente en

el que han sido medidas las magnitudes en cuestión. Debido a la naturaleza comparativa
que implica una medición es conveniente considerar los aspectos particulares asociados a
la medición de cada parámetro y establecer un conjunto de condiciones estándar que sirvan
como un punto de referencia para poder establecer comparaciones imparciales entre
mediciones realizadas bajo diferentes ambientes. Las herramientas utilizadas por los
ingenieros para poder realizar estas comparaciones son normalmente, factores de
corrección que se calculan con el fin de establecer una estimación del volumen que tendría
el parámetro medido si se encontrara bajo condiciones estándar.
Identificación del fenómeno de inestabilidad a través de métodos
estadísticos.

Durante los ensayos se obtienen una gran cantidad de datos a los cuales se les determina
una serie de parámetros estadístico-matemáticos tales como:

A) Media Aritmética de los Resultados ( y )

Ha de señalarse que estos parámetros representan la media de una propiedad evaluada

durante los experimentos.
n
yi
y=
i =1 n (1)

B) Desviación Estándar (S )

(y − y)
2

S= i =1

n −1 (2)

Dónde: n – Número de experimentos (corridas experimentales)

n

(y − y)
2

i =1 - Suma del cuadrado de las desviaciones

C) Coeficiente de Variación de Pearson (V )

A este parámetro también se le conoce como Coeficiente de Variación; se da en % y está

definido por el cociente de la desviación estándar entre el promedio.

S
V= 100
y (3)

D. Intervalo de confianza: Un intervalo de confianza es una técnica de estimación

utilizada en inferencia estadística que permite acotar un par o varios pares de
valores, dentro de los cuales se encontrará la estimación puntual buscada (con una
determinada probabilidad). La Tabla 1 muestra los intervalos de confianza
normalmente usados.
 Nivel de confianza
Z-score
(NC)
80% 1.282
90% 1.645
95% 1.96
99% 2.576
Tabla 1. Valores de Z con respecto al nivel de confianza utilizado.

E. Tamaño de la muestra: En estadística el tamaño de la muestra se le conoce como

aquel número determinado de sujetos o cosas que componen la muestra extraída
de una población, necesarios para que los datos obtenidos sean representativos de
la población.

El tamaño de la muestra (n ) se puede determinar cómo:

2
 V
n = 1.96   para un nivel del 95% de confianza (4)
 e
е = Error relativo.
V = Coeficiente de Variación de Pearson.

Durante la realización de trabajos científicos de investigación el error relativo no debe

sobrepasar de un 3 a 5%. A partir del valor de error relativo determinado (definido), se
determina el tamaño de la muestra (número de réplicas) (n), necesario para garantizar la
requerida precisión en los ensayos.

Si se comparan dos distribuciones que utilizan las mismas unidades, sus dispersiones se
pueden calcular mediante la desviación estándar siempre que sus medias aritméticas sean
iguales o muy próximas. En caso contrario, se utilizará el coeficiente de variación que cuanto
menor sea menor será la dispersión y, por tanto, mayor será la representatividad de la
media aritmética.
Diagnóstico de pozos y resultados obtenidos a través de la
confiabilidad del dato.
Las mediciones a boca de pozo y/ó baterías, no cuentan con una recomendación típica para
su ejecución. Los reportes de salida de las mediciones independientemente si son estáticas
o no intrusivas generan un archivo de reporte por hora, el cual será utilizado para demostrar
la metodología en análisis como se muestra en la figura 1.

Representante OPP : POZO: RABASA 182 fecha : 04-MARZ0-19

Presiones Propiedades del Acum. Bruto De Acum. en

Primer Etapa De Separacion / Datos Gas Retornos % Neto Agua Neto Aceite
(psi) Fluido la operación. Tanques

Fecha Horas

Q GAS MMSCFD
Presión estrang.

Temperatura °F
Presión Carga
Estrangulador

Presión Linea

Placa Orificio

Sedimentos

°API @ 60F
Diferencial
P. Estática

% Aceite .

Salinidad

Bls Acum

Bls Acum
% (BSW)

Bls/hr

Bls/hr
Bls/D

Bls/D
(Psi)

(Psi)

(Psi)

(psi)

Bls
SG

M3

M3
M3

PH

Bls

Bls
%
04-mar-19 10:00 F 245 SE DERIVA FLUJO HACIA EQUIPO DE MEDICION
11:00 F 245 N/A 128 INICIA MEDICION 44.70 7.11
12:00 F 242 N/A 128 135 8 90 0.500" 0.780 0.046 20.00 3.18 46 54 0 255,750 7 23.32 9.20 220.80 9.20 10.80 259.20 10.80 20.00 3.18 64.70 10.29
13:00 F 242 N/A 128 135 8 90 0.500" 0.780 0.046 18.80 2.99 46 54 0 255,750 7 23.32 8.65 207.55 17.85 10.15 243.65 20.95 38.80 6.17 83.50 13.28
14:00 F 245 N/A 128 135 6 90 0.500" 0.780 0.04 20.50 3.26 42 58 0 255,750 7 23.32 8.61 206.64 26.46 11.89 285.36 32.84 59.30 9.43 104.00 16.53
15:00 F 245 N/A 128 135 4 90 0.500" 0.780 0.031 20.00 3.18 42 58 0 255,750 7 23.32 8.40 201.60 34.86 11.60 278.40 44.44 79.30 12.61 124.00 19.71
16:00 F 245 N/A 128 135 6 90 0.500" 0.780 0.04 20.20 3.21 44 56 0 255,750 7 23.32 8.89 213.31 43.75 11.31 271.49 55.75 99.50 15.82 144.20 22.93
17:00 F 245 N/A 128 135 4 86 0.500" 0.780 0.033 20.00 3.18 48 52 0 255,750 7 23.32 9.60 230.40 53.35 10.40 249.60 66.15 119.50 19.00 164.20 26.10
18:00 F 245 N/A 128 135 6 84 0.500" 0.780 0.04 20.30 3.23 46 54 0 255,750 7 23.32 9.34 224.11 62.68 10.96 263.09 77.12 139.80 22.23 184.50 29.33
19:00 F 245 N/A 128 135 6 84 0.500" 0.780 0.04 21.00 3.34 42 58 0 255,750 7 23.32 8.82 211.68 71.50 12.18 292.32 89.30 160.80 25.56 205.50 32.67
FINALIZA MEDICIÓN

Figura 1. Formatos de salida de las mediciones en batería y a boca de pozo, de izquierda a derecha
respectivamente.

Uso de la herramienta programada en Excel

A través de una hoja de cálculo desarrollado en Excel se ingresa la información por hora de
medición en barriles por día para el líquido y en millones de pies cúbicos diarios para el gas.
Figura 2.

Figura 2. Carga de información en el programa.

El programa calcula el Coeficiente de Variación de Pearson el cual denominaremos Gas
Variation Coefficient o Liquid Variation Coefficient a través de la ecuación (3). Para este caso
se realizó la carga de 25 mediciones del campo Rabasa para diagnosticar el índice de
estabilidad de los pozos fluyentes, con gas lift, Motocompressor y Jet Pump. Se genera un
gráfico tipo cuadrante el cual involucra 4 regiones, las cuales pueden observarse en la
imagen 3.

14.00%
IV

12.00%

III
10.00%
Gas Variation Coefficient (%)

8.00%
II

6.00%

I
4.00%

2.00%

0.00%
0.00% 2.00% 4.00% 6.00% 8.00% 10.00% 12.00% 14.00%
Liquid Variation Cofficient (%)

Figura 3. Mapa de Dispersión tipo cuadrante.

En el eje Y se gráfica el Coeficiente de Variación del Gas y en el eje X se gráfica el Coeficiente

de Variación de líquido, con el cual se genera el gráfico especializado y a través de criterios
de diagnóstico se genera la evaluación con los cuadrantes definidos previamente con las
fórmulas estadísticas.

Cabe señalar que con la ecuación (4) se construye la tabla 2 tomando como base un índice
de confianza de 95% y error relativo de 5%.
 Error Relativo Permisible de la Muestra Erp (%)
Coeficiente
de Variación
V (%) 1 2 3 4 5 6 7 8 9 10 11 12 13

1 4 1

2 15 4 2 1

3 35 9 4 2 1 1

4 61 15 7 4 2 2 1

5 96 24 11 6 4 3 2 2 1 1 1 1 1

6 35 15 9 6 4 3 2 2 1 1 1 1

7 47 21 12 8 5 4 3 2 2 2 1 1

8 61 27 15 10 7 5 4 3 2 2 2 1

9 78 35 19 12 9 6 5 4 3 3 2 2

10 96 43 24 15 11 8 6 5 4 3 3 2

11 116 52 29 19 13 9 7 6 5 4 3 3

12 138 61 35 22 15 11 9 7 6 5 4 3

13 162 72 41 26 18 13 10 8 6 5 5 4

14 188 84 47 30 21 15 12 9 8 6 5 4

15 216 96 54 35 24 18 14 11 9 7 6 5

16 246 109 61 39 27 20 15 12 10 8 7 6

17 278 123 69 44 31 23 17 14 11 9 8 7

18 311 138 78 50 35 25 19 15 12 10 9 7
Tabla 2. Tamaño mínimo de la muestra aceptable de la muestra para un 95% de confianza.

Diagnóstico de pozos a través de los Mapa de Dispersión tipo cuadrante y

resultados obtenidos.
Con la información de los 25 aforos cargados se obtiene la figura 4, observando diagnóstico de cada
cuadrante en la tabla 3.
 20.00%
Rab-184
Rab-188
Rab-216
15.00% IV
Gas Variation Coefficient (%)

Rab-152

Rab-202 Rab-131
Rab-124 Rab-181
III
10.00% Rab-182
Rab-208
II
Rab-216 Rab-182 Rab-202
Rab-184 Rab-187
5.00% Rab-181
Rab-188
Rab-131 Rab-187
I Rab-153Rab-127
Rab-188 Rab-124
167
Rab-152 Rab-154 Rab-186
Rab-181
Rab-208 Rab-215
Rab-187 Rab-214
Rab-190 Rab-215
Rab-167D
0.00%
Rab-182
0.00% 5.00% 10.00% 15.00% 20.00%
Liquid Variation Coeffient (%) Rab-190

Figura 4. Mapa de Dispersión tipo cuadrante aplicado en los pozos del campo rabasa.

Liquid Tiempo
Clasificación Gas Variation
Posición Variation recomendado de Diagnóstico
del flujo Coefficient (%)
Coefficient (%) medición (hr)

Cuadrante I Estable <5 <5 4 Pozo con flujo continuo sin problemas de cabeceo.

Pozo con flujo estable de gas y pequeños baches de

Cuadrante II Semi-Estable >5y<8 >5y<8 10
líquido sin variación critica.

Pseudo- Pozos con problemática en moderada en algunas de

Cuadrante III > 8 y <11 > 8 y <11 18
Inestable las fases fluyentes.

Inestabilidad flujo severa, posiblemente por

Cuadrante IV Inestable > 11 >11 24
problemas del patrón de flujo y/ó SAP

Tabla 3. Diagnóstico del pozo a través del mapa de dispersión.

Con la construcción de los mapas posterior a la carga de información, se puede realizar el

diagnóstico de pozos de acuerdo con la clasificación de flujo que presente. El Mapa de
Dispersión tipo cuadrante funciona para diagnosticar posibles problemas en pozos que no
cuenten con telemetría y en los cuales se pueda realizar una medición a batería.

.
• Con el análisis de estabilidad de aforos, se logra dirigir de mejor manera las mediciones a
pozos con menor tiempo de medición.

• Se optimizan los tiempos de medición por pozo de acuerdo con su comportamiento.

• Esto generaría un ahorro diario, por concepto de optimización de tiempos de medición en

pozos estables.

• En la figura 5, se muestra la red de distribución de producción de los pozos del campo

Rabasa.

Figura 5. Distribución de red de recolección.

Con la reagrupación del programa de medición de pozos con el mapa de estabilidad en la
Macro-pera 178, se logra priorizar la medición de 3 pozos estables (tiempo recomendado
de 4 horas), 6 pozos en condiciones de flujo semi-estable (tiempo recomendado de 10
horas), 3 pozos con condiciones pseudo-inestables (18 horas de tiempo recomendado) y 1
pozo en condiciones de flujo inestable (24 horas de tiempo recomendado). Con la
programación tradicional de 1 medición por día se erogan 1.6 mmdp contra 0.85 mmdp, lo
cual representa un ahorro del 52%.

Figura 6. Comportamiento gráfico de incidencia de mediciones y costo.

Con esta metodología se logró identificar problemáticas de inestabilidad de pozos por bajos
índices de productividad, por lo que se realizaron trabajos operativos en los pozos que se
ubicaron en el Cuadrante IV. R-202, R-124, R-186 y R-184.

Para el caso de los pozos que se observaron en el cuadrante III (pseudo-inestable), debido
a que la mayor carga de inestabilidad fue ocasionada por gasto de gas medido, se determinó
que este era producto de las variaciones del BN debido a que la inyección se realizaba a
través de la camisa de circulación. Para este caso se consideró evaluar la factibilidad de
realizar un cambio de sistema artificial por los altos cortes de agua que presentan los pozos.

La mayor parte de los pozos que se encuentran en el cuadrante II no cumplieron con el

tiempo de medición recomendado por lo que se recomienda realizar dicha medición por el
tiempo mínimo recomendado.
Caso Samaria
La metodología fue replicada en los pozos del campo samaria-somero, único proyecto de la región
sur en el cual se realiza la extracción de aceite por el método de inyección alternada de vapor, por
su alto contenido de aceite extrapesado (8°API).

50%
Samaria 610
45% Samaria 615
Gas Variation Coefficiente (%)

40% Samaria 899 Samaria 644

Samaria 691
35% Samaria 724
Samaria 644
Samaria 637
30% Samaria 709 Samaria 683
Samaria 686
25% Samaria 855 Samaria 686

20% Samaria 916 Samaria 691

Samaria 707
15%
Samaria 693 Samaria 683 Samaria 724
10% Samaria 936
Samaria 733
5% Samaria 707 Samaria 855
0% Samaria 644 Samaria 899
0% 10% 20% 30% 40% 50%
Samaria 901
Liquid Variation Coefficient (%)

Figura 6. Mapa de Dispersión tipo cuadrante aplicado en los pozos del campo Samaria-Somero.

Liquid Tiempo
Clasificación Gas Variation
Posición Variation recomendado de Diagnóstico
del flujo Coefficient (%)
Coefficient (%) medición (hr)

Cuadrante I Estable <5 <5 4 Pozo con flujo continuo sin problemas de cabeceo.

Pozo con flujo estable de gas y pequeños baches de

Cuadrante II Semi-Estable >5y<8 >5y<8 10
líquido sin variación critica.

Pseudo- Pozos con problemática en moderada en algunas de

Cuadrante III > 8 y <11 > 8 y <11 18
Inestable las fases fluyentes.

Inestabilidad flujo severa, posiblemente por

Cuadrante IV Inestable > 11 >11 24
problemas del patrón de flujo y/ó SAP

Tabla 4. Diagnóstico del pozo a través del mapa de dispersión.

La metodología fue utilizada en pozos de aceite extrapesado, con base al análisis y los
resultados obtenidos, se concluye que la medición en dichos pozos por 24 horas es
necesaria y juega un papel importante en la estimación del comportamiento de este.
Empleo de la metodología en una medición en tiempo real.
Para el fortalecimiento de la toma de decisiones durante la medición de pozos, dicha
metodología fue empleada con la finalidad de monitorear durante una medición el
comportamiento del pozo y así asegurar el tiempo óptimo de medición a favor de la
reducción de la incertidumbre en el pozo Ayo-7, los resultados se muestran a continuación
en la figura 7.

Gasto de Gasto de Gasto de Gasto de Gasto de

Gasto de Gasto de Gasto de Gasto de Gasto de
# horas Gas # horas Gas # horas Gas # horas Gas # horas Gas
Liquido Bpd Liquido Bpd Liquido Bpd Liquido Bpd Liquido Bpd
MMPC/D MMPC/D MMPC/D MMPC/D MMPC/D

1 1.54 768 1 1.54 768 1 1.54 768 1 1.54 768 1 1.54 768
2 1.51 792 2 1.51 792 2 1.51 792 2 1.51 792 2 1.51 792
3 1.63 888 3 1.63 888 3 1.63 888 3 1.63 888 3 1.63 888
4 1.72 1008 4 1.72 1008 4 1.72 1008 4 1.72 1008 4 1.72 1008
5 1.75 960 5 1.75 960 5 1.75 960 5 1.75 960
6 1.72 1008 6 1.72 1008 6 1.72 1008 6 1.72 1008
7 1.66 984 7 1.66 984 7 1.66 984
8 1.63 960 8 1.63 960 8 1.63 960
9 1.69 936 9 1.69 936
10 1.72 1008 10 1.72 1008
11 1.73 912
12 1.75 984
13 1.72 936
14 1.72 960
15 1.72 888
Gastos Promedio 1.60 864 Gastos Promedio 1.65 904 Gastos Promedio 1.65 921 Gastos Promedio 1.66 931 Gastos Promedio 1.68 933
6.00% 12.63% 6.23% 11.71% 5.29% 10.32% 4.89% 9.47% 4.40% 7.89%
Figura 7. Monitoreo y seguimiento de la estimación del coeficiente de variación en función del número de
horas medidas.

Como se puede observar en la figura 7, a medida que se incrementa el numero horas

medidas en el pozo, el coeficiente de variación (Variation Coefficient) disminuye, así mismo
los porcentajes de producción de líquido y gas incrementan como se muestra en la tabla 5,
por lo tanto al disminuir el coeficiente de variación por obtención de mayor numero de
datos, el punto en el mapa tipo cuadrante tenderá a agruparse y alcanzar la zona de
estabilidad tal y como se observa en la figura 8.

Gasto de Gasto
Horas de ΔQg ΔQl % de % de
gas liquido
Medición (hrs) (mmpcd) (Bpd) ΔQg ΔQl
(mmpcd) (Bpd)
4 1.60 864 0 0 0 0
6 1.65 904 0.05 40 2.82 4.63
8 1.65 921 0.05 57 2.84 6.60
10 1.66 931 0.06 67 3.59 7.78
15 1.68 933 0.08 69 5.07 7.96
Tabla 5. Tabla comparativa de incrementos asociados al tiempo de medición.

ΔQg : Incremento de gasto de gas en mmpcd, con respecto a la primera medición de 4 horas.
ΔQl : Incremento de gasto de aceite en barriles por día, con respecto a la primera medición de 4 horas..
% de ΔQg : Porcentaje de incremento de gas con respecto a la primera medición de 4 horas.
% de ΔQl : Porcentaje de incremento de liquido con respecto a la primera medición de 4 horas.
 2da observación de 6 hrs

1ra observación de 4 hrs

3ra observación de 8 hrs

4ta observación de 10 hrs

5ta observación de 15 hrs

Figura 8. Evolución del punto de ubicación de los Coeficientes de variación de liquido y gas en el mapa tipo
cuadrante en función del tiempo de medición.
Lecciones aprendidas y comentarios finales

Observaciones y conclusiones

▪ No existe una metodología que dictamine el tiempo de medición recomendado.

▪ Distribuir los recursos a los pozos que se encuentran en cuadrantes I y II, por ser los
pozos que mayor producción contribuyen.

▪ Identificación de pozos con bajo IP debido a su inestabilidad tomando como

referencia más de 2 aforos.

▪ El mapa tipo cuadrante permite realizar diagnóstico de pozos a través de mediciones

a batería, siempre y cuando se cuente con la información por hora de la medición,
ya sea en tanque o no intrusiva.

▪ Existe una gran oportunidad de optimización de pozos en las zonas donde no se

cuenta con telemetría en los pozos, por ejemplo, campos marginales, en los cuales
la problemática de producción es severa.

▪ Con este trabajo se busca brindar herramientas prácticas a los ingenieros de

producción con la finalidad de generar un diagnóstico de pozos y su optimización de
forma rápida y sencilla.
Bibliografía

1. Berenson, Mark L., Levine, David M., Krehbiel, Timothy C., (2006) Estadística para
administración. México: Pearson Educación.

2. Levin, Richard I., Rubin, David S., (2010) Estadística para administración y economía.
México: Pearson Educación.

3. Fernández Fernández, Santiago, Cordero Sánchez, José María, Córdoba Largo, Alejandro.,
(2002) Estadística descriptiva., Madrid, España: Esic.

4. Aguirre L, et al. Validación de métodos analíticos, Asociación Española de Farmacéuticos de

Industria, Barcelona, 2001, parte II

5. VAM Project 3.2.1 Development and harmonization of measurement Uncertainty

Principles. Part (d): Protocol for uncertainty evaluation from validation data. January 2000.
LGC/VAM/1998/088.

6. Handbook for calculation of measurement uncertainty in environmental laboratories.

Edition 2. B. Magnusson et al. NT TECHN REPORT 537.

7. Shirakov V. P.; Manual de Hilandería. Moscú, 1985. pág. 392-394.

8. Ortigoza Norberto, Data Quality assurance on multiphase measurement. 1st Conference and
International Exposition of Flow Measurement and Hydrocarbons Quality 2014.
Villahermosa, Mexico.

9. Ortigoza Norberto, Multiphase flow measurement parameters and its influence on the
result. 3rd International Conference and Exposition for Flow Measurement and
Hydracarbons Quality 2017. Ciudad del Carmen, México.