El papel creciente del análisis de curvas declinas en el pronóstico del gas biogénico

El análisis de curvas de diminución (DCA) ha servido desde hace mucho tiempo como piedra angular de la previsión de producción en la industria del petróleo y el gas. Su utilidad se centra en la fijación de datos históricos de tiempo-tiempo a una función matemática, extrapolando esa tendencia en el futuro para estimar reservas y guiar decisiones de desarrollo.

DCA Fundamentos y su aplicación a los Reservorios No Convencionales

DCA tradicional se basa en las relaciones empíricas formalizadas por J.J. Arps en 1945. Las formas más comunes incluyen:

  • Declinación unilateral] (b = 0): Se supone una disminución constante por porcentaje por unidad de tiempo, típica de flujo dominado por límites en un sistema monofásico, ligeramente compresible.
  • ]Declinación hiperbólico [0 < b < 1): Caracterizada por una tasa de declinación decreciente, a menudo observada en sistemas de transmisión de gases de solución o de flujo transitorio.
  • Declinación armónica] (b = 1): Caso de miembro final en el que la tasa de declinación nominal es proporcional a la tasa de producción misma.

En depósitos no convencionales, como el gas de esquisto o el aceite ajustado, el factor b puede superar 1, señalización de flujo transitorio de larga duración y la necesidad de modelos modificados (por ejemplo, el modelo de la Ley de potencia exponencial o el modelo de estrangulamiento exponencial).La premisa fundamental de todos los modelos de DCA es que la física de conducción, la geometría de depósitos y las propiedades de fluidos

Por qué los Reservadores de Gas Biógeno rompen las reglas de la DCA

Generación activa y presión dinámica de poro

El gas biogénico se produce a través de la descomposición anaeróbica de la materia orgánica por la arquea metanogénica. Este proceso se produce bajo temperatura (aproximadamente 100°C) y a menudo poco profunda (aproximadamente 1000 metros) condiciones. A diferencia de un depósito termogénico donde el gas existe como recurso en el lugar que se produce y agota, un sistema bigénico puede reponerse

Heterogeneidad geológica en múltiples escalas

Los depósitos biógenos se encuentran normalmente en sedimentos poco sólidos, poco consolidados o poco consolidados, o dentro de costuras de carbón que cuentan con un sistema de fractura (limpia) que es extremadamente variable. La estructura poro puede variar desde macro-pores en canales de arena hasta micro-y meso-pores en la matriz de carbón.

Cuatro desafíos básicos para el análisis de curvas en gas biogénico

Estas diferencias fundamentales se manifiestan en cuatro desafíos específicos que distorsionan la producción de la DCA y exigen un tratamiento especializado.

1. Perfiles de producción irregulares de la generación de gas variable

La actividad metabólica de los metanos depende de factores como la temperatura, el pH, el contenido de la humedad y la disponibilidad de nutrientes. En un entorno de vertederos, por ejemplo, la generación de gas sigue una curva en forma de campana durante varias décadas, con un pico que puede ocurrir años después de la sepultura inicial. Si un pozo comienza la producción durante el miembro creciente de esta curva, el perfil de tiempo de velocidad resultante muestra un período prolongado de producción creciente o estable antes de cualquier de de de decliveción mono.

2. Divulgación rápida temprana seguida por estabilización ampliada

Muchos pozos de gas biógeno muestran un perfil característico de dos segmentos: una pronunciada disminución inicial de semanas a meses, seguido de un largo período de declive muy gradual o de velocidad casi constante.La temprana disminución de la producción de gas se refleja en la producción de gas libre acumulada en el área de cerca del agua o en las fracturas inducidas.

3. Heterogeneidad lenta y cambio de la permeabilidad efectiva

Los depósitos de gas biogénicos se componen a menudo de sedimentos heterogéneos como siltos, arenas y lentes de arcilla intercalados con costuras ricas en orgánico. Diferentes capas poseen diferentes valores de permeabilidad, y como el producto de agotamiento, las capas de menor permeabilidad pueden comenzar a contribuir al gas después de que el flujo de alta permeabilidad se agote y la reducción de presión

4. Historias de producción censurada y escasa

Los proyectos de gas biogénico son a menudo más pequeños que los campos de petróleo y gas convencionales, y sus historias de producción pueden ser relativamente cortos. Un pozo de gas de vertedero típico puede tener sólo dos o tres años de datos antes de que se requiera un pronóstico de rendimiento de dos fases.

Soluciones y mejores enfoques de modelado para gas biogénico DCA

Para hacer frente a los desafíos anteriores es necesario ir más allá de la simple curva de Arps e incorporar fuentes de datos adicionales y modelos matemáticos más flexibles.

Modelos de Divulgación Personalizados con parámetros de Vuelta al Tiempo

El estándar DCA supone que la tasa de disminución nominal sigue siendo constante o sigue una simple ley de poder. Para los depósitos biógenos, es a menudo beneficioso utilizar modelos que permiten que el exponente declinación cambie con el tiempo. El modelo de Declina Exponential Stretched (SEDM) y el modelo Duong (desarrollado originalmente para las sombras fracturadas) ofrecen más flexibilidad.

Simulación numérica como complemento de DCA

El modelo de producción de D es un modelo de reducción de la presión de alta capacidad y de baja calidad para la producción de gas, que permite una producción de doble densidad o doble permeabilidad, puede generar la interacción entre el sistema de cleat de alta capacidad (o canal de arena) y la matriz de baja permeabilidad en el que se almacena o genera el gas biógeno.

Apropiación integrada de datos y aumento del aprendizaje automático

Dada la limitada historia de producción típica de proyectos biógenos, es esencial integrar todas las fuentes de datos disponibles, lo que incluye:

  • Datos geológicos: Atributos sísmicos, registros bien, permeabilidad básica y mapas de las facultades que definen las unidades de flujo.
  • Datos geoquímicos: Composición isotópica de gas (δ13C, δD) confirmando el origen bigénico y proporcionando información sobre la vía de generación de metano (acetoclástico vs. hidrógenootrófico).
  • Datos microbiológicos:] Secuencia de ADN y ensayos metabólicos que cuantifican la población metanogena y su potencial de actividad.
  • Datos de las operaciones: Presión de los pozos, relación de los gases de agua y volúmenes de inyección/extracción que revelan la dinámica de fase de fluidos.

Modelos de regresión de aprendizaje automático como el Bosque Aleatorio o el Boosting de Avanzado pueden ser entrenados en un conjunto de datos multiwell para predecir el factor b y la tasa de declive inicial basado en estas características de entrada. Tales modelos basados en datos pueden proporcionar una estimación previa para los parámetros de DCA, reduciendo la incertidumbre cuando se ajusta a los datos individuales de pozos.

Probabilistic DCA and Uncertainty Quantification

Para manejar el alto grado de incertidumbre de previsión inherente a los depósitos biógenos, se debe sustituir el DCA determinista (una sola curva) por un enfoque probabilístico.

  • Monte Carlo simulation:] Assign distribution functions to the DCA parameters (qi, Di, b) limiteded by the observed data and any prior knowledge. Run thousands of simulations to generate a probability distribution of ultimate recovery.
  • Markov Chain Monte Carlo (MCMC): Un enfoque Bayesiano que actualiza las distribuciones del parámetro a medida que llegan nuevos datos. Esto es especialmente adecuado para el caso de datos limitados, ya que evita la sobreajustación mediante la codificación de creencias anteriores.
  • Resampling de bootstrap: Para pozos con suficientes datos, muestre repetidamente los datos históricos con reemplazo, ajuste un modelo DCA a cada muestreo, y compile las previsiones resultantes en una distribución.

El DCA probabilístico proporciona a los responsables de la adopción de decisiones la gama de posibles resultados en lugar de un solo número. Esto es crítico cuando se evalúa la viabilidad económica de un proyecto de gas biógeno, si el P90 (10 percentil de reservas) está por debajo del umbral del proyecto, la inversión puede no justificarse incluso si el P50 (mediano) parece atractivo.

Implicaciones prácticas para la gestión de los reservas

La adopción de estas técnicas avanzadas de DCA tiene beneficios directos para la gestión de depósitos diarios. Primero, permite optimizar el espaciado bien. Si el modelo DCA identifica un largo período de estabilización, sugiere que los pozos pueden ser espaciados más lejos porque cada pozo drena una gran área a un ritmo bajo. Segundo, mejores previsiones mejorar los contratos de marketing de gas, ya que los operadores pueden comprometer a los volúmenes de entrega con mayor confianza.

Actualización de modelos continuos como práctica básica

Tal vez la mejor práctica para DCA en depósitos de gas biógeno es tratar el pronóstico como un documento vivo, no un ejercicio de una sola vez. Debido a que el embalse es biológicamente activo y sujeto a cambios ambientales, un modelo que se ajusta perfectamente en su primer año de producción puede subvalorarse en los años posteriores, ya que la comunidad microbiana se adapta o las condiciones externas cambian.

Conclusión

El análisis de curvas para depósitos de gas biógeno requiere una salida fundamental de métodos tradicionales basados en Arps. La naturaleza dinámica de la metanogenesis microbiana, combinada con heterogeneidad geológica y la prevalencia de flujo de dos fases, produce perfiles de producción que no siguen simples agotamientos monotónicos. Reconociendo estos desafíos únicos es el primer paso para desarrollar pronósticos más fiables.