SEMINARIOS DE

MODELACIÓN
COMPUTACIONAL

MODELACIÓN INTEGRAL DE
YACIMIENTOS PETROLEROS
MARTÍN A. DÍAZ VIERA
E-mail: mdiazv@imp.mx
INSTITUTO MEXICANO DEL PETRÓLEO
 OBJETIVOS
Dar una visión general del papel integrador de la
modelación matemática y computacional en la
caracterización geológica-petrofísica y en la
simulación de los mecanismos de flujo y
transporte en los yacimientos petroleros.
Hacer una revisión de los diferentes enfoques y
modelos que permiten realizar de manera
sistemática la integración de las diferentes fuentes
de información para la obtención de modelos
geológico-petrofísicos realistas y confiables.

27/02/2005 2
 CONTENIDO:
Introducción
Etapas en la Modelación de un Yacimiento (MY)
Modelos Matemáticos en la MY
Problemas Numéricos y Computacionales en la
MY
Caracterización Integral de Yacimientos
Geoestadística y los Modelos Estocásticos en la
MY

27/02/2005 3
 Modelación de un Yacimiento

A grosso modo consta de dos etapas:

Caracterización Estática

Simulación Numérica

27/02/2005 4
 Caracterización Estática
Objetivo:
Modelo Geológico-Petrofísico

Consiste en:
Modelo Geológico: Descripción de los rasgos
geológicos-estructurales del yacimiento (fallas,
delimitación de unidades geológicas, tipos de
rocas y su distribución, etc)
Modelo Petrofísico: Distribución de las
propiedades petrofísicas de roca y fluidos
(porosidad, permeabilidad, saturación, etc)
27/02/2005 5
 Simulación Numérica
Objetivo:
Modelo de flujo y transporte multifásicos en el
yacimiento

Consiste en:
Sistema de ecuaciones diferenciales parciales con
valores iniciales y de frontera.
Solución numérica del problema anterior de
manera que reproduzca la historia del
yacimiento.

27/02/2005 6
 Modelos Matemáticos
Caracterización Estática
Enfoque Probabilístico → Modelos Estocásticos:
• Geoestadística
• Simulaciones Estocásticas

Simulación Numérica
Enfoque Determinístico → Modelos de Sistemas Continuos:
• Ecuaciones de Balance de propiedades físicas (tales como
masa, energía, momento, etc,) y Leyes Constitutivas
• Métodos Numéricos de Ecuaciones Diferenciales
Parciales
27/02/2005 7
 FLUJO TRABAJO
Registros Núcleos Sísmica Modelo Geológico

Modelo de
Geológico-
Petrofísico

S w m a trix

S w fra c ture

27/02/2005 8
ESCALAMIENTO SIMULACIÓN
 datos datos datos
Modelo
Núcleos Sísmica Registros Geológico
3D de pozo Conceptual

Modelo Estructural y
Estratigráfico
FLUJO
DE TRABAJO
Modelo de
Litofacies

Modelo de
Porosidad /Permeabilidad SIMULACIÓN
NUMÉRICA

Modelo de Simulación del flujo

Geológico-Petrofísico Reproducción
Escalamiento
de la historia
de producción
CARACTERIZACIÓN
27/02/2005
ESTÁTICA 9
 PROBLEMA DE ESCALAMIENTO

Modelo de Modelo de
Caracterización Simulación
Estática Numérica

Escalamiento
de propiedades

106 -108 Celdas 104-106 Celdas

~10 metros ~100 metros
27/02/2005 10
 MODELACIÓN INTEGRAL

Geofísica
Geofísica Petrofísica

Geología Petrofísica
Geología

Ingeniería de
Ingeniería de Cambio de Yacimientos
Yacimientos enfoque
Respuesta del Yacimiento
Respuesta del Yacimiento
(Cosentino, 2000)

27/02/2005 11
 PROCESO DE
CARACTERIZACIÓN
ESTÁTICA

1. Modelo Geológico

2. Modelo Petrofísico

27/02/2005 12
 MODELO GEOLÓGICO
Consta de las siguientes etapas:

1. Modelo Estructural
2. Modelo Estratigráfico
3. Modelo Litológico
4. Heterogeneidades del Yacimiento

27/02/2005 13
 MODELO GEOLÓGICO (1)
• Modelo Estructural
(Arquitectura del Yacimiento)
Define el marco geométrico
básico de la trampa de
hidrocarburos
1. Fallas principales: limitan los
bloques más grandes del
yacimiento.
2. Superficies geológicas:
delimitan a las principales
formaciones geológicas del
yacimiento

27/02/2005 14
 MODELO GEOLÓGICO (2)
• Modelo Estratigráfico paralelas

• Define las superficies que

delimitan a las principales
unidades de flujo del
yacimiento.
• Define la geometría (malla)
interna de las unidades de la
formación: proporcionales
- Capas proporcionales
- Capas paralelas

27/02/2005 15
 MODELO GEOLÓGICO (3)
• Modelo Litológico

• Es construido integrando:
• Modelo sedimentológico
Conceptual (representación
conceptual del yacimiento)
• Clasificación de Facies
(tipos de roca )
• Distribución de Facies
27/02/2005 16
 MODELO GEOLÓGICO (4)
• Heterogeneidades del
Yacimiento vúgulos

• Características geológicas
que van desde pequeña
hasta gran escala y que
tienen un impacto
significativo en el flujo
de los fluidos (fallas, fracturas
fracturas, vúgulos, etc)

27/02/2005 17
 MODELO PETROFÍSICO
• Distribución de las Modelo de facies
propiedades petrofísicas
(porosidad, permeabilidad,
saturación, etc) en el
yacimiento.
• A cada celda del modelo se le
asignan los valores de manera
que reproduzcan las
características estadísticas
(histograma, variograma,
correlación con otra variable)
de la propiedad para la facies
asociada con dicha celda.

27/02/2005 18
Modelo de porosidad
 Métodos Matemáticos

Caracterización
• Reconocimiento de Patrones
• Estadística Multivariada
• Fractales

Modelación
• Geoestadística
• Simulaciones Estocásticas
27/02/2005 19
 GEOESTADÍSTICA

¿Qué es la Geoestadística?

Su relación con otras ramas de la estadística

Aplicaciones típicas

Áreas de aplicación

27/02/2005 20
 Origen de la Geoestadística

En los años 60, Matheron acuñó el término

de Geoestadística.
El formalizó y generalizó un conjunto de
técnicas de regresión desarrolladas por D. G.
Krige (1941) que explotaban la correlación
espacial para hacer predicciones en la
evaluación de reservas de las minas de oro
en Sudáfrica.

27/02/2005 21
 Definición de la Geoestadística

• Matheron (1962) definió a la Geoestadística

como "la aplicación del formalismo de las
funciones aleatorias al reconocimiento y
estimación de fenómenos naturales"
• La geoestadística es una rama de la
estadística aplicada que se especializa en el
análisis y la modelación de la variabilidad
espacial en ciencias de la tierra.

27/02/2005 22
 Objeto de Estudio de la
Geoestadística

El análisis y la predicción de
fenómenos en espacio y/o tiempo, tales
como: ley de metales, distribución de
porosidades, concentraciones de un
contaminante, etc.

27/02/2005 23
 Propósito de la Geoestadística

A partir de escasa
información conocida
estimar o predecir el
valor de una variable
en localidades donde
no se conoce

27/02/2005 24
Relación con otras Ramas de la
Estadística

Es una rama de la estadística espacial o de

fenómenos espacialmente distribuidos.

Es la “hermana mayor” de las Series de

Tiempo.

27/02/2005 25
 Aplicaciones Típicas

• Diseño de muestreo
• Estudio de la variabilidad espacial
• Estimación (interpolación)
• Simulación estocástica

27/02/2005 26
 Áreas de Aplicación

• Minería,
• Petróleo y Gas,
• Hidrogeología,
• Agricultura,
• Medio Ambiente,
• Pesca,
• Salud Pública, etc.
27/02/2005 27
 ¿Por qué usar Geoestadística?
Permite integrar las diversas fuentes de
información (geología, núcleos, registros y
sísmica)
Las herramientas geoestadísticas son cada
vez más empleadas en la modelación de
yacimientos petroleros debido a la
disponibilidad de códigos (software)
comerciales que de una manera u otra están
basados en estas técnicas.
27/02/2005 28
 Enfoques más exitosos para
la caracterización de yacimientos

Estimaciones conjuntas (Cokriging)

Usando imágenes sísmicas

Simulaciones Estocásticas
Restringidas por la geología (facies).

27/02/2005 29
 ESTIMACIÓN

27/02/2005 30
 Función Aleatoria Z ( x )

• A cada punto del espacio le hacemos

corresponder una variable aleatoria.
• Los valores que toma (las muestras) son
realizaciones.
• Tales valores no se consideran
independientes, es decir, existe cierta
dependencia espacial.

27/02/2005 31
 Estimador Kriging
• Mejor → {
m i n V a r ⎡⎣ Z 0 − Z ⎤⎦ *
0 }
• Estimador → Z *
0
N
• Lineal → Z *
0 = ∑ i =1
λiZ i

• Insesgado → E ⎣ Z 0 ⎤⎦ = E ⎡⎣ Z
⎡ *
⎤⎦
0

27/02/2005 32
 ¿Cómo funciona el Kriging?

27/02/2005 33
 Propiedades del Kriging
Es un interpolador exacto

Toma en cuenta la correlación espacial

Mapa de la varianza del error

No reproduce la variabilidad espacial

27/02/2005 34
 Ejemplo de Kriging
Estimación de la Porosidad usando información en 55 pozos

27/02/2005 35
 Tipos de Kriging
Según el grado de estacionaridad:
Kriging Simple
Kriging Ordinario
Kriging Universal

Según su soporte:
Kriging Puntual
Kriging de Bloque

27/02/2005 36
 CoKriging (Kriging Conjunto)

Es la extensión natural del Kriging al caso

cuando tenemos más de una función
aleatoria.

Utiliza simultáneamente la correlación

espacial y la correlación entre funciones
aleatorias.

27/02/2005 37
 CoKriging
☺Permite mejorar la estimación de una
variable (primaria) pobremente muestreada
usando otra variable (secundaria) más
densamente muestreada y correlacionada.

El proceso de estimación es mucho más

complicado comparado con el Kriging

27/02/2005 38
 Estimaciones conjuntas
Explota la correlación entre dos o mas
variables para mejorar su estimación.
Por ejemplo a partir de datos de porosidad
en pozos, se puede estimar la porosidad a la
escala de yacimiento usando otra propiedad
más densamente muestreada, por ejemplo un
atributo sísmico (impedancia acústica) que
esté correlacionada con la porosidad.

27/02/2005 39
 Ejemplo de Estimaciones
conjuntas
Estimación de la Porosidad usando información en 7 pozos
Kriging CoKriging

Sin Sísmica Con Sísmica

27/02/2005 40
 SIMULACIONES
ESTOCÁSTICAS

27/02/2005 41
 Idea Básica

Consiste en obtener nuevas

realizaciones “artificiales” de la
función aleatoria de manera tal que
éstas reflejen las mismas propiedades
estadísticas que se esperan que posee la
función aleatoria original.

27/02/2005 42
 Simulaciones Estocáticas

!!!Son todas las

simulaciones
equiprobables¡¡¡

¿Cuál debemos usar?

⇒El promedio

27/02/2005 43
 Simulaciones Condicionales
Son aquellas simulaciones que respetan los
valores experimentales.
Una simulación condicional puede ser
perfeccionada agregándole todo una suerte
de información cualitativa o cuantitativa del
fenómeno real.
Ejemplo: en el caso de un yacimiento se le
puede añadir la geometría de las fallas
principales, etc.
27/02/2005 44
 Métodos de Simulación
Método Cond. Gaussiano Malla
Regular
Matricial Si Si No
Espectral No Si No
Bandas Rotantes No Si No
Secuencial Gaussiano Si Si No
Secuencial Indicador Si No No
Gaussiano Truncado Si Si No
Recocido Simulado Si No Si
27/02/2005 45
¿Por qué usar Simulaciones Estocásticas?

Información
en 2 pozos

Información
en 3 pozos

27/02/2005 46
¡¡¡Manejar la Incertidumbre!!!
 Simulaciones Estocásticas
Primero: Modelado de facies
1. basado en celdas
2. basado en objetos

Luego: Modelado de propiedades petrofísicas

1. Porosidad
2. Permeabilidad
3. Saturación
27/02/2005 47
 Métodos de simulación
Según la geometría:

Basadas en celdas (pixeles)

Basadas en objetos
(simulaciones booleanas)

27/02/2005 48
 Simulaciones Basadas en Celdas

27/02/2005 49
 Simulaciones basadas en Objetos

27/02/2005 50
 ¿Por qué modelar las facies
primero?
Las facies son importantes en la modelación de
yacimientos ya que las propiedades petrofísicas
de interés están altamente correlacionadas con el
tipo de facies.
El conocimiento de la distribución de las facies
restringe el rango de variabilidad de la porosidad
y la permeabilidad.
Mas aún, las funciones de saturación dependen
de las facies incluso cuando las distribuciones de
la porosidad y la permeabilidad no dependan de
éstas.
27/02/2005 51
 ¿Qué clase de modelo de
simulación elegir?
• Basado en Celdas: Cuando no existen
geometrías geológicas de las facies claras, es
decir, cuando las facies son diagenéticamente
controladas o donde las facies depositacionales
originales tienen patrones de variación
complejos.
• Basado en Objetos: Cuando las facies aparentan
seguir patrones geométricos claros, tales como
canales abandonados rellenos de arenas o dunas
litificadas, etc.

27/02/2005 52
 Modelado de propiedades
petrofísicas
Los valores de las propiedades petrofísicas
son asignados dentro de cada facies de
manera que reproduzcan las características
estadísticas representativas (histograma,
variograma, correlación con otra variable)
de la propiedad para dicha facies.
Esto se puede hacer usando simulaciones
geoestadísticas.

27/02/2005 53
 Modelado de la Porosidad

Se emplea un método de simulación

estocástica usualmente de tipo Gaussiano

Se puede emplear atributos sísmicos

(impedancia acústica) como variable
secundaria.

27/02/2005 54
 Modelado de la Porosidad

27/02/2005 55
 Modelado de la Permeabilidad

Se emplea un método de simulación

estocástica usualmente de tipo Gaussiano
(Simulación Gaussiana Truncada o
Indicador).
Se puede emplear la porosidad
(previamente simulada) como variable
secundaria.

27/02/2005 56
 Estimación
vs
Simulación

27/02/2005 57
El Kriging produce un suavizado de las
dispersiones (variabilidades) reales.

27/02/2005 58
 Mientras que las simulaciones reproducen la
variabilidad espacial de los valores reales.

27/02/2005 59
 Los estimadores no reproducen las
propiedades estadísticas de la FA.

27/02/2005 60
 Mientras que la simulación reproduce las
propiedades estadísticas de la FA.

27/02/2005 61
 Cuando se cuenta con “mucha información”
pueden ser equivalentes o complementarios

27/02/2005 62
 Ventajas y Desventajas
Estimaciones
Dependen fuertemente número de puntos y
de su distribución espacial
☺ No requieren de mucho esfuerzo de
computo
Simulaciones
No dependen tan fuertemente del número
de puntos y de su distribución espacial
☺ Son más demandantes computacionalmente
27/02/2005 63
 Dificultades Prácticas

Información insuficiente y/o no

representativa.
Cambio de escala: de núcleos a celda del
modelo.
Como toda disciplina estadística depende
considerablemente de decisiones
subjetivas del experto.

27/02/2005 64
 Oportunidades de Desarrollo

Geoestadística de múltiples puntos

Uso de datos dinámicos: pruebas de pozo,
historia de producción, y sísmica 4-D.
Modelación estocástica de las
heterogeneidades (fracturas, vúgulos)
Desarrollo de software específico

27/02/2005 65
 Software Disponible

Geoestadística de propósito general

GSLIB
ISATIS

Caracterización de Yacimientos
HERESIM 3D
PETREL

27/02/2005 66
 Referencias importantes:
• Consentino L., Integrated Reservoir Studies,
TECHNIP, 2001.
• Christian Lantuejoul, Geostatistical Simulation:
Models and Algorithms, Springer Verlag, 2002.
• Deutsch Clayton, Geostatistical Reservoir
Modeling, Oxford University Press, 2002.
• Dubrule Olivier, Geostatistics for Seismic Data
Integration in Earth Models, EAGE, 2002.
• Mohan Kelkar and Godofredo Pérez, Applied
Geostatistics for Reservoir Characterization, SPE,
2002.
27/02/2005 67
 !!!Muchas Gracias¡¡¡

Y...
Bienvenidos
Intercambio y Colaboración

27/02/2005 68