Submitted by Romulus Lima (romulus.lima@ufpe.br) on 2015-03-10T14:47:11Z No. of bitstreams: 2 DISSERTAÇÃO Luis Gustavo Amaral Wanderley.pdf: 8496793 bytes, checksum: 00a7f8eabf7af5e9c8d0641aafcdd221 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-10T14:47:11Z (GMT). No. of bitstreams: 2 DISSERTAÇÃO Luis Gustavo Amaral Wanderley.pdf: 8496793 bytes, checksum: 00a7f8eabf7af5e9c8d0641aafcdd221 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-08-30 / A simulação numérica de reservatórios é ferramenta valiosa de suporte à decisão em projetos de desenvolvimento e gerenciamento da produção de petróleo. Depois de elaborados, os modelos de simulação são submetidos ao ajuste de histórico, etapa onde são validadas as propriedades de rocha e fluido que, de acordo com a formulação matemática, descrevem o fluxo no meio poroso. Os modelos ajustados são utilizados para prever o comportamento do reservatório em diferentes condições de operação, na busca de estratégias de explotação que maximizem a produção e a recuperação de petróleo. O ajuste de histórico pode ser tratado como um problema inverso de minimização da discrepância entre os dados observados e os resultados da simulação, cujas incógnitas são os parâmetros descritivos do reservatório. Neste trabalho, o modelo de simulação de um campo com onze poços e um ano e meio de histórico foi ajustado satisfatoriamente, utilizando técnicas de otimização não baseadas em gradientes, do CMOST, e de mínimos quadrados não lineares, do DAKOTA. Em campos submetidos a injeção de água, a otimização dos controles dos poços tem grande potencial de aumentar a recuperação de hidrocarboneto, retardando o avanço da frente de água e propiciando melhor eficiência de varrido. A partir da utilização do método híbrido de otimização do CMOST, e mediante definição dos controles de vazão dos poços e do número de ciclos de controle, foi resolvido um problema de maximização que aumentou em 3,5% o VPL do campo.

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).

Made available in DSpace on 2014-06-12T17:37:04Z (GMT). No. of bitstreams: 2 arquivo2222_1.pdf: 1552281 bytes, checksum: a07baf3282d7d24c6e398d5d4508f5b7 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / O principal problema do uso de otimização com simulações em projetos de engenharia de petróleo se deve a extensiva demanda computacional requerida, devido principalmente à grande quantidade de simulações numéricas realizadas durante o processo. Neste trabalho é apresentada uma alternativa para superar tal dificuldade, utilizando-se funções substitutas - através da construção de modelos substitutos (metamodelos) - que são menos custosas de serem realizadas, no qual amenizam o esforço computacional gerado durante o processo de otimização existente para esta classe de aplicação. Desta maneira, torna-se viável a utilização de um algoritmo de otimização, sem a necessidade de executar o simulador numérico de uma forma intensiva. A simulação numérica permite a obtenção de uma previsão do comportamento do reservatório com base em um modelo numérico, previamente construído a partir de diversos parâmetros gerados durante a caracterização do campo de petróleo. Após a construção de um modelo numérico a sua validação com histórico de produção é feita através do ajuste de histórico onde o modelo de reservatório é corrigido para que os resultados obtidos pelo simulador reproduzam os resultados observados, sendo através desse processo gerado uma boa caracterização de reservatório de petróleo e consequentemente uma boa previsão de produção. Isto posto, este trabalho buscou desenvolver uma metodologia para automatizar o processo de ajuste de histórico de produção por um ajuste assistido, em simulação numérica de reservatório de petróleo, através da minimização matemática de uma função-objetivo utilizando-se de um método de otimização baseado na estratégia de Otimização Aproximada Sequencial (SAO). Para o desenvolvimento do sistema foram implementadas rotinas em OCTAVE, posteriormente integradas ao DAKOTA e ao simulador IMEX, permitindo o funcionamento da metodologia através da troca de dados entre esses programas. Como resultado desse trabalho obteve-se, através da simulação numérica de reservatória, dados para avaliar o processo de ajuste de histórico, utilizando-se de técnicas de otimização por aproximação sequencial, visando encontrar um modelo ajustado que será utilizado para realizar previsões futuras do reservatório, provendo subsídios para uma explotação mais confiável

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.

Submitted by Eduarda Figueiredo (eduarda.ffigueiredo@ufpe.br) on 2015-03-05T12:59:02Z No. of bitstreams: 2 Tese_JoseDasio_2012.pdf: 3385516 bytes, checksum: 4afa8d5c72cfeb19a26316b0dd1e613f (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-05T12:59:03Z (GMT). No. of bitstreams: 2 Tese_JoseDasio_2012.pdf: 3385516 bytes, checksum: 4afa8d5c72cfeb19a26316b0dd1e613f (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2012-01-20 / ANP / A busca por condições ótimas para a produção de óleo e gás é um dos maiores desafios no campo da engenharia de petróleo. A necessidade de tomar decisões em intervalos de tempo cada vez menor, associada a uma série de limitações, tais como simulações de alto custo computacional, exigem elevados investimentos no desenvolvimento de novas ferramentas computacionais. Este trabalho apresenta ferramentas computacionais para alocação dinâmica das vazões nos poços de produção e injeção, e ajuste de histórico. As incertezas relacionadas às propriedades petrofísicas, como o campo de permeabilidades serão consideradas no problema de alocação de vazões. O modelo “black –oil” é utilizado neste trabalho, e as simulações são feitas com um simulador comercial. O campo de permeabilidades é considerado como um campo estocástico, caracterizando a incerteza como uma variável na entrada do modelo. Os campos estocásticos de entrada são descritos com a expansão de Karhunen-Loeve, e as respostas estocásticas de interesse são expressas com expansão em caos polinomial e também com a colocação estocástica. A utilização da expansão de Karhunen-Loeve diretamente requer um alto custo computacional, para minimizar este problema é utilizada a técnica de análise dos componentes principais utilizando a matriz núcleo (KPCA). Esta metodologia quando aplicada na forma linear somente preserva os momentos de primeira e segunda ordem do campo estocástico, sendo necessária a utilização da metodologia KPCA não linear para representar os momentos de ordem maior que dois. Neste trabalho são utilizados modelos substitutos, que uma vez construídos possibilitam uma redução no custo computacional. Outra vantagem na utilização de modelos substitutos é que os mesmos permitem desenvolver estudos de otimização quando não se tem informações sobre as derivadas das equações do problema a ser simulado. Serão apresentadas diferentes metodologias para a geração de modelos substitutos, tais como, Krigagem, MARS e Processo Gaussiano. Para gerar os modelos, diferentes técnicas de amostragem são estudadas, tais como, Quase-Monte Carlo (QMC), Hipercubo latino (LHS) e Tesselação de Voronoi (CVT). iv Os modelos substitutos são utilizados juntamente com a estratégia de otimização por aproximação seqüencial (SAO). Esta metodologia decompõe o processo de otimização em subproblemas, onde cada subproblema é restrito a uma região do espaço de projeto (região de confiança). No caso de otimização considerando incertezas é utilizada a metodologia de camadas e aninhamento. Estudos de caso em reservatório sob injeção de água ou gás são desenvolvidos. Os resultados mostram que as metodologias de modelos substitutos são uma alternativa viável quando não se têm acesso as derivadas do problema. Os casos de otimização das alocações dinâmicas das vazões de produção mostram que as metodologias apresentadas alcançam um considerável acréscimo no valor presente líquido. No caso do ajuste de histórico, as metodologias utilizadas mostram uma boa capacidade preditiva.

In reservoir engineering, history matching is the technique that reviews the uncertain parameters of a reservoir simulation model in order to obtain a response according to the observed production data. Reservoir properties have uncertainties due to their indirect acquisition methods, that results in discrepancies between observed data and reservoir simulator response. A history matching method is the Ensemble Smoother with Multiple Data assimilation (ES-MDA), where an ensemble of models is used to quantify the parameters uncertainties. In ES-MDA, the number of iterations must be defined previously the application by the user, being a determinant parameter for a good quality matching. One way to handle this, is by implementing adaptive methodologies when the algorithm keeps iterating until it reaches good matchings. Also, in large-scale reservoir models it is necessary to apply the localization technique, in order to mitigate spurious correlations and high uncertainty reduction of posterior models. The main objective of this dissertation is to evaluate two main parameters of history matching when using an adaptive ES-MDA: localization and ensemble size, verifying the impact of these parameters in the adaptive scheme. The adaptive ES-MDA used in this work defines the number of iterations and the inflation factors automatically and distance-based Kalman gain localization was used to evaluate the localization influence. The parameters influence was analyzed by applying the methodology in the benchmark UNISIM-I-H: a synthetic large-scale reservoir model based on an offshore Brazilian field. The experiments presented considerable reduction of the objective function for all cases, showing the ability of the adaptive methodology of keep iterating until a desirable overcome is obtained. About the parameters evaluated, a relationship between the localization and the required number of iterations to complete the adaptive algorithm was verified, and this influence has not been observed as function of the ensemble size. / Em engenharia de reservatórios, ajuste de histórico é a técnica que revisa os parâmetros incertos de um modelo de simulação de reservatório para obter uma resposta condizente com os dados de produção observados. As propriedades do reservatório possuem incertezas, devido aos métodos indiretos em que foram adquiridas, resultando em discrepâncias entre os dados observados e a resposta do simulador de reservatório. Um método de ajuste de histórico é o Conjunto Suavizado com Múltiplas Aquisições de Dados (sigla em inglês ES-MDA), onde um conjunto de modelos é utilizado para quantificar as incertezas dos parâmetros. No ES-MDA o número de iterações necessita ser definido previamente pelo usuário antes de sua aplicação, sendo um parâmetro determinante para um ajuste de boa qualidade. Uma forma de contornar esta limitação é implementar metodologias adaptativas onde o algoritmo continue as iterações até que alcance bons ajustes. Por outro lado, em modelos de reservatórios de larga-escala é necessário aplicar alguma técnica de localização para evitar correlações espúrias e uma alta redução de incertezas dos modelos a posteriori. O principal objetivo desta dissertação é avaliar dois principais parâmetros do ajuste de histórico quando aplicado um ES-MDA adaptativo: localização e tamanho do conjunto, verificando o impacto destes parâmetros no método adaptativo. O ES-MDA adaptativo utilizado define o número de iterações e os fatores de inflação automaticamente e a localização no ganho de Kalman baseada na distância foi utilizada para avaliar a influência da localização. Assim, a influência dos parâmetros foi analisada aplicando a metodologia no benchmark UNISIM-I-H: um modelo de reservatório sintético de larga escala baseado em um campo offshore brasileiro. Os experimentos apresentaram considerável redução da função objetivo para todos os casos, mostrando a capacidade da metodologia adaptativa de continuar iterando até que resultados aceitáveis fossem obtidos. Sobre os parâmetros avaliados, foi verificado uma relação entre a localização e o número de iterações necessárias, influência esta que não foi observada em função do tamanho do conjunto.

Submitted by isabela.moljf@hotmail.com (isabela.moljf@hotmail.com) on 2017-05-05T11:50:07Z No. of bitstreams: 1 carolinaribeiroxavier.pdf: 2823825 bytes, checksum: af5d50f5cdbb099ed71457b9baaabdc9 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-05-17T13:34:27Z (GMT) No. of bitstreams: 1 carolinaribeiroxavier.pdf: 2823825 bytes, checksum: af5d50f5cdbb099ed71457b9baaabdc9 (MD5) / Made available in DSpace on 2017-05-17T13:34:27Z (GMT). No. of bitstreams: 1 carolinaribeiroxavier.pdf: 2823825 bytes, checksum: af5d50f5cdbb099ed71457b9baaabdc9 (MD5) Previous issue date: 2009-08-18 / O processo de ajuste histórico tem como objetivo a determinação dos parâmetros de modelos de reservatório de petróleo. Uma vez ajustados, os modelos podem ser utilizados para a previsão do comportamento do reservatório. Este trabalho apresenta uma comparação de diferentes métodos de otimização para a solução deste problema. Métodos baseados em derivadas são comparados com um algoritmo genético. Em particular, compara-se os métodos: Levenberg-Marquardt, Quasi-Newton, Gradiente Conjugado n~ao linear, máxima descida e algoritmo genético. Devido à grande demanda computacional deste problema a computação paralela foi amplamente utilizada. As comparações entre os algoritmos de otimização foram realizadas em um ambiente de computação paralela heterogêneo e os resultados preliminares são apresentados e discutidos. / The process of history matching aims on the determination of the models' parameters from a petroleum reservoir. Once adjusted, the models can be used for the prediction of the reservoir behavior. This work presents a comparsion of different optimization methods for this problem's solution. Derivative based methods are compared to a genetic algorithm. In particular, the following methods are compared: Levenberg-Marquadt, Quasi-Newton, Non Linear Conjugate Gradient, steepest descent and genetic algorithm. Due to the great computational demand of this problem, the parallel computing has been widely used. The comparsions among the optimization algorithms were performed in an heterogeneous parallel computing environment and the preliminar results are presented and discussed.