Publicación:

Modelo predictivo de producción incremental basado en redes neuronales y series de tiempo, para recobro secundario por inyección de agua en un campo estudio de Ecopetrol

Resumen

La inyección de agua o recobro secundario empleado hoy en el campo estudio, es considerada después de varios análisis como una de las mejores formas de incrementar el recobro e incorporar reservas, luego de un desarrollo primario satisfactorio. Pese a lo anterior, los modelos actuales empleados en la compañía para inferir el comportamiento incremental resultante de los procesos de inyección de agua propuestos, requieren de tiempos considerables para su evaluación, así como de modelos estáticos confiables y simulaciones ajustadas a requerimientos específicos, que resultan generalmente en una prognosis sin mayores sensibilidades o probabilísticas de el o los escenarios planteados. Todo esto aunado a tiempos cortos para la evaluación de proyectos, requisitos de toma de decisión confiables y pocos modelos completos de simulación Full Field, hacen necesario la incorporación de modelos y métodos que consideren incertidumbre, riesgo y predicción. Debido a estos requerimientos y retos se llevó a cabo la elaboración de un modelo que permite la rápida predicción de perfiles incrementales asociados a patrones de inyección, mediante el uso de redes neuronales y predicción de precios basados en series de tiempo, para la toma de decisiones bajo riesgo e incertidumbre. De esta forma, el presente trabajo, logra enmarcar los cambios en las premisas de valoración de los proyectos de la organización para el 2017 (precio de referencia BRENT, disminución de descuento de calidad entre otros), así como ajustes a los pronósticos incrementales para la inyección de agua debido al resultado de pilotos y algunas actualizaciones del modelo de simulación para el Campo Estudio, como también nuevas alternativas de facilidades de superficie.