1. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
NUEVO MODELO MATEMÁTICO
PARA LA CARACTERIZACIÓN DE POZOS
HORIZONTALES MULTI-STAGE HIDRÁULICAMENTE
FRACTURADOS EN RESERVORIOS DE SHALE GAS
Limberg Tola Mayta
UNIVERSIDAD MAYOR DE SAN ANDRÉS
FACULTAD DE INGENIERÍA
CARRERA DE INGENIERÍA PETROLERA
PROYECTO DE GRADO, 2018
Limberg Tola Mayta Nuevo Modelo Matemático
2. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Marco Teórico
Limberg Tola Mayta Nuevo Modelo Matemático
3. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Shale gas en Bolivia
Mundo: 27.
Sudamérica: 7.
Limberg Tola Mayta Nuevo Modelo Matemático
4. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Shale gas en Bolivia
Limberg Tola Mayta Nuevo Modelo Matemático
5. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Shale gas en Bolivia
Limberg Tola Mayta Nuevo Modelo Matemático
6. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
¿Qué es un modelo matemático?
Una descripción matemática de un sistema o fenómeno.
e.g. una función de la caída de gotas de agua y las marcas
que dejan sobre papel seco, el comportamiento de los
fluidos...
Limberg Tola Mayta Nuevo Modelo Matemático
7. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Modelación matemática
Limberg Tola Mayta Nuevo Modelo Matemático
8. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Modelación matemática
Limberg Tola Mayta Nuevo Modelo Matemático
9. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Modelación matemática
Limberg Tola Mayta Nuevo Modelo Matemático
10. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Modelación matemática
Limberg Tola Mayta Nuevo Modelo Matemático
11. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Modelación matemática
Limberg Tola Mayta Nuevo Modelo Matemático
12. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Modelación matemática
Limberg Tola Mayta Nuevo Modelo Matemático
13. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Modelación matemática
Limberg Tola Mayta Nuevo Modelo Matemático
14. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Modelación matemática
Limberg Tola Mayta Nuevo Modelo Matemático
15. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Modelación matemática
Limberg Tola Mayta Nuevo Modelo Matemático
16. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Ecuaciones en derivadas parciales
PDE es la relación de una función u := (x1, . . . , xn) y sus
derivadas parciales.
Clasificación
La ecuación diferencial parcial lineal de segundo orden:
A
∂2u
∂x2
+ B
∂2u
∂x∂y
+ C
∂2u
∂y2
+ D
∂u
∂x
+ E
∂u
∂y
+ Fu = 0
donde A, B, C, D, E y F son constantes reales, se dice que es:
Hiperbólica si: B2 − 4AC > 0.
Parabólica si: B2 − 4AC = 0.
Elíptica si: B2 − 4AC < 0.
Limberg Tola Mayta Nuevo Modelo Matemático
17. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Ecuaciones en derivadas parciales
Schrodinger
i¯h
∂ψ
∂t
= −
¯h2
2m
2
ψ + Vψ
Evolución de un electrón en el tiempo, según la función
de onda. Desarrollo de la función de onda con el tiempo,
a partir de la energía del sistema y de las condiciones
externas que lo rodean.
Función de onda esta basada en el principio de
incertidumbre de Heisenberg, sabemos como evoluciona
la partícula pero no sabemos su posición y velocidad al
mismo tiempo solo conocemos la probabilidad de su
posición y velocidad.
Limberg Tola Mayta Nuevo Modelo Matemático
18. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Ecuaciones en derivadas parciales
Schrodinger
i¯h
∂ψ
∂t
= −
¯h2
2m
2
ψ + Vψ
Evolución de un electrón en el tiempo, según la función
de onda. Desarrollo de la función de onda con el tiempo,
a partir de la energía del sistema y de las condiciones
externas que lo rodean.
Función de onda esta basada en el principio de
incertidumbre de Heisenberg, sabemos como evoluciona
la partícula pero no sabemos su posición y velocidad al
mismo tiempo solo conocemos la probabilidad de su
posición y velocidad.
Limberg Tola Mayta Nuevo Modelo Matemático
19. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Ecuaciones en derivadas parciales
Black-Scholes
∂u
∂t
− ru +
rx
2
∂u
∂x
+
σ2x2
2
∂2u
∂x2
= 0
Ecuación con condición final sin condiciones iniciales.
Modela la evaluación de una opción, u representa el valor
de la opción, el parámetro σ representa la volatilidad
mientras que r es el interés, la variable x representa el
precio. Si se conoce el valor de la opción u a tiempo final
T, el problema consiste en determinar cuál es el valor de
compra de esa opción a tiempo t = 0.
Limberg Tola Mayta Nuevo Modelo Matemático
20. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Ecuaciones en derivadas parciales
Black-Scholes
∂u
∂t
− ru +
rx
2
∂u
∂x
+
σ2x2
2
∂2u
∂x2
= 0
Ecuación con condición final sin condiciones iniciales.
Modela la evaluación de una opción, u representa el valor
de la opción, el parámetro σ representa la volatilidad
mientras que r es el interés, la variable x representa el
precio. Si se conoce el valor de la opción u a tiempo final
T, el problema consiste en determinar cuál es el valor de
compra de esa opción a tiempo t = 0.
Limberg Tola Mayta Nuevo Modelo Matemático
21. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Ecuaciones en derivadas parciales
Navier-Stokes
∂ρ
∂t
+ · (ρv) = 0 (ecuaci´on de continuidad)
ρ
∂v
∂t
+ v · v = − P + ρg + µ 2
v
Siete problemas del milenio del Instituto Clay (1 MM$us):
Existencia y regularidad para las ecuaciones de Navier-Stokes,
i.e. «singularidades y turbulencia».
Limberg Tola Mayta Nuevo Modelo Matemático
22. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Shale gas en Bolivia
¿Qué es un modelo matemático?
Modelación matemática
Ecuaciones en derivadas parciales
Ecuaciones en derivadas parciales
Navier-Stokes
∂ρ
∂t
+ · (ρv) = 0 (ecuaci´on de continuidad)
ρ
∂v
∂t
+ v · v = − P + ρg + µ 2
v
Siete problemas del milenio del Instituto Clay (1 MM$us):
Existencia y regularidad para las ecuaciones de Navier-Stokes,
i.e. «singularidades y turbulencia».
Limberg Tola Mayta Nuevo Modelo Matemático
23. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Fundamento Matemático
Limberg Tola Mayta Nuevo Modelo Matemático
24. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Ecuación de conservación de masa − · (ρυ) = ∂(ρφ)
∂t
Teorema de Transporte de Reynolds
dBsist
dt
=
ˆ
VC
∂
∂t
(ρb) dV +
˛
SC
ρb
−→
v ·
−→
n dA
donde B es una propiedad extensiva y b es su correspondiente
propiedad intensiva.
Para la Ecuación de conservación de masa:
dBsist
dt
= 0 b = masa.
Limberg Tola Mayta Nuevo Modelo Matemático
25. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Ecuación de conservación de masa − · (ρυ) = ∂(ρφ)
∂t
0 =
ˆ
VC
∂
∂t
(ρ) dV +
˛
SC
ρ
−→
v ·
−→
n dA
Teorema de Gauss
ˆ
V
−→
·
−→
G dV =
˛
A
−→
G ·
−→
n dA
donde
−→
G puede ser cualquier vector.
Para nuestro caso:
−→
G = ρ
−→
v
Limberg Tola Mayta Nuevo Modelo Matemático
26. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Ecuación de conservación de masa − · (ρυ) = ∂(ρφ)
∂t
0 =
ˆ
VC
∂
∂t
(ρ) dV +
˛
SC
ρ
−→
v ·
−→
n dA
0 =
ˆ
VC
∂
∂t
(ρ) dV +
−→
· ρ
−→
v dV
∂
∂t
(ρ) +
−→
· ρ
−→
v = 0
Ecuación de conservación de masa
− · (ρυ) =
∂ (ρφ)
∂t
Limberg Tola Mayta Nuevo Modelo Matemático
27. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Ecuación de conservación de masa − · (ρυ) = ∂(ρφ)
∂t
Para deducir la ecuación de conservación de masa se parte de
un VC:
Limberg Tola Mayta Nuevo Modelo Matemático
28. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Ecuación de conservación de masa − · (ρυ) = ∂(ρφ)
∂t
A(x)ρ(x)ν(x)∆t · · ·
· · · − A(x+∆x)ρ(x+∆x)ν(x+∆x)∆t · · ·
· · · = m(t+∆t) − m(t)
Limberg Tola Mayta Nuevo Modelo Matemático
29. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Ecuación de conservación de masa − · (ρυ) = ∂(ρφ)
∂t
A(x)ρ(x)ν(x)∆t · · ·
· · · − A(x+∆x)ρ(x+∆x)ν(x+∆x)∆t · · ·
· · · = m(t+∆t) − m(t)
Limberg Tola Mayta Nuevo Modelo Matemático
30. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Ecuación de conservación de masa − · (ρυ) = ∂(ρφ)
∂t
A(x)ρ(x)ν(x)∆t · · ·
· · · − A(x+∆x)ρ(x+∆x)ν(x+∆x)∆t · · ·
· · · = m(t+∆t) − m(t)
Limberg Tola Mayta Nuevo Modelo Matemático
31. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Ecuación de conservación de masa − · (ρυ) = ∂(ρφ)
∂t
A(x)ρ(x)ν(x)∆t · · ·
· · · − A(x+∆x)ρ(x+∆x)ν(x+∆x)∆t · · ·
· · · = m(t+∆t) − m(t)
Limberg Tola Mayta Nuevo Modelo Matemático
32. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Ecuación de conservación de masa − · (ρυ) = ∂(ρφ)
∂t
A(x)ρ(x)ν(x)∆t · · ·
· · · − A(x+∆x)ρ(x+∆x)ν(x+∆x)∆t · · ·
· · · = m(t+∆t) − m(t)
Factorizando y A = constante:
−A∆t ρν(x+∆x) − ρν(x) = m(t+∆t) − m(t)
Limberg Tola Mayta Nuevo Modelo Matemático
33. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Ecuación de conservación de masa − · (ρυ) = ∂(ρφ)
∂t
Ordenando:
−A∆t ρν(x+∆x) − ρν(x) = m(t+∆t) − m(t)
−A ρν(x+∆x) − ρν(x) =
m(t+∆t) − m(t)
∆t
Considerando:
m = ρVporoso
Definición de porosidad:
φ =
Vporoso
VTotal
⇒ Vporoso = φVTotal
Limberg Tola Mayta Nuevo Modelo Matemático
34. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Ecuación de conservación de masa − · (ρυ) = ∂(ρφ)
∂t
−A ρν(x+∆x) − ρν(x) =
m(t+∆t) − m(t)
∆t
−A ρν(x+∆x) − ρν(x) =
ρφVTotal (t+∆t) − ρφVTotal (t)
∆t
Sea:
VTotal = A∆x
Introduciendo:
−A ρν(x+∆x) − ρν(x) = VTotal
ρφ(t+∆t) − ρφ(t)
∆t
Limberg Tola Mayta Nuevo Modelo Matemático
35. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Ecuación de conservación de masa − · (ρυ) = ∂(ρφ)
∂t
Introduciendo y ordenando:
−A ρν(x+∆x) − ρν(x) = A∆x
ρφ(t+∆t) − ρφ(t)
∆t
−
ρν(x+∆x) − ρν(x)
∆x
=
ρφ(t+∆t) − ρφ(t)
∆t
Limberg Tola Mayta Nuevo Modelo Matemático
36. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Ecuación de conservación de masa − · (ρυ) = ∂(ρφ)
∂t
Por definición de limite:
− lim
∆x→0
ρν(x+∆x) − ρν(x)
∆x
= lim
∆t→0
ρφ(t+∆t) − ρφ(t)
∆t
−
∂ (ρυ)
∂x
=
∂ (ρφ)
∂t
Ecuación de conservación de masa
− · (ρυ) =
∂ (ρφ)
∂t
Limberg Tola Mayta Nuevo Modelo Matemático
37. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Ecuación de conservación de masa − · (ρυ) = ∂(ρφ)
∂t
Por definición de limite:
− lim
∆x→0
ρν(x+∆x) − ρν(x)
∆x
= lim
∆t→0
ρφ(t+∆t) − ρφ(t)
∆t
−
∂ (ρυ)
∂x
=
∂ (ρφ)
∂t
Ecuación de conservación de masa
− · (ρυ) =
∂ (ρφ)
∂t
Limberg Tola Mayta Nuevo Modelo Matemático
38. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
La transformada de Laplace L {f (t)} = F (s)
Pierre Simon de Laplace
Matemático y astrónomo francés,
introdujo su transformación
integral en su trabajo “Théorie
analytique des probabilités”.
Transformada de Laplace
L {f (t)} =
∞ˆ
0
e−st
f (t) dt
Limberg Tola Mayta Nuevo Modelo Matemático
39. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
La transformada de Laplace L {f (t)} = F (s)
Pierre Simon de Laplace
Matemático y astrónomo francés,
introdujo su transformación
integral en su trabajo “Théorie
analytique des probabilités”.
Transformada de Laplace
L {f (t)} =
∞ˆ
0
e−st
f (t) dt
Limberg Tola Mayta Nuevo Modelo Matemático
40. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Desorción del gas
Limberg Tola Mayta Nuevo Modelo Matemático
41. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Desorción del gas
Limberg Tola Mayta Nuevo Modelo Matemático
42. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
La isoterma de Langmuir Va
Irving Langmuir
Ingeniero metalúrgico, físico y
químico estadounidense. Premio
Nobel de Química (1932)
“investigaciones en la química de
superficie”.
Ecuación de Langmuir
Va = VL
P
P + PL
Limberg Tola Mayta Nuevo Modelo Matemático
43. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
La isoterma de Langmuir Va
Irving Langmuir
Ingeniero metalúrgico, físico y
químico estadounidense. Premio
Nobel de Química (1932)
“investigaciones en la química de
superficie”.
Ecuación de Langmuir
Va = VL
P
P + PL
Limberg Tola Mayta Nuevo Modelo Matemático
44. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
La isoterma de Langmuir Va
Limberg Tola Mayta Nuevo Modelo Matemático
45. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Efecto Klinkenberg kk
Limberg Tola Mayta Nuevo Modelo Matemático
46. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Efecto Klinkenberg kk
L. J. Klinkenberg:
“The permeability of porous media to liquid and gases”.
Efecto Klinkenberg
kk = k 1 +
b
P
Limberg Tola Mayta Nuevo Modelo Matemático
47. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Flujo No Darcy − P = µv
k + βρv2
Phillip Forchheimer, físico
austriaco investigó el flujo de fluido
a través de un medio poroso a alta
velocidad.
Flujo No Darcy
− P =
µv
k
+ βρv2
Primero en observar que la ley de
Darcy fallaba al describir flujos a
altas velocidades.
Phillip Forchheimer
Limberg Tola Mayta Nuevo Modelo Matemático
48. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Flujo No Darcy − P = µv
k + βρv2
Phillip Forchheimer, físico
austriaco investigó el flujo de fluido
a través de un medio poroso a alta
velocidad.
Flujo No Darcy
− P =
µv
k
+ βρv2
Primero en observar que la ley de
Darcy fallaba al describir flujos a
altas velocidades.
Phillip Forchheimer
Limberg Tola Mayta Nuevo Modelo Matemático
49. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Flujo No Darcy − P = µv
k + βρv2
Phillip Forchheimer, físico
austriaco investigó el flujo de fluido
a través de un medio poroso a alta
velocidad.
Flujo No Darcy
− P =
µv
k
+ βρv2
Primero en observar que la ley de
Darcy fallaba al describir flujos a
altas velocidades.
Phillip Forchheimer
Limberg Tola Mayta Nuevo Modelo Matemático
50. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Modelos analíticos para la caracterización de
reservorios homogéneos no convencionales
hidráulicamente fracturados
Modelo Simplificado.
Modelo Trilineal.
Limberg Tola Mayta Nuevo Modelo Matemático
51. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Modelo Simplificado
Patzek et al. (2013)
Ecuación de difusividad MS
∂m
∂t
=
α
αi
2
m
series de Fourier, método de
separación de variables para
EDP.
El MS no considera:
Klinkenberg y flujo no Darcy
Limberg Tola Mayta Nuevo Modelo Matemático
52. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Modelo Trilineal
Margaret L. Brown (2011)
Ecuación de difusividad MTL
k · 2
p = φctµ
∂p
∂t
solución mediante la
transformada integral de
Laplace.
El MTL no considera:
Desorción, Klinkenberg y
flujo no Darcy.
Limberg Tola Mayta Nuevo Modelo Matemático
53. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
Limberg Tola Mayta Nuevo Modelo Matemático
54. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
Método iterativo para pozos horizontales hidráulicamente
fracturados (considerando fracturas transversales):
PASO 1: Número Reynolds
kf,e =
kf,n
1 + NRE
PASO 2: Vp
Vp =
Mp (h/hf )
ρprop(1−φprop)
Limberg Tola Mayta Nuevo Modelo Matemático
55. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
Método iterativo para pozos horizontales hidráulicamente
fracturados (considerando fracturas transversales):
PASO 1: Número Reynolds
kf,e =
kf,n
1 + NRE
PASO 2: Vp
Vp =
Mp (h/hf )
ρprop(1−φprop)
Limberg Tola Mayta Nuevo Modelo Matemático
56. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
PASO 3: Encontrar Ar
Ar =
ye
xe
PASO 4: Con los valores de kf,e y Vp , calcular Np
Np =
2kf,eVp
kVres
1
Ar
Ar ≤ 1
2kf,eVp
kVres
Ar Ar > 1
Limberg Tola Mayta Nuevo Modelo Matemático
57. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
PASO 3: Encontrar Ar
Ar =
ye
xe
PASO 4: Con los valores de kf,e y Vp , calcular Np
Np =
2kf,eVp
kVres
1
Ar
Ar ≤ 1
2kf,eVp
kVres
Ar Ar > 1
Limberg Tola Mayta Nuevo Modelo Matemático
58. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
PASO 5: Con Np, se obtiene JDmax {Np, Ar} y CfD,opt {Np}
CfD,opt (Np) =
1, 6 Np < 0, 1
1, 6 + e
−0,583+1,48 ln(Np)
1+0,142 ln(Np) 0, 1 ≤ Np ≤ 10
Np Np > 10
Limberg Tola Mayta Nuevo Modelo Matemático
59. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
JDmax {Np, Ar}
JDmax {Np, Ar < 1} =
1
−0, 63 − 0, 5 ln (Np) + Fopt
JDmax {Np, Ar = 1} =
1
0,990−0,5 ln(Np)
Np ≤ 0, 1
6
π − e
0,423−0,311(Np)−0,089(Np)2
1−0,667(Np)−0,015(Np)2
Np > 0, 1
JDmax {Np, Ar > 1} =
6
π
Ar
Limberg Tola Mayta Nuevo Modelo Matemático
60. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
PASO 6: Cálculo de los valores óptimos
∀Vf = Vp/2
xf,opt =
kf,eVf
CfD,optkh
wopt =
CfD,optkVf
kf,eh
Limberg Tola Mayta Nuevo Modelo Matemático
61. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
PASO 7: Con los valores kf,e y wopt calcular sc
sc =
kh
woptkf,e
ln
h
2rw
−
π
2
PASO 8: Dado JDmax y sc
JDTH =
1
1
JDmax
+ sc
Limberg Tola Mayta Nuevo Modelo Matemático
62. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
PASO 7: Con los valores kf,e y wopt calcular sc
sc =
kh
woptkf,e
ln
h
2rw
−
π
2
PASO 8: Dado JDmax y sc
JDTH =
1
1
JDmax
+ sc
Limberg Tola Mayta Nuevo Modelo Matemático
63. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
PASO 9: La producción esperada
qg =
(pres)2
− (pwf )2
kh
1424TµgZ
JDTH
PASO 10: Calculo la velocidad de flujo a condiciones de fondo
de pozo, consideremos lo siguiente:
Bg = 0, 0283
ZT
pwf
ρg = 1, 22
γg
Bg
Limberg Tola Mayta Nuevo Modelo Matemático
64. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
PASO 9: La producción esperada
qg =
(pres)2
− (pwf )2
kh
1424TµgZ
JDTH
PASO 10: Calculo la velocidad de flujo a condiciones de fondo
de pozo, consideremos lo siguiente:
Bg = 0, 0283
ZT
pwf
ρg = 1, 22
γg
Bg
Limberg Tola Mayta Nuevo Modelo Matemático
65. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
PASO 11: La velocidad del gas en la fractura transversal se
calcula con:
vg =
Bgqg · 1000 · 12
2 · 24 · 3600 · πrww
PASO 12: Determinar el Nuevo Número Reynolds:
NRE =
kf,nβρgvg
µg
β = 108 b
(kf,n)a
Limberg Tola Mayta Nuevo Modelo Matemático
66. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
PASO 11: La velocidad del gas en la fractura transversal se
calcula con:
vg =
Bgqg · 1000 · 12
2 · 24 · 3600 · πrww
PASO 12: Determinar el Nuevo Número Reynolds:
NRE =
kf,nβρgvg
µg
β = 108 b
(kf,n)a
Limberg Tola Mayta Nuevo Modelo Matemático
67. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
PASO 13: Determinar el Error del NRE:
error {NRE} =
NRE(calculado) − NRE(asumido)
NRE(calculado)
· 100
Si: error {NRE} < 0, 01 % , se termina la iteración, de otra
manera se vuelve al paso uno.
En general para el NMM se busca el valor de kf,e, la
permeabilidad efectiva del proppant pack, i.e. la
“permeabilidad en condiciones turbulentas”.
Limberg Tola Mayta Nuevo Modelo Matemático
68. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Ecuación de conservación de masa
La transformada de Laplace
Efectos: Desorción, Klinkenberg, Flujo no Darcy
Modelos analíticos: MS y MTL
Unified Fracture Design
Unified Fracture Design (UFD)
PASO 13: Determinar el Error del NRE:
error {NRE} =
NRE(calculado) − NRE(asumido)
NRE(calculado)
· 100
Si: error {NRE} < 0, 01 % , se termina la iteración, de otra
manera se vuelve al paso uno.
En general para el NMM se busca el valor de kf,e, la
permeabilidad efectiva del proppant pack, i.e. la
“permeabilidad en condiciones turbulentas”.
Limberg Tola Mayta Nuevo Modelo Matemático
69. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Modelo Matemático
Limberg Tola Mayta Nuevo Modelo Matemático
70. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Modelo Matemático
El NMM es la combinación
de:
Limberg Tola Mayta Nuevo Modelo Matemático
71. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Modelo Matemático
Va = VL
P
P + PL
Limberg Tola Mayta Nuevo Modelo Matemático
72. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Modelo Matemático
Va = VL
P
P + PL
kk = k 1 +
b
P
Limberg Tola Mayta Nuevo Modelo Matemático
73. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Modelo Matemático
Va = VL
P
P + PL
kk = k 1 +
b
P
− P =
µv
k
+ βρv2
Limberg Tola Mayta Nuevo Modelo Matemático
74. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Modelo Matemático
Limberg Tola Mayta Nuevo Modelo Matemático
75. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Conjeturas del Modelo Matemático
Flujo lineal en todo momento.
Excepto en el interior de las fracturas hidráulicas (efecto Choke
skin).
Permeabilidad de la matriz extremadamente baja.
k < 0, 1mD
Altura de fractura igual a la altura de la formación.
hf ≈ h
Conductividad finita de la fractura hidráulica.
El flujo es dominado por las HF.
Limberg Tola Mayta Nuevo Modelo Matemático
76. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Conjeturas del Modelo Matemático
Flujo lineal en todo momento.
Excepto en el interior de las fracturas hidráulicas (efecto Choke
skin).
Permeabilidad de la matriz extremadamente baja.
k < 0, 1mD
Altura de fractura igual a la altura de la formación.
hf ≈ h
Conductividad finita de la fractura hidráulica.
El flujo es dominado por las HF.
Limberg Tola Mayta Nuevo Modelo Matemático
77. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Conjeturas del Modelo Matemático
Flujo lineal en todo momento.
Excepto en el interior de las fracturas hidráulicas (efecto Choke
skin).
Permeabilidad de la matriz extremadamente baja.
k < 0, 1mD
Altura de fractura igual a la altura de la formación.
hf ≈ h
Conductividad finita de la fractura hidráulica.
El flujo es dominado por las HF.
Limberg Tola Mayta Nuevo Modelo Matemático
78. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Conjeturas del Modelo Matemático
Flujo lineal en todo momento.
Excepto en el interior de las fracturas hidráulicas (efecto Choke
skin).
Permeabilidad de la matriz extremadamente baja.
k < 0, 1mD
Altura de fractura igual a la altura de la formación.
hf ≈ h
Conductividad finita de la fractura hidráulica.
El flujo es dominado por las HF.
Limberg Tola Mayta Nuevo Modelo Matemático
79. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Conjeturas del Modelo Matemático
Las fracturas hidráulicas están espaciadas a una misma
distancia.
HF de mismas dimensiones (xf ,wf ,hf ).
flujo en el medio de las fracturas hidráulicas adyacentes.
encontrar soluciones.
∃ IV zonas.
efecto Klinkenberg, desorción, flujo no Darcy y flujo Darcy.
Limberg Tola Mayta Nuevo Modelo Matemático
80. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Conjeturas del Modelo Matemático
Las fracturas hidráulicas están espaciadas a una misma
distancia.
HF de mismas dimensiones (xf ,wf ,hf ).
flujo en el medio de las fracturas hidráulicas adyacentes.
encontrar soluciones.
∃ IV zonas.
efecto Klinkenberg, desorción, flujo no Darcy y flujo Darcy.
Limberg Tola Mayta Nuevo Modelo Matemático
81. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Conjeturas del Modelo Matemático
Las fracturas hidráulicas están espaciadas a una misma
distancia.
HF de mismas dimensiones (xf ,wf ,hf ).
flujo en el medio de las fracturas hidráulicas adyacentes.
encontrar soluciones.
∃ IV zonas.
efecto Klinkenberg, desorción, flujo no Darcy y flujo Darcy.
Limberg Tola Mayta Nuevo Modelo Matemático
82. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Limberg Tola Mayta Nuevo Modelo Matemático
83. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Conjeturas del Modelo Matemático
Fenómenos físicos para cada zona:
Zona Desorción Efecto Klinkenberg Flujo No Darcy
Zona IV no no no
Zona I si no no
Zona II si si si
Zona III no si si
Limberg Tola Mayta Nuevo Modelo Matemático
84. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Ecuaciones de difusividad
¿La existencia de turbulencia?
Limberg Tola Mayta Nuevo Modelo Matemático
85. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Ecuaciones de difusividad
Existe flujo Darcy, desorción (zonas IV, I).
Primera ecuación de difusividad
2
(m (P)) =
1
α(P)
∂m (P)
∂t
Existe flujo no Darcy, desorción y efecto Klinkenberg
(zonas II,III).
Segunda ecuación de difusividad
2
(m (P)) =
1
εαk(P)
∂m (P)
∂t
Limberg Tola Mayta Nuevo Modelo Matemático
86. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Ecuaciones de difusividad
Existe flujo Darcy, desorción (zonas IV, I).
Primera ecuación de difusividad
2
(m (P)) =
1
α(P)
∂m (P)
∂t
Existe flujo no Darcy, desorción y efecto Klinkenberg
(zonas II,III).
Segunda ecuación de difusividad
2
(m (P)) =
1
εαk(P)
∂m (P)
∂t
Limberg Tola Mayta Nuevo Modelo Matemático
87. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Limberg Tola Mayta Nuevo Modelo Matemático
88. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Limberg Tola Mayta Nuevo Modelo Matemático
89. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Limberg Tola Mayta Nuevo Modelo Matemático
90. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Limberg Tola Mayta Nuevo Modelo Matemático
91. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Solución del NMM
La solución de la presión adimensional de fondo de pozo
unifica las soluciones de las cuatro zonas, es decir: ZONA
IV, ZONA I, ZONA II y ZONA III:
mwD =
π
sCFID
√
AFtanh
√
AF
Sin embargo esta incompleta dado que se debe considerar
el efecto Choke skin.
Limberg Tola Mayta Nuevo Modelo Matemático
92. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Solución del NMM
La solución de la presión adimensional de fondo de pozo
unifica las soluciones de las cuatro zonas, es decir: ZONA
IV, ZONA I, ZONA II y ZONA III:
mwD =
π
sCFID
√
AFtanh
√
AF
Sin embargo esta incompleta dado que se debe considerar
el efecto Choke skin.
Limberg Tola Mayta Nuevo Modelo Matemático
93. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Choke skin effect
flujo lineal flujo radial
Limberg Tola Mayta Nuevo Modelo Matemático
94. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Choke skin effect
Choke skin effect
sc =
kh
wkf,e
ln
h
2rw
−
π
2
Limberg Tola Mayta Nuevo Modelo Matemático
95. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Solución general del NMM
Transformando sc en el dominio Laplaciano e
introduciendolo al NMM, tenemos la solución general del
NMM, i.e.:
mwD =
π
sCFID
√
AFtanh
√
AF
+
sc
s
Limberg Tola Mayta Nuevo Modelo Matemático
96. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Forma dimensional de la solución del NMM
formulación de las
ecuaciones de
difusividad en el
dominio t.
Limberg Tola Mayta Nuevo Modelo Matemático
97. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Forma dimensional de la solución del NMM
adimencionamiento.
Limberg Tola Mayta Nuevo Modelo Matemático
98. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Forma dimensional de la solución del NMM
aplicación:
L {f (tD)} = F (sD)
Limberg Tola Mayta Nuevo Modelo Matemático
99. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Forma dimensional de la solución del NMM
adimensional a
dimensional:
sD → s
Limberg Tola Mayta Nuevo Modelo Matemático
100. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Forma dimensional de la solución del NMM
propiedad scaling:
F (sD) =
1
c
F
s
c
∴ c :=
αI
x2
F
Limberg Tola Mayta Nuevo Modelo Matemático
101. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Forma dimensional de la solución del NMM
Dominio Laplaciano adimensional
mwD(sD) =
π
sDCFID
√
AFtanh
√
AF
+
sc
sD
Dominio Laplaciano dimensional
mwD(s) =
π
sCFID
√
AFtanh
√
AF
+
sc
s
F (sD) =
1
c
F
s
c
Limberg Tola Mayta Nuevo Modelo Matemático
102. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Forma dimensional de la solución del NMM
Dominio Laplaciano adimensional
mwD(sD) =
π
sDCFID
√
AFtanh
√
AF
+
sc
sD
Dominio Laplaciano dimensional
mwD(s) =
π
sCFID
√
AFtanh
√
AF
+
sc
s
F (sD) =
1
c
F
s
c
Limberg Tola Mayta Nuevo Modelo Matemático
103. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Forma dimensional de la solución del NMM
Transformada inversa:
L−1
{F (s)} = f (t)
Teorema de convolución:
L−1
{F (s) G (s)} = f (t) ∗g (t)
Limberg Tola Mayta Nuevo Modelo Matemático
104. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Forma dimensional de la solución del NMM
Transformada inversa:
L−1
{F (s)} = f (t)
Teorema de convolución:
L−1
{F (s) G (s)} = f (t) ∗g (t)
Limberg Tola Mayta Nuevo Modelo Matemático
105. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Forma dimensional de la solución del NMM
Teorema de convolución:
L−1
{F (s) G (s)} = f (t) ∗ g (t)
i.e.:
f (t) ∗ g (t) =
tˆ
0
f (τ) g (t − τ) dτ
algoritmos numéricos de inversión: Algoritmo
Gaver-Stehfest
Limberg Tola Mayta Nuevo Modelo Matemático
106. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Forma dimensional de la solución del NMM
Teorema de convolución:
L−1
{F (s) G (s)} = f (t) ∗ g (t)
i.e.:
f (t) ∗ g (t) =
tˆ
0
f (τ) g (t − τ) dτ
algoritmos numéricos de inversión: Algoritmo
Gaver-Stehfest
Limberg Tola Mayta Nuevo Modelo Matemático
107. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Forma dimensional de la solución del NMM
Algoritmo Gaver-Stehfest
L−1
{F (s)} = f (t)
f (t) =
ln 2
t
N
∑
i=1
ViF
ln 2
t
i
donde:
Vi = (−1)
N
2+i
min(i,N/2)
∑
k=(i+1
2 )
k
N
2 (2k) !
(N/2 − k)!k! (k − 1)! (i − k)! (2k − i)!
Limberg Tola Mayta Nuevo Modelo Matemático
108. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Ajuste del UFD para el NMM
Np(UFD)
=
2kf
k
Vp
x2
eh
⇒ Np(NMM)
=
2kf
k
Vp
(2xe)2
h
Limberg Tola Mayta Nuevo Modelo Matemático
109. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conjeturas del Modelo Matemático
Ecuaciones de difusividad y sus soluciones
Choke skin effect y solución general
Forma dimensional del NMM y Ajuste del UFD para el NMM
Ajuste del UFD para el NMM
Ar(UFD)
=
ye
xe
⇒ Ar(NMM)
=
dFNHF
2xe
Limberg Tola Mayta Nuevo Modelo Matemático
110. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Validación y Análisis de
Sensibilidad
Limberg Tola Mayta Nuevo Modelo Matemático
111. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Validación del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
112. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Validación del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
113. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Validación del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
114. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Validación del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
115. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Validación del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
116. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Validación del NMM
(2,013 MMSCFD) MTL MS NMM CMG
q (MMSCFD) 1,252 0,213 1,711 0,44
% Error 37,831 % 89,409 % 15,021 % 78,136 %
% Credibilidad 62,169 % 10,591 % 84,979 % 21,864 %
t (s) 7,837 643,369 7,753 112,320
Limberg Tola Mayta Nuevo Modelo Matemático
117. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Validación del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
118. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Validación del NMM
(2,013 MMSCFD) NMM
q (MMSCFD) 1,711
% Error 15,021 %
% Credibilidad 84,979 %
(2,013 MMSCFD) xF = xFopt wF = wFopt
wF = wFopt
xF = xFopt
q (MMSCFD) 0,380 1,856 0,383
% Error 81,118 % 7,832 % 80,961 %
% Credibilidad 18,882 % 92,168 % 19,039 %
Limberg Tola Mayta Nuevo Modelo Matemático
119. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Validación del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
120. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Validación del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
121. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
122. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Validación del NMM
LII = % ·
dHF
2
Limberg Tola Mayta Nuevo Modelo Matemático
123. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Validación del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
124. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Validación del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
125. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Validación del NMM
NMM da un error en referencia al caudal promedio
histórico:
15,021 % a 7,832 % (en el mejor de los casos, se toma el
valor optimo del ancho de la fracturas hidráulicas
(pronosticado por el UFD) en lugar del ancho original).
grado de credibilidad: 84,979 % a 92,168 % (mejor de los
casos).
Los demás modelos tienen dan un error en referencia al
caudal promedio histórico:
37,831 % MTL, 89,409 % MS, 78,136 % CMG.
grado de credibilidad: 62,169 % MTL, 10,591 % MS,
21,864 % CMG.
Limberg Tola Mayta Nuevo Modelo Matemático
126. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Análisis de sensibilidad del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
127. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Análisis de sensibilidad del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
128. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Análisis de sensibilidad del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
129. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Análisis de sensibilidad del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
130. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Validación del NMM
Análisis de sensibilidad del NMM
Limberg Tola Mayta Nuevo Modelo Matemático
131. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Aplicación Práctica
Limberg Tola Mayta Nuevo Modelo Matemático
132. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Aplicación práctica
Limberg Tola Mayta Nuevo Modelo Matemático
133. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Función ganancia
G = I − C
Limberg Tola Mayta Nuevo Modelo Matemático
134. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Función ganancia
G = I − C
Limberg Tola Mayta Nuevo Modelo Matemático
135. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Optimización
Maximizar G
G = −I + C
Se deduce:
I = qgCgt
Mscf
dia
$us
Mscf
[dias]
Del UFD:
qg =
(pres)2
− (pwf )2
kh
1424TµgZ
JDTH
Limberg Tola Mayta Nuevo Modelo Matemático
136. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Optimización
Maximizar G
G = −I + C
Se deduce:
I = qgCgt
Mscf
dia
$us
Mscf
[dias]
Del UFD:
qg =
(pres)2
− (pwf )2
kh
1424TµgZ
JDTH
Limberg Tola Mayta Nuevo Modelo Matemático
137. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Optimización
Maximizar G
G = −I + C
Se deduce:
I = qgCgt
=⇒ I = qgCgt
I =
(pres)2
− (pwf )2
kh
1424TµgZ
JDTH
Cgt
Limberg Tola Mayta Nuevo Modelo Matemático
138. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Optimización
Maximizar G
G = −I + C
Se deduce:
I = qgCgt
I =
(pres)2
− (pwf )2
kh
1424TµgZ
JDTH
Cgt
Simplificando, sea:
δ =
p2
res − p2
wf kh
1424TµgZ
Cgt [$us]
Limberg Tola Mayta Nuevo Modelo Matemático
139. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Optimización
Maximizar G
G = −I + C
Se deduce:
I = qgCgt
La expresión de ingresos:
I = δJD
Donde:
δ =
p2
res − p2
wf kh
1424TµgZ
Cgt [$us]
Limberg Tola Mayta Nuevo Modelo Matemático
140. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
I = δJD δ =
p2
res − p2
wf kh
1424TµgZ
Cgt [$us]
JD: indice de productividad adimensional.
pres, pwf : presión del reservorio y fondo de pozo (psi).
k: permeabilidad del reservorio (md).
h: espesor del reservorio (ft).
Cg: precio del gas ($us/Mscfd).
T: temperatura del reservorio (R).
t: tiempo de producción (días).
µg: viscosidad del gas (cp).
Z: factor de compresibilidad del gas.
Limberg Tola Mayta Nuevo Modelo Matemático
141. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
I = δJD δ =
p2
res − p2
wf kh
1424TµgZ
Cgt
JD = α
VresNp
Vp
⇐⇒ α =
6
π
k
2kf,e
Vp = βMp ⇐⇒ β = (h/hf )
ρprop(1−φprop)
Vres=4x2
Fh Mp = Mp (2xF) NHF
Limberg Tola Mayta Nuevo Modelo Matemático
142. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
JD = α
VresNp
Vp
⇐⇒ α =
6
π
k
2kf,e
[ ]
JD: indice de productividad adimensional.
Vres: volumen del reservorio (ft3).
Vp: volumen del proppant (ft3).
Np: Numero Proppant.
k: permeabilidad del reservorio (md).
kf,e: permeabilidad efectiva del proppant pack (md).
Limberg Tola Mayta Nuevo Modelo Matemático
143. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Vp = βMp ⇐⇒ β = (h/hf )
ρprop(1−φprop)
ft3/lbm
Vp: volumen del proppant (ft3).
Mp: cantidad total de Proppant para el HF (lbm de proppant).
h: espesor del reservorio (ft).
hf : altura de la fractura hidráulica (ft).
ρprop: densidad del proppatn (lbm/ft3)
φprop: porosidad del proppant ( %/100).
Limberg Tola Mayta Nuevo Modelo Matemático
144. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Vres = 4 x2
F h Mp = Mp (2xF) NHF
Vres: volumen del reservorio (ft3).
xF: longitud media de una HF (ft).
h: espesor del reservorio (ft).
NHF: numero de fracturas hidráulicas.
Mp: cantidad de proppant/longitud de HF (lbm de proppant/ft).
Limberg Tola Mayta Nuevo Modelo Matemático
145. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Optimización
Maximizar G
G = −I + C
C = CpMp +Cw (Lvw + Lhw) +NHF CHF [$us]
Mp = Mp (2xF) NHF
LHwell = NHF dF
Ar =
dF NHF
2xF
Limberg Tola Mayta Nuevo Modelo Matemático
146. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
C = CpMp + Cw (Lvw + Lhw) + NHF CHF Mp = Mp (2xF) NHF
Cp: costo del Proppant ($us / lbm de proppant).
Mp: cantidad total de Proppant para el HF (lbm de proppant).
Cw: costo de la perforación ($us / ft).
Lvw, Lhw: TVD y longitud del tramo horizontal del pozo (ft).
NHF: numero de fracturas hidráulicas transversales.
CHF: costo de completación del pozo + HF ($us/stage) o
($us/NHF).
Mp: cantidad de proppant/longitud de HF (lbm de proppant/ft).
xF: longitud media de una HF (ft).
Limberg Tola Mayta Nuevo Modelo Matemático
147. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Minimizar f (x)
Sujeto a:
gj (x) ≤ 0 ∀j = 1, 2, . . . , J
hk (x) = 0 ∀k = 1, 2, . . . , K
donde: x = (x1, x2, . . . , xN)
encontrar: x(N×1), u(1×J), λ(1×K)
que cumplan:
Limberg Tola Mayta Nuevo Modelo Matemático
148. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Condiciones KARUSH-KUHN-TUCKER
f (x) +
J
∑
j=1
uj gj (x) +
K
∑
k=1
λk hk (x) = 0
Donde:
gj (x) ≤ 0 ∀j = 1, 2, . . . , J
hk (x) = 0 ∀k = 1, 2, . . . , K
ujgj (x) = 0 ∀j = 1, 2, . . . , J
uj ≥ 0 ∀j = 1, 2, . . . , J
Limberg Tola Mayta Nuevo Modelo Matemático
149. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Limberg Tola Mayta Nuevo Modelo Matemático
150. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Ar ∝ NHF
Limberg Tola Mayta Nuevo Modelo Matemático
151. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Ar ∝ NHF
Limberg Tola Mayta Nuevo Modelo Matemático
152. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Ar ∝ NHF ⇒ Ar ≈ NHF
Sin embargo:
Ar ≈
dF NHF
2xe xe→xF
=⇒ Ar ≈
dF NHF
2xF
para el caso: Ar ≡ NHF
dF = 2xF
inconveniente!!! max {dF ↓ ∧ 2xF ↑}
Limberg Tola Mayta Nuevo Modelo Matemático
153. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Ar ∝ NHF ⇒ Ar ≈ NHF
Sin embargo:
Ar ≈
dF NHF
2xe xe→xF
=⇒ Ar ≈
dF NHF
2xF
para el caso: Ar ≡ NHF
dF = 2xF
inconveniente!!! max {dF ↓ ∧ 2xF ↑}
Limberg Tola Mayta Nuevo Modelo Matemático
154. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Restricciones
Ar ≤ NHF
2xF ≥ dF
Limberg Tola Mayta Nuevo Modelo Matemático
155. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Maximizar G
G = −I+C
I = δJD
JD = α
VresNp
Vp
Vp = βMp
Vres=4x2
Fh
C = CpMp + Cw (Lvw + Lhw) + NHF CHF
Mp = Mp (2xF) NHF
LHwell = NHF dF
Ar =
dF NHF
2xF
Limberg Tola Mayta Nuevo Modelo Matemático
156. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Optimización del NMM utilizando las condiciones
Karush-Kuhn-Tucker en función del UFD
Optimización del NMM
G’ (xF, NHF) +
2
∑
j=1
uj gj (xF, NHF) = 0
Ar − NHF ≤ 0 u2 (dF − 2xF) = 0
dF − 2xF ≤ 0 u1 ≥ 0
u1 (Ar − NHF) = 0 u2 ≥ 0
Limberg Tola Mayta Nuevo Modelo Matemático
157. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Ecuación del Número Proppant considerando
restricciones económicas y de diseño
Np optimizado
Np =
δβM’
p NHF J2
D
4xFαh δJD − CpM’
p xF NHF
∀ Ar ≤ NHF ∧ 2xF ≥ dF
Limberg Tola Mayta Nuevo Modelo Matemático
158. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Intervalos de existencia del Numero Proppant
optimizado
Existencia del Np optimizado
dF ≤ 2xF < 2
3δdF
πCpM’
p
πCpM’
px2
F
3δ
< dF ≤ 2xF
200 ft ≤ [2xF]1000 ft < 1168, 070 ft
146, 586 ft < [dF]200 ft ≤ 1000 ft
Limberg Tola Mayta Nuevo Modelo Matemático
159. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Intervalos de existencia del Numero Proppant
optimizado
Existencia del Np optimizado
dF ≤ 2xF < 2
3δdF
πCpM’
p
πCpM’
px2
F
3δ
< dF ≤ 2xF
200 ft ≤ [2xF]1000 ft < 1168, 070 ft
146, 586 ft < [dF]200 ft ≤ 1000 ft
Limberg Tola Mayta Nuevo Modelo Matemático
160. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Intervalos de existencia del Numero Proppant
optimizado
Existencia del Np
optimizado
Cg >
πCpMpx2
f
3ϕtdf
t >
πCpMpx2
f
3ϕCgdf
∀ ϕ :=
(p2
res−p2
wf )kh
1424TµgZ
[Cg]5 $us/Mcf > 3, 664 $us/Mscf
[t]10 a ˜nos > 2675, 19dias (7, 329a ˜nos)
Limberg Tola Mayta Nuevo Modelo Matemático
161. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Intervalos de existencia del Numero Proppant
optimizado
Existencia del Np
optimizado
Cg >
πCpMpx2
f
3ϕtdf
t >
πCpMpx2
f
3ϕCgdf
∀ ϕ :=
(p2
res−p2
wf )kh
1424TµgZ
[Cg]5 $us/Mcf > 3, 664 $us/Mscf
[t]10 a ˜nos > 2675, 19dias (7, 329a ˜nos)
Limberg Tola Mayta Nuevo Modelo Matemático
162. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Optimización del NMM
Selección del mejor Proppant
PROPPANTS NHF
I VPN
PERIODO PERIODO
CUBRIR DE
I INICIAL GANANCIAS
MILLONES $US AÑOS AÑOS
PRE-CURED RC SAND NHF30 49,697 6,451 6,436 3,564
OTTAWA SAND NHF40 49,558 16,107 4,397 5,603
BRADY SAND NHF40 49,558 9,937 5,811 4,189
Limberg Tola Mayta Nuevo Modelo Matemático
163. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Conclusiones y
Recomendaciones
Limberg Tola Mayta Nuevo Modelo Matemático
164. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Conclusiones
Se desarrolló NMM más realista para pozos horizontales
multi-stage hidráulicamente fracturados en formaciones
de shale gas.
Error de predicción de 7,882 % a 15,021 % respecto de los
valores históricos, a comparación de otros modelos
17,389 % a 84,190 %.
Se encontró una solución general analítica al modelo
matemático, mediante el empleo de la transformada
integral.
Se diseñó un modelo de cuatro zonas que fueron
combinadas con el flujo Darcy, flujo no Darcy, efecto de
desorción y el efecto Klinkenberg.
Se diseñó ecuaciones de difusividad para las zonas
propuestas.
Limberg Tola Mayta Nuevo Modelo Matemático
165. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Conclusiones
Se desarrolló NMM más realista para pozos horizontales
multi-stage hidráulicamente fracturados en formaciones
de shale gas.
Error de predicción de 7,882 % a 15,021 % respecto de los
valores históricos, a comparación de otros modelos
17,389 % a 84,190 %.
Se encontró una solución general analítica al modelo
matemático, mediante el empleo de la transformada
integral.
Se diseñó un modelo de cuatro zonas que fueron
combinadas con el flujo Darcy, flujo no Darcy, efecto de
desorción y el efecto Klinkenberg.
Se diseñó ecuaciones de difusividad para las zonas
propuestas.
Limberg Tola Mayta Nuevo Modelo Matemático
166. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Conclusiones
Se desarrolló NMM más realista para pozos horizontales
multi-stage hidráulicamente fracturados en formaciones
de shale gas.
Error de predicción de 7,882 % a 15,021 % respecto de los
valores históricos, a comparación de otros modelos
17,389 % a 84,190 %.
Se encontró una solución general analítica al modelo
matemático, mediante el empleo de la transformada
integral.
Se diseñó un modelo de cuatro zonas que fueron
combinadas con el flujo Darcy, flujo no Darcy, efecto de
desorción y el efecto Klinkenberg.
Se diseñó ecuaciones de difusividad para las zonas
propuestas.
Limberg Tola Mayta Nuevo Modelo Matemático
167. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Conclusiones
Se desarrolló NMM más realista para pozos horizontales
multi-stage hidráulicamente fracturados en formaciones
de shale gas.
Error de predicción de 7,882 % a 15,021 % respecto de los
valores históricos, a comparación de otros modelos
17,389 % a 84,190 %.
Se encontró una solución general analítica al modelo
matemático, mediante el empleo de la transformada
integral.
Se diseñó un modelo de cuatro zonas que fueron
combinadas con el flujo Darcy, flujo no Darcy, efecto de
desorción y el efecto Klinkenberg.
Se diseñó ecuaciones de difusividad para las zonas
propuestas.
Limberg Tola Mayta Nuevo Modelo Matemático
168. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Conclusiones
Se realizó la validación del modelo matemático,
encontrándose un grado de credibilidad de: 84,979 % a
92,118 % .
Se realizó un análisis de sensibilidad de los principales
factores influyentes en la producción de shale gas, i.e.
(2xf ) incidencia: 58,051 % a 94,747 %.
Se demostró que si se reduce (df ) se puede obtener un
incremento en la producción de gas diaria: 22,332 % a
22,932 %.
Se aplicó el NMM con valores promedios de Bolivia,
utilizando datos promedios de la formación Los Monos.
Limberg Tola Mayta Nuevo Modelo Matemático
169. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Conclusiones
Se realizó la validación del modelo matemático,
encontrándose un grado de credibilidad de: 84,979 % a
92,118 % .
Se realizó un análisis de sensibilidad de los principales
factores influyentes en la producción de shale gas, i.e.
(2xf ) incidencia: 58,051 % a 94,747 %.
Se demostró que si se reduce (df ) se puede obtener un
incremento en la producción de gas diaria: 22,332 % a
22,932 %.
Se aplicó el NMM con valores promedios de Bolivia,
utilizando datos promedios de la formación Los Monos.
Limberg Tola Mayta Nuevo Modelo Matemático
170. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Conclusiones
Se realizó la validación del modelo matemático,
encontrándose un grado de credibilidad de: 84,979 % a
92,118 % .
Se realizó un análisis de sensibilidad de los principales
factores influyentes en la producción de shale gas, i.e.
(2xf ) incidencia: 58,051 % a 94,747 %.
Se demostró que si se reduce (df ) se puede obtener un
incremento en la producción de gas diaria: 22,332 % a
22,932 %.
Se aplicó el NMM con valores promedios de Bolivia,
utilizando datos promedios de la formación Los Monos.
Limberg Tola Mayta Nuevo Modelo Matemático
171. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Conclusiones
Se realizó la validación del modelo matemático,
encontrándose un grado de credibilidad de: 84,979 % a
92,118 % .
Se realizó un análisis de sensibilidad de los principales
factores influyentes en la producción de shale gas, i.e.
(2xf ) incidencia: 58,051 % a 94,747 %.
Se demostró que si se reduce (df ) se puede obtener un
incremento en la producción de gas diaria: 22,332 % a
22,932 %.
Se aplicó el NMM con valores promedios de Bolivia,
utilizando datos promedios de la formación Los Monos.
Limberg Tola Mayta Nuevo Modelo Matemático
172. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Conclusiones
Se conoció que una propuesta para la perforación de un
pozo horizontal multifracturado con fracturas hidráulicas
transversales en Bolivia sería factible si y solo si se
consideran los ingresos así como los costos que están
implicados para todo el proyecto como restricción.
Las ecuaciones para predecir los valores mínimos en
referencia a NHF, xf y df son de gran ayuda para el
planteamiento de un proyecto; dado que estos valores dan
una restricción para el diseño y además impiden la
predicción errónea e irreal por parte del NMM.
Limberg Tola Mayta Nuevo Modelo Matemático
173. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Conclusiones
Se conoció que una propuesta para la perforación de un
pozo horizontal multifracturado con fracturas hidráulicas
transversales en Bolivia sería factible si y solo si se
consideran los ingresos así como los costos que están
implicados para todo el proyecto como restricción.
Las ecuaciones para predecir los valores mínimos en
referencia a NHF, xf y df son de gran ayuda para el
planteamiento de un proyecto; dado que estos valores dan
una restricción para el diseño y además impiden la
predicción errónea e irreal por parte del NMM.
Limberg Tola Mayta Nuevo Modelo Matemático
174. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Conclusiones
El valor min(df ) y max(df ) así como el min(2xf ) y
max(2xf ) es un aspecto importante con fines de diseño,
dado que si se escoge un valor debajo de la restricción
dada, se encontraría incoherencias: Np ∈ UFD ⊂ NMM.
Con un tiempo mínimo de ejecución el NMM es capaz de
realizar procesos iterativos ya sea para el diseño de
fracturamiento hidráulico, análisis de sensibilidad o de
optimización.
Limberg Tola Mayta Nuevo Modelo Matemático
175. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Conclusiones
El valor min(df ) y max(df ) así como el min(2xf ) y
max(2xf ) es un aspecto importante con fines de diseño,
dado que si se escoge un valor debajo de la restricción
dada, se encontraría incoherencias: Np ∈ UFD ⊂ NMM.
Con un tiempo mínimo de ejecución el NMM es capaz de
realizar procesos iterativos ya sea para el diseño de
fracturamiento hidráulico, análisis de sensibilidad o de
optimización.
Limberg Tola Mayta Nuevo Modelo Matemático
176. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Recomendaciones
1 Desarrollar un software libre.
2 Se debería realizar una optimización general del NMM:
optimización analítica, en el dominio laplaciano.
optimización mediante algoritmos evolutivos (NSGA II).
3 Introducir efectos tectónicos que afectan a la
permeabilidad de la fractura hidráulica dentro del NMM.
4 Generalizar el NMM para pozos multi-well pad.
5 Investigar el comportamiento de la ecuación de
difusividad cuando se la emplea para las ecuaciones
Navier-Stokes.
6 Cambiar el método de resolución del NMM:
usando coordenadas cilíndricas; geometría Riemannniana.
Transformada de Fourier.
Usando espacios de Sobolev.
Limberg Tola Mayta Nuevo Modelo Matemático
177. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Recomendaciones
1 Desarrollar un software libre.
2 Se debería realizar una optimización general del NMM:
optimización analítica, en el dominio laplaciano.
optimización mediante algoritmos evolutivos (NSGA II).
3 Introducir efectos tectónicos que afectan a la
permeabilidad de la fractura hidráulica dentro del NMM.
4 Generalizar el NMM para pozos multi-well pad.
5 Investigar el comportamiento de la ecuación de
difusividad cuando se la emplea para las ecuaciones
Navier-Stokes.
6 Cambiar el método de resolución del NMM:
usando coordenadas cilíndricas; geometría Riemannniana.
Transformada de Fourier.
Usando espacios de Sobolev.
Limberg Tola Mayta Nuevo Modelo Matemático
178. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Recomendaciones
1 Desarrollar un software libre.
2 Se debería realizar una optimización general del NMM:
optimización analítica, en el dominio laplaciano.
optimización mediante algoritmos evolutivos (NSGA II).
3 Introducir efectos tectónicos que afectan a la
permeabilidad de la fractura hidráulica dentro del NMM.
4 Generalizar el NMM para pozos multi-well pad.
5 Investigar el comportamiento de la ecuación de
difusividad cuando se la emplea para las ecuaciones
Navier-Stokes.
6 Cambiar el método de resolución del NMM:
usando coordenadas cilíndricas; geometría Riemannniana.
Transformada de Fourier.
Usando espacios de Sobolev.
Limberg Tola Mayta Nuevo Modelo Matemático
179. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Recomendaciones
1 Desarrollar un software libre.
2 Se debería realizar una optimización general del NMM:
optimización analítica, en el dominio laplaciano.
optimización mediante algoritmos evolutivos (NSGA II).
3 Introducir efectos tectónicos que afectan a la
permeabilidad de la fractura hidráulica dentro del NMM.
4 Generalizar el NMM para pozos multi-well pad.
5 Investigar el comportamiento de la ecuación de
difusividad cuando se la emplea para las ecuaciones
Navier-Stokes.
6 Cambiar el método de resolución del NMM:
usando coordenadas cilíndricas; geometría Riemannniana.
Transformada de Fourier.
Usando espacios de Sobolev.
Limberg Tola Mayta Nuevo Modelo Matemático
180. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Recomendaciones
1 Desarrollar un software libre.
2 Se debería realizar una optimización general del NMM:
optimización analítica, en el dominio laplaciano.
optimización mediante algoritmos evolutivos (NSGA II).
3 Introducir efectos tectónicos que afectan a la
permeabilidad de la fractura hidráulica dentro del NMM.
4 Generalizar el NMM para pozos multi-well pad.
5 Investigar el comportamiento de la ecuación de
difusividad cuando se la emplea para las ecuaciones
Navier-Stokes.
6 Cambiar el método de resolución del NMM:
usando coordenadas cilíndricas; geometría Riemannniana.
Transformada de Fourier.
Usando espacios de Sobolev.
Limberg Tola Mayta Nuevo Modelo Matemático
181. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Recomendaciones
1 Desarrollar un software libre.
2 Se debería realizar una optimización general del NMM:
optimización analítica, en el dominio laplaciano.
optimización mediante algoritmos evolutivos (NSGA II).
3 Introducir efectos tectónicos que afectan a la
permeabilidad de la fractura hidráulica dentro del NMM.
4 Generalizar el NMM para pozos multi-well pad.
5 Investigar el comportamiento de la ecuación de
difusividad cuando se la emplea para las ecuaciones
Navier-Stokes.
6 Cambiar el método de resolución del NMM:
usando coordenadas cilíndricas; geometría Riemannniana.
Transformada de Fourier.
Usando espacios de Sobolev.
Limberg Tola Mayta Nuevo Modelo Matemático
182. Marco Teórico
Fundamento Matemático
Modelo Matemático
Validación y análisis de sensibilidad
Aplicación práctica
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
Merci Beaucoup
Limberg Tola Mayta Nuevo Modelo Matemático