´ noma de Me

´xico
Universidad Nacional Auto
Posgrado en Ciencias de la Tierra
Instituto de Geof´ısica
Modelado de Sistemas Terrestres

Simulaci´on Num´erica de Inyecci´on de Agua en Yacimientos
Petroleros empleando el M´etodo de L´ıneas de Corriente

TESIS
QUE PARA OPTAR POR EL GRADO DE:
MAESTRO EN CIENCIAS DE LA TIERRA

P R E S E N T A:
ROBERTO

CARLOS

M A R T ´I N E Z

Director de Tesis:
Dr. Luis M. De la Cruz Salas
Instituto de Geof´ısica

M´exico, D.F. Enero 2014

CARRADA

Agradecimientos

El presente trabajo no habr´ıa sido posible sin la generosa ayuda de muchas personas e intituciones. A mi alma m´ater, la Universidad Nacional Aut´onoma de M´exico,
al Instituto de Geof´ısica y al Posgrado en Ciencias de la Tierra, as´ı como a su personal acad´emico y administrativo que me apoyaron durante mis estudios de posgrado. Al
programa nacional de Becas de Posgrado del CONACyT que disfrut´e durante dos a˜
nos.
A mi director de tesis, el Dr. Luis De la Cruz por la paciencia que me tuvo durante
la elaboraci´on de la tesis, sus consejos, observaciones y al tiempo dedicado en las sesiones de tutor´ıa.
A mis profesores del posgrado que ayudaron en mi formaci´on a lo largo de estos

nos, sus conocimientos y experiencia sirvieron tambi´en de inspiraci´on para mi trabajo
de investigaci´on.
A mi jurado de examen de grado: Dr. Ismael Herrera Revilla, Dra. Graciela Herrera
Zamarr´on, Dr. Ernesto Rubio Acosta, Dr. Carlos Ortiz Alem´an y al Dr. Luis M. De la
Cruz Salas. Sus comentarios y correcciones sobre mi trabajo enriquecieron el contenido
de ´este.
A todos ellos, ¡Gracias!

.. ´ A Erika. ya viene el fin de semana.Dedicatoria A mi m´as dura cr´ıtica y mi m´as ferviente apoyo: a mis padres Leonor y Prudencio y a Hugo. . un alma libre y creativa. la bohemia y nuestra literatura. Con personas como ustedes en mi vida. pase lo que pase. ¡ya he ganado! ´ ¡Exito! . Por nuestros colores. mi hermano.

. . . . M´etodos Cl´asicos en Ingenier´ıa de Yacimientos . M´etodos de Simulaci´on de Yacimientos . . . . . 2. . . . . . 27 27 28 29 30 30 33 36 . . . . . . . . . . . . . . . M´etodos de Balance de Materiales . . . . . M´etodos de Curva de Declinaci´on . . . .2. 3. . . . .1. . Formaci´on del Aceite y Gas . . . . . . . . . . . . . . . . . 3. . M´etodos Anal´ıticos . . . 3 Modelo Conceptual 3. . . . . .3. . . . . 3.3. . . . . . . 2. . . . . .1. . . . 2.1. . . . . .1.2. . . . . . . . . . 3.1. . . . . . . . . . . .2. . . 19 20 20 20 21 21 21 21 22 23 24 . Transformaci´on de la Materia Org´anica . . . . . . .2. . . . . . . . . . . . . . . 2. . . . . . .1.3. . . Clasificaci´on de Simuladores de Yacimientos . . . 2. . T´erminos Usados en la Simulaci´on Num´erica . . . Propiedades de los Fluidos . . . . . . . . . .2. . . .1. . . . .1. . . . . 4 . . . . . . . . . . . . . . . . . . . . . 3.2. . Etapas de la Simulaci´on . . 2 Simulaci´ on de Yacimientos 2. .2. Sistema Petrolero . . . . . . . . . . .1. . . . . . . . 15 17 . . . . . . . . . . .3. . . . . Estructura de la Tesis . M´etodos Estad´ısticos . . . . . . . . . .3. . . . . . . .4. . . . 2. . . . . . . .3. . . . . .4. . . . . . . . . . 2. . . . . . . Aplicaciones de la Simulaci´on de Yacimientos 2. . . . . . . . . . . . . . . . . . . Propiedades de la Roca y los Fluidos en el Yacimiento . . .1. . . . . . . . . . . . . . . 2.2. . . . . . . Mojabilidad . . .1. . . . .´Indice General ´Indice General 4 ´Indice de Figuras 7 ´Indice de Tablas 9 1 Introducci´ on 1. . . Propiedades de la Roca . . . . . . . . . . .1. 3. . . . . . . . . . . . . . . . .

. . . . 4. . . . . . . 4 Modelos Matem´ aticos 4. . . . . 4. . . . . . . 4.2. . . . . Formulaci´on Presi´on-Saturaci´on para Flujos Bif´asicos . . . .3. . . .2. . . . . . . . . .2. Calibraci´on 1D con el modelo de Buckley. . . . 5. . . . . . Formulaci´on Axiom´atica . . . . . . .1. . . . . . . . .2. . 5. .2. 73 73 75 75 78 79 83 87 . . . . . .4. . . . . . . M´etodo de Volumen Finito (MVF) . . . . . . . . . . . . . . . . . . .1.5. . . . . . Procesos de Desplazamiento de Fluidos . . . Tiempo de Vuelo como Coordenada Espacial . . . . . .5. . . .2. . . .5. . .5. . . . . . . . . . . . . 6. . . . . . . . . 37 37 39 41 41 42 43 44 45 45 48 50 51 53 55 55 5 Modelo Num´ erico 5. . . . . .2. . . 4. . 5. . . . Modelo Discreto de Flujo en dos Fases con MVF . . . Funciones de Corriente en 2D . . 4. 6. . . . C´alculo del Tiempo de Vuelo y L´ıneas de Corriente 2D y 3D . . . . . . .5. . . . . 6. .2.5. . . . . . . . L´ıneas de Corriente . . . . . . . . . . .5. .5. . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . 4. . . . . . . . . . 4. . . . . . . .4. . 3. .5. . . . . . . . . . . . M´etodo de L´ıneas de Corriente . . .1. . .2. . . . . .5. . . . . . . Funciones de Corriente y L´ıneas de Corriente en 3D . . . . . . . . . 6. . . . . . . . 4. . Discretizaci´on de la Ecuaci´on de Saturaci´on 1D . . . Estudio de Caso . C´alculo de la Saturaci´on en las Caras . . . 95 95 5 . . . . . . . . . . . . . . . . . .5. Algoritmo IMPES . . . . .2. . .1. . . . . . . .2. . . . . . . . . . . . . . . . . . . . . .3. .1. . . . . . .2. . . en . . . . . . . . . . 5. . . .4. . Modelo Matem´atico para Sistemas Multif´asicos . . . . . . . . . . . . . 3. . . . . . . . . . . . . . . . . .3. Caso homog´eneo (MVF) . . . Condiciones Iniciales y de Frontera . . . . . . . Interacci´on Roca-Fluidos . . . . . . . Conceptos Fundamentales . . . . . . . . . . . . Etapas de la Recuperaci´on de Hidrocarburos . . 61 61 62 62 66 69 69 71 71 72 6 Modelo Computacional y Resultados Num´ ericos 6. . . . 6.5. . . Forma Conservativa de las Ecuaciones de Balance . .3. . . .2. . . . . . . . 7 Conclusiones 93 A Formulaci´ on Presi´ on-Saturaci´ on A. . . . . . . . . . . . . . . . . . . L´ıneas de Corriente y Tiempo de Vuelo . . . . . . . . . . .1. . . . . . . . . . . . . .5.Leverett 6. . . . . .1.7. 4. . . . . . . . . L´ıneas de Corriente caso no-homog´eneo . . . . Software TUNAM . . 4. Discretizaci´on de la Ecuaci´on de Presi´on .2. . . . . . . 5. . . . . . . . . . . . Ecuaci´on de Presi´on . Implementaci´on . . . . . C´alculo del Transporte a lo largo de las L´ıneas de Corriente 5. .3. . . . . . 5. . . . . . . .6.5.2. . . . 4. 5. . . . . . . .´Indice General 3. . . . .1. . . . . . .4. . . . . .5. . . Discretizaci´on de la Ecuaci´on de Saturaci´on . . . . . . . Caso no-homog´eneo (MVF) . . .

. . Ecuaci´on de Saturaci´on . . . . . . B Gradiente Conjugado para Sistemas Lineales Dispersos 97 99 C Aplicaci´ on del M´ etodo de Volumen Finito 103 Referencias 105 6 . . . . . . . . . . . . . . . .2. . .´Indice General A. . .

. . . . . . . . . . . . . . . . . . . 3. . .9. . . . . En verde pc para una saturaci´on intermedia. . . . funci´on de corriente y tubo de corriente en 2D. .4.6. . . . . Im´agenes obtenidas con OpenDx. . Malla para un a´rea en 2D. . . 4. . . . . . Etapas del proceso de modelado y simulaci´on. Una funci´on de corriente no depende de la definici´on de la trayectoria. . . . 3. . . . . . . . . . . . . . . . . 3. . . Correlaci´on permeabilidad-porosidad .4.7. . . . . . 3. . . . . . . . . . . en amarillo una inversi´on de los valores para la l´ınea verde. . . . . . . . . Trampa t´ıpica con sincron´ıa de los distintos elementos del Sistema Petrolero. . . . . .2. . . . . .3. . 2. . .5. . . . . . . . . . . . . . . . . . . A la izquierda un fluido no mojador. Procesos de drenajes e imbibici´on . . . . .1. . Tubo de corriente. . . . . . . . . . 4. . . . . . 4. . . . . . observamos poros interconectados y poros aislados a la derecha. . . . . . . 2. . . . . . . . . . . . Inyecci´on de agua en yacimientos petroleros. . . . . . . 4. . . . . . . .2. . . .6. .1. . . el campo de velocidad en un dominio dado. . . . Una funci´on de corriente no depende de la definici´on de la trayectoria. . . . . Representaci´on esquem´atica de un medio continuo . . . . . . . . . . . . .´Indice de Figuras 2. . . . . . . . . . . . . . . . . . . . . . 3. . . . 4. . . . . . A la izquierda. 4. 7 22 24 25 28 30 31 33 34 36 37 38 40 42 46 46 47 48 49 51 . . . . 3. . .3. . . . . . . . . . Corte transversal para un dominio 2D. . .2. . . . . . . . . . . . . . . . . L´ıneas de corriente. . . 4. al centro una fluido de mojabilidad intermedia y a la derecha un fluido mojador. . . . En rojo se muestra la curva de drenaje primario e imbibici´on en negro y delimitan el comportamiento de la presi´on capilar. . . .3. . . A la derecha observamos las l´ıneas de corriente tangentes al campo de velocidad local. . . A la izquierda. . . . . . . .5. . 3. . . Depositaci´on de la materia org´anica en ambientes reductores y su posterior sepultamiento en la cuenca sedimentaria. Tiempo de vuelo τ para una part´ıcula de prueba. Im´agenes obtenidas con OpenDx.7. . . . . .8. . . . . . 3. . . .1. 3. . . Relaci´on densidad-presi´on. .

significan Generalization. . . . . . . . .´Indice de Figuras 4.1. . . . 62 66 6. . . . . de izquierda a derecha: permeabilidad en direcci´on x. . . . Bloque de volumen finito para el c´alculo del tiempo de vuelo. Los bordes del tubo de corriente son l´ıneas de corriente. . . . . . . .9. .12. . . mientras que las min´ usculas las caras de dichos vol´ umenes. . . Saturaci´on obtenida mediante l´ıneas de corriente en rojo y con volumen finito en verde. a la derecha de la figura. . . . . . . . . . . 6.2. . Las letras may´ usculas representan los centros de los vol´ umenes de control. .8. . . . . . Dos superficies de corriente en (a) y en (b) y sus intersecciones en (c) definen un tubo de corriente. . Geometr´ıa del dominio del caso de cinco pozos. Evoluci´on del frente de saturaci´on para un medio homog´eneo. 6. 4. . 6. . . . . . 6. La matriz resultante presenta 7 bandas en el caso tridimensional. . . . . Valores de permeabilidad en el dominio de estudio. . . . . . . . . . . . Comparaci´on de los m´etodos MVF y SLS en los mismos d´ıas de la simulaci´on. . . 6. . . . . .2. . . . . Part´ıcula en un esquema de celdas 2D para el c´alculo del tiempo de vuelo. . . 4. . . . . . 6. respectivamente. . (b) Los paquetes FVM y Geom se muestran de manera esquem´atica: las letras G.6. 4. . . Representaci´on del algoritmo de Pollock en 2D. Campo de velocidad para el dominio con permeabilidad variable. . . . . C´alculo del tiempo de vuelo para una sola celda. . .8. . .5. 4. . . Medio homog´eneo de 300 m de longitud. . 6.4. Volumen de control en tres dimensiones. . 8 75 76 77 78 82 83 86 89 92 . . . . L´ınea de corriente en un sistema 3D. . . . . . . . . . S y A. . . (a) Arquitectura general de TUNAM. . . . . . . . .11. . Specialization y Adaptor. en un principio saturado de aceite. . . . 6. . . . . . . .7. . . . . . . . . 53 56 59 59 60 60 5. . . . . y y z. . . . 4. Evoluci´on del frente de saturaci´on para un medio de permeabilidad variable. . . . . . . . . .9. .13. . 5. .1. . .3. . . . . . .10. . .

´Indice de Tablas

3.1. Clasificaci´on de permeabilidad de rocas . . . . . . . . . . . . . . . . . . . .
3.2. Valores t´ıpicos de viscosidad en aceites. . . . . . . . . . . . . . . . . . . . .

32
36

5.1. Condiciones iniciales para la presi´on y la saturaci´on.

. . . . . . . . . . . .

69

6.1. Condiciones iniciales y de frontera para la presi´on y la saturaci´on. . . . . .
6.2. Datos para el caso de estudio. . . . . . . . . . . . . . . . . . . . . . . . . .

77
78

9

Abstract

In this thesis I study a three-dimensional model of two-phase flow in porous media
to simulate water injection into oil fields. The mathematical models are derived from
axiomatic formulation. This model consists of a set of partial differential equations, nonlinear and coupled, which are solved using the IMPES algorithm. I use the pressures
and saturations of water and oil phases in order to calculate the total velocity field
in the domain of interest. Streamlines are paths whose points are tangent to the
field velocity at given instant of time. To discretize the resulting system of equations
I used the Finite Volume Method (FVM) which is derived from the conservative
version of balance equations. The discrete system satisfies the principle of conservation
of the extensive properties of the model for each control volumes. The relationship
between the numerical algorithm and the principle of conservation is one of the biggest
advantages of FVM.
This thesis also presents the development and application of a three-dimensional, twophase streamline simulator applied to field scale multiwell problems. The underlying
idea of the streamline method is to decouple the full 3D problem into multiple 1D
problems along streamlines. Fluids are moved along the natural streamline grid, rather
than between discrete gridblocks as in conventional methods. Permeability effects and
well conditions dictate the paths that the streamlines take in 3D; the geometry and
density of the streamlines reflects the geological impact of preferential flow paths
introducing higher line density in regions of high porosity and permeability. The physics
of the displacement is captured by the 1D solutions mapped along streamlines. The
one-dimensional solution makes this approach extremely fast and effective to model
flows in fields where there are many heterogeneities.

11

.

Resumen En este trabajo se estudia un modelo de flujo bif´asico en medios porosos en tres dimensiones a fin de simular num´ericamente la inyecci´on de agua en yacimientos petroleros. El sistema discreto. que se deriva a partir de la forma conservativa de las ecuaciones de balance. Los efectos de permeabilidad y la distribuci´on de los pozos dictan los caminos que llevan las l´ıneas de corriente en 3D. La soluci´on unidimensional hace que este enfoque sea extremadamente r´apido y efectivo para modelar flujos en yacimientos en donde existen muchas heterogeneidades. La f´ısica del desplazamiento es capturada por las soluciones 1D asignadas a lo largo de cada l´ıneas de corriente. La discretizaci´on del sistema de ecuaciones resultante se llev´o a cabo mediante el M´etodo de Volumen Finito (MVF). La presi´on y la saturaci´on de las fases agua y aceite ayudan a calcular el campo de velocidades total en el dominio de inter´es. La principal idea del m´etodo de L´ıneas de Corriente es descomponer un problema completamente en 3D en uno con m´ ultiples l´ıneas de corriente 1D. Este modelo consiste de un conjunto de ecuaciones diferenciales parciales. Las l´ıneas de corriente son trayectorias que en cada uno de sus puntos son tangentes a dicho campo de velocidad en un instante de tiempo dado. no lineales y acopladas. El modelo matem´atico se obtiene mediante la formulaci´on axiom´atica. las cuales se resuelven utilizando el algoritmo IMPES. la geometr´ıa y la densidad de las l´ıneas de corriente reflejar´an el impacto geol´ogico sobre los caminos preferenciales del flujo. introduciendo mayor densidad de l´ıneas en regiones de alta porosidad y permeabilidad. La relaci´on existente entre el algoritmo num´erico y el principio de conservaci´on es una de las mayores ventajas del MVF. Esta tesis presenta tambi´en el desarrollo y la aplicaci´on de un simulador 3D de dos fases aplicado a escala de yacimiento para problemas con m´ ultiples pozos. 13 . en lugar de entre los bloques de la malla de m´etodos convencionales. cumple con el principio de conservaci´on de las propiedades extensivas del modelo para cada uno de los vol´ umenes de control. Los fluidos se mueven a lo largo de las l´ıneas de corriente discretizadas.

.

[42]. 28. Recientemente se ha incrementado el inter´es en estas t´ecnicas debido al desarrollo de nuevas formas de caracterizar los yacimientos. Hoy en d´ıa es posible obtener modelos est´aticos que integran datos geol´ogicos y geof´ısicos en tres dimensiones muy detallados. entonces las l´ıneas se trazan usando campos de velocidades instant´aneos. La velocidad se obtendr´a a partir de la soluci´on num´erica de la ecuaci´on de presi´on. [34. para realizar un manejo prudente y eficiente del yacimiento. El incremento en la resoluci´on produce m´as variables e incertidumbres que no pueden manejarse con las t´ecnicas est´andares (m´etodos basados en mallas num´ericas). 40. La evoluci´on de los frentes de inyecci´on y su interacci´on con las heterogeneidades del yacimiento pueden ser visualizadas f´acil y r´apidamente. [1]. 36].Cap´ıtulo 1 Introducci´ on El modelado de yacimientos basado en l´ıneas de corriente ha sido usado en la industria del petr´oleo desde los a˜ nos 50’s. [43. 50]. [48]. ni con los equipos de c´omputo actualmente existentes. y por lo tanto proveen de una manera natural e intuitiva para caracterizar din´amicamente un yacimiento. pues proporciona herramientas para la simulaci´on r´apida de yacimientos a escalas finas. que requieren de la capacidad de c´omputo adecuada. [15. Lo anterior se traduce en modelos de cientos de millones de nodos para una simulaci´on t´ıpica [26]. 16]. desde entonces ha habido un constante desarrollo de este tipo de m´etodos. [25. Una l´ınea de corriente es una trayectoria que en cada uno de sus puntos es tangente al campo de velocidad en un instante de tiempo dado. Los recientes desarrollos en las t´ecnicas de simulaci´on con l´ıneas de corriente ofrecen un alto potencial para atacar este tipo de problemas. Dado que la velocidad es dependiente del tiempo. En una simulaci´on num´erica se busca entender y cuantificar el impacto de los elementos desconocidos del modelo est´atico sobre el flujo de los fluidos y el transporte de hidrocarburos. Los fundamentos de estas t´ecnicas se remontan al siglo XIX. 49]. La ecuaci´on de presi´on satisface una ecuaci´on diferencial (parab´olica o el´ıptica) la cual una vez obtenida sirve de base para definir y resolver una familia de ecuaciones 15 .

´n
1. Introduccio
hiperb´olicas (o, casi hiperb´olicas). As´ı, la mayor resoluci´on se lograr´a aumentando la
finura del mallado para obtener la soluci´on de la presi´on y reduciendo los intervalos de
tiempo de las ecuaciones de transporte para las componentes.
Una vez obtenidas las presiones, se obtienen las velocidades mediante la ley de Darcy.
Usando las velocidades se trazan las l´ıneas de corriente mediante el algoritmo de Pollock
y se calcula el Tiempo de Vuelo (TOF), por sus siglas en ingl´es, a lo largo de las mismas.
T´ıpicamente estas l´ıneas comienzan en un pozo inyector y se hace el seguimiento
hasta los pozos productores. Las ecuaciones de transporte se resuelven sobre las l´ıneas
de corriente, transformando el problema tridimensional a varios problemas en una
dimensi´on, [24]. Este c´alculo se puede realizar en paralelo simplemente repartiendo
grupos de l´ıneas de corriente, a procesadores diferentes y en ellos obtener las soluciones
de transporte para cada uno de estos grupos, [8]. En simulaciones dependientes del
tiempo, se deben actualizar estos campos peri´odicamente, pero los pasos de tiempo
pueden ser largos comparados con los pasos de tiempo usados en la soluci´on de
las ecuaciones de transporte, [17, 32, 45]. Cada vez que se actualiza la presi´on, las
saturaciones se interpolan de la malla num´erica a las l´ıneas de corriente y viceversa. Esto
puede introducir errores num´ericos en el balance de masa, y posiblemente introducir
dispersi´on num´erica.
Las l´ıneas de corriente proveen im´agenes instant´aneas de los patrones de flujo en el
campo, que los ingenieros pueden utilizar para acortar el ciclo de ajuste hist´orico al
validar los modelos de los yacimientos, [5]. Las l´ıneas de corriente tambi´en pueden
ayudar a los ingenieros a desarrollar estrategias de inyecci´on y mejorar la eficiencia
del desplazamiento mediante el an´alisis de los patrones de flujo y estimando las
relaciones inyector-productor en el campo durante los c´alculos de distintos escenarios de
predicci´on, [3]. Desarrollos recientes en m´etodos de l´ıneas de corriente permiten ahora
para los simuladores de yacimientos basados en estos m´etodos, [6, 7], ser aplicados a
un conjunto m´as general de problemas, [9] que antes s´olo pod´ıan ser resueltos usando
m´etodos convencionales como el de Volumen Finito.

16

1.1. Estructura de la Tesis

Objetivo
Desarrollar herramientas computacionales que implementen el m´etodo de l´ıneas
de corriente para simular el desplazamiento de aceite por agua en un yacimiento
petrolero y evaluar el desempe˜
no del M´etodo de L´ıneas de Corriente contra los m´etodos
tradicionales, particularmente, el M´etodo de Volumen Finito.

1.1.

Estructura de la Tesis

En el cap´ıtulo 2 se aborda el concepto de simulaci´on de yacimientos, las distintas
maneras que existen de predecir su comportamiento, sus principales aplicaciones y la
terminolog´ıa usada en ingenier´ıa de yacimientos, [1, 13, 36].
En el cap´ıtulo 3 entramos a la primera parte del proceso de modelado y simulaci´on, pues se hace la descripci´on del modelo conceptual del problema, [38, 25], es
decir, todas aquellas leyes y principios de la f´ısica que gobiernan el flujo de fluidos en
medios porosos, [14] y sus expresiones matem´aticas.
Ya en el cap´ıtulo 4, se hace un desarrollo de los modelos matem´aticos que describen
el desplazamiento un flujo de dos fases en tres dimensiones en un medio poroso. Dicho modelo matem´atico consta de ecuaciones diferenciales parciales que se deducen a
partir de la formulaci´on axiom´atica, [2, 27] y la presentaci´on del m´etodo de L´ıneas de
Corriente y su planteamiento matem´atico.
El cap´ıtulo 5 describe el M´etodo de Volumen Finito [32, 19, 45] y su aplicaci´on a
la discretizaci´on de las ecuaciones de presi´on y saturaci´on 1D para el m´etodo de L´ıneas
de Corriente.
En el cap´ıtulo 6 encontraremos la implementaci´on [39] de los algoritmos descritos
en el cap´ıtulo anterior a fin de resolver las ecuaciones discretas que conforman el modelo
matem´atico. Dicha implementaci´on se llev´o a cabo en el lenguaje de programaci´on
C++ bajo la plataforma TUNAM, [18] as´ı como la visualizaci´on de los resultados con
OpenDx, [35]. Finalmente, el cap´ıtulo 7 consta de las conclusiones a las que llegamos
en este trabajo.

17

[20]. v´ease [36]. [10. tales como modelos a escala de laboratorio o matem´aticos. Mientras que las ecuaciones que gobiernan los yacimientos fracturados son similares a los de un yacimiento ordinario. Por ejemplo. sus propiedades dependen en gran medida de la ubicaci´on espacial. posteriormente la discretizaci´on de dichos modelos [2.Cap´ıtulo 2 Simulaci´ on de Yacimientos Un yacimiento petrolero es un medio poroso que contiene hidrocarburos. 47]. [21. Existen 4 etapas fuertemente ligas de modelado. como la incorporaci´on en los modelos de la distribuci´on variable de porosidad y permeabilidad. 4] y el dise˜ no de algoritmos computacionales. estableciendo primero el modelo f´ısico. Las propiedades de las rocas de un reservorio de esta naturaleza suelen cambiar dr´asticamente.[22. La simulaci´on de yacimientos es pues. seguido del desarrollo de los modelos matem´aticos. Los principales objetivos en la simulaci´on de yacimientos son la determinaci´on de la reservas y la predicci´on de las tasas de recuperaci´on de los yacimientos y encontrar la manera de optimizar la recuperaci´on de los hidrocarburos bajo diversas condiciones operativas. 27]. 19 . Los modelos pueden ser f´ısicos. presentan dificultades adicionales que deben ser consideradas. 23. Un yacimiento es generalmente heterog´eneo. prediciendo as´ı el desempe˜ no a futuro del yacimiento. 30]. su permeabilidad puede variar de un milidarcy (md) en la matriz a miles de md en las fracturas. [44]. Las dos caracter´ısticas importantes en un yacimiento son la naturaleza de la roca y de los fluidos que contiene. el proceso de inferir el comportamiento real a partir del comportamiento de un modelo. un yacimiento fracturado es considerado heterog´eneo ya que se compone de un conjunto de bloques de medios porosos (la matriz rocosa) y una red de fracturas.

hiperb´olico y arm´onico) para describir la tasa de declinaci´on en la producci´on del aceite. la saturaci´on y sus relaciones en los n´ ucleos de laboratorio y luego se busca ampliar su escala para la acumulaci´on de hidrocarburos en el yacimiento. Los m´etodos cl´asicos de balance de materiales usan una representaci´on matem´atica de un yacimiento o volumen de drenaje. Estos m´etodos incluyen el balance de materiales.1. m´as la cantidad de masa a˜ nadida debido a la inyecci´on. los datos hist´oricos son igualados por la elecci´on de los par´ametros C y b que minimicen el error (utilizando a menudo el error de m´ınimos cuadrados) entre los datos y la ecuaci´on. Una curva de declinaci´on tiene la forma general 1 dq . aceite o gas que queda en el dep´osito despu´es de un per´ıodo de producci´on es igual a la diferencia de la cantidad de masa originalmente en su lugar y que fue removido del yacimiento debido a la producci´on. q es la tasa de producci´on (m3 /d). (2.1) q dt donde C es un par´ametro de declinaci´on. Simulacio 2.1.2. se predice el desempe˜ no del yacimiento mediante la ecuaci´on igualada. Extrapolando los datos hist´oricos en el futuro.1. Por u ´ltimo.1. Despu´es de la forma que se elija. ver [13] 2. curva de declinaci´on. y t es el tiempo (d´ıas). respectivamente.´ n de Yacimientos 2. tales como la presi´on. es decir. hiperb´olicas y arm´onicas. 2. Los m´etodos experimentales miden propiedades f´ısicas. Los m´etodos de la curva de declinaci´on coinciden con los datos hist´oricos de producci´on para seleccionar una forma adecuada de la ecuaci´on (2. Los casos para cuando b = 0. M´ etodos de Balance de Materiales Los m´etodos matem´aticos son los m´as utilizados en la simulaci´on cl´asica de yacimientos en la industria petrolera a fin de predecir el comportamiento del yacimiento. M´ etodos Cl´ asicos en Ingenier´ıa de Yacimientos Los m´etodos cl´asicos de predicci´on de comportamiento de los yacimientos incluyen m´etodos anal´ogicos. estad´ısticos y m´etodos anal´ıticos. los m´etodos matem´aticos usan sistemas de ecuaciones que suelen ser por lo general sistemas de ecuaciones diferenciales parciales para pronosticar el desempe˜ no del yacimiento. Los m´etodos anal´ogicos utilizan las caracter´ısticas de yacimientos maduros que son an´alogos a los del yacimiento objetivo en un intento de predecir el rendimiento de una zona o de un yacimiento. M´ etodos de Curva de Declinaci´ on Los m´etodos cl´asicos de curva de declinaci´on usan uno de los tres declines matem´aticos (exponencial. 0 < b < 1 y b = 1 corresponden a declinaciones exponenciales.1). Un supuesto fundamental de cualquier m´etodo de extrapolaci´on es que todos los procesos que ocurren en el pasado continuar´an en el futuro. Cqb = − 20 . Su principio b´asico es la conservaci´on de masa. experimentales y matem´aticos. la cantidad de masa de agua.

utilizan la soluci´on anal´ıtica de un modelo matem´atico. Existen m´etodos m´as sofisticados tales como la separaci´on de variables. las propiedades del yacimiento deben estar dentro del l´ımite de la base de datos de regresi´on utilizado para desarrollar un modelo. involucramos un conjunto de ecuaciones diferenciales parciales [33] no lineales y acopladas dependientes del tiempo. M´ etodos Estad´ısticos Los m´etodos estad´ısticos emplean correlaciones emp´ıricas que son estad´ısticamente obtenidos usando los resultados anteriores de algunos yacimientos para pronosticar el desempe˜ no futuro de los dem´as. Para resolver estas ecuaciones exactamente. Se trata de una generalizaci´on de los m´etodos anal´ogicos. junto con un conjunto adecuado de condiciones iniciales y/o de frontera. el modelo f´ısico. y m´etodos integrales. 2.2. En la cuarta etapa. el flujo de fluidos en medios porosos. estos m´etodos pueden ser utilizados para validar simuladores de yacimientos. Los errores de predicci´on con los m´etodos estad´ısticos pueden ser tan altos como del 20 al 50 %. 2. En el modelo matem´atico. Adem´as. dado que gran parte de la f´ısica de un problema se mantiene.1. con la misma litolog´ıa y bajo las mismas condiciones de funcionamiento. analizando su existencia. figura 2.2. El modelo num´erico emplea esquemas num´ericos adecuados de discretizaci´on. [13].2.1. integrando las propiedades b´asicas de las dos primeras etapas. M´ etodos de Simulaci´ on de Yacimientos Etapas de la Simulaci´ on La simulaci´on de yacimientos involucra cuatro etapas principales interrelacionadas.1. Para tener confianza en el uso de un modelo de correlaci´on emp´ırica. tales como diferencias finitas. El modelo consta de un conjunto de ecuaciones diferenciales que describen el flujo y transporte de fluidos en un medio poroso. Sin embargo.1.3. se incorporan y desarrollan los procesos relevantes que intervienen en el fen´omeno de estudio. Por ejemplo. convergencia y estabilidad. [31]. modelos f´ısico y matem´atico. en el modelo computacional se desarrollan algoritmos computacionales y sus c´odigos a fin de resolver eficientemente el sistema lineal y no lineal de ecuaciones algebraicas asociado a la 21 . En la primera. los m´etodos anal´ıticos a menudo se utilizan para determinar c´omo los diferentes par´ametros influyen en el rendimiento del yacimiento.2. M´etodos de Simulaci´on de Yacimientos 2. En general.4. transformada de Laplace. como el de Buckley-Leverett. estas suposiciones son muy restrictivas. volumen finito o elemento finito. M´ etodos Anal´ıticos Los m´etodos de an´alisis. en el m´etodo de Buckley-Leverett para un flujo de dos fases se ignoran las fuerzas de gravedad y capilares bajo la condici´on de incompresibilidad. 2. en este caso en particular. se deban hacer suposiciones que simplifiquen el modelo y reduzcan la complejidad del mismo. Una correlaci´on se desarrolla con datos de yacimientos maduros de la misma regi´on.

en operaciones de mantenimiento de presi´on en los yacimientos y en m´ ultiples procesos miscibles. Los simuladores tambi´en pueden ser determinados por el tipo de estructura de la roca o su respuesta (ordinarios. m´etodos num´ericos. Los simuladores basados en la clasificaci´on del tipo de fluidos en el yacimiento incluyen gas. Figura 2. 2. La creciente aceptaci´on de la simulaci´on de yacimientos puede atribuirse a los avances en el desarrollo computacional. el n´ umero de fases (monof´asicos.1: Etapas del proceso de modelado y simulaci´on. acoplamiento hidr´aulico/t´ermico y fracturados). y el sistema coordenado utilizado en el modelo (rectangulares. 2D y 3D). matem´aticos. Los simuladores de petr´oleo negro suelen ser usados para recuperaciones convencionales pues los procesos simulados no son sensibles a cambios composicionales en los fluidos del yacimiento. num´ericos y algoritmos computacionales para obtener un pron´ostico preciso sobre el rendimiento del yacimiento. Cada una de estas etapas es esencial para la simulaci´on del yacimiento. Clasificaci´ on de Simuladores de Yacimientos Los simuladores de yacimientos se pueden clasificar de acuerdo a diferentes enfoques. desplazamiento 22 .2. Los m´as comunes se basan en el tipo de fluidos contenidos en el yacimiento de estudio y los procesos de recuperaci´on que est´an siendo modelados. Los Simuladores de yacimientos clasificados de acuerdo a los procesos de recuperaci´on incluyen recuperaci´on convencional (petr´oleo negro). doble porosidad/permeabilidad. Los simuladores composicionales son usados cuando los procesos de recuperaci´on de hidrocarburos son sensibles al agotamiento primario de aceite vol´atil y gas condensado. Simulacio discretizaci´on num´erica. modelos matem´aticos. t´ecnicas de soluci´on y herramientas de visualizaci´on cient´ıfica.´ n de Yacimientos 2. petr´oleo negro.2. en ocasiones es necesario iterar un determinado n´ umero de veces alguna de las etapas de la simulaci´on a fin de ajustar los modelos f´ısicos. Otros enfoques incluyen el n´ umero de dimensiones (1D. bif´asicos y trif´asicos). cil´ındricos y esf´ericos). y composicionales.

3. Dise˜ nar el simulador. Adem´as. Mientras que la simulaci´on de yacimientos es el m´etodo m´as completo. M´etodos de Simulaci´on de Yacimientos miscible. expansi´on por gas. Se deben considerar otros efectos tales como la adsorci´on en la roca. Aplicaciones de la Simulaci´ on de Yacimientos La simulaci´on de yacimientos es usualmente aplicada en los siguientes pasos: Establecer los objetivos de estudio de la simulaci´on. Validaci´on hist´orica del simulador. En la etapa final de aplicaci´on. Este paso implica las cuatro etapas principales interrelacionados descritas arriba: la construcci´on de un modelo f´ısico conceptual. agua. y el uso de ecuaciones tales como las de conservaci´on de masa y energ´ıa.2. se deben obtener datos del yacimiento y la producci´on. recuperaci´on t´ermica e incorporaci´on de qu´ımicos. se dise˜ na el simulador. pueden tambi´en ser modelado con estos simuladores. Recopilar y validar los datos de yacimientos. la reducci´on de la permeabilidad y los fluidos no newtonianos.2. tales como la inyecci´on de agua o gas. Estos m´etodos cl´asicos se pueden utilizar para generar datos de entrada para simuladores de yacimientos. Los procesos primarios de recuperaci´on de petr´oleo. los m´etodos cl´asicos de ingenier´ıa de yacimientos se encuentran todav´ıa en uso para predecir el comportamiento de los yacimientos. pueden ser modelados con simuladores de petr´oleo negro. Los simuladores de adici´on de qu´ımicos incluyen inyecci´on de alcalinos. gas en soluci´on. se eval´ uan diversos planes de desarrollo y producci´on llev´andose a cabo un an´alisis de sensibilidad de diversos par´ametros de producci´on en el yacimiento. Despu´es de que los objetivos de la simulaci´on se han establecido. un an´alisis de 23 . drenaje por gravedad e imbibici´on capilar. 2. Hacer predicciones. Los datos que cumplan los objetivos son incorporados en el simulador. y/o espuma y se pueden utilizar para cambiar la relaci´on de movilidad de forma din´amica en el desplazamiento (pol´ımero) o movilizar el aceite residual (surfactantes). Estos objetivos deben ser alcanzables y compatibles con yacimientos disponibles y datos de producci´on. Una ves que el simulador es construido. este debe ser calibrado con datos disponibles de producci´on ya que gran parte de los datos en un simulador t´ıpico necesitan ser verificados. Existen mecanismos t´ermicos de recuperaci´on que implican inyecci´on de vapor o la combusti´on in situ. el desarrollo de modelos matem´aticos y modelos num´ericos as´ı como el dise˜ no de c´odigos computacionales.2. las etapas de recuperaci´on secundaria. El primer paso en cualquier estudio de simulaci´on de yacimientos es fijar objetivos claros. pol´ımeros. Una vez que los datos son recogidos y validados. Por ejemplo.

Figura 2.. que tiene un n´ umero finito de grados de libertad y pueda ser resuelto utilizando una computadora. Para un sistema cartesiano. Para un sistema de coordenadas cartesianas. para obtener la permeabilidad del dominio de estudio.Un m´etodo num´erico para resolver problemas de ecuaciones diferenciales consiste en discretizar el problema. 2.Es una estructura que se impone a un corte vertical a trav´es del yacimiento. entre ellos diferencias finitas.Es una estructura hecha para mirar hacia abajo en el yacimiento.2.. para producir un problema discreto. Existen diferentes m´etodos num´ericos. mientras que los m´etodos de balance de materiales proporcionan informaci´on sobre la intrusi´on de agua y el tama˜ no del acu´ıfero durante la validaci´on hist´orica. 24 . radial. Malla 2D. es una divisi´on del yacimiento en las direcciones x1 y x3 utilizando pasos espaciales h1 y h3 . logar´ıtmica o distorsionada y 1D. vol´ umenes finitos.3. Modelo en secci´ on transversal 2D. 2D o 3D. que tiene un n´ umero infinito de grados de libertad.2: Malla para un a´rea en 2D. Este tipo de modelos se emplean para evaluar el efecto de la estratificaci´on vertical en el yacimiento. Simulacio acumulaci´on de presi´on se puede utilizar. en la caracterizaci´on del yacimiento.3.´ n de Yacimientos 2. es una divisi´on del yacimiento en las direcciones x1 − x2 y utilizando pasos espaciales h1 y h2 . y el m´etodo de elementos finitos.. Esta puede ser cartesiana. como se muestra en la figura 2. figura 2..Es la geometr´ıa de una malla que se utiliza para la simulaci´on num´erica de un yacimiento. T´ erminos Usados en la Simulaci´ on Num´ erica M´ etodo num´ erico. Estructura de malla.

3: Corte transversal para un dominio 2D..3. Transmisibilidad. es debido a la discretizaci´on en tiempo y espacio o a consecuencia de un error de truncamiento que surge del mallado del dominio.La transmisibilidad entre dos bloques adyacentes de una malla mide la facilidad con la que fluye un fluido entre ellos. Este frente de propagaci´on tiende a conducir a la irrupci´on temprana de agua y otros errores en la recuperaci´on.2. En concreto.Se refiere al proceso de dividir el dominio de estudio en peque˜ nos subdominios con pasos espaciales h1 . Este fen´omeno es debido a efectos num´ericos.. del los pasos de tiempo y espacio as´ı como de los m´etodos num´ericos utilizados. Driscretizaci´ on espacial.(masa fuera del bloque) = acumulaci´on de masa dentro del bloque.. Se limita a lo siguiente: (masa dentro del bloque) . T´erminos Usados en la Simulaci´on Num´erica Figura 2. como sucede en la inyecci´on de agua en medios porosos.Es un principio general que se utiliza para verificar la exactitud de un m´etodo num´erico en la simulaci´on de yacimientos.Dispersi´on num´erica es la propagaci´on de un frente de inyecci´on en un proceso de desplazamiento. Conservaci´ on de masa.. En la simulaci´on num´erica de yacimientos. Dispersi´ on num´ erica. en relaci´on a la velocidad del fluido a un 25 . Discretizaci´ on temporal. Los modelos de simulaci´on de yacimientos se componen b´asicamente de la conservaci´on de masa y la ley de Darcy. siempre se divide el yacimiento en bloques de malla y luego se modela el flujo de fluidos entre los bloques.Se refiere al proceso de dividir un intervalo de tiempo de inter´es en subintervalos con pasos de tiempo ∆t y avanzar la simulaci´on en tiempo. h2 y h3 para despu´es modelar el flujo a trav´es de un m´etodo num´erico. La gravedad del error depende del proceso de recuperaci´on de fluidos que esta siendo simulado (por ejemplo.. inyecci´on de agua e inyecci´on alternada de agua y gas).

En los m´etodos t´ermicos tambi´en se a˜ nade la conservaci´on de energ´ıa. que es normalmente un yacimiento de hidrocarburos. 26 . El Balance de materiales es un t´ermino usado en ingenier´ıa para la conservaci´on de masa en un volumen fijo.´ n de Yacimientos 2. Simulacio gradiente de presi´on.

mientras que el 99 % no llega a migrar o se pierde debido a que no existe un sello que impida que el crudo o el gas escape de la roca almac´en. Sin embargo. Contiene cantidades menores de Nitr´ogeno. como impurezas.1. para que la materia org´anica contenida pueda madurar hasta convertirse en aceite y/o gas. por lo que el rendimiento promedio de las rocas generadoras es de aproximadamente 30 %. etc. l´ıquido o s´olido y puede existir en una o varias fases en el mismo lugar. con un aporte suficiente de sedimentos. comprendida en los mismos l´ımites y sometida a un mismo sistema de presi´on en una trampa petrolera. generalmente mayor a 1000 m.Cap´ıtulo 3 Modelo Conceptual 3.. Formaci´ on del Aceite y Gas El Petr´oleo es una mezcla de hidrocarburos que en forma natural se encuentran en la corteza terrestre como gas. se estima que el 70 % permanece como residuo org´anico insoluble. ver [30].1. se tiene el problema de la cantidad de petr´oleo recuperable con rendimiento econ´omico de los yacimientos. Dentro de la roca generadora. no toda la materia org´anica se transforma en petr´oleo. Ox´ıgeno. Azufre. Es necesario que la roca generadora se encuentre dentro de una Cuenca Sedimentaria que sufra procesos de subsidencia (hundimiento por su propio peso) y enterramiento. por lo general menor al 60 %. Sodio. este porcentaje no es el petr´oleo que finalmente obtenemos. La roca generadora debe estar enterrada a una profundidad suficiente. Por otra parte. Un yacimiento es la acumulaci´on natural en la corteza terrestre de aceite y/o gas de la misma composici´on. pues se estima que s´olo el 1 % del petr´oleo generado es capaz de migrar hacia la roca almac´en y acumularse en ella. 27 . figura 3.

Los sedimentos con materia org´anica se sepultan r´apida o lentamente en funci´on de las caracter´ısticas propias de la cuenca sedimentaria. Modelo Conceptual Figura 3. etc. inicia la ventana de generaci´on debido al incremento en la presi´on y la temperatura. las fracciones sueltas se convierten en rocas sedimentarias y la mayor parte de la materia org´anica que se conserva se transforma en ker´ogeno. es decir. Transformaci´ on de la Materia Org´ anica La materia org´anica acumulada en ambientes reductores. se cubren por sepultamiento dando lugar a una serie de cambios junto con los sedimentos que contienen a dicho material org´anico. ver [30]. Catag´enesis y Metag´enesis. Diag´ enesis.. Estos procesos se llaman Diag´enesis.6 km de profundidad y 100◦ C se alcanza el m´aximo pico de generaci´on de hidrocarburos 28 . que es la fracci´on insoluble y en menor proporci´on se forma betumen que corresponde a la parte soluble. Catag´ enesis. Cuando la roca generadora alcanza profundidades mayores a 1 km inicia la catag´enesis. que se realiza a poca profundidad (con presiones litost´aticas entre cero y 300 bares) y bajas temperaturas (entre 0◦ C y 50◦ C). se presenta generalmente la consolidaci´on del sedimento. es decir.Es el proceso mediante el cual los compuestos org´anicos constituyentes de los seres vivos. Las temperaturas que se alcanzan en esta etapa son del orden de 50◦ C y hasta 225◦ C aproximadamente.1: Depositaci´on de la materia org´anica en ambientes reductores y su posterior sepultamiento en la cuenca sedimentaria. mientras que la presi´on var´ıa de 300 a 1500 bares. son sometidos a un ataque microbiano. 3.. de la taza de sedimentaci´on y de su entorno. aquellos que favorecen su preservaci´on.1. A los 2. tales como carbohidratos. El hidrocarburo generado durante esta etapa es el metano y compuestos como el CO2 y H2 O. es decir.3.. En esta etapa.1. prote´ınas.

Se dice que una roca tiene una permeabilidad adecuada para permitir el paso de los hidrocarburos si posee poros interconectados y de tama˜ no supercapilar.. La porosidad de las rocas en estas condiciones disminuye notablemente. Sistema Petrolero l´ıquidos y termina a los 175◦ C. es necesario que las paredes del dep´osito est´en selladas de manera ´ efectiva.. Este proceso describe el desplazamiento desde la roca generadora hasta su acumulaci´on en la trampa petrolera. los cuales se acumulan en la trampa petrolera. Esta se desarrolla a temperaturas mayores a los 225◦ C. por lo que es dif´ıcil que se formen a estas profundidades yacimientos con rendimiento econ´omico.Este tipo de roca debe ser porosa. La generaci´on de metano acaba a los 315◦ C. El sistema petrolero es un modelo din´amico que estudia las entradas de materia org´anica a la cuenca sedimentaria. Cuando el sepultamiento es mayor a los 10 km.. el sistema petrolero esta compuesto por los siguientes subsistemas que deben estar concatenados en tiempo y espacio para que se forme una acumulaci´on natural de petr´oleo en la corteza terrestre. ´ Roca Generadora. Entre los 3 y 3.Es el movimiento de los hidrocarburos en los poros o a trav´es de las ´ discontinuidades de las rocas. a condiciones adecuadas de presi´on y temperatura se forman el aceite y el gas. permeable y tener continuidad lateral y vertical. Este tipo de rocas deben contar con escasa permeabilidad o. la transformaci´on de dicha materia. la generaci´on de hidrocarburos y su acumulaci´on en una trampa petrolera. Las rocas almacenadoras permiten el flujo de fluidos dentro de ellas debido a la intercomunicaci´on de los poros.5 km se produce menos aceite y m´as gas. es decir. siendo aqu´ı la mayor generaci´on de gas.Para que los hidrocarburos puedan quedar confinados en las rocas almacenadoras.Este tipo de roca debe ser rica en materia org´anica y preferentemente de gran espesor. Sistema Petrolero El llamado Sistema Petrolero constituye un sistema natural que incluye elementos y procesos geol´ogicos que intervienen en la formaci´on de un yacimiento de hidrocarburos. por contener 29 . con profundidades cercanas a los 8 km. Migraci´ on.3.2.. el ker´ogeno residual se transforma en grafito y es imposible considerar la producci´on a´ un m´ınima de hidrocarburos gaseosos. 3. Roca Sello. ´ Roca Almac´ en. susceptible de ser explotada con rendimiento econ´omico.Es la tercera y u ´ltima etapa en la transformaci´on de la materia ´ org´anica. Metag´ enesis. tales como fallas y fracturas. Por otra parte. presiones litost´aticas mayores a 1500 bares. ver [12]..2.

. de manera que respondan a los esfuerzos mec´anicos deform´andose en el campo d´ uctil. deben tener comportamiento pl´astico. siendo reducido si tiene una excelente calidad o de espesor mediano o grueso si la calidad de la roca es mediana o mala. Sincron´ıa.3. tama˜ no y geometr´ıa. Las conexiones entre los poros se conocen como “garganta de poro” y son ´estas 30 . Las trampas petroleras tienen una determinada forma. no permiten el paso del petr´oleo. con buena relaci´on entre la roca almacenadora y la roca sello. Propiedades de la Roca y los Fluidos en el Yacimiento Propiedades de la Roca Poros. sirviendo como cierre en su migraci´on o desplazamiento. El espesor de la roca sello es variable. sin embargo se encuentran vac´ıas.Involucra la sincronizaci´on en tiempo y espacio de los elementos anteriormente citados. Se tratan de recept´aculos cerrados en la corteza terrestre que cuentan con rocas almacenadoras y rocas sello en posici´on tal que permiten se acumulen los hidrocarburos. siendo las principales causas: ausencia de roca generadora.2: Trampa t´ıpica con sincron´ıa de los distintos elementos del Sistema Petrolero. Debido a que los yacimientos petroleros est´an asociados a zonas de actividad tect´onica.La trampa petrolera es una caracter´ıstica geol´ogica que permite que el aceite y el gas se acumulen y conserven de manera natural durante un cierto periodo de tiempo. los hidrocarburos no alcanzaron la trampa. 3..Son peque˜ nos pasajes interconectados existentes en una roca permeable.2 muestra estos elementos coexistiendo en sincron´ıa. formando pliegues y no fractur´andose. la trampa se form´o tard´ıamente.3. Entrampamiento.1. 3. el petr´oleo se destruy´o o bien. Modelo Conceptual poros de tama˜ no subcapilar. la figura 3. las rocas sello. Algunas trampas presentan caracter´ısticas adecuadas para almacenar hidrocarburos.3.. Figura 3.

La compresibilidad de la roca la expresamos como CR = 1 ∂φ φ ∂p integrando es posible expresar a la porosidad de la siguiente manera φ = φ0 eCR (p−p 0) donde φ0 es la porosidad a la presi´on de referencia p0 .3: A la izquierda. Porosidad. De acuerdo a su conectividad.La porosidad es una medida de la capacidad de almacenamiento de fluidos que posee una roca y se define como el porcentaje del volumen poroso de la roca respecto al volumen total de la misma. la cual incluye a los poros interconectados y a los que se encuentran aislados.. la cual com´ unmente se asume constante y presenta valores que oscilan entre 10−6 y los 10−7 psi−1 . observamos poros interconectados y poros aislados a la derecha. figura 3. La porosidad total la denotamos como: φ= V olumen del espacio del poro V olumen representativo y la porosidad efectiva φe = V olumen del espacio del poro disponible V olumen representativo en general φe ≤ φ La porosidad est´a en funci´on de la presi´on debido a la compresibilidad de la roca.3. la cual com´ unmente es la atmosf´erica.3. 31 .3. Sus dimensiones van desde 1 a 200 µm. Propiedades de la Roca y los Fluidos en el Yacimiento las que controlan la presi´on capilar de entrada en un proceso de drenaje. Podemos hacer una expansi´on en series de Tylor y despreciando los t´erminos de alto orden para una roca ligeramente compresible obtenemos  φ ≈ φ0 1 + CR (p − p0 ) . y la porosidad efectiva. que incluye solo los poros interconectados y es en realidad la que interesa para la estimaci´on del hidrocarburo en sitio. la porosidad puede clasificarse como porosidad total. Figura 3.

. La gravedad esta expresada por g.1: Clasificaci´on de permeabilidad de rocas Generalmente los sistemas continuos son anis´otropos. se le conoce tambi´en como permeabilidad absoluta y se mide en mili-darcy (md). La viscosidad queda denotada como µα .4. Permeabilidad.La permeabilidad de una roca es la capacidad que conducir fluidos a trav´es de sus poros interconectados. que es el cociente de la masa de un cuerpo entre su volumen. La densidad la denotamos con ρ. Clasificaci´on Pobre Moderada Buena Muy buena Excelente Rango de Permeabilidad en (md) 1-15 15-20 50-250 250-1000 mayores a 1000 Tabla 3. figura 3. para un caso 3D y donde el sistema coordenado coincide con las direcciones de flujo se tiene entonces que   k11 0 0 k =  0 k22 0  0 0 k33 Si el medio es isotr´opico: k11 = k22 = k33 . k es la permeabilidad intr´ınseca de la roca y krα es la permeabilidad relativa de la fase α. La permeabilidad se encuentra muy ligada a la porosidad.Las interacciones entre fluidos y matriz porosa se relacionan a trav´es de la conductividad hidr´aulica que expresamos K = krα k ρα g . 32 .. A continuaci´on se muestra una tabla con distintos valores de permeabilidad para rocas en yacimientos petroleros.3. Modelo Conceptual Conductividad hidr´ aulica. µα En esta relaci´on.

4: Correlaci´on permeabilidad-porosidad 3. es decir.5.. pueden ser considerados ligeramente compresibles.Es la regi´on qu´ımicamente homog´enea de un fluido que se separa de otras regiones por una interfase. cloruro de sodio (NaCl).Es una especie qu´ımica que puede estar contenida en una fase. 33 . Un fluido ligeramente compresible es aquel que presenta una peque˜ na compresibilidad que se mantiene constante. Estos fluidos pueden ser clasificados como incompresibles. a condiciones de yacimiento. mientras que la fase aceite puede contener cientos de componentes por ejemplo Nitr´ogeno. dependiendo de como responden a la presi´on. Tipos de fluidos en el yacimiento. Las faces que generalmente se emplean en simulaciones de yacimientos son aceite (o). aceite y gas pueden existir simult´aneamente en un yacimiento petrolero. agua. t´ıpicamente se encuentra en el rango de 10−5 a 10−6 psi−1 .3. de modo que la densidad incrementa a medida que incrementa la presi´on pero se estabiliza a presiones altas. y ox´ıgeno disuelto (O2 ). el agua y el aceite sin gas. Azufre. El agua y el aceite sin gas disuelto se consideran incompresibles. Ox´ıgeno. Propiedades de los Fluidos Fase..En general. Un fluido incompresible es aquel que tiene compresibilidad cero.. ligeramente compresibles y compresibles. Por ejemplo. etc. A condiciones de yacimiento el gas es compresible.3. Propiedades de la Roca y los Fluidos en el Yacimiento Figura 3. Sodio. su densidad no depende de la presi´on. la fase acuosa (w) contiene componentes agua (H2 O).3. agua (w) y gas (g).2. Un fluido compresible tiene una compresibilidad t´ıpica en el rango de 10−3 a 10−4 psi−1 . figura 3. Componente.

.. Modelo Conceptual Figura 3. Compresibilidad.5: Relaci´on densidad-presi´on.3.Se define como el cambio de volumen (V ) o densidad (ρ) en funci´on de la presi´on para una temperatura (T ) dada.

.

1 ∂ρ .

.

1 ∂V .

.

= − cf = − V ∂p .

T ρ ∂p .

El factor de solubilidad del gas Rso es el volumen de gas.. Usando una expansi´on en series de Taylor y truncando los t´erminos no lineales obtenemos una buena aproximaci´on para la densidad en funci´on de la presi´on para fluidos ligeramente compresibles:  p ≈ ρ0 1 + cf (p − p0 ) . Rso = VGs VOs (3.1) El sub´ındice s denota que el volumen es a condiciones est´andar. N´otese que VOs = WO WG . Usualmente las unidades se expresan en SCF/STB (standard cubic feet / stock tank barrels). medido a condiciones est´andar. Factor de solubilidad del gas. disuelto a presi´on y temperatura del yacimiento por unidad de almacenamiento de aceite. VGs = ρOs ρGs 34 . mientras que las letras G y O representan las componentes gas y aceite respectivamente.T integrando la ecuaci´on anterior tenemos que la densidad se expresa como 0) ρ = ρ0 ecf (p−p donde ρ0 es la densidad a una presi´on de referencia p0 .

.1) se convierte en Rso = WG ρOs . ρα Para el aceite que tiene gas disuelto observemos que Vo = WO + WG ρ0 de manera que el factor de formaci´on de volumen esta dado por Bo = (WO + WG )ρOs . WO ρo Densidad del fluido. donde RB es ”reservoir barrels”.Describe la raz´on del volumen V de una fase medida a condiciones de yacimiento. WO + WG Bo ρo WO Rso ρGs = . sus dimensiones son (fuerza/´area · tiempo) y sus unidades Pa·s = poise.La densidad de una fase (agua. Para una fase (α). un fluido denso presenta gran resistencia a fluir debido a la naturaleza 35 . entre el volumen Vs de la fase medida a condiciones est´andar. Por otra parte. B Las fracciones de masa de aceite y gas disuelto en aceite son respectivamente: COo = CGo = WO ρOs = . En un fluido gaseoso. las mol´eculas est´an muy separadas y presentan baja resistencia a fluir a consecuencia del comportamiento aleatorio de las mismas. Sus unidades est´an dadas por RB/ST B para l´ıquidos y RB/SCF para gases..-Se denota con la letra µ y es una medida de la energ´ıa disipada cuando el fluido est´a en movimiento resistiendo una fuerza de corte aplicada.3. Propiedades de la Roca y los Fluidos en el Yacimiento de modo que la ecuaci´on (3.3.s . T ) = ρα. aceite o gas) est´a dada por ρs ρ= . el factor en funci´on de la densidad es: Bα (p. Bo Viscosidad. WO ρGs Factor de formaci´ on de volumen. WG + WG Bo ρo Tomando COo + CGo = 1 obtenemos la densidad de la fase aceite ρo = Rso ρGs + ρOs .

Mojabilidad por aceite. La viscosidad del agua a condiciones est´andar es de 1 cp (centipoise). a´ un en los poros que contienen agua.2: Valores t´ıpicos de viscosidad en aceites. disminuyendo su contacto con la superficie del s´olido. En la tabla 3.Las fases agua y aceite son mojantes hasta cierto grado en la matriz porosa. figura 3. Mojabilidad intermedia.6. Clasificaci´on Aceite ligero Aceite intermedio Aceite moderado Aceite muy viscoso Aceite pesado Rango de Viscosidad en (cp) 0.4.2 se muestran las viscosidades t´ıpicas a condiciones de yacimiento (4000-6000 psi y 200◦ F) de los diferentes tipos de aceite. El equilibrio de estos casos crear´a un a´ngulo de contacto θ entre los fluidos de la superficie que est´a determinado por el equilibrio de fuerzas resultante de la interacci´on de las tensiones intersticiales. la viscosidad depende de la presi´on.. la temperatura y de las componentes de cada fase. 3. al centro una fluido de mojabilidad intermedia y a la derecha un fluido mojador. Mojabilidad El desempe˜ no de un yacimiento se ve afectado por el hecho de que la roca sea preferencialmente mojable por agua o por aceite.50 50 .1 1-6 6 .6: A la izquierda un fluido no mojador. La mojabilidad es la preferencia de un s´olido por estar en contacto con un fluido en lugar de otro. Modelo Conceptual cercana de sus mol´eculas. particularmente en las t´ecnicas de inyecci´on de agua y recuperaci´on mejorada de hidrocarburos. Figura 3.. En general. 36 . Mojabilidad por agua.3.1000 mayores a 1000 Tabla 3.La fase agua es la mojadora y forma una pel´ıcula sobre las paredes del poro a´ un incluso en aquellos que contienen aceite..3 . Una gota de un fluido preferentemente mojante va a desplazar a otro fluido dispers´andose por la superficie. por el contrario un fluido no mojante formar´a gotas.La fase mojadora es el aceite y forma una capa sobre la superficie de la roca.

Imbibici´ on espont´ anea.7 muestra los procesos de drenaje e imbibici´on. Drenaje. Figura 3..Proceso de desplazamiento de un fluido cuando la fase no mojadora se incrementa. Presi´ on capilar. la saturaci´on residual de una determinada fase α es la cantidad de dicha fracci´on que queda atrapada en la matriz porosa o es irreducible. Interacci´ on Roca-Fluidos Saturaci´ on. Por ejemplo.Es el proceso de desplazamiento de un fluido que ocurre cuando la fase mojadora se incrementa. aceite o gas. en un sistema trif´asico tenemos que Sw + So + Sg = 1 La expresi´on anterior significa que las tres fases llenan completamente el espacio poroso. la presi´on en el lado del fluido no-mojante de la interfase (po )..5. para las fases agua y aceite. La fase mojadora invade bajo la acci´on de fuerzas superficiales.5. Saturaci´ on residual.Cuando dos fluidos inmiscibles est´an en contacto dentro de los poros.3.. Sin embargo. La fase no mojadora residual es atrapada en los poros por fuerzas capilares. de esta manera.7: Procesos de drenajes e imbibici´on 3.. dependen fuertemente de la saturaci´on.. 37 . La figura 3.Este proceso ocurre cuando una fase mojadora invade un medio poroso en ausencia de fuerzas externas. Procesos de Desplazamiento de Fluidos Imbibici´ on. una superficie curvada se forma entre los dos..Denotada por Sαr . se define como la fracci´on de el espacio de poro que ´esta ocupa. Procesos de Desplazamiento de Fluidos 3.La saturaci´on (S) de una fase ya sea agua. la permeabilidad relativa entre otras.6. la cantidad de fluido atrapado depende de la permeabilidad y mojabilidad de la roca. La presi´on capilar.

pues la presencia de m´as de una fase en un sistema inhibe el flujo. g) tenemos λw = krw kro krg . es posible obtener una tercera expresi´on de presi´on capilar haciendo pcgw = pg − pw = pcow + pcgo . µw µo µg 38 . En un sistema trif´asico (w. Figura 3. se requieren de dos presiones capilares. o. En un flujo de tres fases.. la porosidad φ.Se define como la raz´on de la permeabilidad relativa entre su viscosidad.8. figura 3. λg = . pcgo = pg − po .3. En verde pc para una saturaci´on intermedia. λo = . la permeabilidad k y el a´ngulo θ de contacto con la superficie de la roca de la fase mojadora. Esta diferencia de presiones se define como presi´on capilar (pc ). mide la habilidad de una fase para fluir en una formaci´on porosa y en presencia de otras fases. a saber: pcow = po − pw . pc = po − pw . el cual depende a su vez de la temperatura y de la composici´on del fluido. en amarillo una inversi´on de los valores para la l´ınea verde. Modelo Conceptual es mayor que la presi´on para el lado del fluido mojante (pw ).. La presi´on capilar depende de la saturaci´on de la fase mojadora y de la direcci´on de cambio de ´esta (drenaje o imbibici´on). Cabe se˜ nalar que la pc depende tambi´en de la tensi´on superficial σ. Permeabilidad relativa. Movilidad.8: En rojo se muestra la curva de drenaje primario e imbibici´on en negro y delimitan el comportamiento de la presi´on capilar.Denotada por krα .

con el prop´osito fundamental de mantener la presi´on. por ejemplo) termina la primera etapa.. Numerosos m´etodos han sido estudiados para la recuperaci´on. λ λ λ Etapas de la Recuperaci´ on de Hidrocarburos La explotaci´on de un yacimiento de petr´oleo ocurre b´asicamente en tres etapas. fo = .3. Recuperaci´ on Terciaria o Mejorada.En esta etapa se aprovecha la presi´on natural del yacimiento que lleva los hidrocarburos hasta la superficie debido a la diferencia de presi´on entre el yacimiento y la presi´on atmosf´erica.. fg = .9) en el yacimiento o la inyecci´on de un gas natural en la cima de la estructura.7. Cuando la presi´on del medio se hace inadecuada.. en presencia de otra fase: fw = 3. En esta etapa se produce alrededor del 15 al 20 % adicional del petr´oleo. con lo cual el yacimiento contiene todav´ıa un estimado de 60-80 % de hidrocarburos. En las dos primeras etapas se logra recuperar en promedio del 25 % a 30 % del crudo. Consiste en inyectar dentro del yacimiento un fluido menos costoso que el crudo para mantener un gradiente de presi´on adecuado de modo que la producci´on vuelva a ser econ´omicamente rentable. Los procesos de Recuperaci´on Mejorada surgen como una alternativa para incrementar la recuperaci´on de hidrocarburos. mediante arreglos espec´ıficos de pozos inyectores y productores. de desplazar los hidrocarburos de la zona de aceite. La recuperaci´on secundaria b´asicamente consiste en la inyecci´on de agua (figura 3. Recuperaci´ on Secundaria.7. Recuperaci´ on Primaria.Despu´es de las recuperaciones primaria y secundaria. el yacimiento contiene todav´ıa un estimado del 60 % del crudo. La taza de recuperaci´on durante la fase primaria es del 12-15 % de los hidrocarburos en el yacimiento. al menos parcial. modificando las caracter´ısticas de los fluidos y las fuerzas capilares que act´ uan sobre ellos..Determina la raz´on de flujo volum´etrico fraccional de una fase bajo un gradiente de presiones dado. de estas grandes cantidades de crudo remanente en los pozos. Flujo fraccional. quedando atrapado en los poros de la estructura del reservorio debido a la viscosidad y efectos de capilaridad. Etapas de la Recuperaci´on de Hidrocarburos y denotaremos a la movilidad total como λ = λw + λo + λg .Es toda actividad encaminada a la recuperaci´on de hidrocarburos adicional a la que se obtendr´ıa con la energ´ıa propia del yacimiento (producci´on primaria). o bien. λo λg λw . La Recuperaci´on Mejorada se 39 . o cuando se est´an produciendo cantidades importantes de otros fluidos (agua y gas.

3. 40 .9: Inyecci´on de agua en yacimientos petroleros. debido principalmente a los costos de los aditivos. adem´as de desplazar el aceite. sin embargo en ocasiones han sido desechados principalmente argumentando la baja rentabilidad del proceso. as´ı pues. fundamenta principalmente en t´ecnicas sofisticadas en la operaci´on. modifica favorablemente los mecanismos de recuperaci´on de hidrocarburos. pero muy efectivas. bajo condiciones o´ptimas. Modelo Conceptual Figura 3. la Recuperaci´on Mejorada de hidrocarburos se define como la producci´on de aceite. una soluci´on de surfactantes inyectada al reservorio tiene el potencial de solubilizar el crudo. suele ser de alto costo. Existen otros m´etodos pertenecientes a la tercera fase de recuperaci´on con aditivos qu´ımicos. mediante la inyecci´on de un fluido que. Durante esta etapa el yacimiento entrega un rendimiento cercano el 70 %. dispers´andolo de manera efectiva en forma de una emulsi´on. Tambi´en.

t) y τ (x. Las propiedades extensivas son aquellas funciones de variable escalar o vectorial que podemos representar por medio de una integral de cuerpo. Esta ecuaci´on integral establece una correspondencia biun´ıvoca. t). t) = ψ(x.Cap´ıtulo 4 Modelos Matem´ aticos 4. B(t) donde x representa la posici´on y t el tiempo. donde n es el vector normal a la superficie S(t). t) dx = q(x. y ds es una diferencial de superficie. esta relaci´on se escribe como: Z Z Z dE d = ψ(x. t) dx + τ (x. Formulaci´ on Axiom´ atica En este cap´ıtulo se obtendr´an las ecuaciones que gobiernan el fen´omeno de transporte de fluidos a trav´es de una matriz porosa aplicando la formulaci´on axiom´atica. Dicha formulaci´on consiste en identificar las propiedades intensivas y extensivas del fen´omeno de estudio aplicando balances de ellas para un volumen que denotaremos como B(t) y que representa un sistema continuo. El cambio temporal en una propiedad extensiva E es debido a su generaci´on dentro del sistema continuo o a que se importa por la frontera. (4. t) dx. es decir. v´ease [27]. a cada propiedad intensiva sobre un dominio que ocupa cualquier cuerpo B(t) le corresponde una y solo una propiedad extensiva.1. t) son la generaci´on y el vector de flujo de la propiedad extensiva respectivamente. t) · n dS. 41 . Una representaci´on de un medio continuo B(t) se muestra en la figura 4.1. El integrando de la expresi´on anterior es la propiedad intensiva representada por ψ(x. Z E(B(t).1) dt dt B(t) B(t) S(t) donde q(x.

Se requiere definir una funci´on de flujo F = vψ − τ .1) se obtiene:  Z  Z Z ∂ψ + ∇ · (vψ) dx = q dx + ∇ · τ dx. (4.5) ∂t Las ecuaciones (4.4). ∂t 4. de modo que ahora la ecuaci´on (4.4) y (4.2. obteniendo: Z Z Z ∂ψ dx + F · n dS = q dx.5) son la forma conservativa de las ecuaciones (4.2) ∂t B(t) B(t) B(t) La expresi´on anterior trae como consecuencia que podamos escribir una ecuaci´on diferencial de balance local para la propiedad extensiva ψ.3) respectivamente.2) y (4. Modelos Matema Figura 4.4) ∂t B(t) B(t) B(t) lo que nos lleva a la siguiente ecuaci´on diferencial ∂ψ + ∇ · F = q.1: Representaci´on esquem´atica de un medio continuo La ecuaci´on (4.3) Forma Conservativa de las Ecuaciones de Balance Las ecuaciones de balance abordadas anteriormente pueden ser escritas en su forma conservativa. (4. Aplicando varios resultados matem´aticos a la ecuaci´on (4. (4.´ ticos 4. El teorema de Gauss puede ser aplicado a la ecuaci´on (4.2) la expresamos como: Z Z Z ∂ψ dx + ∇ · F dx = q dx.6) ∂t B(t) S(t) B(t) 42 . ∂ψ + ∇ · (vψ) = q + ∇ · τ . (4. (4.1) se satisface para cada cuerpo B(t) de un sistema.

la presi´on es pα y la densidad se expresa por ρα . y lo denotamos como: Z E= φρα Sα dx .8) en (4.3. Modelo Matem´ atico para Sistemas Multif´ asicos Al igual que en el modelo de una fase. que escribimos como: ∂(φρα Sα ) + ∇ · (vφρα Sα ) = qα .8) donde krα es la permeabilidad relativa de la fase α. (4. Modelo Matem´atico para Sistemas Multif´asicos 4. (4.3. que forma parte de un sistema multif´asico se expresa como: ∂(φρα Sα ) + ∇ · (ρα v α ) = qα . se usan las siguientes ecuaciones constitutivas N X Sα = 1 . B(t) para una porosidad del medio φ y donde ρα y Sα son la densidad y la saturaci´on de la fase α (agua (w). La viscosidad se denota por µα .9) es un s´ı un conjunto de ecuaciones diferenciales parciales de segundo orden y en general no lineales.7) y definiendo la movilidad de la fase α como: λα = krα . (4. Para un sistema donde no hay difusi´on (τ = 0.10) . Se emplean tambi´en en los modelos matem´aticos ecuaciones constitutivas. en particular para un sistema multif´asico totalmente saturado. µα llegamos a: ∂(φρα Sα ) − ∇ · (ρα λα k(∇pα − ρα g)) = qα .7) ∂t La Ley de Darcy para sistemas multif´asicos es: kkrα vα = − µα (∇pα − ρα g) .4. obtenemos la ecuaci´on de balance local para la masa de fluido de la fase α. α=1 43 (4.3). La propiedad intensiva asociada al sistema es ψα = φρα Sα . ∂t La velocidad de Darcy para una fase α se denota por v α = vφSα . Sustituyendo la ecuaci´on (4. aceite (o) o gas (g)) respectivamente. de modo que la ecuaci´on de balance de masa para la fase α.) y aplicando la ecuaci´on (4. en los sistemas multif´asicos la propiedad extensiva es la masa de cada una de las fases α.9) ∂t La ecuaci´on (4.

Formulaci´ on Presi´ on-Saturaci´ on para Flujos Bif´ asicos El modelo de dos fases para un flujo que se desplaza en un medio poroso hace uso de la siguientes suposiciones : El sistema consta de las fases agua (w) y aceite (o). (4. (4. dSw (4.9) y tomando en cuenta las suposiciones al inicio de esta secci´on. por lo que resulta conveniente expresar el gradiente de la presi´on capilar como sigue: dpc ∇Sw . Bajo las suposiciones anteriores y a partir de la ecuaci´on (A.11) forman un sistema de ecuaciones fuertemente acopladas. En problemas de este tipo. (4.12): −∇ · (λk∇po ) + ∇ · (λw k∇pc ) + ∇ · (k(λw ρw + λo ρo )g) − (Qw + Qo ) = 0.11) Para N n´ umero de fases. obtenemos la siguiente ecuaci´on para la presi´on del aceite: ∇pc (Sw ) =   dpc −∇ · (kλ∇po ) + ∇ · kλw ∇Sw + ∇ · (k(λw ρw + λo ρo )g) = Qw + Qo . α1 6= α2 .8). partimos de la ecuaci´on (A. 4. (4. La porosidad φ de la roca es constante.4.´ ticos 4. ver ap´endice A.9). por lo que usaremos pc = pcow = po − pw para eliminar pw en la ecuaci´on (4. llegamos a:   −∇ · λk fw ∇pw + fo ∇po − (fw ρw + fo ρo )g − (Qw + Qo ) = 0.14) A fin de obtener una ecuaci´on de saturaci´on para la fase agua. es usual que la presi´on capilar dependa de la saturaci´on de agua. obtenemos 44 . Modelos Matema pcα1 α2 = pα1 − pα2 . Las fases se consideran incompresibles.12) Obtendremos una ecuaci´on en t´erminos de la presi´on del aceite.13) dSw Haciendo uso de la ecuaci´on anterior. Las ecuaciones (4.10) y (4. adem´as α1 y α2 son las fases no-mojadora y mojadora respectivamente.

la velocidad de la part´ıcula var´ıa tanto en magnitud como en direcci´on. φ ∂t dSw (4. S´olo la direcci´on de la velocidad del fluido es importante. v´ease [16].5. se dice entonces que se trata de un flujo estacionario.2. Si todo elemento que pasa por un punto dado sigue la misma trayectoria que los elementos precedentes. En sistemas con velocidad variable. Como consecuencia. (4. 4.15) la Ley de Darcy para la fase acuosa. M´etodo de L´ıneas de Corriente ∂Sw + ∇ · uw = Qw .5. La geometr´ıa y la densidad de las l´ıneas de corriente reflejar´an el impacto geol´ogico sobre los caminos preferenciales del flujo. En general. no una trayectoria f´ısica. ver [5].Las L´ıneas de Corriente son curvas tangentes en cada uno de sus puntos al campo de velocidad local. de modo que ahora llegamos a: φ   dpc ∂Sw − ∇ · (kλw ∇po ) + ∇ · kλw ∇Sw + ∇ · (kλw ρw g) = Qw . las l´ıneas de corriente nunca se cruzan entre ellas a diferencia de las l´ıneas de flujo. en yacimientos naturalmente fracturados donde los efectos de las mallas son un problema num´erico importante. Un concepto relacionado es la l´ınea de flujo y se denomina as´ı a la trayectoria seguida por una part´ıcula de un fluido m´ovil. 45 . las l´ıneas de corriente son una representaci´on de un campo de velocidad instant´aneo.5.13). especialmente cuando existen m´ ultiples arreglos de pozos inyectores y productores. 4.. introduciendo mayor densidad de l´ıneas en regiones de alta porosidad y permeabilidad. no su magnitud. M´ etodo de L´ıneas de Corriente La idea en SLS es aproximar los c´alculos tridimensionales del flujo y transporte de las diferentes fases.15) ∂t Sustituimos ahora en la ecuaci´on (4. En un campo de velocidad variante en el tiempo las l´ıneas de corriente se trazan para un instante de tiempo en particular. tales como CO2.1. a lo largo de la l´ınea de flujo. Para una velocidad constante. Conceptos Fundamentales L´ıneas de Corriente (Streamline).4. La soluci´on unidimensional hace que este enfoque sea extremadamente r´apido y efectivo para modelar flujos en yacimientos en donde existen muchas heterogeneidades. La t´ecnica de SLS ha sido aplicada con ´exito en la inyecci´on de agua y gases.16) se resolver´an num´ericamente en el cap´ıtulo 5.14) y (4. figura 4. las l´ıneas de flujo y las l´ıneas de corriente describen la misma trayectoria.16) Las ecuaciones (4. mediante la soluci´on de las ecuaciones de transporte en una dimensi´on a lo largo de las l´ıneas de corriente. la ecuaci´on pc = pcow = po − pw con el objeto de eliminar pw y la relaci´on (4.

3: Tubo de corriente. Tubos de Corriente (Streamtube). mientras que tubos estrechos presentan flujos r´apidos.. as´ı mismo.´ ticos 4. A la derecha observamos las l´ıneas de corriente tangentes al campo de velocidad local. se cumple la ecuaci´on de continuidad en cualquier secci´on normal al tubo.3.En dos dimensiones. 46 . Figura 4. Dentro de cada tubo. figura 4. Modelos Matema Figura 4. un tubo de corriente es la regi´on comprendida entre dos l´ıneas de corriente.2: A la izquierda. Adem´as. De la definici´on de la l´ınea de corriente se deduce que no pasa fluido a trav´es de las paredes laterales de un tubo de corriente. Im´agenes obtenidas con OpenDx. el campo de velocidad en un dominio dado. Im´agenes obtenidas con OpenDx. tubos con suficiente espacio corresponden a flujos lentos. tenemos una descripci´on 1D del flujo.

Figura 4. Para flujo de fluidos en 2D es posible determinar la velocidad a partir de la derivada de una funci´on llamada funci´on de corriente. la funci´on de corriente es constante a lo largo de una l´ınea de corriente. y como ´esta. es definida como el flujo volum´etrico normalizado por unidad de espesor. el punto A. Del teorema de la divergencia. Para determinar la funci´on de corriente en el punto B. En simulaci´on con l´ıneas de corriente. esta integral. 47 .5. Por definici´on.Introduzca una part´ıcula en un pozo de inyecci´on y deje que la part´ıcula se mueva de acuerdo a la velocidad intersticial instant´anea y mida el tiempo que le toma a la part´ıcula en llegar a un punto determinado.4: Tiempo de vuelo τ para una part´ıcula de prueba.4. ψA = 0. Esta teor´ıa puede ser extendida tambi´en a flujos compresibles usando una densidad efectiva. Funciones de Corriente (Streamfunction). siempre que la trayectoria no cruce alrededor de un pozo. usar el tiempo de vuelo como coordenada espacial es fundamental. esa es la definici´on de tiempo de vuelo τ (x. en otras palabras. z) para dicho punto. cuando la funci´on de corriente es conocida. (figura 4. y. la distancia desde la entrada de un sistema se mide por este tiempo.. dibujamos una trayectoria arbitraria del punto A al B y calculamos el flujo total de Darcy que cruza dicha trayectoria. Se trata de una funci´on escalar.Es posible determinar la velocidad de Darcy de un fluido a partir del gradiente de presi´on. La funci´on de corriente en el punto B.5. y por lo tanto la derivada de la funci´on de corriente entre los puntos ψA y ψB es independiente de la trayectoria. dados una velocidad de Darcy. El concepto de funci´on de corriente puede ser extendido a 2 y 3 dimensiones usando funciones de corriente dobles. Como consecuencia. M´etodo de L´ıneas de Corriente Tiempo de Vuelo (Time of Flight). dado que no hay flujo que cruce una l´ınea de corriente. la funci´on de corriente se determina en relaci´on a un punto de referencia.4). los contornos de dicha funci´on pueden ser usados para determinar las l´ıneas de corriente. en este caso. como la presi´on. dos puntos y una trayectoria que conecta ambos puntos. Una construcci´on gr´afica de la funci´on de corriente se muestra en la figura 4.. no por la distancia Euclidiana. El tiempo de vuelo se usa como coordenada espacial.

Resumiendo. L´ıneas de Corriente Como se mencion´o en el apartado anterior. En una simulaci´on con l´ıneas de corriente.6. t0 ) dx vx (x. las l´ıneas de corriente hacen lo opuesto. la velocidad es actualizada peri´odicamente. Es posible obtener el ´area transversal efectiva a lo largo de la l´ınea de corriente dividiendo el flujo volum´etrico por la velocidad. z. z. El flujo es constante a lo largo del tubo y el a´rea de la secci´on transversal del tubo se calcula expl´ıcitamente.5: Una funci´on de corriente no depende de la definici´on de la trayectoria. Para grandes cambios en un fluido en movimiento. y. t0 ) Estas ecuaciones diferenciales pueden ser integradas anal´ıtica o num´ericamente desde un punto (x0 . la geometr´ıa espacial es impl´ıcita. 4. y0 . se calcula la velocidad a trav´es de diferencias finitas y se trazan las l´ıneas de corriente usando dicha velocidad. es posible expresar estas mismas ecuaciones en su forma param´etrica: 48 . mientras que.17) dx vx (x. nuevas l´ıneas de corriente son determinadas y saturaciones remuestreadas.5. z. se asocia un flujo volum´etrico a cada l´ınea de corriente. y. dy y dz. Modelos Matema Figura 4. y vz para el caso tridimensional. Simulaci´ on con L´ıneas de Corriente En un tubo de corriente. El vector local de longitud dr tiene componentes dx.2. por lo tanto. la velocidad del fluido es igual al flujo volum´etrico por unidad de ´area. z0 ) y resolver para y(x) y z(x) a fin de determinar las l´ıneas de corriente que corren a trav´es del punto de partida. en contraste. los tubos de corriente calculan expl´ıcitamente la secci´on transversal de un tubo e impl´ıcitamente calculan la velocidad. las l´ıneas de corriente son curvas que son localmente tangentes a la direcci´on de la velocidad. Las componentes del vector velocidad v son vx . t0 ) dz vz (x. z. y. De a cuerdo a la figura 4. la pendiente de la l´ınea de corriente en cualquier punto est´a dada por el cociente de las componentes de la velocidad para un instante de tiempo t0 : dy vy (x.´ ticos 4. (4. = . vy . Al igual que en los tubos de corriente. t0 ) = . y. Alternativamente.

y. dt = dx dy dz = = . t) (4. z. entonces las l´ıneas de corriente cambiar´an con el tiempo. t) vz (x. t0 ) vy (x. excepto que el campo de velocidad puede ser independiente del tiempo. vx (x. Figura 4. Para las condiciones de estado no estacionario. Es importante recalcar algunos aspectos.18) y determinar x(t). dr × u = 0. z. es posible definir l´ıneas de corriente para cualquier velocidad.6: Una funci´on de corriente no depende de la definici´on de la trayectoria. y.17) var´ıa con el tiempo. y. t) vy (x. 49 . y. Para definir l´ıneas de corriente. y(t) y z(t). donde el tensor de la permeabilidad es un escalar. la permeabilidad del medio puede ser homog´enea o heterog´enea.19) Esta diferencia nos recuerda que una l´ınea de corriente es definida como una linea en el espacio obtenida trazando el campo de velocidad instant´aneo. y. z. La ecuaci´on de una trayectoria f´ısica (pathline) es muy similar. is´otropo o anis´otropo y los fluidos pueden ser compresibles o incompresibles. tenemos que: dr × ∇Φ = 0. z. Para un medio poroso is´otropo. z. (4. y. se aproximan problemas de estado no-estacionario como series de campos de velocidad de estado estacionario.5. t0 ) (4. A menudo. Existe una relaci´on entre el potencial y las l´ıneas de corriente que se obtiene a partir de la Ley de Darcy de una fase: 1 u = − k · ∇Φ. se emplean campos de velocidad instant´anea para un tiempo de inter´es. vx (x. para nuestro caso en particular se trata de la presi´on. M´etodo de L´ıneas de Corriente dt = dx dy dz = = . Matem´aticamente. z. y si la velocidad en la ecuaci´on (4.20) µ donde Φ denota el potencial del fluido. t0 ) vz (x.4.

de otra manera. no hay una dependencia temporal expl´ıcita en la ecuaci´on (4. La diferencia entre dos valores de la funci´on de corriente es igual a la tasa de flujo volum´etrico entre 50 . la funci´on de corriente incrementa. Consideremos ahora la velocidad total lejos de fuentes y sumideros. (4. permanece fija. Para la segunda porci´on de la trayectoria. La velocidad total se define como la suma de las velocidades de Darcy para cada fase j. y). y) : Z  Z ψ(x.25) 0 La diferencia ψ(x. = (4. La primera porci´on de la trayectoria es a lo largo de una l´ınea de corriente donde uy = 0.25). La condici´on de compresibilidad requiere que: j ∇ · u = qt . u tambi´en cambia.22) ya que u es una velocidad instant´anea. Modelos Matema Por lo tanto.24) Si la velocidad u es conocida.22) que se puede utilizar para obtener la ecuaci´on diferencial para la presi´on: ∇ · (−λ∇P ) = qt . o se produzcan cambios en la saturaci´on que provoquen que los coeficientes en la ecuaci´on (4. y la fuente o sumidero total como j P qt = qj . A medida que qt var´ıa. es decir. 4. y) − ψ0 = dψ = 0 ∂ψ ∂ψ dx + dy ∂x ∂y 0  Z (ux dy − uy dx). ψ es una coordenada de flujo.3. ux = ∂ψ ∂ψ . ∂y ∂x (4. uy = . puede ser expresada como una integral para ψ(x.23) Para flujos incompresibles. De la ecuaci´on (4. (4.5. en la figura 4.7 observamos una trayectoria que va de 0 a A y de A a (x. ning´ un flujo cruza la l´ınea. la ecuaci´on (4. los contornos del potencial son ortogonales a las l´ıneas de corriente para un medio is´otropo. qt = 0. Por ejemplo. Funciones de Corriente en 2D Consideremos un flujo multif´asico incompresible dentro de un medio permeable y no-deformable en ausencia de la fuerza de gravedad y los efectos de capilaridad. y). ∂ψ/∂y = ux > 0. Para fluidos en dos dimensiones. (4.´ ticos 4.23) cambien. En otras palabras.21) u= j P La movilidad total est´a definida por λ = λj .22) la resolvemos si representamos la velocidad en t´erminos de la funci´on de corriente de Lagrange ψ(x. y) a un punto inicial. y) − ψ0 es el flujo total que fluye a trav´es de una l´ınea arbitraria trazada desde (x. esto es: X uj = −λ∇P.

no est´a limitada a medios porosos homog´eneos. A diferencia de la soluci´on en l´ıneas de fuentes y sumideros.26) Esta es la ecuaci´on diferencial para la funci´on de corriente. M´etodo de L´ıneas de Corriente las dos l´ıneas de corriente definida por estos valores. De la ecuaci´on (4. A esta condici´on se le conoce como “irrotacionalidad” y es un requisito para la existencia de un potencial de velocidad. Por el contrario. Por lo tanto.4. ψ y χ. La ecuaci´on (4. Es posible representar cualquier campo de velocidad en 3D en t´erminos de tres funciones. Esto define un tubo de corriente en 2D.7: L´ıneas de corriente. independientemente de la funci´on de presi´on. o en su forma diferencial: ∂ 0=− ∂x  ∂P ∂y  ∂ + ∂y  ∂P ∂x  ∂ = ∂x  1 ∂ψ λ ∂x  ∂ + ∂y  1 ∂ψ λ ∂y  = ∇ · (λ−1 ∇ψ). Funciones de Corriente y L´ıneas de Corriente en 3D Las funciones de corriente en 3D representan dos familias de superficies cuyas intersecciones definen las l´ıneas de corriente. Tal integral de l´ınea debe anularse. ρ. pues la movilidad total (λ) puede depender de la posici´on. y luego obtener la velocidad de la ecuaci´on (4. si la velocidad no es conocida.24). La ecuaci´on de la funci´on de corriente se obtiene de la ecuaci´on (4.5.21) mediante la integraci´on del gradiente de presi´on alrededor de un bucle cerrado.4.24) podemos observar que las unidades para ψ son de flujo volum´etrico por unidad de espesor. Figura 4.5. Z dP = 0. Esto es.25) definir´a la funci´on de corriente ψ si la velocidad es conocida. (4. 51 . en su lugar podemos resolver para ψ. La funci´on de corriente tiene un valor constante a lo largo de las l´ıneas de corriente. una manera de trazar l´ıneas de corriente en dos dimensiones ser´a calculando la funci´on de corriente y simplemente trazar sus contornos. funci´on de corriente y tubo de corriente en 2D. 4.

hacemos ψ = ψ(x. ZZ ∆Q = ∆ψ∆χ = u·n ˆ da ≈ u · δa.28) Las bifunciones de corriente tienen muchas de las ventajas de las funciones de corriente en dos dimensiones. Dicha ecuaci´on tambi´en demuestra la relaci´on 52 . Modelos Matema ρu = ∇ψ × ∇χ. el flujo total que entra al tubo de corriente permanece en ´el. (4. u = ∇ψ × ∇χ. (4. Consideremos ahora las superficies definidas por ψ = constante y por χ = constante. Expandiendo la ecuaci´on (4. Del c´alculo vectorial llegamos a que ∇ · (∇ψ × ∇χ) = 0.27) Las funciones ψ y χ son conocidas como bifunciones de corriente. y) y χ = z. que es la l´ınea de corriente trazada por la velocidad u. ψ y χ variar´an tambi´en. se muestran dos superficies definidas por ψ y otras dos por χ. hasta que se trate a fondo la compresibilidad m´as adelante. (4. Tanto ψ como χ son funciones en el espacio. El campo de velocidad obtenido de las ecuaciones (4. Si u presenta una dependencia temporal. esto es. Es importante hacer notar que cualquier velocidad que se puede expresar de acuerdo a la ecuaci´on (4. aunque se requieren dos funciones de corriente para tal prop´osito.8.24).27) o (4. la intersecci´on de ambos planos define una l´ınea. En la figura 4. (4. La relaci´on inversa entre el ´area y la velocidad es fundamental en el modelado con tubos de corriente.28) tiene una interpretaci´on geom´etrica. tanto ψ como χ son funciones de corriente instant´aneas. Por el momento ρ = 1.28). Es posible obtener diferentes l´ıneas de corriente seleccionando diferentes valores constantes para ψ y χ.30) Esto muestra que la rapidez |u| variar´a inversamente a la secci´on transversal del a´rea del tubo |δa|. A fin de obtener la funci´on de corriente en dos dimensiones de la que hemos estado hablando. las cuatro juntas definen un tubo en el espacio.´ ticos 4. que satisfaga: ∇ · u = 0. Puesto que u se trata de una velocidad instant´anea.28) encontramos que la componente z de la velocidad es cero y que las componentes x y y est´an dados por la ecuaci´on (4. entonces.28) se puede integrar sobre el a´rea del tubo.29) Esta formulaci´on es lo suficientemente general para describir el flujo de fluidos tanto en 2D como en 3D. La “porosidad efectiva”ρ es importante en la descripci´on de los fluidos compresibles. debe ser incompresible. La ecuaci´on (4. con l´ıneas de corriente a lo largo de sus bordes. Las trayectorias de las part´ıculas nunca cruzan las superficies de corriente.

expl´ıcita entre el flujo total y las diferencias en ψ y χ. Los bordes del tubo de corriente son l´ıneas de corriente.5. z) que no dependen del tiempo t. este es un enfoque complicado sin beneficios evidentes en comparaci´on con el c´alculo num´erico de la velocidad. 53 . De nuevo.26) en dos dimensiones de una sola inc´ognita ψ(x. que se deduce de las ecuaciones diferenciales para la trayectoria. por ejemplo. y. 0 = ∇ × (−∇P ) = ∇ × λ En contraste con la ecuaci´on (4. no existe manera obvia de resolver estas ecuaciones acopladas. pero el flujo a lo largo de un tubo de corriente se calcula a partir de la ecuaci´on (4.17). L´ıneas de Corriente y Tiempo de Vuelo El tiempo de vuelo se refiere a una coordenada en espec´ıfico que se usa a lo largo de las l´ıneas de corriente. En contraste a la utilidad de la funci´on de corriente en dos dimensiones. Sin embargo. ´estas son ahora tres ecuaciones acopladas (uno en cada direcci´on) para dos funciones desconocidas. Al igual que la funci´on de corriente en dos dimensiones. Podemos integrar estas dos ecuaciones independientes para derivar dos funciones de (x. En la pr´actica. El uso del tiempo de vuelo como una coordenada espacial es especialmente efectiva representando los efectos de la heterogeneidad del medio en el flujo.5. ψ y χ en tres dimensiones.4. las bifunciones de corriente no son u ´tiles como un medio de resolver para la velocidad. son muy u ´tiles como parte de la formulaci´on de tiempo de vuelo. de esta misma ecuaci´on es posible observar las unidades para ψ y χ. entonces ψ tendr´a unidades de bbl/D/ft y χ unidades de ft (pies).5. 4. si Q esta dada en bbl/D. y). Generalmente. Esta es una construcci´on formal de las bifunciones de corriente.8: Dos superficies de corriente en (a) y en (b) y sus intersecciones en (c) definen un tubo de corriente. En su forma diferencial tenemos que:   1 (∇ψ × ∇χ) . nunca ser´a necesario calcular ψ o χ. que abordaremos en la siguiente secci´on. como se indica en la ecuaci´on (4.30). M´etodo de L´ıneas de Corriente Figura 4. R las ecuaciones para ψ y χ pueden ser obtenidas integrando el gradiente de presi´on dP = 0 alrededor de una curva cerrada.

La ecuaci´on (4. El tiempo de vuelo lo denotamos como τ (x. z).´ ticos 4. Una aproximaci´on de la integral en la ecuaci´on (4. ψ. z) a (τ. y. y. el tiempo de vuelo se puede representar con la siguiente integral: Z φ dξ. podemos colocar una serie de trazadores en cada pozo inyector y determinar el tiempo que le toma a las part´ıculas alcanzar una determinada posici´on en el yacimiento. Usando las coordenadas (τ. y. no la velocidad de Darcy. y.31) puede ser reescrita como una relaci´on diferencial: u · ∇τ = φ. el trazador debe moverse a la velocidad intersticial. Los gradientes espaciales a lo largo de l´ıneas de corriente tambi´en tienen una forma muy simple en las coordenadas de tiempo de vuelo. se usar´a como una coordenada espacial. ψ. es posible definir las funciones ψ(x. Durante una simulaci´on con l´ıneas de corriente.35) Una unidad de volumen en las coordenadas de tiempo de vuelo corresponde a una unidad de volumen de poro en el espacio f´ısico.31) es basada en un esquema de diferencias finitas para el campo de velocidad. z). (4. Modelos Matema A partir de un campo instant´aneo de velocidad. z).34) ∂(x. z) = |(∇ψ × ∇χ) · ∇τ | = |u · ∇τ | = φ. tal y como se propuso en la secci´on anterior. y.33) φ ∆τ Aunque el tiempo de vuelo se mide en unidades de tiempo. χ). Para que esto sea el tiempo de tr´ansito real. el c´alculo del tiempo de vuelo no requiere un c´alculo expl´ıcito de las bifunciones de corriente. y ξ es la distancia espacial a lo largo de la l´ınea de corriente. La ecuaci´on (4. z) y χ(x.35) muestra un importante v´ınculo entre la discretizaci´on espacial en diferencias finitas y la simulaci´on con l´ıneas de corriente. ∂τ ∂ψ ∂χ 54 (4. u ∆ξ = . y. (4. χ).36) . Por lo tanto.32) o de otra forma. Ahora veamos la transformaci´on espacial del dominio (x. El Jacobiano de la transformaci´on relaciona los elementos de volumen en ambos espacios coordenados. y. z) y χ(x. ψ. ∂(τ. (4. (4. el operador gradiente se expresa ahora como: ∇ = (∇τ ) ∂ ∂ ∂ + (∇ψ) + (∇χ) . ψ(x. por ejemplo d´ıas. en t´erminos de volumen tenemos que: φ dx dy dz = dτ dψ dχ. χ) (4.31) τ= |u| 0 La part´ıcula de prueba se mueve con velocidad intersticial u/φ.

∂t En la ecuaci´on anterior se han despreciado por ahora los efectos de la aceleraci´on gravitacional y la capilaridad. Lo que se requiere para la implementaci´on es el campo de velocidad y el c´alculo de la integral de l´ınea en la ecuaci´on (4. Para el c´alculo del tiempo de vuelo τ (x. 4. C´ alculo del Tiempo de Vuelo y L´ıneas de Corriente en 2D y 3D La u ´nica caracter´ıstica de los simuladores basados en el m´etodo de l´ıneas de corriente es el uso del tiempo de vuelo como una coordenada espacial. ∇ · (Fw ut ) = ut · ∇Fw = φ ∂Sw ∂Fw + = 0. ∂τ N´otese el uso del operador identidad de la ecuaci´on (4. ya que servir´a para transformar ecuaciones del espacio f´ısico a coordenadas de tiempo de vuelo de l´ıneas de corriente. primero se obtiene la 55 .5. Para flujos incompresibles. el tiempo de tr´ansito de un punto inicial a un punto del espacio se calcula una celda a la vez. 4.2. ∂Sw + ∇ · (Fw ut ) = 0. Tiempo de Vuelo como Coordenada Espacial La principal ventaja de la coordenada τ se hace evidente si tenemos en cuenta la ecuaci´on de conservaci´on para la fase agua en un flujo incompresible en dos fases. Fw representa el flujo fraccional y lo denotamos como Fw = λw /λ. en el cual.37) representa una relaci´on importante en la simulaci´on con l´ıneas de corriente.4. ∂t ∂τ (4.5. podemos escribir. as´ı como para medios homog´eneos y heterog´eneos. por lo tanto. Usando las ecuaciones (4. z) se sigue una construcci´on de las l´ıneas de corriente que se conoce como el algoritmo de Pollock. comenzamos con una soluci´on num´erica de la ecuaci´on de presi´on.38) Esta transformaci´on de coordenadas descompone el flujo del fluido tridimensional en series de ecuaciones 1D para la saturaci´on a lo largo de las l´ıneas de corriente.29) y (4. En la aproximaci´on de l´ıneas de corriente.37) La ecuaci´on (4. Esta ecuaci´on es v´alida para una.31). ∂τ (4.29) para transformar del espacio f´ısico a coordenadas de tiempo de vuelo. u·∇=φ ∂ . M´etodo de L´ıneas de Corriente Ya que u es ortogonal tanto a ψ como a χ. y.5.37) tenemos que: φ ∂Fw . por ejemplo. lejos de fuentes y sumideros. dos y tres dimensiones.1.5.5.

9: Bloque de volumen finito para el c´alculo del tiempo de vuelo. cy = (uy2 − uy1 )/∆y.9.40) obtenemos que: 56 . Esto conduce al siguiente modelo de velocidad por celdas: ux = ux1 + cx (x − x1 ).40) Las trayectorias de las l´ıneas de corriente ser´an hip´erbolas dentro de los vol´ umenes. El algoritmo de Pollock usa una submalla de modelo de velocidad que se deriva de la suposici´on de que cada componente de la velocidad var´ıa linealmente entre los valores para el par correspondiente de caras del volumen. cz = (uz2 − uz1 )/∆z. Esto quiere decir que la velocidad en el eje x var´ıa linealmente s´olo en la direcci´on del eje x y es independiente de las velocidades en las otras direcciones. uy = uy1 + cy (y − y1 ). es posible calcular los flujos volum´etricos usando la Ley de Darcy. La soluci´on num´erica nos proporciona la presi´on al centro del volumen de control y la velocidad del flujo en las caras del volumen. Figura 4.39) donde los coeficientes dependen de la diferencia de las velocidades de Darcy en las caras del volumen.´ ticos 4. como se muestra en la figura 4. consideremos una malla en bloques de volumen finito de la ecuaci´on de presi´on. Una vez conocida la distribuci´on de la presi´on. uz = uz1 + cz (z − z1 ). las as´ıntotas se alcanzan cuando ux = 0. uy = 0 ´o uz = 0. (4. cx = (ux2 − ux1 )/∆x. De la ecuaci´on (4. (4. Para ilustrar el algoritmo de trazado de l´ıneas de corriente. Modelos Matema distribuci´on de presi´on en el yacimiento con un esquema adecuado de discretizaci´on como el de volumen finito.

44) consideramos u ´nicamente los valores positivos para seleccionar el m´ınimo. tambi´en lo hace la velocidad local dentro de la celda. El modelo de velocidad es u ´til para generar l´ıneas de corriente para fluidos compresibles e incompresibles. Por lo tanto.9. el algoritmo de Pollock especifica la cara de salida correcta la cual requiere de un tiempo de tr´ansito m´ınimo y positivo. z0 ) dentro de un volumen de control como se muestra en la figura 4. la soluci´on num´erica proporcionar´a cx + cy + cz = 0. 2 indica las caras del volumen en cada direcci´on. Sin embargo. (4.18). M´etodo de L´ıneas de Corriente ∇·u= 3 X cj = cx + cy + cz . ∆τxi = φ ∆τyi = φ ∆τzi = φ Zx1 x0 Zy1 y0 Zz1 1 dx = ln ux0 + cx (x − x0 ) cx  1 dy = ln uy0 + cy (y − y0 ) cy  dz 1 = ln uz0 + cz (z − z0 ) cz  uxi ux0  uyi uy0  uzi uz0  . (4. Integrando la ecuaci´on (4. lejos de fuentes y sumideros. sus coordenadas de salida pueden ser ahora calculadas si reordenamos las ecuaciones (4. (4.42) obtenemos el tiempo de vuelo a cada una de las seis caras. y0 . dx dy dz dτ = = = . . para flujos compresibles la suma es diferente de cero porque el fluido y la compresibilidad de la roca act´ uan como t´erminos fuente. ∆τx2 .5. φ ux uy uz (4.4. dichas ecuaciones pueden ser integradas de manera expl´ıcita e independiente de cada direcci´on. Conociendo el tiempo de vuelo de la part´ıcula. Consid´erese una part´ıcula en un punto arbitrario (x0 .43) .42) Para las velocidades lineales del juego de ecuaciones (4. ∆τy2 . esto es: ∆τ = M inP ositivo (∆τx1 . ∆τy1 . Por lo tanto. el tiempo de vuelo para una part´ıcula estar´a dado por el m´ınimo sobre los bordes permisibles.40). La part´ıcula puede salir del volumen a trav´es de cualquiera de las 6 caras.44): 57 . z0 El ´ındice i = 1. ∆τz2 ). Las l´ıneas de corriente y el tiempo de vuelo dentro de cada celda pueden ser calculados a trav´es de la integraci´on directa de las velocidades como se discuti´o en la ecuaci´on (4. ∆τz1 .41) j=1 Este es un resultado importante ya que hemos comprobado que si la soluci´on discreta conserva el flujo. para flujos incompresibles.

cy  cz ∆τ /φ  e −1 z = z0 + uz0 = z0 + uz0 · ηz . se ilustrar´a con un ejemplo simple en 2D. entonces tendremos un punto de estancamiento.45) El t´ermino en par´entesis incrementa con el tiempo y puede ser pensado como pseudotiempos η.48) Como se espera. → cx φ x = x0 + ux0 ∆τ /φ. x = x0 + ux0 cx  cy ∆τ /φ  e −1 y = y0 + uy0 = y0 + uy0 · ηy . De acuerdo con la figura 4. Modelos Matema  ecx ∆τ /φ − 1 = x0 + ux0 · ηx . cz  (4. figura 4.´ ticos 4. Supongamos una part´ıcula p situada en el punto (xp .46) (4. 1 ln cx (4. Esta secuencia de c´alculos se repite y los tiempos de tr´ansito ser´an acumulados a lo largo de 58 . Cada vez que cualquiera de las velocidades interpoladas cambia de signo a trav´es de una celda.   ux x − x0 → . Es f´acil identificar las l´ıneas y los puntos de estancamiento bas´andonos en el algoritmo de Pollock. que es la cara de salida de la part´ıcula. una vez conocido el tiempo de vuelo. Una vez descrito el algoritmo para el tiempo de vuelo. y). En el l´ımite. El tiempo para la cara x1 es cero porque es ah´ı donde la part´ıcula entra en la celda. El primer paso es calcular el tiempo de vuelo de acuerdo a la ecuaci´on (4. el tiempo de vuelo m´ınimo ser´a en la cara y2 . Cuando esto ocurre. El tiempo de vuelo en las otras direcciones a´ un puede ser finito todav´ıa. Las ecuaciones (4. sin embargo. Por lo tanto.44). aunque en t´erminos de η tienen una forma lineal. si todas las velocidades cambian de signo. j) en el plano (x. bas´andonos en la direcci´on del flujo. por ejemplo en la direcci´on x. Para y1 el tiempo ser´a negativo.47) (4. yp ) en un tiempo t que entra a una celda (i. el tiempo de vuelo calculado a trav´es de una celda en esa direcci´on ser´a infinito.10. Cuando la velocidad es constante a trav´es del volumen en una direcci´on dada.11.46).46) definen la ecuaci´on param´etrica de una l´ınea de corriente hiperb´olica. podemos calcular la coordenada de salida usando (4. significa que en alg´ un lugar dentro de dicha celda la velocidad es cero. la posici´on var´ıa linealmente para una velocidad constante. entonces cx = 0. el tiempo en en las caras y1 y x2 estar´a dado por la intersecci´on de la trayectoria con la extension de dichas caras de las celdas (en l´ıneas punteadas). El tiempo al cual la part´ıcula abandona la celda est´a dado por t = tp + ∆τ . ux0 ux0  cx ∆τ /φ  e −1 ∆τ ηx = .

11: C´alculo del tiempo de vuelo para una sola celda. 59 .4.10: Part´ıcula en un esquema de celdas 2D para el c´alculo del tiempo de vuelo. llevando eventualmente a un productor. M´etodo de L´ıneas de Corriente las m´ ultiples celdas. o rastrear hacia atr´as a un inyector. La figura 4. Figura 4. Figura 4.12. figura 4.13 muestra una l´ınea de corriente en un sistema tridimensional.5.

Figura 4. se utiliza el mismo enfoque. para τ negativa. Modelos Matema Figura 4.13: L´ınea de corriente en un sistema 3D. excepto que ahora se hace el seguimiento de la part´ıcula hacia atr´as.12: Representaci´on del algoritmo de Pollock en 2D.´ ticos 4. 60 . Para calcular el tiempo de vuelo al pozo inyector. Este es el algoritmo usado para calcular el tiempo de vuelo hacia un pozo productor para un punto arbitrario dentro del dominio. es decir.

El MVF se deriva a partir de las forma conservativa de las ecuaciones de balance. de tal manera que hay un volumen rodeando a cada punto de la malla. En las secciones siguientes se adoptar´a por simplicidad la siguiente notaci´on. se integra la ecuaci´on de balance (4. una para cada volumen de control.Cap´ıtulo 5 Modelo Num´ erico 5.5) sobre cada volumen. M´ etodo de Volumen Finito (MVF) En esta secci´on se obtiene la soluci´on num´erica de las ecuaciones (4. y esto da como resultado un conjunto de ecuaciones discretas. po = p y Sw ≡ S. las cuales deben resolverse para obtener una soluci´on num´erica aproximada. Esta caracter´ıstica es v´alida para cualquier n´ umero de vol´ umenes sobre la malla y no solamente para un n´ umero grande de ellos. 61 . De la misma forma. Los flujos a trav´es de las caras de los vol´ umenes se aproximan usando esquemas num´ericos apropiados. figura 5. Las ecuaciones discretas que resultan usando esta estrategia. el dominio de estudio se divide en un n´ umero de vol´ umenes de control que no se traslapan. En este m´etodo.14) y (4.16) mediante el M´etodo de Volumen Finito (MVF). aunque para obtener una buena precisi´on se requiere de un n´ umero grande de vol´ umenes o esquemas de alto orden. a´ un una soluci´on en una malla gruesa exhibir´a un balance exacto o f´ısicamente realista. expresan el principio de conservaci´on para la propiedad extensiva correspondiente en cada volumen de control. Por lo tanto.1. Luego. Se dice que el MVF es un m´etodo conservativo.1. la ecuaci´on diferencial expresa el mismo principio para un volumen de control infinitesimal. Esta clara relaci´on entre el algoritmo num´erico y el principio f´ısico de conservaci´on es una de las mayores atracciones del MVF.4) sobre cada volumen de control. lo cual es equivalente a aplicar la ecuaci´on de balance (4.

1) Tomamos el tensor de la permeabilidad s´olo con valores distintos en la diagonal principal.1: Volumen de control en tres dimensiones.14) definimos como funci´on de flujo: F = −kλ∇p + kλw dpc ∇S. mientras que las min´ usculas las caras de dichos vol´ umenes. 5.1. dS (5. Modelo Discreto de Flujo en dos Fases con MVF En esta secci´on se aplica el MVF a las ecuaciones (4.2. 5. como se muestra a continuaci´on.16) descritas en la secci´on 3.   k11 0 0 k =  0 k22 0  . 0 0 k33 con k11 6= k22 6= k33 .5 del cap´ıtulo 3 correspondientes al modelo de flujo en dos fases. las componentes de la funci´on de flujo son: 62 . as´ı pues. Modelo Nume Figura 5.2.14) y (4. Las letras may´ usculas representan los centros de los vol´ umenes de control. Discretizaci´ on de la Ecuaci´ on de Presi´ on A fin de discretizar la ecuaci´on (4.´rico 5.

1. El volumen de control de dicha figura representa un hexaedro donde sus ejes son paralelos a los ejes coordenados de un sistema cartesiano. la integraci´on se realiza sobre un volumen de control como el mostrado en la figura 5. (5. Modelo Discreto de Flujo en dos Fases con MVF  Fx Fy Fz  ∂p dpc ∂S = −k11 λ − λw .1.3). de modo que. la ecuaci´on (4. (5. Az = ∆x∆y y ∆V = ∆x∆y∆z. = −k22 λ ∂y dS ∂y   ∂p dpc ∂S = −k33 λ − λw . obteniendo: ¯w + Q ¯ o )∆V. por lo que favorece la aproximaci´on de las integrales de la ecuaci´on (5. En la notaci´on (Fx )e significa que Fx se debe evaluar en la cara e del volumen de control. Ahora veamos la evaluaci´on de Fx en la cara e: 63 . respectivamente. Con base en el volumen de control mostrado en la figura 5.5) ((Fx )e − (Fx )w ) Ax + ((Fy )n − (Fy )s )Ay + ((Fz )f − (Fz )b )Az = (Q ¯w y Q ¯ o son promedios de Qw donde Ay = ∆x∆z.3) ∆V para dV = dx dy dz. ∂z dS ∂z Por lo tanto. Q y Qo dentro del volumen de control. ∂x (5.2. ∂x ∂y ∂z (5.1) a la expresi´on anterior.5. por lo que B(t) ≡ ∆V.2) Aplicamos ahora la ecuaci´on de balance (4. ∂x dS ∂x   dpc ∂S ∂p − λw . el primer t´ermino del lado izquierdo de la ecuaci´on integra como: Zf Zn Ze b s ∂Fx dx dy dz = ((Fx )e − (Fx )w )Ax . ∇·F = ∂Fx ∂Fy ∂Fz + + = Qw + Qo . Aplicamos el mismo desarrollo al resto de los miembros de la ecuaci´on integral (5. Z  ∂Fx ∂Fy ∂Fz + + ∂x ∂y ∂z  ∆V Z dV = (Qw + Qo )dV.14) se escribe ahora como.4) w donde Ax = ∆y∆z es el a´rea de aquellas caras del volumen de control paralelas al plano yz.3).

5) quedar´ıa expresado por. ((Fx )e − (Fx )w )Ax = (c)Ax + (v)Ax . Cuando evaluamos Fx en la cara w se hace de forma similar. y y z. aP p P = aE p E + aW p W + aN p N + aS p S + aF p F + aB p B + q P . Sustituyendo las evaluaciones en la ecuaci´on (5. = k11 (−λ)e ∆xe dS e ∆xe donde las derivadas parciales son aproximadas a trav´es del m´etodo de diferencias finitas centrales y los sub´ındices E y P indican que la variable se eval´ ua en el centro del volumen de control correspondiente. esto mismo aplica para las dos direcciones. por lo que el primer t´ermino de la ecuaci´on (5. donde  c = k11 (−λ)e  pE − pP ∆xe   dpc + λw dS   e SE − SP ∆xe  . ∂x dS ∂x e        dpc ∂S ∂p + λw . y        dpc SP − SW p P − pW v = k11 (−λ)w + λw . Las componentes Fy y Fz se eval´ uan de la misma manera en las caras correspondientes.´rico 5. Modelo Nume (Fx )e   ∂p dpc ∂S = −k11 λ − λw . donde los coeficientes se definen como: 64 (5. ∆xe = xE − xP .5) y ordenando t´erminos obtenemos la ecuaci´on discreta de la presi´on para el volumen de control P .6) . = k11 (−λ)e ∂x e dS e ∂x e        dpc SE − SP pE − pP + λw . ∆xw dS w ∆xw donde ∆xw = xP − xW .

∆yn k22 (λw )s Ay .         ! dpc dpc dpc dpc dpc + Tw + Tn + Ts + Tf + Tb SP − = Te dS w dS n dS s dS f dS b e         dpc dpc dpc dpc SE + Tw SW + Tn SN + Ts SS + Te dS e dS w dS n dS s !     dpc dpc ¯w + Q ¯ o )∆V . ∆zf k33 (λw )b Az .2. ∆xw k22 (λw )n Ay .9) Tf SF + Tb SB + ( Q dS f dS b  qP (5. ∆xe k11 (λw )w Ax . (5.10) .7) donde: aP = aE + aW + aN + aS + aF + aB ≡ TP .5. ∆xe k11 (λ)w Ax ≡ TW .8) dpc dS   donde los coeficientes est´an definidos como: Te = Tw = Tn = Ts = Tf = Tb = k11 (λw )e Ax . Modelo Discreto de Flujo en dos Fases con MVF aE = aW = aN = aS = aF = aB = k11 (λ)e Ax ≡ TE . ∆zb (5. ∆yn k22 (λ)s Ay ≡ TS . ∆xw k22 (λ)n Ay ≡ TN . ∆zb 65 (5. ∆zf k33 (λ)b Az ≡ TB . ∆ys k33 (λ)f Az ≡ TF . ∆ys k33 (λw )f Az .

al igual que en la ecuaci´on de presi´on. en el primer t´ermino del lado derecho aparece la movilidad del agua λw en lugar de la movilidad total λ.2. S. n.11).11) A diferencia de la ecuaci´on (5. Estas cantidades.16). s.2. Modelo Nume Figura 5. deben ser evaluadas en las caras (λ)nb .2: La matriz resultante presenta 7 bandas en el caso tridimensional. la ecuaci´on de la saturaci´on (4. al igual que la saturaci´on. figura 5.2. F. Las transmisibilidades son dependientes de la movilidad total λ as´ı como de la movilidad del agua λw y del cambio de la presi´on capilar pc respecto a la saturaci´on S. Las ecuaciones diferenciales (4. b. Fy y Fz es similar a como se hizo para la ecuaci´on de presi´on.16) est´an acopladas. dS (5. La obtenci´on de las componentes Fx . ´esta u ´ltima tiene dependencia temporal. Tomando la definici´on (5. w. por lo tanto.14) y (4. ver ap´endice B. definimos una funci´on de flujo: F = −kλw ∇P + kλw dpc ∇S.16) la escribimos como: 66 . por lo que se ha empleado el m´etodo iterativo de gradiente conjugado en la soluci´on del sistema. Las ecuaciones discretas para todos los vol´ umenes de control de la malla arroja un sistema lineal de ecuaciones que consta de 7 bandas distintas de cero para el caso tridimensional. usando informaci´on de la saturaci´on del paso anterior S n .´rico 5. f. deben ser calculadas adecuadamente o de lo contrario se introducen errores num´ericos en la soluci´on. donde N B = P. 5. la ecuaci´on discreta (5. (λw )nb y (dpc /dS)nb . Se trata de un sistema diagonalmente dominante dada la forma de los coeficientes. E. N.6) se resolver´a para cada paso de tiempo a fin de obtener pn+1 . B y nb = e. Discretizaci´ on de la Ecuaci´ on de Saturaci´ on Busquemos ahora discretizar la ecuaci´on de saturaci´on (4.1). W. Los coeficientes TN B y Tnb se conocen como transmisibilidades de cada volumen de control.

s´olo que en esta ocasi´on usamos la movilidad del agua λw en sustituci´on de la movilidad total λ. haciendo una integral de toda la expresi´on en el intervalo [t. y B(t) ≡ ∆V . pero la saturaci´on en el centro del volumen de control representa un promedio de todo el volumen. integramos la ecuaci´on (5. esto se puede llevar a cabo mediante funciones lineales o de mayor orden.  Z Z  Z ∂S ∂Fx ∂Fy ∂Fz φ dV + Qw dV.1).13) en dicho intervalo.15) ∆V Es necesario conocer la forma de S como funci´on de x para poder aproximar la integral del lado derecho. (∇·F −Qw )dV dt = n (5. SP . As´ı pues.2. Modelo Discreto de Flujo en dos Fases con MVF φ ∂S ∂S ∂Fx ∂Fy ∂Fz +∇·F =φ + + + = QW . ∂t (5. exceptuando 67 . ∂t ∂x ∂y ∂z n ∆V El t´ermino de la derivada temporal lo aproximamos como se muestra a continuaci´on: n+1 Z Z φ ∆V ∂S dV ∂t  Z dt = φ n  S n+1 − S n dV.16) n El resto de los t´erminos de la ecuaci´on (5. por lo tanto tenemos que: n+1 Z Z φ ∆V  ∂S dV dt = φ(SPn+1 − SPn )∆V .17) donde los coeficientes b son similares a los coeficientes a de la ecuaci´on (5.14) φ + + + − Qw dV  dt = 0.13) + + dV = ∂t ∂x ∂y ∂z ∆V ∆V ∆V donde ∆V es el volumen de control de la figura 5. (5. (5. ∂t ∂t ∂x ∂y ∂z (5.12) En t´erminos de la ecuaci´on de balance (4. n+1 Z Z n ∆V n+1  Z bP pP −(bE pE +bW pW +bN pN +bS pS +bF pF +bB pB +qP ) dt. obteniendo:   n+1 Z   Z ∂S ∂Fx ∂Fy ∂Fz  (5.6).14) se aproximan de forma parecida a como se hizo para la ecuaci´on de presi´on. incluso el t´ermino qP es similar al mostrado en la ecuaci´on (5.1.5. la ecuaci´on anterior la denotamos como. en el MVF. Las derivadas con dependencia temporal se tratan. obteniendo. t + ∆t].9).

18) Sustituyendo (5.17) obtenemos lo siguiente: n+1 Z Z   n n n n n n n n n n n n n n n (∇·F −qw )dV dt = bP pP −(bE pE +bW pW +bN pN +bS pS +bF pF +bB pB +qP ) ∆t.22) dS f dS b φ bnE  68 . que en el u ´ltimo t´ermino s´olo tenemos el promedio de la fuente de agua Q En el algoritmo IMPES. Modelo Nume ¯w.20) (5. ∆t n q = φ∆V P (5.19) bP pP −(bE pE +bW pW +bN pN +bS pS +bF pF +bB pB +qP ) φ∆V de modo que los coeficientes quedan expresados como: bnE = bnW = bnN = bnS = bnF = bnB = k11 (λw )ne ∆t . (5.´rico 5.18) en (5. ∆ys φ∆y k33 (λw )nf ∆t .14) y reordenando t´erminos obtenemos la relaci´on expl´ıcita para la saturaci´on: SPn+1 = SPn −   ∆t n n n n n n n n n n n n n n n .21) n  n  n  n dpc dpc dpc n n n dpc + bW + bN + bS + dS e dS w dS n dS s  n  n  n dpc n dpc bF + bB SPn − dS f dS b   n  n  n  n dpc dpc n dpc n n n n n n dpc bE SE + bW S W + bN SN + bS SSn + dS e dS w dS n dS s  n  n ! ¯n dpc dpc Q bnF SFn + bnB SBn + w . (5. ∆zb φ∆z bnP = bnE + bnW + bnN + bnS + bnF + bnB . aplicando el esquema θ a la ecuaci´on (5. ∆zf φ∆z k33 (λw )nb ∆t . ∆xw φ∆x k22 (λw )nn ∆t . n ∆V (5. ∆yn φ∆y k22 (λw )ns ∆t .16) y (5. ∆xe φ∆x k11 (λw )nw ∆t . la ecuaci´on discreta de la saturaci´on se resuelve de manera expl´ıcita.

∆y. ∆z. Dichos coeficientes se calculan usando valores de la saturaci´on del paso anterior.3. 2: while t < Tmax do 3: calcular los coeficientes de la ecuaci´on de presi´on usando (5. Condiciones Iniciales y de Frontera Las transmisibilidades Te son iguales a la definidas para la ecuaci´on de presi´on.3. Algoritmo IMPES Las ecuaciones (4. se emplear´a el m´etodo IMPES (IMplicit Presure Explicit Saturation) vease [14].2. Condiciones Iniciales y de Frontera Las ecuaciones de presi´on y transporte requieren. 69 . el cual se describe en el algoritmo 1. 4: Resolver la ecuaci´on de presi´on (5.9) y (5. p0 .11). Algoritmo 1 IMPES 1: Definir condiciones iniciales y de frontera del problema S 0 . de modo que es preciso establecer una estrategia de linealizaci´on.6) de manera expl´ıcita usando un m´etodo iterativo.21) y (5.8). 6: Resolver la ecuaci´on de saturaci´on (5. El modelo tiene en cuenta las siguientes consideraciones: Se desprecian los efectos de la fuerza de gravedad. aqu´ı no es necesario resolver ning´ un sistema lineal ya que todos los t´erminos del lado derecho son conocidos. 7: t ← t + ∆t 8: end while 5.14) y (4. ∆t. 5: Calcular los coeficientes de la ecuaci´on de saturaci´on usando (5. 5.1: Condiciones iniciales para la presi´on y la saturaci´on.22). (5. Bajo la formulaci´on presentada aqu´ı.5. la especificaci´on de condiciones de contorno asociadas a los l´ımites del medio y de condiciones iniciales que proporcionen informaci´on sobre los campos iniciales de presi´on y saturaci´on. Condiciones iniciales Presi´ on p(t0 ) = 1e + 07 Pa Saturaci´ on S(t0 ) = 0 Tabla 5. para su soluci´on. Ecuaciones como la (5. En el caso de estudio.3. ∆x. Tmax . pero a diferencia de la ecuaci´on de presi´on.16) representan un problema no lineal y fuertemente acoplado.19) de manera expl´ıcita. Imponiendo las condiciones adecuadas nos aseguramos de tener un problema bien planteado con soluci´on u ´nica.19) se derivan para cada volumen de control de la malla. se han impuesto condiciones tipo Neumann de no flujo en las fronteras del dominio y las siguientes condiciones iniciales.

Para evaluar los coeficientes definidos en (5.23) (5.b del volumen de control.24) como se muestra a continuaci´on:  σ σ Sef krw 1 S − Srw = = .21) necesitamos el el valor de λw en las caras del volumen de control. para un instante de tiempo n. Las saturaciones residuales del agua y del aceite son Srw y Sro respectivamente. calculamos dicho valor con las relaciones (5.s.f.8) determinamos el valor de λ en las caras nb=e. el valor de λw en las caras del volumen de control. 1 − Srw − Sro y las permeabilidades relativas como: Sef = σ .24). λ= µw µo Haciendo las respectivas sustituciones y reduciendo t´erminos obtenemos:   1 (S − Srw )σ (1 − Sro − S)σ λ= + . lo calculamos como: 70 .27) (λ)nb = (1 − Srw − Sro )σ µw µo Para calcular los coeficientes de la ecuaci´on (5.28) λw = µo µw µw 1 − Srw − Sro As´ı pues. Modelo Nume No hay fuentes ni sumideros.´rico 5. o bien krw kro + . (5. (5. (5. En este problema definimos la saturaci´on efectiva como: S − Srw .26) (1 − Srw − Sro )σ µw µo λ= Si suponemos conocidos los valores de S para el instante n. krw = Sef (5. Hacemos uso de las relaciones (5. podemos calcular λ para el mismo instante de tiempo de la siguiente manera:  n  n σ (Snb − Srw )σ (1 − Sro − Snb ) 1 n + .24) El exponente σ vale 1 en el caso lineal y 2 para el caso cuadr´atico.23) y (5. Los fluidos son incompresibles e inmiscibles.n.w. kro = (1 − Sef )σ . la movilidad total (λ) se define como la suma de las movilidades de cada fase: λ = λw + λo . (5.23) y (5.25) µw µo sustituyendo el valor de las permeabilidades relativas en funci´on de la saturaci´on efectiva tenemos que: σ Sef (1 − Sef )σ + .

la soluci´on 1D de la ecuaci´on de saturaci´on a lo largo de cada l´ınea de corriente usando el tiempo de vuelo como coordenada espacial dada en la ecuaci´on (4. Produce dispersi´on num´erica.. Tratemos ahora en este apartado.5.27) y (5.29) C´ alculo de la Saturaci´ on en las Caras En las ecuaciones (5. de modo que requerimos de un esquema que interpole adecuadamente dicho valor a las caras. 5. C´alculo de la Saturaci´on en las Caras (λw )nnb 5. 71 . por lo que es recomendable usar un n´ umero considerablemente grande de vol´ umenes de control. Se presenta el esquema Upwind para tales fines.29) notamos la necesidad de calcular los valores de la saturaci´on en las caras de los vol´ umenes de control.5. aunque se trata de un esquema estable. mismos que provienen de la soluci´on de la ecuaci´on (4.38). C´ alculo del Transporte a lo largo de las L´ıneas de Corriente Hemos visto que el principio b´asico de simulaci´on mediante l´ıneas de corriente es descomponer las ecuaciones de transporte multidimensionales en una serie de ecuaciones 1D a lo largo de las l´ıneas de corriente.4. El valor de la saturaci´on es conocido en todos los centros de los vol´ umenes.16).Se comparan los valores de presi´on en los puntos vecinos a la cara del volumen de control donde se desea evaluar la saturaci´on S n tom´andose el valor de la saturaci´on del punto donde la presi´on es mayor. En secciones previas se revis´o la formulaci´on num´erica del c´alculo de las l´ıneas de corriente y el tiempo de vuelo. 1 = µw  n − Srw Snb 1 − Srw − Sro σ . Upwind. (5.4. if (pnP ≤ pnE ) then Sen = SEn else Sen = SPn end if Esta es una aproximaci´on lineal donde se asumen conocidos los valores de presi´on para el instante n.

  n+1 Z Z  ∂Sw dτ  dt = 0. t + ∆t]. ∂t ∂τ donde Fw se define c´omo: λw . (5.31) Finalmente. ∆τ (5.30) obtenemos la ecuaci´on discreta de la saturaci´on sobre las l´ıneas de corriente:  n  n  λw λw ∆t n+1 n Sp = Sp − − . Reacomodando t´erminos: Spn+1 = Spn − [(Fw )ne − (Fw )nw ] ∆t . ∂t ∂τ ∆τ | {z } ∆τ | {z } Fw = 1 (5. Discretizaci´ on de la Ecuaci´ on de Saturaci´ on 1D Tomaremos la discretizaci´on 1D en volumen finito de la ecuaci´on (4.1.´rico 5. de las ecuaciones discretas de presi´on y saturaci´on. empleando la relaci´on (5. ∆τ = (Spn+1 − Spn )∆τ. Modelo Nume 5.38): ∂Sw ∂Fw + = 0. en general. 72 .32) λ e λ w ∆τ En el cap´ıtulo siguiente abordaremos la codificaci´on para la soluci´on computacional de la ecuaci´on anterior y.30) 2 =⇒ Discretizaci´on de 1: integrando todo en el intervalo [t. λ En t´erminos de la ecuaci´on de balance tenemos que: Z Z ∂Sw ∂Fw dτ + dτ = 0. =⇒ Discretizaci´on de 2: n+1Ze Z n ∂Fw dtdτ = ∂τ w n+1 Z [(Fw )e − (Fw )w ] dt. ∂t n n+1 Z Z ∆τ Z ∂Sw dτ dt = ∂t ∆τ n (S n+1 − S n )dτ. n = [(Fw )ne − (Fw )nw ]∆t.5.

En su construcci´on se hizo uso de los paradigmas de programaci´on orientada a objetos (POO) y programaci´on gen´erica. En TUNAM se hace uso de las siguientes definiciones: Definici´ on 1 Una generalizaci´ on (Generalization) propone la existencia de un conjunto de elementos con caracter´ısticas comunes. para el manejo de arreglos multidimensionales.1. 6.Cap´ıtulo 6 Modelo Computacional y Resultados Num´ ericos Los modelos matem´aticos y num´ericos abordados en cap´ıtulos anteriores necesitan ser resueltos a trav´es de la codificaci´on de un conjunto de algoritmos especializados a fin de obtener una soluci´on num´erica del problema que sea precisa. Sus componentes estan hechas en el lenguaje de programaci´on C++ haciendo uso intensivo de templates que proveen una herramienta efectiva para desarrollar programas gen´ericos. de modo que es posible utilizar las herramientas de TUNAM para resolver problemas de otras ´areas de estudio. 73 . v´ease [11]. el cual contiene algoritmos para el MVF y que fue adaptado para dar soluci´on al M´etodo de L´ıneas de Corriente. En el presente trabajo se utilizar´a el sofware TUNAM (Templates Units for Numerical Applications and Modeling). estable y eficiente. por ejemplo sus atributos y operaciones. ver [18]. Hace uso tambi´en de la biblioteca Blitz++. Software TUNAM TUNAM es un software desarrollado en un principio para resolver problemas de convecci´on natural en dominios rectangulares mediante el m´etodo de volumen finito.

6). SparseMatrix<> : Representa matrices ralas o dispersas.1. 46]. GeneralMatrix<> : Representa una matriz en general. Diagonal<> : Define matrices ralas en formato diagonal. Upwind. 74 . Quick<> : Definen los esquemas num´ericos apropiados que se emplear´an en el c´alculos de los coeficientes de volumen finito. Teniendo en cuenta. GeneralEquation<> : Representa la ecuaci´on general discretizada. por ejemplo la figura 5. Tales definiciones pueden ser empleadas en el uso de templates. los modelos conceptuales. por ejemplo ecuaci´on (5. junto con sus respectivos coeficientes.´ricos 6. es posible identificar: Generalizaciones : GeneralMesh<> : Representa cualquier tipo de malla. NonUniform<> : Definen mallas uniformes y no uniformes en dominios rectangulares. matem´aticos y num´ericos mostrados en los cap´ıtulos anteriores. Adaptadores : Uniform. Definici´ on 3 Un adaptador (Adaptor) es una implementaci´on particular de un mismo concepto o algoritmo. Especializaciones : StructuredMesh<> : Representa mallas estructuradas como que se muestra en la figura 5.1. f´ısicos. CDS. Modelo Computacional y Resultados Nume Definici´ on 2 Una especializaci´ on (Specialization) se trata de un caso particular de una entidad general que adiciona y/o redefine caracter´ısticas tales como atributos y operaciones especiales. [41. En la figura 6. TwoPhaseEquation<> : Son ecuaciones diferenciales particulares para flujo bif´asico. pues permiten implementaciones alternativas de un mismo concepto a fin de generar c´odigo optimizado.1 se muestra un esquema general de TUNAM.

Implementaci´ on Calibraci´ on 1D con el modelo de Buckley. significan Generalization..Leverett Las primeras pruebas para calibrar el m´etodo de lineas de corriente se har´an sobre un modelo 1D de Buckley. argN son empleados en la construcci´on de object. (b) Los paquetes FVM y Geom se muestran de manera esquem´atica: las letras G. .2. el cual describe el desplazamiento de aceite por agua en un dominio horizontal como el que se muestra en la figura 6. a la derecha de la figura. argN ) . El compilador de C++ analiza la declaraci´on y genera el c´odigo de acuerdo con la implementaci´on de la especializaci´on y el adaptador correspondientes.2. S y A. . . dim>> y adem´as arg1. Se ha desarrollado un m´odulo nuevo para la simulaci´on mediante l´ıneas de corriente. Donde object es un objeto perteneciente a la clase Specialization<Adaptor<prec. Los objetos en TUNAM que interact´ uan con el fin de resolver un problema se definen y crean de la siguiente menara: S p e c i a l i z a t i o n <Adaptor<p r e c t . El par´ametro prec t define la precisi´on de los resultados. respectivamente.2.1. 6. Se han contemplado las siguientes suposiciones: 75 . el par´ametro dim define la dimensi´on del problema.. 6. . Implementaci´on (a) (b) Figura 6.Leverett.. . double o long double. Specialization y Adaptor. es decir float.1: (a) Arquitectura general de TUNAM.2. dim>> o b j e c t ( arg1 .6.

las ecuaciones (4. en un principio saturado de aceite.16)se transforman en −∇ · (kλ∇p) = 0. No hay fuentes ni sumideros.14) y (4. ambas discretizaciones son en volumen finito.4) λ e λ w φ∆ξ Swn  Con las siguientes condiciones de frontera: 76 . (6.4) para el c´alculo de la saturaci´on. Modelo Computacional y Resultados Nume Se desprecian los efectos de la presi´on capilar.1) y φ ∂S − ∇ · (kλw ∇p) = 0. En este caso.3) y l´ıneas de corriente. Figura 6. (6.2: Medio homog´eneo de 300 m de longitud. ∂t (6. Los fluidos son incompresibles e inmiscibles. Swn+1 S n+1    k[λw ]np k[λw ]ne n k[λw ]nw n k[λw ]nw ∆t = − PPn PE + PW − + . Con las suposiciones anteriores.3) ∆x ∆x ∆x ∆x φ∆x  n  n  λw λw |¯ u|∆t n = S − . A continuaci´on se muestran los modelos discretos 1D de Buckley-Leverett. Se considera despreciable la acci´on de la fuerza de gravedad. (6. El medio poroso es homog´eneo. el agua desplazar´a al aceite al extremo derecho donde la presi´on se mantiene constante. (6. (6. se contempla la inyecci´on de agua a una raz´on de flujo constante en el extremo izquierdo del dominio.2) para po = p y Sw = S.´ricos 6.

y termina en el extremo derecho. tenemos condiciones tipo Dirichlet a la salida y una condici´on tipo Neumann a la entrada dada en t´erminos de la velocidad de inyecci´on.5) .3 muestra una comparaci´on de la soluci´on para la ecuaci´on de saturaci´on 1D con MVF en verde y SLS en rojo. mientras que para la presi´on. el cual lo denotamos como: s 2 N  P (mvf ) (sls) Si − Si i=1 N 77 . Una manera de cuantificar el error de la aproximaci´on de ambas soluciones es obteniendo el error cuadr´atico medio. Las condiciones de frontera para la saturaci´on son de tipo Dirichlet. En este ejemplo se ha puesto una l´ınea de corriente que parte del extremo izquierdo.4722e − 07 m/s (pout )B = 1e + 07 Pa Saturaci´ on S(t0 ) = 0 (S in )A = 0. coincidente en sus puntos con los centros de los vol´ umenes de control.3: Saturaci´on obtenida mediante l´ıneas de corriente en rojo y con volumen finito en verde. por lo que ambos m´etodos resuelven adecuadamente la ecuaci´on de transporte. N´otese que la soluci´on es muy similar. Figura 6. La figura 6. Implementaci´on Condiciones iniciales Presi´ on p(t0 ) = 1e + 07 Pa Condiciones de frontera (gpin )A = 3.6.8 (S out )B = 0 Tabla 6. (6. lo que nos permite hacer una comparaci´on puntual entre ambos m´etodos.1: Condiciones iniciales y de frontera para la presi´on y la saturaci´on. donde inicia la inyecci´on.2.

Se tienen cuatro pozos productores en las esquinas por uno inyector en el centro del dominio. Par´ ametros dimensi´on x dimensi´on y dimensi´on z Raz´on de inyecci´on de agua (Qw ) Permeabilidad absoluta (k) Valores 182.0e-03 1.19) que corresponden a la discretizaci´on en vol´ umenes finitos de las ecuaciones (4.´ricos 6. Modelo Computacional y Resultados Nume el valor obtenido para las curvas de la figura anterior es de 387. 6.4.14 3.9869e-15 Unidades en SI [m] [m] [m] [m3 /s] [m2 ] Porosidad (φ) Viscosidad del agua (µw ) Viscosidad del aceite (µo ) Saturaci´on residual del agua (Srw ) Saturaci´on residual del aceite (Sro ) 0.0e-03 0 0. Figura 6.76 182.6) y (5.2. Los datos del problema se muestran en la tabla 6.2 1. lo que refleja que la soluci´on a la ecuaci´on de transporte mediante l´ıneas de corriente es una buena aproximaci´on en una simulaci´on de este tipo.14) y (4.76 9. la geometr´ıa del dominio de muestra en la figura 6.59e−6.16) respectivamente.86e-04 0.4: Geometr´ıa del dominio del caso de cinco pozos. Se contempla un dominio en tres dimensiones inicialmente saturado de aceite y un flujo bis´afico.2 [P a · s] [P a · s] - Tabla 6. En las fronteras del dominio de estudio se impone una condici´on de no flujo. 78 .2: Datos para el caso de estudio.2. Estudio de Caso En esta secci´on se resuelven num´ericamente las ecuaciones (5.2. En esta secci´on se analiza un problema conocido como Five Spots Pattern.

length z los cuales representan las longitudes del dominio en las direcciones x. length y. ). l e n g t h y . La siguiente fracci´on del c´odigo implementa estas caracter´ısticas y define las condiciones iniciales: 9 ScalarField3D p ( mesh . g e t E x t e n t N o d e s ( ) 13 S c a l a r F i e l d 3 D u1 ( mesh . 6 y 7 obtenemos el tama˜ no de la malla en las direcciones x. 3> > mesh ( l e n g t h x . ). ). lo anterior define el tipo ScalarField3D como una clase para construir arreglos tridimensionales de doble precisi´on. getExtentVolumes ( ) 14 S c a l a r F i e l d 3 D u2 ( mesh . mesh . // I n i t i a l c o n d i t i o n 18 Range a l l = Range : : a l l ( ) . resulta de utilidad para crear arreglos que almacenar´an la soluci´on del problema y otros que sean definidos sobre la malla. ). 19 NumUtils : : i n t e r p o l a t e T o N o d e s ( p n . 3 > : : huge S c a l a r F i e l d 3 D . En las l´ıneas 5. ). getExtentVolumes ( ) 10 S c a l a r F i e l d 3 D Sw ( mesh .2. getExtentVolumes ( ) 11 S c a l a r F i e l d 3 D p n ( mesh . El c´alculo de la saturaci´on en las caras de los vol´ umenes de control se aproxim´o mediante el esquema Upwind. y y z. getExtentVolumes ( ) 16 Sw = 0 . g e t E x t e n t N o d e s ( ) 12 S c a l a r F i e l d 3 D Sw n ( mesh . g e t D e l t a (Y) . g e t D e l t a (X) . El c´odigo anterior define una malla estructurada 3D. uniforme y de precisi´on doble. ). los par´ametros num nodes x. double dx = mesh . El objeto mesh es construido a partir de los argumentos de entrada length x. Dicho objeto tambi´en realiza acciones como la impresi´on a salida est´andar en la l´ınea 8. getExtentVolumes ( ) 15 S c a l a r F i e l d 3 D u3 ( mesh . l e n g t h z . double dz = mesh . Para calcular los coeficientes de la discretizaci´on se requieren de varias definiciones particulares. 79 . Se definen los arreglos donde se almacenar´an la soluci´on e informaci´on durante la simulaci´on. Los datos son definidos por el usuario. 1 typedef TunaArray<double . p ) . se define la malla para el problema. La clase TwoPhaseEquation hereda de GeneralEquation todos los atributos y operaciones para describir un flujo en dos fases. double dy = mesh .3.2. Enseguida. Es posible obtener informaci´on de la malla en t´erminos de los nodos y de los vol´ umenes de control. El c´odigo a continuaci´on es un fragmento de la implementaci´on del problema en dos fases. p r i n t ( ) . // I n i t i a l c o n d i t i o n 17 p = p r e s o u t . num nodes y . se hace como se muestra a continuaci´on: 2 3 4 5 6 7 8 StructuredMesh<Uniform<double . Implementaci´on 6. y y z. num nodes z ) . Caso homog´ eneo (MVF) Para este caso se requiere de una especializaci´on particular de la ecuaci´on general que tome en cuenta el medio poroso y las dos faces del fluido. El objeto mesh nos puede proporcionar informaci´on de la malla. g e t D e l t a ( Z ) . num nodes x . num nodes y y num nodes z el n´ umero de nodos en cada direcci´on. tanto para la ecuaci´on de presi´on como para la de saturaci´on.6. Dichos arreglos son de Blitz++. ). por lo que TUNA define una interfaz a estos arreglos.

. setNeumann (BOTTOM WALL) .2. Modelo Computacional y Resultados Nume 20 21 22 InOut : : w r i t e T o F i l e D X ( p n . . s e t D e l t a T i m e ( dt ) . el cual est´a mapeado a cada punto de la malla. Por otra parte. . donde TwoPhaseEquation es una especializaci´on de GeneralEquation y FSIP1 es un adaptador para calcular los coeficientes de MVF de la ecuaci´on (5. A fin de definir el sistema lineal que contendr´a los coeficientes de la discretizaci´on producto del MVF del sistema de ecuaciones diferenciales hacemos lo siguiente: 23 24 S p a r s e M a t r i x < Diagonal <double . s e t V i s c o s i t y o ( mu o ) . . . s e t S r w ( Srw ) . La dicretizaci´on en MVF produce una matriz dispersa. s e t V i s c o s i t y w (mu w) . Sw) . . Las l´ıneas 20 y 22 representan la salida a un archivo con formato OpenDX. dz ) . num nodes z ) . setPorosity ( porosity ) . s e t S r o ( Sro ) . setNeumann (RIGHT WALL) . En las l´ıneas 9 y 11 se generan arreglos p y p n para la presi´on en t´erminos de la extensi´on de los vol´ umenes y los nodos respectivamente. ” . como se muestra a continuaci´on: 26 27 28 29 30 31 32 33 34 35 36 37 38 pressure pressure pressure pressure pressure pressure pressure pressure pressure pressure pressure pressure pressure . . Luego. A. El objeto pressure representa la ecuaci´on discreta (5. ” . num nodes y . setInjection ( injection ) . las l´ıneas 13 a 15 definen el campo de velocidad del dominio almacenando la informaci´on para cada direcci´on x. mesh . / DataFS3D/ p r e s . para las l´ıneas 10 y 12 los arreglos Sw y Sw n almacenar´an la informaci´on concerniente a la saturaci´on en t´erminos de los vol´ umenes para el primero y en t´erminos de los nodos para el segundo. las l´ıneas 16 y 17 observamos las condiciones iniciales para la saturaci´on y de la presi´on. InOut : : w r i t e T o F i l e D X ( Sw n . mientras que Diagonal es un adaptador que hace de esta especializaci´on una implementaci´on ´optima para las matrices requeridas por el MVF. setNeumann (TOP WALL) . comencemos por describir la ecuaci´on de presi´on: 25 TwoPhaseEquation< FSIP1<double . num nodes y . 3> > p r e s s u r e ( p . la l´ınea 24 define el vector del lado derecho del sistema lineal. setNeumann (LEFT WALL) . g e t D e l t a s ( ) ) . en el caso tridimensional contiene entradas distintas de cero que caen en 7 diagonales como lo muestra la figura 5. . dx . .´ricos 6. 0 . dy . En la l´ınea 23 se define un arreglo que almacenar´a la matriz diagonal de 7 bandas. ver [35]. y y z. ” .6) y es posible enviarle mensajes para que ejecute acciones para definir caracter´ısticas del problema. 3> > A( num nodes x . ” . . tales como las condiciones de frontera. b y mesh construimos las ecuaciones a resolver. . ScalarField3D b ( num nodes x . dz ) . La l´ınea 18 utiliza una herramienta de BLITZ++ para definir un rango de un arreglo. b . / DataFS3D/ s a t u . 0 . setPermeability ( permeability ) . La clase SparceMatrix es una especializaci´on de GeneralMatrix. dy . ambas corresponden de la interpolaci´on a los nodos de la malla para la presi´on y la saturaci´on que se hace en las l´ıneas 19 y 21 respectivamente. . dx .6). setNeumann (FRONT WALL) . para su posterior visualizaci´on. 80 . NumUtils : : i n t e r p o l a t e T o N o d e s ( Sw n . A. Ya definidos los objetos p. num nodes z ) .

s a t u r a t i o n . con el problema bien planteado resolvemos con: 59 60 61 62 63 64 65 66 67 while ( t <= Tmax) { pressure . g e t D e l t a s ( ) ) . p r e s s u r e . s a t u r a t i o n . s a t u r a t i o n . s e t S r w ( Srw ) . setPermeability ( permeability ) .6. En el ciclo del c´odigo anterior. saturaci´on residual del agua. t += dt . s a t u r a t i o n . Ahora. s a t u r a t i o n . la del aceite y la tasa de inyecci´on de agua. setNeumann (BACK WALL) . Las siguientes l´ıneas de c´odigo (27-33) establecen los valores de permeabilidad. mientras que Solver::TDMA3D es una funci´on que implementa el algoritmo descrito en el ap´endice B para resolver sistemas lineales. la viscosidad del agua. s e t V i s c o s i t y w (mu w) . porosidad. 81 . print () . s e t V i s c o s i t y o ( mu o ) . en la l´ınea 26 se define el paso de tiempo dt que se emplear´a en la soluci´on de la evoluci´on temporal del problema. del aceite. s e t D e l t a T i m e ( dt ) . saturation . setInjection ( injection ) . s a t u r a t i o n . se hacen iteraciones desde t=0 hasta Tmax con incrementos de paso de tiempo dt. setNeumann (RIGHT WALL) . De manera an´aloga. s a t u r a t i o n . saturation . se calculan los coeficientes de la ecuaci´on discreta de la saturaci´on en la l´ınea 63 y se actualiza el valor de la saturaci´on en la l´ınea 65. s e t S r o ( Sro ) . Solver : : solExplicit3D ( saturation ) . pressure . s a t u r a t i o n .2. La funci´on calcCoefficients llena la matriz A y el vector b. saturation . setNeumann (LEFT WALL) . saturation . En la l´ınea 62 se actualiza la presi´on. s a t u r a t i o n . N´otese que la presi´on se resuelve de manera impl´ıcita (l´ınea 61) mientras que la saturaci´on es resuelta de manera expl´ıcita mediante la funci´on Solver::solExplicit3D (l´ınea 64). La simulaci´on se llev´o a cabo para un tiempo de 1000 d´ıas con incrementos de 1 hora. print () . t o l e r a n c e . 3> > s a t u r a t i o n (Sw . A. update ( ) . setPorosity ( porosity ) . s a t u r a t i o n . update ( ) . t d m a i t e r . setNeumann (BACK WALL) . } Las l´ıneas 59-67 implementan el algoritmo IMPES. tipo Neumann. saturation . setPressure (p) . saturation . S o l v e r : : TDMA3D( p r e s s u r e . s e t S a t u r a t i o n (Sw) . calcCoefficients () . Implementaci´on 39 40 41 p r e s s u r e . setNeumann (FRONT WALL) . s a t u r a t i o n . setNeumann (TOP WALL) . s a t u r a t i o n .5 muestra un cuarto del dominio de estudio y la evoluci´on del frente de saturaci´on del agua. La figura 6. Las l´ıneas 34-40 establecen las condiciones de frontera. construimos ahora la ecuaci´on de saturaci´on con sus respectivos par´ametros y condiciones de frontera: 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 TwoPhaseEquation< FSES1<double . setNeumann (BOTTOM WALL) . p r e s s u r e . De manera similar. para la presi´on. 1 . 0 ) . calcCoefficients () . b . mesh . Es importante mencionar que los valores de permeabilidad y porosidad para este caso son homog´eneas en el dominio de estudio.

´ricos 6. Modelo Computacional y Resultados Nume Figura 6. 82 .5: Evoluci´on del frente de saturaci´on para un medio homog´eneo.

6: Valores de permeabilidad en el dominio de estudio. Se han introducido valoreas aleatorios en las 3 direcciones. s´olo hay que modificar la manera en la que se calculan los coeficientes de la presi´on y la saturaci´on para el caso 3D y teniendo en cuenta que leeremos un valor aleatorio de permeabilidad en cada nodo de la malla. tiene las mismas caracter´ısticas de porosidad y permeabilidad en todas las direcciones. r e f e r e n c e ( p ) . observamos el frente de saturaci´on para distintos d´ıas de ´ la simulaci´on. r e f e r e n c e ( p ) .2. as´ı como un cuerpo de baja permeabilidad al centro del dominio. es decir. Este evoluciona de manera geom´etrica. es decir. Caso no-homog´ eneo (MVF) En esta secci´on abordaremos la implementaci´on del caso heterog´eneo. con permeabilidad variable en el dominio de estudio. Para la presi´on modificamos a FSIP1 en la secci´on donde se calculan los coeficientes 3D como lo muestra el siguiente extracto del c´odigo: 83 . y y z.6. S c a l a r F i e l d perme 22 . Figura 6. Primero hay que modificar la especializaci´on TwoPhaseEquation agregando los nuevos campos escalares para las tres direcciones distintas como se muestra a continuaci´on: i n l i n e void s e t P e r m e a b i l i t y V 1 1 ( S c a l a r F i e l d & p ) { perme 11 . } y agregando dichos campos en los atributos p´ ublicos public : S c a l a r F i e l d perme 11 .4. Implementaci´on En la figura anterior. figura 6. } i n l i n e void s e t P e r m e a b i l i t y V 3 3 ( S c a l a r F i e l d & p ) { perme 33 . x. pues el medio es homog´eneo e is´otropo. r e f e r e n c e ( p ) . La forma de solucionar este problema es igual que el anterior.6. de izquierda a derecha: permeabilidad en direcci´on x. y y z. S c a l a r F i e l d perme 33 .2. } i n l i n e void s e t P e r m e a b i l i t y V 2 2 ( S c a l a r F i e l d & p ) { perme 22 . 6. Modificamos ahora los adaptadores donde se calculan los coeficientes de la presi´on y la saturaci´on.

). . j. . i++ ) { f o r ( i n t j = 0 . . k 2 2 ( i . j . . j . } else srand ( i ∗2) . dz . . . . j j j j j j . Modelo Computacional y Resultados Nume mult mult mult mult mult mult o o o w w w 11 22 33 11 22 33 = = = = = = aE aW aN aS aF aB aP . j . k i ) ∗ dt / ( p o r o s i t y ∗ . k 1 1 ( i . dx . Para el c´alculo de los coeficientes de la ecuaci´on de saturaci´on modificamos el adaptador FSES1. k i ) = ( Sw s − Srw ) ∗ multy . j . } 84 . j . k i ) + aB ∗ ∗ ∗ ∗ ∗ ∗ (i (i (i − − − − − − Srw Srw Srw Srw Srw Srw mult mult mult mult mult mult . ). } else srand ( j ∗3) . ki ) . // v a l o r e s de p e r m e a b i l i d a d double xmin = num nodes x / 3 . k i ) = ( Sw n − Srw ) ∗ multy . j . double zmax = num nodes z . aS ( i . dy . j < num nodes y . j . k i ) + aW ( i . . − − − − − − Sro ) Sro ) Sro ) Sro ) Sro ) Sro ) o 11 + o 11 + o 22 + o 22 + o 33 + o 33 + ki ) + ki ) + ki ) . . aW ( i . . . k i ) = ( Sw b − Srw ) ∗ multz . . j j j j j j j ki ) ki ) ki ) ki ) ki ) ki ) ki ) (i (i (i (i (i (i (i . aN ( i . k++){ i f ( i < num nodes x / 2 ) { s r a n d ( i ∗ 2 ) . al igual que en el c´odigo anterior. g e t E x t e n t N o d e s ( ) ) . double zmin = 0 . ∗ ∗ ∗ ∗ ∗ ∗ mu o mu o mu o mu w mu w mu w ). i f ( j >= num nodes y / 2 ) { s r a n d ( j ∗ 2 ) . . ki ) ki ) ki ) ki ) ki ) ki ) / / / / / / ( ( ( ( ( ( (1 (1 (1 (1 (1 (1 Sro − Sw e ) Sro − Sw w ) Sro − Sw n ) Sro − Sw s ) Sro − Sw f ) Sro − Sw b ) j . aN ( i . j . j . dz . double ymax = 2∗ num nodes y / 3 . perme perme perme perme perme perme = = = = = = = 11 ( i 22 ( i 33 ( i 11 ( i 22 ( i 33 ( i ( (1 − ( (1 − ( (1 − ( (1 − ( (1 − ( (1 − aE ( i . j . dx ∗ dx ∗ ( 1 − Srw − Sro ) ∗ mu w ) . k i ) + aS ( i . k i ) + aW j . j . // v a l o r e s de p e r m e a b i l i d a d S c a l a r F i e l d 3 D k 3 3 ( mesh . . dy . . ki ) + j . ki ) + j . j . . . implementamos el c´alculo de la permeabilidad variable en el dominio de estudio como se muestra en la siguiente fracci´on de c´odigo: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 S c a l a r F i e l d 3 D k 1 1 ( mesh . aB ( i . . Concluidas las adaptaciones al c´odigo para llevar a cabo el c´alculo de los coeficientes 3D de las ecuaciones de presi´on y saturaci´on. . k 1 1 ( i . ). aN ( i . g e t E x t e n t N o d e s ( ) ) . aP ( i . i f ( j < num nodes y / 2 ) { s r a n d ( i +3) . k < num nodes z . g e t E x t e n t N o d e s ( ) ) . k ) = p e r m e a b i l i t y ∗ rand ( ) . k i ) ∗ dt / ( p o r o s i t y ∗ . k i ) = aE ( i . j . dy ∗ dy ∗ ( 1 − Srw − Sro ) ∗ mu w ) . k i ) + aB ( i . double xmax = 2 ∗ num nodes x / 3 . j ++){ f o r ( i n t k = 0 . dichas modificaciones se realizan en el apartado 3D como se muestra a continuaci´on: multx = perme 11 ( i multy = perme 22 ( i multz = perme 33 ( i aE ( i . // v a l o r e s de p e r m e a b i l i d a d S c a l a r F i e l d 3 D k 2 2 ( mesh . k i ) = ( Sw w − Srw ) ∗ multx . aF ( i . . j. j. j . ). k ) = p e r m e a b i l i t y ∗ rand ( ) . . − − − − − − Srw ) Srw ) Srw ) Srw ) Srw ) Srw ) ( Sw e ( Sw w ( Sw n ( Sw s ( Sw f ( Sw b ∗ ∗ ∗ ∗ ∗ ∗ mult mult mult mult mult mult w w w w w w 11 11 22 22 33 33 ) ) ) ) ) ) ∗ ∗ ∗ ∗ ∗ ∗ dydz dydz dxdz dxdz dxdy dxdy dx . . i < num nodes x . j . double ymin = num nodes y / 3 . } e l s e s r a n d ( i +3) . aF ( i .´ricos 6. j . . ). . k i ) = ( Sw f − Srw ) ∗ multz . j . k i ) + aS j . . i f ( i >= num nodes x / 2 ) { s r a n d ( j ∗ 3 ) . k ) = p e r m e a b i l i t y ∗ rand ( ) . . f o r ( i n t i = 0 . k i ) ∗ dt / ( p o r o s i t y ∗ k i ) = ( Sw e − Srw ) ∗ multx . aF ( i . dz ∗ dz ∗ ( 1 − Srw − Sro ) ∗ mu w ) .

k ) = p e r m e a b i l i t y ∗ rand ( ) . p r e s s u r e . p r e s s u r e . 1 .6. ScalarField3D b ( num nodes x . setNeumann (RIGHT WALL) . j . l´ıneas 5153 para la presi´on y 73-75 para la saturaci´on y resolvemos como se hizo en el caso homog´eneo. TwoPhaseEquation< FSIP1<double . pressure . 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 S p a r s e M a t r i x < Diagonal <double . setNeumann (BACK WALL) . print () .6. p r e s s u r e . i f ( i > xmin && i < xmax && j > ymin && j < ymax && k > zmin && k < zmax ) { k 1 1 ( i . k ) = p e r m e a b i l i t y ∗ rand ( ) . setNeumann (TOP WALL) . setPermeability ( permeability ) . s e t S a t u r a t i o n (Sw) .2. num nodes z ) . srand ( k ∗2) . A. 3> > A( num nodes x . num nodes y .7. 1 2 4 5 7 . setPermeabilityV 33 ( k 33 ) . 85 . p r e s s u r e . setNeumann (FRONT WALL) . j . p r e s s u r e . 19. Una vez que la permeabilidad ya es variable y los coeficientes tienen en cuenta ´estos valores. p r e s s u r e . k 3 3 ( i . figura 6. 3> > p r e s s u r e ( p . por ello. se incorpora en el c´odigo el llamado a los valores de permeabilidad. Las variables declaradas en las l´ıneas 4-9 nos servir´an en la construcci´on del cuerpo an´omalo. setPermeabilityV 11 ( k 11 ) . k 2 2 ( i . setNeumann (LEFT WALL) . barre las dimensiones del dominio de estudio. pressure . pues el tensor de permeabilidad presenta cambios en las 3 direcciones principales. s e t S r o ( Sro ) . p r e s s u r e . p r e s s u r e . setPermeabilityV 22 ( k 22 ) . p r e s s u r e . pressure . k ) ∗= 0 . s e t V i s c o s i t y w (mu w) . mientras que los condicionales de las l´ıneas 13. g e t D e l t a s ( ) ) . } } } } La permeabilidad es un campo que se ha guardado de manera independiente para cada direcci´on. s e t D e l t a T i m e ( dt ) . en las l´ıneas 1 a 3 definimos campos 3D que almacenen los valores de permeabilidad por nodo para cada componente. setNeumann (BOTTOM WALL) . j . k ) ∗= 0 . p r e s s u r e . num nodes y . k ) ∗= 0 . p r e s s u r e . setPorosityV ( phi ) . s e t V i s c o s i t y o ( mu o ) . los resultados se muestran en la figura 6. j . 1 . k 3 3 ( i . Implementaci´on 23 24 25 26 27 28 29 30 31 32 33 34 else srand ( j ∗2) . k 2 2 ( i . pressure . p r e s s u r e . 22 y 27 establecen las condiciones necesarias para la construcci´on de dicho cuerpo y su permeabilidad interna (l´ıneas 27-30) y la permeabilidad aleatoria del resto del dominio. s e t S r w ( Srw ) . b . p r e s s u r e . p r e s s u r e . 16. setInjection ( injection ) . p r e s s u r e . j . p r e s s u r e . setPorosity ( porosity ) . mesh . num nodes z ) . El loop que inicia en la l´ınea 10 y concluye en la 34.

Dado que el agua encuentra m´as dif´ıcil su recorrido por el domino. observamos que los d´ıas de 86 . que a diferencia del caso anterior.7: Evoluci´on del frente de saturaci´on para un medio de permeabilidad variable. s a t u r a t i o n . setPorosity ( porosity ) . print () . s a t u r a t i o n . s a t u r a t i o n . setPermeability ( permeability ) . s a t u r a t i o n . s a t u r a t i o n . s a t u r a t i o n . b .´ricos 6. 3> > s a t u r a t i o n (Sw . s e t S r o ( Sro ) . s a t u r a t i o n . setNeumann (LEFT WALL) . setNeumann (RIGHT WALL) . s e t D e l t a T i m e ( dt ) . ya no evoluciona de manera geom´etrica. saturation . s a t u r a t i o n . s a t u r a t i o n . Modelo Computacional y Resultados Nume 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 TwoPhaseEquation< FSES1<double . s e t V i s c o s i t y o ( mu o ) . A continuaci´on se muestran im´agenes a distintos tiempos de la simulaci´on. setPermeabilityV 11 ( k 11 ) . saturation . s a t u r a t i o n . setNeumann (BACK WALL) . La imagen anterior nos muestra un frente de saturaci´on. mesh . setNeumann (TOP WALL) . s a t u r a t i o n . setPermeabilityV 22 ( k 22 ) . setPressure (p) . setNeumann (BOTTOM WALL) . setPorosityV ( phi ) . s e t S r w ( Srw ) . s a t u r a t i o n . s e t V i s c o s i t y w (mu w) . setNeumann (FRONT WALL) . s a t u r a t i o n . A. s a t u r a t i o n . g e t D e l t a s ( ) ) . saturation . setPermeabilityV 33 ( k 33 ) . setInjection ( injection ) . esto es por la heterogeneidad del medio al introducir una permeabilidad aleatoria en el dominio de estudio. Figura 6. s a t u r a t i o n . saturation . saturation .

87 . u3 ( num vols x . creamos una malla num´erica de la siguiente manera: 3 4 5 6 StructuredMesh<Uniform<double . typedef TunaArray<double . as´ı que incorporamos esos valores en el c´alculo de la velocidad (l´ıneas 24-67) como se muestra en el siguiente fragmento de c´odigo. el agua se ve obligada a rodear el cuerpo y muy poca penetra en ´el. En la secci´on anterior. u2 n y u3 n. Como en los casos anteriores. 3> > mesh ( l e n g t h x . ya que los campos con nomenclatura u1.2. u2 y u3 son atribuidos a cada centro de volumen de control de la malla. para llegar al pozo extractor. n u m v o l s z ) . mesh . A diferencia de la codificaci´on para volumen finito. p n ( mesh . u2 n ( mesh . num nodes y . 6. 1 2 typedef TunaArray<double . u1 n ( mesh . g e t E x t e n t N o d e s ( ) ). una visualizaci´on del c´alculo se observa en la figura 6. n u m v o l s z ) . num vols y . num nodes y . del orden de 4800 d´ıas. num nodes x . Hay que hacer una distinci´on especial para el campo de la velocidad. u1 ( num nodes x . 13 14 15 16 17 18 19 20 ScalarField3D ScalarField3D ScalarField3D ScalarField3D ScalarField3D ScalarField3D ScalarField3D ScalarField3D p ( mesh . 1 > : : huge S c a l a r F i e l d 1 D . N´otese que el cuerpo de baja permeabilidad impacta directamente sobre el frente de saturaci´on. el dominio tiene 80 nodos en las direcciones x y y y 4 en la direcci´on z. se hizo el c´alculo variable de la permeabilidad. getExtentVolumes ( ) ) . A continuaci´on la implementaci´on en TUNAM. 3 > : : huge S c a l a r F i e l d 3 D . En la l´ınea 22 declaramos el campo unidimensional que almacenar´a la soluci´on de la ecuaci´on de saturaci´on sobre las l´ıneas de corriente. adem´as de declarar un arreglo 3D es necesario definir uno unidimensional. de modo que hay que interpolar a los nodos y para eso reservamos un espacio en memoria con los nombres u1 n. (l´ınea 2). En este apartado se resolver´a el problema con los datos de la tabla 6.2.8. g e t E x t e n t N o d e s ( ) ).2 para un medio no-homog´eneo. L´ıneas de Corriente caso no-homog´ eneo En la simulaci´on con l´ıneas de corriente es importante calcular el campo de velocidad en todo el dominio. Implementaci´on simulaci´on son m´as. En las l´ıneas 13-20 vemos la declaraci´on de los campos escalares que almacenar´an la informaci´on concernientes tanto a la presi´on como a la velocidad. num nodes z ) . en la simulaci´on con l´ıneas de corriente. l e n g t h y . num nodes z ) . pues recordemos que la saturaci´on se resolver´a sobre cada l´ınea de corriente. u3 n ( mesh . p r i n t ( ) .5. 21 22 // I n i c i a l i z a m o s campos para e l c a l c u l o s o b r e l a s l i n e a s de c o r r i e n t e S c a l a r F i e l d 1 D SwSLS [ N l i n e s S L S ] . g e t E x t e n t N o d e s ( ) ). l e n g t h z .6. La malla sigue siendo del mismo n´ umero de nodos. a diferencia de los mil del caso anterior. g e t E x t e n t N o d e s ( ) ). u2 ( num vols x . pues las l´ıneas de corriente son tangentes en cada punto al campo local. num vols y .

k <= ek . u3 ) . lam w = krw / mu w . j . u2 y u3 para las direcciones x. kk )−Srw ) /(1−Srw−Sro ) . ++j ) { f o r ( i n t k = bk . Sef . ++k ) { S e f = (Sw( i . k ) ∗ lam T ∗ ( ( p ( i +1 . k ) = −k 2 2 ( i . } } } f o r ( i n t i = b i . j −1 . a continuaci´on las l´ıneas de c´odigo que llevan a cabo dicha interpolaci´on. ++j ) { f o r ( i n t k = bk . j . k ) = −k 3 3 ( i . lam T = ( krw/mu w) + ( k r o /mu o ) . lam T = ( krw/mu w) + ( k r o /mu o ) . uno para cada componente de la velocidad. ++i ) { f o r ( i n t j = b j . u1 ) . 88 . j . NumUtils : : i n t e r p o l a t e T o N o d e s V s ( u2 n . j . = ( krw/mu w) + ( k r o /mu o ) . i <= e i . k ) ∗ lam T ∗ ( ( p ( i . j . Dichos valores se encuentran en los vol´ umenes de control. ++k ) { S e f = (Sw( i . j . j +1 . pero habr´an de ser interpolados a los nodos de la malla para fines de visualizaci´on. = krw / mu w . j <= e j . k−1) ) / ( 2 ∗ dz ) ) . ++j ) { f o r ( i n t k = bk . u1. krw = S e f . kk )−Srw ) /(1−Srw−Sro ) . k r o = 1− S e f . lam w = krw / mu w . j . Modelo Computacional y Resultados Nume 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 // C a l c u l o de l a v e l o c i d a d double double double double double Sef krw kro lam lam = = = T w (Sw( i . u1 ( i . } } } f o r ( i n t i = b i . lam w = krw / mu w . k )−p ( i −1 . k r o = 1− S e f . k+1)−p ( i . f o r ( i n t i = b i . j . NumUtils : : i n t e r p o l a t e T o N o d e s W s ( u3 n . j . } } } La velocidad se calcula en tres secciones de bucles. j . u3 ( i . j <= e j . k r o = 1− S e f . u2 ) . k <= ek . j . u2 ( i . j .k )−p ( i . i <= e i . k ) ) / ( 2 ∗ dx ) ) . krw = S e f . kk )−Srw ) /(1−Srw−Sro ) .k ) ) / ( 2 ∗ dy ) ) . ++i ) { f o r ( i n t j = b j . lam T = ( krw/mu w) + ( k r o /mu o ) . k <= ek . j <= e j . krw = S e f .´ricos 6. 1− S e f . kk )−Srw ) /(1−Srw−Sro ) . ++i ) { f o r ( i n t j = b j . k ) ∗ lam T ∗ ( ( p ( i . i <= e i . k ) = −k 1 1 ( i . y y z respectivamente. j . 68 69 70 NumUtils : : i n t e r p o l a t e T o N o d e s U s ( u1 n . j . ++k ) { S e f = (Sw( i .

f o r ( i n t i = 0 . Dtao = c a l c D t a o ( u1 n . Sef krw kro lam lam s2 = s2 = s2 = T s2 w s2 ( SwSLS [ i ] ( j −1)−Srw ) /(1−Srw−Sro ) . dicho c´alculo corresponde a la siguiente codificaci´on: 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 double S e f s 1 . Implementaci´on Figura 6. z s l s . x s l s . u2 n . k r o s 1 = (1− S e f s 1 ) . 8 . l a m w s 1 . krw s1 = S e f s 1 . l a m w s 1 = k r w s 1 / mu w .2. SwSLS [ i s ] ( j s ) = SwSLS [ i s ] ( j s ) − ( ( l a m w s 1 / l a m T s 1 ) − ( l a m w s 2 / l a m T s 2 ) ) ∗ ( dt / Dtao ) . dy . dado que la velocidad de Darcy depende de la permeabilidad. 0 e −10) SwSLS [ i s ] ( j s ) = 0 . Sef s2 .6. i ++) { f o r ( i n t j = 1 . (1− S e f s 2 ) . krw s2 . dx . = k r w s 2 / mu w . Al centro del dominio observamos una zona de baja velocidad que corresponde al cuerpo insertado de baja permeabilidad. double S e f s 2 .8: Campo de velocidad para el dominio con permeabilidad variable. i < N l i n e s S L S . j ++) { S e f s 1 = ( SwSLS [ i ] ( j )−Srw ) /(1−Srw−Sro ) . Finalmente impactar´a en el c´alculo de la saturaci´on sobre las l´ıneas de corriente. krw s1 . l a m w s 2 . u3 n . donde esperamos poca penetraci´on del frente de agua pues la velocidad es pr´acticamente cero. y s l s . lam T s2 . k r o s 2 . lam T s1 . j < NpointsSLS −1. } } 89 . La imagen anterior muestra el resultado del c´alculo de la velocidad con la permeabilidad variable. ver [29]. l a m T s 1 = ( k r w s 1 /mu w) + ( k r o s 1 /mu o ) . ´esta se ve reflejada en los valores que adquiere sobre el flujo de los fluidos al centro del dominio. k r o s 1 . 8 ) SwSLS [ i s ] = 0 . 0 . p o r o s i t y . i f ( SwSLS [ i s ] ( j s ) > 0 . j ) . i f ( SwSLS [ i s ] ( j s ) < 1 . i . dz . = ( k r w s 2 /mu w) + ( k r o s 2 /mu o ) .

VI .J . y y z.K+1) ∗ a l p h a ) ∗ ( 1 − b e t a ) + ( u3 ( I . de modo que UI. double a l p h a = a − I . que es la encargada de calcular el tiempo de vuelo para cada l´ınea de corriente.K ) ∗ ( 1 − a l p h a ) + u2 ( I +1 .J+1 . return Dtao .K+1) ∗ ( 1 − a l p h a ) + u2 ( I +1 .´ricos 6.J . double p o r o s i t y . double b e t a = b − J .K ) ∗ a l p h a ) ∗ b e t a ) ∗ ( 1 − gamma) + ( ( u1 ( I .K ) ∗ a l p h a ) ∗ b e t a ) ∗ ( 1 − gamma) + ( ( u2 ( I .J+1 . J+1 . VI y WI son los valores para la direcci´on x.K ) ∗ ( 1 − a l p h a ) + u3 ( I +1 . J+1 . double UI .K+1) ∗ ( 1 − a l p h a ) + u3 ( I +1 . y y z respectivamente.J . i n t i .33). J+1 . 90 .K+1) ∗ a l p h a ) ∗ b e t a ) ∗ gamma .J . double gamma = c − K.K+1) ∗ a l p h a ) ∗ b e t a ) ∗ gamma .J+1 .J .K ) ∗ ( 1 − a l p h a ) + u1 ( I +1 . double Dxi = s q r t ( ( x s l s [ i ] [ j ] − x s l s [ i ] [ j −1]) ∗ ( x s l s [ i ] [ j ] − x s l s [ i ] [ j −1]) + ( y s l s [ i ] [ j ] − y s l s [ i ] [ j −1]) ∗ ( y s l s [ i ] [ j ] − y s l s [ i ] [ j −1]) + ( z s l s [ i ] [ j ] − z s l s [ i ] [ j −1]) ∗ ( z s l s [ i ] [ j ] − z s l s [ i ] [ j −1]) ) . La velocidad interpolada de los nodos de la malla a los puntos de cada l´ınea de corriente se hace por componentes. las coordenadas de las l´ıneas. double c = z s l s [ i ] [ j ] / dz . Modelo Computacional y Resultados Nume En el listado de las l´ıneas 71-93 observamos el c´alculo de la saturaci´on sobre las l´ıneas de corriente. la l´ınea 87 hace un llamado a la funci´on. i n t K = s t a t i c c a s t <int >(c ) .K ) ∗ a l p h a ) ∗ ( 1 − b e t a ) + ( u2 ( I .K+1) ∗ a l p h a ) ∗ b e t a ) ∗ gamma . double dz .J . J+1 .9 son una comparaci´on cualitativa de los m´etodos MVF y SLS. double dx . Los resultados que se muestran en la figura 6.K+1) ∗ a l p h a ) ∗ ( 1 − b e t a ) + ( u2 ( I .J+1 . J+1 . Se trata de una interpolaci´on trilineal del campo de velocidad local a la posici´on j de la l´ınea i en cuesti´on. double Dtao = ( Dxi ∗ p o r o s i t y ) / s q r t ( UI∗UI + VI∗VI + WI∗WI) . Esta funci´on es para calcular el tiempo de vuelo seg´ un la ecuaci´on (4.K ) ∗ ( 1 − a l p h a ) + u1 ( I +1 . S c a l a r F i e l d 3 D& u2 . J+1 .J .J+1 . WI . i n t J = s t a t i c c a s t <int >(b ) .K ) ∗ a l p h a ) ∗ b e t a ) ∗ ( 1 − gamma) + ( ( u3 ( I .J . S c a l a r F i e l d 3 D& u3 .K ) ∗ ( 1 − a l p h a ) + u2 ( I +1 .K ) ∗ a l p h a ) ∗ ( 1 − b e t a ) + ( u3 ( I .J+1 .J . double ∗∗ y s l s . a continuaci´on su implementaci´on: double c a l c D t a o ( S c a l a r F i e l d 3 D& u1 . VI = ( ( u2 ( I . double ∗∗ z s l s .K+1) ∗ a l p h a ) ∗ ( 1 − b e t a ) + ( u1 ( I . la porosidad y los deltas espaciales en cada direcci´on. WI = ( ( u3 ( I . calcDtao.K+1) ∗ ( 1 − a l p h a ) + u1 ( I +1 . i n t j ) { double a = x s l s [ i ] [ j ] / dx .J . } Recibe como argumentos los campos escalares de velocidad para las componentes x.K ) ∗ ( 1 − a l p h a ) + u3 ( I +1 .J .J .K+1) ∗ ( 1 − a l p h a ) + u3 ( I +1 .K+1) ∗ ( 1 − a l p h a ) + u2 ( I +1 . double ∗∗ x s l s . i n t I = s t a t i c c a s t <int >(a ) .K ) ∗ a l p h a ) ∗ ( 1 − b e t a ) + ( u1 ( I . UI = ( ( u1 ( I .K+1) ∗ ( 1 − a l p h a ) + u1 ( I +1 . double dy . double b = y s l s [ i ] [ j ] / dy . En particular.

Implementaci´on 91 .6.2.

identificando zonas de drenado pobre de hidrocarburos. En principio podemos observar que ambos m´etodos son sensibles al cambio de permeabilidad. 92 . La baja velocidad de esta zona repercute en el frente de saturaci´on de los dos m´etodos. en particular para el cuerpo an´omalo al centro del dominio. Modelo Computacional y Resultados Nume Figura 6.9: Comparaci´on de los m´etodos MVF y SLS en los mismos d´ıas de la simulaci´on.´ricos 6.

Queda realizar una interpretaci´on cuantitativa de este fen´omeno. y de la propia velocidad a las l´ıneas de corriente. Se realizaron adaptaciones al software TUNAM para realizar c´alculos de velocidad sobre medios de permeabilidad variable y resolver la ecuaci´on de saturaci´on sobre l´ıneas de corriente. es decir. Contrastando los m´etodos de MVF y SLS. llevando el valor de la saturaci´on de cada l´ınea de corriente a la malla num´erica y poder hacer una comparaci´on al respecto contra los resultados mostrados con el m´etodo de MVF. Aunque ambos m´etodos son sensibles al cambio en la permeabilidad del cuerpo al centro del dominio con bajos valores de esta propiedad. La optimizaci´on de la locaci´on de Pozos basada en el modelo geol´ogico permite reflejar la geometr´ıa y heterogeneidad de los reservorios m´as 93 . Estas interpolaciones acarrean errores de aproximaci´on que se acumulan con el paso del tiempo en los d´ıas de simulaci´on. de los centros de los vol´ umenes de control a los nodos. observamos que el frente de saturaci´on de agua en las l´ıneas de corriente evoluciona de manera distinta al m´etodo MVF. observamos un comportamiento cualitativo similar para los pasos de tiempo inferiores a los 2000 d´ıas de simulaci´on.Cap´ıtulo 7 Conclusiones En el presente trabajo se describieron los modelos matem´aticos a partir de la formulaci´on axiom´atica y los modelos computacionales para describir un flujo de dos fases a trav´es de un medio poroso. Se llevaron a cabo simulaciones usando los m´etodos de volumen finito y l´ıneas de corriente a fin de comparar los resultados de cada uno. una posible causa son las interpolaciones que se hacen de la malla num´erica. El m´etodo de l´ıneas de corriente se muestra como un m´etodo para identificar zonas de drenado pobre de hidrocarburos pues la evoluci´on de los frentes de inyecci´on y su interacci´on con las heterogeneidades del yacimiento pueden ser visualizadas f´acil y r´apidamente. introduciendo un desajuste en el c´alculo de la saturaci´on del agua. y por lo tanto proveen de una manera natural e intuitiva para caracterizar din´amicamente un yacimiento.

94 . Conclusiones detalladamente. Los modelos num´ericos que se utilizan para la simulaci´on de la extracci´on mejorada de petr´oleo est´an concebidos para que puedan adaptarse a sistemas de c´omputo paralelo. no son accesibles a todo p´ ublico.7. adaptarlo y compartirlo. sin embargo. La aportaci´on del presente trabajo deja un c´odigo computacional en el lenguaje de programaci´on C++ que es de car´acter abierto y queda a disposici´on de la comunidad el mejorarlo. El problema computacional es de gran escala y se recomienda paralelizar los c´alculos de la saturaci´on sobre las l´ıneas de corriente y el gradiente conjugado para resolver el sistema lineal. pues cabe se˜ nalar que existen simuladores comerciales de car´acter general que incorporan este procedimiento.

Bajo esta formulaci´on. para ello. la ecuaci´on de presi´on se resuelve de manera independiente de la de saturaci´on.  X  1  ∂(φρα Sα ) + ∇ · (ρα uα ) − qα = 0. dividimos por ρα . Como consecuencia. ρα ∂t sumando ahora para todas las fases del sistema. los resultados de la ecuaci´on de saturaci´on se insertan en la ecuaci´on de presi´on a fin de obtener la soluci´on en el paso de tiempo siguiente.Ap´ endice A Formulaci´ on Presi´ on-Saturaci´ on Un sistema de N fases para un flujo fraccional provoca que el sistema de ecuaciones diferenciales parciales se desacople.1. En un sistema desacoplado tenemos una ecuaci´on para la presi´on y N − 1 ecuaciones de transporte para las saturaciones. Las siguientes secciones muestran la manera de obtener una formulaci´on presi´on-saturaci´on para sistemas multif´asicos.7). Para resolver sistemas de ecuaciones donde ´estas se encuentran d´ebilmente acopladas. ρα ∂t α 95 . Dicho proceso iterativo se repetir´a para un n´ umero de pasos de tiempo previamente definido. A. Ecuaci´ on de Presi´ on La ecuaci´on de presi´on se deriva a partir de la ecuaci´on (4. empleamos m´etodos iterativos. de modo que los resultados obtenidos de la ecuaci´on de presi´on se usan para resolver las ecuaciones de transporte para la saturaci´on. obteniendo:   1 ∂(φρα Sα ) + ∇ · (ρα uα ) − qα = 0.

 X X 1  qα ∂φ ∂ρα +∇·u+ + uα · ∇ρα − = 0.3) en (A.´ n Presio ´ n-Saturacio ´n A. α α Insertando (A. ∂t ρα ∂t ρα α α α α (A.6) λ P P donde λ = α λα representa la movilidad total y como consecuencia se cumple que on (A. de manera que. α (A.5) llegamos a: α fα = 1.7) fα = α α Con esta expresi´on de la velocidad total. φSα ∂t ρ ∂t ρ α α α α De la definici´on de la Ley de Darcy para un flujo miltif´asico tenemos que: i X Xh u= uα = −kλα (∇ · pα − ρα g) . ∂t ρα ∂t ρα α α α La velocidad total del sistema se define como: X u= uα .6) en (A. (A.8) 96 .1) (A. λα =⇒ λα = fα λ. (A. la ecuaci´on (A.3) (A.5) α Definamos ahora una funci´on de flujo fraccional para la fase α.10) obtenemos:  X X 1  ∂φ X ∂ρα qα + ∇ · uα + φSα + uα · ∇ρα − = 0. Sustituyendo la ecuaci´ " # X X u = −λk fα ∇pα − fα ρ α g . ρα ∂t ∂t ∂t α reordenando t´erminos y aplicando la ecuaci´on (4.4) se transforma en una ecuaci´on para la presi´on que denotaremos como: " #  X X X X 1  ∂φ ∂ρα qα − ∇ · λk fα ∇pα − fα ρ α g + φSα + uα · ∇ρα − = 0.2) α aplicando el operador divergencia obtenemos: X X ∇·u=∇· uα = ∇ · uα .1) llegamos a la siguiente ecuaci´on. (A. Formulacio desarrollando la derivada temporal se tiene que:  X 1  ∂φ ∂ρα ∂Sα ρα Sα + φSα + ρα φ + ρα ∇ · uα + uα · ∇ρα − qα = 0.4) (A.

97 . Ecuaci´ on de Saturaci´ on Al dar soluci´on a la ecuaci´on (A.2.7) fueron formuladas en t´erminos de una presi´on de fase (la del aceite por ejemplo). En un sistema de dos fases. agua y aceite.8) como la ecuaci´on (4.A.9) Hay que hacer notar que tanto la ecuaci´on (A.8). mientras que la ecuaci´on de saturaci´on de la fase agua se expresa como ∂(φρw Sw ) + ∇ · (ρw uw ) = qw .2. Es posible calcular la saturaci´on directamente de la ecuaci´on (4.7). ∂t (A. Ecuaci´on de Saturaci´on A. se utiliza la presi´on del aceite a fin de generar una ecuaci´on para la presi´on. obtenemos la presi´on que ayudar´a a calcular la velocidad que emplearemos para la ecuaci´on de saturaci´on.

.

Ap´ endice B Gradiente Conjugado para Sistemas Lineales Dispersos El m´etodo de gradiente conjugado (CGM) por sus siglas en ingl´es. r(j) (j) 99 . El vector soluci´on puede ser expresado como: x(j+1) = x(j) + α(j) p(j) . α = (B. Ahora bien. como sol´ıa acostumbrarse. [37]. La idea esencial del m´etodo consiste en construir una base de vectores ortogonales en dicho subespacio y emplearla para realizar la b´ usqueda iterativa de la soluci´on. entonces es necesario que (r − α(j) Ap(j) . (B. como resultado:  r(j) . Descrito en una frase. el m´etodo es una realizaci´on de una t´ecnica de proyecci´on ortogonal sobre el subespacio de Krylov K(r(0) . r(j+1) = r(j) − α(j) Ap(j) . Con el fin de ajustarse a la notaci´on est´andar que se utiliza en la literatura para describir el algoritmo. r(j) (j) . en CGM los vectores residuales deben satisfacer la recurrencia. r(j) ) = 0 y.2) Ap(j) . es un m´etodo efectivo para sistemas sim´etricos y positivo-definidos. el ´ındice de los vectores p ahora comienza en cero en lugar de uno. esto es A = AT y uT Au > 0 respectivamente. donde r(0) es el residuo inicial. A).1) Si se requiere que los vectores r(j) sean ortogonales.

Ap(j) N´otese que de (B. Ap(j)  . (j) α y. se deduce que.3) y dado que es ortogonal a Ap(j) . p(j) 4: 5: 6: 7: 8: x(j+1) = x(j) + α(j) p(j) r(j+1) = r(j) − α(j) Ap(j)   β (j) = r(j+1) . (B. r(j+1) = .3) Por lo tanto. hastaconvergerdo  3: α(j) = r(j) . por lo tanto β (j) 1 r(j+1) . r(j) p(j+1) = r(j+1) − β (j) p(j) end for 100 .. r(j) / Ap(j) . 1. r(j+1) − r(j)   = (j) α (j) (j) Ap . una primara consecuencia de la relaci´on anterior es que. Entonces (B.B. como se muestra a continuaci´on: Algoritmo 2 CGM 1: Calcular r (0) = b − Ax(0) . r(j+1) / r(j) . β (j) = −  p(j) .. tenemos que:   r(j+1) . p   r(j+1) . despu´es ajustando la base de los vectores p apropiadamente. es conocido que la siguiente direcci´on de b´ usqueda p(j+1) es una combinaci´on lineal de r(j+1) y p(j) . p(j) Por otra parte. Gradiente Conjugado para Sistemas Lineales Dispersos Adem´as. p(j) − β (j−1) p(j−1) = Ap(j) . . p(j) .2) se convierte en:  r(j) .       Ap(j) . p(j+1) = r(j+1) − β (j) p(j) . r(j) = Ap(j) . p(0) = r (0) 2: for j = 0.1). porque Ap(j) es ortogonal a p(j−1) . tenemos que: Ap(j) = −  1 r(j+1) − r(j) . escribiendo p(j+1) como se defini´o en (B. (r(j) .. r(j) ) Poniendo todas estas relaciones juntas da como resultado un algoritmo iterativo. α = Ap(j) . r(j) (j) .

la soluci´on aproximada ser´a x(j+1) y el vector residual es r(j+1) . p. para que autom´aticamente esta condici´on se cumpla con respecto a todos los anteriores. Ap y r). ·) es el producto interno adecuado al sistema lineal en particular. en t´erminos de memoria. Se debe considerar. 101 .En este algoritmo. (·. La gran ventaja del M´etodo de Gradiente Conjugado radica en que cuando se utiliza este procedimiento basta con asegurar la ortogonalidad de un nuevo miembro con respecto al u ´ltimo que se ha construido. almacenar 4 vectores (x.

.

1(b). Integramos en el espacio del volumen de control de la figura 5. siendo extensible a m´as fases en un sistema.Ap´ endice C Aplicaci´ on del M´ etodo de Volumen Finito En este ap´endice se describe la aplicaci´on del MVF a problemas de una fase.1(a). . equivalentes a los pasos de tiempo n y n + 1 respectivamente. n+1 Zn Ze Z s w ∂p dt dx dy = ∂t n n+1Zn Ze Z  Γ n s donde Γ = k/φµcT . y en el tiempo del instante t al tiempo t + ∆t. Se aproximan las integrales 103 w ∂ 2p ∂ 2p + ∂x2 ∂y 2  dx dy dt. Se construye una malla con vol´ umenes que no se traslapen como se muestra en la figura 5.

aW = Γ ∆x . 2 1 2 se tiene un Usando un esquema impl´ıcito (θ = 1) se tiene que n+1 + aS pn+1 + sP pnP . Existen varios algoritmos para resolver este tipo de sistemas. aN = Γ ∆y . sim´etrica y positivo definida. aS = Γ ∆y . n donde para θ = 0 se tiene un esquema expl´ıcito (f n ∆t) y para θ = esquema conocido como de Crank-Nicolson ([f n+1 + f n ] ∆t ). 104 . ∆y ∆y ∆x ∆x donde aE = Γ ∆x .´ n del Me ´todo de Volumen Finito C. se aproxima de la siguiente manera n+1 Z f dt = [θf n+1 + (1 − θ)f n ]∆t. = aE pn+1 + aW pn+1 aP pn+1 S E W + aN pN P donde aP = aE + aW + aN + aS + ∆x∆y ∆t y sP = ∆x∆y . lo que genera un sistema lineal de ecuaciones. la integral de n a n + 1 de dicha funci´on. e w n s La integral temporal se aproxima usando el esuqema θ: Dada una funci´on f (x). Dicho sistema tiene la forma mostrada en la figura 5.2. en este trabajo se emple´o el m´etodo de gradiente conjugado. ∆t Para cada volumen de control de la malla se obtiene una ecuaci´on discreta. ver ap´endice B. La matriz del sistema es rala. Aplicacio (pn+1 P − pnP )∆x∆y n+1 Z = Γ n n+1  Z = Γ ∂p ∂x e  ∂p ∆y + ∂y w n  ∆x dt s pE − pP pP − pW − ∆xe ∆xw  ∆y n  + pP − pS pN − p P − ∆yn ∆ys  ! ∆x dt n+1 Z = aE pE + aW pW + aN pN + aS pS n   ! − aE + aW + aN + aS pP dt.

Journal of Canadian Petroleum Technology. [10] Bj∅rlykke. M. M. 1977. Distinguished Author Series. [6] Batycky. W.. Texas. Thiele. H. 2010. volumen 40 No. “A Streamline Front Tracking Method for Two. R. A. et al. K. Thesis.”. M. “Numerical Methods for Partial Differential Equations. Stanford University.R..”. Dahle. 2006. [5] Baker. INC.. 1997. American Mathematical Society. Pinder.”. Blunt. “Streamline Technology: Reservoir History Matching and Forecasting = Its Succes. 2010. H..Referencias [1] Abou-Kassem. “Petroleum Reservoir Simulation. Houston. ¨ rster.. 2000. S. H. R. R. J. R. [7] Batycky.. 1988... G. K.. “A three-dimensional two-phase field scale streamline simulator..P. 105 .. “A Streamline-Based Reservoir Simulator of the House Mountain Waterflood. F. [2] Allen. M. A Basic Approach..”. 2011. [4] Ames. Saudi Aramco Journal of Technology. Thiele. Knut.. Springer...”. B. Academic Press. M. 4. K. Rafiq. I.. Karlsen.”.”. “Using Streamline and Reservoir Simulation to Improve Waterflood Management”..and Three-Phase Flow Including Capillary Forces.P. Limitations. I. Society of Petroleum Engineers. J. Stu ¨ ben. M. “Numerical Modeling in Science and Engineering. Fo of a Commercial Streamline Simulator and Performance on Practical Models. and Future”. F.. [9] Berre. 1997. S... R.. Farouq. H.. “Parallelization [8] Batycky. Ph D.. “Petroleum Geoscience: From Sedimentary Enviroments to Rock Physics. [3] Al-Zawawi. Herrera. M. SCRF.”. Gulf Publishing Company.P. Nordhaug.

Huan. [17] De la Cruz. H.com/p/tunam/ [19] Durran. R.oonumerics. Peric Springer. 2010. “Reservoir Stimulation”. “Partial Differential Equations. 106 . M. Springer.”. [15] Datta-Gupta. H˚ Akon “Streamline methods with application to flow and transport in fractured media. 1998. The Johns Hopkins University Press. [13] Chen. Elsevier. G. “Fundamentals of Basin and Petroleum Systems Modeling”. A current perspective”. Texas A&M University.. 2012. SIAM. C... 2008. “Tunam: Template units for numerical applications and modeling. M. Numerical Simulation. “Streamline Simulation: Theory and Practice”. ¨ ki. 2009. E. SPE.”. 2007. Van Loan. 1983. [20] Economides. K. Wiley.org/blitz/. Quak. “Geometric Modelling. Z. Reportes Internos 2012-04 Instituto de Geof´ısica UNAM. K.”. H. G.google. Kauerauf. M. [12] Chapman. “Numerical Methods for Fluid Dynamics with Applications to Geophysics. “Flujo en una y dos fases en medios porosos: modelos matem´aticos. “Computational Methods for Fluid Dynamics. “Reservoir Simulation: Mathematical Techniques in Oil Recovery”. 2007. Neittaanma and Numerical Simulation. [18] De la Cruz. 2006.. y Ma . Springer. I. Thesis.. SIAM.”.. R. 3er Ed. T. 2009.” http://code. J. http://www. 3er Ed. ´... A. y King. 2002. [21] Ferziger.. 1996. P.. L. [14] Chen. [23] Golub. J. R. [25] Hantschel. M. 2010. L.. [16] Datta-Gupta. Modeling [22] Glowinski. G. 2da Ed.. “Computational Methods for Multiphase Flows in Porous Media”. Springer. [26] Hasle. y King. 2006. D. Ph. A. “Petroleum Geology”. num´ericos y computacionales”. [24] Hægland. “Matrix Computations”... “Streamline Simulation.. Nolte. 3er Ed. and Optimization. A.”. Springer.E..Y. D. University of Bergen. Lie.Referencias [11] Blitz++: Object-oriented library for scientific computing. Z.

[38] Selley. Batycky. Editorial [33] Mija Mir Mosc´ u. I. [40] Shonkwiler. Stephansen A. [42] Thiele. segunda edici´on. H. “Solving PDEs in C++. [32] Leveque. D.”.. “Elements of Petroleum Geology”.. L. T.. y Fenwick. R. 1967. Cambridge University Press. V. P. R. segunda edici´on. A. 2003. [39] Shapira. ELSEVIER. “Geology of Petroleum”. 1978. Numerical Methods in a Unified ObjectOriented Approach.Referencias [27] Herrera. [34] OpenMP Web Site: www. 1967... “Fundamentals of numerical reservoir simulation. M. Volume 16. [31] Leveque. University of Washington. “Mathematical Methods and Modelling in Hydrocarbon Exploration and Production. Freeman. 1998. SIAM. J. G. Rasmussen. 2012.”. SIAM... SPE. “An introduction to Parallel and Vector Scientifc Computation. Computational Geosciences.. y Pinder. P.”. R. Randen. [41] Stewart. W. A. “Iterative Methods for Sparse Linear Systems”. [37] Saad. Springer. 2012.”. “Ecuaciones diferenciales en Derivadas Parciales”. segunda edici´on. R.”. J. “Mathematical Modeling in Science and Engineering: An Axiomatic Approach”. Lefton. “Matrix Algorithms.org [35] OpenDX Homepage: www. SIAM.“Streamline Simulation for Modern Reservoir-Engineering Workflows”. 1998. [29] Klausen. D. [28] Iske.. “Finite-Difference Methods for Differential Equations”. G. “Finite-Volume Methods for Hyperbolic Problems”..”. I. Y... Y. segunda edici´on. 2006.. ´ ilov. R. W.. F. [30] Lavorsen. R. W..opendx. 2006.openmp. A.. 2000. 2010. R. Volume I: Basic Decompositions. 1977. F. Academic Press. A. 2005. C. “Velocity interpolation and streamline tracing on irregular geometries. 107 . Distinguished Author Series. John Wiley and Sons. Freeman.org [36] Peaceman..

“Integrating Dynamic Data Into High-Resolution Reservoir Models Using Streamline-Based Analytic Sensitivity Coefficients ”. 2009. [46] Watkins.. A.”. Ord.. 2003. Malallah... S. A. A.”. Wiley-VCH. SPE.”. “A Multiscale Approach to Production-Data Integration Using Streamline Models. [44] Velten. Datta-Gupta. D.. [49] Zhao. D. Chapman & Hall/CRC. Vasco. [50] Zhong. Yoon. “Computational Mathematics”. 2009. W. S. Yoon. “Mathematical Modeling and Simulation. A.. D. C. W. Numerical Methods and Algorithms. [47] White. SPE... R. SPE. H. Springer. S.. 2001. A. 2002. Behrens.. “An introduction to fluid dynamics.Referencias [43] Vasco. Datta-Gupta.. K. “Fundamentals of Matrix Computations”. 1999. H. The finite volume method. Datta-Gupta. [48] Yoon. Longman Scientific & Technical. [45] Versteeg. Hobbs.. Malalasekera. R.”. “Fundamentals of Computational Geoscience.. “Streamline-Based Production Data Integration With Gravity and Changing Field Conditions. 2002.. Introduction for Scientists and Engineers”.. . S.. A. H. Wiley-Interscience. 108 . E. Segunda Edici´on. W. B. K. 1995..