Estudio probabilístico de métodos avanzados de análisis de curva de declinación para la estimación de reservas de petróleo durante el régimen de flujo transitorio

Resumen

Los reservorios del Noroeste Peruano han producido por más de un siglo principalmente areniscas silicoclásticas, de baja permeabilidad, a través de yacimientos en compartimentos o sub-bloques generados por un alto fallamiento. El mecanismo característico de impulsión es depletación por gas en solución y los pozos comúnmente son producidos con un sistema de levantamiento artificial por bombeo mecánico o gas lift; el factor de recobro promedio alcanzado en estos yacimientos está entre 8% y 15%.

Durante el proceso de evaluación, se utilizó la información de 30 pozos productores de diferentes reservorios apretados de la Cuenca Talara: Manta, Mesa, Mogollón y Pariñas Inferior. Se probaron los citados métodos de análisis de declinación con la historia de producción de los primeros 6, 12 y 24 meses; cabe señalar que, de acuerdo a la observación realizada y debido a la baja productividad de estos reservorios, se determinó que su flujo aún se encontraba en estado transitorio durante el periodo de análisis. Los pronósticos se compararon con datos reales de producción y los modelos de declinación se clasificaron por orden de prioridad de acuerdo a la certeza de su grado de ajuste. Se eligió la técnica más idónea para generar, a través de un enfoque probabilístico, utilizando la simulación Monte Carlo, un conjunto de curvas tipo para la cuenca Talara; de esta manera, se obtuvieron los percentiles P90, P50 y P10. 

Los rangos de permeabilidad en los reservorios de los casos evaluados varían entre 0.01 y 1 mD. Se ha observado que la aplicación del modelo DCA de ARPs en pozos con poca historia de producción de reservorios de baja permeabilidad, resulta impreciso en las predicciones de estimados de reservas. Por otro lado, los nuevos métodos de DCA son más conservadores en sus pronósticos y, por ende, más precisos en este caso debido a que permiten incorporar información en estado transitorio. La aplicación de este nuevo enfoque ayudará a obtener pronósticos confiables en la evaluación de futuras estrategias de desarrollo y a predecir con mayor certeza la producción de futuros trabajos de workover y nuevos pozos de desarrollo.