| Journal: | Boletín de geología - Universidad Industrial de Santander |
| Database: | PERIÓDICA |
| System number: | 000456886 |
| ISSN: | 0120-0283 |
| Authors: | Felipe Lozano, Andrei1 Juliao Lemus, Tatiana2 Pérez, Edgar Ricardo2 Obando Yaguas, Ayerim Antonieta2 |
| Institutions: | 1Universidad Industrial de Santander, Escuela de Geología, Bucaramanga, Santander. Colombia 2Ecopetrol S.A., Centro de Innovación y Tecnología, Piedecuesta, Santander. Colombia |
| Year: | 2022 |
| Season: | Ene-Abr |
| Volumen: | 44 |
| Number: | 1 |
| Pages: | 161-171 |
| Country: | Colombia |
| Language: | Español |
| Document type: | Artículo |
| Approach: | Analítico, descriptivo |
| Spanish abstract | Los yacimientos no convencionales (roca generadora) representan una nueva etapa en la exploración y explotación de petróleo y gas a nivel mundial, y su caracterización petrofísica sigue siendo un desafío, debido a las bajas permeabilidades, los altos niveles de heterogeneidad y la dificultad de adaptación de las técnicas convencionales. La petrofísica digital surge como una alternativa que aprovecha los últimos avances en la microscopía electrónica, la tomografía computarizada y el procesamiento computacional para, a través de métodos numéricos y algoritmos de conteo de vóxel, estimar las propiedades petrofísicas en lo que se denomina un modelo de roca digital. En este trabajo se realiza una revisión de las técnicas de caracterización digital y su aplicación en muestras de yacimientos no convencionales pertenecientes a la Formación Vaca Muerta (Argentina) y Formación La Luna (Colombia). Con esta tecnología es posible visualizar el espacio poroso a escala micro- y nanométrica, con el fin de obtener información cualitativa (tipos de poro y microfracturas) y cuantitativa (porosidad, permeabilidad absoluta, distribución de tamaño de poro, cantidad de materia orgánica y propiedades petrofísicas avanzadas). Los resultados obtenidos indican que las muestras FIB-SEM se encuentran por debajo del volumen elemental representativo y que las muestras digitales con mayores dimensiones, aunque más representativas, requieren de una mayor capacidad computacional. El escalamiento de las propiedades petrofísicas, la falta de conectividad del medio poroso y la baja representatividad son las principales limitantes presentes en la tecnología. Sin embargo, su potencial aumenta conforme la inteligencia artificial, la simulación y el machine learning toman fuerza en la industria del petróleo |
| English abstract | Unconventional deposits (source rock reservoirs) represent a new stage in the exploration and exploitation of oil and gas worldwide, and their petrophysical characterization continues to be a challenge due to low permeabilities, high levels of heterogeneity, and the difficulty of adapting conventional techniques. Digital petrophysics emerges as an alternative that takes advantage of the latest advances in electron microscopy, computed tomography, and computational processing to estimate petrophysical properties using numerical methods and voxel counting algorithms in what is called a digital rock model. This work carries out a review of digital characterization techniques and their application to unconventional reservoir samples belonging to the Vaca Muerta Formation (Argentina) and La Luna Formation (Colombia). With this technology, it is possible to visualize the porous space on a micro and nanometric scale to obtain qualitative information (types of pores and microfractures) and quantitative information (porosity, absolute permeability, pore size distribution, organic matter content, and advanced petrophysical properties). The results obtained indicate that the FIB-SEM samples are below the representative elementary volume and that digital samples with larger dimensions, although more representative, require greater computational capacity. The upscaling of petrophysical properties, the lack of connectivity of the porous medium, and the poor representativeness are the most important limitations of using this technology. However, its potential increases as artificial intelligence, simulation, and machine learning techniques gain strength in the oil and gas industry |
| Disciplines: | Geociencias |
| Keyword: | Mineralogía, petrología y geoquímica, Técnicas microscópicas, Yacimientos de roca generadora, Esquistos, Petrofísica digital, Física digital de rocas |
| Keyword: | Mineralogy, petrology and geochemistry, Microscopic techniques, Source rock reservoirs, Shale, Digital petrophysics, Digital rock physics |
| Full text: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
