[pt] A atividade de gerenciamento de reservatórios é uma tarefa essencial que visa o desafio da otimização da explotação de reservatórios de petróleo. Como resposta a tal desafio a indústria de óleo e gás vem desenvolvendo novas tecnologias, como a de poços inteligentes. Esses poços tem objetivo de baratear as operações de restaurações mais corriqueiras através do controle de sua tecnologia. Assim, este trabalho trata do desenvolvimento de campos inteligentes e apresenta um sistema de apoio à decisão capaz de otimizar, através de algoritmos evolucionários, o processo de controle da tecnologia de poços inteligentes considerando incertezas de falha e geológica. Além disso, o sistema se propõe a apoiar na tomada de decisão pelo uso ou não de poços inteligentes, dado um reservatório pronto para ser explorado ou para receber investimentos de expansão. O controle da tecnologia de poços inteligentes (IWT - Intelligent Wells Technology) empregado nesse estudo, refere-se à operação de abertura e fechamento dos dispositivos (válvulas) existentes nesses tipos de poços. Através da otimização com algoritmos genéticos se busca uma estratégia de controle pró-ativo, em outras palavras, agir antes do efeito, onde se busca nos tempos iniciais de produção uma configuração de válvulas que seja capaz de: atrasar a chegada da frente de água aos poços produtores, antecipar a produção de óleo ou melhorar a recuperação de óleo do campo; em conseqüência, uma operação que leve à maximização do valor presente líquido (VPL). O emprego de estratégias de controle que visam beneficiar a completação identifica o campo como inteligente. Outros trabalhos abordam o problema de otimização de controle de válvulas em poços inteligentes, porém eles utilizam métodos clássicos de otimização que limitam o número de válvulas ou ainda otimizam estratégias sem considerar os intervalos de tempo desejados para manutenção das válvulas. O modelo evolucionário empregado nesse estudo, baseado em algoritmos genéticos, consegue formular uma estratégia de controle para todas as válvulas presentes em uma determinada configuração de produção, em qualquer intervalo de tempo desejado, atendendo ao critério econômico de maximizar o VPL. Para apoiar a tomada de decisão, pelo uso ou não de poços inteligentes, consideram-se incertezas de falha e geológica. O modelo proposto foi avaliado em três reservatórios petrolíferos, sendo o primeiro um reservatório sintético, e os outros dois reservatórios mais complexos com características mais próximas das reais. Os resultados encontrados indicam que o modelo proposto permite alcançar boas estratégias de controle que levam a um aumento do VPL. A principal contribuição deste trabalho é a concepção e implementação de um sistema baseado em técnicas inteligentes capaz de apoiar no desenvolvimento e gerenciamento de reservatórios petrolíferos inteligentes considerando incertezas. / [en] The reservoir management is an important task that aims at the optimization of oil reservoir exploitation. To support this challenging mission, the oil and gas industry has been developing new technologies such as intelligent wells. The purpose of these wells is to reduce costs of the most common restoring operations by control of their actuators. Thus, this work deals with intelligent fields development and presents a decision support system able to optimize, by using evolutionary algorithms, the intelligent wells technology control process considering geological and technical uncertainties. In addition, the system gives support for the decision of rather to use or not intelligent wells, given a reservoir ready to be explored or to receive expansion investments. The control of Intelligent Wells Technology (IWT), as applied in this study, refers to the opening and closing operations of valves in these types of wells. An optimization based on genetic algorithms is used to produce a pro-active control strategy, that is, one that anticipates the actions to be taken in present time in order to achieve better results in the future. Such a strategy proposes a valve configuration that will be able to: delay the water cut on producer wells, advance the oil production or benefit the oil recuperation. As a result, the obtained configuration leads to a maximization of the NPV (Net Present Value). The usage of control strategies that aim to benefit completion identifies the oil field as intelligent. Other works also deal with valve control optimization problems in intelligent wells. However, they use classical optimization methods; these methods limit the number of valves or optimize strategies without considering time. The evolutionary model, based on genetic algorithm, applied in this study, can formulate a control strategy for all valves in a certain production configuration, for any desired time interval, according to the economical criteria of NPV maximization. In order to support the decision making for the use or not of intelligent wells, technical and geological uncertainties are considered. The proposed model was evaluated in three oil reservoirs. The first one is a synthetic reservoir, simple and not real; the other two are more complex with close to real characteristics. The results obtained indicate that the proposed model allows good control strategies that increase the NPV. The main contribution of this work is the conception and implementation of a system based on intelligent techniques that is able to support the development and management of intelligent oil reservoirs considering uncertainties.

[pt] Este trabalho investiga o problema de otimização de alternativas para o desenvolvimento de campos petrolíferos. Uma alternativa de desenvolvimento refere-se à forma como um campo petrolífero, conhecido e delimitado, é colocado em produção, isto é, diz respeito à determinação do número, localização e agendamento dos poços de produção e injeção. Otimização de alternativas consiste em encontrar as configurações de produção que, a longo prazo, forneçam o maior valor presente líquido (VPL), obtido a partir do custo de investimento inicial, do preço do petróleo, da produção de óleo e gás, dos custos de operação, das alíquotas de impostos e dos royalties pagos durante o tempo de produção. A produção de óleo é obtida usando-se um simulador de reservatório. O simulador recebe a informação da alternativa a ser simulada e retorna a curva de produção de óleo e gás no tempo de produção especificado. Cada execução do simulador pode demorar desde alguns segundos até várias horas, dependendo da complexidade do reservatório modelado. Este trabalho propõe, implementa e avalia um sistema inteligente de otimização que emprega: algoritmos genéticos (AGs) para a busca de uma alternativa de desenvolvimento ótima; uso de ambiente de computação paralela para a simulação de reservatório e cálculo do VPL das alternativas; um módulo de inferência baseado em modelos inteligentes para aproximar a função de produção de óleo; e um módulo de caracterização baseado em mapas de qualidade para obter informações do campo petrolífero a serem aproveitadas durante a otimização. Este trabalho consistiu de 4 etapas: uma revisão da literatura sobre desenvolvimento de campos petrolíferos, simulação de reservatórios e caracterização de campos petrolíferos; um estudo das técnicas de inteligência computacional para otimização e aproximação de funções; desenvolvimento do modelo proposto de otimização de alternativas; e o estudo de casos. O modelo proposto foi avaliado com configurações de reservatório homogêneo e heterogêneo obtendo resultados da otimização, do uso da caracterização, da aproximação pelo módulo de inferência e do uso do ambiente paralelo. Os resultados obtidos mostram que, o modelo proposto, permite alcançar respostas com altos VPL sem utilizar conhecimento prévio, e também a partir de informações extraídas da caracterização ou fornecidas pelo próprio especialista como sementes iniciais na otimização. A principal contribuição deste trabalho é a concepção e implementação de um sistema baseado em técnicas inteligentes para otimizar alternativas de desenvolvimento com uma redução do tempo computacional para um processo iterativo, obtida tanto pelo aproveitamento do poder computacional de um ambiente de computação paralela, como pelo uso de aproximações das curvas de produção. Este sistema inteligente oferece uma ferramenta de suporte à decisão que automatiza a busca de alternativas de desenvolvimento e aproveita informações vindas do conhecimento do engenheiro de reservatório. / [en] This work investigates the problem of optimization of alternatives for petroleum fields` development. A development alternative refers to the way a well-known and delimited petroleum field is placed in production. This process involves the determination of the number, localization and scheduling of producer and injector wells. Thus, the optimization of alternatives consists of finding the production configurations that, in the long term, provide the maximum net present value (NPV); this is obtained from the investment cost, oil price, oil & gas production, operation costs and taxes and royalties paid during the production time. The oil and gas production is obtained from a reservoir simulator. The simulator receives information from the alternative to be simulated, and returns an oil & gas production to specified production time. Each simulation can take from a few seconds to several hours, depending on complexity of the reservoir being modeled. This work proposes, implements and evaluates an intelligent optimization system that comprises: genetic algorithms (GAs) to search an optimal development alternative; using of parallel computing environment to reservoir simulation and NPV computing; an inference module, basis in intelligent models, to approximate the oil production function; and a oilfield characterization module, basis in quality maps, to obtain information about the oilfield to use during optimization process. This work consisted of four stages: a literature review about petroleum field development and reservoir simulation; a study about computational intelligence techniques applied in optimization and functions approximation; the development of alternatives optimization proposal model; and the case studies. The proposal model was evaluated using homogeneous and heterogeneous reservoir configurations, obtaining results of optimization, by using characterization, the inference module and the parallel environment. The obtained results indicate that the proposed model provides alternatives with high NPV without previous knowledge and also from information provided by characterization or information inserted by the expert as initial seeds into optimization. The main contribution of this work is the conception and the implementation of a system basis in intelligent techniques to optimize development alternatives offering a reduction time to an iterative process, obtained from exploit of computational effort of a parallel computing environment or by using of production curves approximations. This intelligent system offers a decision-support tool that allows automating the search process of development alternatives and exploiting information from knowledge of reservoir engineers.