4 Oilfield Review

Tecnologa de pozos inteligentes en el almacenamiento subterrneo de gas

Kenneth BrownPittsburgh, Pensilvania, EUA

Keith W. ChandlerJohn M. HopperLowell ThronsonFalcon Gas Storage Company, Inc.Houston, Texas, EUA

James HawkinsMidland, Texas

Taoufik ManaiPars, Francia

Vladimr OnderkaRWE Transgas NetBrno, Repblica Checa

Joachim WallbrechtBEB Transport und Speicher Service GmbHHannover, Alemania

Georg ZanglBaden, Austria

Por su colaboracin en la preparacin de este artculo, seagradece a Edmund Knolle, Falcon Gas Storage Company,Houston; y a Monsurat Ottun, Houston.BorView, BlueField, DECIDE!, ECLIPSE, ELANPlus, FMI(generador de Imgenes Microelctricas de Cobertura Total),NODAL, Petrel y PIPESIM son marcas de Schlumberger.Excel es una marca de Microsoft Corporation.

Las tecnologas de pozos inteligentes son ideales para las instalaciones de

almacenamiento subterrneo de gas. Las propiedades de las formaciones ya han

sido determinadas; la capacidad de almacenamiento y la capacidad de produccin

pueden ser modeladas; y las herramientas analticas pueden rastrear las tendencias

de produccin histricas. Estas tecnologas proveen sistemas de almacenamiento y

suministro eficientes y econmicamente efectivos, lo que ayuda a asegurar la

posicin del gas natural como fuente de energa confiable.

A la hora de aplicar tecnologas de pozos inteli-gentes a la produccin de petrleo y gas, un obje-tivo fundamental es maximizar el valor de unactivo que decrece en forma permanente. Para lasinstalaciones de almacenamiento subterrneo degas natural, la aplicacin de estas tecnologas in-teligentes puede diferir sustancialmente, sobretodo porque el yacimiento de gas puede ser rea-bastecido. Por consiguiente, es la capacidad parainyectar y extraer reiteradamente el gas naturalde la instalacin de almacenamiento subterrneoa alta tasa de flujo de produccin lo que debe op-timizarse y manejarse de manera inteligente.

Las propiedades de las formaciones definen elnivel ptimo en el que un pozo fluye con altastasas de recuperacin. A medida que el gas natu-ral almacenado es recuperado del yacimiento, lapresin se reduce y las tasas de flujo caen. El gasde colchnel gas que permanece en su lugarentre los ciclos de inyeccin y extraccinase-gura que exista presin suficiente para mantenerlas tasas de flujo mnimas deseadas en el mo-mento de la extraccin. La presin y el volumenprovistos por el gas de colchn tambin reducenla probabilidad de influjo de agua en el casquetede gas y pueden impedir el movimiento del con-tacto agua-gas. Dado que el componente ms carode una instalacin de almacenamiento subterr-neo de gas (UGS) puede ser el gas de colchn, elhecho de minimizar su volumen y conocer el yaci-miento suficientemente bien para definir el rangode operacin eficiente puede reducir el costo total

de desarrollo de un proyecto de almacenamiento,adems de mejorar en forma significativa la renta-bilidad del proyecto.

En la produccin de hidrocarburos, las tecno-logas de pozos inteligentes permiten que los inge-nieros de yacimientos utilicen informacin talcomo curvas de declinacin, relaciones de ba-lance de materiales, curvas de comportamientodel pozo (IPR), y simulaciones y modelos de yaci-mientos; todo esto en tiempo real o casi real.1 Unsistema sofisticado puede adoptar automtica-mente acciones correctivas o alertar al operadoracerca de que la operacin de intervencin estgarantizada. El objetivo final de los pozos de pro-duccin inteligentes es suministrar ms petrleoy gas con mayor eficiencia; a un costo ms bajo.

Si bien las instalaciones UGS tambin se be-nefician con las eficiencias y el costo ms bajo queproveen las tecnologas de pozos inteligentes, noson operadas para maximizar la recuperacin dehidrocarburos. De hecho, las operaciones de al-macenamiento de gas en muchos lugares delmundo se asemejan ms a un banco que a un ya-cimiento productivo. De la misma manera en queel dinero entra y sale de un banco, los activos, enforma de gas natural, entran y salen del yaci-miento que constituye su lugar de almacena-miento. Cuando se lo solicita, a veces mesesdespus de su inyeccin en un yacimiento de al-macenamiento, aunque cada vez con ms frecuen-cia a los pocos das o incluso a las pocas horas, elgas es entregado a un comprador que lo suministra

Verano de 2008 5

traccinel operador debe ser reactivo y actuarrpidamente para evitar el dao mecnico del pozoy del yacimiento. Como componentes vitales de laentrega segura de gas natural, estas instalacionesdeben ser manejadas adecuadamente.

El mantenimiento de suministros confiables degas natural se ha convertido recientemente en unaprioridad geopoltica en muchas partes del mundo.Las regulaciones gubernamentales, tales como las

de la Unin Europea, han incidido en forma cre-ciente en la forma en que opera la industria UGS.La tecnologa de pozos inteligentes est siendoadoptada como un subproducto natural de estosdesarrollos porque ayuda a facilitar el proceso au-tomtico de almacenamiento y suministro de gasnatural, mejora las eficiencias operacionales deestas instalaciones y asiste en la optimizacin delmanejo de los activos (gas) en el terreno.

a los clientes industriales y particulares. Los ban-cos han automatizado el flujo de fondos y capitalentre las instituciones y los usuarios; de un modosimilar, las instalaciones de almacenamientoestn automatizando el flujo de gas natural entreproductores y consumidores.

Las operaciones UGS difieren adems de lasoperaciones tradicionales de produccin de gasporque los pozos deben ser capaces de tolerar pre-siones de inyeccin altas, lo que rara vez se experi-menta en los pozos de produccin, y las tasas deextraccin de las instalaciones UGS pueden serentre 5 y 10 veces superiores. Los pozos UGS po-seen una esperanza de vida larga; por consiguiente,el mantenimiento de la integridad del pozo y la in-tegridad del yacimiento son aspectos cruciales delxito de las operaciones. Debido al rpido cambiode los modos operacionalesde inyeccin a ex-

1. El proceso de agotamiento de los hidrocarburos seproduce de manera predecible en base a las propie -dades de las formaciones y de los componentes de laterminacin del pozo. La tasa de declinacin de lasreservas puede ser graficada para definir una curva de declinacin.El balance de materiales es una expresin quecorresponde a la conservacin de la masa. La cantidadde masa que abandona un volumen de control es igual ala cantidad de masa que ingresa en el volumen, menosla cantidad de masa acumulada en el volumen. A travsdel balance de materiales, las presiones del yacimiento

medidas con el tiempo pueden ser utilizadas paraestimar el volumen de hidrocarburos remanentes.La curva de comportamiento del pozo, IPR, es unaherramienta utilizada en ingeniera de produccin paraevaluar el desempeo de los pozos de gas a travs de lagraficacin de la tasa de produccin del pozo en funcinde la presin de flujo de fondo de pozo (BHP). Los datosrequeridos para crear la curva IPR se obtienen midiendolas tasas de produccin bajo diversas condiciones depresin de flujo durante una prueba de tasas mltiples.La composicin del fluido de yacimiento y el compor -tamiento de sus distintas fases bajo condiciones de flujo,determinan la forma de la curva.

> Cortesa de Falcon Gas Storage Company, Inc.

El grado de implementacin vara entre las di-ferentes operaciones, y no todas las instalacionesUGS operan utilizando estas tecnologas relativa-mente nuevas. No obstante, el desempeo opera-tivo mejorado, que ha sido demostrado, estinstando a los operadores a renovar y mejorar mu-chas operaciones de almacenamiento ms anti-guas; arrojando a veces beneficios inesperados.

Luego de una breve revisin de los fundamen-tos del almacenamiento de gas, este artculo exa-mina los diferentes niveles de la tecnologa depozos inteligentes que est siendo aplicada a las

operaciones de almacenamiento subterrneo degas en Amrica del Norte y Europa. Presentamosestudios de casos que muestran cmo se utilizanlos datos en tiempo real para identificar la pre-sencia de dao en los pozos de almacenamiento ycmo la implementacin de las nuevas tcnicasde optimizacin y supervisin ha mejorado el de-sempeo de estas operaciones. Se incluye ademsuna descripcin de una operacin automatizadade vanguardia, que integra tres niveles de tecno-loga de pozos inteligentes.2

Un precursor del almacenamiento subterrneo de gasTradicionalmente, el gas natural ha sido conside-rado un combustible de temporada debido a lamayor demanda de calefaccin que tiene lugar du-rante los meses de invierno. Comenzando en ladcada de 1940, la industria del gas natural deEUA reconoci que la capacidad de las lneas deconduccin de larga distancia no era suficientepara suministrar gas natural a los grandes centrospoblacionales durante los perodos de mxima de-manda. Para equilibrar el ciclo de demanda degas, se desarroll una red de almacenamientopara inyectar gas en las instalaciones de almace-namiento subterrneo, cuando la demanda erabaja, liberndolo durante los perodos de de-manda alta. Esta regulacin de la demanda se co-noce como recorte de la demanda de punta.

No obstante, el almacenamiento subterrneode gas existe desde hace tanto tiempo como las l-neas de conduccin de larga distancia. En el ao1915, se almacen por primera vez gas natural conxito en el subsuelo en el Condado de Welland, enOntario, Canad. Varios pozos de un campo de gasparcialmente agotado fueron reacondicionados,inyectndose gas en el yacimiento durante el ve-rano y extrayndose durante el invierno siguiente.

En el ao 1916, Iroquois Gas Company puso enoperacin el Campo Zoar, al sur de Buffalo, enNueva York, EUA, como sitio de almacenamientoque an hoy sigue operando. En 1919, CentralKentucky Natural Gas Company inyect gas en elcampo gasfero agotado Menifee, situado enKentucky, EUA. Para el ao 1930, se encontrabanen operacin nueve sitios de almacenamiento enseis estados diferentes, con una capacidad totalde aproximadamente 18,000 MMpc [510 millonesde m3]. Antes de 1950, esencialmente todas lasinstalaciones de almacenamiento subterrneo degas consistan en yacimientos de gas reutilizados,parcial o totalmente agotados.

Hoy, los dos tipos ms importantes de locali-zaciones de almacenamiento subterrneo de gasson las cavernas y los yacimientos porosos. Las ca-vernas salinas lixiviadas y las minas abandonadasdan cuenta de una pequea porcin de la capaci-dad de almacenamiento total, mientras que los ya-cimientos de petrleo y gas agotados y los acuferossalinos constituyen, indudablemente, el medioUGS ms comn (izquierda, extremo superior). Elalmacenamiento en cavernas de sal, ms adecuadopara las operaciones de suministro e inyeccin aalta tasa de flujo, se utiliza fundamentalmente confines de suministro para los das de mayor con-sumo.3

6 Oilfield Review

> Almacenamiento subterrneo de gas por tipo. Las instalaciones UGSpueden adoptar diversas formas, pero los yacimientos de hidrocarburosagotados y los acuferos salinos conforman el 96% del suministro global. La eleccin del tipo de almacenamiento puede ser orientada por la dis po -nibilidad: los acuferos y las cavernas de sal conforman el 34% de lacapacidad de almacenamiento de Europa Occidental, frente a slo 14% en EUA, donde existe mayor acceso a los campos agotados. (Adaptado de Wallbrecht, referencia 6.)

Campos de petrleo ygas agotados: 81.6%

Acuferos: 14.5%

Cavernas de sal: 3.9% Minas abandonadas: 0.02%

Distribucin global del volumen de gas de trabajo por tipo de almacenamiento

> Ciclicidad de la utilizacin del gas natural. Como fuente de calefaccinpara consumo domstico en EUA (azul), el gas natural de almacenamientoalcanza su punto mximo en los meses de invierno. Cuando se utiliza parala generacin de electricidad destinada a proveer servicios de refrige ra -cin (rojo), su empleo alcanza su punto mximo en los meses de verano. Eluso comercial, orientado por la temperatura (negro), rastrea la demandapara consumo domstico. Obsrvese tambin el incremento del uso del gaspara la generacin de electricidad en los aos sucesivos. [Adaptado dehttp://www.eia.doe.gov/oil_gas/natural_gas/info_glance/natural_gas.html(Se accedi el 29 de febrero de 2008.)]

Utili

zaci

n d

e ga

s, T

pc

1.0

0.8

0.6

0.4

0.2

0

Utili

zaci

n d

e ga

s, m

il m

illon

es d

e m

3

0

4

8

12

16

20

24

28

Ao2004 2005 2006 2007 2008

Consumo domstico

Consumo comercialEnerga elctrica

Verano de 2008 7

Habitualmente, entre el 20 y el 30% del gasdebe permanecer en su lugar para mantener la es-tabilidad estructural de la caverna. Los acuferossalinos permiten un suministro a alta tasa de flujo,pero los requerimientos en trminos de gas de col-chn son significativos y oscilan entre el 50 y el 80%de la capacidad de almacenamiento total. Sin lugara dudas el tipo ms comn de almacenamiento, losyacimientos de hidrocarburos agotados se utilizanpara el suministro de estacin o para la regulacinde la demanda alta. Tpicamente, se debe mante-ner entre un 30 y un 50% de la capacidad de alma-cenamiento como gas de colchn.4

En los ltimos aos, las prcticas de extrac-cin en las instalaciones UGS se han modificadoen EUA debido al incremento del empleo del gasnatural para la generacin de electricidad. La ex-plotacin en los meses de verano es mayor que enel pasado porque el gas natural est siendo utili-zado con el fin de generar electricidad para los re-querimientos de los sistemas de aire acondicionadoy refrigeracin (pgina anterior, abajo). De mu-chas maneras, esto ha modificado el campo deaplicacin de las operaciones de almacenamientode gas en EUA. Las instalaciones UGS que se en-cuentran ubicadas en las proximidades de las cen-trales elctricas de gas se utilizan para moderar elsuministro, segn las variaciones estacionales yhorarias. Diariamente, el gas de almacenamientopuede ser explotado en los perodos de alta de-manda y almacenado en los perodos de baja de-manda. La capacidad de las lneas de conduccincomerciales probablemente no sea adecuada parasuministrar cantidades suficientes de gas durantelos perodos de mayor consumoo para apartarel gas durante los perodos de baja demandapero la instalacin UGS puede compensar la insu-ficiencia en cualquiera de ambos casos.

El almacenamiento subterrneo de gas natu-ral no es slo un fenmeno norteamericanoac-tualmente, en el mundo operan instalaciones dealmacenamiento en 33 pasessi bien EUA cuenta,sin dudas, con el mayor nmero. Como fuente deenerga, la utilizacin de gas natural en el sectordomstico y en el sector comercial de EuropaOccidental ha superado el 44%, lo que destaca laimportancia de mantener un suministro ininte-rrumpido y seguro. En Francia, las instalacionesde almacenamiento en ciertos momentos han pro-porcionado ms de la mitad del gas de clientesparticulares, necesario para satisfacer la de-manda controlada por la temperatura.5

Europa Occidental experiment reciente-mente un incremento del comercio del gas entrelas sociedades de control y los abastecedores del

mercado. La utilizacin de las instalaciones de al-macenamiento de gas a menudo es orientada porlas operaciones de compraventa en el corto plazo,ms que por el proceso tradicional de recorte dela demanda de punta. La rentabilidad, tanto paralos compradores como para los abastecedores, esdeterminada por la capacidad de la instalacinUGS para almacenar y suministrar gas, bajo de-manda, en forma econmicamente efectiva.

En 1997, existan 580 sitios UGS en todo elmundo, de los cuales 448 se encontraban en yaci-mientos agotados En el ao 2006, de los 606 sitiosUGS estimados, el nmero de yacimientos agota-dos haba crecido a 495.6 En 1996, existan 92 ope-raciones UGS en Europa, excluyendo Rusia. Parael ao 2006, el nmero total era de 127; un incre-mento del 38%. El volumen de gas de trabajo, en

las instalaciones de almacenamiento de la mismarea, pas de 60.6 millones de m3 [2,140 MMpc] a110.5 millones de m3 [3,900 MMpc], un incre-mento del 82%.

Si bien EUA ha mostrado una reduccin leve dela cantidad de sitios UGS, entre 1995 y 2004, su ca-pacidad de almacenamiento total experiment unincremento marginal a travs de la utilizacin me-jorada de los campos y la reconversin de las insta-laciones existentes (arriba). Muchas de estasoperaciones UGS ms antiguas fueron desarrolla-das antes de la introduccin de las herramientas demodelado de yacimientos disponibles hoy en da.Los avances registrados en trminos de tecnologade sensores y equipos de superficie estn siendoaplicados en estas instalaciones ms antiguas, ha-cindolas ms inteligentes y ms verstiles.7

2. Para obtener ms informacin sobre aplicaciones decampos inteligentes en pozos productores, consulte:Dyer S, El-Khazindar Y, Reyes A, Huber M, Raw I y ReedD: Terminaciones inteligentes: Manejo automatizado depozos, Oilfield Review 19, no. 4 (Primavera de 2008): 417.

3. Para obtener ms informacin sobre el almacenamientosubterrneo de gas, consulte: Bary A, Crotogino F,Prevedel B, Berger H, Brown, K, Frantz J, Sawyer W,Henzell M, Mohmeyer K-U, Ren NK, Stiles K y Xiong H:Almacenamiento subterrneo de gas natural, OilfieldReview 14, no. 2 (Otoo de 2002): 219.

4. Para obtener ms informacin sobre las tendenciasactuales en trminos de UGS, consulte:https://www.ferc.gov/EventCalendar/Files/20041020081349-final-gs-report.pdf (Se accedi el 23 de enero de 2008).

5. Chabrelie MF, Dussaud M, Bourjas D y Hugout B:Underground Gas Storage: Technological Innovations

for Increased Efficiency, http://217.206.197.194:8190/wec-geis/publications/default/tech_papers/17th_congress/2_2_09.asp (Se accedi el 12 de diciembre de 2007).

6. Wallbrecht J: Underground Gas Storage, UninInternacional del Gas, Informe de la Comisin de Trabajo2, Actividades UGS Bsicas, presentado en la 23aConferencia Mundial del Gas, msterdam, 5 al 9 de juniode 2006, http://www.igu.org/html/wgc2006/WOC2database/index.htm (Se accedi el 27 de marzo de 2008).

7. Para obtener ms informacin sobre los desarrollosrecientes en trminos de sensores e instrumental, enpozos inteligentes, consulte: Bouleau C, Gehin H,Gutirrez F, Landgren K, Miller G, Peterson R, SperandioU, Traboulay I y Bravo da Silva L: La gran visin deconjunto, Oilfield Review 19, no. 4 (Primavera de 2008): 3651.

> Suministro creciente. El volumen de gas de trabajo ha crecido en forma sostenida en los ltimos 35 aos, producindose gran parte del incremento fuera de Amrica del Norte y Amrica del Sur (azul),especialmente en Europa Oriental y Medio Oriente (negro), lo que incluye a Rusia. Las proyeccionesactuales indican que la capacidad es insuficiente para satisfacer la demanda a largo plazo y serequiere mayor crecimiento. (Adaptado de Wallbrecht, referencia 6.)

350

300

250

200

150

100

50

01970 1975 1980 1985 1990 1995 2000 2005

Ao

Volu

men

de

gas

de tr

abaj

o, 1

09 m

3

TotalEuropa Orientaly Medio OrienteAmricaEuropa Occidental

Medio Oriente 2%

Amrica del Norte yAmrica del Sur 35%

Asia 2%

Europa Occidental 19%

Europa Oriental 42%

Distribucin del volumen de gas de trabajo por regin en el ao 2004

Cul es el grado de inteligencia de un pozo inteligente?La inteligencia relativa de las operaciones de al-macenamiento de gas puede agruparse en tres ni-veles. El Nivel I, el flujo automatizado de datos, esreactivo: recibir los datos, analizarlos y responder.El Nivel II, supervisin y optimizacin, es reflec-tivo pero se centra en la accin: analizar los datos,comparar y validar los modelos, manejar los mode-los y determinar los cursos de accin necesarios.El Nivel III puede describirse como el campo pe-trolero digital: integrar los procesos, optimizar,automatizar y operar en forma remota, cuando esaplicable, de un modo proactivo (derecha).

La inteligencia de Nivel I comienza mediantela generacin de confianza en los datos. Los siste-mas de supervisin, control y adquisicin de datos(SCADA) pueden encontrarse en la mayora de lasoperaciones UGS. Estas redes computarizadas ad-quieren en forma remota datos de pozos, talescomo tasas de flujo, presin y volumen de flujo, ycontrolan la transmisin del gas a lo largo de todoun sistema de lneas de conduccin. Con millonesde puntos de medicin adquiridos de este modo,es imposible validar manualmente toda la infor-macin. La automatizacin del control de calidaddel flujo de datos constituye una necesidad.

El software para las operaciones tradicionalesde produccin de petrleo y gas se utiliza a me-nudo para las aplicaciones UGS con el fin de iden-tificar problemas de desempeo y monitorear los

pozos individuales, evaluar las terminaciones depozos y caracterizar el yacimiento. En estos pro-gramas se utilizan con frecuencia el anlisis detendencias y el ajuste con curvas tipo. No obs-tante, la mayora de los programas petrofsicosestn pobremente equipados para manipular elenorme volumen de datos SCADA provenientes delas operaciones UGS. Adems, no pueden trataren forma efectiva los datos ruidosos que resultande errores de sensores y respuestas espurias

(abajo).8 Dado que la utilizacin correcta de estasaplicaciones a menudo depende de la capacidadpara identificar el comienzo de las tendencias li-neales con el tiempo o identificar claramente ras-gos sutiles en diversas curvas tipo, los datos debenser limpiados y reducidos para lograr la identifica-cin adecuada de dichos rasgos (prxima pgina).Por consiguiente, antes de importar los datos enestos programas, se aplica la reduccin de losdatos inteligentes.

8 Oilfield Review

> Niveles de inteligencia. En la implementacin de la tecnologa de pozos inteligentes se puedenidentificar tres niveles. Cada nivel va sumando complejidad y se basa en los otros. El ms integrales el campo petrolero digital, con la optimizacin y las oportunidades de automatizacin.

Yacimiento

Pozos

Sistema derecoleccin

Instalaciones

Nivel I, Reactivo

Datos dinmicos: sistema SCADADatos estticos: pozo,

yacimiento y tecnologa

Nivel II, Activo

Nivel III, Proactivo

Campo petrolero digital

Supervisin y optimizacin

> Limpieza y reduccin de datos ruidosos. Los datos muestreados a alta frecuencia pueden exhibir un nivel de ruido considerable; adems, puedenproducirse errores en los sensores. Si bien la mayora de estos datos es til, los picos y el ruido observados en el tamao del estrangulador (extremosuperior izquierdo, azul), la presin de fondo de pozo (extremo superior izquierdo, rojo), la presin de boca de pozo (extremo inferior izquierdo, verde) y la temperatura de boca de pozo (extremo inferior izquierdo, negro) dificultan su utilizacin con los programas de modelado. Despus de la limpieza y la reduccin, los datos (derecha) pueden ser utilizados en el software de anlisis petrofsico. (Adaptado de Holland et al, referencia 8.)

Tiempo Tiempo

Presin de boca de pozoTemperatura de boca de pozo

Presin de fondo de pozoTamao del estrangulador

Datos muestreados a alta frecuencia Datos limpiados y reducidos

Verano de 2008 9

Los datos proveen conocimientos para evaluarel estado relativo de los pozos individuales y delcampo productivo. La capacidad de ciclado reite-rado de los pozos de almacenamiento de gaspe-rodos de inyeccin seguidos por perodos deproduccinconstituye una diferencia fundamen-tal entre los yacimientos productivos y los yacimien-tos de almacenamiento. Ocasionalmente, los pozosde almacenamiento permanecen estticos por lap-sos de tiempo variables y los datos recolectadospueden ser tratados como una prueba convencio-nal de incremento de presin de corta duracin.Los cambios que se producen entre un ciclo y otropueden ser indicativos del desarrollo de problemasen los pozos individuales, en el yacimiento o en el

equipo de superficie. Mediante el anlisis de estosdatos, se puede reconocer la presencia de dao eimplementar planes de remediacin.

Los primeros usos de los datos de medicionesde flujo electrnico (EFM) en los campos UGS, de-mostraron claramente su valor en cuanto al mo-nitoreo del desempeo de los pozos, la ejecucinde supervisiones de rutina y la identificacin deproblemas operacionales.9 En el ao 2002, comoparte de un estudio auspiciado por el Instituto deTecnologa de Gas (GTI), los ingenieros deSchlumberger utilizaron los datos EFM para de-sarrollar una forma razonablemente precisa, yeconmicamente efectiva, de detectar la presen-cia de dao de pozo en los pozos de almacena-

miento de gas.10 El mpetu para este trabajo fue laprctica bastante comn de efectuar pruebas decontrapresin de superficie en los pozos UGS,para evaluar el dao de manera muy infrecuente;era habitual efectuar pruebas cada 1 o 3 aos. Lanaturaleza infrecuente de dichas pruebas hacaimposible determinar la presencia de dao incre-mental o cambios repentinos a lo largo de marcostemporales razonables, tales como durante unciclo de inyeccin o extraccin. La determinacinde los cambios producidos en el dao, en tiempocasi real, es importante ya que el dao podrahaber ocurrido durante la inyeccin o la extrac-cin, o durante el paso de un ciclo al otro. Estetrabajo permiti estimar los niveles de dao en los

> Datos ms limpios y ms coherentes. Los datos de mediciones de flujo electrnico (EFM) de alta frecuencia (izquierda), obtenidos de los sistemas SCADA,muestran considerable dispersin, lo que dificulta su utilizacin. Es casi imposible identificar las porciones lineales de los datos y determinar los rasgossutiles, que son cruciales para el ajuste con curvas tipo. El objeto de la grfica de flujo radial (extremo superior izquierdo) es determinar la pendiente dela porcin lineal de los datos. Mediante la eliminacin de los puntos de medicin absurdos y el promediado de los datos a intervalos de 10 minutos (ex -tremo superior derecho), la dispersin se reduce y la pendiente de la lnea se vuelve ms obvia. Los efectos de almacenamiento del pozo, ocultos en losdatos crudos, ahora pueden verse en el extremo derecho de la curva. Un mejoramiento similar en la grfica doble logartmica de las curvas de incre -mento de presin y de sus derivadas (extremo inferior) ayuda a entender los datos. El ruido y la dispersin observados en los datos originales (extremoinferior izquierdo) dificultaran el ajuste con curvas tipo y la identificacin de la porcin lineal. Con los datos agregados y limpiados (extremo inferiorderecho), la seccin lineal puede ser determinada y utilizada para la estimacin de la permeabilidad. Los cambios sutiles, producidos en la forma de lamitad derecha de la curva de la derivada que se utiliza para determinar las condiciones de borde del yacimiento, son discernibles. Sin la limpieza y lareduccin, estos datos seran extremadamente dificultosos de interpretar. (Adaptado de Brown y Meikle, referencia 9.)

0.1

0.01

0.001

0.0001

0.01 1 10

Grfica doble logartmica de datos EFM de alta frecuencia

Tiempo equivalente, h0.1

pre

sin

/ta

sa d

e flu

jo

Incremento de presinDerivada

0.1

0.01

0.001

0.0001

0.01 1 10

Grfica doble logartmica de datos limpiados ypromediados a intervalos de 10 minutos

Tiempo equivalente, h0.1

pre

sin

/ta

sa d

e flu

jo

Funcin de tiempo

123

122

12110 100

Grfica de flujo radial de datos EFM de alta frecuenciaPs

eudo

pres

in

Grfica de flujo radial de datos limpiados ypromediados a intervalos de 10 minutos

123

122

12110 100

Funcin de tiempo

Pseu

dopr

esi

n

8. Holland J, Oberwinkler C, Huber M y Zangl G: "Utilizingthe Value of Continuously Measured Data," artculo SPE 90404, presentado en la Conferencia y ExhibicinTcnica Anual de la SPE, Houston, 26 al 29 deseptiembre de 2004.

10. Brown KG y Sawyer WK: Novel Surveillance HelpsOperators Track Damage, artculo SPE 75713,presentado en el Simposio de Tecnologa del Gas de la SPE, Calgary, 30 de abril al 2 de mayo de 2002.

9. Brown KG y Meikle DE: The Value of WellheadElectronic Flow Measurement in Gas Storage Fields,artculo SPE 31000, presentado en la Conferencia yExhibicin Regional de Oriente de la SPE, Morgantown,Virginia Oeste, EUA, 17 al 21 de septiembre de 1995.

pozos UGS con ms frecuencia de la que era posi-ble previamente.

En un estudio GTI ms reciente, los ingenie-ros de Schlumberger desarrollaron un mtodopara utilizar los datos EFM con el fin de rastreare identificar continuamente el dao producido enel pozo con el tiempo.11 Los desarrollos en trmi-nos de tecnologa de pozos inteligentes, inclu-yendo las mejoras introducidas en los sensores ylos datos de flujo en tiempo real, se combinaroncon la experiencia adquirida de estudios EFM pre-vios para desarrollar tcnicas de identificacin dedaos a ser utilizadas en instalaciones UGS, talescomo una instalacin operada por Columbia GasTransmission Corporation en la regin noreste deEUA. El yacimiento estaba compuesto por una are-nisca consolidada, que form una trampa estrati-grfica con un espesor promedio de 3 m [10 pies],una porosidad promedio del 10% y una permeabi-lidad promedio de 150 mD. De los 20 pozos delcampo, cinco fueron identificados como pozosclave a los fines del estudio.

Un sistema SCADA recolect datos EFM depresin y tasa de flujo de alta frecuencia en los ca-bezales de los pozos a intervalos de 15 segundos.El operador recopil registros mensuales, con115,000 puntos de medicin por pozo por da, y losentreg a los ingenieros de Schlumberger. Se uti-liz una rutina de software para analizar los datosde todo el campo en archivos individuales paracada pozo. Esto permiti reducir los conjuntos dedatos a un volumen ms manejable y automatizarel proceso de hacer til la informacin.

Dado que cada pozo gener 3 millones de pun-tos de medicin a lo largo del desarrollo del estu-dio, se desarroll una rutina slo para manipularlos datos crudos. Esta rutina ejecut tres funcio-nes esenciales: una correlacin de las propieda-des del gas, un clculo de la presin de fondo depozo y el procesamiento de los datos. El mdulode correlacin de las propiedades del gas calculala temperatura y la presin pseudo-crticas, el fac-tor z, el coeficiente de compresibilidad isotermal,el factor de volumen de formacin de gas y la den-

sidad, la viscosidad y la pseudopresin del gas.12

Adems, formatea los datos para su exportacin alos libros de trabajo de Excel.

Los datos EFM de alta frecuencia se agregan alo largo de intervalos de 10 minutos durante elflujo. La rutina de software computa la tasa de flujopromedio y la presin promedio, junto con la des-viacin estndar de estas cantidades, y seala losdatos atpicos como invlidos, si existe una inver-sin del flujo o si se produce una combinacin demediciones de tasas EFM cero y distintas de cero.

Durante los perodos de cierre, se aplica a losdatos una ventana de ancho variable para obteneraproximadamente el mismo nmero de puntos paracada ciclo. La rutina de software ajusta los datospara establecer factores de ponderacin. Para cali-ficar los datos como un perodo de cierre vlidopara el anlisis de incremento o cada de presin,se aplica una serie de filtros en base a la duracindel perodo de inyeccin o produccin previo, la du-racin del perodo de cierre y el lapso de tiempo ne-cesario para adquirir datos suficientes para que el

10 Oilfield Review

> Monitoreo del desempeo del pozo. Si el factor de dao mecnico, s, y el coeficiente de flujo no darciano, D, permanecen constantes, el factor de daomecnico aparente, S, graficado versus la tasa de flujo debera ser una lnea recta (izquierda, negro). Si s o D cambian, la grfica cambia dependiendo deltipo de dao. De acuerdo con los datos EFM (extremo superior derecho), se produce un cambio en escaln en s, entre los dos ciclos de extraccin (flechas).La representacin grfica de la tasa de flujo (extremo inferior derecho) versus el valor S de la inyeccin (incremento de presin) y el valor S de la extraccin(cada de presin) revela los cambios que ocurren durante la inyeccin pero no durante la extraccin. Si s y D hubieran permanecido constantes, los datoshabran cado a lo largo de la lnea de referencia (rojo). En este ejemplo, el cambio observado en la pendiente indica un incremento de D. (Adaptado deSpivey et al, referencia11.)

Extraccin Inyeccin Extraccin

0

Fact

or d

e da

o m

ecn

ico,

s 1

2

3

4

5

Fecha4/1/041/16/0411/1/03 6/16/04 8/31/04 11/15/04 1/30/05 4/16/05

Desplazamiento tanto en la pendiente como en la ordenada en el origen: se modificaron s y D Desplazamiento

en la pendiente:se modific D

Desplazamientoen la ordenadaen el origen:se modific s

Fact

or d

e da

o m

ecn

ico

apar

ente

, S

Tasa de flujo

Cada de presinIncremento de presinMejor ajuste

Fact

or d

e da

o m

ecn

ico

apar

ente

, S

01,0002,0003,0004,0005,000 1,000 2,000 3,000 4,000 5,000

3

2

1

0

1

2

3

4

Tasa de flujo, Mpc/d

S = 2.67D = 1.124 D/MMpc

Verano de 2008 11

anlisis sea vlido. Se implementaron controlesadicionales para evitar limitaciones a la hora deexportar los datos a una planilla Excel.

En esta fase del proceso de manipuleo de losdatos debe intervenir un usuario para seleccionarlas grficas y ajustar las escalas, segn corres-ponda. El factor de dao mecnico aparente, S,puede ser graficado como una funcin del tiempoo la tasa de flujo. Si el factor de dao mecnico, s,y el coeficiente de flujo no darciano, D, son cons-tantes con el tiempo, luego, el factor de dao me-cnico aparente, S, ser una funcin lineal de latasa de flujo y puede utilizarse para estimar s yD.13 Si s o D cambian con el tiempo, los datos nosern una funcin lineal de la tasa de flujo. Loscambios abruptos generarn agrupaciones depuntos de medicin, y los cambios graduales pro-ducirn la desviacin de los datos con respecto almodelo de referencia (pgina anterior).

Un estudio revel que el 60% de los yacimien-tos evaluados tena pozos en los que el flujo nodarciano se identificaba como un mecanismo dedao.14 Si se asume que el dao est relacionadocon el factor de dao mecnico solamente, elplanteo de conclusiones errneas podra condu-cir a una operacin de intervencin inadecuada oinefectiva. El dao mecnico a menudo se mejoramediante el bombeo de cido a travs de los dis-paros o mediante el fracturamiento hidrulico dela formacin. Estos tipos de remediacin no tra-tan los efectos del flujo no darciano en forma efec-tiva y su ejecucin podra constituir una prdidade tiempo y dinero.

En el perodo correspondiente al estudio deColumbia Gas Transmission, se observ un cam-bio en los efectos del flujo no darciano durante elciclo de inyeccin. El inicio del dao se aisl parauna semana determinada del ao 2004. Numero-sos pozos del campo exhibieron este efecto delflujo no darciano incrementado, que fue identifi-cado por un cambio abrupto de la pendiente en la

grfica de dao mecnico aparente versus tasa deflujo, mientras que otros pozos del campo no expe-rimentaron este cambio. El anlisis indica que lacausa de este dao percibido est relacionada conun incremento del flujo turbulento durante el pro-ceso de inyeccin, ms que con el dao mecnicode los pozos individuales. Por consiguiente, no segarantizaba ninguna operacin de remediacin.Si el problema se hubiera detectado durante unaprueba anual efectuada en un pozo individual, envez de detectarse a travs del monitoreo continuode todos los pozos del campo, es posible que losresultados hubieran conducido al operador a laconclusin errnea y a gastos innecesarios.

Para efectuar los anlisis se utilizaron las fuen-tes de datos existentes y las nuevas tcnicas deanlisis de datos (data mining), lo que permiti aloperador determinar la fuente del dao percibidoy tomar la decisin correcta para abordarlo. Eneste estudio de un caso prctico, los pozos en cues-tin pudieron seguir operando y no fue necesarianinguna operacin de remediacin.15

El mejoramiento prctico conduce al Nivel IIEs probable que un enfoque sistmico con res-pecto a los procesos de inyeccin, almacena-miento y suministro para las instalaciones UGS,proporcione el mayor beneficio para los operado-res. El anlisis de los pozos individuales, el mode-lado de yacimientos, el hardware de superficie ylas ineficiencias del sistema necesitan ser exhaus-tivamente evaluados pero no es suficiente con en-focarse en uno o dos aspectos de la operacin,tales como los datos EFM, la caracterizacin deyacimientos o el hardware de superficie. El pro-ceso de optimizacin requiere que todos los com-ponentes sean considerados en conjunto paradesarrollar un modelo que represente el sistematotal. La optimizacin, el modelado y la supervi-sin son los componentes clave del desarrollo deuna instalacin UGS inteligente de Nivel II.

La mayora de los especialistas en pruebas depozos coincidiran en que el primer paso del pro-ceso de optimizacin es la caracterizacin de lospozos o de las terminaciones individuales. La con-dicin y la calidad del yacimiento en la proximi-dad del pozo y el nivel de dao afectan laeficiencia de flujo de la terminacin. Una vez de-terminados estos parmetros, se puede desarro-llar un modelo predictivo para proveer eldesempeo previsto bajo diversas condicionesoperativas. Las pruebas de pozos de tasas mlti-ples constituyen el mtodo estndar para la ca-racterizacin completa del dao y desempeo delpozo y, con respecto al desarrollo de un modelorealista, son indispensables.

La prueba de presiones transitorias de tasasmltiples cuantifica el factor de dao mecnico, s,y los efectos del flujo no darciano, D, y estableceun punto de referencia para la comparacin fu-tura. Una vez probados los pozos individuales, elpaso siguiente consiste en caracterizar las propie-dades de produccin del sistema con una pruebade flujo de tasas mltiples que abarca todo elcampo. Utilizando los datos operacionales, talescomo las tasas de flujo, las temperaturas y las pre-siones de los cabezales de los pozos, las instala-ciones de tratamiento y las estaciones de medicin,un operador puede disear una prueba de tasasmltiples efectiva del campo completo. Si todoslos pozos del campo pueden producir simultnea-mente, este tipo de prueba provee una curva decapacidad de produccin de todo el campo. Latasa de flujo de todo el campo debera ser sufi-cientemente alta como para identificar el primercuello de botella producido en el sistema.

Los cuellos de botella pueden caracterizarsecomo ineficiencias del sistema que afectan el de-sempeo general ante alguna condicin operativaespecfica. El tamao del pozo, los tubulares, elequipo de boca de pozo, las lneas colectoras y lasinstalaciones de tratamiento impactan el sistema

11. Spivey JP, Brown KG, Sawyer WK y Gilmore RG:Identifying the Timing and Sources of Damage in Gas Storage Wells Using Smart Storage Technology,artculo SPE 97070, presentado en la Conferencia yExhibicin Tcnica Anual de la SPE, Dallas, 9 al 12 de octubre de 2005.

12. La temperatura pseudocrtica y la presin pseudocrticason las condiciones de presin y temperatura de unamezcla de componentes mltiples en las que el lquido yel vapor no se distinguen (porque las propiedades sonidnticas con esta combinacin de presin y temperatura).El factor z, o factor de desviacin de gases ideales, es ladesviacin del comportamiento de un gas con respectoal de la ley de los gases ideales. El factor de volumen de formacin de gas representa elcambio fraccional de volumen por cambio unitario en lapresin. El coeficiente de compresibilidad isotermal esuna medida del cambio de volumen relativo de un fluidoo un slido en respuesta a un cambio de presin (o deesfuerzo medio). El factor de volumen de formacin de

gas se utiliza para convertir un volumen de gas encondiciones de yacimiento, en un volumen de gas encondiciones estndar (de superficie), ya que el volumende cualquier gas depende de su presin y sutemperatura.

13. El factor de dao mecnico, s, es un nmero adimensionalcalculado para determinar la eficiencia de la produccinde un pozo mediante la comparacin de las condicionesreales con las condiciones tericas o ideales. Un factorde dao positivo indica que algn dao o influencia estdeteriorando la productividad del pozo. Un factor dedao negativo indica un mejoramiento de la produccin,normalmente como resultado de la estimulacin.El coeficiente de flujo no darciano, D, se calcula a partirdel flujo de fluido que se desva de la ley de Darcy. Laley de Darcy asume la presencia de flujo laminar en laformacin, y si el flujo es turbulento en vez de laminar,se conoce como flujo no darciano. Normalmenteobservado en los pozos de gas que operan a alta tasade flujo, el flujo turbulento tiene lugar cuando el flujoque converge en el pozo alcanza velocidades que

exceden el nmero de Reynolds para el flujo laminar o el flujo darciano. Dado que la mayor parte del flujoturbulento presente en las formaciones productivastiene lugar cerca del pozo, el efecto del flujo nodarciano puede ser representado como un efecto delfactor de dao dependiente de la tasa, D.El factor de dao mecnico aparente, S, es similar a spero puede ser un resultado del dao mecnico o de losefectos del flujo no darciano, tales como una restriccindependiente de la tasa de flujo.

14. Brown KG y SawyerWK: Practical Methods to ImproveStorage OperationsA Case Study, artculo SPE 57460,presentado en la Conferencia y Exhibicin Regional deOriente de la SPE, Charleston, Virginia Oeste, 20 al 22 deoctubre de 1999.

15. Para obtener ms informacin sobre los desarrollosrecientes en trminos de sensores y manipuleo dedatos, consulte: Bouleau et al, referencia 7.

y pueden actuar como cuellos de botella (arriba).Una vez identificados estos cuellos de botella, losaspectos econmicos determinan si vale la pena eli-minar su causa. Por ejemplo, si una prueba de tasasmltiples indica que con una tubera de produccinms grande se eliminar un cuello de botella, peroel tamao del pozo limita los tubulares que puedeninstalarse, es poco lo que se puede hacer para resol-ver el problema. El agregado de pozos o el reem-plazo de pozos existentes, si bien implica un costoelevado, podra ser la nica solucin.

Si no es posible efectuar una prueba de flujodel campo completo, puede construirse una curvade capacidad de produccin a partir de las prue-bas efectuadas en los pozos individuales. No obs-tante, se deben medir e incluir entonces los efectosde las instalaciones de superficie. A pesar de todo,el mtodo del campo total arrojar los resultadosms precisos.

Por ltimo, se puede desarrollar un modelo deinventario para el campo de almacenamiento, quedescriba el inventario total de gas como una fun-cin de la presin del yacimiento. Esto se realizamanteniendo una tasa de flujo constante, desdeel campo de almacenamiento, por un tiempo sufi-ciente para que se alcance el estado pseudo-esta-ble, y utilizando la tasa de declinacin de la presinobservada durante el flujo en estado pseudo-esta-ble para calcular el volumen poroso del yaci-miento. En otras palabras, esta tcnica puededeterminar el tamao del tanque de almacena-miento subterrneo disponible para los procesosde almacenamiento y suministro. Una vez cuanti-ficado este volumen poroso del yacimiento, el ope-

rador puede estimar el volumen total de gas con-tenido en el yacimiento para una presin de yaci-miento promedio dada.

Con la tecnologa existente, la presin prome-dio del yacimiento puede estimarse a partir de unaprueba de incremento de presin toda vez que hayaun perodo de cierre suficientemente largo en elcurso normal de las operaciones. Dado que el mo-delo de inventario del campo cuantifica la relacinentre la presin promedio del yacimiento y el in-ventario total, el operador puede realizar audito-ras del inventario ms frecuentes de lo que eraposible con los datos adquiridos durante los pero-dos rutinarios de cierre de primavera y otoo. Elclculo de la presin promedio del yacimiento de-rivado de los datos de flujo, disponibles quizs conla tecnologa actualmente en proceso de desarrollo,puede permitir la auditora del inventario entiempo real en los campos UGS, en lugar de esperarlos datos de incremento de presin en el corto olargo plazo. Esto reviste particular importancia enlos casos en que el ciclado del gas es frecuente yno existe ningn cierre de rutina.

Una vez establecido el volumen poroso a travsde la recoleccin de datos tanto de pozos indivi-duales como de todo el campo, obtenidos en prue-bas prolongadas, se pueden derivar y comparardos estimaciones independientes del volumen po-roso. Esta informacin se integra con los datos depruebas de capacidad de produccin para crear elmodelo del sistema total.

Varios programas, tales como los programas deanlisis del sistema de produccin PIPESIM yNODAL, pueden utilizarse para construir un mo-

delo para el anlisis nodal (prxima pgina, arriba).La creacin del modelo comienza con la identifi-cacin de los componentes fsicos del sistema y laintegracin de las propiedades del yacimiento, ob-tenidas de los registros de pozos y de las pruebasde pozos. Las caractersticas de los sistemas co-lectores, el equipo de procesamiento y el equipode superficie se agregan al modelo, que luego secalibra para determinar las variables del sistema,tales como la rugosidad de las tuberas y las lon-gitudes de las redes de recoleccin. El modelo seajusta para correlacionarse con los datos de pre-sin obtenidos durante las pruebas de pozos, en-focndose en los cuellos de botella.

El anlisis de tendencias compara los resulta-dos reales de las operaciones rutinarias en cursocon los resultados basados en el modelo estable-cidos durante la fase de caracterizacin. Se hanutilizado herramientas predictivas ms avanza-das, tales como el software de optimizacin de laproduccin basado en tcnicas especiales de an-lisis de datos DECIDE!, para automatizar el pro-ceso de comparacin de los datos derivados delmodelo con los datos operacionales.

Comenzando o no desde ceroLa vida potencialmente larga de una instalacinUGSel Campo Zoar, por ejemplo, ha estado enoperacin ms de 90 aospuede requerir prc-ticas de construccin de pozos que difieren de lospozos sin fines de almacenamiento. Los pozos dealmacenamiento deben ser capaces de toleraraltas tasas de inyeccin, altas presiones de pro-duccin y ciclado frecuente. La reutilizacin delos equipos de fondo de pozo y superficie existen-tes puede ser posible, pero ms comn es unacombinacin de pozos existentes con pozos recinperforados. No obstante, la operacin de produc-cin original puede dictaminar el posiciona-miento del pozo y la localizacin de la instalacin.La transicin del proceso de produccin al de al-macenamiento debera enfocarse en la optimiza-cin y el conocimiento exhaustivo del yacimiento.

Idealmente, la optimizacin comienza durantela identificacin de los campos prospectivos a serutilizados para almacenamiento de gas. El primerpaso en la seleccin de un candidato consiste enconocer el yacimiento. Las caractersticas paralas operaciones UGS prospectivas incluyen buenaporosidad y buena permeabilidad y un mecanismode entrampamiento efectivo. Si la eleccin del ya-cimiento no constituye una opcin, tal es el casode una instalacin de almacenamiento de gasexistente que necesita actualizacin o mejora-miento, pueden emplearse no obstante nuevastecnologas para mejorar el valor de una opera-cin UGS.

12 Oilfield Review

> Identificacin de cuellos de botella con la prueba de flujo de tasas mlti -ples. El anlisis del sistema de produccin NODAL indica que el tamao dela tubera de produccin constituye un cuello de botella en esta prueba. Eldimetro in ter no (ID) de la tubera de produccin es modificado, pasando deltamao existente de 3.092 pulgadas (verde) a 8.0 pulgadas (azul). El anlisisconfirma que el incremento del dimetro interno de la tubera de produccin,de 3.092 pulgadas a 5 pulgadas (rojo), proporcionara un incremento del 54% enla capacidad de flujo, de 311,000 m3/d [11 MMpc/d] a 481,000 m3/d [17 MMpc/d].Por encima de 5 pulgadas de ID, slo se agregara un incremento de flujonominal. (Adaptado de Brown y Sawyer, referencia 14.)

Pres

in,

lpc

500

400

300

200

100

05,000 10,000 15,000 20,0000 30,00025,000

Tasa de flujo de gas, Mpc/d

Curva de desempeo de la formacin A B C DE

Caso 1 (A) - 3.092Caso 2 (B) - 4.000Caso 3 (C) - 5.000Caso 4 (D) - 6.000Caso 5 (E) - 8.000

Curva de comportamientodel pozo: ID de la tuberade produccin, pulgadas

Verano de 2008 13

Un ejemplo de optimizacin de un campo dealmacenamiento de gas existente con tecnologasde pozos inteligentes, es la operacin del CampoHill-Lake de Falcon Gas Storage Company, en Texas(derecha). Previamente productor de petrleo,este campo fue descubierto en la dcada de 1920y para la dcada de 1950 haba llegado al fin de suvida productiva. Fue convertido en una instala-cin de almacenamiento de gas en la dcada de1960. Cuando Falcon tom el control de las opera-ciones en el ao 2001, haban 21 pozos en elcampo, 10 de los cuales estaban involucrados ac-tivamente en la operacin de almacenamiento degas. No se produca ningn desarrollo desde la d-cada de 1950, y los operadores previos no pudierondar cuenta de 71 millones de m3 [2,500 MMpc] degas, lo que se atribuy a un error de medidor.

> Modelo de anlisis del sistema de produccin PIPESIM. El programa PIPESIM puede ser utilizado para crear un modelovisual de los componentes mecnicos de las instalaciones. La informacin del yacimiento y la produccin puede integrarseen el modelo. Las pruebas de tasas mltiples de todo el campo se utilizan para calibrar el modelo. En este ejemplo, los pozosse encuentran en produccin. La inversin de la direccin del flujo provee un modelo de inyeccin.

NodoPozo productor

Grupo adicionalde pozos

Grupo adicionalde pozos

Estacin decompresin

> Operacin de almacenamiento subterrneo de gas en el Campo Hill-Lakede Falcon Gas Storage Company. Situada en el Condado de Eastland, enTexas, la instalacin posee la capacidad para suministrar 15 millones de m3/d[515 MMpc/d] e inyectar 8.5 millones de m3/d [300 MMpc/d]. (Fotografa,cortesa de Falcon Gas Storage Company.)

La interpretacin original provista a Falconera bastante simplista. A partir del control limi-tado de los pozos y los registros elctricos viejos,obtenidos en las proximidades del sitio de inyec-cin, se mape la estructura como un delta fluvial(izquierda). Entre 2003 y 2006, Falcon agreg 16pozos al campo, siendo sus posicionamientos asis-tidos mediante el anlisis de los datos del genera-dor de Imgenes Microelctricas de CoberturaTotal FMI. Las imgenes de los datos FMI sugirie-ron una nueva interpretacin, segn la cual el ya-cimiento corresponda a una arena de canaltrenzado y no a un delta.

En el ao 2006, los gelogos de Schlumbergerutilizaron el software Petrel, que abarca desde lainterpretacin ssmica hasta la simulacin din-mica de los yacimientos, para desarrollar un mo-delo geolgico bsico (abajo, a la izquierda). Lospozos existentes se incorporaron en el modelo, y17 pozos adicionales, perforados por Falcon en2006 y 2007, fueron incluidos en el anlisis.

Estos pozos nuevos, perforados como extensio-nes a partir del sitio de inyeccin original, siguie-ron las tendencias indicadas por la interpretacinde las imgenes FMI. Los pozos adicionales con-dujeron a algunos descubrimientos interesantes,tales como un lbulo de arena previamente des-conocido, situado al sudoeste de los pozos de in-yeccin principales. Como arena aislada, deberahaberse agotado en la fase de produccin previapero, inesperadamente, la presin era similar a ladel resto del yacimiento Hill-Lake, lo que demos-tr que se encontraban en comunicacin. En basea la informacin obtenida con el modelo geolgicoPetrel, se considera que esta estructura contenalos 2,500 MMpc de gas faltantes.

No slo se descubri gas que haba pasadoinadvertido previamente, sino que al ser inyectadoen el campo, se recarg el yacimiento original-mente agotado. Los pozos nuevos, que penetraronlas secciones arenosas echado (buzamiento) abajo,encontraron petrleo pasado por alto durante lafase de produccin inicial, que ahora pudo ser re-cuperado debido al incremento de la presin delyacimiento.

Un subproducto de la recuperacin del gas al-macenado es la produccin de petrleo adicionalen forma de lquidos de gas natural (NGL). Cuandose inyecta y se recupera gas, ste se enriquece conlos lquidos de hidrocarburos pasados por alto des-pus de cesar la produccin de petrleo original.Estos lquidos son extrados del gas reciclado, uti-lizando una planta de procesamiento de gas crio-gnico, y luego se recuperan y se venden, lo que sesuma a la rentabilidad de la operacin UGS. El mo-delo de yacimiento Petrel identifica las localiza-

14 Oilfield Review

> Modelado de un yacimiento. Los gelogos utilizaron el software Petrel para modelar el yacimientoHill-Lake. Una vez desarrollado completamente el modelo geolgico, las propiedades del yacimientopueden ser utilizadas con el fin de desarrollar simulaciones para determinar los componentesvolumtricos y el desempeo del campo.

Inventario y cargade datos (registros,

marcadores, superficies)

Petrofsica ygeologa

de pozo (softwareELANPlus, BorView)

Correlacinentre pozos

Identificacin deltipo de roca(propiedades

de facies)

Modelado de marcos(fallas, superficies,

cuadrculas, estratifi-cacin por zonas)

Modelado de propiedades(facies, espesor neto a total,

porosidad, permeabilidad,saturacin)

Modeladogeolgico

Petrel

Modelado deyacimientosPetrel

Modelo de simulacinde yacimientos

(historia y pronstico)

Clculos volumtricos

Mdulosdel software

PVT delfluido

SoftwareECLIPSE

Metodologa de construccindel modelo Petrel

> Interpretaciones cambiantes. El Campo Hill-Lake fue mapeado originalmente como un delta fluvial(izquierda). En el mapa isopquico se identificaron dos altos estructurales (extremo superior izquierdo).Los pozos nuevos fueron perforados de acuerdo con el mapa estructural original, que se bas en lospozos perforados antes de 1960. Una interpretacin actualizada, efectuada con el software Petrel queabarca desde la interpretacin ssmica hasta la simulacin dinmica de yacimientos (derecha), inclu -y 17 pozos nuevos e identific un lbulo sur previamente desconocido (extremo superior derecho).La geometra del cuerpo de arena original pudo ser visualizada con mayor precisin, y la estructurafue caracterizada como una arena de canal trenzado (extremo inferior derecho). Dado que la inter -pre tacin de los datos FMI proporcion la direccin del flujo, el posicionamiento de los pozos fuemejorado. El lbulo sur contena 2,500 MMpc de gas natural almacenado que, segn los operadoresoriginales, se haba perdido por errores de medicin.

Formacin fluvial

Arena de canal trenzado

Los pozos productivosde la arena Hill-Lakeaparecan conectados

Mitcham Est 1

HLGSU 11

AJ August 1A

Storm 1

Mitcham 1A

HLGSU 1

Mitcham 3 Mitcham 1F

3 de agosto

HLGSU 3HLGSU 2

HLGSU 4Mitcham Est 3

HLGSU 7

HLGSU 6HLGSU 5

HLGSU 12

HLGSU 9HLGSU 8

Williams 1

Mitcham 2

50 40 30 20 10 0

40302010

0

Mitcham 2

Williams 1

3 de agosto

Mitcham Est 3

HLGSU 1

Lbulo principal

Mapas de espesores de facies arenosas

Lbulo sur(conectado)

40302010

0

10

2030

40

Verano de 2008 15

ciones de pozos candidatos para el desarrollo fu-turo del campo, donde las propiedades de la arenason ms conducentes a la produccin de lquidosdurante la extraccin del gas.

En el ao 2007, gracias a los conocimientosproporcionados por el modelo preliminar, Falconinici un modelo geolgico y de yacimiento deta-llado Petrel que incorporaba un total de 72 pozos.El programa avanzado de anlisis de registrosmultiminerales ELANPlus y el anlisis FMI se uti-lizaron para interpretar 29 pozos. Los datos de n-cleos de cinco pozos proveyeron la calibracin parael modelo. Con el anlisis petrofsico de avanzada,la interpretacin simplista inicial que aluda a unproceso de depositacin deltaica evolucion paraconvertirse en un modelo ms realista del yaci-miento.

Conforme se perforaron pozos adicionales, seobtuvo mayor conocimiento de la geometra delyacimiento, y el ambiente depositacional fue re-caracterizado como un lecho de ro antiguo conarenas de canal anastomosado.16 El posiciona-miento ptimo de los pozos depende de la com-prensin de la estructura del yacimiento. Lavisualizacin de la topografa del subsuelo pro-vista por el modelo Petrel fue crucial para la iden-tificacin del ambiente depositacional correcto yel descarte de las dos interpretaciones previas(derecha). La comprensin exhaustiva del yaci-miento agreg capacidad de almacenamientonueva al campo, defini nuevas reas de explora-cin para recuperar el petrleo pasado por altodespus de cesar la produccin inicial, y ayud aoptimizar el desarrollo futuro del campo. Las me-joras registradas en EUA en trminos de produc-cin y capacidad, tales como las observadas conla operacin Hill-Lake, ayudan a explicar el incre-mento de la capacidad de UGS, a pesar de la re-duccin del nmero de sitios.

El empleo de nuevas aplicaciones y tecnologamoderna por parte de Falcon no se limita al mode-lado del subsuelo y la optimizacin. Dado que estainstalacin haba estado operando desde la d-cada de 1960, las instalaciones de produccin ne-cesitaban un mejoramiento. Se instal un sistemaSCADA, que proporcion informacin instantneasobre temperatura, presin y tasas de flujo. Elflujo de gas puede ser manejado desde el cabezaldel pozo en los sitios de compresin individualeso en la sala de control del campo central. Si bienel sistema SCADA no se utiliza en estos momentospara controlar la instalacin en forma remota,posee la capacidad para hacerlo.

La instalacin Hill-Lake de Falcon se ha con-vertido en una operacin UGS multiciclo de ltimageneracin, con la capacidad para ser utilizada en

una diversidad de formas que incluyen el almace-namiento, el suministro a alta tasa de flujo, el re-corte de la demanda de punta, el proceso parkand loan y la comercializacin en el mercado.17 Lacapacidad mxima es ahora de 425 millones de m3

[15,000 MMpc], lo que representa 310 millonesde m3 [11,000 MMpc] de gas de trabajo y 113 mi-llones de m3 [4,000 MMpc] de gas de colchn. Elcampo puede suministrar 15 millones de m3/d[515 MMpc/d] e inyectar 8.5 millones de m3/d[300 MMpc/d]. Los ciclos de inyeccin en veranoy abastecimiento en invierno han sido reemplaza-dos por una operacin flexible capaz de propor-cionar suministro y almacenamiento bajo demandasegn las necesidades de los clientes, recupe-rando al mismo tiempo el petrleo y los NGL pasa-dos por alto durante la produccin inicial.

El xito de Falcon en la operacin Hill-Lake setradujo en la remodelacin reciente de otrocampo de almacenamiento de gas en el norte deTexas, la instalacin Worsham-Steed de la compa-a. Utilizando un campo de petrleo y gas aban-

donado, originalmente convertido en instalacinde almacenamiento de gas por otro operador, estarenovacin constituye una operacin UGS multici-clo que emplea tecnologas de pozos inteligentessimilares. Este campo produce petrleo y NGL, yadems provee 680 millones de m3 [24,000 MMpc]de capacidad de gas de trabajo.

> La respuesta final. Conforme se incorporaron ms pozos en el campo, se desarroll una imagen msclara. Con 72 pozos, y los datos FMI de 29 pozos, se cre el modelo geolgico Petrel definitivo. La es -tructura fue caracterizada como una arena de canal anastomosado (extremo inferior izquierdo). Encomparacin con las arenas de canales trenzados, las arenas de canales anastomosados son depo -sitadas a partir de un flujo de agua de baja energa. La trayectoria ms tortuosa del lecho del rorequera que los pozos futuros siguieran una trayectoria ms curva que la que se habra indicado si el yacimiento hubiera sido un delta o una arena de canal trenzado. La herramienta FMI proporcion la direccin para perforar extensiones y desarrollar el campo. El conocimiento del yacimiento indicadems las mejores reas a perforar para recuperar el petrleo pasado por alto por las operacionesde produccin previas. Adems se identific la estructura nueva, localizndose potencial prospectivosin explotar e incorporando capacidad de almacenamiento para la instalacin.

Arena de canal anastomosado

Lbulos postulados por computadora(potencial capacidad de almacenamiento)

Lbulos postulados porcomputadora (potencial capacidad de

almacenamiento)

Lbulo principal(unidad original)

Lbulo Cooper A-3(lbulo independiente)

Lbulo noreste(conectividad limitada)

30

504030

2010

0

010

20

2010

0

302010

0

HLGSU 1

Mitcham Est 3

3 de agosto

Mitcham 2

Williams 1

Lbulo sur(conectado)

5040302010 0

16. Las arenas de canales anastomosados se encuentranen ros de canales mltiples que poseen gradientesrelativamente bajos, canales profundos y estrechos, ybancos estables caracterizados como depositados enros que se mueven lentamente. Las arenas de canalestrenzados se encuentran en ambientes de alta energa,caracterizados por la depositacin excesiva de barrasarenosas o barras de grava, o ambas, de manera que el agua fluye en numerosos canales que se ramifican y renen.

17. La expresin inglesa park and loan se refiere alalmacenamiento de gas para su utilizacin posterior(parking) y la toma de gas (loaning) para evitar sucompra a un precio instantneo, o de contado,elevado. Diseado como un servicio de compensacin,los clientes ahorran dinero mediante su utilizacin en losmomentos en los que estn fuera de balance con lalnea de conduccin. Adems, los clientes puedenaprovechar las fluctuaciones de precios coyunturales.

Distribuidorde datos

Componentesde la basede datos

Ncleo del sistema experto

Monitoreo y control de calidad de los datos Deteccin de eventos y monitoreo

del desempeo Transferencia automatizada de datos y

ejecucin del modelo

Balance de materiales Simulacin Funcin de influencia Modelo sustituto Simulador de pozos Simulador de red

Metodologa de tareas operacionales

Metodologa de diseo

Integracin del modelo y control

Nivel IIISupervisin automatizada del yacimientoIndependientemente del hecho de que las instala-ciones UGS regulen los ciclos de demanda o ac-ten como repositorios de gas, la capacidad paraautomatizar el proceso constituye una raznatractiva para implementar tecnologas de pozosinteligentes. Un operador de Europa, trabajandocon los gelogos e ingenieros de yacimiento deSchlumberger, dise e implement una opera-cin automatizada de supervisin de yacimientoutilizando una plataforma integrada, construidasobre la base del software DECIDE!. Un operadorpuede optimizar y efectuar el modelado predictivode los sistemas de alta complejidad utilizando lainteligencia artificial y los procesos de simulacindel software DECIDE! que corre en PCs (arriba).18

Este software provee una alternativa para reunira las personas, la tecnologa, los procesos y la infor-macin en un sistema global seguro; reduciendo elcosto, mitigando el riesgo y mejorando las operacio-nes. El programa DECIDE! posee dos componentesprincipales: un distribuidor de datos y el escritoriode un ingeniero. La responsabilidad por la recupe-racin, el almacenamiento y la distribucin de losdatos, as como tambin la automatizacin de lastareas, reside principalmente en el distribuidor dedatos. El escritorio del ingeniero utiliza tcnicas es-

peciales de anlisis de datos de ltima generacinpara efectuar clculos analticos de ingeniera pe-trolera, proporcionado al operador una herramientapoderosa para el manejo del activo.

RWE Transgas Net, un operador de gas natu-ral independiente de la Repblica Checa, ha ins-talado el software DECIDE! para manejar yoptimizar todas sus instalaciones de almacena-miento de gas en yacimientos agotados y en acu-feros. El proceso de implementacin comenz enel ao 2004 y concluy en el ao 2007 (prximapgina, arriba).

RWE Transgas Net, trabajando con los ingenie-ros de Schlumberger, puso en marcha el procesode implementacin del programa DECIDE! me-diante el desarrollo, como primera medida, de unaplataforma de integracin. Se instal un sistemaSCADA para proporcionar mediciones continuasde alta frecuencia (del orden de los segundos),que se agrupan en incrementos de 15 minutos yfluyen en tiempo real desde los pozos individua-les, los sistemas colectores y las instalaciones. Eneste paso del proceso correspondiente al Nivel I,el software controla que se haya establecido unaconexin con una corriente de datos y que sta ge-nere una notificacin si se produce una falla.Cuando se confirma una conexin vlida, los datosde alta frecuencia son importados, filtrados, con-

trolados en cuanto a calidad, y agregados a travsde intervalos de tiempo ms largos para reducirel tamao del conjunto de datos. El software fil-tra los errores del sensor y los errores de transmi-sin previo a la agregacin de los datos, y generainformes estadsticos para permitir que el inge-niero evale la confiabilidad de la informacin. Lainteligencia artificial ha sido desarrollada paraautomatizar estas tareas rutinarias y adems in-crementar la velocidad de suministro. Con losdatos recin adquiridos, se dispone de indicado-res clave de desempeo para evaluar la operacinen curso.

En el Nivel II, los datos limpios se cargan enlos mdulos del software para validar el desem-peo adecuado del sistema. El programa DECIDE!puede integrar aplicaciones externas que permi-ten el intercambio de datos, incluyendo el softwarede simulacin de yacimientos ECLIPSE, el softwarede anlisis del sistema de produccin PIPESIM ylos diversos mdulos disponibles en el softwareDECIDE!. El proceso efecta automticamente elajuste histrico para el anlisis de tendencias,provee el estado de los pozos individuales y deter-mina las restricciones y capacidad de produccin.Las solicitudes de suministro, actuales y futuras,en trminos de inyeccin y extraccindatos deentrada del mdulo de un despachadorson

16 Oilfield Review

> Inteligencia de Nivel III. El Nivel III combina todos los componentes de las operaciones de pozos inteligentes. Mediante la integracin de procesos talescomo el anlisis de tendencias, el modelado y las simulaciones, la instalacin UGS puede ser manejada en forma ptima con altos niveles de automatizacin.

Verano de 2008 17

transferidas a un mdulo del software DECIDE!.Este mdulo provee luego todos los clculos y laspredicciones necesarias para asegurar que el ya-cimiento posea capacidad suficiente para satisfa-cer las solicitudes del despachador.19

Los programas avanzados, utilizados para losmodelos de supervisin del yacimiento, requierenclculos que implican un uso intensivo de la com-putadora. La carrera de iteraciones de optimiza-cin no puede proveer resultados satisfactorios enel marco temporal requerido, utilizando el granvolumen de datos, aunque stos hayan sido agre-gados y limpiados. Los modelos sustitutos, si bienno tan precisos, reemplazan a las simulaciones deescala completa y proveen resultados en segundoso minutos.20

Los modelos sustitutos, en forma de redes neu-rales (NN) entrenadas, optimizadas para requerir

un nmero reducido de parmetros de entrada,utilizan la inteligencia artificial para imitar a lossimuladores de gran escala. La NN aprende a com-portarse como el simulador y, una vez entrenada,puede ejecutar un conjunto de clculos en unafraccin de segundo, para un conjunto dado de pa-rmetros de entrada. La NN reduce drsticamenteel tiempo de computacin necesario, lo que per-mite el ajuste histrico en tiempo real con las sa-lidas originales optimizadas de los modelosnumricos de escala completa.

Un ejemplo de la utilizacin de una NN es unasimulacin del pronstico y la optimizacin de laproduccin. Si hay involucrados cambios peque-os de los parmetros de entrada, tales como lapresin de la cabeza de la tubera de produccin,se puede calcular de inmediato un pronstico deproduccin en lugar de esperar a que se efecte

una simulacin completa que implica un uso in-tensivo del tiempo. Adems, se pueden ejecutarrpidamente iteraciones mltiples para determi-nar el mejor curso de accin. Por otra parte, lasNN se utilizan para evaluar las incertidumbresasociadas con los datos de entrada provistos en lafase de adquisicin de datos de Nivel I. Esto ace-lera las funciones de control de calidad y limpiezade los datos antes de ingresarlos en los modelossustitutos.

Un sistema de supervisin automatizado com-para los resultados calculados con los resultadosmedidos. Si la informacin de los modelos susti-tutos indica que un pozo o un componente de su-perficie no se ha desempeado segn lo esperado,se activa y se reporta al operador una alarma deeventos por medio del escritorio del ingeniero. Enrelacin con los parmetros fijados para activar

> Metodologa de trabajo del programa DECIDE! Los datos SCADA se envan a la memoria intermedia de datos, donde se controla su calidad, se limpian y sereducen utilizando un modelo sustituto de redes neurales (NN). Los datos se cargan en los diversos mdulos del software para la supervisin automatizada, yla generacin y preparacin de informes. Los modelos sustitutos procesan la informacin y utilizan el anlisis de tendencias y el ajuste de las simulacionespara descubrir oportunidades de optimizacin y detectar problemas del sistema en proceso de desarrollo. Los informes estn disponibles en tiempo casireal. Adems se dispone del ajuste histrico para determinar el estado de la operacin en curso. La mayora de estos procesos se lleva a cabo detrs de la pantalla y requiere poca intervencin del operador.

Escritorio del ingenieroSistema SCADAMdulo de

control inmediato

Mdulos de supervisin y presentacin de informes Datos captadosen forma manual

Diseo y automatizacin de la metodologa de trabajo

Modelado de redes Simulacin

Modelo sustituto de redes NN

Modelo sustituto de balancede materiales

Memoria intermediade datos

Distribuidorde datos

Modelossustitutos

Base de datos

Segundos Minutos a horas Una hora a un da Un mes a un ao

Datos convencionales

18. Para obtener ms detalles sobre la aplicacin delsoftware ECLIPSE y el software DECIDE!, consulte:Barber A, Shippen ME, Barua S, Cruz Velzquez J,Garrido Hernndez AM, Klumpen HE, Moitra SK, Morales FL, Raphael S, Sauv B, Sagli JR y Weber M:Optimizacin de la produccin desde el yacimientohasta la planta de proceso, Oilfield Review 19, no. 4(Primavera de 2008): 1831.

20. Zangl G, Giovannoli M y Stundner M: Application ofArtificial Intelligence in Gas Storage Management,artculo SPE 100133, presentado en la Conferencia yExhibicin Anual SPE Europec/EAGE, Viena, Austria, 12 al 15 de junio de 2006.

19. Onderka V, Dressler M, Severn O, Giovannoli M y ZanglG: Expert System of UGSAn Efficient Tool for OnlinePerformance Management and Optimization,presentado en la 23a Conferencia Mundial del Gas,msterdam, 5 al 9 de junio de 2006.

las alarmas, se puede establecer y ajustar como serequiera un rango de desviacin. Una vez activadauna alarma, el ingeniero de yacimiento puede re-accionar de manera oportuna para investigar lafuente del problema (arriba).

El nivel que sigue al monitoreo y la supervisines la inteligencia de Nivel III; un ejemplo delcampo petrolero digital. Si bien para las compa-as petroleras y los proveedores de servicios hasido difcil proporcionar una sola definicin paraeste trmino, el campo petrolero digital proveebsicamente un alto grado de automatizacin yherramientas de generacin de modelos de simu-lacin y toma de decisiones (cuanto ms rpidas,mejor), y un enfoque integrado que no pierde devista los detalles pequeos (o al menos cuenta conun sistema para monitorearlos). Schlumberger serefiere a este nivel de operacin de campo comoel servicio inteligente de integracin de activosBlueField.21

En el nivel del servicio BlueField, los datos sonadquiridos y preparados para el procesamiento yse corren modelos de simulacin integrados desdediversos mdulos de desempeo. Los controles delsistema se efectan en el nivel ms alto, y se ge-

neran informes sobre el estado de la operacincompleta, que luego se envan al escritorio del in-geniero DECIDE! (prxima pgina). Este servicioprovee la capacidad para supervisar las tareas au-tomatizadas programadas o aquellas activadas porlas alarmas de eventos.

En el sistema implementado por RWE Trans-gas Net, las tareas automatizadas poseen la si-guiente estructura: primero se ejecutan las tareasprogramadas o se activan las tareas de automa -tizacin, luego se corren los modelos sustitutospredictivos de anlisis especiales de datos y seaplican las reglas. Los eventos activadores de lasalarmas son discrepancias con respecto a las ten-dencias previstas o bien violaciones de restriccio-nes predefinidas. Entre las acciones activadas porla alarma se encuentran la notificacin del sis-tema, la recuperacin y ejecucin del software desupervisin, la iniciacin de tareas subordinadasy la generacin de mensajes de correo electrnicoo de texto para alertar al operador acerca de unasituacin de error.

Junto con las alarmas, el software provee au-tomticamente al operador los indicadores clavede desempeo en el escritorio del ingeniero. El

software formatea los datos para su visualizaciny provee pronsticos basados en el desempeo ac-tual del campo. Los mdulos de desempeo del ya-cimiento identifican cuellos de botella, tales comorestricciones de la instalacin, e informan acercade las oportunidades de optimizacin junto conlos cursos de accin recomendados. Con untiempo de ciclo de anlisis sustancialmente redu-cido, el ingeniero puede reaccionar en forma casiinstantnea. El flujo automatizado de datos y losmodelos actualizados en forma transparente per-miten que el ingeniero se concentre en la optimi-zacin del sistema y en la eliminacin delproblema. El manejo inteligente y proactivo de losyacimientosuna aplicacin BlueFieldsevuelve realidad.

Hacia el futuroEl almacenamiento subterrneo de gas en yaci-mientos agotados ha demostrado ser adecuadopara muchas de las tecnologas de pozos inteligen-tes y campos inteligentes que estn siendo desa-rrolladas para las operaciones tradicionales deproduccin de petrleo y gas. La industria UGS haalcanzado un grado considerable de xito con la

18 Oilfield Review

> Redes neurales (NN) e identificacin de problemas. Se requieren parmetros mltiples para calcular la presin de fondo depozo (BHP). Las redes neurales, funcionando como modelos sustitutos, se entrenan con los datos de las operaciones y puedenreducir el nmero total de iteraciones requeridas para producir resultados en una fraccin del tiempo requerido por los programasde modelado de escala completa. Los datos BHP medidos (rojo), durante los ciclos de inyeccin y extraccin, se comparan conlos datos BHP obtenidos de las NN (azul). Los dos conjuntos de datos mostraron una muy buena correlacin hasta septiembre de2000, en que la BHP calculada se increment durante el ciclo de inyeccin y se mantuvo ms alta los cuatro meses siguientesdebido al dao del yacimiento. La contrapresin ms alta indic que se requerira la intervencin del pozo para mantener lacapacidad de produccin.

La BHP medida se desvacon respecto a la BHP calculada

Pres

in,

MPa

85

80

75

70

65

55

50

Enero 1999 Abril Julio Octubre Enero 2000 Abril Julio Octubre Enero 2001Tiempo

BHP calculadaBHP medidaArquitectura de las redes NN

para el modelo de pozo

Presin del yacimiento

Influjo del acufero

Inyeccin de gas

Produccin de gas

21. Bouleau et al, referencia 7.22. Foh SE: The Use of Inert Gas as Cushion Gas in

Underground Storage: Practical and Economic Issues,presentado en la Conferencia sobre Planeacin y Manejodel Suministro de Gas: 1991 y aos posteriores, LakeBuena Vista, Florida, EUA, 25 al 27 de febrero de 1991.

24. National Petroleum Council (ed): Hard Truths: Facing theHard Truths about Energy. Washington, DC: ConsejoNacional del Petrleo (2007): 36.

23. Supply on Demand, http://www.falcongasstorage.com/fw/main/MoBay_Storage_Hub_LLC-28.html (Se accediel 15 de enero de 2008).

Verano de 2008 19

adopcin de estas tcnicas. Las lecciones aprendi-das por los operadores UGS estn siendo aplica-das con mayor confianza por el sector del negociocorrespondiente a la produccin de petrleo y gasporque estas nuevas tecnologas han demostradosu capacidad para proveer costos reducidos y ma-yores eficiencias.

Dado que los campos UGS poseen esperanzasde vida largas, brindan una perspectiva de recupera-cin de la inversin a largo plazo. En comparacincon los campos de hidrocarburos convencionales,los campos de almacenamiento de gas no experi-mentan la misma declinacin del valor de sus ac-tivos a medida que el yacimiento se agota porquelos campos de almacenamiento de gas pueden serrecargados reiteradas veces. La renovacin de lasinstalaciones ms antiguas, con equipos moder-nos para campos inteligentes, tiene un sentido fi-nanciero ya que incrementa el valor del activoexistente.

La maximizacin del activo, por encima y pordebajo de la superficie del terreno, conduce a en-foques innovadores como los analizados en esteartculo, pero existen an ms tecnologas y tcni-cas para aplicar. Por ejemplo, el gas de colchnpuede ser el componente ms caro de una instala-cin UGS y, en trminos realistas, slo volver aloperador cuando el campo sea puesto fuera deservicio. A modo de ejemplo, una operacin UGSen un campo agotado con 566 millones de m3

[20,000 MMpc] de capacidad total requerira queentre un 30 y un 50% del gas permaneciera en sulugar como gas de colchn. Siguiendo con la ana-loga bancaria, eso equivale a 283 millones de m3

[10,000 MMpc] depositados en una cuenta co-rriente sin intereses. Con los niveles de preciosdel ao 2008, eso suma ms de US$ 80,000,000.

Aunque el yacimiento sea operado en el rangode presin y flujo ms eficiente, se debe dejar partedel gas de colchn en el terreno para posibilitar unsuministro a alta tasa de flujo. Los ingenieros deyacimientos han probado la factibilidad de inyectargas inerte en el yacimiento para que funcione comogas de colchn. Este enfoque es particularmenteprctico considerando los precios actuales del gasnatural.22 No obstante, la tcnica requiere unacomprensin detallada de las propiedades de al-macenamiento y las caractersticas de flujo del ya-cimiento, las consecuencias de mezclar gasesdiferentes y los efectos del gas inerte sobre el ya-cimiento en el largo plazo. Se trata, sin embargo,de otro ejemplo de operadores UGS que aplicantcnicas novedosas de manejo de yacimientos.

A medida que los operadores desarrollan cam-pos UGS e intentan aplicar enfoques innovadores,el nfasis puesto en la caracterizacin de yacimien-tos, la optimizacin de los procesos y la automati-zacin de la operacin aporta mayor flexibilidad yms oportunidades a los proyectos UGS. A manerade ejemplo, Falcon Gas Storage Company est apli-cando gran parte de su experiencia con la tecnolo-ga de campos inteligentes en UGS, en la primerainstalacin UGS marina de Amrica del Norte.23 Elyacimiento ha sido caracterizado y modelado utili-zando el software Petrel. El equipo de superficie yafue diseado, y est previsto que las operacionescomiencen durante 2009. Esta instalacin multici-clo, con gran capacidad de produccin, est dise-ada para alojar un volumen de trabajo de 1,400millones de m3 [50,000 MMpc], con capacidades deinyeccin y extraccin de 28 millones de m3 [1,000MMpc] por da.

Para el ao 2030, las proyecciones indican quela demanda global de gas natural oscilar entre10,000 millones y 16,400 millones de m3 [356,000y 581,000 MMpc] por da, lo que seala un incre-mento con respecto a los 6,900 millones de m3/d[243,000 MMpc/d] del ao 2000.24 Medio Orientecuenta, sin dudas, con las mayores reservas de gas

natural ya que constituyen un volumen estimadode 72.7 trillones de m3 [2,566 Tpc]o un 41% delas reservas mundiales totales. Rusia, que ocupael segundo lugar en trminos de reservas proba-das, posee extensas lneas de conduccin que lle-gan a Europa y tiene previsto construir lneas deconduccin que se extiendan a China y otros pa-ses. A medida que crezca la demanda de gas natu-ral, se desarrollarn nuevos mtodos para sutransporte, almacenamiento y suministro. Dadoque el abastecimiento generalmente se encuen-tra muy lejos de la mayora de los usuarios, las ins-talaciones UGS constituyen un componenteesencial para la provisin de una fuente de gas na-tural, segura y estable, destinada al consumo in-dustrial y domstico.

Conforme el carcter de los proyectos UGSevoluciona, pasando del proceso tradicional de re-corte de la demanda de punta a aplicaciones fle-xibles, las tecnologas de campos inteligentesestn asistiendo a los operadores en la bsquedade mayor eficiencia, menores costos y mtodos in-novadores de desarrollo de actividades comercia-les. En consecuencia, el campo perolero digital seha vuelto realidad en la industria del almacena-miento subterrneo de gas. TS

> Con los datos ingresados se toman las decisiones. Los datos SCADA arriban a intervalos de 15 minu -tos, procedindose a su limpieza y control de calidad. Los datos del software de simulacin se comparancon las predicciones del modelo. El ingeniero en el escritorio DECIDE!, recibe los resultados, lospronsticos y la informacin de produccin. Esta informacin es recibida automticamente o puedeser generada previa solicitud.

Sistema SCADA

El sistema adquiere los datos cada 15 minutos

010101010101010101010101010101010101010101

Validacin del modelo

Solicitud deldespachador

Optimizacin y prediccin en el escritorio DECIDE!

Adquisicinde datos

Limpiezade datos

Control delestado del

sistemaAlmacenamiento

de datos

Ejecucin de lasimulacinEscritura del

archivo de datosde produccin

Resultados dela simulacin

Almacenamientode datos

Ejecucindel pronstico

Ejecucin de laoptimizacin

Da actual mslos 100 das previos Al despachador

Hora actual mslas 24 horas previas

Generacinde curvas deproduccin

Resultados dela optimizacin