Submitted by Israel Vieira Neto (israel.vieiraneto@ufpe.br) on 2015-03-05T17:50:57Z No. of bitstreams: 2 Dissertação Júlio Hoffimann Mendes.pdf: 10096156 bytes, checksum: 5b0587f24e368bb11970a042409dfda8 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-05T17:50:57Z (GMT). No. of bitstreams: 2 Dissertação Júlio Hoffimann Mendes.pdf: 10096156 bytes, checksum: 5b0587f24e368bb11970a042409dfda8 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2014-05-28 / PETROBRAS / Em Engenharia de Petróleo e outras áreas da ciência, Mitigação de Incertezas baseada em Histórico (MIH) é o termo moderno usado por especialistas ao se referirem a ajustes contínuos de um modelo matemático dadas observações. Tais ajustes tem maior valor quando acompanhados de diagnósticos que incluem intervalos de confiança, momentos estatísticos, e idealmente caracterização completa das distribuições de probabilidade associadas. Neste trabalho, o bastante conhecido problema de ajuste ao histórico em campos de petróleo é revisado sob uma perspectiva Bayesiana que leva em consideração toda possível fonte de incerteza teórica ou experimental. É uma aplicação direta da metodologia geral desenvolvida por Albert Tarantola no seu livro intitulado ‘’Inverse Problem Theory and Methods for Model Parameter Estimation”. Nosso objetivo é fornecer a pesquisadores da área de Óleo & Gás um software escrito em uma linguagem de programação moderna (i. e. Python) que possa ser facilmente modificado para outras aplicações; realizar a inversão probabilística com dezenas de milhares de células como uma prova de conceito; e desenvolver casos de estudo reproduzíveis para que outros interessados neste tema possam realizar “benchmarks” e sugerir melhoramentos. Diferentemente de outros métodos de sucesso para MIH como Ensemble Kalman Filters (EnKF), o método proposto, denomidado Ensemble MCMC (EnMCMC), não assume distribuições a priori Gaussianas. Pode ser entendido como uma cadeia de Markov de ensembles e teoricamente é capaz de lidar com qualquer distribuição de probabilidade multimodal. Dois casos de estudo sintéticos são implementados em um cluster de computação de alto desempenho usando o modelo MPI de execução paralela para distribuir as diversas simulações de reservatório em diferentes nós computacionais. Resultados mostram que a implementação falha em amostrar a distribuição a posteriori, mas que ainda pode ser utilizada na obtenção de estimativas maximum a posteriori (MAP) sem fortes hipóteses a respeito dos dados (e. g. a priori Gaussianas).

Submitted by Pedro Barros (pedro.silvabarros@ufpe.br) on 2018-09-04T21:17:21Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTAÇÃO Roberto Navarro Pareja.pdf: 3454842 bytes, checksum: add35a3c61e16d12a7de8eec98d2b411 (MD5) / Approved for entry into archive by Alice Araujo (alice.caraujo@ufpe.br) on 2018-09-17T22:46:50Z (GMT) No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTAÇÃO Roberto Navarro Pareja.pdf: 3454842 bytes, checksum: add35a3c61e16d12a7de8eec98d2b411 (MD5) / Made available in DSpace on 2018-09-17T22:46:50Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTAÇÃO Roberto Navarro Pareja.pdf: 3454842 bytes, checksum: add35a3c61e16d12a7de8eec98d2b411 (MD5) Previous issue date: 2014-08-26 / CAPES / A simulação de reservatórios é uma importante ferramenta usada pela indústria do petróleo para o gerenciamento de reservatórios. A fim de obter previsões da produção de óleo confiáveis, diferentes propriedades petrofísicas do reservatório, como porosidade e permeabilidade são usadas nos modelos de reservatórios. Porém, medições diretas dessas propriedades são possíveis apenas em alguns poucos poços. Uma forma de melhorar o conhecimento sobre essas propriedades é através do processo de ajuste ao histórico. O ajuste ao histórico consiste em melhorar estimativas de propriedades do reservatório usadas na construção de um modelo de reservatório de forma que as previsões do modelo se aproximem dos dados medidos em campo. Nesta dissertação apresentamos um estudo para o ajuste ao histórico automático baseado em um modelo areal, isto é, que considera o reservatório plano e horizontal, descrito por apenas duas dimensões geométricas, de um reservatório bifásico (óleo/água), onde desejamos estimar a distribuição de permeabilidades do reservatório. Devido à sua simplicidade e eficiência, o método do Filtro de Kalman com Ensembles (EnKF), é usado para assimilar as medições estáticas e dinâmicas, atualizando continuamente as propriedades do reservatório. O EnKF nos últimos anos tem ganhado muita popularidade, é um método de assimilação de dados para modelos dinâmicos não lineares de alta dimensão e portanto adequado para ser usado no ajuste ao histórico de modelos de simulação de reservatórios. O EnKF foi implementado em Matlab e acoplado ao Matlab Reservoir Simulation Toolbox (MRST), que foi desenvolvido pelo SINTEF para simulação de reservatórios, e foi aplicado a dois casos sintéticos simples. Os resultados mostraram que a rotina EnKF funcionou corretamente, mostrando-se que, para muitos dos parâmetros com incerteza inicial, esta foi reduzida a um nível aceitável, para a produção de petróleo e água. / Reservoir simulation is an important tool used by the oil industry for reservoir management. In order to obtain reliable predictions of oil production, different petrophysical properties such as porosity and permeability are used to build the reservoir models. However, direct measurements of these properties are only possible in a few wells. One way to improve the knowledge of these properties is through the history matching process. History matching improves the estimates of reservoir properties used in the construction of the reservoir model so that the model predictions are closer to the measured production of the field. In this paper we present a study for an automatic history matching based upon and two-dimensional model of two-phase (oil/water) reservoir, where we wish to improve the estimate of the distribution of the reservoir permeabilities. Due to its simplicity and efficiency, the method of the Ensemble Kalman Filter (EnKF) is used to assimilate the static and dynamic measurements, continuously updating the properties of the reservoir. The EnKF, in recent years has gained much popularity, as it is a method for dynamic data assimilation for nonlinear models of high dimension and therefore suitable for use in history matching models of reservoir simulations. The EnKF was implemented in Matlab and coupled to Matlab Reservoir Simulation Toolbox (MRST), which was developed by SINTEF for reservoir simulation, and was applied to two simple synthetic cases. The results showed that the EnKF routine works properly, showing that, for many of the parameters and initial uncertainty has been reduced to an acceptable level for the production of oil and water.