Simulación de carga líquida y posibles soluciones en pozos de gas No convencional monobore

Abstract

Como bien se sabe, la producción de gas en muchas instancias trae asociada la producción de líquidos, ya sea agua, condensado, o ambos, los cuales deben ser transportados por el gas hasta superficie. Mientras la energía del reservorio sea suficientemente alta, la corriente de gas arrastrará los líquidos sin problemas, sin embargo, cuando ésta empieza a declinar, éstos no pueden ser arrastrados y empiezan a acumularse en el fondo del pozo generando problemas de producción como ahogues, producción intermitente, merma en la producción, etc., a ésta problemática se la denomina Carga Líquida. Este fenómeno puede prevenirse o mitigarse mediante distintas técnicas estudiadas a lo largo del tiempo, como, por ejemplo, espumantes, sarta de velocidad, compresión en superficie, entre otros. Cada una de estas posee sus ventajas y características, tanto técnicas como económicas, por lo que es importante realizar un estudio previo para poder elegir la que asegure mejor performance en cada pozo en particular. Nuestro desafío en este trabajo es poder simular esta problemática, entender sus efectos y poder definir acciones para poder prevenirlos o mitigarlos. Para ello, usaremos el caso real de un pozo de gas no convencional multifracturado que produce desde la Formación Vaca Muerta, del cual disponemos la información necesaria para su análisis, tal como historia de producción, equipamiento de fondo y superficie, gradientes, etc; y en el cual hemos podido evidenciar el fenómeno de carga líquida. A su vez usaremos los softwares de Petroleum Expert: MBAL, GAP y PROSPER en su versión 8.5 que es la que tenemos a disposición, en los que crearemos un modelo integrado de producción que abarca reservorio, pozo y superficie. Asimismo, con este modelo simularemos el efecto que tendría realizar una bajada de sarta de velocidad y colocar compresión en superficie, como posibles alternativas de solución a este fenómeno. Finalmente concluiremos en base a todo el estudio, cual es el grado de acierto del modelo simulado, qué técnica es la que mejor se adaptaría a este pozo y proponer algunas mejoras que podrían aplicarse para realizar pronósticos más precisos.

As is well known, gas production in many instances is associated with the production of liquids, whether water, condensate, or both, which must be transported by the gas to the surface. As long as the energy of the reservoir is high enough, the gas flow will carry the liquids without problems, however, when it begins to decline, they cannot be carried away and begin to accumulate at the bottom of the well, generating production problems such well drowning, intermittent production, reduction in production, etc. This problem is called Liquid Load. This phenomenon can be prevented or mitigated through different techniques studied over time, such as foaming agents, tubing string, surface compression, among others. Each of these has its advantages and characteristics, both technical and economic, so it is important to carry out a prior study to be able to choose the one that ensures the best performance. Our challenge in this work is to be able to simulate this problem, understand its effects and be able to define actions to prevent or mitigate them. For this, we will use the real case of a multifractured unconventional gas well that is produced from the Vaca Muerta formation, for which we have the necessary information for its analysis, such as production history, bottom and surface equipment, gradients, etc.; and in which we have been able to demonstrate the effect of liquid load. At the same time, we will use the Petroleum Expert software: MBAL, GAP and PROSPER in version 8.5, which is the one we have available, in which we will create an integrated production model that covers the reservoir, well and surface. Likewise, with this model we will simulate the effect that a speed reduction and placing compression on the surface would have to do, as possible alternative solutions to this phenomenon. Finally, based on the entire study, we will conclude what is the degree of accuracy of the simulated model, which technique would best adapt to this well and propose some improvements that could be applied to make more accurate forecasts.