ACIPET Consideraciones en la aplicación de la petrofísica ... · Los yacimientos no...

ACIPET

Consideraciones en la aplicación de la petrofísica digital en yacimientos en roca generadora

Autor(es): A. F. Lozano, Universidad Industrial de Santander, E. R. Perez Ecopetrol, A. A. Obando Ecopetrol, T. Juliao Ecopetrol

Categoría: Marque con una “X”

Artículo Técnico X

Tesis Pregrado

Tesis Posgrado Derechos de Autor 2019, ACIPET Este artículo técnico fue preparado para presentación en el Congreso Colombiano del Petróleo organizado por ACIPET en Bogotá D.C. Este artículo fue seleccionado para presentación por el comité técnico de ACIPET, basado en información contenida en un resumen enviado por el autor(es).

Resumen 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 microscopia electrónica, la tomografía computarizada y el procesamiento computacional para a

través de métodos numéricos y algoritmos de conteo de voxel, estimar las propiedades petrofísicas en lo que se denomina un modelo

de roca digital. En este trabajo, se presentan los factores más importantes a tener en cuenta a la hora de aplicar esta tecnología desde el

tipo de imágenes digitales adquiridas con FIBSEM y Micro-CT, el procesamiento (limpieza de artefactos) y segmentación hasta la

interpretación de los resultados obtenidos con software especializados. 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 y cantidad de materia orgánica). Los resultados obtenidos indican que las

muestras FIBSEM se encuentran por debajo del volumen elemental representativo y que las muestras de Micro-CT aunque más

representativas, requieren de una mayor capacidad computacional. El escalamiento de las propiedades petrofísicas, la falta de

conectividad y la baja representatividad son las limitantes más importantes 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.

2 A. F. LOZANO, UNIVERSIDAD INDUSTRIAL DE SANTANDER, E. R. PEREZ, A. A. OBANDO, T. JULIAO ECOPETROL ICP

Introducción Las rocas presentes en los yacimientos no convencionales se caracterizan por su alta complejidad, baja porosidad (1-15%) y

permeabilidad (< 1 mD) y por la magnitud micro y nanómetrica (tamaño de grano < 6 micras) de sus estructuras1. Lo anterior dificulta

la caracterización de la roca a nivel petrográfico y petrofísico, puesto que muchos de los instrumentos tradicionales, fueron diseñados

para trabajar con muestras de mejor calidad. La petrofísica digital surge como una alternativa que permite extraer información

petrofísica a partir de la adquisición de imágenes digitales de la roca en cuestión. Históricamente, las dos limitantes principales que

impedían el desarrollo de esta tecnología eran la capacidad de producir imágenes en alta resolución y la habilidad de ejecutar

operaciones de cómputo a una alta velocidad2. Hoy día existen instrumentos que escanean digitalmente en alta resolución y clusters

computacionales que permiten ejecutar procesos de simulación en tiempos que son económicamente viables. En consecuencia, desde

el año 2007, proliferan compañías y universidades que ofrecen soluciones digitales al servicio de la industria petrolera.

Las técnicas de imagen de mayor potencial en la generación de modelos 3D de roca digital son; la tomografía computarizada o Macro-

CT, la microtomografía o Micro-CT y la microscopía electrónica de barrido SEM3. Por cuestiones de resolución, las dos primeras

técnicas (Macro y Micro CT) se aplican con mayor frecuencia en el análisis de rocas convencionales y para el análisis de roca

generadora, con el fin de visualizar el medio poroso, se utiliza la microscopía de electrones y/o iones (FIBSEM, BIBSEM y HIM) en

lugar de la tomografía de rayos X puesto que las técnicas tipo SEM, sí proveen de imágenes con una resolución nanométrica. Aunque

ya existen nano-tomógrafos en el mercado que alcanzan una resolución nano escala (p ej. 30- 40 nm por píxel), estos no visualizan el

medio poroso de la roca generadora en su totalidad y, por lo tanto, se utilizan principalmente en el monitoreo de la evolución de la

materia orgánica en condiciones variables de temperatura4, 5, estudio de laminaciones y caracterización de fracturas naturales6.

La microscopía tipo BIB- SEM (Broad Ion Beam) permite realizar un desbastado inicial utilizando iones de argón para obtener

superficies lo suficientemente lisas como para poder diferenciar adecuadamente las diferentes fases (minerales, porosidad y materia

orgánica) presentes en la muestra a analizar7. Estas superficies son más representativas (tipo mosaicos) en el análisis de yacimientos

en roca generadora pero solo proveen una cuantificación bidimensional8. Aunque no es completamente necesario aplicar está técnica

en la petrofísica digital de roca generadora, su implementación facilita la selección de zonas de interés en alta resolución y

proporciona información adicional que puede ser utilizada durante la aplicación de metodologías de escalamiento de los resultados

obtenidos.

El FIB-SEM (Focused Ion Beam) utiliza iones de galio para generar una erosión de superficie y posterior composición de imágenes en

un stack volumétrico digital9, el cual es utilizado para extraer a través de un proceso de segmentación/binarización, el medio poroso de

la roca generadora en cuestión. Es una de las técnicas de imagen más aplicadas en el estudio de rocas no convencionales tipo shale

debido a su aporte en la obtención de mineralogía (posibilidad de generar mapas mineralógicos en tiempo real con la implementación

de múltiples detectores EDS), diferenciación adecuada de fases minerales (análisis de imágenes BSE), caracterización cualitativa

(análisis de imagen SE) y cuantitativa (aplicación de algoritmos de conteo de vóxel) de la porosidad de la roca.

Además, los últimos avances en física digital de rocas permiten la generación de modelos de red de poro (PNM por sus siglas en

ingles), segmentación de fase porosa y microporosa, para alimentar modelos de propiedades petrofísicas especiales, como lo es la

estimación de la permeabilidad relativa, presión capilar por inyección de mercurio, propiedades eléctricas (factor de formación) y

térmicas (conductividad termal) entre otras.

En este trabajo, se analiza una muestra (prisma rectangular) de FIBSEM de la formación Vaca Muerta y una Micro-tomografía (mini-

plug) de la formación Wilcox Sandstone. La primera corresponde a una roca generadora tipo lutita y la segunda a una arenisca

apretada (ambas formaciones han sido explotadas mediante la implementación de fracturamiento hidráulico). Se analizan las

limitantes encontradas y las consideraciones a tener en cuenta al momento de aplicar esta tecnología con el fin de extraer información

petrofísica a partir de imágenes digitales. Hay que resaltar que la microtomografía NO permite evaluar la porosidad de una roca

generadora pero sí permite obtener información sobre la distribución de las fases minerales, laminaciones y fracturas y otra

información adicional que puede ser utilizada en el desarrollo de metodologías de escalamiento, En otras palabras, la micro-

tomografía es más efectiva en el análisis digital de rocas convencionales (no requiere escalamiento puesto que se trabaja con modelos

digitales representativos) pero coopera en la provisión de información adicional útil en el escalamiento de propiedades petrofísicas en

rocas no convencionales.

Muestras utilizadas Se utilizaron dos muestras proporcionadas por el portal digital de rocas (Digital Rock Portal por sus siglas en inglés) de la universidad

de Texas at Austin, una perteneciente a la formación Vaca Muerta en Argentina (Muestra VM10) y otra perteneciente a la formación

Wilcox Sandstone en Estados Unidos (Muestra WS11) (ver Figura 1). Adicionalmente se utilizó un software de procesamiento y

simulación de imágenes proporcionado por Ecopetrol.

3 CONSIDERACIONES EN LA APLICACIÓN DE LA PETROFÍSICA DIGITAL EN YACIMIENTOS EN ROCA GENERADORA

Figura 1. Visualización tridimensional de las muestras utilizadas. La Muestra VM se compone de 600 imágenes de FIBSEM a una resolución de 2.5

x 2.5 x 2.5 nm por pixel y la muestra WS se compone de 900 imágenes de Micro-CT a una resolución de 2.7 x 2.7 x 2.7 um.

En la Figura 2, se observa la distribución de intensidad de píxel de cada una de las muestras. En la Figura 2a, la muestra VM presenta

una distribución con 4 modas, relacionadas a las 4 fases principales presentes en la muestra. La presencia de varias modas en la

distribución facilita la discretización a través de un algoritmo de binarizado. Lo anterior se aprecia en la Figura 3, en donde los bordes

entre la materia orgánica y la porosidad relacionada a la materia orgánica se encuentran bien definidos. Además, en la fase de alta

densidad, es posible diferenciar zonas de mayor densidad registrada, las cuales están representadas por un color rojizo más fuerte. Por

el contrario, la muestra WS, presenta una distribución unimodal (ver Figura 2b), esto dificulta el procesamiento de la muestra y su

posterior segmentación. Por esta razón, se observa una mayor variación en las tonalidades dentro de una misma fase (ver Figura 4).

Figura 2. Intensidad de píxel de cada muestra.


Figura 3. Dos rangos de intensidad de vóxel para la muestra Fm Vaca Muerta.

Figura 4. Dos rangos de intensidad de vóxel en la muestra Fm Wilcox.

Metodología La metodología implementada (ver Figura 5) consiste primeramente en adquirir el material digital, imágenes o secciones seriales de la

muestra de roca no convencional, en segundo lugar, se identifica el formato de imagen (p ej. TIFF, RAW, PNG; DICOM) para tener

una idea de la calidad de los datos y el recurso computacional requerido para el procesamiento de la data. Posteriormente se realiza un

análisis siguiendo los lineamientos propuestos por Loucks y otros12 para identificar los tipos de porosidad presente y los posibles

errores o artefactos de imagen provocados durante el desbastado iónico con argón o galio en el caso de una adquisición con FIBSEM,

BIBSEM o efectos por endurecimiento del haz de rayos X en el caso de datos adquiridos con tomografía computarizada. De acuerdo

con el tipo de ruido y demás artefactos identificados, se aplican filtros como el Non-Local-Means y el filtro medio utilizando un

módulo de procesamiento de imagen (Fiji/ImageJ, JMicroVision, scripts de procesamiento de imagen en MATLAB u otro software

comercial). Posteriormente se aplica una segmentación automática (Método Threshold) y manual (Método Watershed) para separar las

fases minerales y el medio poroso. Los detalles del funcionamiento de los métodos de segmentación se describen ampliamente en

Kaur y Kaur13. Una vez realizada la segmentación, se cuantifican las fases presentes en porcentaje, y a partir del espacio poroso y la

materia orgánica ya segmentada, se cuantifica la tasa de transformación aparente siguiendo el método propuesto por Walls y

Morcote14. Posteriormente, modificando el medio poroso de tal forma que, cada vóxel sea estrictamente cúbico (con el fin de formar


un volumen finito), se implementan diversos solucionadores para estimar las diferentes propiedades petrofísicas (p ej. Lattice

Boltzmann LBM y Stokes solver EJ para el cálculo de permeabilidad absoluta). Los detalles y el fundamento teórico de la mayoría de

solucionadores presentes en la tecnología, se describen ampliamente en los trabajos de Andra y otros15. Estos algoritmos de

simulación se encuentran disponibles en diferentes simuladores comerciales de ingeniería asistida por computadora (p ej. Ansys CFD,

Abaqus, COMSOL Multiphysics, Exa, Nastran, OpenFOAMm, Geodict, etc). Por último, se realiza una interpretación y análisis de

los resultados obtenidos.

Figura 5. Metodología utilizada en la extracción de información petrofísica a partir de imágenes digitales.

Discusión y consideraciones encontradas Cada una de las etapas incluidas en la caracterización digital de una roca no convencional es diferente puesto que la naturaleza de la

muestra (tipo de shale o arenisca apretada) y las condiciones de adquisición (tipo de microscopio, tomógrafo, operario) varían con la

localización geográfica. Por ende, los requisitos y problemas a solucionar en cada etapa tienen un carácter personalizado. A

continuación se mencionan las consideraciones encontradas y las diferentes opciones de solución a problemas que pueden ocurrir al

momento de aplicar la física digital en la obtención de propiedades petrofísicas específicamente en rocas no convencionales.

Tamaño y formato de imagen. La primera consideración a tener en cuenta a la hora de aplicar la petrofísica digital en rocas no

convencionales es el tamaño y formato de la data (imágenes a procesar). Se recomienda utilizar imágenes en formato TIFF o RAW ya

que estos formatos conservan mucha de la información originalmente obtenida por los detectores. Sin embargo, un stack (imágenes

apiladas para formar un compuesto tridimensional) de este tipo, tiende a tener un gran tamaño computacional (100 MB-10GB) lo que

impacta el tiempo de procesamiento y el tipo de máquina que se utiliza para extraer las propiedades petrofísicas a partir de la imagen.

El peso computacional del modelo digital dependerá de la resolución y el número de imágenes que conforman el stack. Normalmente,

un intervalo de tomografía médica (Macro-CT) de un core de 3 pies puede contener 1500 imágenes aproximadamente en formato

DICOM, un mini-plug de Micro-CT procesado de 3 mm de longitud y 2mm de diámetro puede estar compuesto de 600 imágenes en

formato RAW. Los cubos o primas rectangulares de FIBSEM se encuentran en el rango de 300 a 1000 imágenes digitales típicamente

en formato TIFF. El formato de las imágenes escaneadas puede variar y no depende de la técnica o instrumento de adquisición. En

cuanto a la interpretación de las imágenes, es necesario tener en cuenta que la tomografía computarizada visualiza diferencias en

densidad (coeficiente de atenuación de los rayos X normalizado a número CT) y que la microscopía electrónica, dependiendo del tipo

de imágenes adquiridas, BSE o SE puede obtener información del número atómico o información relacionada a los cambios de

superficie en la muestra16. En las imágenes BSE, los tonos más blancos o brillantes, están relacionados a materiales con mayor número

atómico, y en las imágenes tipo SE, los tonos blancos están relacionados a características abruptas de superficie como imperfecciones

o zonas puntiagudas que generan una mayor emisión de electrones (ver Figura 6). Por tal razón, durante la segmentación de fases

minerales, es preferible utilizar imágenes BSE, y para la segmentación del medio poroso, imágenes SE.


Figura 6. Comparación de imágenes tipo BIB-SEM en modo BSE y SE de una muestra de shale colombiana. Poros en la imagen SE se observan

totalmente oscuros. La imagen B define un mayor porcentaje de porosidad 2D.

Revisión y calidad de la información. En segundo lugar, es necesario revisar la calidad de la data obtenida, en ocasiones, las

imágenes producidas con FIBSEM pueden contener material mineral depositado en poros y/o en las esquinas de la muestra, lo que

reduce la porosidad observada, además, también es posible encontrar artefactos por acumulación de carga electrostática en zonas de

baja conductividad. En general, las rocas son malas conductoras de la electricidad y por eso se utilizan recubrimientos de oro, platino,

cromo (con la ayuda de los inyectores de gas y propiamente el haz de electrones incluido en el microscopio), con el fin aumentar la

conductividad de la muestra y de esta manera, reducir la intensidad de este artefacto. El efecto de cortinas (curtaining effect), causado

por el desbastado iónico es más visible en las imágenes SE que en las imágenes BSE, sin embargo, esas líneas u ondulaciones de

superficie pueden afectar el procesamiento y la posterior segmentación de la imagen. Una forma de atenuar este artefacto de imagen

producido por el FIBSEM tiene que ver con la reducción del voltaje de adquisición. Sin embargo, conforme se reduce el voltaje

aplicado, la intensidad de la señal detectada para formar un píxel disminuye también, lo que genera imágenes opacas.

En el caso de la tomografía computarizada, uno de los artefactos mas comunes se denomina “beam hardening”, lo que traduce

endurecimiento del haz, este artefacto es producto de la absorción desigual de los rayos X de menor energía17. Idealmente, se debe

utilizar una fuente de rayos X monocromática, pero esto solo se consigue en instalaciones sincrotrónicas. Los tomógrafos comunes

producen un haz policromático que genera todo un espectro de energía que permite la generación de este artefacto. Para detectar el

grado de afectación de este artefacto es necesario aplicar un método de binarización tipo thresholding progresivamente a lo largo de la

imagen en busca de segmentación preferencial hacia los bordes y/o segmentaciones inconsistentes sobre material relativamente

homogéneo (intensidad de pixel similar).

Otra forma de lidiar con los artefactos de imagen consiste en la aplicación de diversos filtros que promedian la intensidad de vóxel con

los vóxeles vecinos. Hay que tener en cuenta que, de acuerdo con los parámetros y el tipo de filtro implementado, este puede

ocasionar deformaciones en la imagen y/o difuminación indeseable en los bordes entre otros, por lo anterior, se recomienda variar los

parámetros y si es necesario, combinar filtros hasta conseguir la mayor atenuación de artefactos posible buscando obtener también, la

menor afectación posible en los bordes que enmarcan el espacio poroso de la roca en cuestión. En caso tal de tener artefactos difíciles

de eliminar con filtros tradicionales como es el caso del artefacto por sobrecarga electrostática, se recomienda realizar la corrección

durante la etapa de segmentación.

Segmentación y discretización de fases. La segmentación es el proceso de separación de fases a través de métodos que pueden ser

manuales o automáticos. Los métodos automáticos, como el interactive thresholding, permiten obtener un binarizado rápido siempre y


cuando la muestra se encuentre libre de ruido y sin presencia de artefactos de imagen. De no poderse eliminar la totalidad del ruido y/o

artefactos durante el procesamiento de la muestra, se recomienda utilizar métodos mixtos semi automáticos como el algoritmo

watershed, la segmentación textural con machine learning o totalmente manuales para corregir bordes y capas internas de tal forma

que se tenga un control del material que la automatización está segmentando equivocadamente.

Este proceso es indispensable en la aplicación de la petrofísica digital puesto que cualquier afectación u modificación del espacio

poroso segmentado tiene un impacto directo en los resultados petrofísicos obtenidos mediante algoritmos de conteo de voxel o la

aplicación de métodos numéricos para estimar propiedades petrofísicas. En la Figura 7, se observa el resultado de la segmentación de

la muestra VM.

Figura 7. Aplicación del filtro Non-Local-Means, segmentación de la muestra Vaca Muerta utilizando Thresholding + Watershed, El recuadro

contiene la cuantificación de las fases presentes en la muestra.

Estimación de la porosidad 3D y variación de porosidad 2D. Una vez completado el proceso de segmentación (separación de fases

minerales y espacio poroso), se prosigue con el conteo de vóxeles segmentados en el espacio poroso para obtener una porosidad

tridimensional de la muestra digital. Si se trabaja con muestras FIBSEM de baja resolución (mayor a 20 nm por pixel), el dato de

porosidad tendrá una mayor incertidumbre debido a la regularización de los bordes del medio poroso en la imagen.

Con el fin de identificar anomalías de adquisición por parte del instrumento en muestras con errores de imagen o de evaluar el grado

de heterogeneidad presente en la muestra, además del cálculo de porosidad 3D, se estima también una porosidad bidimensional a lo

largo de las 300-1000 imágenes que componen el cubo o prisma rectangular de FIBSEM (ver Figura 8). Este proceso puede aplicarse

de igual forma en muestras de Micro-CT teniendo en cuenta que, para el estudio de yacimientos no convencionales, la técnica no

puede visualizar la totalidad de los poros debido a su baja resolución.

Esta porosidad 3D calculada, corresponde a la porosidad total del modelo de roca digital, sin embargo, hay que tener en cuenta que las

simulaciones de permeabilidad, difusión y conductividad eléctrica se realizan solamente a lo largo de la porosidad que está


interconectada. En cuanto a la conectividad del espacio poroso digital, es importante mencionar que la resolución de la imagen a lo

largo del eje z o dirección de adquisición siempre es menor, puesto que corresponde al ancho del haz iónico de corte. Si la muestra

presenta gargantas con radios menores a la resolución en z de la adquisición, una porción considerable de la conectividad de la roca se

pierde en el modelo digital puesto que la segmentación del medio poroso queda incompleta por falta del reconocimiento de zonas

conectadas en la dirección de adquisición o eje z. En tal caso, es necesario realizar una corrección manual de la segmentación o

disminuir el volumen de análisis y de esta forma, poder incrementar la resolución con el fin de recuperar conectividad.

Figura 8. Estimación de porosidad 3D y porosidad 2D en cada imagen que compone el modelo digital. Muestra VM.

Simulación de propiedades petrofísicas. Existen diferentes métodos numéricos y software que simulan diferentes propiedades

petrofísicas, en el caso de permeabilidad absoluta, el más utilizado es el método de volúmenes finitos, el cual toma cada voxel

presente en el medio poroso segmentado con anterioridad, como un volumen finito en donde resolver las ecuaciones de Stokes. Una

vez resuelto el sistema, se obtienen los valores de caudal y diferencial de presión, los cuales son utilizados, para hallar la

permeabilidad a partir de la aplicación de la Ley de Darcy 18,19. El método de Lattice Boltzmann, es otro método numérico utilizado en

la actualidad para simular la dinámica de los fluidos. Se diferencia de los demás en que simula el comportamiento del fluido a nivel

microscópico, es decir, representa el fluido como un conjunto de partículas que chocan entre sí y la densidad del fluido se simula a

partir de un modelo de transmisión-relajación de aquellas partículas20. Este método presenta menos complejidad en cuanto a su

programación y acoplamiento en software FEA y puede realizar cálculos en computación paralela20, esto le permite aprovechar mejor

el recurso computacional. Existen otros solucionadores que resuelven más propiedades como la Ley de Fick para el cálculo de la

difusión molecular y la Ley de Ohm para el cálculo del factor de formación. Los detalles teóricos de su funcionamiento pueden ser

consultados en los trabajos de Saez y otros21 y Lemaitre y otros22. En la tabla 1, se muestran los resultados obtenidos para la muestra

VM.

Simulación

Permeabilidad absoluta Difusión molecular aparente Factor de formación aparente

Presión input 130000 Pa Concentración input 1711 mol.m^-3 Voltaje input 1 V

Presión output 100000 Pa Concentración output 0 mol.m^-3 Voltaje output 0 V

Viscosidad del fluido 0.001 Pa.s Difusividad bulk 1 m^2.s^ -1 Conductividad eléctrica 0.0001 S.m^-1

Dirección de simulación y Dirección de simulación y Dirección de simulación y

K absoluta obtenida 8.28e-07 d Difusión molecular aparente 0.029 m^2.s^ -1 Factor de formación aparente 74.95

Tabla 1. Resultados obtenidos en el medio poroso de la muestra VM.

Las muestras digitales obtenidas a partir de la tomografía de rayos X y FIBSEM, normalmente presentan menor resolución a lo largo

del eje z (p ej. Muestra VM, resolución 2.5 x 2.5 x 5 nm) esto dificulta y en ocasiones imposibilita la aplicación de un algoritmo de

simulación. El eje z, es el eje o dirección en la cual se adquieren las imágenes. Por lo anterior, se recomienda reducir el tamaño de

voxel de tal forma que, los vóxeles sean cubos y no prismas rectangulares (p ej. Muestra VM, resolución 2.5 x 2.5 x 2.5 nm), esta


alteración del vóxel genera una reducción del módelo de roca digital en esa dirección. En la figura 9 y 10, se muestra diferentes etapas

de procesamiento, segmentación y resultados de las simulaciones realizadas en la muestra VM y WS respectivamente.

Figura 9. Subvolumen procesado de FIBSEM de Muestra VM. (a) Espacio poroso segmentado y conectado. (b) Líneas de flujo representando el

resultado de la simulación de la permeabilidad absoluta. (c) Representación de la difusión molecular a lo largo de un (1) slice. (d) Representación del

factor de formación a lo largo de un (1) slice.

Figura 10. Miniplug y sub-volumen procesado de Micro-CT de muestra WS. (a) Data original renderizada. (b) Selección y

segmentación de la región de interés. (c) Recorte y aislamiento de la región de interés. (d) Aplicación de algoritmo de simulación,

estimación de la permeabilidad absoluta vertical= 706.89 mD en 27,785 iteraciones.

Caracterización de la materia orgánica. Una de las fases que puede ser identificada y segmentada a partir de imágenes BSE es la

materia orgánica. Para el caso de la muestra VM, esta se visualiza con un color azul oscuro en la Figura 11, mientras que la porosidad

relacionada a la materia orgánica tiene un color azul claro. Aunque es difícil identificar el tipo de materia orgánica (querógeno,

bitumen y pirobitumen) solo con imágenes SEM23, es posible obtener la tasa de transformación aparente, la cual indica el grado de

madurez termal presente en la roca generadora. Dado que algunas muestras de FIBSEM no superan las 125 um3 en volumen y que la

distribución de materia orgánica no es uniforme en muestras heterogéneas, es más recomendable realizar este análisis en imágenes

agrupadas 2D o mosaicos para darle más representatividad al resultado obtenido. Sin embargo, para poder comparar el volumen de

materia orgánica obtenido a partir de FIBSEM con el hallado con otras técnicas como el TOC volumétrico obtenido por LECO es

necesario aplicar un método de escalamiento puesto que se trabaja con un volumen digital menor al REV. Este análisis no se realizó

en la muestra WS debido a la baja resolución de imagen que imposibilita la correcta definición de la distribución de la materia

orgánica y los poros relacionados a esta.


Figura 11. Cuantificación de las fases minerales y estimación de la tasa de transformación aparente en muestra VM. El resultado

indica que el 12% de la materia orgánica ha sido transformada en porosidad orgánica.

Distribución de tamaño de poro. La distribución de tamaño de poro puede estimarse a partir del medio poroso segmentado, sin

embargo, es necesario dividir este medio poroso en múltiples objetos con el fin de que, cada objeto represente un poro. Los softwares

de procesamiento de imagen tienen algoritmos capaces de realizar esta labor, pero el procedimiento deber ser monitoreado y

verificado para asegurar que no existan anomalías en los objetos generados, puesto que, en ocasiones, en zonas donde predomina la

porosidad conectada, un cluster o agrupación de poros puede ser separado e identificado como un solo poro, lo cual es una distorsión

de la realidad del medio poroso. En la figura 12 se aprecia la distribución obtenida en la muestra VM. El menor diámetro de poro

medido es de 10 nm. Sin embargo, es claro que existe porosidad por debajo de este rango que puede ser mejor caracterizada con otras

técnicas de laboratorio como inyección de mercurio y/o isotermas de adsorción con N2, CO2.24

Figura 10. Estimación de la distribución de tamaño poro en muestra VM a partir de FIBSEM.


Conclusiones La petrofísica digital, es una herramienta de análisis complementaria útil en escenarios problemáticos o muy complejos de analizar en

los laboratorios convencionales, como es el caso del análisis de muestras naturalmente fracturadas, el cálculo de permeabilidades

relativas de tres fases en muestras de baja porosidad y permeabilidad o la medición de propiedades petrofísicas en muestras friables,

saturadas por hidrocarburo.

Al obtener un modelo de matriz mineral y espacio poroso digital de una roca, plug o muestra de análisis, se eliminan algunas de las

limitantes generadas en los equipos tradicionales al intentar inyectar un fluido a través de la muestra. Sin embargo, la petrofísica

digital trae consigo sus propias limitantes que tienen que ser evaluadas, al momento de aplicar la técnica.

Aunque actualmente, se requieren equipos de cómputo muy robustos para ejecutar los algoritmos de simulación sobre modelos de roca

digital en alta resolución y con grandes dimensiones (gran tamaño computacional), se espera que, en los años por venir, estas

limitantes sean superadas conforme avanza la tecnología computacional. Además, el hecho de tener las rocas digitalizadas trae

consigo grandes ventajas que van desde una preservación prolongada en el tiempo y la posibilidad de analizar, revisar la información

rápidamente desde cualquier locación, con la posibilidad de simular diferentes procesos sobre la muestra, inclusive repitiendo el

experimento un sin numero de veces con parámetros o escenarios completamente distintos y en cualquier dirección deseada. Lo

anterior es algo muy complejo de realizar en un laboratorio convencional ya que las muestras se almacenan físicamente y se deterioran

con el tiempo, algunos equipos solo miden propiedades en una dirección y las pruebas pueden modificar la naturaleza interna de la

muestra y, por ende, sus propiedades petrofísicas.

La limitante mas importante encontrada al aplicar esta tecnología es la representatividad de los resultados obtenidos, si se trabaja con

muestras de roca convencionales (areniscas en escala de micras) es posible a través de la técnica de Micro-tomografía obtener rocas

digitales que son volumétricamente representativas en alta resolución (plugs completos o incluso core de hasta 1 pie de longitud con la

implementación de micro-tomografos industriales). La tomografía médica (Macro-CT) puede escanear un core completo, pero a una

resolución muy baja como para definir el medio poroso incluso en rocas convencionales.

Para el caso de los yacimientos no convencionales, dado que el medio poroso se encuentra en la escala micro y nanométrica, el

instrumento de imagen que puede llegar a visualizar los poros a esa escala, es la microscopía electrónica de barrido SEM con la gran

limitante que el volumen digital que produce es bastante restringido en dimensiones (cubos de 5 a 60 micras de lado) lo cual da un

rango de volumen entre 125 um 3 – 216.000 um 3. Además, el hecho de que se trate de un volumen digital muy pequeño no quiere

decir que el tamaño computacional de la muestra sea pequeño puesto que existen instrumentos SEM que al tener resoluciones tan altas

(menos de 1 nm por píxel), generan imágenes extremadamente pesadas computacionalmente y cubos de FIBSEM en el orden de

decenas de GB.

Si a lo anterior, se le agrega la alta heterogeneidad característica de las rocas no convencionales, es bastante claro que el dato obtenido

no es representativo del bulk de la roca en cuestión, más bien es un dato que representa una heterogeneidad específica. Por esta razón,

es necesario localizar cada una de las heterogeneidades que presenta la muestra, evaluarlas y caracterizarlas con el FIBSEM en alta

resolución (dato no representativo del bulk) y posteriormente escalar la información a modelos más gruesos que se acerquen al

mínimo elemental representativo (dato representativo del bulk) a través de la aplicación de metodologías de escalamiento (p ej.

análisis multi-escala, teoría de la homogenización, etc)

De acuerdo a los resultados obtenidos y consideraciones encontradas, se recomienda enfocar las futuras investigaciones en el

desarrollo de metodologías de escalamiento que aprovechen la información obtenida con FIBSEM en alta resolución (estimación de

propiedades petrofísicas) para poblar modelos más gruesos obtenidos con Micro-CT en baja resolución (distribución de fases

minerales, laminaciones, distribución fracturas) los cuales, sí son representativos/comparables con los demás análisis de laboratorio.

Agradecimientos Los autores desean agradecer al Portal Digital de Rocas25 dirigido por la profesora Masa Prodanovic, por el acceso al repositorio de

información digital, a los doctores Ayaz Mehmani (University of Texas at Austin) y Matthew Andrew (Carl Zeiss X-ray Microscopy)

por la publicación de material digital (FIBSEM y Micro-CT) libre sobre la Fm Wilcox y Fm Vaca Muerta y a Ecopetrol por el

suministro de la estación de trabajo, licenciamiento de software de manejo de imágenes y permiso para publicar los resultados de este

estudio.

Nomenclatura VM= Vaca Muerta

WS= Wilcox Sandstone


CT= Computed Tomography

FIB-SEM = Focused Ion Beam – Scanning Electron Microscopy

BIB-SEM = Broad Ion Beam – Scanning Electron Microscopy

REV= Representative Elementary Volume

REA= Representative Elementary Area

BSE= Backscatter Electrons

SE= Secondary Electrons

EDS= Energy Dispersive X-ray Spectroscopy

FEA= Finite Element Analysis

Referencias 1. Zoback, Mark D., and Arjun H. Kohli. "Unconventional Reservoir Geomechanics". Cambridge University Press, (2019), p 38.

2. Dvorkin, Jack, et al. "From micro to reservoir scale: Permeability from digital experiments." The Leading Edge28.12 (2009): 1446-1452.

3. Goodman, Angela. "Imaging Techniques for Analyzing Shale Pores and Minerals" No. 4e1d5e6a-49be-4b9e-8fcf-046e101b80ce. National Energy

Technology Laboratory-Energy Data eXchange; NETL, 2014.

4. Lin, C. L., et al. "Pore scale analysis of oil shale pyrolysis by X-ray CT and LB simulation." (2010): 8.

5. Saif, Tarik, et al. "Microstructural imaging and characterization of oil shale before and after pyrolysis." Fuel 197 (2017): 562-574.

Ougier-Simonin, Audrey, et al. "Microfracturing and microporosity in shales." Earth-Science Reviews 162 (2016): 198-226.

7. Klaver, Jop, et al. "BIB-SEM study of the pore space morphology in early mature Posidonia Shale from the Hils area, Germany." International

Journal of Coal Geology 103 (2012): 12-25.

8. Kelly, Shaina, et al. "Assessing the utility of FIB-SEM images for shale digital rock physics." Advances in Water Resources95 (2016): 302-316.

9. Giannuzzi, Lucille A., ed. "Introduction to focused ion beams: instrumentation, theory, techniques and practice". Springer Science & Business

Media, 2004.

10. Andrew, M. (2019, March 13). "Vaca Muerta FIB-SEM". Retrieved August 23, 2019, from www.digitalrocksportal.org

11. Mehmani, A., Prodanovic, M., & Milliken, K. (2015, July 5). "Wilcox Tight Gas Sandstone. Retrieved" August 23, 2019, from

www.digitalrocksportal.org

12. Loucks, Robert G., et al. "Morphology, genesis, and distribution of nanometer-scale pores in siliceous mudstones of the Mississippian Barnett

Shale." Journal of sedimentary research 79.12 (2009): 848-861.

13. Kaur, Dilpreet, and Yadwinder Kaur. "Various image segmentation techniques: a review." International Journal of Computer Science and Mobile

Computing 3.5 (2014): 809-814.

14. Walls, Joel D., and Steven W. Sinclair. "Eagle Ford shale reservoir properties from digital rock physics." First Break 29.6 (2011): 97-101.

15. Andrä, Heiko, et al. "Digital rock physics benchmarks—Part II: Computing effective properties." Computers & Geosciences50 (2013): 33-43.

16. Milliken, Kitty L., and Terri Olson. "Amorphous and crystalline solids as artifacts in SEM images." (2016): 1-8.

17. Brooks, Rodney A., and Giovanni Di Chiro. "Beam hardening in x-ray reconstructive tomography." Physics in medicine & biology 21.3 (1976):

390

18. Chorin, A. J., "A Numerical Method for Solving Incompressible Viscous Flow Problems", Journal of Computational Physics, 2, 12-26, 1967

19. Harlow, F. H., and Welch, J. E., "Numerical calculation of time-dependent viscous incompressible flow of fluid with free surface", Physics of

Fluids, v.5, p.317, 1965

20. Chen, Shiyi; Doolen, Gary D. (1998). "Lattice Boltzmann Method for Fluid Flow ". Annual Review of Fluid Mechanics. 30 (1): 329–364

20. Maquignon, Nicolas, et al. "An improved lattice Boltzmann scheme for multiphase fluid with multi-range interactions." AIP Conference

Proceedings. Vol. 1618. No. 1. AIP, 2014.

21. Saez A.E., Perfetti J.C., Rusinek I., "Prediction of Effective Diffusivities in Porous Media using Spatially Periodic Models, Transport in Porous

Medi", 6, 143-157, 1991

22. Lemaitre J., Troadec J.P., Bideau D., Gervois A. and Bougault E., "The formation factor of the pores space of binary mixtures of spheres", J.

Phys. D: Appl. Phys., 21, 1589-1592, 1988

23. Loucks, Robert G., and Robert M. Reed. "Scanning-electron-microscope petrographic evidence for distinguishing organic-matter pores associated

with depositional organic matter versus migrated organic matter in mudrock." (2014).

24. Schull, C. G. "The determination of pore size distribution from gas adsorption data." Journal of the American Chemical Society 70.4 (1948):

1405-1410.

25. Masa Prodanovic, Maria Esteva, Matthew Hanlon, Gaurav Nanda, Prateek Agarwal (2015) "Digital Rocks Portal: a repository for porous media

images"

http://www.digitalrocksportal.org/

http://www.digitalrocksportal.org/

ACIPET Consideraciones en la aplicación de la petrofísica ... · Los yacimientos no...

Documents

Transcript of ACIPET Consideraciones en la aplicación de la petrofísica ... · Los yacimientos no...