ALGORITMO COMPUTACIONAL PARA PREDECIR EL GRADIENTE DE PRESIÓN EN POZOS VERTICALES MEDIANTE LA CORRELACIÓN DE FLUJO MULTIFÁSICO DE HAGEDORN Y BROWN
Resumen
La precisión en la predicción de la caída de presión esperada durante el flujo multifásico de fluido en la sarta de producción de un pozo es un problema ampliamente conocido en la industria petrolera. Son muchas las correlaciones y modelos mecanísticos que permiten estimar el gradiente de presión en pozos como las correlaciones de: Duns y Ros (2008); Orkiszewski (1967); Hagedorn y Brown (1965), Beggs y Brill (1973), Govier y col. (1999), entre otras. Cada una de ellas presentan condiciones de aplicación y consideraciones que las constituyen en aproximaciones teóricas para solucionar problemas prácticos, fundamentadas normalmente en las leyes físicas que controlan la dinámica del fluido clásico basadas en las formulaciones y soluciones de la ecuación de Navier-Stokes. El estudio del gradiente de presión que ocurre durante el flujo de fluidos multifásico en tuberías es extremadamente complejo por el gran número de variables involucradas. Por tal motivo, este artículo se basa en la realización de un programa computacional de la correlación de Hagedorn y Brown (1965), detallando científicamente el modelo matemático de la correlación generalizada de Hagedorn y Brown (1965) y la aproximación numérica con el conjunto de consideraciones y correlaciones numéricas para las propiedades de los fluidos y yacimiento, establecer el algoritmo computacional para el análisis nodal del flujo multifásico vertical en tubería, presentar el código implementado en Microsoft Excel VBA 2010 y por último validar la implementación mediante un software comercial PIPESIM 2009, como muestra de la precisión y garantía de los criterios tomados en cuenta durante el desarrollo computacional del programa. Esta implementación es muy importante porque permite predecir las pérdidas de energía del flujo de fluidos vertical en tuberías considerando todas las variables involucradas y permitiendo realizar sensibilidades numéricas para facilitar el análisis de la curva de gradiente de presión.
