Articulo de investigación
1Escuela Politécnica Nacional, EPN, Quito-EC. CP 170525
2Universidad Central del Ecuador – UCE – CP. 170402
El campo Pungarayacu constituye una de las mayores acumulaciones de crudo extrapesado de la Cuenca Oriente del Ecuador; sin embargo, su desarrollo comercial ha sido limitado por la elevada viscosidad del crudo, la influencia del contacto agua-petróleo (CAP) y la escasa evaluación comparativa de métodos térmicos a escala piloto. Este estudio comparó mediante simulación numérica el desempeño de inyección cíclica de vapor (CSS), inyección continua de vapor (ICV) y drenaje gravitacional asistido por vapor (SAGD) en los sectores de los pozos IP-5B e IP-15. Se construyeron modelos estáticos y dinámicos sectoriales a partir de registros de pozo, reinterpretación petrofísica, correlaciones de permeabilidad, caracterización PVT y ajuste histórico de los pilotos CSS ejecutados en campo. Se evaluaron escenarios de precalentamiento entre 0 y 6 meses y un periodo predictivo de hasta 12 meses, usando como métricas Qo, Np, corte de agua, SOR y sensibilidad de Morris. Los mejores escenarios alcanzaron aproximadamente 8 300 bbl para SAGD-IP5B (0M), 15 000 bbl para ICV-IP15 (3M) y 49 000 bbl para SAGD-IP15 (5M), con SOR promedio cercano a 5 bbl/bbl en el mejor caso SAGD-IP15. Los resultados indican mayor eficiencia relativa de SAGD en IP-15, aunque su extrapolación a todo el campo requiere validación adicional por el carácter sectorial de los modelos y la incertidumbre asociada al CAP.
Palabras clave: CSS, crudo extrapesado, inyección continua de vapor, Pungarayacu, SAGD, simulación térmica
The Pungarayacu field is one of the largest extra-heavy oil accumulations in Ecuador’s Oriente Basin; nevertheless, commercial development has been constrained by high oil viscosity, the influence of the oil-water contact, and limited pilot-scale assessment of thermal recovery methods. This study compared cyclic steam stimulation (CSS), continuous steam injection (CSI), and steam-assisted gravity drainage (SAGD) through sector-scale numerical reservoir simulation around wells IP-5B and IP-15. Static and dynamic models were built from well logs, petrophysical reinterpretation, permeability correlations, PVT characterization, and historical matching of field CSS pilots. Preheating scenarios from 0 to 6 months and a predictive period of up to 12 months were evaluated using oil rate, cumulative oil, water cut, steam-oil ratio, and Morris sensitivity analysis. The best scenarios reached approximately 8,300 bbl for SAGD-IP5B (0M), 15,000 bbl for CSI-IP15 (3M), and 49,000 bbl for SAGD-IP15 (5M), with an average SOR close to 5 bbl/bbl in the best SAGD-IP15 case. Results indicate a higher relative efficiency of SAGD in IP-15, although field-scale extrapolation requires additional validation because the models are sectorial and subject to uncertainty related to the oil-water contact.
Keywords: CSS, extra-heavy crude, continuous steam injection, Pungarayacu, SAGD, thermal simulation
En la Cuenca Oriente ecuatoriana, Pungarayacu es considerado uno de los activos con mayor volumen de crudo originalmente contenido en el subsuelo, con estimaciones que varían aproximadamente entre 4,5 y 21,7 mil millones de barriles de petróleo según diferentes evaluaciones reportadas en la literatura [1], [2]. Este yacimiento está localizado en la provincia de Napo, dentro del sector occidental de la cuenca, donde la unidad productora de mayor interés corresponde a la formación Hollín inferior, identificada como el principal horizonte reservorio.
El conocimiento técnico del campo se ha desarrollado de manera progresiva. Las primeras evaluaciones geológicas (Poveda et al.., 1995; CEPE, 1987) delimitaron el potencial volumétrico del yacimiento, con estimaciones entre 4,5 y 21,7 mil millones de barriles [1], [3]. Posteriormente, Males et al. (2020) y el Ministerio de Minas (2008) analizaron estrategias de explotación y desarrollo conceptual, identificando los procesos térmicos como la alternativa más prometedora [2], [4]. En una etapa más reciente, Llamuca et. al.. (2020) y Cortez et. al.. (2020) incorporaron ensayos con radiofrecuencia y variantes de SAGD con aditivos, mostrando mejoras de movilidad, pero sin llegar a modelos dinámicos calibrados con datos de campo [5], [6]. Ninguno de estos estudios presentó una comparación numérica calibrada de CSS, ICV y SAGD con ajuste histórico de pilotos reales, lo que constituye la brecha que el presente trabajo busca llenar.
A pesar de estos antecedentes, la evidencia de campo continúa siendo limitada. La aplicación real de métodos térmicos en Pungarayacu se restringe a los pilotos CSS ejecutados por Ivanhoe en los pozos IP-5B e IP-15 entre 2008 y 2015, con resultados productivos reducidos: 139,37 bbl acumulados en IP-5B y 0 bbl en IP-15 según los reportes disponibles [7].
La comparación se planteó a escala sectorial y no como una predicción directa de desarrollo comercial de todo el campo. Esta delimitación es relevante porque los modelos incorporan heterogeneidad vertical, pero asumen continuidad lateral de propiedades alrededor de cada pozo, por lo que los resultados deben interpretarse dentro del rango de condiciones simuladas.
El presente trabajo es el primero en integrar reinterpretación petrofísica propia, ajuste histórico calibrado de pilotos CSS reales y análisis de sensibilidad global (método de Morris) para comparar simultáneamente CSS, ICV y SAGD en los sectores IP-5B e IP-15. Esta integración metodológica permite jerarquizar escenarios piloto con mayor fundamento técnico que evaluaciones basadas exclusivamente en analogías o correlaciones.
Así, el objetivo del estudio fue comparar cuantitativamente, mediante simulación numérica de yacimientos, el desempeño de CSS, ICV y SAGD en los sectores IP-5B e IP-15 del campo Pungarayacu, evaluando Qo, Np, corte de agua, SOR y sensibilidad de parámetros críticos para establecer oportunidades y restricciones técnicas de futuros pilotos térmicos.
Los métodos térmicos evaluados se sustentan en la transferencia de calor hacia el crudo extrapesado para reducir su viscosidad, aumentar la movilidad de la fase oleosa y mejorar el drenaje hacia los pozos productores [8], [9], [10]. En CSS, el vapor se inyecta y se deja en remojo antes de producir desde el mismo pozo, por lo que su eficiencia depende del tiempo de residencia térmica, la pérdida de calor hacia overburden y underburden, el confinamiento vertical, la declinación de productividad por ciclo y la interacción con agua móvil [9], [11]. En la inyección continua de vapor, la respuesta está controlada por el barrido entre inyector y productor, la calidad del vapor, el diferencial de presión, la canalización de fluidos y la gestión de agua producida [12], [13]. En SAGD, el desempeño depende de la formación, crecimiento y estabilidad de la cámara de vapor, así como del drenaje gravitacional del petróleo calentado hacia el pozo horizontal productor [14], [15].
Como hipótesis técnica de trabajo se planteó que la eficiencia de los métodos térmicos en los sectores IP-5B e IP-15 de Pungarayacu depende de la interacción entre calentamiento, reducción de viscosidad, drenaje gravitacional, contacto agua-petróleo (CAP), propiedades roca-fluido y restricciones operativas de los pozos. Esta hipótesis es consistente con estudios de simulación de pilotos SAGD, SAGD asistido con espuma o solventes y procesos térmicos en crudos pesados, donde la configuración de pozos, el arranque térmico y la eficiencia de cámara controlan la producción y el SOR [18], [17], [18], [19], [20], [21]. En consecuencia, la comparación se operacionalizó mediante producción acumulada de petróleo (Np), tasa de petróleo (Qo), corte de agua, Relación Vapor-Petróleo (SOR) instantánea y sensibilidad de los parámetros operativos y petrofísicos. Las curvas de permeabilidad relativa y sus parámetros de Corey se consideraron variables críticas porque controlan la movilidad relativa de agua y petróleo durante el calentamiento, mientras que el CAP se trató como restricción hidráulica local que puede acelerar la irrupción de agua y penalizar el SOR.
El estudio tuvo un diseño cuantitativo, aplicado y predictivo basado en simulación numérica de yacimientos, con una primera fase de reconstrucción histórica de pilotos CSS y una segunda fase de evaluación técnico-operativa de escenarios ICV y SAGD. La metodología integró evaluación petrofísica, construcción de modelos estáticos sectoriales, caracterización PVT, modelado roca-fluido, inicialización, ajuste histórico, definición de escenarios de precalentamiento, análisis de sensibilidad global y comparación mediante indicadores de desempeño. Las herramientas principales fueron CMG versión 2024 para simulación térmica de procesos con vapor, WinProp (incluido en CMG 2024) para modelado PVT de petróleo muerto y DecisionSpace Petrophysics 10 para la reinterpretación de registros, todos los programas se usaron bajo licencia académica.
Las simulaciones ejecutadas en CMG STARS 2024 utilizaron formulación térmica multifásica (TFORM = SXY) y discretización totalmente implícita. Se empleó un criterio de convergencia basado en residuales totales (TOTRES) con tolerancia máxima de , un máximo de 15 iteraciones de Newton por paso de tiempo y hasta 7 reducciones automáticas de paso (NCUTS = 7). El tamaño inicial del paso de tiempo tras cambios operativos de pozo fue de 0,01 días (DTWELL = 0,01 d). Para la resolución del sistema lineal se utilizó el solucionador AIMSOL con ordenamiento REDBLACK y un máximo de 30 iteraciones. Las corridas fueron aceptadas únicamente cuando se verificó convergencia numérica, estabilidad de presión, saturación y temperatura, así como cierre consistente de los balances de masa y energía.
El flujo metodológico se organizó en fases cronológicas: recopilación de información secundaria y registros de pozo; evaluación petrofísica; definición de topes, bases y propiedades; escalamiento vertical; construcción de modelos estáticos; definición de propiedades térmicas; caracterización de fluidos; generación de curvas roca-fluido; inicialización por presión, temperatura y contactos; ajuste histórico CSS; simulación predictiva de ICV y SAGD; análisis de sensibilidad; y comparación de resultados con literatura reciente, tal como se observa en la Figura 1. La información propia del campo fue proporcionada por el Banco de Información Petrolera del Ecuador a través del Ministerio de Ambiente y Energía.
Para mejorar la trazabilidad, las variables se clasificaron como: variables de entrada (presión de inyección, presión de fondo, tasa de inyección, tasa de producción, temperatura y calidad de vapor), variables de control (geometría del modelo, duración de precalentamiento, periodo predictivo y restricciones de pozo), variables inciertas (conductividad térmica, saturaciones críticas, permeabilidades relativas y exponentes de Corey) y variables de respuesta (Qo, Np, corte de agua y SOR). Esta clasificación vincula el marco conceptual con el análisis de resultados: Qo y Np miden respuesta productiva, el corte de agua evalúa la interacción con el CAP, el SOR mide eficiencia energética acumulada y μ*/σ del método de Morris identifica influencia e interacción de variables críticas. La operacionalización de variables se observa en la Tabla 1.
La selección de los pozos IP-15 e IP-5B se justificó por tres criterios: disponibilidad de registros petrofísicos y datos de laboratorio, existencia de antecedentes operativos de pilotos CSS reportados por Ivanhoe y contraste entre condiciones locales del yacimiento, especialmente respecto a espesor neto, calidad petrofísica y cercanía al CAP. Ambos pozos contaban con registros gamma ray, resistividad, porosidad efectiva, saturación de agua y densidad, lo que permitió construir modelos sectoriales comparables para evaluar la respuesta de los métodos térmicos.
Con ayuda del registro gamma ray se identificaron los topes del miembro Hollín inferior para los dos pozos, los cuales se señalan en la Tabla 2.
Posteriormente, se ajustaron los parámetros para estimar los volúmenes de arcilla, porosidad y saturación de agua. Los valores obtenidos para los pozos se muestran en la Tabla 3.
Seguidamente, se realizó una estimación de la permeabilidad, para lo cual se usó la ecuación propuesta en el estudio realizado en el campo por [22] y que se muestra en la Ecuación 1.
Donde:
PHIE = Porosidad
A continuación, se desarrollaron modelos estáticos conceptuales para las zonas aledañas a los dos pozos. Estos modelos se diseñaron como modelos sectoriales de geometría cuadrada de 10 acres y 5 celdas en cada eje x e y, lo que configuró celdas de 40,24 m por lado. Esta escala permitió representar el entorno inmediato de cada pozo y evaluar pilotos térmicos, pero no pretende capturar la variabilidad espacial completa del campo.
En el caso del eje z, se definieron capas de 1 pie de espesor, de manera que se configuraron modelos de 231 capas y 254 capas verticales para los modelos generados en las áreas aledañas a los pozos IP-15 e IP-5B respectivamente.
Así, los modelos contaron con un total de 5 775 celdas y 6 350 celdas.
Seguidamente, se procedió a escalar las propiedades petrofísicas, de manera que se incorpore la heterogeneidad vertical en el modelo. Para esto se utilizó el algoritmo de promedio aritmético para la porosidad y saturación de agua.
Estos valores verticales fueron posteriormente poblados de manera constante al resto del modelo; es decir, se asumió que cada capa vertical tenía un valor lateralmente homogéneo en el área sectorial, tal como se observa en la Figura 2. Esta simplificación reduce la incertidumbre geométrica y permite comparar mecanismos térmicos bajo condiciones controladas, pero constituye una limitación porque puede subestimar canalización, barreras laterales, variabilidad de permeabilidad y heterogeneidad no capturada por los registros de un solo pozo.
La representatividad de los resultados queda, por tanto, limitada a modelos sectoriales alrededor de IP-5B e IP-15. La extrapolación a otras zonas del campo requiere modelos geológicos con mayor control lateral, integración sísmica, datos de núcleos adicionales y validación dinámica independiente.
A continuación, se definieron las ecuaciones de gradiente de temperatura para que se calculen las temperaturas iniciales en los dos modelos. Las ecuaciones usadas se muestran a continuación:
Donde:
X0, X1= Grid Paydepth (Profundidad MD en pies del centro de cada celda)
Para la estimación de las propiedades térmicas de la roca y de los fluidos, se emplearon correlaciones y criterios de evolución térmica de propiedades de reservorio reportados en literatura reciente [23]. Los valores obtenidos se resumen en la siguiente Tabla 4:
Después, se procedió con la elaboración del modelo de fluido, para lo cual se empleó el aplicativo Winprop del software CMG, considerando un modelo de petróleo sin gas en solución (petróleo muerto de un solo componente). En este módulo se ingresaron los datos correspondientes a los fluidos de los pozos IP-15 e IP-5B que se señalan en la Tabla 5.
Sin embargo, se recurrió también a datos de campos análogos y correlaciones recientes, especialmente para completar parámetros PVT no disponibles directamente en los análisis de laboratorio del campo, como peso molecular, viscosidad de crudo muerto y comportamiento viscosidad-temperatura. Así, se emplearon criterios de correlaciones de viscosidad y datos análogos de bitumen/crudo pesado para los modelos de los pozos IP-5B e IP-15 [24], [25].
Por otra parte, se usaron los datos proporcionados por Gushor [7] como parámetro de control para ajustar los resultados del modelo de fluido generado. El ajuste se realizó modificando coeficientes de regresión hasta reproducir de forma consistente la tendencia de viscosidad con temperatura observada en los datos experimentales disponibles. La validación fue cualitativa-cuantitativa respecto a la forma de la curva y su rango de valores, reconociendo que los parámetros PVT faltantes se apoyaron en correlaciones recientes y campos análogos cuando no existía medición directa para Pungarayacu [24], [25].
A continuación, se realizó el modelo roca-fluido del campo, para lo cual se usó como referencia los resultados del análisis realizado por [26] ya que es el único estudio del que se tienen datos medidos con muestras del campo, aunque el estudio señala que se usó un crudo sintético con una relación de viscosidades petróleo-agua de 250, la cual resulta pequeña en comparación con los valores que muestran las viscosidades de los fluidos obtenidos en los pozos IP-15 e IP-5B (Figura 3). Estos datos fueron suavizados usando la correlación de Corey y el resultado se puede observar en la Figura 4.
Seguidamente, se incluyeron los datos de presión a la profundidad de referencia para inicializar la presión de los modelos. Estos fueron calculados en base al gradiente del agua de 0.433 psi/ft, el cual se tomó como referencia en base a la densidad usada para la perforación de los pozos del campo [1].
Asimismo, se establecieron los valores de contacto agua petróleo para el pozo IP-15 y nivel de petróleo más bajo conocido para el pozo IP-15. Todos estos datos se resumen en la Tabla 6.
Posteriormente, se generaron las configuraciones a fin de establecer el caso base y los escenarios con los pilotos de inyección continua de vapor y drenaje gravitacional asistido con vapor (SAGD). Para el caso base se configuraron los parámetros de los pozos IP-15 e IP-5B tomando en consideración los datos operativos reportados por [7] en las pruebas de inyección alternada de vapor aplicadas a los pozos.
Así, en primer lugar, se establecieron los disparos a las profundidades señaladas en la Tabla 7.
Después, se incluyeron las restricciones operativas de los pozos, tanto en su operación como productores, como en su operación como inyectores. Estos datos se muestran en la Tabla 8:
Los pozos fueron configurados para trabajar en secuencias de 49 días de inyección, 6 días de remojo y 30 días de producción (IP-5B), y 12 días de inyección, 11 de días de remojo y 27 días de producción (IP-15).
Seguidamente, se realizó la configuración del escenario de predicción para los pilotos de inyección continua de vapor, para lo cual se incluyó un pozo adicional a cada pozo existente, el cual fue configurado como inyector, mientras que los pozos originales (IP-5B e IP-15) se mantuvieron como productores.
Además, se establecieron tiempos de pre-calentamiento para generar una temperatura suficiente que facilite la movilización de los fluidos entre el pozo inyector y productor. Este proceso se estableció simulando una circulación de fluido en circuito cerrado en cada pozo (inyección por tubing y retorno por espacio anular).
El tiempo de precalentamiento fue definido en función de la capacidad de los 2 generadores usados por la empresa Ivanhoe en los pilotos de inyección alternada (1x 108 BTU/D por cada generador).
De esta manera, se realizó un análisis de sensibilidad con tiempos de 0 a 6 meses de precalentamiento (con pasos de 1 mes) y se estableció un período de hasta 12 meses para la producción de los modelos.
Asimismo, se configuraron las restricciones de pozo con los parámetros establecidos en la Tabla 9. Las presiones de inyección se definieron como 0,7 de la presión litostática para reducir el riesgo de fracturamiento no representado explícitamente en los modelos, mientras que la presión de fondo fluyente fue definida como 0,8 de la presión de referencia para representar un escenario de flujo restrictivo por la alta viscosidad del fluido. Las condiciones de borde se asumieron cerradas en el modelo sectorial, de modo que la respuesta simulada corresponde al volumen drenado alrededor de cada configuración de pozo.
Finalmente, se construyeron los modelos para la predicción de los pilotos de SAGD, para ello se incluyeron dos pozos horizontales separados verticalmente cerca de 15 ft en cada modelo, de los cuales el superior actuó como inyector y el inferior como productor en la fase de operación.
Sin embargo, para precisar una representación real de los procesos de SAGD, también se incluyó un período de precalentamiento, el cual fue simulado asumiendo una circulación en circuito cerrado dentro de todos los pozos horizontales y con una emisión de energía equivalente a la que pueden proporcionar los generadores usados realmente y que se señalaron anteriormente.
Para estos escenarios también se realizaron sensibilidades con respecto al tiempo de precalentamiento con una configuración similar que la usada para los modelos de inyección continua (0 a 6 meses) y un tiempo de predicción de hasta 12 meses. Igualmente, se colocaron las restricciones de pozos inyectores y productores conforme se muestra en la Tabla 10 en la que se consideraron los mismos parámetros explicados anteriormente para los casos de inyección continua.
Posteriormente se efectuó un análisis de sensibilidad para los modelos que presentaron mejor comportamiento de producción para cada pozo (SAGD e ICV) en los cuales se incorporaron como variables de análisis los parámetros señalados en la Tabla 11.
Para evaluar la influencia de la incertidumbre de los parámetros del modelo sobre la producción acumulada de petróleo se aplicó el método de Morris, un enfoque de sensibilidad global basado en efectos elementales [27].
La respuesta principal fue Np acumulado al cierre del periodo predictivo y, como respuestas complementarias, se revisaron Qo, corte de agua y SOR. El SOR se calculó como el volumen acumulado de vapor inyectado equivalente dividido para el volumen acumulado de petróleo producido durante el intervalo evaluado, por lo que se reporta como indicador acumulado/promedio del escenario. La selección del escenario óptimo consideró simultáneamente mayor Np, menor SOR, estabilidad de Qo y menor penalización por corte de agua. El promedio absoluto de los efectos elementales (μ*) se interpretó como influencia global del parámetro, mientras que la desviación estándar (σ) se usó para identificar interacciones o no linealidad. El diseño se aplicó como tamizaje global tipo one-at-a-time sobre las variables de la Tabla 11Tabla 11, usando los niveles mínimos, base y máximo definidos para cada parámetro y procesando por separado los cuatro modelos de mejor desempeño: ICV-IP5B, SAGD-IP5B, ICV-IP15 y SAGD-IP15.
La interpretación de incertidumbre se contrastó con literatura reciente de cuantificación de incertidumbre en simulación de yacimientos [26].
Se verificó la consistencia de unidades antes de comparar escenarios: la calidad de vapor se reportó como porcentaje, las tasas en bbl/d o B/D según variable, el SOR en bbl/bbl y las propiedades térmicas en unidades de campo. En la Tabla 11, los valores de calidad de vapor se expresan como porcentaje y los valores no aplicables se indican como N/A; los parámetros Nw y Now se consideran exponentes adimensionales de Corey, no variables enteras. Sor se usa para saturación de petróleo residual, mientras que SOR se reserva para Relación Vapor-Petróleo.
La sección de resultados se organiza siguiendo las variables de respuesta definidas en la metodología: primero se presenta el ajuste histórico CSS; luego se comparan Qo, Np y corte de agua para ICV y SAGD; posteriormente se analiza la sensibilidad de Morris; y finalmente se evalúa el SOR como indicador energético.
Los resultados del caso base evidenciaron la necesidad de ajustar curvas de permeabilidad relativa y condiciones cercanas al pozo para reproducir los pilotos CSS históricos. Los cambios incluyeron NOW = 3 en ambos pozos, Krw@Sor = 1 en IP-5B, reducción de presión de fondo fluyente a 100 psi en IP-15 y 28 psi en IP-5B, además de una estimulación local representada con skin = -2, condición usual en proyectos de inyección de vapor y reportada en la literatura [9], [11]. Estos ajustes no son únicos, por lo que se interpretan como una calibración razonable dentro de la información dinámica disponible.
Con los cambios mencionados, se alcanzó un ajuste razonable entre los resultados reportados por [7] y los resultados simulados, resumidos en la Tabla 12. En general, el modelo reprodujo adecuadamente los volúmenes acumulados de inyección y producción de fluidos para ambos pozos, con errores inferiores al 13 % en la mayoría de las variables evaluadas.
En IP-15, la simulación mantuvo la baja productividad observada en campo, estimando únicamente 16,75 bbl de petróleo acumulado frente a una producción histórica reportada de 0 bbl. En IP-5B, aunque el modelo reprodujo satisfactoriamente la inyección acumulada de agua y la producción de fluidos, la producción acumulada de petróleo fue subestimada respecto al valor histórico reportado (139,37 bbl simulados frente a 270 bbl observados). Sin embargo, el modelo logró capturar el comportamiento general de los pilotos CSS, caracterizado por bajas recuperaciones de petróleo y una marcada influencia de la producción de agua. En consecuencia, el ajuste obtenido se consideró suficientemente representativo para la evaluación comparativa de los escenarios ICV y SAGD.
Ahora bien, los resultados obtenidos confirman la dificultad que presenta el yacimiento para ser producido mediante la técnica de inyección cíclica de vapor, mostrando que apenas se obtiene valores de 16,75 barriles de petróleo y 139,37 barriles de petróleo para los pozos IP-15 e IP-5B según la simulación.
La Figura 5 muestra que el efecto del tiempo de precalentamiento sobre Qo difiere según el pozo y el método. En IP-5B, SAGD genera picos iniciales más altos (~700 bbl/d), pero de corta duración por irrupción temprana de agua; ICV ofrece una respuesta más gradual y sostenida. En IP-15, donde el CAP ejerce menor control hidráulico, SAGD alcanza picos similares, pero con mayor continuidad, mientras que ICV mantiene tasas entre 300 y 450 bbl/d durante varios meses. SAGD en IP-15 presenta la ventaja productiva más sostenida del conjunto evaluado.
La Figura 7 identifica los escenarios de mayor recuperación acumulada. En IP-5B, tanto ICV (5 800 bbl) como SAGD (8 300 bbl) alcanzan su mejor resultado sin precalentamiento (0M), y la recuperación cae abruptamente con retrasos mayores a dos meses. En IP-15 el comportamiento es opuesto: ICV alcanza su máximo en 3M (~15 000 bbl) y SAGD en 5M (~49 000 bbl), indicando que la cámara de vapor requiere maduración previa para desarrollarse eficientemente en este sector.
La Figura 7 evidencia el contraste en el manejo del frente acuoso entre ambos pozos. En IP-5B, el corte de agua alcanza valores de 0,95–1,00 de forma casi inmediata en todos los escenarios, confirmando el control dominante del CAP independientemente del método aplicado. En IP-15, los escenarios óptimos (ICV-5M y SAGD-5M) mantienen cortes de agua entre 0,65 y 0,80 durante la mayor parte del período, lo que indica que el tiempo de maduración térmica mejora simultáneamente la recuperación y el control del agua producida.
El análisis de Morris permitió identificar las variables con mayor influencia sobre Np acumulado. Los resultados se resumen en las Tabla 13 y Tabla 14. Los resultados tabulados del análisis de Morris muestran que las variables operativas asociadas al control de presión constituyen los parámetros más influyentes sobre la producción acumulada de petróleo. En IP-5B (Tabla 13), la respuesta está dominada principalmente por la presión de inyección y la calidad del vapor, mientras que los parámetros roca-fluido presentan una influencia secundaria.
En contraste, los modelos de IP-15 muestran una participación más importante de las permeabilidades relativas y exponentes de Corey (Tabla 14), evidenciada por los elevados valores de σ observados para Relpermcorr5, Relpermcorr6 y Relpermcorr7. Estos resultados sugieren que el desempeño de SAGD en IP-15 depende de una interacción compleja entre condiciones operativas, movilidad relativa y desarrollo de la cámara de vapor, mientras que en IP-5B la respuesta está más controlada por restricciones operativas y por la influencia del contacto agua-petróleo.
La Figura 8 muestra que en IP-5B la eficiencia energética es limitada en ambos métodos. Bajo ICV, el SOR del escenario 0M desciende inicialmente a 15–30 bbl/bbl pero se incrementa hacia el final del período por el avance de agua. SAGD-0M exhibe una tendencia más favorable, estabilizándose en 20–30 bbl/bbl, lo que confirma que el drenaje gravitacional aprovecha el calor de forma más eficiente que la inyección continua aún bajo influencia del CAP.
La Figura 10 revela la mayor diferencia de eficiencia entre métodos. Bajo ICV, el escenario 5M mantiene un SOR moderado (10–25 bbl/bbl), mientras que escenarios con poco precalentamiento superan 80 bbl/bbl. SAGD-5M logra el mejor desempeño del conjunto: SOR de 3–8 bbl/bbl tras la fase inicial, lo que confirma que en IP-15 la cámara de vapor se consolida eficientemente y que el período de maduración mejora de forma simultánea la recuperación y el aprovechamiento energético.
Los resultados del presente estudio, particularmente la dinámica de arranque, el corte de agua elevado en proximidad al contacto agua-petróleo (CAP) y la evolución de la Relación Vapor-Petróleo (SOR), son consistentes con comportamientos reportados internacionalmente para procesos térmicos, aunque con diferencias atribuibles a escala, calidad del yacimiento, configuración de pozos, duración de la simulación, disponibilidad de datos y control operativo. Los resultados de los mejores escenarios se muestran en la Tabla 15.
Adicionalmente, los resultados indican que la selección del método térmico debe considerar simultáneamente recuperación y eficiencia energética. Aunque SAGD requiere infraestructura adicional para pozos horizontales y control de la cámara de vapor, presentó los menores valores de SOR y las mayores recuperaciones acumuladas. En contraste, la proximidad al CAP incrementó el corte de agua y penalizó el aprovechamiento energético del vapor en IP-5B. Estos resultados sugieren que futuros pilotos térmicos deberían priorizar sectores con menor influencia hidráulica del CAP y mejores condiciones para el desarrollo de cámaras de vapor estables.
Bajo las condiciones evaluadas, SAGD en el sector IP-15 representa la alternativa técnicamente más favorable al combinar mayores niveles de recuperación con un uso más eficiente de la energía inyectada; sin embargo, su viabilidad definitiva deberá complementarse mediante estudios económicos, disponibilidad de combustible para generación de vapor y evaluación de infraestructura a escala de campo.
En primer lugar, la baja respuesta del caso CSS (inyección cíclica) puede interpretarse dentro del marco de literatura que reconoce que el calentamiento cíclico de crudos pesados mejora movilidad en etapas iniciales, pero puede perder eficiencia por enfriamiento, heterogeneidad, canalización, interacción con agua móvil y aumento de emisiones o consumo energético cuando el sistema no sostiene una zona calentada efectiva [8], [9], [10], [11]. En Pungarayacu, la combinación de crudo extrapesado y condiciones cercanas a CAP, especialmente para el pozo IP-5B, favorece escenarios donde el calor se traduce en agua producida, condensado o interacción con zona acuosa más que en incremento sostenido de petróleo, lo cual eleva SOR e impone límites operacionales.
Para el caso de inyección continua de vapor (steamflood/continuous steam injection), la literatura muestra que el éxito depende fuertemente del barrido, el control de canalización, la calidad del vapor, el patrón inyector-productor y la condición previa de saturación de agua [12], [13]. Estudios experimentales de steamflooding en crudos pesados posteriores a procesos de agua han mostrado que la eficiencia térmica mejora cuando existe respuesta petrolera suficiente y control de producción de agua [13]. En ese contexto, los resultados para inyección continua, con SOR inicialmente muy alto durante el calentamiento y posterior reducción hacia valores menores cuando hay respuesta petrolera, siguen la forma esperada: el indicador se dispara cuando el denominador (Qo) aún es bajo y se estabiliza cuando el sistema entra en un régimen de producción más consistente. Este comportamiento es coherente con el carácter transitorio de la transferencia de calor y con la necesidad de superar un umbral térmico para movilizar crudo altamente viscoso.
En cuanto a SAGD, estudios recientes destacan que, una vez establecida la cámara de vapor y el drenaje gravitacional, el desempeño depende del control de presión, de la estabilidad de la cámara, de la composición de fluidos y de la capacidad de sostener producción con menor penalización energética [14], [15]. En el presente proyecto, el hecho de que SAGD alcance valores de SOR bajos y relativamente estables en el pozo IP-15 tras el arranque es consistente con esa evidencia, lo que respalda la interpretación de que el mecanismo dominante pasa a ser el drenaje gravitacional y el aprovechamiento más eficiente del calor almacenado en la formación, en comparación con la inyección continua.
La bibliografía también refuerza la importancia de controlar la etapa de arranque y el crecimiento de cámara de vapor. Estudios de simulación y experimentación física han mostrado que la interacción entre cámara de vapor, banco líquido, aditivos o esquemas de control de presión puede modificar de forma significativa la eficiencia térmica y la estabilidad productiva de SAGD [19], [20], [21]. Estos hallazgos son coherentes con la sensibilidad observada en Pungarayacu, donde el desempeño depende no solo del método seleccionado, sino de la maduración térmica, el CAP y las restricciones operativas aplicadas.
Respecto al tiempo de precalentamiento/arranque, la literatura muestra una variabilidad amplia y fuertemente dependiente de la comunicación térmica inter-pozos, heterogeneidad y mecanismo aplicado. Estudios recientes de CSS y procesos térmicos asistidos reportan que el calentamiento del reservorio controla la fase de arranque y la posterior eficiencia de producción [19]. Por su parte, análisis de arranque SAGD, incluyendo circulación convencional, evidencian que los periodos de precalentamiento pueden ser del orden de meses, por ejemplo, aproximadamente 187–200 días en ciertos escenarios modelados, destacando que el objetivo es lograr una comunicación térmica suficientemente uniforme antes de entrar al régimen SAGD [18]. Bajo esta perspectiva, la sensibilidad de 0–6 meses para precalentamiento cae dentro de un rango internacionalmente plausible, y el hallazgo de que precalentamientos intermedios tienden a maximizar picos/recuperación en ventanas de simulación cortas es coherente con la física del establecimiento del gradiente térmico, aunque debe interpretarse considerando que la ventana temporal, hasta 12 meses, captura de forma parcial la etapa de ramp-up típica de proyectos SAGD.
Asimismo, el efecto del CAP cercano (pozo IP-5B) sobre corte de agua y SOR también está en línea con la literatura que enfatiza la sensibilidad de SAGD e inyección de vapor a la presencia de agua inferior/superior y a la gestión de drawdown/steam trap. Cuando la cámara de vapor interactúa térmicamente con zona acuosa, aumenta la probabilidad de producción de agua por conificación, invasión o incremento de movilidad, lo que reduce la fracción efectiva de petróleo producido y eleva SOR; esto refuerza la necesidad de controles operacionales conservadores, como subenfriamiento, límites de BHP y control de presión de inyección, para sostener eficiencia térmica [14]. En consecuencia, la conclusión de que SAGD tiende a ser más eficiente en términos de SOR que la inyección continua una vez superado el arranque es consistente con la evidencia internacional, pero la penalización por CAP cercano sugiere que la estrategia de control será determinante para la viabilidad en ciertos sectores del campo.
Es importante señalar que las principales limitaciones del presente estudio están referidas a que los modelos son sectoriales y representan únicamente los entornos IP-5B e IP-15; la heterogeneidad lateral fue simplificada; el ajuste histórico se basó en información dinámica limitada; el periodo predictivo de 12 meses captura de forma parcial la maduración de procesos SAGD; no se incluyó una evaluación económica detallada de generación de vapor, tratamiento de agua ni disponibilidad energética; y las conclusiones dependen de los rangos de incertidumbre definidos para las propiedades roca-fluido y operativas. Estas limitaciones no invalidan la comparación, pero restringen la extrapolación directa a todo el campo sin validación adicional.
La reconstrucción histórica de los pilotos CSS ejecutados en los pozos IP-5B e IP-15 permitió obtener una representación numérica consistente del comportamiento observado en campo, constituyendo una base para la evaluación comparativa de escenarios térmicos alternativos.
Los resultados de simulación mostraron diferencias significativas en el desempeño de los métodos térmicos evaluados. En el sector IP-5B, el mejor escenario correspondió a SAGD sin periodo de precalentamiento (0M), con una producción acumulada aproximada de 8 300 bbl, mientras que en el sector IP-15 el mejor desempeño se obtuvo con SAGD y cinco meses de precalentamiento (5M), alcanzando alrededor de 49 000 bbl de petróleo acumulado.
La respuesta de los modelos evidenció una fuerte influencia del contacto agua-petróleo (CAP) sobre el comportamiento productivo. En IP-5B, la cercanía al CAP favoreció la irrupción temprana de agua, incrementó el corte de agua y limitó la eficiencia térmica de todos los métodos evaluados. En contraste, IP-15 presentó condiciones más favorables para el desarrollo de procesos térmicos sostenidos.
El análisis de sensibilidad mediante el método de Morris identificó a las variables operativas asociadas al control de presión, calidad de vapor y restricciones de producción como los parámetros de mayor influencia sobre la producción acumulada. En los escenarios de mejor desempeño también se observó una participación importante de las propiedades roca-fluido, particularmente de los parámetros que controlan las curvas de permeabilidad relativa.
La evaluación energética basada en la Relación Vapor-Petróleo (SOR) mostró que los escenarios con mayor recuperación no necesariamente presentan el mismo nivel de eficiencia térmica. El caso SAGD-IP15 con cinco meses de precalentamiento combinó la mayor recuperación acumulada con un SOR promedio cercano a 5 bbl/bbl, lo que indica un uso relativamente más eficiente de la energía inyectada dentro de las condiciones simuladas.
Los resultados sugieren que, para los sectores analizados y bajo los supuestos adoptados en los modelos, los esquemas SAGD presentan ventajas respecto a CSS e ICV en términos de recuperación y eficiencia energética. Sin embargo, esta conclusión se limita a las áreas representadas alrededor de los pozos IP-5B e IP-15 y no debe extrapolarse directamente a todo el campo Pungarayacu sin estudios adicionales de escala de campo.
Como trabajo futuro se recomienda desarrollar modelos con mayor caracterización lateral, ejecutar nuevos pilotos en campo, realizar evaluaciones técnico-económicas integradas y analizar alternativas de optimización térmica que permitan reducir el consumo de vapor y mejorar la eficiencia energética de los proyectos.
La presente investigación se desarrolló con recursos propios de los autores y en el marco de las actividades académicas y de investigación de la Universidad Central del Ecuador y la Escuela Politécnica Nacional. No se recibió financiamiento específico de agencias públicas, comerciales o entidades sin fines de lucro para la ejecución de este estudio.
Los autores declaran que las herramientas de inteligencia artificial generativa fueron utilizadas únicamente como apoyo para la revisión lingüística, corrección de estilo y mejora de la redacción del manuscrito. La conceptualización del estudio, recopilación y análisis de datos, interpretación de resultados, elaboración de figuras y conclusiones fueron realizadas íntegramente por los autores, quienes asumen plena responsabilidad sobre el contenido científico del artículo.
Los autores declaran que no existe ningún conflicto de intereses financiero, institucional, profesional o personal que pudiera haber influido en los resultados o interpretaciones presentadas en este estudio.
Los datos que respaldan los resultados del estudio no están disponibles públicamente, pero pueden ser solicitados al autor de correspondencia menriquez@uea.edu.ec, previa justificación razonable.
• Javier Miranda (30%) contribuyó en la conceptualización del estudio, desarrollo metodológico, construcción del modelo geológico estático, análisis petrofísico, simulación numérica, validación de resultados, visualización de datos y redacción del borrador original.
• Oscar Jami (15%) contribuyó en la recopilación y procesamiento de información geológica y petrofísica, curación de datos, interpretación de registros de pozo y aseguramiento de la calidad de los datos empleados.
• Oscar Jami (15%) contribuyó en la caracterización estratigráfica del yacimiento, interpretación geológica, correlación de unidades productoras y discusión de los resultados obtenidos.
• Oscar Jami (10%) contribuyó en la organización de bases de datos, elaboración de figuras, mapas y tablas, búsqueda bibliográfica y gestión de referencias.
• Javier Miranda (10%) contribuyó en la supervisión técnica del modelado geológico y dinámico, evaluación metodológica, validación científica de los resultados y edición académica del artículo.
• Javier Miranda (20%) contribuyó en la dirección científica del proyecto, administración de recursos, definición de lineamientos metodológicos, interpretación integral de resultados, revisión final y aprobación de la versión publicada.
© 2026 Guillermo Javier Miranda Díaz y Oscar Paúl Jami Jami.
Artículo de libre acceso bajo los términos de una
Licencia
Creative Commons Reconocimiento – NoComercial – CompartirIgual 4.0 Internacional.
Se permite, sin restricciones, el uso, distribución, traducción y reproducción del documento,
siempre y
cuando
se realice sin fines comerciales y estén debidamente citados bajo la misma licencia.