Oilfield Review Spring 2008 Spanish

18 Oilfield Review

Optimización de la producción desde elyacimiento hasta la planta de proceso

Alvin BarberMack E. ShippenHouston, Texas, EUA

Santanu BaruaMumbai, India

Juan Cruz VelázquezVillahermosa, Tabasco, México

Aarón Marino Garrido HernándezPEMEXReforma, Chiapas, México

Hans Eric KlumpenBaden, Austria

Sanjay Kumar MoitraONGCMumbai, India

Fernando L. MoralesPoza Rica, Veracruz, México

Scott RaphaelBob SauvéCalgary, Alberta, Canadá

Jan Richard SagliStatoilHydroTrondheim, Noruega

Mike WeberBPHouston, Texas

Por su colaboración en la preparación de este artículo, se agradece a Andrew Howell, Calgary; y Josephine P. Mawutor Ndinyah, Cambridge, Massachusetts, EUA.Avocet, ECLIPSE, ECLIPSE Blackoil, Merak EconomicsModule, Merak Peep, NODAL, Petrel y PIPESIM son marcas de Schlumberger. Aspen HYSYS es una marca de AspenTech. Intel 386, Intel Dual Core Itanium 2 e Intel Pentium son marcas de Intel Corporation.

Actualmente se observa una revolución digital en los campos de petróleo y gas.

El manejo de los campos petroleros se ha transformado por la disponibilidad de

más datos, la rapidez de los procesos de evaluación y el mejor control de los

mismos. El próximo cambio radical se encuentra aún en gestación. El nuevo

software de metodologías de trabajo integra las operaciones de simulación de los

activos, desde el yacimiento hasta la planta de proceso, y se traduce en mejores

resultados económicos.

Primavera de 2008 19

La producción de petróleo y gas no es fácil ni ba-rata. Sin importar si tiene lugar en ambientes te-rrestres remotos o en aguas profundas, sus costosson elevados. Conforme el incremento de los cos-tos converge con una contracción del suministro,los productores de energía buscan extraer hasta laúltima gota de sus activos actuales y optimizar eldiseño de las nuevas instalaciones. Un factor claverelacionado con esta pugna por la eficiencia, es elempleo cada vez más frecuente de la tecnologíadigital inteligente.

La tecnología digital continúa creciendo encuanto a sofisticación y ahora invade la mayorparte de las actividades de los campos de petróleoy gas. Las tecnologías tales como la obtención demediciones remotas y la visualización de pa -rámetros clave de los campos productivos sobrela base de mapas, se han tornado en una tareade rutina.1 Estas tecnologías aparecieron porprimera vez en la década de 1980, y su aplica-ción se aceleró en los últimos 15 años (arriba).2

Si bien han surgido numerosas expresiones para

> Evolución de la tecnología digital. Durante los últimos 25 años, la computación y la tecnología digital de campos petroleros han evolucionado a lo largo detrayectos similares. Las primeras computadoras de escritorio se ocupaban de cálculos y gráficas simples, mientras que la aplicación inicial de la tecnologíadigital en los campos de petróleo y gas generó avances en materia de automatización, sistemas de recolección de datos y obtención de mediciones. Du rante la década de 1990, se desarrollaron computadoras para manipular gráficas y cálculos cada vez más complejos. La capacidad digital en los cam -pos de petróleo y gas, se aceleró en el año 2000 con la mayor complejidad de los sistemas de medición y la automatización en las localizaciones de lospozos. Después del año 2000, la migración tanto de la capacidad computacional como de la tecnología digital a los campos de petróleo y gas cobró impulso.Las computa doras de escritorio ahora ostentan procesadores de doble y cuádruple núcleo, además de capacidad de conexión en red inalámbrica. La capaci dad de conexión en red ha permitido a los operadores de campo ejecutar tareas integrales, que pueden involucrar localizaciones múltiples.[http://www.intel.com/ technology/mooreslaw/index.htm (Se accedió el 26 de octubre de 2007)]. (Véase referencias 1 y 2, por citas de artículos de las SPE y OTC.)

Tran

sist

ores

, núm

ero

1980 1985 1990 1995 2000

Año

2005 2010 2015104

105

106

107

108

109

1010

Intel 386

Intel Pentium

Dual CoreIntel Itanium 2

Metodologías de trabajoautomatizadas (SPE 110655)

Visualización basadaen mapas (SPE 106914)

Control de pozosinteligentes (SPE 78278)

Sistemas de producciónautomatizados (SPE 10005)

Evolución de lacomputadora personal

Evolución de la tecnologíadigital de campos petroleros

Sistema SCADA paragas remoto (SPE 20644)

Instalación de fibra ópticade fondo de pozo (SPE 54599)

Sistema experto para pozosproductores (SPE 24997)

Análisis de grandes conjuntos de datos (SPE 56419)

Obtención de medicionesmultifásicas con fibra óptica (SPE 77655)

Automatización de sistemas inteligentesde levantamiento artificial por gas (SPE 69404)

Modelado integrado deactivos (SPE 109260, OTC 18678)

Tareas más complejas,localizaciones individuales

Obtención de mediciones,análisis y automatización

Tareas más complejas,localización individual

Procesamiento enparalelo, conexiónen red inalámbrica

Cálculossimples

Tareas integrales, conexiónen red de localizaciones

remotas múltiples

1. McConnell JD: “Remote Gas Measurement for ProductionAllocation: Douglas Creek Arch Region,” artículo SPE 20644,presentado en la Conferencia y Exhibición Técnica Anualde la SPE, Nueva Orleáns, 23 al 26 de septiembre de 1990.Weber MJ, Vergari AB y Shippen M: “Online IntegratedAsset Models with Map-Based Visualization,” artículo SPE106914, presentado en la Conferencia y Exhibición deEnergía Digital de la SPE, Houston, 11 al 12 de abril de 2007.

2. Hardy IJ y Wetzel GP: “Automated Production Systems,”artículo SPE 10005, presentado en la Exposición ySimposio Técnico Internacional del Petróleo de la SPE,Beijing, 17 al 24 de marzo de 1982.McConnell, referencia 1.Cosenza G, Tambini M y Paccaloni G: A Knowledge-BasedApproach to Problem Identification in Producing Wells,”artículo SPE 24997, presentado en la ConferenciaEuropea del Petróleo de la SPE, Cannes, Francia, 16 al 18 de noviembre de 1992.Carnahan BD, Clanton RW, Koehler KD, Harkins GO y Williams GR: “Fiber Optic Temperature MonitoringTechnology,” artículo SPE 54599, presentado la ReuniónRegional Occidental de la SPE, Anchorage, 26 al 28 de mayo de 1999.Athichanagorn S, Horne RN y Kikani J: “Processing and Interpretation of Long-Term Data from PermanentDownhole Pressure Gauges,” artículo SPE 56419,presentado en la Conferencia y Exhibición Técnica Anual de la SPE, Houston, 3 al 6 de octubre de 1999.Correa JF, Santos OG y Inazumi PCM: “IntelligentAutomation for Intermittent-Gas-Lift Oil Wells,” artículo

SPE 69404, presentado en la Conferencia de IngenieríaPetrolera de América Latina y el Caribe de la SPE,Buenos Aires, 25 al 28 de marzo de 2001.Kragas TK, Bostick FX III, Mayeu, C, Gysling DL y van der Spek A: “Downhole Fiber-Optic MultiphaseFlowmeter: Design, Operating Principle, and Testing,”artículo SPE 77655, presentado en la Conferencia yExhibición Técnica Anual de la SPE, San Antonio, Texas, 29 de septiembre al 2 de octubre de 2002.Brouwer DR y Jansen JD: “Dynamic Optimization ofWaterflooding with Smart Wells Using Optimal ControlTheory,” artículo SPE 78278, presentado en la ConferenciaEuropea del Petróleo de la SPE, Aberdeen, 29 al 31 deoctubre de 2002.Weber et al, referencia 1.Morales FL, Velázquez JC y Garrido AG: “Integration of Production and Process Facility Models in a SingleSimulation Tool,” artículo SPE 109260, presentado en la Conferencia y Exhibición Técnica Anual de la SPE,Anaheim, California, EUA, 11 al 14 de noviembre de 2007.Moitra SK, Subhash C, Barua S, Adenusi D y Agrawal V:“A Field-Wide Integrated Production Model and AssetManagement System for the Mumbai High Field,” artículoOTC 18678, presentado en la Conferencia de TecnologíaMarina, Houston, 30 de abril al 3 de mayo de 2007.Sagli JR, Klumpen HE, Núñez G y Nielsen F: “ImprovedProduction and Process Optimization Through People,Technology and Process,” artículo SPE 110655, presentadoen la Conferencia y Exhibición Técnica Anual de la SPE,Anaheim, California, 11 al 14 de noviembre de 2007.

caracterizar el enlace entre la tecnología digital yel campo petrolero, “campo inteligente” es la quemejor capta el concepto. El empleo de la tecnolo-gía digital por parte de los productores de petróleoy gas no es nuevo. Lo que sí es nuevo, y forma partede la visión del campo inteligente, es el enlace delas diferentes tecnologías para lograr una tareaintegral (véase “La gran visión de conjunto: Manejointegrado de activos,” página 36).

La recuperación de la inversión necesariapara la implementación del campo inteligente esconsiderable. Se prevé que esta tecnología incre-mentará la recuperación mundial de petróleo en20,000 millones de m3 [125,000 millones de bbl],en los próximos cinco a diez años.3 Si bien lamaduración completa de algunos componentesdel campo inteligente llevará tiempo, otros ya seestán poniendo en práctica ahora. Un ejemplode la nueva tecnología que puede producir bene-ficios reales, es el modelado integrado de

activos. Esta tecnología vincula las herramientastradicionales, tales como el software de simula-ción de yacimientos ECLIPSE, con otrosmodelos de sistemas de producción conocidospara arribar a una solución integral. El mode-lado integrado de activos puede utilizarse paramejorar la producción de los campos existenteso, durante el diseño inicial, para introducir mejo-ras en los campos nuevos.

El tema central de este artículo es la aplica-ción de la tecnología de modelado integrado deactivos; cómo funciona y cómo se está aplicandopara resolver los desafíos que plantean las opera-ciones de producción. Algunos estudios de casosde México, el área marina de la India, el Mar delNorte y EUA ilustran diversos aspectos de la apli-cación de los campos inteligentes. Antes de ana-lizar los detalles del modelado integrado deactivos, examinamos los métodos tradicionales deplaneación de campos petroleros.

Métodos tradicionales En el año 2006, la industria del petróleo y el gasinvirtió aproximadamente un 3% de los ingresostotales en tecnología de la información; US$ 2,000millones en hardware, software y servicios.4 Estepaquete de tecnología de la información com-prende simuladores individuales para elyacimiento, la red de tuberías, las instalacionesde proceso y la rentabilidad. Estos simuladores,a través de los años, han registrado avances sig-nificativos en cuanto a precisión y confiabilidad.Los yacimientos complejos son más fáciles demodelar, el flujo multifásico se simula, y el de sem -peño de los equipos importantes, tales como loscompresores, puede ser optimizado.

Si bien los simuladores funcionan bien cuandose aplican a los componentes individuales de loscampos petroleros, surgen problemas cuando seaplican en serie para efectuar un análisis decampo completo. Los datos a menudo se trasladan

20 Oilfield Review

>Modelado tradicional de la producción. Habitualmente, un ingeniero de yacimientos corre una simulación de yacimientos para analizar el flujo a travésde los medios porosos y tomar en cuenta cualquier mecanismo de empuje natural o artificial presente (extremo inferior izquierdo). Uno de los elementosde salida de la simulación son los perfiles de producción en función del tiempo para los pozos en consideración. Estos datos son transferidos a un in ge -niero de producción para que desarrolle modelos de pozos individuales y una simulación de redes de tuberías (extremo superior izquierdo). Este softwareanaliza el flujo a través de la tubería y destaca los problemas relacionados con el aseguramiento del flujo. A continuación, un ingeniero de instalacionesutiliza el perfil de producción y los datos composicionales para construir un modelo de planta de proceso que simule los diversos procesos de compresión,separación, y los agentes químicos que pueden estar presentes en el flujo (extremo superior derecho). Finalmente, los datos provenientes de las simula cio -nes de yacimientos, tuberías y procesos se trasladan al software de evaluación económica (extremo inferior derecho).

Yacimiento

Red de tuberías

Rentabilidad

Planta de proceso

0 1 2Tiempo, años

PD

WC%

Pres

GOR

3 4 5

WWWWW

DPDPDPDPPP

33333333empo aempo aempo aempo aempo, aempo, ap ,


entre los activos individuales y las disciplinas me-diante planillas de cálculo, y los efectos de la in -teracción están ausentes (página anterior).5 Loscambios producidos en cualquiera de los componen-tes del campo generan impactos en cascada sobrelos resultados aguas arriba y aguas abajo de dichocomponente, y reflejar este hecho en forma correctademanda una intervención considerable en lospasos del modelado. En algunos casos, esta interven-ción puede ser impracticable e incluso imposible.

La aplicación de métodos tradicionales a laplaneación de campos petroleros plantea dosproblemas de consideración. En primer lugar,todas las simulaciones aguas abajo del modelode yacimiento son estáticas; representan sólo uninstante en el tiempo durante la vida productivadel activo. El trabajo involucrado en la imple-mentación de estos modelos debe rehacersepara analizar cualquier otro punto en el tiempo.En segundo término, el método tradicional notoma en cuenta la naturaleza dinámica de la pla-neación del desarrollo de los campos petroleros.Por ejemplo, el régimen de producción de unpozo existente puede cambiar cuando se perfo-ran pozos nuevos en el área; desmejorando elplan original. Además, eventos tales como cam-bios de compresores o la implementación dediversos programas de recuperación secundariaejecutados con posterioridad, invalidarán proba-blemente los intercambios iniciales de datosentre los modelos de simulación. Estas concesio-nes mutuas en el análisis de campo completotradicional, pueden generar una diversidad deproblemas, incluyendo operaciones de perforacióninnecesarias y el sobre o sub-dimensionamientode las instalaciones.

Ac tualmente, como parte del concepto decampo inteligente, está surgiendo una soluciónpara estas deficiencias en el ámbito de las simula-ciones de campo completo. Se observa una substi-tución de las metodologías de trabajo históricasen serie por procesos dinámicos ejecutados entiempo real, que dan clara cuenta de los efectosde retro y post-alimentación. Una característicaclave del campo inteligente es la capacidad para

expandir el uso de las condiciones de borde deuna disciplina a otra disciplina a través de todo elcampo.6 El empleo del procesamiento dinámico entiempo real para modelar el impacto de los eventosinterrelacionados, tanto históricos como proyec-tados, allana el camino que conduce a una predic-ción del desempeño del campo que se adapta a unambiente operativo cambiante. Este conceptoconstituye el núcleo de la tecnología de modeladointegrado de activos.

Una revolución silenciosaEl modelado integrado de activos constituye unaextensión evolutiva de una técnica conocidacomo análisis NODAL del sistema de producción.Este proceso ha sido utilizado para estudiar sis-temas de interacción complejos, tales como lasredes de líneas de flujo, los cir cuitos eléctricos yla producción de petróleo. El procedimientoimplica la selección de un punto de referencia, onodo, para dividir el sistema. En un sistema pro-ductor de petróleo o gas, un nodo puede ubicarseen una de las diversas loca lizaciones posibles; lospuntos comunes son el fondo y el cabezal delpozo. Los componentes situados aguas arriba delnodo correspondiente al fondo del pozo determi-nan el desempeño del yacimiento, mientras quelos componentes instalados aguas abajo de dichonodo rigen el comportamiento del pozo. Porejemplo, los disparos situados aguas arriba delnodo correspondiente al cabezal del pozo forma-rían parte de la sección de oferta de energía,mientras que una línea de flujo conectada a laplanta de proceso estaría comprendida en la sec-ción de demanda de energía.

Sin importar la localización del nodo, debensatisfacerse dos condiciones de borde. El flujoque ingresa en el nodo debe ser igual al flujo quesale del nodo, y sólo puede existir un valor depresión en un nodo. Las curvas de presión ytasas de flujo son generadas tanto para el flujoque ingresa en el nodo como para el que sale. Laintersección de las curvas define la solución delproblema, ya que arroja una tasa de flujo (gasto,velocidad de flujo, caudal, rata) y una presión

3. Snieckus D: “Switching on to Doff,” Offshore Engineer 29,no. 1 (Enero de 2004): 15–16.

4. Howell A, Szatny M y Torrens R: “From Reservoir ThroughProcess, From Today to Tomorrow—The Integrated AssetModel,” artículo SPE 99469, presentado en la Conferenciay Exhibición sobre Energía Inteligente de la SPE,Ámsterdam, 11 al 13 de abril de 2006.

5. Los estudios de auditoría de las planillas de datos delmundo real revelan un número significativo de errores.

Barroux CC, Duchet-Suchaux P, Samier P y Nabil R:“Linking Reservoir and Surface Simulators: How toImprove the Coupled Solutions,” artículo SPE 65159,presentado en la Conferencia Europea del Petróleo de la SPE, París, 24 al 25 de octubre de 2000.

9. Ghiselin D: “Source-to-Sales Asset Management,” E&P 78, no. 1 (Enero de 2005): 56–57.

Consulte, Pankow RR: “What We Know AboutSpreadsheet Errors,” http://panko.shidler.hawaii.edu/SSR/Mypapers/whatknow.htm (Se accedió el 13 denoviembre de 2007).

6. Howell et al, referencia 4.7. Beggs HD: Production Optimization Using NODAL™

Analysis. Tulsa: OGCI Publications, 1991.8. Dempsey JR, Patterson JK, Coats KH y Brill JP: “An

Efficient Model for Evaluating Gas Field GatheringSystem Design,” Journal of Petroleum Technology 23, no. 9 (Septiembre de 1971): 1067–1073.

que satisfacen tanto las restricciones de ofertade energía como las restricciones de demandade energía.7

La extensión del análisis NODAL de pozosindividuales a sistemas más complejos, no esnueva. En el año 1971, una propuesta de avan-zada demostró cómo podían vincularse losmodelos de yacimientos y de superficie con el finde arribar a una solución para un sistema derecolección de un campo de gas, y luego surgieronotras propuestas.8 Lo que es nuevo y diferente esla introducción de un software comercial quevincula los modelos independientes relacionadoscon los yacimientos, las tuberías, las instalacionesde proceso y la rentabilidad de la producciónpara lograr una solución optimizada. Estos ofre-cimientos no implican simuladores múltiplesencastrados en un solo paquete sino estructurascomputacionales que vinculan los simuladores através de los diversos activos, ambientes compu-tacionales y localizaciones.

El Modelador Integrado de Activos Avocetilustra el procedimiento de modelado de activosasociado con una estructura de conexión. Estesoftware de integración provee una solucióntotal para los activos que vincula el yacimiento(software de simulación de yacimientosECLIPSE), la infraestructura de pozos y desuperficie (software de análisis del sistema deproducción PIPESIM) y las instalaciones de pro-ceso (software de simulación de procesosHYSYS), a fin de de conformar un entorno simplede manejo de la producción.9 Además de estossimu ladores comerciales, los especialistas pue-den aportar modelos específicos de su disciplinao modelos patentados, específicos de su compa-ñía, y dejar que los resultados se propaguen portodo el modelo. El software Avocet sustentaestra tegias de implementación que permiten lacolaboración de especialistas de localizacionesindependientes. La estructura de soporte delmodelo, que reside en un servidor central,puede dirigir e interactuar con las aplicacioneseconómicas, de yacimientos, líneas de flujo yprocesos que residen en computadoras remotas.

La interfaz permite que el usuario vincule gráfi-camente los modelos individuales y visualice losresultados a medida que el procedimiento seencamina hacia la solución óptima (arriba).

Este enfoque provee una solución iterativagradual para la predicción del desempeñodurante la vida productiva de un campo. De unmodo similar al análisis NODAL, se efectúan doscálculos iterativos para cada incremento detiempo en un nodo, utilizando las condiciones deborde existentes. Un conjunto de cálculos deter-mina las tasas y las presiones que se puedenalcanzar dentro del yacimiento. El otro cálculodetermina las tasas y las presiones existentes enla red de instalaciones. Ambos cálculos iterativosse reiteran hasta que se equiparan las tasas deflujo y las presiones a lo largo de todo el sistemaacoplado (derecha). El simulador de activos rei-tera el procedimiento para otro incremento detiempo, efectuando esta alternancia hasta alcan-zar la vida productiva deseada del campo. Encada incremento de tiempo, las restricciones delsistema se propagan aguas arriba y aguas abajoentre los modelos y sus respectivos simuladores.Si bien el software Avocet desarrolla solucionesutilizando este enfoque general, la combinaciónfinal de simuladores dependerá de la complejidady la naturaleza del problema en consideración.

La localización más rigurosa para el acopla-miento en un nodo es el fondo de un pozo, y, enla mayor parte de los sistemas, el acoplamiento

en el fondo de un pozo demandará además elmáximo tiempo computacional.10 A medida queel punto de acoplamiento se desplaza hacia elcabezal del pozo e ingresa en otras partes de lared, el tiempo computacional generalmente sereduce. El acoplamiento en el fondo del pozoprobablemente no resulte práctico o posible parael análisis de campos altamente complejos, enlos que quizás sea necesario desplazar el puntode acoplamiento hacia la superficie.

Además de la localización del acoplamiento,la elección de las restricciones composicionalestambién afectará el tiempo computacional y laconvergencia del simulador. Para los yacimientosen los que los efectos de la composición del fluidosobre las características del flujo no son crucia-les, puede resultar adecuado un modelo de trescomponentes conocido como ECLIPSE Blackoil.Este modelo de simulación por diferencias finitasasume que el yacimiento posee petróleo, gas yagua en un sistema trifásico. También se puedeconsiderar un sistema de cuatro componentespara el modelado de un ya ci mien to, cuando los

22 Oilfield Review

> Interfaz del Modelador Integrado de Activos Avocet. Cada simulación individual del software Avocetpuede integrarse en un diagrama de flujo que representa la totalidad del modelo integrado de activos.Se dispone de representaciones de los resultados combinados de todas las simulaciones, ya sea enforma gráfica o tabular.

P1

Q1

1

2 3

45

Curva dedesempeño

del yacimiento

Curva decomportamiento

del pozo

6

Q3

P2

Pres

ión

Tasa de flujo

> Acoplamiento y balanceo de red. El esquema predeterminado de balanceode red del simulador Avocet es el método de cuerda y pendiente. En estealgoritmo, el simulador de pozo utiliza el límite de presión del pozo P1 como la suposición inicial para obtener una tasa de flujo correspondiente, Q1. Latasa Q1 se traslada al simulador de tuberías para calcular una presión, P2,co rrespondiente a esa tasa de flujo. La presión P2 se traslada al simulador deyacimientos para obtener la tasa de flujo Q3 para esa presión. La cuerda queune estos dos puntos provee el índice de productividad (PI), que se trasladaal simulador de redes de tuberías. El simulador de tuberías utiliza este valorde PI para obtener el Punto 4. Este proceso iterativo se reitera hasta que sellega a una convergencia, dentro de una tolerancia especificada, en el Punto 6.En el Punto 6, la presión y la tasa de flujo son consistentes entre el yaci mien toy la red de tuberías de superficie y el sistema se encuentra balanceado, listo para el incremento de tiempo siguiente. El acoplamiento por el métodocuerda y pendiente es altamente iterativo y probablemente no resulte ade -cuado para todos los sistemas de producción. El software Avocet incluyemuchas otras alternativas para el acoplamiento y balanceo de red.


fluidos inyectados son miscibles con los hidro-carburos del yacimiento.

Para los sistemas de hidrocarburos complejos,se dispone además de la técnica de simulacióncomposicional explícita. La simulación compo -sicional explícita puede constituir la opción co-rrecta cuando se requiere una ecuación de estadopara describir los cambios producidos en elcomportamiento de los fluidos del yacimiento enfunción de la profundidad. Este modelo puede re-presentar la mejor alternativa para los sis temasque involucran condensados, petróleos crudos vo-látiles, petróleos pesados, y procesos de in yecciónde gas y de recuperación secundaria por inyecciónde agua. Existe flexibilidad suficiente en las simu-laciones para permitir que yacimientos múltiples,con diferentes modelos de componentes, se co-necten a una red de superficie (derecha). Todasestas alternativas, sumadas a otras restricciones,determinarán cómo se configura el software Avocetpara resolver un problema dado.

Una vez que el modelo ha sido correctamenteconfigurado, ofrece un trayecto claro para la opti-mización total del campo. Los efectos de retro ypost-alimentación se manejan mediante la guíadel modelo hacia una solución convergente.11

La arquitectura abierta elimina las cuestiones rela-cionadas con la versión del software, mientras quela capacidad de comunicación con las computado-ras remotas posibilita la colaboración interdiscipli-naria y el aprovechamiento óptimo de los equiposde computación.12 Todos estos factores en conjuntopermiten que los operadores respondan con efi-ciencia a los desafíos asociados con las operacio-nes de producción. Por ejemplo, una de las formaseconómicamente más efectivas de incorporar laproducción de un campo existente, es mediante laoptimización que se logra a través del modelado in-tegrado de activos.

Nueva vida para un campo viejoGran parte del petróleo y el gas del mundo pro-viene de una multitud de campos terrestres quehan estado en producción durante varias déca-das. Un buen ejemplo de este tipo de activo es elcomplejo San Manuel que opera PEMEX. Situadoen un terreno serrano y accidentado, a unos 160 km[100 millas] al sur de Villahermosa, en México,este sistema fue construido hace más de 25 años y

produce más de 7.9 millones de m3/d [279 MMpc/d]de gas y 2,080 m3/d [13,100 bbl/d] de petróleocrudo. El complejo cuenta con seis instalacionesde proceso que reciben el petróleo y el gas deunos 65 pozos productores.

En los últimos años, los numerosos problemasque aparecieron en San Manuel inquietaron aPEMEX. Este sistema había sido diseñado ori -ginalmente para regímenes de producción muchomás altos que los actuales y la formación de gasescondensados en los gasoductos principales se con-virtió en un problema persistente a medida que elsistema envejecía. Debido a la irregularidad de latopografía, la alta temperatura del gas y sus bajasvelocidades en las líneas de transferencia, los con-densados tienden a acumularse en las partes másbajas de las líneas de flujo, formando taponesinestables. Estos tapones generan contrapresiónaguas arriba, lo que reduce los regímenes de pro-

ducción y obliga a PEMEX a correr tacos limpiado-res con frecuencia en ciertos ramales para limpiarlas líneas y restituir la producción.13

En respuesta a estos problemas, PEMEX ySchlumberger implementaron un procedimientode modelado integrado de activos para compren-der y mejorar el desempeño de la totalidad delactivo San Manuel; los pozos activos, las bateríasde proceso y las líneas de flujo asociadas. Se uti-lizó el Modelador Integrado de Activos Avocetpara integrar los simuladores individuales de pozos,líneas de flujo y proceso en un solo ambiente.14

Los resultados de las simulaciones son tanbuenos como los datos que utilizan y, en el casode una red compleja como la de San Manuel, eranecesario contar con un gran volumen de datospara configurar las simulaciones. La primeratarea del equipo conjunto consistió en desarro-llar una base de datos para el pozo, la línea de

> Yacimientos con diferentes modelos composicionales. En ciertas simulaciones por modelado de losactivos, puede ser necesario conectar varios yacimientos con diferentes modelos composicionales.Consideremos el caso en que tres yacimientos diferentes son conectados a una sola red de superficie.El Yacimiento A utiliza un modelo composicional con N1 componentes, el Yacimiento B utiliza un mo -delo composicional con N2 componentes y el Yacimiento C utiliza un modelo de petróleo negro contres componentes. Cada uno de estos yacimientos se conecta a un regulador en el que tiene lugar laconversión composicional, hasta generar un conjunto final de componentes K utilizados por la red desuperficie. Por ejemplo, cuando se consulta una tasa de flujo de uno de los yacimientos, el reguladorla convierte en el conjunto de componentes K de la red. Del mismo modo, cuando una tasa de flujo seenvía desde la red de superficie hasta cualquiera de los yacimientos, se convertirá en el conjunto decomponentes específicos de ese modelo de yacimiento.

Simulación del yacimiento Acon N1 componentes

Simulación del yacimiento Bcon N2 componentes

Controlador

Componentes K dela red de superficie

Simulación del yacimiento Ccon petróleo, gas y agua

10. El acoplamiento en el fondo de un pozo permite que losrespectivos simuladores manejen la parte del problemapara la que han sido específicamente diseñados. Porejemplo, los simuladores de yacimientos están diseñadospara el flujo a través de medios porosos, mientras quelos simuladores de pozos y redes están diseñados parael flujo a través de tuberías.

11. En general, los requerimientos de flujo se pre-alimentany las restricciones de presión se retro-alimentan.

12. En este contexto, la expresión arquitectura abierta se refiere a la capacidad para comunicar y dirigir lascomputadoras remotas. Esto permite incluir en laestructura de soporte la versión más actualizada de un programa de simulación individual sin importar dónde se localice ese simulador.

13. En San Manuel, las operaciones de limpieza con taco(pistón rascador) han implicado hasta 42 carreras poraño en ciertas líneas.

14. Morales et al, referencia 2.

flujo y las instalaciones de proceso. Los datosrecolectados incluyeron los resultados de pro-ducción de los pozos, la presión y la temperaturaen los colectores múltiples y en las instalacionesde compresión, además de las propiedades delos fluidos disponibles. Por otro lado, fue necesa-rio obtener datos sobre la infraestructura de SanManuel, tales como los diámetros de las líneasde flujo, las posiciones geográficas y los perfilestopográficos.

Utilizando estos datos, el equipo de trabajoconfiguró simulaciones individuales para la tota-lidad del complejo San Manuel; 65 pozos, ochoredes de líneas de flujo y seis instalaciones de pro-ceso.15 Estos simuladores se integraron en unaestructura de soporte para el acoplamiento diná-mico, utilizando el software Avocet. Los resulta-dos de los modelos de simulación se verificaronen función de las mediciones de campo reales endiversos puntos del complejo. En promedio, latasa de flujo de petróleo prevista mostró una va-riación del 5.9% con respecto a la medida, mien-tras que la variación correspondiente en la tasade flujo de gas exhibió una desviación del 1.6%.16

Satisfecho con el hecho de que las simulacio-nes estaban arrojando buenos resultados, elequipo técnico desarrolló una diversidad de alter-nativas de optimización para reducir los costos,desbloquear las instalaciones e incrementar laproducción de petróleo y gas. Estas oportunida-des se clasificaron en base a su beneficio poten-cial en términos de incremento de la producción,reducción de costos y costo de implementación.Las ideas más promisorias fueron simuladas utili-zando el software Avocet con el fin de desarrollarlas localizaciones para las oportunidades señala-das como objetivo.17 Los resultados de la simula-ción dinámica del complejo San Manuel arrojaronuna lista específica de oportunidades que pudie-ron ser puestas en práctica con los recursos dispo-nibles y sin inversión adicional alguna (arriba).

El resultado final para PEMEX fue un ahorroinmediato de US$ 600,000 por año en costos ope-rativos, acompañado de un incremento de laproducción de petróleo y gas estimado en un valorde US$ 35 millones anuales.18 Estos ahorros seconcretaron a través de cambios específicos enla forma en que se opera el complejo San Manuel.

Mediante la derivación de dos separadores dealta presión y una instalación de separación depresión intermedia, se redujo la contrapresiónen 3.3 MPa [479 lpc] en un colector múltiple yen 0.2 MPa [30 lpc] en otro. Estos cambios arro-jaron 240 m3/d [1,500 bbl/d] adicionales depetróleo y 143,000 m3/d [5 MMpc/d] de gas. Otramejora importante, confirmada por la simula-ción, fue la necesidad de controlar el punto derocío con el correspondiente enfriamiento yrecuperación de líquidos en uno de los gasoduc-tos. Mediante la reducción de la temperaturahasta 20°C [68°F] y la recuperación de los líqui-dos antes de su ingreso en la línea de flujo,PEMEX estimó que podría recuperar 210 m3/d[1,320 bbl/d] adicionales de condensado y redu-cir el número de carreras de tacos limpiadoresen un 90%.

Ahora que el modelo integrado de activos seencuentra disponible para el complejo San Manuel,los ingenieros de producción de PEMEX lo estánutilizando para tomar decisiones sobre las ope-raciones diarias y para la planeación de mejorasadicionales en el campo. Los cambios potencia-les a analizar incluyen pozos nuevos, el análisisde declinación de la producción para los pozosactuales, y el impacto de los cambios adicionalesde la infraestructura de superficie.

El empleo de la tecnología de modelado inte-grado de activos en el Campo San Manuel es unbuen ejemplo de la extensión del análisis NODALde un solo pozo a un campo de 65 pozos. El estudiode un caso práctico, que se describe a continua-ción, incluye un número mucho más grande depozos.

Integración de un activo masivoDescubierto en el año 1974, el Campo MumbaiHigh, operado por Indian Oil and Natural GasCorporation (ONGC), se encuentra ubicado cercade la plataforma continental de la India (próximapágina).19 El petróleo y el gas son producidos por690 pozos y la presión es mantenida por 200 pozosde inyección de agua. La producción actual deMumbai High es de aproximadamente 40,000 m3/d[250,000 bbl/d] de petróleo y 430,000 m3/d [15.2 MMpc/d] de gas. Los complejos de procesa-miento separan los fluidos en petróleo crudo, gas yagua; y el petróleo se envía a una terminal terres-tre, junto con parte del gas. El gas remanente seutiliza para las operaciones de levantamiento arti-ficial por gas en aproximadamente un 80% de lospozos productores de petróleo.

El manejo eficiente y la optimización de loscampos maduros grandes en la fase de declina-ción siempre plantean desafíos y Mumbai High no

24 Oilfield Review

> Esquema del sistema de producción. El sistema de recepción de productos del complejo San Manuelposee seis baterías de proceso donde el petróleo y el gas producidos se combinan, separan y com pri -men, o se bombean para su entrega. Muchas mejoras potenciales han sido implementadas (diamantesde colores) sobre la base de la tecnología de modelado integrado de activos, incluyendo la derivaciónde los separadores de alta presión en la batería Catedral y un cambio en el servicio del gasoducto de40 cm [16 pulgadas], que fue convertido a flujo multifásico. Este cambio implementado en la bateríaCatedral incrementó la producción de petróleo y gas y redujo significativamente las carreras de tacoslimpiadores en las líneas de flujo para eliminar tapones y obstrucciones de líquidos. En la bateríaCopano, se derivó una unidad de separación de alta presión, lo que condujo a un incremento de laproducción de petróleo y gas, y a una reducción de la contrapresión en el colector múltiple. Ademásse implementaron varias recomendaciones para otras partes del sistema y para pozos individuales, lo cual incrementó la producción. (Adaptado de Morales et al, referencia 2.)

Catedral

Chiapa

Copano

Muspac

Giraldas Cactus

Sunuapa

Línea de gasLínea de petróleoLínea de petróleo y gasCorriente de entrada de la red

Batería de proceso de campo

Procesamiento

16 pulgadas x 5.6 km36 pulgadas x 10.3 km

16 pulgadas x 10.3 km


24 pulgadasa Cactus

12 pulgadasa Cactus16 pulgadas x 10.7 km


16 pulgadas x 10.1 km12

pul

gada

s x

14.9

km

8 pu

lgad

as x

4.8

km

Incremento de la producción de hidrocarburos

Incremento del aseguramiento del flujo

Reducción del costo operativo

Flexibilidad operativa


es la excepción. El nivel de desafío se incrementadado que este campo produce más del 40% de todoel petróleo crudo de la India, y ONGC se ha fijadocomo meta no sólo detener la declinación sino au-mentar la producción.20 La consecución de estasmetas exigió además que el operador utilizara algomucho más trascendente que el análisis NODALde un solo ramal, practicado en el pasado.

Uno de los objetivos principales de ONGC erala optimización de sus operaciones de levanta-miento artificial por gas. Si bien los trabajos de in-geniería previos, tendientes al logro de esteobjetivo, se llevaban a cabo regularmente pozo porpozo, dichos trabajos nunca arrojaron los incre-mentos de producción esperados para el campo. Enlos campos que producen mediante levantamientoartificial por gas, en los que una porción del gasproducido es devuelta para las operaciones de le-vantamiento, los efectos de la interacción no pue-

den ser captados mediante el análisis de un solopozo. El operador comprendió que el procedimien -to de modelado integrado de activos basado en todoel campo captaría todos los efectos de la interac-ción de la red y en última instancia se traduciríaen mejores decisiones e incrementos de la produc-ción, y a un costo reducido.

Teniendo en cuenta estos objetivos, y con laasistencia de Schlumberger, se desarrolló unconcepto de modelo integrado de activos “delyacimiento a la terminal,” junto con un plan deproyectos a ser implementado por etapas. Elobjetivo de ONGC para la primera fase del pro-yecto consistente en tres fases, fue desarrollarun modelo de producción integrado con la redpara todo el Campo Mumbai High. Las fases sub-siguientes incorporarían la optimización de lared, la integración con el modelo de yacimientosECLIPSE y la simulación en tiempo real.

El objetivo fijado para el modelo de produc-ción integrada de la primera fase era ambicioso;desarrollar un proceso riguroso de simulación depetróleo negro de flujo multifásico. El modeloconsideró todas las instalaciones del CampoMumbai High, incluyendo pozos, plataformas,tuberías, recipientes de proceso, entrega de gaspara el levantamiento artificial, inyección deagua y conexiones con la terminal terrestre. Laestructura de soporte del modelado elegida parael modelo de producción integrado, fue el soft-ware de análisis de pozos y redes PIPESIM.

Como en el caso de la experiencia de PEMEXanalizada previamente, la primera tarea para elproyecto Mumbai High fue la recolección de datos;una tarea intimidatoria para un campo que contie -ne casi 900 pozos y sus instalaciones asociadas.ONGC tomó tres decisiones cruciales en lasprimeras etapas del esfuerzo de reco lección dedatos. En primer lugar, dado que el campo se en-cuentra en un ambiente dinámico, escogió unafecha límite para los datos en lugar de intentarcumplir con un objetivo en movimiento. En se -gun do lugar, ONGC entrenó al personal en formaextensiva con el fin de asegurar que las metodolo-gías de trabajo se estructuraran co rrectamentepara garantizar la velocidad y la eficiencia. Fi -nalmente, ONGC desarrolló pruebas de consistenciapara los conjuntos de datos con el fin de garanti-zar la calidad y la precisión.

Durante el esfuerzo de recolección de datos, seobtuvo un vasto volumen de datos de producciónpara el Campo Mumbai High, que incluyó desdemapas de localizaciones de pozos y datos de larelación presión-volumen-temperatura (PVT)hasta la his toria de pruebas de producción y datosde los equipos de fondo para cada pozo. Parapoder iniciar la integración de los pozos individua-les en el modelo de red, fue necesario desarrollar

>Campo Mumbai High de ONGC. El Campo Mumbai High se encuentra ubicado en el área marina, a 160 km [100 millas] al oeste-noroeste del área continental de India (extremo superior) y ocupa unaextensión de aproximadamente 1,200 km2 [465 mi2]. El campo (inserto de la derecha) posee 650 tuberíasproductoras de petróleo y 40 productoras de gas. El petróleo y el gas de los 690 pozos fluyen haciacinco complejos de procesamiento, y el sistema completo está conectado por 2,900 km [1,800 mi] delíneas de flujo. El petróleo crudo y el gas que no se utilizan para las operaciones de levantamientoartificial se exportan a la terminal terrestre de Urán a través de las líneas troncales.

AFGHANISTÁN C H I N A

PAKISTÁN

I N D I A

S R I L A N K A

Mumbai

Urán

I N D I ACampo

Mumbai High

GasPetróleoBordes de plataforma

0 100km

0 100millas

15. Los yacimientos y los pozos fueron modelados utilizandoel simulador de yacimientos ECLIPSE, las líneas de flujose modelaron utilizando el simulador PIPESIM, y lasinstalaciones de proceso se modelaron utilizando elsimulador de proceso HYSYS.

16. Se contó con datos más precisos para las tasas de flujode gas que para las tasas de flujo de líquidos.

17. La solución bidireccional iterativa del software Avocetaseguró que se satisfacieran las restricciones depresión y balance de flujo para todo el complejo SanManuel. Para cada alternativa, se logró una soluciónconvergente.

18. Garrido AM, Morales F y Cruz J: “Brownfields Benefitfrom Integrated Models,” E&P (Noviembre de 2007): 51,52, 55.

19. Moitra et al, referencia 2.20. “India Produces 31.513 mmt of Crude Oil,” United Press

International (21 de agosto de 2007), http://www.upi.com/International_Security/Energy/Briefing/2007/08/21/india_produces_31513_mmt_of_crude_oil/1560/ (Se accedió el30 de agosto de 2007).

datos de calibración para el campo. El modeloindependiente para cada tipo de pozo se calibrócon los datos de pruebas de producción másrecientes. Con los datos recolectados y los mode-los de pozos construidos y calibrados, se pudocomenzar a trabajar en el modelo de red.

El modelo integrado de red, que ONGC cons-truyó en el software PIPESIM, incluyó todos lospozos, tubos ascendentes, líneas de flujo y equiposde proceso.21 El modelo fue construido utilizandouna arquitectura de seis niveles (derecha). El úl-timo paso del proceso de construcción del modelofue el ajuste histórico de las predicciones del mo-delo en términos de presión, temperatura y tasasde flujo con los datos de producción reales. Elajuste histórico para todo el modelo se llevó a caboa nivel del complejo de proceso y a nivel de la pla-taforma de pozos de producción. Durante este pro-ceso de construcción, calibración y validación delmodelo, los ingenieros de ONGC descubrieron másde 350 oportunidades poten ciales para mejorar laproducción del Campo Mumbai High. Estas opor-tunidades abarcaron diversas áreas, desde la opti-mización de las operaciones de levantamientoartificial por gas hasta la localización de obstruc-ciones ocasionadas por la alta contrapresión, y laidentificación de pozos con tendencias inconsisten-tes en las tasas de flujo.

Ahora que ha concluido el trabajo de construc-ción y pruebas, ONGC está utilizando el modelode la primera fase para estudios de eliminaciónde cuellos de botella y para la optimización de lared de levantamiento artificial por gas, con el finde incrementar la producción en la segunda fase.Sus resultados indican un incremento de la pro-ducción de petróleo de 475 m3/d [3,000 bbl/d] yuna reducción del 40% del gas requerido para lasoperaciones de levantamiento artificial.22 Una re-ducción importante del gas de inyección poseedos beneficios importantes. En primer lugar, selogra un nivel más alto de estabilidad, controlabi-lidad y predictibilidad operacionales respecto delas operaciones de producción e inyección de gas,debido a la mayor potencia de los compresores dereserva. Esto mejora la cobertura de las operacionesde levantamiento artificial en las plataformas depozos de producción que se encuentran ale jadas.En segundo término, la reducción de la inyecciónde gas en estas operaciones implica la disponibili-dad de un mayor volumen de gas para exportacióny venta. Ya se han puesto en marcha tareas de op-timización adicionales utilizando el modelo de pro-ducción integrada de la primera fase.

Si bien ONGC recién ha comenzado a explorarlas posibilidades para el modelo de red de pro-ducción integrada para el Campo Mumbai High,la compañía ya está contemplando la segundafase. En esta segunda fase se utilizará el softwareAvocet para acoplar el simulador de yacimientosECLIPSE al proceso de simulación de red detuberías PIPESIM construido en la primera fase.Los resultados de esta fase del proyecto seránutilizados para optimizar la producción, mejorarla toma de decisiones y considerar planes de re-desarrollo de los campos petroleros. La terce ra yúltima fase del proyecto contempla alternativasde simulación y optimización en tiempo real. Elmodelo desarrollado en esta fase final utilizará

la capacidad de actualización automatizada delos sistemas de supervisión, control y adquisi-ción de datos (SCADA) y otras bases de datos.Este modelo se empleará para efectuar estudiosde planeación por incrementos de tiempo conlos modelos que integran el yacimiento con lasinstalaciones de superficie.

Una de las lecciones importantes que asimilóONGC fue que el mejoramiento de las metodolo-gías de trabajo y la colaboración entre el campo yla oficina demostraron ser cruciales para el éxitodel proyecto de modelado de los activos delCampo Mumbai High. El modelado integrado deactivos forma parte de una onda tecnológica queestá cambiando no sólo lo que hacen los operado-

26 Oilfield Review

> Estructura del modelo de proceso integrado. Si bien cada complejo de pro -ceso del Campo Mumbai High recibe la producción de los pozos que estánconectados al mismo, el agua de las operaciones de inyección y levanta mien toartificial por gas puede atravesar los límites de proceso. Para garantizar larepresentación adecuada de todas las corrientes e intercambios, se organizóel modelo integrado de activos para conformar una estructura de seis nivelesutilizando el simulador PIPESIM; cinco en el modelo de red y un modelo de unsolo ramal para cada pozo. El nivel superior corresponde al nivel de los inter -cambiadores, que contiene los sistemas de producción e inyección de agua,además de los intercambios de fluidos de la plataforma. El nivel corres pon -diente a las líneas troncales contiene las conexiones entre plataformas y lasconexiones de transporte. El nivel de la plataforma de proceso contiene lasinterfaces de separación, procesamiento y levantamiento artificial por gas.Sigue en línea el nivel correspondiente a la red de líneas de flujo. Este nivelcontiene las líneas de flujo conectadas a las plataformas de pozos de pro -ducción, dentro de un complejo de proceso. El último nivel del modelo de redes el correspondiente a las plataformas de pozos de producción, que con -tiene todos los pozos conectados a una plataforma dada. El nivel final estácompuesto por modelos de un solo ramal, para los pozos individuales. Losdiferentes colores de las flechas denotan las conexiones de red; la conec -tividad se extiende hasta el nivel más alto para luego volver al mismo nivel,en otra parte de la red. (Adaptado de Moitra et al, referencia 2.)

Nivel de los intercambiadores

Modelo de red

Nivel de las líneas troncales

Nivel de la plataforma de proceso

Nivel de la red de líneas de flujo

Modelo de un solo ramal

Nivel de las plataformas de pozos de producción

Nivel del cabezal del pozo


res sino también cómo lo hacen. Un buen ejemplode este enfoque es el que se está desa rrollando enStatoilHydro.

Una ventana al futuroEn el año 2006, Statoil, ahora StatoilHydro, ySchlumberger se embarcaron en un proyecto deinvestigación y desarrollo conjunto en un am bientede colaboración como parte del programa de incre-mento de la producción submarina de petróleo(SIOR) de Statoil.23 Este proyecto contempló la dis-ponibilidad de un conjunto de modelos integradosconsistentes para el subsuelo y la parte alta de laplataforma como base para la optimización futuraen tiempo real. Los objetivos del proyecto incluyenel desarrollo de herramientas y procesos de trabajopara optimizar diariamente el desempeño de losyacimientos, la producción de los pozos y las insta-laciones de proceso a lo largo de toda la vida pro-ductiva de los campos petroleros. Estos objetivosse tradujeron en un proyecto de demostración quese está llevando a cabo en este momento en el ac-tivo Snorre-B de StatoilHydro.

El activo Snorre se encuentra ubicado en elárea Tampen del Mar del Norte, a unos 150 km[90 millas] al noroeste de Bergen, en Noruega(derecha). La producción de la plataforma Snorre-Acomenzó en 1992, mientras que la plataformaSnorre-B inició su producción en el año 2001. Laproducción actual de ambas plataformas asciendea aproximadamente 8,000 m3/d [50,300 bbl/d] depetróleo y 1.75 millón de m3/d [62 MMpc/d] degas. La plataforma Snorre-B ha complicado las ca-racterísticas de las formaciones, y el mejora-miento del esquema de inyección alternativa deagua y de gas (WAG) ya en funcionamiento, fueidentificado como candidato para el programaSIOR.24 StatoilHydro anticipó que se obtendríanbeneficios a través de la simplificación de las me-todologías de trabajo y el incremento del manejointerdisciplinario de la producción.

Si bien el trabajo relacionado con el proyectode demostración Snorre-B aún continúa en mar-cha, resulta esclarecedor seguir el desarrollo deuna metodología de inyección WAG mejorada. Elreemplazo de las herramientas y metodologíasde trabajo mayormente manuales por un sistemacon capacidad de optimización en tiempo real,en un sistema de producción real, es un empren-dimiento complejo que amerita ser examinado.25

La actividad inicial del equipo fue la identifi-cación de los componentes relevantes de laoptimización del ciclo WAG mediante la utiliza-ción de un análisis SIPOC.26 Los resultados de

> Activo Snorre. El activo Snorre de StatoilHydro se encuentra ubicado en el sector noruego del Mar del Norte y cubre un área de 8 km [5 mi] de ancho por aproximadamente 20 km [12 mi] de largo. El activo Snorre-B (encerrado en un círculo), un desarrollo ubicado en la porción más septentrional delcampo, es un desarrollo submarino con dos plantillas de producción y dos de inyección, conectadas auna pla ta forma semisumergible de perforación, proceso y almacenamiento. El activo Snorre-B producedel yacimiento Lunde, una estructura compleja con calidades variables y numerosas barreras de flujo.Este yacimiento se caracteriza por sus pozos horizontales largos y el acceso limitado para lasoperaciones de intervención. (Adaptado con permiso de StatoilHydro.)

Stavanger

Área de Tampen

Bergen

NORUEGA

SUECIA

Stavanger

Bergen

Snorre-A

Snorre-B

Visund

Gullfaks

Statfjord

0 3km

0 3millas

damente 191 millones de m3 [1,200 millones de bbl] delas reservas recuperables de petróleo.

24. “Challenges in Developing and Draining the LundeReservoir on Snorre B,” Statoil, http://www.spe.no/stavanger/doc/Past%20Events/SPE_meeting_11_01_06.pdf(Se accedió el 4 de septiembre de 2007).

25. Sagli et al, referencia 2.26. SIPOC es una herramienta utilizada para identificar

todos los elementos de un proceso complejo a través de la consideración de las fuentes (S), los elementos de entrada (I), el proceso (P), los elementos de salida (O) y el cliente (C).

21. El equipo de proceso incluyó separadores, compresores,calentadores y bombas.

22. Barua S: “Integrated Asset Model Crucial to Field-WideOptimization,” Upstream Technology 2, no. 10 (Octubre de 2007): 48–50.

23. “Improved Recovery from Subsea Fields,”http://www.statoil.com/statoilcom/technology/SVG03268.nsf?OpenDatabase&lang=en (Se accedió el 4 de septiembre de 2007).El programa SIOR fue puesto en marcha por Statoil en2004 con el fin de lograr, para el año 2008, un factor derecuperación promedio del 55% de sus campos subma -rinos. Esto corresponde a un incremento de aproxima-

28 Oilfield Review

>Metodologías de trabajo de demostración del esquema de inyección alternativa de agua y de gas del activo Snorre-B. El módulo de automatización de lasmetodologías de trabajo de supervisión ejecuta cuatro metodologías de trabajo principales, tres de las cuales se ilustran en la gráfica. La metodología detrabajo de optimización (extremo superior) maneja las operaciones de planeación a largo plazo para el activo. Utilizando un modelo de yacimientos sim pli fi -cado como sustituto, el optimizador desarrolla un pronóstico de producción y de tasas de inyección, que ingresan en el modelador integrado de activospara desarrollar una solución para la red de instalaciones de superficie. A partir de estos pasos, el software de simulación de yacimientos ECLIPSEconvalida la solución propuesta y el nuevo pronóstico se retorna al proceso de automatización de las metodologías de trabajo. La metodología de trabajo de análisis (centro) constituye el componente básico de la evaluación fuera de línea y es disparado por un objetivo fuera de rango o una restricción. Las instrucciones predefinidas, basadas en el evento disparador, aceleran el análisis, lo que puede requerir una nueva ejecución del modelador integradode activos. La metodología de trabajo de monitoreo de la producción (extremo inferior) es la que se actualiza con más frecuencia. Si cualquier indicador dedesempeño clave se encuentra fuera de límite, se dispara una alarma y comienza la metodología de trabajo de análisis descrita precedentemente. En formaalternativa, si todos los indicadores se encuentran dentro del rango, la metodología de trabajo de monitoreo de la producción completará los cálculos y en -viará las estimaciones de presión de yacimiento y tasas de flujo del pozo a la metodología de trabajo de ajuste para el control del estrangulador (no exhibido).Este circuito fija las posiciones del estrangulador de manera de satisfacer los objetivos de producción e inyección. (Adaptado de Sagli et al, referencia 2.)

Analizador dedesempeñodel campo

Optimizador

Curva deproducción

Solicitud

Automatización delas metodologías

de trabajo

Control avanzadode pozos

y yacimientos

Modelo deyacimiento

simplificado(modelo sustituto)

Función objetivoRestriccionesVariable de control

Modeladorintegradode activos

Modelo deyacimientocompleto

Optimización

Tiempo,tasa de

flujopor pozo

Solicitud Modelo integradode activos

Motor demetodologías

de trabajo

Visualización


Eventosy alarmas

Archiverode datos

Base de datosde producción

Modelo dered de

superficie

Modelo dedesempeño

del pozo

Balance demateriales coninterferencia

Archiverode datos

Base de datosde producción


Eventos y alarmas

Control avanzadode pozos

y yacimientos

Modelo integradode activos

Motor demetodologías

de trabajo

Monitoreo de la producción

Mesesa años

Frec

uenc

ia d

e ej

ecuc

ión

Tiempo computacional

Horasa días

Análisis

Tiempo,tasa de

flujopor pozo

Presiones,tasas

de flujo

Modelo dered de

superficie

Modelo dedesempeño

del pozo


este análisis demostraron que la optimizacióndel ciclo WAG requería cuatro componentes; unmodelo de yacimiento simplificado, control depozos y de yacimientos, un analizador del desem-peño del campo y un modelo integrado de activos.

El modelo de yacimientos simplificado proveeuna estimación de la presión por zonas y pronós-ticos de producción en el corto plazo, en combi-nación con los modelos de pozos. El control depozos y yacimientos establece las posiciones de losestranguladores para una producción es ta ble ypermite la ejecución de ajustes rápidos en caso defalla del equipo de proceso. El analizador de de-sempeño del campo guía el análisis y las accionessubsiguientes para el ciclo WAG. Por último, elModelador Integrado de Activos es utilizado comosoftware de optimización. Los parámetros de con-trol del software Avocet son la tasa de flujo y eltiempo para la inyección de agua y gas, mientrasque la producción es restringida por la velocidadde erosión en los estranguladores y la presión de

flujo de fondo de pozo. El software de modeladoin tegrado de activos provee un pronóstico de pro-ducción de petróleo por dos años para cada pozo,y un pronóstico de presión de yacimiento tambiénpor dos años.

StatoilHydro ha vinculado todos estos compo-nentes individuales entre sí con un módulo deautomatización de las metodologías de trabajode supervisión. La automatización permite quelos componentes individuales actúen conjunta-mente para ejecutar cuatro tareas distintas parael ciclo WAG en la plataforma Snorre-B; optimiza -ción, análisis, monitoreo y ajuste de la producción(página anterior).

El control y la conexión de las metodologías detrabajo WAG de la plataforma Snorre-B durante elproceso de desarrollo y pruebas, utilizan una tec-nología que integra los procesos acoplados enforma ajustable, dentro y entre las localizaciones,en un ambiente basado en la infraestructura de laRed. Algunos de estos cálculos y transacciones

pueden implicar semanas o meses; no sólo minu-tos u horas. Las conexiones que ponen de relievela integridad y la seguridad de los datos, entre laaplicación y la localización, son de primordial im-portancia. La conexión entre los diversos procesosse manipuló singularmente en dos niveles; entrelas aplicaciones y entre las localizaciones. El proto-colo de comunicación entre las localizaciones uti-liza la interfaz PRODML, una interfaz estándar dela industria de E&P para el intercambio de datos.27

La arquitectura de comunicaciones que conecta laslocalizaciones de Noruega y los centros de otrascuatro localizaciones del mundo, permitió el ac-ceso remoto a los resultados de la demostración ya los datos de producción (abajo).28

> Arquitectura computacional para la demostración y comprobación de las metodologías de trabajo. Las metodologías de trabajo, las bases de datos y las rutinas de control y de modelado integrado de activos de StatoilHydro, se encuentran ubicadas en diferentes localizaciones de Noruega, incluyendoStavanger, Trondheim, Stjørdal y Snorre-B. Las localizaciones de Schlumberger en Baden, Austria; Abingdon, Inglaterra; Calgary; y Houston poseenacceso a las metodologías de trabajo y los datos de producción a través del Enlace Seguro de Información Petrolera (SOIL). (Adaptado de Sagli et al,referencia 2.)

LANStavanger, Noruega

DemostradorSnorre-B

LANTrondheim, Noruega

Baden, Austria Abingdon, Inglaterra Calgary, Canadá Houston, Texas

LANSchlumberger

LANStjørdal, Noruega

LANSnorre-B

LANStatoilHydro

Servidor para base dedatos de producción

Servidor paracontrol de proceso

Servidor paraautomatización

de metodologíasde trabajo

Servidor paramodeladointegradode activos

Servidor paraarchivador de datos

SOIL

27. Para obtener más información sobre la interfaz PRODML,consulte www.prodml.org (Se accedió el 10 de septiembrede 2007).

28. Para obtener más información sobre el Enlace Segurode Información Petrolera, o Red SOIL, consulte:www.oilcamp.com/portal/Home/tabid/93/Default.aspx(Se accedió el 10 de septiembre de 2007).

Si bien la automatización de las metodologíasde trabajo para la optimización de los procesosWAG en el activo Snorre-B aún se encuentra endesarrollo, StatoilHydro ya está percibiendo losbeneficios del trabajo. En primer lugar, la integra-ción de los usuarios actuales en el desarrollo y lademostración asegura que su experiencia acumu-lada se inserte en la metodología de trabajo sim-plificada. En segundo lugar, se desarrolló unmodelo de yacimiento simplificado, que provee re-sultados en minutos en vez de horas; una necesi-dad a la hora de incluir el modelo en el circuito deoptimización. Finalmente, el incremento del usode la automatización en el monitoreo de la pro-ducción constituye un hito importante. Las alar-mas se disparan cuando corresponde, y lacombinación del proceso de monitoreo con el aná-lisis subsiguiente se traduce en tiempos de ejecu-ción más rápidos en caso de situaciones

inesperadas. El software Avocet, incorporado enuna metodología de trabajo correctiva y de super-visión, está desempeñando un rol clave en la gene-ración de todos estos beneficios.

Hacia el campo inteligenteSi bien la tecnología para obtener y transmitirdatos en tiempo real se encuentra disponibledesde hace años, la industria petrolera ha tar-dado en adoptarla.29 A medida que se difunde lavaloración del incremento de la recuperación, sutasa de absorción en el campo se está incremen-tando. A esto contribuyen también las opcionesen tiempo real, que simultáneamente están cre-ciendo en cuanto a capacidad y reduciéndose encostos.30 Por ejemplo, BP ha acuñado la expresión“Campo del Futuro” para el campo inteligente yestá tomando medidas para convertir en realidadla visión de la compañía.31 BP ha combinado el

método de modelado integrado de activos con unambiente visual basado en mapas en su CampoArkoma Red Oak West.32

BP North American Gas es la compañía ope-radora de este campo cercano a Wilburton, en elsudeste de Oklahoma, EUA. El campo contieneunos 800 pozos de gas y 400 km [250 mi] de tu -berías, en un área de 32 km [20 mi] de largo por10 km [6 mi] de ancho. Este activo posee ade-más siete estaciones compresoras y más de 70compresores portátiles de cabezal de pozo. En elpasado, la optimización de campos tales comoRed Oak West implicaba el examen laborioso degrandes volúmenes de datos provenientes denumerosas fuentes para cientos de pozos. Comoparte de su iniciativa Campo del Futuro, BP hapuesto exitosamente este campo a la vanguardiadel campo inteligente. Se combinó un sistemaSCADA con el Modelador Integrado de Activos

30 Oilfield Review

> Visualización del desempeño del Campo Arkoma, basada en mapas. Los vuelcos de pantallas, obtenidos con la herramienta de visualización basada enmapas, ilustran cómo puede visualizarse el desempeño de los activos. El Campo Arkoma se destaca como secciones de color rojo, amarillo y verde, en lapantalla introductoria (izquierda). Mediante la ampliación rápida de la sección correspondiente a Red Oak West, los pozos pueden ser visualizados portipo, promedios de producción y buenas condiciones relativas (derecha). Se utilizan gráficas de burbuja para ver los efectos de los parámetros operativosclave. (Adaptado de Weber et al, referencia 1.)

0

0 5 10 15 km

5 10 mi

29. Snieckus, referencia 3.30. Mochizuki S, Saputelli LA, Kabir CS, Cramer R,

Lochmann MJ, Reese, RD, Harms LK, Sisk CD, Hite JR yEscorcia A: “Real Time Optimization: Classification andAssessment,” artículo SPE 90213, presentado en la

Conferencia y Exhibición Técnica Anual de la SPE,Houston, 26 al 29 de septiembre de 2004.

31. Reddick C: “Field of the Future: Making BP’s Vision a Reality,” artículo SPE 99777, presentado en laConferencia y Exhibición sobre Energía Inteligente de la SPE, Ámsterdam, 11 al 13 de abril de 2006.

32. Weber et al, referencia 1.33. Howell et al, referencia 4.


Avocet para proveer capacidades de optimiza-ción de campo completo y visualización basadaen mapas.

El modelo integrado de activos en línea de RedOak West puede operar en modo de seguimientoen tiempo real para monitorear las operacionesque se están efectuando en ese momento o enmodo fuera de línea para evaluar estrategias deproducción alternativas. Además del modelado enlínea, BP ha desarrollado una herramienta parala visualización de los datos de Red Oak West, de-nominada “MAPS” y, para los ingenieros de BP, esuna herramienta basada en el empleo de mapaspara observar el de sem peño en el caso de uncampo grande (página anterior). Este tipo de am-

biente permite que los ingenieros identifiquen rá-pidamente los pozos que están produciendo pordebajo de su potencial e identifiquen problemasoperacionales, tales como la acumulación de lí-quidos o la falla de los equipos.

Si bien el mejoramiento de la producción fueel aspecto clave del programa, BP observó otrosbeneficios importantes. El manejo de la integri-dad fue mejorado mediante el empleo de indica-dores visuales y procesos de animación paravisualizar las líneas de flujo con el fin de determi-nar la corrosión, la erosión y las velocidades de losfluidos. BP ha descubierto que la herramientaMAPS no está confinada al monitoreo exclusivo delas variables de desempeño e integridad de los

pozos y las líneas de flujo. También puede rastrearal personal y los equipos vinculados a las activida-des de campo tales como las operaciones de man-tenimiento, perforación o evacuación en caso deemergencia.

Si bien existen numerosos impulsores en elmovimiento hacia el campo inteligente, lo másprobable es que los operadores sean motivadospor la reducción del costo y el mejoramiento dela producción. Los incrementos significativos delvalor de los proyectos constituirán, para los ope-radores, el máximo impulso hacia la adopción detecnologías que definan el panorama del campointeligente (abajo, a la izquierda).33 El modeladointegrado de activos ocupa una posición clave eneste terreno.

El modelado integrado de activos forma partede un cambio de paradigma, tendiente a la apli-cación de la tecnología digital, que está mo -dificando el cariz de los campos de petróleo y gas.Habiéndose iniciado como un rizo hace 25 años,este cambio ha tomado impulso y se ha convertidoen una ola. Como núcleo del modelado integradode activos y de todas las tecnologías asociadas queconforman el campo inteligente, se encuentran laintegración y la comunicación de la información.Los antiguos procesos de trabajo en serie estándesapareciendo para ser reemplazados por loselementos de un nuevo paradigma; un paradigmaque integra la información entre las disciplinascon fluidez y la comunica a través de los límitesgeográficos. Las tecnologías que forman parte deeste paradigma tienden a romper las barrerasexistentes y fomentar la colaboración; son pro-ac-tivas en lugar de reactivas. El modelado integradode activos ocupará una posición clave en el campointeligente a medida que la industria avancehacia la adopción de alternativas de optimizaciónen tiempo real. –DA

> Potencial del campo inteligente. Se prevé que el empleo de la tecnología digital en los campos depetróleo y gas proporcionará mejoras significativas en el valor actual neto (VAN) de los campos depetróleo y gas, tanto para los campos verdes (no desarrollados) como para los campos maduros (yadesarrollados). Estas mejoras serán el resultado del empleo de diversas tecnologías clave; sensoresremotos, visualización de datos, perforación y terminación de pozos inteligentes, automatización eintegración de datos.

16

12

14

10

6

8

Incr

emen

to p

oten

cial

del

VAN

, %

Petróleo deaguas profundas,

campo verdeVAN = US$ 3,800 millones

Petróleo deaguas profundas,campo maduro

VAN = US$ 1,800 millones

Gas deagua somera,campo verde


Gas deagua somera,campo maduro


2

4

0

Documents

Oilfield Review Spring 2008 Spanish