DSpace Repository

Petrolearning: software para la inversión conjunta de registros geofísicos de pozo a través de redes neuronales aplicado a la recuperación mejorada mediante inyección de CO2

Show simple item record

dc.contributor.author Castrejón Peralta, César
dc.contributor.author Evangelista Gutiérrez, Yair
dc.contributor.author Huerta Martínez, Jhosep Jonathan
dc.date.accessioned 2022-02-08T04:37:45Z
dc.date.available 2022-02-08T04:37:45Z
dc.date.created 2021-02-02
dc.date.issued 2022-02-08
dc.identifier.citation Castrejón Peralta, C., Evangelista Gutiérrez, Y. y Huerta Martínez, J. J. (2021). Petrolearning: software para la inversión conjunta de registros geofísicos de pozo a través de redes neuronales aplicado a la recuperación mejorada mediante inyección de CO2. (Ingeniería Geofísica). Instituto Politécnico Nacional. Escuela Superior de Ingeniería y Arquitectura, Unidad Ticomán. México. es
dc.identifier.uri http://tesis.ipn.mx/handle/123456789/30052
dc.description Tesis (Ingeniería Geofísica), Instituto Politécnico Nacional, ESIA, Unidad Ticomán, 2021, 1 archivo PDF, (269 páginas). tesis.ipn.mx es
dc.description.abstract RESUMEN: Dentro de los esfuerzos que existen en el ámbito de la industria petrolera enfocados en mitigar su impacto medioambiental, las emisiones de dióxido de carbono ocupan un lugar determinante. Es por eso por lo que dentro del abanico de posibilidades que se han planteado como solución a este problema, el confinamiento de gas puede resultar muy atractivo. En el presente trabajo se plantea una alternativa a los esquemas existentes, que concluye con la programación de un software especializado que permite obtener el cálculo de capacidad de almacenamiento de CO2 para un pozo existente, que apoyado en una interpretación correcta de los registros geofísicos de pozo permiten observar zonas aptas para una posterior aplicación de Recuperación Mejorada de Aceite mediante inyección de CO2. Como parte del programa, llamado PetroLearning, se propone un método alternativo a la interpretación tradicional de registros geofísicos de pozo, el cual se encuentra basado en el uso de Redes Neuronales Artificiales, las cuales generan un modelo matemático, que, al pretender acercarse a la geología de la zona, permiten obtener los parámetros petrofísicos necesarios para el estudio de almacenamiento de CO2, y que consiste en comparar los datos medidos de los registros de pozo con datos simulados y proponer de esta manera, diferentes valores para cada componente de la roca que caractericen de manera robusta la porosidad del medio. Adicionalmente al flujo de trabajo expuesto, el software permite una interpretación de las características del pozo siguiendo las pautas actuales en la industria, ofreciendo una opción libre y gratuita para cualquier usuario que se encuentre interesado. ABSTRACT: Within the most recent efforts that exist in the field of the oil industry focused on mitigating its environmental impact, carbon dioxide emissions are in a decisive place. That is why within the range of possibilities that have been proposed as a solution to this problem, gas confinement can be very attractive. In the present work, an alternative to the existing schemes is proposed, which concludes with the programming of a specialized software that allows obtaining the calculation of the CO2 storage capacity for an existing well and, when supported by a correct interpretation of the geophysical well-logs, allows to define suitable areas for a subsequent application of CO2 Enhance Oil Recovery (CO2 EOR). As part of this software, named PetroLearning, an alternative method to the traditional interpretation of well-logs is proposed. The pathway is based on the use of Artificial Neural Networks that generates a mathematical model which, when trying to approach the geology of the area, allows to obtain the petrophysical parameters that are necessary for the study of CO2 storage. This workflow consists of comparing the field measured data with simulated ones and thus proposing different values for each component of the rock that characterize, in a robustly way, the porosity of the medium. In addition to the option exposed, the software allows a conventional interpretation of the characteristics in the well, following current guidelines in the industry, offering a free option for any user who is interested. es
dc.language.iso es es
dc.subject Software petrolearning es
dc.subject Registros geofísicos de pozo es
dc.subject Inyección de CO2 es
dc.subject Redes neuronales es
dc.title Petrolearning: software para la inversión conjunta de registros geofísicos de pozo a través de redes neuronales aplicado a la recuperación mejorada mediante inyección de CO2 es
dc.contributor.advisor Coconi Morales, Enrique
dc.programa.academico Ingeniería Geofísica es


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account