COMPORTAMIENTO PROBABILÍSTICO DE LAS VARIABLES DEL

YACIMIENTO

Autor: Yesid Camilo Trujillo Chavarro

El ingeniero de yacimientos y de producción para realizar estudios de producción necesita

realizar ajustes de parámetros de caudales de producción y condición energética del sistema.

Como el yacimiento es muy heterogéneo por presentar variación en las propiedades de la roca y

propiedades de sus fluidos, es necesario realizar métodos probabilísticos que permitan evaluar un

rango de valores para la obtención de distintos escenarios y seleccionar los 3 casos mas

importantes; Pesimista, mas probable y optimista. Estos casos desde el punto de la estadística se

darían en percentiles, donde el caso pesimista seria en el percentil 10 (P10), el caso mas probable

en el percentil 50 (P) y el caso optimista con un percentil de 90 (P90).

Los modelos probabilísticos se dividen en 2 tipos, la primera es la distribución de

probabilidad donde aparece variables aleatorias mediante las cuales se estudia el proceso

aleatorio, y el segundo es el proceso estocástico donde aparecen variables aleatorias mediante las

cuales se estudia el proceso aleatorio, pero indexadas por el tiempo u otro parámetro.

Una distribución de probabilidad es un modelo matemático que se utiliza para representar

fenómenos aleatorios estacionarios, con relaciones independientes y en el cual, las variables

aleatorias que sirven para representar el fenómeno aleatorio bajo estudio no aparecen como

1
función del tiempo. Para realizar un modelo probabilístico es necesario tener los siguientes

parámetros.

 Parámetro de localización

 Parámetro de escala

 Parámetro de forma

 Parámetro de desplazamiento

Para facilitar la comprensión del comportamiento del yacimiento se hace un estudio

probabilístico a las variables más importantes en el área de producción. Existen dos tipos de

probabilidad, la objetiva y subjetiva. La probabilidad objetiva hace referencia a las variables del

campo que se pueden obtener de manera experimental en forma de muestras y se pueden

determinar a partir de un estudio en el laboratorio y/o recopilación de datos del campo, mientras

que la probabilidad subjetiva hace referencia a las variables que presentan un rango de

incertidumbre por la ausencia de datos recolectados de forma experimental, obtenidos a partir de

la opinión de un conocedor del tema.

Según el tipo de función que presente la distribución probabilística, los parámetros de las

funciones matemáticas que se utilizan para las variables de yacimientos y producción se

clasifican en 4 tipos. 1. Distribución uniforme, 2. Distribución triangular, 3. Distribución normal

y 4. Distribución Lognormal.

La distribución uniforme es la más simple de todas las distribuciones, en donde se asume que

todas las variables aleatorias presentaran la misma probabilidad. El modelo matemático para este

1
modelo probabilístico se basa en el cálculo del área de un rectángulo donde el área de todo el

rectángulo representa la probabilidad del 100%. Para el calculo de la probabilidad de obtención

de cierto valor del parámetro estudiado se aplica la siguiente ecuacion.

𝑥 = 𝑉𝑚𝑖𝑛 + 𝐴𝑙(𝑉𝑚𝑎𝑥 − 𝑉𝑚𝑖𝑛 ) Ecuacion 1.0.

Donde la letra “V” representa los valores del parámetro estudiado, “Al” un número aleatorio

(probabilidad) y “x” representa la variable que se puede encontrar con este modelo. En la

universidad nacional de Colombia realizaron una tesis en donde aplican el modelo probabilístico

uniforme.

La distribución triangular es el modelo utilizado para expresar la incertidumbre en los proyectos

de inversión, basándose en la figura de un triangulo que depende de un valor mínimo, valor

máximo y un valor modal. En este modelo se divide en 2 partes el triángulo, donde el primer

triangulo tiene como base el valor mínimo y valor modal, y el segundo triangulo tiene como base

valor modal y valor máximo. Para el cálculo de la probabilidad de obtención de cierto valor del

parámetro estudiado se aplica las siguientes 2 ecuaciones.

Triangulo 1. 𝑥 = 𝑉𝑚𝑖𝑛 + √𝐴𝑙(𝑉𝑚𝑜𝑑𝑎𝑙 − 𝑉𝑚𝑖𝑛 )(𝑉𝑚𝑎𝑥 − 𝑉𝑚𝑖𝑛 ) Ecuacion 2.0.

Triangulo 2. 𝑥 = 𝑉𝑚𝑎𝑥 + √(1 − 𝐴𝑙)[(𝑉𝑚𝑎𝑥 − 𝑉𝑚𝑜𝑑𝑎𝑙 )(𝑉𝑚𝑎𝑥 − 𝑉𝑚𝑖𝑛 )] Ecuacion 3.0.

Según Cristian David en su articulo publicado para el análisis probabilístico de productividad,

las variables que se usan en el modelo uniforme y modelo triangular son la presión del yacimiento

1
y factores volumétricos. Estas variables presentan estos tipos de modelos por el alto grado de

dificulta para la obtención de los datos a partir de pruebas de campo, por lo que son obtenidos por

medio de la opinión de un experto generando cierto grado de incertidumbre.

Cuando el tamaño de las muestras para el estudio de la porosidad y permeabilidad son

pequeñas en comparación al tamaño del yacimiento completo, los valores de estas variables

tienden a tener una distribución uniforme. Pero al realizar el estudio con muestras de un mayor

tamaño se observa que los datos de porosidad efectiva obtenidos presentan mayor uniformidad,

dando a entender que esta propiedad de la roca depende de las características del medio poroso y

se ve afectada por los cambios de volumen. Por lo que los datos de la porosidad efectiva y de la

permeabilidad al presentar estas características, la distribución probabilística para estas dos

propiedades petrofísicas será del tipo normal o Lognormal, ya que se concentrará en un solo

valor varias muestras estudiadas.

Ecuacion 4.0.

Ecuacion 5.0.

1
 La ecuacion anterior es la forma general de una distribución de probabilidad normal para la

porosidad y permeabilidad, tomando en cuenta un “n” numero de muestras. Para los valores de la

porosidad, estos deben tener un rango entre 0 y 1 y el valor del área bajo la curva es de 1.

Cuando se realiza una extensión de la distribución normal para dos variables aleatorias

(porosidad y permeabilidad), en esta función los parámetros µø 𝑦 µ𝑘 son las medias estadísticas

de estas variables. En esta función para poder correlacionar la porosidad con la permeabilidad en

la distribución normal de Gauss, se hace uso de un factor de correlación “ρ” el cual tiene las

siguientes propiedades.

1. Cuando 𝜌 = 0, no hay ninguna relación entre las dos variables.

2. Cuando 𝜌 = 1 o 𝜌 = −1, se tiene una relación lineal positiva o negativa.

Utilizando las ecuaciones 4 y 5 y haciendo uso del factor de correlación para unir las dos

variables en una sola función de distribución normal, da como resultado la siguiente ecuacion.

Ecuacion 6.0.

El comportamiento Lognormal se presenta mas que todo en la permeabilidad en medios porosos

fracturados, debido a que presenta valores anormales en comparación con otros medios. En el

artículo presentado por Cristian David muestran que propiedades como el espesor, presión de

cabezal y GOR son susceptibles a ser ajustados a una curva de distribución normal.

1
 Los modelos probabilísticos son muy importantes a la hora de poder realizar un estudio de la

producción y poder evaluar posibles escenarios que permitan determinar cuales son los datos que

me permitan obtener resultados pesimistas, resultados mas probables y resultados optimistas. Para

la realización de estos resultados se hace uso de softwares que realizan múltiples iteraciones con

una gran cantidad de números aleatorios que crea distintos escenarios a partir de datos

probabilístico de cada variable, es por eso que es importante seleccionar la distribución

probabilística adecuada a cada parámetro a estudiar.

A la hora de realizar las iteraciones para el estudio se recomienda realizar bastantes iteraciones,

ya que, entre mas corridas haga el software más preciso serán los resultados obtenidos.

BIBLIOGRAFIA

(1) Javier de la Torre Ibáñez. Distribución de Probabilidad de las Reservas Petroleras de la

Región Sur. Tesis de pregrado, 2007. Universidad Nacional Autónoma de México.

(2) German Jesús Galindo. Medios porosos como distribuciones de probabilidad. Tesis de

pregrado, 2013. Universidad Nacional Autónoma de México.

(3) Cristian Madrid. Análisis probabilístico de productividad. Portal del petroleo. Recuperado

de: http://www.portaldelpetroleo.com/2011/08/analisis-probabilistico-de.html

(4) Carlos J. Zapata. Análisis probabilístico y simulación. Pereira, Colombia, 2010.