Convergencia estratégica de Redes Neuronales de Grafos, REROSIM y Scaled Load Ratio para gemelos digitales de inyección de vapor

Resumen

Este artículo propone un modelo de gemelo digital para optimizar la gestión de yacimientos bajo inyección de vapor, integrando tres metodologías avanzadas de la literatura SPE: Redes Neuronales de Grafos (GNN): Adaptadas del almacenamiento de CO2 para actuar como sustitutos físicos rápidos, modelando la evolución de presión, temperatura, saturaciones y calidad de vapor. Método REROSIM (Reservoir Engineering Reservoir Simulation): Abstrae la conectividad inter-pozo para evaluar la dinámica del barrido sin depender de simulaciones de grilla fina. Analítica de Scaled Load Ratio (SLR): Evalúa la integridad operacional del bombeo mecánico, previniendo fallas por fricción, fatiga o interferencia de gas. El enfoque unifica el subsuelo con la superficie. Al combinar física, velocidad computacional y vigilancia de integridad, la arquitectura permite ejecutar escenarios en minutos y aprender del dato histórico, garantizando una optimización que protege la confiabilidad mecánica del sistema.