Análisis Simultáneo de Datos de Presión y Tasa a partir de Mediciones Permanentes en el Fondo del Hoyo
La data que proviene del PDG puede ser usada en la determinación de los parámetros de los yacimientos, la recuperación apropiada, esquemas para el mejoramiento del recobro del petróleo y de la gerencia del yacimiento.
La data también puede ser usada para monitoreo día a día de las condiciones del pozo como el desarrollo del daño, desempeño de la terminación y la evaluación de la estimulación apropiada.
Identificación de puntos de quiebre
El algoritmo de wavelet para hallar puntos de quiebre esta basado en la definición en un módulo máximo de wavelet, que es básicamente un punto alto o bajo en la señal detallada. Un nivel de descomposición y el comienzo de la pendiente debe ser escogido para la identificación del punto inicial transiente. Después de escoger estos parámetros, localizaciones posibles para posiciones iniciales de nuevos transientes son proporcionadas por el módulo máximo de wavelet.
Filtros de Savitzky-Golay FIR: un filtro FIR (respuesta de impulso finito) es un tipo de filtro digital que reemplaza cada valor de dato “fi” por una combinación “gi” y algún número de vecinos cercanos.
Aplicación y comparación con el algoritmo de wavelet: el algoritmo desarrollado usando los filtros S-G para la identificación de puntos de quiebre fue aplicado a datos de tasas y presiones reales de campos. La data fue generada en intervalos de 5 segundos durante un período de un mes. Se realizaron pruebas de Buildup y Drawdown.
Comparando los puntos de quiebre identificados por los dos algoritmos en los datos de presión, se observa que el método de los filtros S-G identifica una cantidad significativamente menor de puntos de quiebre que el método de wavelet mientras identifica todos los puntos de quiebre más grandes.
Método de Segmentación
El Método de Segmentación es un algoritmo que localiza los puntos de quiebre significativos en la señal eliminando los transientes falsos y pequeños usando un solo parámetro como entrada.
Este método se desarrolló debido a la gran cantidad de datos producidos por las mediciones permanentes en el fondo del hoyo y tiene el potencial de volverse completamente automatizado.
Este algoritmo puede ser resumido en tres pasos:
1.Identificar lo que puede ser llamado puntos estratégicos, mediante la solución de problemas de distancia ortogonal máxima.
2.Calcular el área debajo de cada punto estratégico mediante la consideración de otros dos puntos estratégicos a cada lado del primer punto. El área puede ser aproximada mediante el método del polígono.
3.Luego se realiza un proceso en que los puntos de quiebre falsos son descartados usando un área muy pequeña la cual es tomada como una fracción más pequeña del área mayor en el set de datos.
Impacto de los datos de la tasa continua en la interpretación
La mediación segura de la tasa de flujo es un factor muy importante en la obtención de varios parámetros del pozo y el yacimiento a partir del análisis de la presión transiente. Desafortunadamente las tasas son raramente monitoreadas continuamente lo que lleva asumir una tasa constante por encima del período de prueba de buildup o drawdown.
Athichanagorn y Khong desarrollaron una metodología para la reconstrucción de la historia de la tasa de flujo donde la información de la tasa de flujo es inadecuada. Para ello, se incluyeron tasas de flujo desconocidas como parámetros del modelo en un modelo de regresión lineal para unir la respuesta de presión.
Conclusiones
El algoritmo wavelet tiene algunas limitaciones para la identificación de transientes significativos mientras elimina puntos de quiebre falsos y mas pequeños.
Entre los algoritmos alternativos, la tranformada estacionaria de wavelet (SWT) usando el método Harr wavelet solamente con el criterio de principio de pendiente, no fue muy efectivo en la identificación de los puntos de quiebre mas pequeños.
El filtro polinomial Savitzky-Golay (S-G) desarrolla mejor que las aproximaciones basadas en wavelet, tanto en datos de tasa de flujo como de presión mediante la identificación de una mayor cantidad de puntos de quiebre verdaderos mientras conserva una menor cantidad de puntos de quiebre falsos y pequeños.
El novedoso patrón de reconocimiento llamado Método de Segmentación y sus variantes, usando datos de presión y tasa, mostró ser muy efectivo a la hora de identificar todos los puntos de quiebre significativos mientras retiene una pequeña cantidad de transientes.
Usar la tasa de flujo promedio en lugar de la tasa de flujo real tiende arrojar un estimado erróneo de permeabilidad y daño.
Referencia
SPE 110097 - Analyzing Simultaneous Rate and Pressure Data From Permanent Downhole Gauges. Himansu Rai, SPE, and Roland N. Horne, SPE, Stanford University
