Estimación de inyección en reservorios para Pan American Energy
"El proyecto busca optimizar el proceso de history matching en yacimientos petroleros mediante el uso de inteligencia artificial, reduciendo tiempos de simulación y costos operativos. El caso de estudio corresponde a la cuenca del Golfo San Jorge, operada por Pan American Energy, donde se aplic...
Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | Proyecto final de grado |
| Lenguaje: | Español |
| Publicado: |
Instituto Tecnológico de Buenos Aires (ITBA)
2026
|
| Materias: | |
| Acceso en línea: | https://hdl.handle.net/20.500.14769/5259 |
| Aporte de: |
| Sumario: | "El proyecto busca optimizar el proceso de history matching en yacimientos petroleros mediante el uso de inteligencia artificial, reduciendo tiempos de simulación y costos operativos. El caso de estudio corresponde a la cuenca del Golfo San Jorge, operada por Pan American Energy, donde se aplica recuperación secundaria por inyección de agua.
Inicialmente se implementó el modelo Capacitance-Resistance Model (CRM) con la librería PyWaterflood, pero fue descartado por la falta de datos de inyección por capa. Ante esta limitación, se desarrolló una propuesta alternativa basada en redes neuronales, donde se entrenó un modelo de aprendizaje supervisado utilizando variables estáticas y dinámicas de los pozos para estimar la producción.
Aunque no se obtuvo una solución final completamente ajustada, el trabajo permitió identificar patrones de productividad por capa, sentar las bases para futuros modelos híbridos y demostrar el potencial de las redes neuronales para acelerar el history matching y mejorar la toma de decisiones en la gestión de yacimientos". |
|---|