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

Simple item page
dc.contributor.advisorBetancourt, Fabian Omar
dc.contributor.authorAcosta Castañeda, Ivan Eduardo
dc.date.accessioned2024-03-04T00:04:07Z
dc.date.available2018
dc.date.available2024-03-04T00:04:07Z
dc.date.created2018
dc.date.issued2018
dc.description.abstractLa 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.
dc.description.abstractenglishThe water flooding or secondary recovery process used in the study field today considered after different analyzes as one of the best methods to increase the recovery factor and incorporate additional reserves, after a satisfactory primary development. However of the above conditions, the actual models used in the company to predict the incremental production resulting from the water flooding process, require considerable time to evaluated, as well as reliable static models and simulations adjusted to specific requirements, which result generally in a prognosis with minimal sensitivities or probabilities for the proposed scenarios. In other way, considering short evaluation time for the projects, reliable decision-making requirements and few full models for Full Field simulation, make it necessary to incorporate models and methods that consider uncertainty, risk and prediction. Based on these requirements and challenges, a model was developed that allows the rapid prediction of incremental profiles associated with injection patterns, through the use of neural networks and price predictions based on time series, for decision making under risk and uncertainty.
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería de Petróleos y Gas
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/38539
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicoquímicas
dc.publisher.programMaestría en Ingeniería de Petróleos y Gas
dc.publisher.schoolEscuela de Ingeniería de Petróleos
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectRedes Neuronales
dc.subjectInyeccion De Agua
dc.subjectProducció
dc.subjectRecobro.
dc.subject.keywordNeural Networks
dc.subject.keywordWater Injection
dc.subject.keywordProduction
dc.subject.keywordRecovery
dc.titleModelo 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
dc.title.englishPredictive model of incremental production based on neural networks and time series, for secondary recovery by water injection in a field ecopetrol study
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestria
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
88.22 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
1.27 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
46.96 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería de Petróleos y Gas