Vol. 19 Núm. 1 (2021): Revista Fuentes, el reventón energético
Artículos

Utilización de algoritmos genéticos para la optimización en el cálculo de variogramas basadas en celdas para la simulación de un yacimiento

Carlos Portilla
Universidad Estatal Península de Santa Elena, Facultad de Ciencias de la Ingeniería, La Libertad, Ecuador
Dennis Lucín
Universidad Estatal Península de Santa Elena, Facultad de Ciencias de la Ingeniería, La Libertad, Ecuador
Carlos Malavé
Universidad Estatal Península de Santa Elena, Facultad de Ciencias de la Ingeniería, La Libertad, Ecuador
Richard Baque
Universidad Estatal Península de Santa Elena, Facultad de Ciencias de la Ingeniería, La Libertad, Ecuador
Romel Erazo-Bone
Universidad Estatal Península de Santa Elena, Facultad de Ciencias de la Ingeniería, La Libertad, Ecuador
Elvira Del Pezo
Universidad Estatal Península de Santa Elena, Facultad de Ciencias de la Ingeniería, La Libertad, Ecuador
Juan Ramírez
Universidad Estatal Península de Santa Elena, Facultad de Ciencias de la Ingeniería, La Libertad, Ecuador
Kenny Escobar-Segovia
Escuela Superior Politécnica del Litoral, ESPOL, Campus Gustavo Galindo Km 30,5 Vía Perimetral, P.O. Box 09-01-5863, Guayaquil, Ecuador

Publicado 2020-12-10

Palabras clave

  • Geoestadística,
  • algoritmos genéticos (AG),
  • variogramas

Cómo citar

Portilla, C., Lucín D., Malavé C., Baque, R., Erazo-Bone, R., Del Pezo, E., Ramírez J., & Escobar-Segovia, K. (2020). Utilización de algoritmos genéticos para la optimización en el cálculo de variogramas basadas en celdas para la simulación de un yacimiento. Fuentes, El reventón energético, 19(1), 7–19. https://doi.org/10.18273/revfue.v19n1-2021002

Resumen

La importancia de analizar la continuidad y regularidad de las características de un yacimiento está en desarrollar una mejor predicción de reservas de petróleo in situ, por lo tanto, es necesario conocer como estos parámetros van a estar dispersos. Incorporando la totalidad de la información de la que se dispone de la zona de estudio, realizamos el proceso de caracterización del reservorio que tiene como objetivo simular un modelo del yacimiento lo más cercano a la realidad posible. Para esto se aplica el análisis de los variogramas como técnica geoestadística, que permite analizar el comportamiento espacial de las variables regionalizadas o propiedades del reservorio. Para dicho cálculo se deben definir algunos parámetros como datos de entrada para el modelamiento.

En el presente trabajo se desarrolló un algoritmo que permita automatizar el cálculo de variogramas para la optimización de la selección de los parámetros que se necesitan para su ajuste en el modelamiento geoestadístico. Esta técnica consiste en la implementación de Algoritmos Genéticos (AG), probados por medio de la experimentación, que pueden ser utilizados para la optimización del cálculo de variograma basadas en celdas o malla.

La técnica de Algoritmos Genéticos (AG) explota la información histórica (memoria implícita) del reservorio, para considerar nuevas zonas de interés con alto potencial de almacenamiento de hidrocarburo, para lo cual se ha ido construyendo el algoritmo para que mejore el cálculo y el ajuste variográfico.

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

Bone, R., Aguilar, F., & Segovia, K. (2016). New challenges in construction and production prediction using multilateral well to develop Ecuadorian oilfield in. Society of Petroleum Engineers - SPE Trinidad and Tobago Section Energy Resources Conference. Trinidad and Tobago : Society of Petroleum Engineers.

Castaño, A. F., & Vergara, F. (2004). Simulación geoestadística aplicada al modelamiento de yacimientos de petróleo, Tesis Ingeniería en Petróleos. Universidad Nacional de Colombia.

Erazo-Bone, R., Escobar-Segovia, K., Arcentales- Bastidas, D., Vargas-Gutiérrez, X., Arreaga- Arévalo, A., & Román-Aguilar, A. (2018). Optimization of the drilling parameters in low angle wells by the application of statistical analysis. Proceedings of the LACCEI international Multi-conference for Engineering, Education and Technology. Jamaica: LACCEI.

Escobar-Segovia, K., Erazo-Bone, R., Chuchuca- Aguilar, F., Murillo, Y., & Solórzano, F. (2019). Análisis multivariable para la selección de las mejores zonas productivas de la formación Santo Tomás, sección 68, campo Gustavo Galindo Velasco. Fuentes el Reventon Energetico, 47-54.

Escobar-Segovia, K., Erazo-Bone, R., Portilla-Lazo, C., Arcentales-Bastidas, D., Chuchuca-Aguilar, F., Cedeño-Macias, D., . . . Uguña-Guachilema, E. (2018). New challenge to optimize wells drilling using the geomechanical model design. Proceedings of the LACCEI international Multi- conference for Engineering, Education and Technology. Lima: LACCEI.

Gañán, J. (2014). Caracterización de un reservorio aplicando técnicas geoestadísticas para un Campo del Distrito Amazónico. Tesis Ingeniería en petróleo. Quito, Ecuador: Escuela Politécnica Nacional.

Giraldo, R. (2011). Introducción a la Geoestadística teoría y aplicación. Bogotá: Universidad Nacional de Colombia.
Hernández, J., Gallard, R., & Días, J. (2011). Algoritmos genéticos y su aplicación en optimización de redes. Tesis de Maestría. La Plata, Argentina: Universidad Nacional de La Plata.

Kelkar, M., & Pérez, G. (2002). Applied Geostatistics for Reservoir Characterization. Society of Petroeum Engineers, 226-238.

Legrá, A., & Atanes, D. (2010). Variogramas adaptativos: un método práctico para aumentar la utilidad del error de estimación por kriging. Minería y Geología, 26(4), 53-78.

Lucín, D., & Malavé, C. (2015). Implementación de algoritmos genéticos para optimizar el cálculo de variogramas en técnicas geoestadísticas. Tesis de Ingeniería en Petróleo. La Libertad, Ecuador: Universidad Península de Santa Elenea.

Mondavi, D., & Sanclemente, E. (2015). Implementación de Algoritmos Genéticos Para la Optimización de Parámetros de Yacimiento Mediante Curvas de Producción de Pozos Seleccionados en un Campo del Oriente Ecuatoriano, Tesis Ingeniería en Petróleo. Guayaquil, Ecuador: Escuela Superior Politécnica del Litoral.

Parra, A. (2011). Adaptación De Algoritmo De Sintesis De Texturas Para Simulación Geoestadistica De Multiples Puntos Condiciónada. Tesis de Master en Computación. Chile: Universidad de Chile.

Portilla, C. (2018). Modelo geoestadístico integrado a partir de la interpretación de datos de pozos para un campo petrolero ecuatoriano. Tesis de Maestría. Lima, Perú: Universidad Nacional Mayor de San Marcos.