[Orador 1]: Hola a todos. Estamos aquí de nuevo para continuar con el segundo vídeo de este Módulo 2 de este curso de simulación de reservas. Hoy continuaremos estudiando diferentes casos de simulación para comprender completamente las fuerzas activas principales en la reserva. Empezaremos con un ejemplo de presiones capilares y otro sobre las fuerzas viscosas. El último ejemplo que os mostraré hoy será sobre el número de células y el tiempo computado. Empecemos con el primer ejemplo. El estudio del caso es exactamente lo mismo que el del vídeo anterior. El modelo tiene 750 células y tres diferentes capas. La capa en la parte superior tiene las mejores propiedades petrofísicas y solo hay dos fases definidas, aceite y agua. Las curvas de la primalidad relativa y la presión capilar son iguales. La saturación de aceite residual, la saturación de agua irreducible y la presión capilar son más bajas en la capa superior que en las otras dos capas. Primero de todo, expliquemos qué es la fuerza capilar y cómo se puede calcularla. Cuando introducimos una capilar en cualquier fluido, el fluido dentro de la capilar experimenta una fuerza superior. Esta fuerza se expresa como un producto de la tensión interfacial de los dos fluidos multiplicado por la cohesión del ángulo de contacto entre la interfaz líquida y la superficie sólida multiplicado por la red de capilar. Por otro lado, también podemos calcular estas fuerzas a la presión hidrostática debido al peso de la columna. Esto significa la área del capilar, el aumento del fluido en la presión capilar, en vez de la gravedad, en vez de la densidad delta entre los fluidos. Arreglando los términos obtenemos la ecuación número uno para calcular el aumento del capilar. Podemos calcular la presión en el punto B como la presión en el punto C menos el peso de la columna debido al agua. De la misma manera, es posible calcular la presión en el punto A como la presión en el punto E menos el volumen de la columna debido al aceite. Suponiendo que la presión en el punto C y la presión en el punto E son iguales, podemos substituir la presión en el punto A por la presión en el punto B, obteniendo la ecuación número 2. La presión de Calperi puede ser definida como la presión en la fase no húmeda menos la presión en la fase húmeda. Reemplazando la ecuación número uno en la ecuación número dos, obtenemos una expresión de la presión capilar que depende de la tensión interfásica, el coseno del ángulo de contacto y la radiosidad capilar. Habiendo revisado el concepto de la fuerza capilar, empecemos con el ejemplo. Esta vez modificaremos el caso de base y multiplicaremos la presión capilar 10 veces en el segundo modelo y 100 veces en el tercer modelo. Para crear estos modelos, tenemos que modificar sólo la sección de propiedades. Como se puede ver desde el perfil de saturación, al principio del modelo con mayor presión capilar tiene una saturación más baja, con una saturación de agua reducible muy alta. Después de tres años, podemos ver cómo la superficie del agua viaja en los labios de baja permeabilidad, incluso más rápido que en el labio de alta permeabilidad. Esto es debido a la acción de la fuerza capilar. Como se puede ver, la mayor es la presión capilar, la más rápida es la frontera de agua. Después de 5 años de simulación, en los modelos de presión capilar más altos, las áreas de botón están casi deshidratadas. Lo contrario ocurre en el caso básico. Después de 10 años de simulación, sólo hay un poco de aceite deshidratado en la parte superior. Ahora, analicemos en detalle esta situación. Como se puede ver en el plato de factor de recuperación, el caso azul con presión de capilar más alta tiene una recuperación más baja. Observando el otro plato, podemos ver que instantáneamente un corte de agua muy alto desde el principio debido a las fuerzas capilares. Como he dicho antes, presiones de capilar más altas generan una saturación de aceite más baja y un despliegue de agua más rápido con cortes de agua más altas. Con el siguiente ejemplo, analizaremos el efecto de las fuerzas viscosas. Para entender el comportamiento de las fuerzas viscosas, primero necesitamos saber qué es la movilidad. La movilidad de una fase es definida como la primedad relativa de esta fase dividida por su viscosidad. Si queremos calcular el ratio de movilidad entre dos fases diferentes, solo tenemos que dividir la movilidad de una fase por la otra. Un ratio de movilidad menos o igual a uno significa que tenemos un desplazamiento instable. El frente de la fase de desplazamiento está en equilibrio con la fase de desplazamiento, teniendo un desplazamiento muy eficiente similar a un pistón perfecto. Por otro lado, si el ratio de movilidad es más alto que uno, podemos asumir un desplazamiento inestable. Esto significa que el frente de la fase de desplazamiento no está en equilibrio con la fase de desplazamiento, llevando a un retraso de agua más rápido, usualmente llamado fingering o coning. Vamos a establecer el siguiente ejemplo. El caso de base tiene una permanencia relativa al agua y al aceite de 0,55 y 0,9 y la viscosidad de 0,8 y 2 centímetros respectivamente. El segundo modelo tiene las mismas propiedades pero con una viscosidad de aceite cinco veces mayor que el caso de base. En el tercer caso, añadiremos el polímero para viscosar el agua hasta 12.5 veces la viscosidad original. Si calculamos el ratio de movilidad de cada uno de los modelos, podemos observar que el caso base es un desplazamiento inestable, el caso segundo es un desplazamiento muy inestable y el caso tercero es un desplazamiento inestable. Para crear estos modelos, tenemos que introducir modificaciones en la sección de RASPEC, PROC y SCHEDULE. Como podemos ver en el perfil de saturación después de tres años, en el segundo modelo, el desplazamiento del aceite es muy ineficiente debido a la alta viscosidad del aceite comparado con el agua. En el tercer modelo, podemos ver que a pesar de la alta viscosidad del aceite, con el polímero podemos modificar el razonamiento de movilidad y mejorar la superfecuencia. Después de cinco años de simulación, todavía hay un montón de aceite bipaiso en el segundo modelo. Por otro lado, el tercer modelo todavía muestra un desplazamiento muy eficiente. Al final de la simulación, después de 10 años, el segundo modelo recién recuperó el aceite y el tercer modelo casi completó su proceso. Analicemos en más detalle este comportamiento de estos modelos en este ejemplo. Como podemos ver en el plato de factores de recuperación, el caso amarillo con un desplazamiento muy inestable tiene el factor de recuperación más bajo. Esto es debido a la mayor movilidad del agua comparada con el aceite. En el plato de corte de agua, podemos observar que hay un recorrido de agua muy rápido, con un aumento rápido del corte de agua en el tiempo debido al efecto de cuchillo y cónica del agua. Observando el caso de roca con la inyección de polímero para viscosificar el agua, podemos obtener un factor de recuperación similar como el mejor caso, a pesar de esta viscosidad de aceite más alta. Habiendo terminado estos ejemplos para estudiar las fuerzas activas principales en el reservatorio, vamos a construir el último ejemplo de este módulo para estudiar el efecto del número de células en el tiempo de competencia. El caso base tiene un número total de 750 células, con dimensiones de 50 células en X, 1 célula en Y y 15 células en Z. En el segundo modelo, corremos el caso base en casi 5 veces en X y Z direcciones, para obtener un total de 36 células. Para el tercer modelo, refinaremos el caso base multiplicando el número de células por 5 en X y Z direcciones. para obtener un total de 18.750 células. Necesitaremos modificar las regiones y la sección de planificación para crear estos modelos. Como se puede ver en el perfil de saturación, después de tres años de simulación, el modelo del curso no tiene un comportamiento claro debido a la cantidad de células. Por otro lado, el comportamiento del modelo de base y el modelo refinado son muy similares. Después de cinco años, todavía es imposible analizar el comportamiento del modelo de Kors. Por otro lado, el caso de Best y el caso de Refine todavía son muy similares. A finales de la simulación, después de 10 años, todavía sucede lo mismo que en los otros tiempos. El modelo de Kors sin ninguna definición e imposible de analizar el caso y los otros dos modelos con un comportamiento casi idéntico. Vamos a analizar en detalle el último ejemplo. Como se puede ver en el Recurso Factor Plus, la caja amarilla con el modelo de Kors tiene una recuperación similar a la de los otros casos, pero un poco más baja. Sin embargo, si comparamos la evolución del corte de agua, la caja amarilla con el modelo de Kors tiene un breakthrough de agua temprano comparado con los otros. Esto es debido a algo que se llama dispersión numérica, que ocurre cuando los celdos muy grandes se ponen en lugar. Por otro lado, es muy fácil ver que los otros dos casos son casi idénticos en términos de recuperación y evolución de Watercat. Ahora analizamos el tiempo de computación. Como se puede ver en el gráfico, el mayor es el número de células, el mayor es el tiempo de computación. Sin embargo, si comparamos el caso básico y el caso del curso, el tiempo de computación no fue muy diferente. Si recordamos la comparación entre el comportamiento de los modelos, el caso base y el caso refinado eran casi idénticos, pero con un tiempo de computación mayor para el caso refinado. Al final, la lección aprendida de este ejemplo es que necesitamos lograr un equilibrio entre el tiempo de computación y la resolución para optimizar el tiempo de computación. Con todos estos ejemplos llegamos al final del módulo número 2. Espero que lo hayan disfrutado. Muchas gracias por su atención y espero verlos pronto. Adiós.