| 000 | 02537nmc a2200253 4500 | ||
|---|---|---|---|
| 005 | 20260520010438.0 | ||
| 008 | 260224s xxu | ||
| 100 | 1 |
_aCentineo, Jerónimo _959479 |
|
| 100 | 1 |
_aGalliano, Federico _9767 |
|
| 100 | 1 |
_aGarcía, Fabian _949418 |
|
| 100 | 1 |
_aGodoy, Andrés _960899 |
|
| 100 | 1 |
_aGonzález, Lucas _960900 |
|
| 100 | 1 |
_aJaime, Pablo _960901 |
|
| 100 | 1 |
_aMedda, Fernando _959482 |
|
| 111 | 2 |
_aCongreso de Producción y Desarrollo de Reservas (7mo. : 2019 nov. 5 al 8 : Mar del Plata, Argentina) _959344 |
|
| 245 | 0 | 0 | _aREDISTRIBUCION DE INYECCIÓN EN CAMPOS MADUROS MEDIANTE EL USO DE TECNOLOGÍA BASADA EN "DATA PHYSICS*". YACIMIENTO CERRO DRAGÓN. CUENCA DEL GOLFO SAN JORGE |
| 270 | _a30/09/2022 ; 29/09/2022 | ||
| 300 | _a13 p. | ||
| 520 | _aEl proyecto Zorro se ubica dentro del Yacimiento Cerro Dragón, el mismo está subdividido en nueve bloques producto de fallas principales que delimitan la estructura y la distribución de las rocas reservorios. La mayor parte de la producción de petróleo del proyecto está asociada a la recuperación secundaria. Este trabajo presenta la aplicación de una novedosa tecnología de modelado utilizada en dos de los nueve bloques del proyecto Zorro, con el objeto de optimizar la eficiencia vertical de inyección de agua a través de la redistribución del volumen inyectado para incrementar la producción, reducir los costos de inyección y mejorar el desarrollo de las reservas. Para lograr estos objetivos, se utilizó la tecnología Data Physics (Data Science, Big Data and Machine Learning), que combina la robustez de la física de reservorios con la velocidad del software de manejo de datos. Este proceso de escala continua resuelve un menor número de incógnitas, resolviendo las ecuaciones más rápido en comparación con las técnicas tradicionales de simulación. Este nuevo modelo incorpora datos reales, los cuales se actualizan continuamente permitiendo explorar diferentes escenarios e identificar los planes óptimos de inyección de agua. Dado que esta tecnología honra los principios físicos, provee una predicción a largo plazo y asegura soluciones físicamente reales. Actualmente las recomendaciones resultantes del modelo predictivo han sido implementadas en el campo y el proyecto se encuentra en fase monitoreo y control. | ||
| 773 | _g | ||
| 942 | _cCONGTP | ||
| 999 |
_c195197 _d195197 |
||
| 856 | _uhttps://biblioteca.iapg.org.ar/ArchivosAdjuntos/7CongresoProdDesarrolloReservas2019/Papers/1873.pdf | ||