Implementación de modelos proxy que representen el proceso de inyección de agua como método de recobro mejorado para predecir la producción de crudo y agua de un campo petrolero con base a las variables operacionales de los pozos productores e inyectores
Proxy models are used as an alternative to predict oil and water production in an oil field and to replace the use of reservoir simulation softwares. In this paper, a methodology for the construction and validation of proxy models to predict oil and water production of an oil field was proposed. Thi...
- Autores:
-
Suárez Malagón, Mario Daniel
Aguilera Ruiz, Valentina
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/51672
- Acceso en línea:
- http://hdl.handle.net/1992/51672
- Palabra clave:
- Ingeniería de yacimientos petrolíferos
Inyección de agua en campos petrolíferos
Pozos petroleros-Investigaciones
Industria del petróleo
Ingeniería de petróleos
Campos petrolíferos
Ingeniería
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
id |
UNIANDES2_2f0aec158ca1c1b97c148fb6802e2cff |
---|---|
oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/51672 |
network_acronym_str |
UNIANDES2 |
network_name_str |
Séneca: repositorio Uniandes |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Implementación de modelos proxy que representen el proceso de inyección de agua como método de recobro mejorado para predecir la producción de crudo y agua de un campo petrolero con base a las variables operacionales de los pozos productores e inyectores |
title |
Implementación de modelos proxy que representen el proceso de inyección de agua como método de recobro mejorado para predecir la producción de crudo y agua de un campo petrolero con base a las variables operacionales de los pozos productores e inyectores |
spellingShingle |
Implementación de modelos proxy que representen el proceso de inyección de agua como método de recobro mejorado para predecir la producción de crudo y agua de un campo petrolero con base a las variables operacionales de los pozos productores e inyectores Ingeniería de yacimientos petrolíferos Inyección de agua en campos petrolíferos Pozos petroleros-Investigaciones Industria del petróleo Ingeniería de petróleos Campos petrolíferos Ingeniería |
title_short |
Implementación de modelos proxy que representen el proceso de inyección de agua como método de recobro mejorado para predecir la producción de crudo y agua de un campo petrolero con base a las variables operacionales de los pozos productores e inyectores |
title_full |
Implementación de modelos proxy que representen el proceso de inyección de agua como método de recobro mejorado para predecir la producción de crudo y agua de un campo petrolero con base a las variables operacionales de los pozos productores e inyectores |
title_fullStr |
Implementación de modelos proxy que representen el proceso de inyección de agua como método de recobro mejorado para predecir la producción de crudo y agua de un campo petrolero con base a las variables operacionales de los pozos productores e inyectores |
title_full_unstemmed |
Implementación de modelos proxy que representen el proceso de inyección de agua como método de recobro mejorado para predecir la producción de crudo y agua de un campo petrolero con base a las variables operacionales de los pozos productores e inyectores |
title_sort |
Implementación de modelos proxy que representen el proceso de inyección de agua como método de recobro mejorado para predecir la producción de crudo y agua de un campo petrolero con base a las variables operacionales de los pozos productores e inyectores |
dc.creator.fl_str_mv |
Suárez Malagón, Mario Daniel Aguilera Ruiz, Valentina |
dc.contributor.advisor.none.fl_str_mv |
Gómez Ramírez, Jorge Mario |
dc.contributor.author.none.fl_str_mv |
Suárez Malagón, Mario Daniel Aguilera Ruiz, Valentina |
dc.contributor.jury.none.fl_str_mv |
Rodríguez Castelblanco, Astrid Xiomara Ramírez Arias, Andrés Felipe Ríos Ratkovich, Nicolás |
dc.subject.armarc.spa.fl_str_mv |
Ingeniería de yacimientos petrolíferos Inyección de agua en campos petrolíferos Pozos petroleros-Investigaciones Industria del petróleo Ingeniería de petróleos Campos petrolíferos |
topic |
Ingeniería de yacimientos petrolíferos Inyección de agua en campos petrolíferos Pozos petroleros-Investigaciones Industria del petróleo Ingeniería de petróleos Campos petrolíferos Ingeniería |
dc.subject.themes.none.fl_str_mv |
Ingeniería |
description |
Proxy models are used as an alternative to predict oil and water production in an oil field and to replace the use of reservoir simulation softwares. In this paper, a methodology for the construction and validation of proxy models to predict oil and water production of an oil field was proposed. This methodology is summarized in four main steps: select relevant operational variables and analyze their significance, recollect proxy model training data, proxy model construction, and proxy model validation. This methodology was applied to a particular study case: a section of the Matanegra block located in the oil field Caño Limón. In this case, historical production data was not available, so a section of the Matanegra block was simulated in IMEX in order to recreate historical data that reflect reality. Two different approaches were evaluated in the proxy model construction. In the first approach the operational variables were constant over time and there were two response variables: total oil production and total water production. In the second approach the operational variables change every month and there were two response variables: monthly oil production and monthly water production. This second approach is innovative, as it allows to evaluate how monthly oil production is affected when changing operational variables each month. In each approach, 3 types of proxy models were created for each response variable: polynomial quadratic with interactions, polynomial quadratic without interactions and MARS (Multivariable Adaptive Regression). This results in 6 models per approach for a total of 12 proxy models. For both approaches, the model with the highest predictive power was polynomial quadratic without interactions, followed by MARS and finally, polynomial quadratic with interactions. |
publishDate |
2021 |
dc.date.accessioned.none.fl_str_mv |
2021-08-10T18:37:46Z |
dc.date.available.none.fl_str_mv |
2021-08-10T18:37:46Z |
dc.date.issued.none.fl_str_mv |
2021 |
dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
format |
http://purl.org/coar/resource_type/c_7a1f |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/51672 |
dc.identifier.pdf.none.fl_str_mv |
22694.pdf |
dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
url |
http://hdl.handle.net/1992/51672 |
identifier_str_mv |
22694.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
dc.language.iso.none.fl_str_mv |
spa |
language |
spa |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.none.fl_str_mv |
37 hojas |
dc.format.mimetype.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad de los Andes |
dc.publisher.program.none.fl_str_mv |
Ingeniería Química Ingeniería Industrial |
dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeniería |
dc.publisher.department.none.fl_str_mv |
Departamento de Ingeniería Química Departamento de Ingeniería Industrial |
publisher.none.fl_str_mv |
Universidad de los Andes |
institution |
Universidad de los Andes |
bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/17b6f758-d0da-4a15-a20b-4ac82262063e/download https://repositorio.uniandes.edu.co/bitstreams/38343f45-28fa-40b8-8ba3-2477e10bd0f7/download https://repositorio.uniandes.edu.co/bitstreams/0497c5ee-c934-4109-afe7-209688ca0314/download |
bitstream.checksum.fl_str_mv |
ae76ee5379b7c1b540735529dcad7bdc 156fe456fa98ca29f2656a30ddad9ea2 0b52b9b28bc5ee75d1a0126513f69f18 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional Séneca |
repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
_version_ |
1812133921076281344 |
spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Gómez Ramírez, Jorge Mariovirtual::7777-1Suárez Malagón, Mario Danielc89e1e4f-d8ff-47e6-a00a-9cb65c6bd3a3500Aguilera Ruiz, Valentina435351f8-b3f5-47c1-b78b-9922f68351cf500Rodríguez Castelblanco, Astrid XiomaraRamírez Arias, Andrés FelipeRíos Ratkovich, Nicolás2021-08-10T18:37:46Z2021-08-10T18:37:46Z2021http://hdl.handle.net/1992/5167222694.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Proxy models are used as an alternative to predict oil and water production in an oil field and to replace the use of reservoir simulation softwares. In this paper, a methodology for the construction and validation of proxy models to predict oil and water production of an oil field was proposed. This methodology is summarized in four main steps: select relevant operational variables and analyze their significance, recollect proxy model training data, proxy model construction, and proxy model validation. This methodology was applied to a particular study case: a section of the Matanegra block located in the oil field Caño Limón. In this case, historical production data was not available, so a section of the Matanegra block was simulated in IMEX in order to recreate historical data that reflect reality. Two different approaches were evaluated in the proxy model construction. In the first approach the operational variables were constant over time and there were two response variables: total oil production and total water production. In the second approach the operational variables change every month and there were two response variables: monthly oil production and monthly water production. This second approach is innovative, as it allows to evaluate how monthly oil production is affected when changing operational variables each month. In each approach, 3 types of proxy models were created for each response variable: polynomial quadratic with interactions, polynomial quadratic without interactions and MARS (Multivariable Adaptive Regression). This results in 6 models per approach for a total of 12 proxy models. For both approaches, the model with the highest predictive power was polynomial quadratic without interactions, followed by MARS and finally, polynomial quadratic with interactions.Los modelos proxy son utilizados como una alternativa para predecir la producción de crudo y agua en un campo petrolero y para reemplazar el uso de softwares especializados de simulación. En este estudio se propuso una metodología para la construcción y validación de modelos proxy para la predicción de agua y crudo de un campo petrolero. La metodología se resume en cuatro pasos principales: seleccionar variables operacionales de interés y analizar su significancia, recolectar datos de entrenamiento del modelo, construcción de los modelos proxy y finalmente, validar los modelos. Esta metodología se aplicó a un caso de estudio particular: una sección del bloque Matanegra que forma parte del campo Caño Limón. En este caso no se contaron con datos históricos de producción, por lo cual se simuló una sección del bloque Matanegra en IMEX para así recrear los datos históricos que representan la realidad. Se evaluaron dos enfoques diferentes para la construcción de los modelos proxy. En el primer enfoque las variables operacionales se mantienen constantes a lo largo del tiempo y las 2 variables de respuesta son: producción total de agua o crudo. En el segundo enfoque las variables operacionales varían cada mes y las 2 variables de respuesta son: producción mensual de crudo o agua. Este último enfoque es novedoso pues permite evaluar como la producción mensual de un campo petrolero se ve afectada al variar las condiciones operacionales mes a mes. En cada enfoque se crean 3 tipos de modelos proxy para cada variable de respuesta: polinomial cuadrático con interacciones, polinomial cuadrático sin interacciones y MARS (Multivariate Adaptive Regression). Esto resulta en 6 modelos por enfoque para un total de 12 modelos proxy. Para ambos enfoques el modelo con mayor poder predictivo fue el polinomial cuadrático sin interacciones, seguido de MARS y finalmente, el polinomial cuadrático con interacciones.Ingeniero QuímicoIngeniero IndustrialPregrado37 hojasapplication/pdfspaUniversidad de los AndesIngeniería QuímicaIngeniería IndustrialFacultad de IngenieríaDepartamento de Ingeniería QuímicaDepartamento de Ingeniería IndustrialImplementación de modelos proxy que representen el proceso de inyección de agua como método de recobro mejorado para predecir la producción de crudo y agua de un campo petrolero con base a las variables operacionales de los pozos productores e inyectoresTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPIngeniería de yacimientos petrolíferosInyección de agua en campos petrolíferosPozos petroleros-InvestigacionesIndustria del petróleoIngeniería de petróleosCampos petrolíferosIngeniería201532361Publicationhttps://scholar.google.es/citations?user=FGBxCvcAAAAJvirtual::7777-10000-0002-2018-4121virtual::7777-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000870382virtual::7777-14f5a1a48-528f-4b59-83ce-a5d765ad0163virtual::7777-14f5a1a48-528f-4b59-83ce-a5d765ad0163virtual::7777-1THUMBNAIL22694.pdf.jpg22694.pdf.jpgIM Thumbnailimage/jpeg22725https://repositorio.uniandes.edu.co/bitstreams/17b6f758-d0da-4a15-a20b-4ac82262063e/downloadae76ee5379b7c1b540735529dcad7bdcMD55TEXT22694.pdf.txt22694.pdf.txtExtracted texttext/plain75797https://repositorio.uniandes.edu.co/bitstreams/38343f45-28fa-40b8-8ba3-2477e10bd0f7/download156fe456fa98ca29f2656a30ddad9ea2MD54ORIGINAL22694.pdfapplication/pdf906479https://repositorio.uniandes.edu.co/bitstreams/0497c5ee-c934-4109-afe7-209688ca0314/download0b52b9b28bc5ee75d1a0126513f69f18MD511992/51672oai:repositorio.uniandes.edu.co:1992/516722024-03-13 13:30:58.051http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |