Rock Typing en yacimientos carbonáticos. Un caso de estudio de la cuenca del lago de Maracaibo.

RESUMEN:

Clasificar por tipos de rocas un yacimiento facilita la toma de decisiones en la gerencia de yacimientos. Al agrupar las diferentes rocas presentes sobre la base de sus características macroscópicas y microscópicas es posible predecir el comportamiento de producción de cada una de las clases identificadas, jerarquizar cada una de ellas y enfocar los recursos existentes en las que generen el mayor valor. Para ejecutar dicha clasificación existe un amplio rango de técnicas que dependen de la complejidad y los datos existentes en el yacimiento. En formaciones carbonáticas varios atributos pueden ser usados para distinguir tipos de rocas, tales como: litofacies, propiedades petrofísicas, tipos de poros presentes, mineralogía y distribución de la garganta poral. Aún cuando en el espacio de núcleo los resultados sean sólidos, todas ellas se ven retadas por la complejas variaciones existentes en un yacimiento carbonático que hacen muy difícil capturar todas las heterogeneidades presentes y propagarlas a lo largo de todos los pozos presentes en el yacimiento. Para resolver este complejo problema en el yacimiento bajo estudio se aplicó una metodología que combina el radio de garganta de poro con el indicador de zonas de flujo propuesto por Amaefule y algoritmos de aprendizaje supervisado (cluster análisis MRGC) que permiten propagar los resultados a lo largo de todo el pozo de una forma objetiva e integral.

INTRODUCCIÓN:

Winland, Pittman y otros investigadores han mostrado la utilidad de la determinación del radio de garganta poral, obtenido a partir de ensayos de laboratorio de presión capilar por inyección de mercurio, para caracterizar yacimientos y encontrar relaciones que permitan definir el potencial de producción y sello de una roca. A su vez, ellos indican que comúnmente el número de datos disponibles de esta prueba es escaso debido a su costo y el alto  grado de toxicidad del mercurio y por tanto han realizado esfuerzos para derivar empíricamente correlaciones entre la porosidad, la permeabilidad y el radio de garganta poral. Por otra parte, Amaefule define: “Una unidad hidráulica como un volumen de roca dentro del yacimiento en el cual las características geológicas y petrofísicas que afectan al flujo de fluidos son internamente consistentes y predeciblemente diferentes de otras propiedades de otros volumen de roca”. El indicador de zonas de flujo (FZI) es el único parámetro que incorpora los atributos geológicos de textura y mineralogía (representados en la constante de Kozeny t s F que involucra el factor de forma y la tortuosidad con el área superficial por unidad de volumen del grano Sgv) en la discriminación de las unidades hidráulicas. El indicador de zonas de flujo, es correlacionado con ciertas combinaciones de respuestas de perfiles de pozos para desarrollar modelos de clasificación y posteriormente generar predicciones de permeabilidad no lineales multivariables en intervalos o pozos en los que no se disponga de núcleos.  Finalmente, Amaefule introduce el concepto de radio hidráulico como clave para el entendimiento de las unidades hidráulicas y para relacionar la porosidad, la permeabilidad y la presión capilar y su utilidad para definir la continuidad y la extensión areal de los patrones de flujo del yacimiento.

La formación bajo estudio está compuesta de tres litologías principales: La primera donde predominan las facies clásticas compuestas en su mayoría por cuarzo, minerales arcillosos, siderita y minerales accesorios, tales como, feldespatos potásicos, plagioclasas, pirita y dolomita. En la segunda facie predominan las facies carbonáticas compuestas en su mayoría por calcita, cuarzo, minerales de arcilla y siderita, además de pequeñas cantidades de plagioclasas, ankerita, pirita y dolomita. Por último, también están presentes facies híbridas (com puestas por mezclas de carbonatos y siliciclásticos en diferentes proporciones) como indica la Figura 1.

Un crossplot densidad-neutrón es una herramienta útil para comprender el comportamiento mineralógico de la formación en escala de registro. Destaca la heterogeneidad de la formación. En la Figura 2. Se  presenta un gráfico cruzado neutrón-densidad-rayos gamma para los pozos con núcleo mostrando el efecto de la litología. El hexágono naranja evidencia la presencia de siderita, donde la densidad de matriz es mayor de 2.71g/cc, mientras que el cuadrado rojo representa las facies de arenisca.

METODOLOGÍA UTILIZADA.

En la Figura 3, se presenta un diagrama de flujo para ilustrar los pasos requeridos para determinar los tipos de rocas existentes en el yacimiento bajo estudio. La metodología fue documentada en el artículo técnico “SPE-WVS-706 Evaluación petrofísica integrada en un yacimiento apretado de petróleo. Caso de estudio Formación Guasare”, presentado en el 3er Congreso Suramericano de Petróleo y Gas en el año 2015.

Es importante indicar que este flujo de trabajo no es un estándar para todo tipo de yacimiento carbonático, ya que de acuerdo a la cantidad y calidad los datos que se dispongan este flujo de trabajo variará. Por ejemplo, sino se disponen de datos de inyección de mercurio este flujo de trabajo debe ser modificado.

Procederemos a mostrar los cálculos y estimaciones realizadas para lograr los objetivos planteados de definir los tipos de rocas existentes en el yacimiento:

CORRECCIÓN DE DATOS DE INYECCIÓN DE MERCURIO.

Se disponía de los datos de presión capilar por inyección de mercurio (PCIM) realizada a las muestras de los 02 núcleos del área. Para el pozo “A” la prueba se realizó hasta una presión máxima de 1500 Lpc, mientras que para el pozo “B” la prueba alcanzo hasta 60000 Lpc, con la finalidad de determinar diámetros de poro en un rango de aproximadamente 0.003 a 360 μm, en vista de las bajas propiedades de porosidad y permeabilidad de las muestras.

Las dos fuentes más probables de error en las mediciones de PCIM son causados por la conformidad del mercurio a baja presión (en inglés conformance error) y la compresibilidad del sistema a altas presiones (en inglés blank error). Los errores por compresibilidad dan como resultado una intrusión de mercurio aparente, debido a la diferencia de compactación del aparato de mercurio, muestra y medición. Errores de conformidad resultan porque el mercurio no llena completamente el recipiente al inicio de la medición.

La corrección por compresibilidad fue aplicada directamente en el laboratorio, mientras que la corrección por conformidad se realizó aplicando la metodología propuesta por Bailey et al., 2009, en la cual se establece usar la compresibilidad del volumen de poros calculado directamente del experimento del PCIM considerando que cualquier desviación en el modelo de compresibilidad en la parte de baja de presión de la curva es debido a la conformidad. Un ejemplo del cálculo es mostrado en la Figura 4.

Una vez que la presión de conformidad es determinada, el volumen asociado a esa presión específica es sustraído del volumen total medido y se determina la verdadera presión umbral (en inglés threshold pressure) de cada muestra (Figura 5).

USO DE PRUEBAS DE INYECCIÓN PARA DETERMINAR EL RADIO DEL PORO PROMEDIO DE LAS ROCAS PRESENTES.

Con todas las muestras corregidas, se construyeron gráficos de saturación incremental de mercurio versus radio de garganta poral (Ri) para todas las muestras (Figura 6), lo cual nos da una visión de la distribución de las gargantas de poro y nos permite cuantificar la dimensión de la garganta poral predominante.

A partir del análisis de las curvas de presión capilar y de la distribución de las gargantas de poro para todas las muestras, hemos identificado siete (7) tipos de rocas (Figura 6) que han sido agrupadas de acuerdo al siguiente rango de radio de garganta de poro:

• Tipo de roca 1 (PRT 1): Ri > 10 micrones, Presión umbral < 3 Lpc (la mejor roca yacimiento).
• Tipo de roca 2 (PRT 2): 2 < Ri ≤ 10 micrones, Presión umbral < 6-15 Lpc (roca yacimiento de alta/media calidad).
• Tipo de roca 3 (PRT 3): 0.50 < Ri ≤ 2 micrones, Presión umbral < 18-21 Lpc (roca yacimiento de media calidad).
• Tipo de roca 4 (PRT 4): 0.25 < Ri ≤ 0.50 micrones, Presión umbral < 185-281 Lpc (roca yacimiento de media/baja calidad).
• Tipo de roca 5 (PRT 5): 0.10 < Ri ≤ 0.25 micrones, Presión umbral < 179-542 Lpc (roca yacimiento de baja calidad).
• Tipo de roca 6 (PRT 6): 0.05 < Ri ≤ 0.10 micrones, Presión umbral < 344-995 Lpc (roca yacimiento de muy baja calidad).
• Tipo de roca 7 (PRT 7): Ri < 0.05 micrones, Presión umbral < 996-1898 Lpc (roca sello-no yacimiento).

Seguidamente, para cada tipo de roca se investigó la relación permeabilidad/porosidad. Para esto, se utilizaron las ecuaciones de Winland/Pittman que relacionan la permeabilidad absoluta a la porosidad en función del radio de garganta de poro dominante. La ecuación apropiada puede determinarse a partir de las características de los gráficos uno a uno, donde se compara el “Ri” obtenido de la presión capilar y el “Ri” obtenido por las ecuaciones Winland y Pittman a una saturación de mercurio determinada, con la finalidad determinar la relación de mejor ajuste. Se determinó que la ecuación R55 de Pittman brinda el mayor ajuste a los datos del yacimiento (con un coeficiente de correlación de 0.9769) como se observa en la Figura 7.

PREDICCIÓN DE PERMEABILIDAD.

Hasta acá todo el flujo de trabajo se ha realizado en espacio de núcleo, para poder estimar el radio del poro a lo largo de todo el pozo con la ecuación ya mencionada de R55 de Pittmann se debe disponer de una curva de permeabilidad a lo largo de todo el pozo. Por ende se escogió entrenar un algoritmo de aprendizaje supervisado (Multiresolution based graph clustering MRGC) con los valores del indicador de zona de flujo FZI como dato de entrenamiento y los registros de porosidad, volumen de arcilla, volumen de cuarzo y tiempo compresional del sónico como variables independientes. Es importante destacar que los volúmenes minerales fueron calculados realizando una evaluación multimineral probabilística. Como resultado de esta metodología se logró alcanzar una excelente comparación del FZI de núcleo con el FZI predicho, permitiendo que exista un buen cotejo entre la permeabilidad del núcleo con la permeabilidad derivada del FZI en los dos núcleos, lo cual demuestra la habilidad del modelo de predecir las altas variaciones de permeabilidad que se observan en los núcleos que van desde 0.01 mD hasta 2000 mD, como se observa en la Figura 8. La permeabilidad se relaciona con el indicador de zona de flujo FZI por medio de la relación representada en la Figura 9.

Otro gráfico que permite demostrar la validez de los resultados alcanzados de permeabilidad absoluta es un gráfico 1 a 1 entre el FZI calculado y el FZI de núcleo de las 114 muestras existentes y los resultados son adecuados como se observa en la Figura 10.

DETERMINACIÓN DE LOS TIPOS DE ROCAS PRESENTES A LO LARGO DE TODO EL POZO.

Una vez disponibles los valores de porosidad de registro y la permeabilidad predicha en todo el pozo, se calcula a cada profundidad el radio del poro usando la correlación R55 de Pittmann y se determina a cuál de las 7 clases, establecidas en la figura 6, pertenece. Los resultados finales de la estimación de los tipos de roca a lo largo de los dos pozos con núcleos son mostrados en la Figura 11. El carril 7 muestra la comparación entre el radio de garganta de poro estimado través de la curva de presión capilar a una saturación de mercurio de 55% (puntos negros) y el radio de garganta de poro calculado por la correlación empírica de Pittman R55 (línea rosada). En el carril 8 se observan los 7 Tipos de roca identificados donde el azul oscuro representa la de mejor calidad (Tipo de roca 1), amarillo el Tipo de roca 2, azul claro el Tipo de roca 3, verde claro el Tipo de roca 4, naranja Tipo de roca 5, rojo el Tipo de roca 6, y por último la verde oscuro que representa la roca sello-no yacimiento. Los resultados capturan las heterogeneidades presentes, y están vinculados directamente con las propiedades petrofísicas que impactan la capacidad de almacenamiento y flujo de la roca, en un marco consistente que eliminará cualquier grado de subjetividad en la propagación de los tipos de roca. Por otra parte, tiene como principal limitante el que requiere un set de registros completo para alcanzar los objetivos planteados. Es lógico pensar que un yacimiento complejo requiere integrar toda la información disponible para ser caracterizado. Soluciones simplistas difícilmente capturen toda la heterogeneidad presente.

Conclusiones

• El análisis de la curva de presión capilar y de la distribución de la garganta de poro permitió identificar 7 Tipos de roca, donde el Tipo de roca 1 representa la de mejor calidad (Ri >10 micrones, presiones umbrales menores 3Lpc) y el Tipo de roca 7 se considera sello (Ri < 0.05 micrones, presiones umbrales mayores a 1000 Lpc).
• Mediante la técnica de análisis de clusters utilizando como curvas de entrada la porosidad efectiva (PHIE), volumen de arcilla (Vol_Arcilla), volumen de cuarzo (Vol_Cuarzo) y el registro sónico compresional (DT) fue posible determinar de manera continua el FZI y subsecuentemente la permeabilidad. Este tipo de enfoque basado en modelos no lineales permite modelar la alta complejidad existente
• La correlación empírica de porosidad/permeabilidad de mejor ajuste para la estimación del radio de garganta de poro es la R55 de Pittman.

Para seguir ahondando acerca del maravilloso mundo de la petrofísica y tener acceso a videos relacionados a las últimas tendencias, herramientas y metodologías, visita el canal Youtube #CaracterizacionPetrofisica mediante el siguiente enlace:

https://youtu.be/EG2q9CwHvhs 

 

BIBLIOGRAFÍA.

• Govea, H; Aguilar, C; 2015 “Evaluación petrofísica integrada en un yacimiento apretado de petróleo. Caso de estudio Formación Guasare”, SPE-WVS-706. 3er Congreso Suramericano de Petróleo y Gas.
• Aguilar, C; Govea, H; Rincon, G. 2014. “Hydraulic Unit Determination and Permeability Prediction Based On Flow Zone Indicator Using Cluster Analysis”. Latinamerican Petroleum Congress SPE.
• Salazar, F; Aguilar, C; Govea, H. 2015. “Automated system for rock typing using MICP”. SPE-WVS-568. 3er Congreso Suramericano de Petróleo y Gas.
• Aguilar, C; Romero, E. 2013.”Flow unit determination using FZI and PTR. Core VLE-XX54, Reservoir C-X2 VLE-XX96 area, Block V Maracaibo Lake”. SPE-WVS305. 2nd Oil and Gas Suramerican Congress.
• Aguilar, C. 2019. Artificial intelligence. A future for reservoir rock-tying. University of Oklahoma Magazine.
• Jude O. Amaefule* and Mehmet Altunbay*, Core Laboratories; Djebbar Tiab*, U. of Oklahoma; David G. Kersey and Dare K. Keelan*, Core Laboratories. Paper SPE 26436. Enhanced Reservoir Description: Using Core and Log Data to Identify Hydraulic (Flow) Units and Predict Permeability in Uncored Intervals/Wells.
• Philippe Rabiller, Jean-Pierre Leduc Shin-Ju Ye, (2001). The Iterative Use of Clustering and Modeling to Improve Permeability Prediction.
• Edward D. Pittman, (1992). Relationship of porosity and permeability to various parameters derived from mercury injection- capillary pressure curves for sandstone. The American association of petroleum Geologists.Tulsa Oklahoma.

Imágenes:

• Figura 1. Mineralogía de la formación bajo estudio obtenida por Difracción de rayos X
• Figura 2. Se presenta un gráfico cruzado neutrón-densidad-rayos gamma para los pozos con núcleo mostrando el efecto de la litología. El hexágono naranja evidencia la presencia de siderita, donde la densidad de matriz es mayor de 2.71g/cc, mientras que el cuadrado rojo representa las facies de arenisca.

• Figura 3. Diagrama de flujo para ilustrar los pasos requeridos para determinar tipos de rocas

• Figura 4. Gráfico de presión capilar versus la relación entre la derivada del volumen de mercurio y la presión de mercurio. La línea roja muestra el punto de selección de la presión de conformidad.

• Figura 5. Gráfico de la saturación de mercurio versus presión capilar de la muestra anterior, donde se visualiza la diferencia entre la presión umbral de la data cruda (25 Lpc) versus la corregida por conformidad (179 Lpc).

• Figura 6. Gráfico del radio de garganta poral versus saturación incremental de mercurio para todas las muestras, donde se puede observar la distribución y el radio de garganta de poro predominante.

• Figura 7. Gráfico uno a uno mostrando que la ecuación empírica de Pittman a una saturación de mercurio de 55% presenta el mejor ajuste entre el radio de garganta de poro real versus calculado.

•  Figura 8. Comparación de la permeabilidad (carril 8 - curva negra) y el FZI derivado por el modelo (carril 7 - curva morada) versus los datos de núcleo (círculos negros y rojos) en un pozo con núcleo.

• Figura 10. Gráfico cruzado (X-plot) entre el FZI predicho por el modelo (eje “x”) y el FZI de núcleo (eje “y”).

• Figura 11. Visualización de la estimación del radio de garganta de poro utilizando la correlación empírica (R55) de Pittman (carril 7 - curva fucsia) y la identificación de los 7 Tipos de roca (carril 8) en los dos pozos con núcleo.

ACERCA DE LOS AUTORES:

César Aguilar es un Petrofísico Senior que labora en PDVSA desde el año 2005. Sus principales intereses incluyen la caracterización de yacimientos, registros especiales, y data mining. César posee un postgrado en Caracterización avanzada de yacimientos otorgado por el IFP. El es miembro de la SPE y de la SPWLA.

Hugo Govea es Magister en Geología petrolera. Petrofísico Senior con 14 años de experiencia en Yacimientos Clásticos y carbonáticos en Venezuela, Colombia y México. El es miembro de la SPE y de la SPWLA.

Etiquetas