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

 

Mecanismos de Transporte en YNC: Tipo Shale Gas

 Para entender la dinámica del flujo de fluidos en los YNC tipo shale gas, hay que enfocarse en el contexto de donde se genera el flujo y es desde su almacenamiento hasta donde va a llegar (a la cara del pozo), encontrándose 4 principales mecanismos de flujo: Desorción del gas, Darcy, Difusión y Flujo no Darcy.

Figura 1: Esquema de los principales mecanismos de transporte de flujo.

 

Mecanismos de almacenamiento de gas en los yacimientos tipo Shale Gas

En los yacimientos convencionales los hidrocarburos se almacenan solo en los espacios porosos, pero existen múltiples mecanismos de almacenamientos activos en los Shale (Swami, Settari, & Javadpour, 2013). En estos tipos de yacimientos el gas se encuentra almacenado principalmente en tres formas: almacenado como gas libre/comprimido en la red de poros y fracturas naturales (si está presente), adsorbido en la superficie de la materia orgánica y posiblemente en minerales de arcilla, y disuelto en hidrocarburo líquido y querógeno (Javadpour & Ettehadtavakkol, 2015).

Figura 2: Modelo de almacenamiento de yacimientos no convencionales de gas adaptado de (Swami, Settari, & Javadpour, 2013).

Adsorción en Shale Gas

Castellanos (2015) destaco que en el caso de los yacimientos no convencionales de gas que presentan contenido de materia orgánica, el mecanismo de almacenamiento que la diferencia de un yacimiento típico de gas, donde el gas se encuentra comprimido en los poros y fracturas de la formación, es el fenómeno adicional de adsorción que presentan las moléculas de gas en las paredes orgánicas de la roca y el cual se conoce como adsorción física o fisorción, en la que la especie adsorbida conserva su naturaleza química.

Parte significativa del gas almacenado en las lutitas orgánicamente ricas se encuentra adsorbido en el querógeno y en las arcillas debido a que la alta presión y la gran superficie específica de los nanoporos proveen excelentes condiciones para la adsorción. La otra parte consiste en gas que se encuentra alojado en el espacio poral de la roca. El gas adsorbido provee una importante contribución a la cantidad de gas almacenado en los yacimientos tipo oil & Gas Shales. Además, es responsable del sostenimiento de la producción de gas pasado varios años aportando los caudales de producción cuasi constantes o de muy bajas declinaciones a tiempos de producción elevados (Ruiz Maraggi, 2016).

El modelo más comúnmente utilizado en la industria petrolera para describir el fenómeno de adsorción de los gases en sólidos es el desarrollado por Langmuir, el cual considera que una molécula de gas que es adsorbida en un solo lugar no afecta a las moléculas vecinas, además de que estas no distinguen los sitios para la adsorción.

La isoterma de Langmuir describe la máxima cantidad de gas adsorbido que un yacimiento no convencional puede contener bajo ciertas condiciones de contenido de materia orgánica, presión y temperatura (Castellanos, 2015). El modelo de Langmuir (visto en la entrega anterior) es el modelo comúnmente más usado para la cuantificación de la descripción de adsorción/desorción de gas (Aiza & Álvarez, 2019).

Por lo tanto la desorción del gas como fenómeno de transporte ocurre una vez generado en el yacimiento una caída de presión donde el gas que originalmente se encuentra almacenado en el material orgánico, se libera (más adelante se explica).

 

Fenómenos de transporte en yacimientos no convencionales tipo Shale Gas

El flujo de fluido a través de los nanoporos del Shale Gas es diferente al flujo en los yacimientos convencionales. La presencia de gargantas de poros ultra-apretados y gas adsorbido y disuelto en la materia orgánica hace que este tipo de rocas plantea desafíos para modelar los mecanismos de transporte del gas (Amin, Mohammad, Ehsan, Liu, & Mehdi, 2020).

La industria del petróleo tiene una amplia experiencia en la caracterización de poros y modelado del flujo de fluidos en las redes de poros de los yacimientos que contienen hidrocarburos. Sin embargo, para los poros a nanoescala en sistemas de lutitas, los métodos de caracterización necesitan modificaciones. Y en muchos casos, métodos de caracterización completamente nuevos (Javadpour & Ettehadtavakkol, 2015).

Figura 3: Evolución y producción del gas en Shale Gas (Javadpour, Fisher, & M, 2007).

La figura 3 (a-e) ilustra la secuencia de producción de gas a diferentes escalas de longitud. La producción de un nuevo pozo perforado (a) pasa por los poros grandes (b) y luego por los poros más pequeños (c). Durante el agotamiento del yacimiento, el equilibrio termodinámico entre querógeno/arcillas y la fase gaseosa en los espacios porosos cambia. Por lo tanto, el gas se desorbe de la superficie del querógeno/arcillas (d). Este proceso de desequilibrio hace que las moléculas de gas se difundan desde la mayor parte del querógeno a la superficie del querógeno expuesto a la red de poros (e).

Los mecanismos o fenómenos de trasportes del gas desde que fluye desde la matriz hasta las fracturas naturales e inducidas y desde allí hasta llegar al pozo se pueden ver resumidos en la figura 4.

Figura 4. Diagrama del mecanismo de transporte del gas en Shale Gas (Peng, y otros, 2020) y (Guo, Wei, & Liu, 2015).

Como se muestra en la figura 4, los mecanismos de transporte de gas en el Shale son: la difusión en el querógeno (materia orgánica) y se explica de la siguiente manera: en el nanoporo inorgánico, se incorporan un flujo tipo flujo viscoso, flujo de deslizamiento y difusión de Knudsen. En el nanoporo orgánico, la difusión superficial no se puede descuidar, excepto por los tres mecanismos de transporte anteriores y en las fracturas naturales e inducidas ocurre solo ocurre flujo viscoso. La difusión en el querógeno es provocada por un gradiente de concentración entre la mayor parte del querógeno y la superficie del querógeno expuesto a la red de poros orgánicos, el flujo viscoso es inducido por colisiones intermoleculares, el flujo de deslizamiento y la difusión de Knudsen son el resultado de colisiones significativas entre las moléculas de gas y la pared del nanoporo. La difusión superficial es causada por un gradiente de concentración entre la región de volumen y la capa de adsorción debido a una gran cantidad de moléculas de gas absorbidas en la superficie de los poros orgánicos (Peng, y otros, 2020) y (Javadpour, Fisher, & M, 2007).

Flujo por Difusión

La difusión es el fenómeno por el cual las moléculas en estado líquido o gaseoso tienden a distribuirse uniformemente en todas las partes del espacio disponible como consecuencia de un gradiente de concentración. También se establece como la capacidad de las moléculas gaseosas para pasar a través de aberturas pequeñas, tales como paredes porosas (Geankoplis, 1998). La difusión de gas es uno de los principales fenómenos que controlan el flujo en la producción de gas de los yacimientos de gas de lutitas. Para los yacimientos tipo Shale se suele hablar de difusión de Knudsen cuando el flujo es gobernado por la interacción entre las moléculas del gas y la pared del poro (nanoporos) y esto ocurre cuando la trayectoria media libre de las partículas del gas son mayores al tamaño de poro donde circulan (Shen, Li, Xu, Sun, & Huang, 2017).

Otro tipo de difusión que ocurren en los yacimientos tipo Shale Gas es la difusión superficial, la cual también ocurre por diferencia de concentración (figura 5), esta vez al comenzar la producción, las partículas absorbidas en la pared del poro comienzan a desorberse dejando espacios vacíos en la superficie (cambiando la concentración), esto crea una atracción proveniente de las vacantes de adsorción generadas por la desorción en la región de baja presión. Por lo tanto, las moléculas de gas adsorbidas se difunden a lo largo de la pared de los poros desde la región de alta presión a la región de baja presión (Liehui, y otros, 2020).

Figura 5. Diagrama del mecanismo de difusión superficial (Liehui, y otros, 2020).

Por último, también se tiene que el proceso de control de transporte de masa del gas disuelto en el querógeno es la difusión molecular. Dependiendo de la geoquímica de los materiales orgánicos (madurez térmica, fuente orgánica, etc.), se podría esperar una solubilidad de gas diferente. Una vez que la producción comienza desde un yacimiento, el gas comprimido en los espacios porosos intersticiales se expande primero; luego, el gas adsorbido en las superficies de los poros en el querógeno se desorbe a la red de poros. En esta etapa, la concentración de moléculas de gas en la superficie interna de los poros disminuye y crea un gradiente de concentración en la mayor parte del querógeno, lo que desencadena la difusión del gas (Javadpour & Ettehadtavakkol, 2015).

 

Flujo Darcy

Este tipo de flujo bastante conocido y es el principal presente en todos los yacimientos convencionales, basado en la ley de su autor Darcy, se fundamenta en que rige el flujo de fluidos en el medio poroso. Fue definida a mediados del siglo XIX por Henry Darcy. Según (Ahmed & McKinney, 2005) dicha ley establece que la velocidad de un fluido homogéneo en un medio poroso es directamente proporcional al gradiente de presión e inversamente proporcional a la viscosidad del fluido.

 

Flujo No Darcy

Es el tipo de flujo característico y representativo de fluidos como el gas, debido a presentar flujo turbulento o movimiento caótico de sus partículas entre ellas.

La presencia de un flujo tipo Darcy o no Darcy, radica principalmente en la velocidad del mismo en el medio poroso, es decir, si el flujo se mantiene laminar o turbulento, si la tasa de gas es baja o alta.

Todos estos 4 principales mecanismos de trasporte se presentan entre la matriz y la fractura artificial, para llevar el gas a la cara del pozo.

Ahora se puede entonces hacerse esta pregunta: ¿cómo es el flujo de gas en esta escala de nanoporos en los yacimientos no convencionales tipo Shale?

 

Flujo del gas en nanoporos

En los nanoporos la interacción entre las moléculas del gas y la pared del poro gobiernan el flujo, en determinadas condiciones de presión y temperatura, la distancia entre las moléculas de gas (trayectoria libre media) supera el tamaño de los poros. En tales condiciones, las moléculas de gas pueden moverse individualmente a través de los poros y el concepto de flujo continuo no puede ser aplicable. El número de Knudsen (𝐾𝑛) es la relación entre el camino libre medio (λ) y el diámetro de los poros (d) y se puede utilizar para identificar diferentes regímenes de flujo y la representa la ecuación 1 (Javadpour & Ettehadtavakkol, 2015).

𝐾𝑛=𝜆𝑑

Donde:

𝜆: Camino libre medio de las moléculas del fluido [m].

𝑑: Diámetro de poro [m].

En función del valor del número adimensional de Knudsen se distinguen cuatro regímenes de flujo, representados en la tabla 1.

Tabla 1 Regímenes de flujo en función del número de Knudsen

Regímenes de flujo

Los regímenes de flujo asociados a los fenómenos de trasportes en los yacimientos tipo Shale gas se basan en la interacción que existe entre la partícula del fluido y el medio poroso, mientras que los regímenes de flujo mencionados con anterioridad están relacionados al cambio de presión en el tiempo. Una de las características distintivas más notables es que estos regímenes de flujo incluyen ecuaciones distintas a las usadas generalmente.

Medio continuo: en el régimen de flujo continuo según, (Weijun, Xizhe, Yanmei, Yuping, & Weigang, 2017) son válidas las ecuaciones de Navier-Stokes. El transporte de la cantidad de movimiento es proporcional a la viscosidad del fluido. Se verifica la hipótesis de no deslizamiento en la interface sólido-fluido, resultando válido la Ley de Darcy.

Flujo deslizante: cuando el tamaño del poro se aproxima al camino libre medio entre las moléculas del gas, el flujo a través de este es más alto al propuesto por la ley de Darcy. En condiciones de flujo de deslizamiento, a diferencia del flujo sin deslizamiento, la velocidad de las moléculas de gas en el límite de las gargantas de los poros no se puede establecer en cero, y la velocidad de deslizamiento debe considerarse en el modelado de flujo (Amin, Mohammad, Ehsan, Liu, & Mehdi, 2020). Se presenta en la figura 6, la comparación esquemática entre no-slip y condiciones de flujo de deslizamiento.

Figura 6. Diagrama esquemático de las condiciones de velocidad de flujo sin deslizamiento (a) frente a deslizamiento (b) para el flujo de gas (Amin, Mohammad, Ehsan, Liu, & Mehdi, 2020).

Flujo transicional: el flujo de transición ocurre en la región de transición entre el flujo de deslizamiento y las condiciones de difusión de Knudsen o flujo molecular. Por lo tanto, en términos de cantidades de Kn, se espera ver una condición de flujo de transición cuando 0.1 <Kn<10 (Amin, Mohammad, Ehsan, Liu, & Mehdi, 2020). En este punto el camino libre medio de las moléculas de gas es del mismo orden como el tamaño de los poros de los medios porosos. El régimen es el flujo de transición es uno de los mecanismos más complejos debido a que no solo considera el efecto de deslizamiento, también incluye la difusión de Knudsen (Weijun, Xizhe, Yanmei, Yuping, & Weigang, 2017).

Flujo molecular: cuando Kn excede de 10, el transporte de gas es el flujo libre molecular o difusión de Knudsen. Este tipo de régimen de flujo de gas, que es un transporte difusivo, puede modelarse por la difusión de Knudsen.

Toda esta dinámica que se ha establecido hasta ahora está encerrando otro concepto fundamental y en el que corresponde el medio de conexión desde el yacimiento hasta la cara del pozo, las fracturas. Para complementar estas bases teóricas, algunos puntos importantes que considerar en cuanto a las fracturas y modelos de yacimiento a aplicar para finalmente modelar este tipo de yacimientos no convencionales tipo Shale Gas.

 

Referencias:

1.- Rendón, Laura y Marrero, Eduardo (2021). Descripción de los fenómenos de transporte del gas en yacimientos no convencionales tipo shale gas. Trabajo Especial de Grado presentado ante la ilustre Universidad Central de Venezuela. Facultad de Ingeniera. Escuela de Ingeniería de Petróleo.

2.- Javadpour, F., & Ettehadtavakkol, A. (2015). Gas Transport Processes in Shale. In R. Rezaee, & R. Rezaee (Ed.), Fundamentals of Gas Shale Reservoirs (pp. 245-266). New Jersey: John Wiley & Sons, Inc. doi:https://doi.org/10.1002/9781119039228.ch11.

3.- Castellanos, F. 2015. Caracterización dinámica de yacimientos no convencionales de shale gas. México.

4.- Ruiz Maraggi, L. (2016). Aspectos de Ingeniería de Reservorios en la Analogía entre la Formación Vaca Muerta y los Principales Shale Gas / Oil Plays de Estados Unidos. Buenos Aires: Universidad de Buenos Aires.

5.- Amin, T., Mohammad, S., Ehsan, H., Liu, K., & Mehdi, O. (2020). Flow modeling in Shale Gas reservoirs: A comprehensive revie. Journal of Natural Gas Science and Engineering, 1-100. doi:https://doi.org/10.1016/j.jngse.2020.103535.

6.- Peng, H., Feng, G., Jian, H., Jia, L., Xue, Y., & Zhaopeng, Z. (2020). Shale Gas transport mechanisms in inorganic and organic pores based on lattice Boltzmann simulation. Energy Reports, 6, 2641-2650. doi:https://doi.org/10.1016/j.egyr.2020.09.021.

7.- Guo, c., Wei, M., & Liu, H. (2015). Modeling of Gas Production from Shale Reservoirs Considering Multiple Transport Mechanisms. Plos one, 10(12). doi:https://doi.org/10.1371/journal.pone.0143649-

8.- Geankoplis, C. (1998). Procesos de transporte y operaciones unitarias. Mexico: Compañia editorial continental S.A de C.V.

9.- Shen, W., Li, X., Xu, Y., Sun, Y., & Huang, W. (2017). Gas Flow Behavior of Nanoscale Pores in Shale Gas Reservoirs. Energies(10), 751. doi:doi:10.3390/en10060751.

10.- Liehui, Z., Hongbin, L., Yulong, Z., Jun, X., Xian, P., & Qiu, L. (2020). Gas transport characteristics in Shale matrix based on multiple mechanisms. Chemical Engineering Journal, 368, 100-130. doi:https://doi.org/10.1016/j.cej.2019.124002.

11.- Swami, V., Settari, A., & Javadpour, F. (2013). A Numerical Model for Multi-Mechanism Flow in Shale Gas Reservoirs with Application to Laboratory Scale Testing. London: EAGE Annual Conference & Exhibition incorporating SPE Europec. doi:https://doi.org/10.2118/164840-MS.

12.- Weijun, S., Xizhe, L., Yanmei, X., Yuping, S., & Weigang, H. (2017). Gas Flow Behavior of Nanoscale Pores in Shale. Energies, 1-12.

13.- Ahmed, U., & Meehan, N. (2016). Unconventional Oil and gas resources exploitation and development. Boca Raton: Baker Hughes. doi:13: 978-1-4987-5941-0.