Search

As reservoir fluids are produced, pore pressure decreases and compacting rock loses capacity to support the overburden pressure, while the effective stress increases rapidly leading to pore collapse. Reservoir can elastically compact itself until pore pressure drops to the elastic limit, then initiates a plastic deformation known as mechanical compaction. Using numerical models is a good tool for compaction prediction; as they can predict reservoir behavior. This paper is purported by some models that allow providing for an approximate representation and prediction of the compaction magnitude at the wellbore developed in oil reservoirs during production (another model could be used to amplify the range until reservoir limits), integrating a uniaxial compaction mathematical model with pressure drawdown equation in formation face, and then a numerical model is built aimed reproducing the phenomenon and its changes over time. The mathematical model is built with the uniaxial compaction model and the drawdown pressure equation. The model is not complex but integrates the mean variables and rock properties involved in compaction phenomenon, like rock compressibility, elastic modulus, porosity, permeability and fluid pressure. This paper develops new numerical model based on the foundations of the Geertsma (1973) model, adding a step-by-step procedure to calculate the new rock properties over time, in order to have a more realistic compaction magnitude result. A medida que los fluidos son producidos del yacimiento, se reduce la presión de poro, disminuyéndose la capacidad de la roca que se compacta para soportar la presión de sobrecarga, incrementándose de esta forma el esfuerzo efectivo que podría alcanzar el colapso de los poros. El yacimiento puede compactarse bajo una deformación elástica hasta que la presión de poros caiga alcanzando el límite elástico, a partir del cual se inicia la deformación plástica que es conocida como la compactación mecánica. El objetivo de este trabajo es proponer modelos que permitan representar y predecir con aproximación la magnitud de la compactación en el pozo que puede desarrollarse en un yacimiento durante la producción de aceite (se podría usar otro modelo que amplíe el rango de alcance hasta los límites del yacimiento), integrando un modelo matemático de compactación uniaxial con la ecuación de caída de presión en la cara de la formación, luego la construcción de un modelo numérico que reproduce el fenómeno de compactación y sus cambios en el tiempo. El modelo matemático se construye a partir del modelo de compactación uniaxial y la ecuación de la caída de presión, no es un modelo complejo pero integra las variables principales involucradas en el fenómeno de compactación, como la compresibilidad de la roca, el módulo elástico, la porosidad, permeabilidad y presión del fluido. En este artículo se presenta un nuevo modelo numérico a partir del fundamento del modelo de Geertsma (1973), incluyendo un procedimiento paso a paso para calcular las nuevas propiedades de la roca con el tiempo, con el fin de obtener la magnitud de la compactación más real. Na medida em que os fluidos são produzidos pela jazida, a pressão de poro diminui, reduzindo assim a capacidade da roca que se compacta para suportar a pressão de sobrecarga, aumentando desse modo o esforço efetivo que poderia atingir o colapso dos poros. A jazida pode compactar-se sob uma deformação elástica até a pressão de poros cair até atingir o nível elástico, iniciando a partir desse momento a deformação plástica também conhecida como compactação mecânica. Este trabalho objetiva propor modelos que possibilitem uma representação e predição aproximada da compactação no poço que pode desenvolver-se em uma jazida durante a produção de óleo (pode ser usado outro modelo que amplie o rango de alcance até os limites da jazida), integrando um modelo matemático de compactação uniaxial com a equação de queda de pressão na face da formação, precedida da construção de um modelo numérico que reproduz o fenómeno de compactação e suas alterações no tempo. O modelo matemático é construído com base no modelo de compactação uniaxial e a equação de queda de pressão, não sendo um modelo complexo mais que integra as principais variáveis envolvidas no fenômeno de compactação, como a compressibilidade da rocha, o módulo elástico, porosidade, permeabilidade e pressão do fluído. Este artigo apresenta um novo modelo numérico baseado nos fundamentos do modelo de Geertsma (1973), incluindo um procedimento passo a passo para calcular as novas propriedades da rocha no tempo, no intuito de obter a magnitude da compactação mais real.

This article presents the way two artificial intelligence techniques, neural networks and genetic algorithms were combined, for the development of a computational tool used to estimate mechanical properties such as tensile strength, uniaxial compression resistance and resistance to triaxial compression in sandstones, from petrophysical properties using test data from the Rock Mechanics Laboratory of the Colombian Petroleum Institute - Ecopetrol SA as training data facilitating the design of non-destructive tests with a certain degree of confidence and leading to cost reduction., Este artículo presenta la forma como fueron combinadas dos técnicas de inteligencia artificial, redes neuronales y algoritmos genéticos, para el desarrollo de una herramienta computacional utilizada para la estimación de propiedades mecánicas tales como la resistencia a la tensión, la resistencia a la compresión uniaxial y la resistencia a la compresión triaxial en areniscas, a partir de propiedades petrofísicas utilizando datos de pruebas del Laboratorio de Mecánica de Rocas del Instituto Colombiano del Petróleo - Ecopetrol S.A. como datos de entrenamiento facilitando el diseño de ensayos no destructivos con cierto grado de confianza y dando lugar a una reducción de costos.

Este artículo presenta la forma como fueron combinadas dos técnicas de inteligencia artificial, redes neuronales y algoritmos genéticos, para el desarrollo de una herramienta computacional utilizada para la estimación de propiedades mecánicas tales como la resistencia a la tensión, la resistencia a la compresión uniaxial y la resistencia a la compresión triaxial en areniscas, a partir de propiedades petrofísicas utilizando datos de pruebas del Laboratorio de Mecánica de Rocas del Instituto Colombiano del Petróleo - Ecopetrol S.A. como datos de entrenamiento facilitando el diseño de ensayos no destructivos con cierto grado de confianza y dando lugar a una reducción de costos. Este artigo discute como duas técnicas foram combinadas de inteligência artificial, redes neurais e algoritmos genéticos para o desenvolvimento de uma ferramenta computacional utilizada para o cálculo das propriedades mecânicas como resistência à tração, resistência à compressão uniaxial e resistência à compressão triaxial em arenitos de propriedades petrofísicas utilizando dados de testes do Laboratório de Mecânica das Rochas da Colômbia Petroleum Institute Ecopetrol SA como dados de treinamento para facilitar o desenho de ensaios não-destrutivos com algum grau de confiança, resultando em redução de custos. This paper discusses how two artificial intelligence techniques were combined, neural networks and genetic algorithms for the development of a computational tool used for the estimation of mechanical properties such as tensile strength, uniaxial compressive strength and triaxial compressive strength in sandstones, from petrophysical properties using data from tests of Rock Mechanics Laboratory of the Colombian Petroleum Institute Ecopetrol SA as training data, to improve the design of non-destructive testing with some degree of confidence and resulting in cost reduction.