Académique Documents
Professionnel Documents
Culture Documents
1.1.
Existe una etapa anterior de gran importancia petrolfera, que tiene su origen a
comienzos del Turoniano, con esfuerzos compresivos que marcan la inversin
tectnica de un sistema extensivo desarrollado en el Permo-Trisico y en el Jurasico.
1.2.
Existen tres dominios tectnicos en la Cuenca Oriente cada uno con propiedades
diferentes.
Figura 1.3.
1.3.
En la Cuenca Oriente
Levantamiento Napo
Estructuralmente corresponde a un domo de basta extensin, limitado al Este y al
Oeste por fallas de rumbo, donde afloran formaciones sedimentarias cretcicas y
terciarias de la Cuenca Oriente. El Cretcico esta constituido por la Fm. Misahuall
(de origen volcnico) ubicado en la parte central y en el borde occidental el granito de
Abitagua ubicado en el borde occidental
El borde Oriental del Levantamiento Napo (Figura 1.4) - esta constituido por
estructuras compresivas, tipo estructuras en flor positivas y otras estructuras como el
anticlinal del ro Payamino.
El borde occidental del Levantamiento Napo esta formado por fallas de rumbo que
limitan un bloque compuesto de un material grantico (Batolito de Abitagua), a lo
largo de la falla de rumbo que limita el batolito de Abitagua de la parte este del
sistema se encuentran los volcanes reventador, Pan de azcar y Sumaco.
Depresin Pastaza
Representa la zona de transicin entre el Levantamiento Napo y el Levantamiento
Cutuc, donde aflora en su mayora sedimentos negenos y cuaternarios. La figura
1.5 muestra el cambio un cambio en la geometra de las fallas que se vuelven mas
cabalgantes al contacto con el sistema Subandino.
Levantamiento Cutuc
Se caracteriza por la aparicin de nuevas formaciones pre-cretcicas, es decir que
afloran las formaciones trisicas y jurasicas Santiago y Chapiza. El frente Subandino
corresponde, en superficie, a un sistema de corrimientos convergentes hacia oeste,
relacionados, relacionados con una cuna intercutnea profunda a vergencia este
(Cordillera Shaime). Hacia el norte, este sistema de retro-corrimientos cabalga el
borde este de la estructura en flor del Levantamiento Cutuc. Hacia el Sur, el sistema
de retro-corrimientos se desarrolla segn una orientacin NNW-SSE y forma el borde
oriental de la Cuenca Santiago de Per. (Pardo, 1882; Baby, 1995).
1.3.3.
10
1.
11
2.
3.
12
4.
13
5.
6.
14
II FUNDAMENTOS DE GEOESTADISTICA
2.1
Principios de la Geoestadstica.
2.1.1. Origen
La Geoestadstica surgi con la necesidad de procesar un conjunto de datos
distribuidos espacialmente a travs de un rea determinada, con el fin de estimar
valores en sus cercanas. A partir de un conjunto de muestras tomadas en distintas
localizaciones del dominio y que a su vez, son consideradas como representativas de
la naturaleza del objeto de estudio, permiten la descripcin o caracterizacin de las
variables con dos objetivos principales:
a)
b)
15
a)
Varianza
Representa la dispersin de los datos. Es una medida cuantitativa de que tan
extendidos pueden estar distribuidos los datos.
n
s2 =
( x x)
i =1
Ecuacin 2.1
n 1
s2 =
x
i =1
nx
n 1
Ecuacin 2.2
b)
Coeficiente de variacin
Es definido como:
CV =
s
x
Ecuacin 2.3
16
c)
Covarianza
Ecuacin 2.4
r ( x, y ) =
c ( x, y )
Sx S y
Ecuacin 2.5
17
Funcin 2.1
Donde f es cualquier funcin de una variable aleatoria, u y (u+h) definen las dos
localidades de la variable aleatoria. La funcin ms comnmente usada es el valor
esperado.
E[ X (u )] = E[ X (u + h)]
Funcin 2.2
Esto es que el valor esperado de la variable aleatoria en la localidad u es el mismo
que el valor esperado en la localidad (u+h).
El valor esperado de la variable es en s una media aritmtica. Por tanto, esto significa
que la media aritmtica a lo largo de una regin es la misma. Esto se traduce a medias
locales que son aproximadamente constantes. Si dividimos la regin de inters en
pequeas sub-reas, y calculamos las medias de dichas regiones, dichas medias deben
ser cercanas entre ellas. Si hay una variacin significativa en las medias, la asuncin
de estacionaridad no puede ser sostenida.
18
Funcin 2.3
Indica que cualquier funcin de dos variables localizadas una distancia h aparte es
independiente de la localidad, y es solo funcin de la distancia y la direccin entre
dos localidades.
2.2. Variogramas
Se puede definir al variograma como una funcin en la que se evala la variabilidad
en las medidas de los diferentes parmetros de las muestras en funcin de la distancia
de separacin entre cada par de muestras del conjunto de datos. La distancia h se
conoce tambin como espaciamiento.
Var{f(x+h)-f(x)} = 2(h)
Ecuacin 2.6
(h) =
1 Np ( h )
[ f ( xi ) f ( xi + h)]2
2 Np(h) i =1
es el incremento.
Z(xi)
Ecuacin 2.7
19
xi
Una distancia, que representa la distancia mxima a que pueden estar alejados
los segundos puntos del par con respecto a la lnea que define la direccin de
clculo, conocido como ancho de banda.
20
Figura 2.2.
21
La distancia entre las localizaciones xi y xi+h sea mayor que h-dh y menor
que h+dh, o lo que es lo mismo, el segundo punto del par est incluido en el
espacio definido por h-dh y h+dh encontrndose el primer punto del par en el
origen o (figura 3), este origen se mueve entre las muestras a analizar.
El ngulo formado entre la lnea que une los dos puntos del par y la direccin
0o debe estar incluido entre -d y +d
La distancia entre el segundo punto del par y la lnea que define la direccin
de clculo del semivariograma no debe superar el ancho de banda.
22
Figura 2.3.
23
fuertemente errtico. En este caso la solucin puede ser simple, eliminar los
datos extremos, porque pueden ser ocasionados por errores, en otros casos
pueden encontrarse en zonas geogrficamente distintas y pueden ser tratados
de manera separada. Una herramienta til para la deteccin de valores
extremos y encontrar el incremento adecuado puede ser, calculado la Nube
de
1)
2)
3)
4)
5)
6)
24
7)
8)
9)
10)
11)
25
Puede ser estimado trazando una lnea recta entre los primeros puntos del
semivariograma emprico y extender sta hasta que se intercepte con el eje Y.
Si esta interseccin ocurre por debajo de cero, el valor asumido por este efecto
es cero, pues valores negativos de (0) no tienen significado y no es comn. El
efecto pepita se representa como Co.
El valor Meseta, es definido como el valor de (h) para el cual con el aumento
de h (distancia de bsqueda) su valor permanece constante, se representa
como (CT = C + Co) y se denomina meseta. Puede obtenerse trazando una
lnea paralela a la abscisa y que se ajuste a los puntos de mayor valor del
semivariograma y su valor se lee en la interseccin de esta lnea con la
ordenada.
El Alcance (Rango): La distancia h para la cual las variables f(x) y f(x+h) son
independientes, se denomina alcance y se representa por (a), es decir, las
distancias para la cual los valores de la variable dejan de estar
correlacionados, o lo que es lo mismo, la distancia
para la cual el
26
2.
La anisotropa zonal est presente: indica que tanto las mesetas como los
alcances son diferentes para los semivariogramas direccionales, puede ser
corregido separando el semivariograma en sus componentes isotrpicos
horizontal y anisotrpico vertical.
3.
La tendencia de los datos est presente: indica que los valores medidos
aumentan o disminuyen dramticamente en la zona estudiada con el aumento
de la distancia. Esto puede ser resuelto aplicando polinomios a la ecuacin del
semivariograma, es decir un anlisis de tendencia.
4.
5.
27
Existencia de efecto hueco: indica que muy pocos pares estn disponible para
la comparacin a una distancia especfica. Y puede ser resuelto recuperando
ms casos para la distancia definida.
7.
2.3.
Anisotropa
28
2.4.
Mapas de variogramas
29
El mapa es asimtrico y
a partir de dicha
30
Figura 2.4.
31
III
Datos discretos:
Datos continuos:
32
distribucin de propiedades, por lo que se puede concluir que depende nicamente del
variograma que ha sido modelado.
Los algoritmos de simulacin (SIS para cdigos discretos y SGS para cdigos
continuos) no solo requieren del modelamiento de un variograma sino tambin de la
especificacin del nmero de realizaciones que se desee desarrollar. Por lo que al
final se obtienen varios modelos de distribucin con iguales probabilidades de
representar la realidad del subsuelo. Es por tanto decisin del gelogo decidir cul es
el modelo que representa de mejor manera el concepto geolgico del yacimiento en
estudio o si se puede pensar en una combinacin o promedio de varios modelos. No
existen recetas, y cada caso debe ser tratado segn la calidad y cantidad de datos
disponibles.
1)
33
ellos pueden ser diferentes debido a que un nuevo conjunto de datos fue
seleccionado aleatoriamente en cada caso.
2)
Resultados estocsticos.
Cuando diferentes nmero ingresados son usados con la finalidad de
correr dos diferentes ejecuciones de un algoritmo, dos diferentes mallas son
generadas con cierto grado de exactitud,
3)
Realizacin mltiple.
Debido a que los algoritmos son diseados para usar diferentes puntos
semilla para la ejecucin y realizacin de resultados estocsticos, la idea
principal de este procedimiento es permitir al algoritmo cree una gran
cantidad de iteraciones de mallas resultantes y as poder analizar los
resultados obtenidos. Revisando diferencias entre las mallas resultantes, se
puede desarrollar una visin para la solucin verdadera la cual usualmente
es una combinacin de ellas. En algunos casos, la media aritmtica de todas
las realizaciones de una propiedad en particular puede ser la mejor solucin.
34
3.1.
Tendencias en 1, 2 o 3 dimensiones.
el mecanismo es similar al
35
Figura 3.1.
36
Este algoritmo asume que los datos cumplen las siguientes propiedades:
Durante la simulacin local, los valores altos y bajos pueden ser generados entre las
localizaciones de los datos ingresados honrando as al variograma. Las posiciones de
estos valores altos y bajos pueden ser determinadas por un nmero aleatorio
adicionado por el usuario o el programa. Debido a estas mltiples representaciones es
necesario tener conocimiento de anlisis de incertidumbre.
Los datos son normalizados, despus cada valor resultante calculado dentro de
la malla es devuelto a su valor original.
37
Mecnica:
Para cada nodo, se le asigna los datos que pueden ser usados (puntos de datos
u otros nodos de malla mas cerrados)
Elegir n nmeros aleatorios para seleccionar uno de los valores que sean ms
representativos y concuerden con los criterios. Devolver el valor trasformado
y asignarlo al nodo que corresponde.
38
Figura 3.2.
39
3.3.
Modelador de objetos
Diseo de objetos
Para cada cuerpo a modelar, un primer paso ser definir la forma de los cuerpos en
los pozos, entonces si una fraccin global (geometra del cuerpo) esta por debajo de
lo requerido, objetos adicionales deben de ser adicionados hasta que la fraccin
global sea ajustada.
40
Ajuste de pozos.
1.
Encontrar cuales celdas escaladas tienen los mismos cdigos de facies del
cuerpo.
2.
3.
4.
5.
6.
7.
8.
Repetir los pasos anteriores hasta que los cdigos de facies hayan sido
encontrados.
en
diferentes
criterios
(principalmente
impuestos).
El
campo
de
41
Tendencias.
Existen cuatro tipos de tendencias que pueden ser usadas en el proceso de modelado
de objetos:
Horizontal
Vertical
Lneas de flujo
Puntos de origen.
Todas las tendencias son indicadas por medio de funciones que tratan de definir una
direccin preferencial, Las tendencias verticales y horizontales indican probabilidades
y tienen valores entre cero y uno. Las lneas de flujo consisten en un conjunto de
lneas dadas en orden hacia los objetos en una direccin especfica. Puntos de origen
son un numero de puntos que son dados de tal forma que especifican donde los
canales empiezan
3.4.
Permite una distribucin estocstica de facies basada en una transicin dada, una
direccin de variacin o tendencia. Debe ser usada en sistemas donde existe una
transicin natural a travs de una secuencia de facies. Un ejemplo comn son los
ambientes de carbonatos y secuencias progradacionales fluviales.
42
Variograma definido
Valor semilla
Tendencias en 1, 2 o 3D
43
4.1
Recopilacin de datos
Como un primer paso para la recopilacin de datos es necesario saber de antemano
todos los estudios realizados en el rea de inters, tales como:
Modelo Sedimentolgico
Descripcin de facies
44
Reportes de desviacin de pozos, debido a que no todos los pozos son verticales, se
deben incluir en una base de datos que incluya posicionamiento X-Y, ngulo de
desviacin con la horizontal (devi) y ngulo de desviacin con la vertical (azimut),
todos esto valores sirven para el calculo de la profundidad verdadera (TVD) y del
verdadero recorrido del pozo. (Ver Figura 4.2.)
45
46
Topes de Formacin
Figura 4.3.
Control de calidad
Antes de poder realizar cualquier procesamiento e interpretacin se requiere realizar
un control de calidad de los datos de entrada, con la finalidad de que los datos
47
Es el caso de los registros snicos, rayos gamma (gamma ray), en el caso de Rhob
(densidad) debe de presentarse escalas entre 1.95 y 2.99 de los valores medidos del
campo en estudio.
Edicin de datos
Los registros de pozos generalmente presentados en formato LAS.
En caso de
Remocin de datos
Durante la recopilacin de datos, surgen valores anormales que se deben
principalmente a problemas con la herramienta durante el proceso de adquisicin.
Estos valores deben ser removidos para evitar errores en la interpretacin. E.g..
Valores negativos de porosidad o densidad dentro de un registro causan errores en el
momento de la generacin de registros de litologa.
48
Figura 4.4.
49
Correlacin de pozos
50
51
una correlacin entre pozos, adems de identificar con mayor exactitud evolucin
lateral de facies.
52
Requerimiento
de
registros
elctricos,
principalmente
GR,
RHOB,
Una vez con la informacin obtenida de los literales anteriores podemos clasificar la
litologa como se observa en la tabla 4.1:
53
Cdigo:
Litologa
Lutita
Carbonato
Tabla 4.1.
Litho_Facies =
54
55
Formula 4.2
56
Formula 4.3
Formula 4.4
Calculo de litologia
57
Modelamiento de fallas
Generacin de horizontes
Mapas de Superficies
Un mapa de superficie puede ser generado de varias formas:
Ssmica 2D y 3D.
58
Diseo de fallas
Para disear una estructura geolgica primero se necesita identificar si existe la
presencia de fallas, ya que estas pueden afectar totalmente el sentido de la estructura
tanto geolgicamente (omisin de estratos, roca sello, etc.) como estructuralmente,
esto se puede determinarse fcilmente por medio de la ssmica. Estructuralmente un
plano de falla es generado por el desfase de dos bloques de roca que se encuentran
distanciados (un rumbo y un buzamiento), una falla puede ser un sello estructural para
formaciones productoras de crudo, de ah la importancia de realizar un modelo con
una muy buena identificacin de fallas, para poder elaborar un modelo ms preciso.
59
Diseo de la malla
La malla constituye el esqueleto del modelo. En este proceso se define el tamao de
las celdas en las direcciones X y Y (Ver figura 4.6).
Malla
Construccin de pilares
Para poder definir los pilares dentro de la estructura se deben de seguir ciertos pasos
descritos a continuacin:
60
J.
4.4.3.
61
U inferior
Caliza B
T Superior
T inferior
H superior
Los cuales son definidos como horizontes estructurales. Vase figura 4.9
Topes
62
63
Los resultados son mostrados en la figura 4.14, la primera columna muestra las facies
en la malla, la segunda el registro de facies, la tercera el escalamiento sin sesgo y la
cuarta el escalamiento con sesgo.
1.
Como puntos, todos los puntos dentro cada celda son usadas para promediar
(sin ser ponderada). S estos puntos no estn presentes en la celda, la celda
ser considerada como indefinida.
64
2.
Vi de cada punto
involucrado ser:
Formula 4.4.
65
4.5.3
. Escalamiento de registros
Una vez asignado los parmetros para poder controlar el proceso de escalamiento de
registros, se puede proseguir con el desarrollo del registro. Cuando se realiza el
escalamiento de registros el programa (software) buscara dentro de la malla 3D todos
los pozos, para cada celda que se encuentre atravesada un pozo se estimara un valor
promedio de acuerdo al algoritmo para producir un valor para esa celda.
Trayectoria
Celdas 3D
66
El resultado de escalar los registros es para asignar valores a las celdas que los
atraviesan, las celdas que no son atravesadas por los pozos tienen valor en blanco, de
ah la necesidad de aplicar el modelado de propiedades para asignar valores
basndose en los registros escalados y las posibles tendencias obtenidas de los datos.
Existen otras maneras de realizar un control de calidad como llevar todos los datos en
un histograma y hacer un anlisis de distribucin de los datos o cargarla directamente
y compararla con el registro original que se escalo anteriormente
67
Elaboracin de facies
68
69
70
Propiedades continuas
Propiedades continuas como porosidad y permeabilidad (propiedades que poseen
valores decimales), se pueden generar transformaciones y generar variogramas en las
direcciones principal y menor.
Propiedades discretas
Las propiedades discretas son propiedades definidas por cdigos discretos como
facies donde los valores caen en grupos. El anlisis de datos para propiedades
discretas la mayor parte de las veces es realizado para propiedades de facies pero
pueden ser tambin aplicadas para cualquier tipo de datos discretos. El anlisis puede
ser realizado en todas las zonas, cada zona individualmente o usando el filtro de
71
alguna
combinacin
de
las
zonas,
en
cada
rea
de
alta/baja
permeabilidad/porosidad.
1.
2.
3.
4.
Tabla de proporciones.
Describe la distribucin vertical de las diferentes facies basadas en un modelo de
capas. La probabilidad vertical de curvas puede ser usada como dato de entrada para
controlar la distribucin vertical de facies en el proceso de modelado de facies. La
figura 4.16 muestra la probabilidad de facies del campo en estudio.
72
73
Probabilidad de atributos
Este tipo de tabla muestra la probabilidad de encontrar un tipo determinado de facie
en una cercana. (Ver figura 4.18)
74
Anlisis de variogramas
Lo primero que se debe hacer es modelar los variogramas para cada facies. El
objetivo es encontrar las direcciones de los ejes mayor y menor del elipsoide de
anisotropa para cada una de las zonas. Estos variogramas constituyen la funcin de
peso en los algoritmos de simulacin. Se puede modelar el variograma usando
modelos exponenciales, esfricos o gaussianos, los figura 4.16 muestra el modelado
del variograma para una zona determinada, en la parte inferior izquierda muestra el
mapa de ubicacin, con sus ejes de direccin mayor y menor, en la parte inferior
izquierda muestra el variograma modelado.
75
Anlisis de variogramas
76
4.6.2.
1.
2.
3.
Simulador Indicador
77
Registro de facies
78
Object Modeling
Mtodos de interpolacin
El algoritmo SGS, como se dijo anteriormente trabaja con datos normalizados y como
datos de entrada acepta anlisis de distribucin, variogramas y tendencias. Los
79
variogramas y las distribuciones son usados para crear variaciones locales en lugares
donde no se poseen valores. Como un mtodo de simulacin estocstica el resultado
depende de los datos de entrada y las mltiples corridas que se han realizado.
Mtodo de interpolacin de Kriging, Los valores entre los puntos que contienen datos
son
interpolados
determinsticamente
usando
variogramas
en
mltiple
Interpolacin por media en movimiento, respeta los datos del pozo y las tendencias.
Toma un valor medio para cada locacin sin analizar y calcula un peso de acuerdo a
la distancia entre pozos.
Interpolacin funcional, respeta los datos del pozo y tendencias. Crea una funcin
tridimensional ya sea como una funcin parablica, simple, planar, bi-lineal para ser
usada en la interpolacin.
Interpolacin por medio del valor ms cercano, usa el punto ms cercano para una
localizacin no muestreada.
Asignar valores, se puede asignar un valor a todas las celdas en la zona seleccionada.
80
Procesamiento de porosidad
81
Anlisis de Variograma
4.6.4.
Las figuras 4..21 y 4.22 muestran la relacin de los valores de porosidad con el
modelo de permeabilidad y con el modelo fluvial de facies diseado. Si la relacin
entre las propiedades modeladas es coherente, el modelo puede ser validado y est
listo para ser utilizado en clculos volumtricos.
82
83
Propagacin de Facies
84
5.1
RESULTADOS
Clculos volumtricos
85
86
87
88
5.2
89
* Los valores de reservas mostrados en este documento son referenciales y han sido utilizados para efectos de la
1200
1000
1200
1000
800
800
600
600
400
400
200
200
1400
12
24
36
48
60
72
84
96
108
120
Meses Transcurridos
1200
1000
1200
1000
800
800
600
600
400
400
200
200
12
24
36
48
60
72
84
96
108
Meses Transcurridos
120
1400
90
1200
1000
1200
1000
800
800
600
600
400
400
200
200
1400
12
24
36
48
60
72
84
96
108
120
Meses Transcurridos
5.3
3%
5%
6%
7%
91
Simulated History
Oil rate low, bopd
Oil rate base, bopd
Oil rate high, bopd
Cum oil high, Mstb
Historical production, bopd
5500
5000
4500
4000
3500
3000
2500
2000
1500
1000
500
25/01/17
31/01/16
05/02/15
10/02/14
15/02/13
21/02/12
26/02/11
03/03/10
08/03/09
13/03/08
19/03/07
24/03/06
29/03/05
03/04/04
09/04/03
14/04/02
19/04/01
8,0
Historical Cum
Cum Base Case
Cum High Case
Cum Low Case
7,0
6,0
31/01/16
05/02/15
10/02/14
15/02/13
0,0
21/02/12
0,0
26/02/11
1,0
03/03/10
1,0
08/03/09
2,0
13/03/08
2,0
19/03/07
3,0
24/03/06
3,0
29/03/05
4,0
03/04/04
4,0
09/04/03
5,0
14/04/02
5,0
6,0
19/04/01
7,0
92
VI CONCLUSIONES Y RECOMENDACIONES.
Si bien desde el punto de vista del gelogo, el desarrollo de un modelo debe guardar
una intima relacin con la mayora de los criterios estructurales, sedimentolgicos y
en algunas ocasiones paleontolgicos, tambin debe guardar una estrecha relacin
con criterios de petrofsicos y de reservorios, sobre todo de produccin.
En total son 33 pozos que se utilizaron en el diseo del modelo, cada uno con un
conjunto bsico de registros
93
94
6.2.
Todo modelo esta sujeto a una incertidumbre que depende del tipo y calidad de
los datos para que el ingeniero gelogo pueda darle un adecuado tratamiento y
obtener resultados coherentes.
95
6.3.
Recomendaciones futuras.
96
97
Control de
calidad
Normalizacin,
edicin
NO
SI
Generacin de registros
Facies, Vshale
Generacin de mapas de superficie,
definicin de horizontes
Escalamiento de registros
Control de calidad
por
tabla de
proporciones,
histogramas.
SI
1
NO
98
Control de
calidad
el modelo es
consistente?
SI
NO