Professional Documents
Culture Documents
Las herramientas de la simulacin del yacimiento van desde la intuicin y el juicio del ingeniero
hasta complejos modelos matemticos que requieren el uso de computadoras digitales. La pregunta
no es si simular, sino qu herramienta o mtodo utilizar. Este captulo se refiere al modelo numrico
matemtico que requiere una computadora digital. En la edicin de 1987 del Manual de Ingeniera
Petrolera se incluy una descripcin general de los modelos de simulacin del yacimiento, una
discusin sobre cmo y por qu se usan, la eleccin de diferentes tipos de modelos para problemas
de diferentes depsitos y la fiabilidad de los resultados de la simulacin En vista de los supuestos
del modelo y la incertidumbre en los parmetros reservorio-fluido y de descripcin de la roca. Ese
material se omite en gran medida aqu. En cambio, este captulo intenta resumir las prcticas y
tendencias actuales relacionadas con el desarrollo y la aplicacin de modelos de simulacin de
yacimientos.
Los modelos se han referido por tipo, como negro-aceite, composicin, trmico, generalizado o
IMPES, Implcito, Secuencial, Adaptable Implcito, o de una sola porosidad, doble-porosidad, y ms.
Estos tipos proporcionan una base confusa para discutir modelos; Algunos se refieren a la aplicacin
(por ejemplo, trmica), otros a la formulacin del modelo (por ejemplo, implcita), y otros a un
atributo de la formacin de depsito (por ejemplo, doble porosidad). La tendencia histrica, aunque
irregular, ha sido y es hacia el modelo generalizado, que incorpora todos los tipos antes
mencionados y ms. El modelo generalizado, que representa la mayora de los modelos en uso y en
desarrollo hoy en da, ser discutido en este captulo. Las capacidades actuales del modelo,
desarrollos recientes y tendencias sern discutidas en relacin a este modelo generalizado.
Debido a que las m ecuaciones de restriccin para un bloque implican nicamente incgnitas en el
bloque dado, pueden usarse para eliminar las m variables secundarias de las ecuaciones primarias
o de conservacin del bloque n. Por lo tanto, en cada bloque, slo n ecuaciones primarias en n
incgnitas deben ser considerados en discusiones de la formulacin del modelo y el solver lineal.
Las n incgnitas se denotan por Pi1, Pi2, ..., Pin, donde Pin se elige como presin pi sin prdida de
generalidad. Estas variables primarias se pueden elegir como n variables independientes de las
muchas variables disponibles: fracciones de molas de fase y totales, nmeros de mol, saturaciones,
p, y as sucesivamente. Diferentes autores eligen diferentes variables.12-15 Cualquier eleccin
sensible de variables y ordenamiento de las ecuaciones primarias da para cada cuadrcula un
conjunto de n ecuaciones en n incgnitas que es susceptible a la eliminacin gaussiana normal sin
pivotar. La tasa de convergencia (Newton-Raphson) para el clculo del tiempo del modelo es
independiente de la variable elegida; La velocidad del modelo (tiempo de CPU) es esencialmente
independiente de la eleccin de la variable.
Donde MiI es la masa del componente I en el gridblock i, qijI es el caudal interbloque del
componente I desde el bloque vecino j al bloque i, y qiI es un trmino bien. Con la transposicin,
esta ecuacin est representada por fiI = 0, la I ecuacin del gridblock i. Todas las n ecuaciones fiI
= 0 para el bloque se pueden expresar como la ecuacin vectorial Fi = 0 donde fiI es el Ith elemento
del vector Fi. Finalmente, la ecuacin vectorial
Representa el modelo entero, donde el i-simo elemento del vector F es Fi. F es una funcin del
vector N desconocido Pi, donde el elemento escalar I de Pi es PiI. La aplicacin del mtodo de
Newton-Raphson
Los clculos de un timestep consisten en un nmero de iteraciones de Newton (no lineal o exterior)
terminadas por la satisfaccin de los criterios de convergencia especificados. Cada iteracin de
Newton requiere:
(D) Uso de la nueva iteracin Pl + 1 para obtener de la ecuacin 17.1 los moles de cada componente
en el gridblock.
(E) Un destello para dar composiciones de fase, densidades y saturaciones que permiten la
generacin de los coeficientes de matriz A para la siguiente iteracin de Newton
17.1.2 Formulaciones Modelo. Una parte importante del tiempo total de CPU del modelo se pasa a
menudo en la solucin de solucin lineal de la Ec. 17.3. Este tiempo de CPU a su vez refleja las
mltiples operaciones necesarias. La formulacin del modelo tiene un gran efecto sobre la
naturaleza y el gasto de esas multiplicaciones.
Utiliza movimientos de fase, densidades y fracciones molares evaluadas en los bloques de aguas
arriba. Un bloque de rejilla est implcito, por ejemplo, en la variable Sg si se utiliza el nuevo valor
de nivel de tiempo Sgn + 1 para evaluar los trminos de flujo interbloque que dependen de l. El
bloque es explcito en Sg si se usa el antiguo valor de nivel de tiempo nSg.
Si todas las variables pero la presin son explcitas en los trminos de flujo interbloque, entonces
todas las entradas, excepto las de la ltima columna de la matriz n n Aij (j i) son cero (recordar,
la n-sima variable en cada bloque de rejilla, Pin es Presin pi). Esto permite la eliminacin de todas
las variables de no presin y la reduccin del vector Ec. 17.5 a la ecuacin escalar en la presin
solamente:
Donde A es ahora una matriz escalar N N y los vectores P y F tienen N elementos escalares pi y fi,
respectivamente. Las multiplicaciones requeridas en solucin de la presin IMPES Eq. 17.7 son
multiplicaciones escalares, requiriendo una pequea fraccin del trabajo de las multiplicaciones
matriz-matriz y vector matricial de la formulacin implcita. Por tanto, el tiempo de CPU del modelo
por bloque de rejilla por iteracin de Newton para n moderado o grande es mucho menor para la
formulacin IMPES que para la formulacin implcita.
La formulacin adaptativa implcita. El Mtodo Adaptable Implcito (AIM) utiliza diferentes niveles
de implicidad en diferentes bloques. En cada gridblock, cada una de las n variables puede ser
explcita o implcita, independiente de las opciones en otros gridblocks. Las opciones pueden
cambiar de un paso a otro. Esto da como resultado la misma ecuacin AP = -Fl como la formulacin
implcita, excepto que los elementos Aij de la matriz A son matrices rectangulares de tamao
variable. El nmero de filas y columnas en Aij es igual al nmero de variables implcitas en los
bloques i y j, respectivamente; Todas las Aii son matrices cuadradas. El gasto de CPU por iteracin
Newton de un modelo AIM se encuentra entre los IMPES y los modelos implcitos, tendiendo hacia
el primero ya que ms bloques se toman implcitos en la presin slo.
Para un problema dado, los diferentes modelos que utilizan la misma formulacin pueden dar
tiempos de CPU ampliamente diferentes. Por ejemplo, los tiempos de CPU IMPES reportados por
diferentes participantes en el problema de composicin SPE5 de seis componentes difieren en un
factor de ms de 50.
17.1.3 Avances en formulaciones modelo. La formulacin de IMPES fue mejorada por concepto de
volumen relajado, mejor eleccin de variables y clculos de "flash adaptativo".
Volumen relajado. El concepto de volumen relajado se relaciona con los pasos (d) y (e) del clculo
del tiempo establecido previamente. La etapa (d) da la masa de cada componente en el bloque de
rejilla, MI 1 + 1, que a su vez da la composicin global {zI} l + 1. El destellador del paso (e) proporciona
entonces cantidades de fase y densidades que a su vez dan nuevos valores de iteracin Sw, So y Sg.
Estas saturaciones no suman a 1.0 debido a la naturaleza no lineal de la ecologa de conservacin.
17.1. Si las saturaciones se alteran (por ejemplo, dividir cada una por su suma) para satisfacer
exactamente el balance de volumen J SJ = 1, entonces se produce un error de balance de masa
incremental (timestep). Si las saturaciones no se alteran, entonces la masa se conserva pero hay un
error de equilibrio de volumen J SJ - 1. Los autores optaron por conservar la masa y llevar adelante
el error de balance de volumen de iterar a iterar y paso a paso. El balance de volumen que pasa a la
iteracin l + 1 es J SJ = 1 - J SJ l. Esto, en efecto, conserva la masa y el volumen porque no hay
error de volumen permanente o de acumulacin, solo el de la etapa de tiempo dada. Igualmente
importante, no hay necesidad de iterar el error de volumen a una tolerancia "apretada", y las
iteraciones de Newton y la CPU del modelo se reducen. Por el contrario, el procedimiento IMPES
anterior o histrico restauraba las saturaciones para preservar el volumen e iteraba el error de
masa. Debido a que este ltimo error no se llev adelante, se requiri ms iteracin de Newton (y
tiempo de CPU) para mantener el error de equilibrio de masa acumulativo permanente,
tolerablemente bajo.
Este uso de volumen relajado con remanente tambin reduce las iteraciones de Newton y el tiempo
de CPU en la formulacin implcita17.1.3 Avances en formulaciones modelo. La formulacin de
IMPES fue mejorada por conceptos de volumen relajado, 13-15 mejor eleccin de variables y
clculos "adaptativos" de flash. Volumen relajado. El concepto de volumen relajado se relaciona con
los pasos (d) y (e) del clculo del tiempo establecido previamente. La etapa (d) da la masa de cada
componente en el bloque de rejilla, MIl + 1, que a su vez da la composicin global {zI} l + 1. El
destellador del paso (e) proporciona entonces cantidades de fase y densidades que a su vez dan
nuevos valores de iteracin Sw, So y Sg. Estas saturaciones no suman a 1.0 debido a la naturaleza
no lineal de la ecologa de conservacin. 17.1. Si las saturaciones se alteran (por ejemplo, dividir
cada una por su suma) para satisfacer exactamente el balance de volumen J SJ = 1, entonces se
produce un error de balance de masa incremental (timestep). Si las saturaciones no se alteran,
entonces la masa se conserva pero hay un error de balance de volumen J SJ - 1. Los autores13-15
eligieron preservar masa y llevar adelante el error de balance de volumen de iterar a iterar y paso a
paso. El balance de volumen que pasa a la iteracin l + 1 es J SJ = 1 - J SJl. Esto, en efecto, conserva
la masa y el volumen porque no hay error de volumen permanente o de acumulacin, solo el de la
etapa de tiempo dada. Igualmente importante, no hay necesidad de iterar el error de volumen a
una tolerancia "apretada", y las iteraciones de Newton y la CPU del modelo se reducen. Por el
contrario, el procedimiento IMPES anterior o histrico restauraba las saturaciones para preservar el
volumen e iteraba el error de masa. Debido a que este ltimo error no se llev adelante, se requiri
ms iteracin de Newton (y tiempo de CPU) para mantener el error de equilibrio de masa
acumulativo permanente, tolerablemente bajo. Este uso del volumen relajado con el arrastre
tambin reduce las iteraciones de Newton y el tiempo de la CPU en la formulacin implcita.
Esta discusin implica alguna ventaja fundamental de preservar la masa y iterar el error de volumen
en lugar de preservar el volumen e iterar el error de masa. En opinin del autor, esto no es cierto
siempre que el error se lleve a cabo en ambos casos. El requisito de iteracin de Newton y el tiempo
de CPU deben ser similares si se usan tolerancias de error de masa y volumen "equivalentes" como
criterios de convergencia.
Eleccin variable. El lgebra lineal requerida para reducir las n ecuaciones de conservacin de la
cuadrcula a la ecuacin de presin IMPES est influenciada por la eleccin de las variables. La
influencia est ausente para el aceite negro, moderado para el n "moderado" y hasta un factor de
tres para el n grande (digamos,> 15). Las opciones de las fracciones p y mol {zI} o nmeros molares
son mejores que la eleccin de p, las saturaciones y las fracciones molares en fase para n grande. El
efecto de esta variable en el tiempo total de la CPU es a menudo pequeo porque el trabajo afectado
suele ser una pequea parte del tiempo total de la CPU. Esta reduccin IMPES est ausente en la
formulacin implcita y la ltima de las opciones de variables anteriores es discutiblemente
preferible.
Clculos Flash Adaptativos. El trabajo de los clculos flash EOS, incluyendo la generacin de
fugacidad y sus derivados, puede afectar significativamente la eficiencia del modelo cuando el solver
lineal no domina el tiempo total de la CPU. Puede haber poca necesidad de realizar (la mayor parte)
que funcione en un gridblock cuando p y composicin estn cambiando lentamente. El uso de
criterios internos e inteligentes que dicten cundo se necesita ese trabajo puede reducir
significativamente el tiempo de CPU del clculo del flash total. Esto es similar en principio a la
seleccin AIM de variables explcitas para bloques de rejilla que estn inactivas con respecto a la
relacin de rendimiento.
17.1.4 Criterios Estables de Tiempo y Cambio. Este tema se relaciona con la observacin de que un
tiempo de respuesta ms bajo puede aumentar los beneficios de un estudio del yacimiento asignado
a un perodo presupuestado. Como corolario, el tiempo pasado en repetidas carreras que combaten
las inestabilidades del modelo o el paso del tiempo es contraproducente. Si bien muchos factores
afectan a este tiempo de ejecucin, siempre es igual al producto (tiempo / paso de la CPU)
(nmero de temporizadores). El primer factor es "grande" y el segundo "pequeo" para la
formulacin implcita, y por el contrario para la formulacin IMPES. IMPES es una formulacin
condicionalmente estable que requiere que t <t * para evitar oscilaciones y crecimiento de error,
donde t * es el mximo tiempo estable. La estabilidad condicional se deriva del tratamiento
explcito de las variables de no presin en los trminos de flujo interbloque. Los matemticos
realizaron anlisis de estabilidad para ecuaciones de diferencias de coeficiente constante que
guardan algn parecido con IMPES. Los autores en nuestra industria extendieron y aplicaron sus
resultados para derivar expresiones para t *, en particular,
Para el caso 3D negro-aceite de flujo de gas / petrleo. Esto demuestra que el paso estable t *
depende de los caudales, la movilidad de fases y los derivados de la presin capilar, que por
supuesto varan con el tiempo y de un bloque de rejilla a otro. Por lo tanto, en un instante de tiempo
determinado, hay valores de paso estables dependientes del bloque t * i, donde 1 <i <N, y el paso
estable IMPES es Min (i) t * i. Un modelo IMPES que utiliza esta etapa estable establecida
internamente funcionar estable pero puede sufrir del principio del enlace ms dbil. Como ejemplo
extremo, considere un problema de 500.000 gridblock donde, durante un perodo de 100 das, el
valor t * i es de 0,01 da para un bloque y de> 30 das para todos los otros bloques. El modelo
IMPES requerir 10.000 timesteps durante el perodo de 100 das.
En la formulacin AIM, el paso estable t * i depende del nmero e identidades de las variables
elegidas explcitas en el bloque i; Tericamente, t * i = si todas las variables del bloque i se eligen
implcitamente. En el ejemplo anterior, todas las variables de no presin podran ser implcitas en el
bloque donde t * i = 0.01 y explcita en todos los dems bloques. El modelo AIM requerira entonces
que el tiempo / paso de la CPU no fuera esencialmente mayor que el modelo IMPES, pero requerira
slo tres tiempos para el periodo de 100 das. Numerosos trabajos abordan el problema de
determinar expresiones para el t * i para su uso interno como criterio de conmutacin para
seleccionar variables de bloque como explcitas o implcitas en el modelo AIM. Los anlisis de
estabilidad involucrados son complejos y pueden ser impracticemente complejos cuando se permite
que la opcin de variable implcita vs. explcita incluya todas las permutaciones (en nmero e
identidad) de las n variables. Los modelos AIM ms fiables y eficientes en el futuro se derivarn de
la investigacin continua que conduce a lo siguiente: (a) estimaciones de t * i que son "precisas",
y (b) opciones implcitas contra variables explcitas, bloque por bloque, que son Casi ptima y
minimizar el tiempo total de la CPU, (tiempo / paso de la CPU) (nmero de pasos).
Una bsqueda bibliogrfica y discusiones con numerosos desarrolladores y usuarios no han logrado
establecer un consenso sobre si el preacondicionamiento NF o ILU es mejor. Algunos son fuertes
partidarios de un mtodo y otros apoyan de manera inflexible al otro. Pero muchos encuentran,
como este escritor, que el mejor mtodo depende del problema y es difcil encontrar un indicador
confiable a priori para hacer una eleccin inicial. En la experiencia del escritor, (a) cuando NF
funciona bien, es ms rpido que los mtodos ILU, (b) RBILU (0) sin restriccin residual es con
frecuencia la mejor de las variantes de ILU y una buena opcin por defecto, y (c) en En algunos casos,
la restriccin residual global con el mtodo ILU o RBILU es beneficiosa.
17.1.6 Redes cartesianas y definicin del yacimiento. Durante muchos aos, la simulacin emple
rejillas cartesianas ortogonales. En los ltimos 15 aos, numerosos artculos han descrito el
refinamiento de la red local y varias redes no cartesianas, como se discute en la seccin Griding.
Estos trabajos muestran que las rejillas no-cartesianas pueden reducir los efectos de la orientacin
de la rejilla y proporcionar definicin y precisin cerca de pozos, fallas, reas altamente
heterogneas, y as sucesivamente ms eficientemente que las rejillas cartesianas. La premisa de
que las rejillas cartesianas no pueden proporcionar la precisin requerida de manera eficiente en
estos aspectos ha llegado a ser aceptada como un hecho. Adems, los avances en geofsica han
llevado a la descripcin geoestadstica de la permeabilidad y la porosidad en una escala fina una vez
inimaginable.
Cada vez ms, nuestros trabajos incluyen ejemplos que usan miles de cuadrculas para patrones de
dos o pocos pozos, en parte para reflejar estas descripciones geoestadsticas. El propsito de esta
seccin es mostrar, con algunos ejemplos, que las rejillas cartesianas pueden proporcionar una
precisin adecuada y una definicin de depsito y de pozo cercano en algunos casos, incluso sin
refinamiento local de la red. No se pretenden generalizaciones a partir de los ejemplos utilizados.
En su mayor parte, los ejemplos se toman de la literatura.
SPE10 (Modelo 2) es un problema de agua / petrleo 3D con una red geoestadstica de 1.122
millones de clulas. Algunos gruesos grid presents incluyeron sofisticadas tcnicas de upscaling y
grid, sin pseudo-apreciacin de permeabilidad relativa y cuadrculas de 4.810 a 70.224 bloques.
Otros usaron el upscaling simple basado en flujo a redes gruesas cartesianas de 75 a 2.000 bloques
con cambios moderados de kr. En general, estas ltimas presentaciones mostraron el mejor acuerdo
con la solucin de rejilla fina. Numerosos trabajos muestran que las rejillas no cartesianas pueden
reducir significativamente los efectos de la rejilla-orientacin de las rejillas cartesianas. Sin embargo,
la mayora de los ejemplos utilizados para estudiar esos efectos son desplazamientos de movilidad
altamente adversos en depsitos horizontales homogneos. En reservorios con movilidad fluida
ms normal, el movimiento del lquido areal es ms fuertemente afectado por la heterogeneidad y
/ o fuerzas de gravedad asociadas con la estructura del reservorio (inmersin variable), y los efectos
de la orientacin de la rejilla tienden hacia un efecto de segundo orden. Como ejemplo, el depsito
de agua / aceite SPE10 (Modelo 2) es altamente heterogneo. Figura. 17.6 compara resultados de
campo de cinco y nueve puntos para una rejilla cartesiana escalonada de 28 55 85. El estrecho
acuerdo indica una ausencia de efectos de la orientacin de la red aunque la relacin de viscosidad
aceite / agua es 10 y no hay ninguna inmersin.
Ejemplo 17.1. La Tabla 17.2 da los datos para el Ejemplo 17.1, un problema de de cinco puntos,
de pozo vertical. Figura. 17.7 muestra dos cuadrculas centradas en bloques (a) y (b) usadas para
este tipo de problema. Los bloques de cuatro pozos ms pequeos de la celdas (b) proporcionan
una definicin de pozos ms fina y presumiblemente aumentan la precisin de los resultados.
Figura. 17.8 muestra los resultados idnticos para 10 10 celda (a) y 11 11 celda (b). Los resultados
son casi idnticos para la cuadrcula 5 5 (a) y la cuadrcula 6 6 (b), y la Fig. 17.9 muestra una
diferencia insignificante entre los resultados de la cuadrcula 3 3 (a) y 4 4 (b). La cuadrcula (b)
duplica la cuadrcula (a) IMPES ejecuta el tiempo de CPU pero no aporta mayor precisin. Los efectos
de los ndices bien no son importantes aqu.
Cuando lo son, se puede hacer una sola fase monofsica para determinar el factor de correccin del
ndice para los pozos de rejilla (a) situados en las esquinas de sus bloques de rejilla
Figura. 17.10 muestra un pequeo efecto del refinamiento de la rejilla en los resultados del Ejemplo
17.1 para las cuadrculas de 20 20 a 3 3. Los resultados indican poca necesidad de mejorar la
definicin de casi pozo por rejillas no estructuradas o por refinamiento de rejilla (global o local) 3
3 para este problema.
Ejemplo 17.2. Se muestra que las rejillas no cartesianas flexibles reducen significativamente el
nmero requerido de cuadriculas. Se proporcion un ejemplo de conizacin de agua / aceite en un
pozo horizontal en un depsito homogneo de 600 300 230 m. Los resultados fueron: (a) se
requiri una cuadrcula cartesiana de 25.823 bloques 31 17 49 para obtener una solucin
convergente, y (b) una rejilla no estructurada CVFE 3D de 2.066 bloques dio resultados correctos.
La Tabla 17.3 da los datos del Ejemplo 17.2, un problema similar. La Fig. 17.11 compara los
resultados del Ejemplo 17.2 para las cuadrculas cartesianas de 60 31 48 y 10 7 9. Los
resultados de la cuadrcula gruesa cartesiana de 630 bloques coinciden tambin con los resultados
cartesianos de grano fino de 60 31 48, ya que los resultados de CVFE de 2.066 bloques reportados
coinciden con los resultados de las cuadrculas finas cartesianas 31 17 49.
Se argumenta que las rejillas no cartesianas definen los lmites irregulares del yacimiento de manera
ms eficiente que las rejillas cartesianas. Esto no es necesariamente cierto. Durante ms de 30 aos,
muchos modelos han utilizado la codificacin de bloques activos. Mientras que la rejilla cartesiana
se extiende ms all de los lmites a los bloques inactivos numerosos, esos bloques inactivos son
cados por el modelo y no requieren ningn almacenaje de la computadora o CPU. Estos numerosos
bloques inactivos plantean un problema slo para los modelos, si los hay, que no utilizan la
codificacin de bloques activos.
17.2 Solucionador Lineal - John Wallis y J.W. Vatios
El solucionador de ecuaciones lineales es un componente importante en un simulador de reservorio.
Se utiliza en el paso de Newton para resolver las ecuaciones diferenciales discretas no lineales
discretizadas. Estas ecuaciones describen balances de masa sobre los componentes individuales
tratados en el modelo. Para los problemas no isotrmicos, se aade un equilibrio de energa al
sistema. El problema de la matriz implica resolver Ax = b, donde A es tpicamente una matriz dispersa
grande, b es el vector del lado derecho, y x es el vector de incgnitas. En la formulacin de IMPES,
existe una sola presin desconocida por clula. En la formulacin totalmente implcita, hay un
nmero fijo n de incgnitas por clula donde n 2. En la formulacin implcita adaptativa, hay un
nmero variable de incgnitas por clula. En la mayora de las formulaciones, la presin es un
desconocido para cada clula. La matriz A tpicamente tiene asociadas ecuaciones de restriccin de
pozo y variables de pozo y puede dividirse en el bloque 2 2 como
Si A es grande, la solucin de las ecuaciones matriciales es imprctica usando mtodos directos tales
como la eliminacin gaussiana debido al almacenamiento de la computadora oa los requerimientos
de tiempo de la CPU. La solucin iterativa basada en la proyeccin sobre los subespacios de Krylov
se utiliza tpicamente. Estos subespacios de Krylov son espacios atravesados por vectores de la
forma p (A) v, donde p es un polinomio. Bsicamente, estas tcnicas se aproximan A-1b por p (A) b.
Los mtodos comnmente utilizados para construir p (A) b son Orthomin y GMRES. Ambos mtodos
minimizan la norma residual sobre todos los vectores en el intervalo {b, Ab, A2b, ..., Am - 1b} a la
iteracin m. Deben producir resultados idnticos. Desde un punto de vista prctico, no importa qu
se utilice.
Una tcnica conocida como precondicionamiento puede mejorar tanto la eficiencia (velocidad en
un problema tpico) como la robustez (capacidad de resolver una amplia gama de problemas por lo
menos razonablemente bien) de Orthomin o GMRES. El preacondicionamiento implica transformar
el sistema de matriz original en uno con la misma solucin que es ms fcil de resolver. Por regla
general, la robustez de la
Es mucho ms dependiente del preacondicionamiento que del acelerador de subespacio Krylov
especfico utilizado. El preacondicionador M es una matriz que se aproxima a A, y tiene la propiedad
de que los sistemas lineales de la forma M x = b se resuelven fcil y econmicamente. Para la
mayora de los solucionadores lineales se resuelve el siguiente sistema preacondicionado:
El algoritmo precondicionado ORTHOMIN (k), que retiene los ltimos k A-vectores de direccin
ortogonal, est dado por
Los otros precondicionadores de uso comn son las factorizaciones triangulares / triangulares
inferiores incompletas de la matriz, o ILU (n), donde n es el nivel de relleno que se retiene durante
el proceso de eliminacin. El rendimiento de estos se puede mejorar mediante el uso de una orden
de tablero de ajedrez rojo-negro (tambin llamado ordenacin D4) de los nodos. El ordenado rojo-
negro en una rejilla de cinco puntos (en 2D) o de siete puntos (en 3D) conduce a la eliminacin
directa de las incgnitas en los glbulos rojos, dejando un sistema que contiene solamente las
incgnitas en las clulas negras. El resultado es una reduccin a la mitad del nmero de incgnitas.
Un preacondicionador de ILU que usa ordenamiento rojo-negro con relleno cero en el sistema
reducido se denomina RBILU (0) y es la forma ms frecuentemente utilizada de ILU.
En los modelos IMPES, ya sea sin errores o fallos verticales, RBILU (0) o ILU (1) combinados con
correcciones aditivas de lnea z, convergen tpicamente muy rpidamente. NF tambin se puede
utilizar eficazmente en casos que implican fallas verticales y pinchouts porque la matriz retiene la
estructura requerida por NF. Las fallas no verticales interrumpen la estructura de la matriz, lo que
hace atractivas las rdenes rojo-negro. En los modelos que los contienen, ILU es el mtodo de
eleccin. Las discretizaciones de nueve puntos tambin causan problemas para los ordenamientos
rojo-negro, pero no causan ninguna dificultad para NF.
NF y RBILU (0) se utilizan comnmente en modelos implcitos. Otro enfoque muy efectivo explora
el hecho de que la presin es la variable "rgida". El mtodo Combinative45 o CPR44 es un
preacondicionamiento de dos pasos que extrae una ecuacin de presin de la matriz implcita.
Resuelve iterativamente una correccin de presin en cada iteracin, utiliza la correccin de presin
para formar un nuevo residuo, aplica un preacondicionamiento implcito de bajo costo como la
escala diagonal o la lnea Gauss-Seidel al nuevo residuo, y luego usa la suma de los dos pasos como
La solucin aproximada. En los modelos de composicin, este mtodo de dos pasos puede ser
mucho ms rpido que los mtodos de un solo paso.
Muchos modelos incluyen ecuaciones de restriccin de pozos que agregan presiones de pozo al
conjunto de incgnitas. Una manera simple pero efectiva de tratar estas ecuaciones es ordenarlas
primero en la matriz global y luego eliminar las presiones de los pozos a partir del conjunto de
incgnitas. En esta eliminacin aproximada, cualquier trmino de relleno se suma en columna o se
suma en fila en la diagonal principal de la matriz del yacimiento, que luego se toma en cuenta
utilizando NF. El problema de la matriz del depsito se resuelve iterativamente y las variables del
pozo se obtienen por sustitucin posterior.
En la eleccin de una rejilla para la simulacin del yacimiento intervienen dos aspectos relacionados:
la exactitud con que se compara la descripcin geolgica del yacimiento y la discretizacin de las
ecuaciones de flujo. En un esquema clsico de diferencias finitas, los valores de los puntos de las
presiones y las saturaciones se utilizan como variables de solucin y los operadores diferenciales
que aparecen en las ecuaciones de flujo de fluido se pueden expandir como expresiones de
diferencia de estos valores de punto a algn orden. Un enfoque alternativo es utilizar un mtodo
integral de diferencias finitas o de volumen finito en el que las ecuaciones de flujo de fluido se
integran en un conjunto de volmenes de clulas. Esto produce un conjunto de ecuaciones en las
que las condiciones de conservacin de masa para el fluido en los volmenes de las celdas de
simulacin estn relacionadas con los flujos a travs de las interfaces entre esos volmenes de
clulas. Las propiedades de la roca tales como la porosidad se asumen constantes sobre la clula o
el volumen controlado. Esto produce un esquema de discretizacin que es conservador (cada salida
de una clula es una entrada a otra) y para la cual el fluido en su lugar puede obtenerse
directamente. Las ecuaciones de conservacin de masas para un paso temporal de T a T + T se
convierten en:
Donde Vpa es el volumen de poro de la celda a, mca es la densidad del componente conservado c
en la celda a, Qca es la tasa de inyeccin o de produccin del componente c debido a los pocillos y
Fcpab es el caudal del componente c en la fase p de la clula A a su vecino b. En general, los flujos
Fcpab pueden implicar los valores de solucin de un nmero de clulas, el nmero de clulas
implicadas que definen la plantilla del esquema numrico. La dependencia de la presin lineal de
los flujos dada por la ley de Darcy conduce a una expresin del tipo:
Mcpax es la movilidad del componente c en la fase p para la contribucin al flujo entre a y x, dada
por xcp. Krp / p, donde xcp es la concentracin del componente c en la fase p, Krp es la
permeabilidad relativa de la fase p, y p es la viscosidad de la fase p. Esto se establece a menudo a
un valor ascendente de la movilidad, dependiendo del signo de la diferencia de potencial. pax es
la diferencia de potencial de la fase p entre la celda a y la celda x, que incluye contribuciones de
presin, gravedad y presin capilar:
Cuando se requieren valores de solucin de otras clulas, el flujo toma una forma multipunto.
Existen otras opciones para la discretizacin, como elementos finitos de Galerkin y elementos finitos
mixtos. A veces es posible emitir una discretizacin de Galerkin de elementos finitos en la forma
basada en la transmisibilidad ascendente.
17.3.2 Redes cartesianas regulares. Una cuadrcula 3D simple es la cuadrcula cartesiana normal
(Fig. 17.12). Las clulas en tal rejilla pueden identificarse simplemente usando sus valores de ndice
(i, j, k). A cada uno de los elementos de la rejilla se le asignar un nico valor de permeabilidad o
porosidad. En este caso, es posible obtener el valor de transmisibilidad como una media armnica:
17.4.7 Escalamiento global. Estrictamente, el campo de presin a escala fina se debe determinar
para toda la cuadrcula geogrfica simultneamente para calcular permeabilidades efectivas
"exactas" para las clulas de flujo. En el pasado, sin embargo, esto ha sido demasiado CPU-intensivo
para ser realizado en la prctica. Con la introduccin de nuevos y prometedores algoritmos de
solucin como el mtodo de mnimos cuadrados de salida (OSL), los esquemas globales de upscaling
ahora pueden ser realizados. En el documento de Holden y Nielsen, el mtodo OSL se utiliza para
minimizar la diferencia de presin, as como la velocidad, entre las rejillas geo y de flujo en un
proceso iterativo. Debido a que el consumo de CPU del solver de ecuaciones aplicado es
proporcional al nmero de celdas geo, una solucin global utilizar aproximadamente la misma
cantidad de tiempo computacional que la suma de todos los clculos locales. Por lo tanto, el nuevo
esquema global de upscaling es tan rpido como cualquier mtodo local.
17.6.4 Tipos de modelos acoplados. Los modelos acoplados pueden ser totalmente acoplados (es
decir, todas las incgnitas resueltas simultneamente) o modulares (simulador de reserva y cdigo
de tensin). En este ltimo caso, se pueden utilizar diferentes estrategias de acoplamiento, con
consecuencias para la velocidad y exactitud de marcha. La mayora de los modelos acoplados usan
un simulador convencional de reservorios de diferencias finitas acoplado con un simulador de
esfuerzos de elementos finitos (FEM). Sin embargo, se han hecho intentos para desarrollar cdigos
FEM totalmente acoplados, y se implement una geomecnica completamente acoplada en un
modelo comercial usando una solucin de tensin de diferencia finita.
Acoplamiento unidireccional. Los cambios de presin y temperatura se pasan del cdigo del
depsito al mdulo de geomecnica, pero no se pasa informacin sobre la base del tiempo. La
geomecnica no mejora la solucin de flujo, pero el modelo puede ser til para las predicciones de
la estabilidad del pozo para la perforacin intercalada, las presiones de fracturacin, etc. El ajuste
manual de las "tablas de compactacin" es posible manualmente a travs de reinicios. Tales
soluciones acopladas manualmente del problema de tensin (en intervalos de tiempo) o
acoplamiento unidireccional se usaron a menudo en el modelado acoplado temprano. El mtodo
puede ser satisfactorio cuando el sistema de fluido de depsito es altamente compresible (es decir,
en depsitos de gas), pero puede conducir a errores cuando la porosidad est fuertemente acoplada
al flujo.
17.7.2 Flash de dos fases. Una vez establecido que existen dos fases en una celda, se debe realizar
un clculo de flash. El clculo del destello utiliza los moles totales n y la composicin molar zi para
determinar las cantidades molares de cada fase (ng y no), y las composiciones de fase (yi y xi). Para
modelos simples de valores de K dependientes de la presin, se utiliza el procedimiento de
Rachford-Rice150, 151 (RR) para encontrar cantidades molares y composiciones,