La aplicación de recuperación mejorada puede incrementar el factor de recobro en más de un 20% después de aplicar recuperación primaria y secundaria. Para recuperar ese petróleo remanente de los reservorios se puede inyectar fluidos con surfactantes, lo cual está dentro de la recuperación terciaria. En este trabajo, se examina las tensiones interfaciales y superficiales con el uso de cuatro surfactantes comerciales en diferentes concentraciones. Generando curvas para analizar la tensión interfacial entre dos fluidos inmiscibles (agua de inyección con surfactante y petróleo). La investigación se desarrolló en tres fases. En la primera, se analizaron las propiedades del agua (salinidad y concentración de sólidos disueltos), surfactante (pH y el análisis de espectrometría infrarroja) y petróleo (BSW y API). En la segunda fase se midieron las tensiones superficiales (TS) en una mezcla de agua de formación y surfactante a diferentes concentraciones para obtener la concentración micelar crítica (CMC), y en la tercera fase la medición de tensiones interfaciales (IFT) en los dos fluidos inmiscibles. Es decir, una mezcla de agua de inyección, surfactante y petróleo del campo Pindo. Las muestras de fluidos fueron proporcionadas por Petrosud Petroriva. Con los resultados, se procedió a generar curvas de Tensión superficial e interfacial Vs Concentración. El surfactante HALMX152805-2 de tipo no iónico con grupos funcionales de Alquil e Hidróxilo a una concentración del 0.3% en peso, tuvo la mayor reducción tanto en la CMC e IFT.
The lithological interpretation of well logs is a fundamental task in Earth science that can be accomplished with the application of various machine learning algorithms. The current investigation attempts to evaluate the performance of the K-nearest-neighbour Density Estimate (KNN) and K-means cluster analysis methods for predicting lithology in a dataset of logs measured in the siliciclastic reservoir of the Shushufindi Oilfield of Ecuador. The comparison of lithological interpretation is assembled using classical methods, such as qualitative interpretation and density-neutron cross plot. The lithological interpretation results showed that the supervised method KNN has a higher fitting level with the comparison interpretation data (87.3%, 1145 m predicted of 1311.1 m interpreted) than the results of the K-means method (71.6%, 939.7 m predicted of 1311.1 m interpreted). The geological nature of the reservoir creates a level of a discrepancy because of the near geophysical responses between limestone and intermedia grain size rocks. The possibility of controlling this in the KNN algorithm makes it preferable for usage in these types of reservoir lithological interpretation.
En el presente artículo se describe el desarrollo de un programa que permita la estimación de propiedades de Presión, Volumen y Temperatura (PVT) en los pozos del Oriente Ecuatoriano. El prototipo cuenta con la recopilación de correlaciones más adecuadas para crudo Ecuatoriano, visualización y generación de reportes de los pozos que se encuentren perforados sujeta a información geográfica. Como primer punto, es necesario contar con expresiones matemáticas PVT calibradas a datos de laboratorio correspondientes a la arena U inferior del crudo de la región. Para esta parte, la metodología desarrollada constituye la adquisición, procesamiento y ajuste de datos de información de laboratorio, con el fin de obtener un manejo adecuado de los mismos. La aplicación desarrollada proporcionará la estimación de las propiedades PVT del petróleo más acordes a la Cuenca Oriente. En tal virtud, los resultados experimentales podrán ser utilizados en los diferentes cálculos requeridos para la producción de hidrocarburos de la industria local y para la academia permitirá ampliar las fronteras de estudio.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.