Metodología de elección y modelo de diseño de tratamientos ácidos para remediar daño de formación por finos en areniscas

Abstract

Una arenisca tiene una gran diversidad de compuestos minerales y condiciones petrofísicas que hacen compleja la elección de tratamientos y el modelamiento de su interacción con la roca. El diseño de tratamientos debe garantizar compatibilidad absoluta con el yacimiento. La incompatibilidad del tratamiento bajo cualquier condición respecto a los fluidos de yacimiento, los compuestos minerales, las propiedades petrofísicas, el tipo de daño de formación, puede desencadenar el incremento del daño de formación. Además, abarcar todas las opciones de tratamientos disponibles en el mercado y a la vez todas las características de un pozo específico, resulta imposible si no se cuenta con una herramienta computacional de elección de tratamientos. Por otro lado, la química asociada a la acidificación matricial no es fácil de modelar. El modelamiento debe incluir ecuaciones estequiométricas por ácido y componente de roca y condiciones de alta temperatura y presencia de finos arcillosos cambian la dinámica de reacción y complican el escenario de predicción. Con el fin de establecer una metodología para elegir tratamientos, se construyó una herramienta computacional para elegir y diseñar tratamientos ácidos para formaciones tipo arenisca dañadas por migración de finos a escala de laboratorio. El modelo de elección de tratamientos se basa en la metodología propuesta por Kalfayan adicionando escenarios diferentes al ácido convencional; como ácidos orgánicos, sistemas tipo buffer y tipo retardados, quelantes y aditivos. Para completar el diseño se realiza la predicción del consumo ácido con la formación a partir del modelo de Bryant. El modelamiento de la interacción roca-ácido se realiza para ácido convencional y datos de una arenisca tomados de literatura. También se propone un esquema de escalamiento que se puede considerar para futuros trabajos de investigación. El resultado del modelamiento permite conocer el tratamiento más compatible y una calificación cuantitativa respecto a otros posibles tratamientos junto con variables de diseño como: predicción de gasto ácido y mineral.

Abstract: A sandstone reservoir is formed by a great variety of mineral compounds under several petrophysical conditions that make highly complex the selection of treatments and the modeling of its interaction with the rock. The design of treatments must guarantee absolute reservoir-treatment compatibility. Incompatibility of treatment under any condition regarding reservoir fluids, mineral compounds, petrophysical properties, type of formation damage, can increase formation damage. In addition, take into account all the treatment options available in the market and all the characteristics of a specific well all together, is impossible if there is no computational tools for selection. On the other hand, the chemistry associated with matrix acidification is not easy to model, because it involves: stoichiometric equations by acid and rock component, high temperature conditions, and presence of clay fines which change the reaction dynamics and complicate the prediction scenario. In order to establish a method to choose treatments, a computational tool was built to choose and design acid treatments for sandstone formations damaged by fine migration to laboratory scale. The modeling of treatment selection is based on the methodology proposed by Kalfayan by adding different scenarios to the conventional acid; such as organic acids, buffer and retardants-type systems, chelators and additives. To complete the design, the prediction of the acid consumption with the rock is made based on the Bryant model. Rock-acid interaction modeling includes validation whit conventional sand-mud acid literature scenario. A proposal for escalation was also proposed and can be considered for future research work. Modeling allows to choose the most compatible treatment and a quantitative ranking with respect to other possible treatments, with design variables such as: mineral and acid consumption prediction.