Energía de la Biomasa

Introducción

El gobierno venezolano se ha presentado en las jornadas de ingeniería en la Universidad Central de Venezuela, donde se ha tocado por primera vez, las energías limpias con promoción a la investigación y a la inversión en pequeños proyectos que se han de derivar de estas jornadas. Nuestra empresa (ACP CA), conformada por recién egresados en la ingeniería de petróleo y entendiendo la problemática mundial sobre el cambio climático generado por tantos años en el uso de energías provenientes de fósiles (HC), ha tomado esta oportunidad de oro para trabajar en una investigación para cumplir con la propuesta de ejecución de proyectos con base en el uso de energías limpias. Se han dado todas las reglas para orientar el proyecto y con base a eso, se comenzó a trabajar.

Como punto de partida, se tomaron los estudios que en la misma escuela de ingeniería de petróleo se han estado llevando y tiene que ver con la BIOMASA. El departamento de Perforación y Producción, específicamente el laboratorio de fluidos de perforación y su titular, la profesora Yujeisly Reina ha llevado varios trabajos de tesis de pregrado con el uso de BIOMASA con fines de estudiarlos para que sean aditivos naturales al lodo de perforación. Entre la BIOMASA usada se encontró el BONOTE de COCO ⁽¹⁾, la CAESALPINIA CORIARIA o Viriviri ⁽²⁾, el polvo de conchas de PAPA ⁽³⁾, la concha de MANDARINA ⁽⁴⁾ y la concha de PLÁTANO ⁽⁵⁾. Razón, por la cual después de leer las bases de estos estudios, nuestro grupo y mi persona decidió seguir la investigación con el uso de conchas de cítricos en este caso, se tomó las CONCHAS de NARANJA con la finalidad de generar BIOCOMBUSTIBLE.

El biocombustible a producir proviene de biomasa primaria ya que se utilizaría la concha de naranja que es un residuo vegetal ⁽⁶⁾. El combustible sería de segunda generación.

La justificación primeramente proviene de la posibilidad de uso del material de residuo que generan este tipo de fruta (naranja) ya sea por el carácter industrial y comercial, al estado venezolano hacer uso del mismo en vez de su disposición final que actualmente no se clasifica como desecho orgánico quedando expuesto al ambiente siendo más bien un problema de salud urbana, y segundo en el potencial que existe de generar de la concha de naranja biocombustibles para mezclar con el fuel de aviación o transporte o biogás.

La propuesta de generación del biocombustible estaría relacionada con la obtención del aceite de naranja a través de su mejora con la hidrogenación para su transformación final (reducción de la formación de hollín), en aditivo para biorreactores y poder mezclar con fuel para la aviación y transporte ⁽⁶⁾. La otra propuesta es el uso de las cáscaras como las de naranja como biocombustible y su potencial energético, así como también la generación de biogás a través de la fermentación ⁽⁷⁾.

En el contexto venezolano, la propuesta debe indicarse como referencia de otros países que han dado sus primeros pasos en el uso de las conchas de naranja con vistas a ser un potencial biocombustible o biogás. Como se mencionó en la justificación todo país que tenga una tasa de producción y consumo regular y no dispone sanitariamente los residuos resultantes, le debe ser atractivo esta propuesta.

Según datos reportados por FEDEAGRO para el 2023 ⁽⁹⁾ los resultados de las políticas públicas como de otros factores como (fertilizantes, clima, comunidades, granjas privadas, equipos, etc.) han afectado enormemente la producción agrícola en Venezuela (tabla 1), no teniendo algún reporte sobre la disposición de los residuos, sin embargo, la apuesta es al crecimiento y a la ejecución de planes y la adopción de políticas públicas reactivadoras, estar abiertos a este tipo de propuestas que agregan valor e impulsar a los productores a tener primeramente conciencia ambientalista, creativa y agregar iniciativas al ciclo de producción nacional agrícola.

Tabla 1. Estimados de producción nacional en rubros seleccionados (FEDEAGRO, 2023) ⁽⁹⁾

Si notamos en la tabla, la naranja no es uno de los rubros con mayor producción, ciertamente, otros rubros de mayor impacto siguen encabezando la prioridad de la alimentación del venezolano, de manera que no se estaría afectando su participación como producción de cultivo con fines de alimentación y podrían pensarse en su reuso con miras a un valor energético.

Si se partimos del último párrafo de la pregunta anterior, el sustento en seleccionar en el tipo de BIOMASA, a los residuos agrícolas con relación a los de tipo forestal y del tipo de algas, es por un valor creativo e innovador para Venezuela. Es por ello, que nuestro empeño como empresa de presentar a la BIOMASA de tipo residuo agrícola a las conchas de naranja.

Para poder entender y unificar este trabajo de base como propuesta de generación de biocombustible a partir de las conchas de naranja, se pondrá un poco el contexto del proceso del comercio y consumo de las naranjas en el mundo y en Venezuela.

¿Por qué las conchas de naranja? ¿Qué química hay que puede ser aprovechable convirtiéndolo en un biocombustible? Estas preguntas son necesarias responderlas para poder explicar la selección de las conchas de naranja.

La naranja (Citrus Sinensis) como parte de la familia de los cítricos, no sólo es fuente de minerales y vitaminas, como valor nutricional para el ser humano, sino también aporta poder energético tanto en sus semillas como en sus conchas ya vistos como un residuo. Su mayor aporte químico son los TERPENOS. Además, como otros alimentos, si no tiene un destino final aprovechable, su disposición no controlada causa problema sanitarios.

Las cáscaras y semillas de frutas, así como los principales residuos de muchas frutas, han merecido un especial cuidado por parte de los investigadores y la industria en general, dado que a través de estos residuos se han obtenido muchos productos de interés. Algunos ejemplos son: biocombustibles, saborizantes, colorantes, aceites esenciales, carbón activado y biofertilizantes. Además, las cáscaras y semillas de frutas también son una fuente importante de compuestos químicos, empleados en la industria farmacéutica para la elaboración de medicamentos utilizados en la prevención y tratamiento de enfermedades ⁽⁸⁾.

Las cáscaras o conchas de las frutas, en este caso como la de la naranja se aprovechan en Venezuela principalmente por emprendimientos y algunas empresas como un postre llamado “cáscaras de naranja en almíbar” y en la generación de aceites naturales para uso comercial, no siendo la relación consumo/residuo vistas como un aprovechamiento de su valor agregado como una alternativa energética. Tal vez como se menciona en el párrafo anterior, su uso sigue estando en la industria alimenticia y farmacéutica.

La experiencia impartida por el Centro Europeo de Postgrado (CEUPE) en el Master de Energías Renovables, es un buen punto de partida para explicar al ente público, el uso de la BIOMASA como alternativa aprovechable, siendo los residuos agrícolas como es el caso que se expone, una excelente propuesta de inicio para incorporar a Venezuela en esta materia, dando entonces la introducción del uso de las conchas de la naranja.

Como cualquier BIOMASA de tipo residuos agrícolas, éstos deben exhibir cuantitativamente propiedades físicas y químicas que determinen valores de potencialidad que permitan luego estimar su valor energético y de allí proponer la transformación de éstos en ya sea biocombustibles.

El conocimiento de las masas de las cáscaras de frutas, es de gran importancia para el diseño y selección de equipos y contenedores de almacenamiento, transporte, disposición, tratamiento, aprovechamiento y valorización (Ixtaina, 2010; Cerón et al, 2015). Con el conocimiento de la masa y el volumen, se pueden establecer el índice de generación de residuos (para las conchas de naranja de 24.66 %) y el valor de la densidad (para las conchas de naranja: 0.99-1.09 gr/cm3), que son parámetros que van a permitir establecer la disponibilidad de recursos con los que se cuenta para el aprovechamiento y la capacidad de los equipos que se requieren. ⁽⁸⁾

En cuanto a la caracterización química de las cáscaras de frutas, se encuentran la estimación de la humedad, materia volátil, cenizas y carbón fijo, para poder estimar el índice de combustibilidad, y el poder calorífico. ⁽⁸⁾

Con referencias a estos parámetros, los valores referenciales encontrados para las cáscaras o conchas de naranja se muestran en la tabla 2.

Tabla 2. Análisis próximo en base seca e índice de combustibilidad para cáscaras de algunas frutas. Página 129 ⁽⁸⁾

Un contenido alto de materia volátil, favorece la ignición rápida del residuo, en este caso la de la concha de naranja se referencia un valor alto. Con respecto a los valores altos de carbono fijo deben ser mayores a 50% para permitir que la combustión sea más prolongada, es decir, no se requiere de alimentar con más frecuencia residuos para mantener la combustión y también indican que los residuos tienen un mayor poder calorífico y van a entregar más energía al quemarlos ⁽⁸⁾. En este caso conchas de naranja no superan este valor, pero se encuentra entre los más altos.

De acuerdo con las cenizas, mientras éstas sean menores al 5%, ya que también afecta el poder calorífico del material y adicionar algún tipo de corrosión a los equipos donde se realice la combustión ⁽⁸⁾.

Entre otros análisis se encuentran el de los elementales (Carbono, Hidrógeno y Oxígeno) que, combinados con los anteriores, ayuda a determinar, mediante correlaciones, se encuentra el poder calorífico superior (Basu, 2010a; Vargas-Moreno et al., 2012). También la presencia de Azufre y Cloruros, determina la posibilidad de generación de gases contaminantes en la combustión de los residuos de esta naturaleza (conchas).

Tabla 3. Análisis elemental en base seca libre de ceniza de cáscaras de algunas frutas reportadas en la literatura. Página 134 ⁽⁸⁾

El poder calorífico o energía contenida en un residuo representa el calor liberado en la combustión completa del carbono e hidrógeno de la materia orgánica. Este parámetro térmico es empleado para cálculos de diseño o para realizar simulaciones numéricas de sistemas de conversión térmica de biomasa (Sheng y Azevedo, 2004). El poder calorífico puede ser reportado como superior (hhv por sus siglas en inglés - High Heating Value) o inferior (lhv, por sus siglas en inglés - Low Heating Value). El hhv de la cáscara de naranja es de 19.34 MJ/Kg ⁽⁸⁾.

Con los parámetros anteriores y tomando referencias de éstos y en comparación con otras cáscaras o conchas de frutas como residuos, se muestra que éstas pueden optar como material post consumo en considerarse para convertirse en biocombustibles o biogás.

En Venezuela, hay regiones por excelencia de cultivo de naranjas, en Yumare, estado Yaracuy, le siguen Sur del Lago, estado Zulia y estados Anzoátegui y Carabobo. El sector venezolano a pesar de haber decaído enormemente como productor y casi que inexistente su exportación, sigue produciendo naranjas, sin actualización adecuada de sus precios. Se pone esto en el contexto ya que disponibilidad de cosecha sigue existiendo como se mostró en la tabla 1 para el año 2023, y esa producción, aunque sea muy baja atiende al sector al consumidor y a las industrias que la usan como materia prima, quiere decir que la cadena de valor de la naranja continua con sus dificultades, pero sigue siendo entre los rubros que se mantiene. El rango de precio minorista para Venezuela de las naranjas está entre US$ 1.80 y US$ 4.08 por kilogramo o entre US$ 0.82 y US$ 1.85 por libra (lb) ⁽¹⁰⁾, pareciera alto, pero ha permitido que el productor pueda apalear los costos de producirla bajo un escenario no favorable tanto por razones de cultivo (plagas) y no actualización de precios oficiales. Por lo que, para esta propuesta, las regiones antes mencionadas seguirán en pie con la producción de naranjas y se garantiza a nivel país ya como residuo agrícola, el tener las conchas de naranja disponibles.

En cuanto a la sostenibilidad, garantizar el consumo al venezolano y que el sector gobierno implemente mejoras para seguir la producción a pesar de todas las dificultades expuestas, es la base de sustento que esta propuesta de uso de las conchas de naranja como material de residuo agrícola con miras de generación de biocombustibles o biogás pueda ser una alternativa que beneficie por sí misma la producción de naranjas y luego aplicar incentivos para su ejecución sobre todo en las industrias que la usan como materia prima y poner a disposición oportunidades en nuevos emprendimientos que tengan como objetivo la recolección de los desechos de las naranjas y en otros con inversión y tecnología externa, la generación de biocombustibles, tanto en conocimiento como en tecnologías. Desde el punto de vista académico, la Universidad Central de Venezuela, a través de la facultad de ingeniería (agronomía y química) cuenta con trabajos especiales de grado (pre y post) que han atendido este contexto en especies como arroz, maíz y en los RSU.

De acuerdo al desarrollo del punto 2, la propuesta de generación o transformación de alguna BIOMASA, con base al material desarrollado, es la de Biocombustible y como Aditivo, para mezcla en Biodiesel.

3.1.- Combustión (conversión termoquímica)

De acuerdo a los valores referenciales de las características físicas y químicas de las conchas de naranja antes mencionadas, se tiene una base para proponerlas como biocombustible a través de su rendimiento en la combustión. Adicionalmente, el índice de generación de residuos del 24.66 %, permite inferir la cantidad disponible de conchas de naranja de acuerdo a la producción nacional de 3500 toneladas métricas, estarían en el orden de 863 toneladas métricas y si se visualiza esta propuesta viable, llegar a producir los 150000 toneladas métricas, se estarían generando casi 100000 toneladas de residuos de conchas de naranja y podría ser apreciable la cantidad de energía aportada tomando en cuenta el valore referencial de su poder calorífico de 19.34 MJ/Kg, se estaría aportando desde unos 4700 MJ a 1900000 MJ de energía (datos estimados por el autor).

Si se observa comparativamente con productos de origen forestal y fósil, las conchas de naranja se encuentran entre el primer renglón de contribución, lo que pudiera reflejar en su rendimiento frente a los otros con miras de combustible, sin embargo, pudiera figurar como aditivo. A continuación, las tablas 4 y 5, muestran los valores de poder calorífico y en la figura 1, un gráfico de barras donde se muestran esta comparación.

Tabla 4. Poder calorífico de combustibles. ⁽¹¹⁾

Tabla 5. Poder calorífico de algunos productos combustibles líquidos. ⁽¹²⁾

Figura 1. Comparativa del poder calorífico de la concha de naranja versus otros combustibles. (fuente propia)

3.2.- Biodiésel (por conversión fisicoquímica)

En este caso el proceso de la conversión fisicoquímica se utiliza para producir biocombustibles líquidos a partir de semillas, conchas y aceites. El aceite por ejemplo derivado de las conchas de naranja es sometido al proceso de transesterificación para finalmente producir Biodiésel,

Los terpenos o D-limoneno es excelente por su densidad, poder calorífico y propiedades en frío, se encuentran en las cochas de la naranja, especialmente en el aceite que se deriva de ellas.

Aplicando el proceso de transesterificación, el aceite de naranja es utilizado como combustible para los reactores (hasta un 15% de mezclado) y seguido el proceso, se obtienen Biodiésel.

Aún siguen siendo materia de investigaciones sobre el uso de las conchas de naranja, especialmente el del aceite, sin embrago, datos en España, el 0,1% y 0,2% se ha usado para producir queroseno diésel respectivamente como aditivos.

En términos de otro proceso para generación sería como Biogás, sólo que éste vendría acompañado de todos los residuos agrícolas en general, llamados vertederos. En Venezuela, estos vertederos degradan la materia orgánica sin algún tipo de proceso asociado, por lo que no se aprovecharía nada como producto.

En cambio, la combustión y la generación de aditivos para Biodiésel son procesos que pueden ser acoplados a los sitios cercanos de las principales industrias. La rentabilidad o eficiencia de cada proceso antes expuesto dependerá del valor que se le dé como destino final. La capacidad calorífica de las conchas de la naranja puede ser competitiva si vuelven políticas estables para incrementar la producción de las mismas, es un proceso que es sí cubre todo su potencial, en cambio, como aditivo para generar Biodiésel está en etapas prematuras alcanzando ser parte de hasta el 15% pero con logros significativos aún no masivos.

El impacto ambiental solamente de los residuos ya sean éstos de origen agrícola, agropecuario, forestal, ya es un problema de alto nivel si no se tiene control, llámese disposición final. No sólo porque es ornamentalmente desagradable sino es por salud pública.

La producción de combustible o aditivos producto de las conchas de naranja, entrarían en la cadena de valor del rubro de las naranjas, ya que la propuesta considera que, en los lugares de destino de las naranjas como materia prima, tales como las industrias bien esa éstas o emprendimientos nuevos, sean parte del mismo lugar, así hay un mínimo impacto con la movilización de los residuos a otras localidades.

Ahora con respecto al producto, allí se tiene que pensar en como medir el impacto en la cadena de valor de diésel, por ejemplo, el aporte dentro de este compuesto final radicaría en menos contaminación a la atmósfera, poder cambiar progresivamente el parque automotriz a combustión híbrida de manera de ir concientizando a las comunidades del uso de biocombustibles que han sido generados de un producto de cosecha inmerso en su localidad, el cual ha dado participación para su desarrollo.

 

Referencias 

Basu, P. (2010a). Biomass Characteristics. En Biomass Gasification and Pyrolysis (pp. 27-63). Elsevier. https://doi.org/10.1016/B978-0-12-374988-8.00002-7

Centro Europeo de Postgrado. (2024). Módulo Energía de la Biomasa. Unidad 01. Introducción. Páginas 4, 9, 10.

Cerón, A., Latorre, L., Bucheli, M., Osorio, O., Mejía, D. y Garcés, L. (2015). Determinación de constantes de velocidad de rehidratación y cabios sobre algunas propiedades físicas en semillas de arveja (Pisum sativum L.). Revista Lasallista de Investigación, 12(1), 21-32. http://www.scielo.org.co/pdf/rlsi/v12n1/v12n1a03.pdf

Ixtaina, V. (2010). Caracterización de la semilla y el aceite de chía (Salvia hispánica L.) obtenido mediante distintos procesos. Aplicación en Tecnología de Alimentos [tesis doctoral. Universidad Nacional de la Plata, Argentina]. Repositorio Institucional. http://sedici.unlp.edu.ar/handle/10915/2679

Sheng, C. y Azevedo, J. (2004). Estimating the higher heating value of biomass fuels from basic analysis data. Biomass and Bioenergy, 28 (5), 499-507. https://doi. org/10.1016/j.biombioe.2004.11.008

Vargas-Moreno, J. M., Callejón-Ferre, A. J., Pérez-Alonso, J. y Velázquez-Martí, B. (2012). A review of the mathematical models for predicting the heating value of biomass materials. Renewable and Sustainable Energy Reviews, 16, 3065-3083. https://doi. org/10.1016/j.rser.2012.02.054

1.- Hernández C. Julio C. (2019). “Evaluación experimental de los cambios que genera el bonote de coco en las propiedades físicas y químicas de un fluido de perforación base agua bentonítico al 5%”. Universidad central de Venezuela. Caracas.

2.- Ramos U. Paola y Rodríguez B., Noyka E. (2018). “Evaluación experimental de la efectividad de la Caesalpinia Coriaria como agente defloculante en el tratamiento de fluidos de perforación base agua bentonítico al 5 % contaminado con yeso (CaSO₄.2H₂O)”. Universidad central de Venezuela. Caracas.

3.- Gil, Glorimar y Vallejo F., Carlos. (2024). “Evaluación experimental de la efectividad del polvo de conchas de papa (pcp) como agente viscosificante en el tratamiento de fluidos de perforación base agua bentonítico al 5%”. Universidad central de Venezuela. Caracas.

4.- Petit M., Irvany M. (2023). “Evaluación de la efectividad del polvo de concha de mandarina (pcm) como aditivo para controlar filtrado en un fluido de perforación base agua al 5% de bentonita”. Universidad central de Venezuela. Caracas.

5.- Dabuin M. Wendy y Rodríguez R. Adriana. (2024). “Evaluación experimental de la factibilidad del uso de la concha de plátano como aditivo orgánico en fluidos de perforación base agua bentonítico al 5%”. Universidad central de Venezuela. Caracas.

6.- Cáscara de naranja como biocombustible (2023, 14 febrero). Ecoportal.net. Cáscara de naranja como biocombustible/

7.- Haim, Liliana (s.f.). Las cáscaras como fuentes de biocombustibles. Docente de la Fundación de Escuelas San Juan.

8.- Rojas, G., Andrés F. (2023). “Caracterización física y química de residuos de frutas: cáscaras y semillas”. Facultad de Ingeniería, Universidad Nacional de Colombia. Manizales. y Arquitectura.

9.- Resultados del año 2023. (2023). Fedeagro.org. El-2023.pdf

10.- Precios de las Naranjas Venezolana. (s.f.). selinawamucii.com. Precio de las naranjas en Venezuela - Precios de mercado de octubre 2024 (actualizados diariamente)

11.- Unidades-de-energía-y-poder-calorífico (2018, 18 octubre). Brageconsultores. https://brageconsultores.blogspot.com/2011/10/unidades-de-energia-y-poder-calorifico.html

12.- Latas de gel de etanol (2011, 10 abril). Descendedor. https://descendedor.blogspot.com/2011/04/latas-de-gel-de-etanol-lacor-sl-bergara.html

 

Aplicaciones del Machine Learning en la caraterización de litologías complejas: Introducción

 Aplicaciones del Machine Learning en la caraterización de litologías complejas: Introducción

En esta ocasión, comenzaremos la introducción sobre este tema de inteligencia artifical, data analítica y aprendizaje profundo con fines académicos.

Para entender un poco mejor como llegamos al uso de estos algorítmos, pasemos una línea de tiempo del uso de estas herramientas, iniciando con la "Estadística". Veamos esto en dos figuras (1):

Acá vemos como desde el principio de la era Antigua hasta la caída del Imperio Romano (476 DC), la estadística como uso social comenzó a usarse hasta llegar a la era Contemporánea (1789-actualidad), con aplicaciones de la estadística en las ciencias sociales, estudios descriptivos y de cuantificación de relaciones, así como también su aplicación en la industria petrolera (E&P). Luego llegamos al siglo XXI, donde venos estas metodologías de Ciencia de Datos, donde nos introducimos en la organización y visualización de datos, clasificación, predicción, etc.

Historia, antecedentes y conceptos originales (2)

v  Desde los primeros usos de los métodos AI/ML en la industria petrolera, la caracterización de yacimientos ha sido un área de aplicación principal debido a su naturaleza  y basada en datos

v  Los métodos AI/ML son ideales para aplicaciones de petrofísica y caracterización de yacimientos que incluyen múltiples escalas y tipos de datos (desde sísmicos hasta núcleos y registros)

v  Litología, identificación de la unidad de flujo, identificación de “Sweet spot” se encuentran entre las técnicas exitosas (Bestagini et al. 2017). Estas aplicaciones están siendo actualmente expandidas a yacimientos no convencionales, donde tienen más valor (Hoeink y Zambrano 2017)

v  En términos de predicción, AI/ML se aplicaron por primera vez a estimaciones de propiedades de fluidos y rocas yacimientos a partir de datos experimentales (p. ej., registros, núcleos) para desarrollar correlaciones (McCain et al. 1998; El-Sebakhy et al. 2007).

v  Luego se utilizó AI/ML con la generación de registros sintéticos, inversión sísmica (Artun y Mohaghegh 2011) y la integración de múltiples conjuntos de datos para la identificación del “Sweet Spot”(Ertekin 2021)

v  Los modelos basados ​​en datos también se han utilizado con éxito en el ámbito del rendimiento y predicción de la producción en yacimientos no convencionales (Esmaili y Mohaghegh 2016; Al-Alwani et al. 2019)

v  Uso de técnicas de ML para cuantificar y analizar la incertidumbre se ha vuelto más práctica en comparación con el uso de modelos de simulación de yacimientos de alta fidelidad debido a la mejora eficiencia computacional

v  El objetivo de los métodos basados ​​en datos no es estar limitado para encontrar estructura en los datos, pero debe ser capaz de interpretar los datos en términos de principios físicos fundamentales.

v  Los modelos basados ​​en ML se han utilizado con éxito tanto para fines de clasificación como de predicción para la toma de decisiones de desarrollo relacionadas con campos convencionales maduros y no convencionales en cuanto a la optimización del número de pozos, ubicación, trayectoria y terminaciones; recuperación mejorada de petróleo; inyección de agua y la selección de pozos candidatos para reestimulación (Kaushik et al. 2017; Burton et al. 2019; Zhou y Lascaud 2019).

En la próxima entrega, comezaremos a integrar con su uso en la geociencias.

Autores:

Ing. Eliana Alvarado

Ing. Carlos Montiel, Msc

Bibliografia consultada:

1.       https://www.estadistica.net/Historia/historia.html

2.       Sankaran, A., Matringe, S., y Artun, E. 2022. “Data Analytics, Artificial Intelligence and Machine Learning”. Reservoir Technologies of the 21st century. SPE. Paginas 80-86

 

RTA (Rate Transient Analysis) y Volumen estimulado de yacimiento (SVR). Microsísmica como ayuda?

 RTA (Rate Transient Analysis)

Dentro del estudio de yacimientos no convencionales tipo Shale (petróleo/gas) hemos abarcado principalmente todas aquellas disciplinas y su aporte en la evaluación y caracterización de este tipo de YNC. Sin embargo, cuando ya tenemos producción de hidrocarburos y bien discretizado donde es gas, condensados y líquidos, debemos también incorporar técnicas y metodologías que permitan interpretar los comportamientos de producción vistos a través de los pozos, poder hacer un diagnóstico y verificación de los modelos de simulación que sirvieron de evaluación inicial, es decir, hacer una retroalimentación e ir entendiendo como funcionan desde el punto de vista dinámico.

Una de esas metodologías que permiten analizar el comportamiento de producción de este tipo de YNC y estimar Reservas muy bien conocida en la ingeniería de yacimientos como lo es el Análisis de Declinación de Producción (ADP) o Decline Analysis (DA) en inglés. También, la Microsísmica permite optimizar el fracturamiento hidráulico y por ende, el modelo de fracturas.

Vamos a comenzar con el ADP. Recordemos que son modelos empíricos, que de la tradicional ingeniería de yacimientos se han llevado a la interpretación de estos YNC. Dentro de esta metodología, existen muchos aportes de autores como (Arps, 1945 y Fetkovich, 1973) y otros quienes han desarrollado modificaciones para poder incorporar parámetros propios de estos YNC, como por ejemplo, contenido de arcilla, fenómenos de transporte, entre otros.

A continuación se muestran algunas figuras con la producción registrada de pozos (Shale oil y Shale gas) con la finalidad de ejemplificar el comportamiento de producción. Se comienza con la etapa de evaluación del modelo donde se representará al Shale, luego se simula cual será el efecto y alcance de las fracturas, y una vez perforados los pozos, entonces se comienza la etapa de seguimiento de la producción y el comportamiento puede ser evaluado, revisado y pronosticado a través del la metodología de ADP. El comportamiento de producción típico, asemeja a forma de producción de yacimientos naturalmente fracturados donde hay una contribución de la fractura en este caso hidráulicamente generada y luego el aporte mixto con la matriz o resto del Shale (Figura 1).

Figura 1. Comportamiento típico de pozos en YNC tipo Shale.

Otro ejemplo en Dakota del Norte, Estados Unidos (Figura 2).

Figura 2. Comportamiento típico de pozos en YNC tipo Shale (Shale Profile Newsletter, 2022)

 

El análisis de la curva de declinación de producción, permite:

– Determinar el exponente b de Arps a partir de la regresión de datos históricos de producción de cada grupo de pozos ya sea el análisis tipificado de esta manera o por pozo individual;

– Análisis de pronóstico

– Formular una curva de tipo de producción para cada pozo o grupo de pozos ⁽²⁾

Figura 3. Comportamiento típico de pozos en YNC tipo Shale (²)

 

Por ejemplo, en este gráfico arriba, se puede evidenciar que los pozos que tienen mayor índice de productividad (IP) y tendencias de declinación son similares en el tiempo, con algunas otras condiciones:

– Fracturas naturales abiertas

– Anisotropía de baja tensión

– Capacidad de tubería maximizada afuera

– Los pozos no interfieren entre sí

 

Antecedentes:

Análisis histórico de tasa de tiempo: Arnold y Anderson (1908) introdujeron el uso de series geométricas para calcular pozos de petróleo y gas, las tendencias de declinación de la producción. Lewis y Beal (1918) luego ampliaron el trabajo de Arnold y Anderson al introducir el uso de curvas de declinación porcentual para hacer que los datos de los pozos sean comparables para el análisis. Las definiciones más básicas de las funciones de parámetro de declinación, es decir, la tasa de pérdida o loss-ratio y, Johnson y Bollens (1927) presentaron por primera vez funciones derivadas éstas y se dan como ⁽³⁾:

En el artículo resumen de Arps (1945) se presentaron las variables y modelos básicos de la curva de declinación y aplicaciones. Cabe señalar que las relaciones tiempo-tasa de Arps son estrictamente empíricas (aunque esfuerzos posteriores han demostrado que la relación de declinación exponencial se puede derivar bajo algunas restricciones bastante fuertes/ suposiciones y que la declinación hiperbólica puede derivarse parcialmente asumiendo cierto comportamiento de la funciones de compresibilidad y movilidad). Las relaciones originales de Arps se dan como ⁽³⁾:

Como medio para estimar directamente los parámetros de la curva de declinación (qi, Di, b) a partir de los datos, Fetkovich (1980) desarrolló curvas tipo utilizando las relaciones hiperbólicas y de declinación exponencial. Fetkovich (1980) también proporcionó una curva tipo que combinó las soluciones analíticas para los regímenes de flujo transitorio experimentados en tiempo temprano con las relaciones de Arps para el comportamiento en tiempo tardío como un medio para estimar las propiedades del yacimiento y para construir extrapolaciones gráficas del rendimiento de la tasa de tiempo ⁽³⁾.

Los yacimientos no convencionales, especialmente los de tipo Shale gas/petróleo, son actualmente nuevos desarrollos en tanto de Estados Unidos como de Canadá. La previsión de producción y estimación de las reservas con precisión para estos juegos de recursos se han vuelto más urgente e importante que nunca. Mattar et al. (2008) han discutido varias técnicas para análisis de producción y pronóstico de yacimientos de Shale Gas, mientras que Lee y Sidle (2010) han analizado algunos de los métodos comúnmente utilizados procedimientos para pronosticar e identificar fortalezas clave y limitaciones de estas técnicas. El método comúnmente utilizado para el análisis de la curva de declinación es la declinación hiperbólica de la tasa de Arps (Arps 1945), si se dispone de datos de producción adecuados. Las curvas tipo Fetkovich (1980) no son apropiados porque el valor de “b” combinado suele ser mayor que la unidad. Para pozos horizontales con múltiples transversales fracturas, el modelado de simulación numérica es altamente una opción preferida. Sin embargo, existen algunos problemas de validez y aplicabilidad con estas técnicas ⁽⁵⁾.

La ecuación de declinación hiperbólica se usa convenientemente porque puede tener un "mejor ajuste" para el régimen de flujo lineal transitorio largo observado en pozos de Shale Gas con valores de “b” mayores que la unidad. Sotavento y Sidle (2010) mostraron que valores de “b” iguales o mayores que la unidad puede hacer que la estimación de las Reservas tenga un rendimiento físicamente irrazonable propiedades. Para evitar este inconveniente, los modelos “exponenciales estirados” han sido propuestos recientemente (Valkó 2009; Ilk et al. 2008, 2009) ⁽⁵⁾.

Los modelos de simulación actuales que están disponibles en el mercado todavía están usando tecnologías de yacimientos convencionales para no convencionales. Algunas de las suposiciones utilizadas en el modelado de simulación son inconsistentes con las observaciones de datos de campo tales como presión inicialización y flujo transitorio radial (o elíptico). Datos de campo indican que la transición de presión a través de una zona de Shale Gas está en un estado de desequilibrio, mientras que la inicialización de la presión en la simulación, el modelado se basa en un estado de equilibrio con su gradiente fluido ⁽⁵⁾.

En la Figura 4, Blasingame (2011) resume, en forma gráfica simplificada, los regímenes de flujo típicos experimentado para un pozo horizontal de múltiples fracturas (MFHW) en un yacimiento de permeabilidad baja/ultrabaja.

Análisis de producción moderno basado en modelos (tiempo-velocidad-presión): Fraim y Wattenbarger (1987) desarrollaron una función de tiempo real con la tasa de gas normalizada para linealizar justamente la caída del caudal de gas para un pozo que experimenta un régimen de flujo dominado por los límites. El método propone valores estimados del gas original, la permeabilidad de la formación y la porosidad.

Palacio y Blasingame (1993) desarrollaron curvas de tipo declinación para el análisis de datos de producción que incorporan caudal, integral de caudal e integral-derivada de caudal versus el tiempo de balance de materia en una escala log-log. Estos gráficos cuando se combinan, se conocen comúnmente como el gráfico de Blasingame.

Callard y Schenewerk (1995) presentó una técnica de caracterización de yacimientos que normalizaba tanto la presión como la tasa de producción y de producción acumulada utilizando los datos de presión de fondo de pozo que fluyen. Ellos entonces desarrollaron curvas de tipo de diagnóstico a partir de la solución de presión normalizada con aplicabilidad a la mayoría configuraciones de pozos y tipos de yacimientos ⁽³⁾.

 

Figura 4. Gráfica log-log: esquema de régimen de flujo de pozos horizontales fracturados múltiples hidráulicamente: tasa de flujo (q) versus tiempo de producción (Blasinggame, 2011) ⁽³⁾

Todos los análisis de producción de tasa de tiempo que se llevan a cabo, el análisis de producción basado en modelos para un pozo dado ( historial del caudal de gas, la presión de fondo de pozo fluyente, producción acumulada de gas mediante el ajuste de la conductividad de la fractura (Fc), superficie de la cara de la fractura (s), longitud media de la fractura (xf) y parámetros de permeabilidad de la formación “k”), son  práctica estándar en la industria, a menudo denominada PA (Análisis de producción) o RTA (Rate-Transient Análisis). Como precaución, esta metodología es bastante robusta y aunque las soluciones/métodos están bien documentados, a menudo hay desafíos para poder hacer coincidir solo una parte de los datos; pues se cree que esto se debe a la naturaleza de la interfase yacimiento/terminación ⁽³⁾.

RTA

El análisis de tasa transitoria (RTA) es una herramienta moderna para comprender mejor la capacidad de un yacimiento. La combinación de la presión y la tasa medidas, además de la estructura de análisis relevante, puede conducir a la estimación de las reservas existentes. Desde el índice de productividad y la ecuación de flujo hasta el modelo de balance de materiales de flujo, se puede observar la estructura total del yacimiento y se puede reconocer el comportamiento del yacimiento ⁽⁶⁾.

El análisis de tasa transitoria (RTA) es la ciencia del análisis de datos de producción. Además de la observación de los volúmenes originales de petróleo y el gas en sitio, la herramienta se puede utilizar para predecir el comportamiento futuro de la presión y la tasa de producción. La presión y las tasas de modelado se pueden utilizar para pronosticar el rendimiento del yacimiento y su aplicabilidad.

RTA se puede definir como un método moderno de análisis de curva de declinación. El método DCA es una de las herramientas más antiguas y utilizadas por los ingenieros petroleros. Esta es una técnica de pronóstico que predice mediante la coincidencia histórica de datos de tasa-tiempo en una curva de tipo apropiada. La dirección a tomar, el tipo de curva(s) a elegir y dónde deben cotejar los datos de tasa-tiempo se deciden con base a los conceptos y conocimientos básicos de ingeniería de yacimientos (Fetkovich 1980; Fetkovich et al. 1987).

Por lo tanto, DCA no se basa en la aplicación de una ecuación puramente empírica para ser analizada con enfoques estadísticos, lo que a menudo conduce a pronósticos y estimaciones de reservas poco realistas y poco confiables (Fetkovich et al. 1996). RTA también brinda estimaciones convincentes de los parámetros del yacimiento con datos de producción disponibles de baja frecuencia (diarios, semanales o mensuales). Una vez que se determinan las características del yacimiento utilizando RTA, se construye un modelo de yacimiento para pronosticar futuros escenarios de producción (Mishra 2014; Mireault y Dean 2007-2008) ⁽⁶⁾.

Se pueden hacer los siguientes análisis ⁽⁴⁾:

1.      1. Diagnóstico de Flujo Lineal

·         Gráfico de la raíz cuadrada de la tasa versus tiempo

·         Gráficos log-log y de Blasingame

Kappa 2020

2.      2. Diagnóstico del flujo en SRV

3.      3. Diagnósticos simultáneos de varios regímenes de flujo

Kappa 2020

4.      4. Pronóstico de producción y de la recuperación final estimada (EUR)

Volumen estimulado de yacimiento (SVR). Microsísmica como ayuda?

El concepto de volumen de roca estimulado (SRV) que se apoya por monitoreo microsísmico de tratamientos de fractura hidráulica no es confirmado por el flujo radial observado de un simulador numérico, como lo señalan Mattar et al. (2008). Estos autores afirman que el flujo radial de pozos fracturados de Shale observado en un simulador es más probable que sea un flujo radial falso y puede que no sea representante de la permeabilidad mejorada del SRV. Este artículo ⁽⁵⁾ presenta un modelo de declinación derivado empíricamente que se basa en un flujo lineal a largo plazo en un gran número de pozos en yacimientos de gas Shale y de arenas compactas o Tight. Sobre la base de este modelo, se ha desarrollado un método nuevo para el análisis y la previsión de la producción de yacimientos no convencionales. Este método también utiliza probabilidad distribuciones de reservas en la previsión de “plays”, para representar cualquier incertidumbre en la estimación de reservas ⁽⁵⁾.

El monitoreo microsísmico es un procedimiento de diagnóstico comúnmente usado para mapear los eventos microsísmicos que pueden ocurrir cuando se crea una fractura hidráulica. Estos eventos son detectados a través de arreglos de geófonos o acelerometros colocados en pozos observadores, y a veces en el mismo pozo donde se realiza el tratamiento. Con cierto conocimiento de la velocidad del sonido (una fuente de error en el método), la localización de los eventos microsísmicos pueden ser deducidos por múltiples mediciones del mismo evento ⁽⁷⁾.

Figura 5. Esquema gráfico de cómo la Microsísmica aplica para el entendimiento del sistema de fracturas generado por un FH 

Los mapas de microsísmica durante operaciones de múltiples fracturas puedes servir enormemente para ver la efectividad de las fracturas hidráulicas multietapa, como la que se ilustra en la Figura 6, la cual los mapas microsísmicos detectados provienen de un tratamiento de fractura de 4 etapas. Finalmente, la extensión vertical de las fracturas creadas puede ser detectadas si los receptores son arreglados de manera vertical, como se ilustra en la Figura 7, en una sección vertical de un pozo de la lutita Barnett donde se detectaron los eventos microsísmicos.

Figura 6. Mapa microsísmico registrado durante una fractura hidráulica multietapa ⁽⁷⁾.

Figura 7. Mapa de crecimiento vertical de fractura determinado por microsísmica. ⁽⁷⁾.

 

Beneficios del uso del monitoreo microsísmico ⁽⁷⁾

·         Mapear la ubicación de los eventos que permita identificar las fracturas hidráulicas inducidas.

·         Hacer correctivos durante la operación, en tiempo real, para minimizar riesgos.

·         Tecnología de soporte en la identificación de arenas de mayor productividad.

·         Determinación de la deformación sísmica.

·         Mejorar el entendimiento de cómo se propagan las fracturas dentro del yacimiento para ajustes de los esquemas de bombeo.

·         Determinar el volumen de yacimiento estimulado.

·         Proveer los detalles a través de imágenes 3D interpretado de la densidad de fallas o fracturas, proveer el rango, altura, longitud y orientación de la falla.

·         Contar con una tecnología que evite inducir trabajos de fracturas hidráulicas fuera de la zona de interés.

Y con estas últimas notas (9^na y 10^ma), finalizamos el tema de Yacimientos No Convencionales tipo Shale Gas, esperando que haya sido de su interés y haberles proporcionado los fundamentos de la evaluación de este tipo de yacimientos.

Profa. Ing. Eliana Alvarado

 

Referencias:

1.- ShaleProfile. Weekly newsletter: 04-15-2022. ShaleProfile, 1905 Aldrich Street, Suite 220, Austin TX 78723, United States

2.- Baihly, Jason; Altman, Raphael; Malpani, Raj y Luo Fang, 2014. Schlumberger SPE 135555: “Shale Gas Production Decline Trend Comparison over Time and Basins”.

3.- Davis A. S., and Blasingame, T. A.,. 2016. A Well Performance Study of Eagle Ford Shale Gas Wells Integrating Empirical Time-Rate and Analytical Time-Rate-Pressure Analysis. Texas A&M University.

4.- Kappa DDA v5.30. Chapter Unconventional Resources.2020.

5.- Duong, Anh N. 2011. “Rate-Decline Analysis for Fracture-Dominated Shale Reservoirs”. SPE 137748 Reservoir Evaluation & Engineering, ConocoPhillips.

6.- Zolalemin, Ali. 2020. Blog: https://ihsmarkit.com/research-analysis/rate-transient-analysis-and-numerical-simulation.html. Reservoir Technical Advisor at IHS Markit.

7.- https://www.portaldelpetroleo.com/2020/03/monitoreo-microsismico-en-el.html