Orientador: Denis Jose Schiozer / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica e Instituto de Geociencias / Made available in DSpace on 2018-08-14T08:35:58Z (GMT). No. of bitstreams: 1 Nogueira_PedrodeBrito_M.pdf: 5381292 bytes, checksum: 7daa3a9850818d7643ba69731ca167f2 (MD5) Previous issue date: 2009 / Resumo: Os altos níveis de incerteza e riscos associados a projetos de exploração e produção de alguns campos de petróleo sugerem a utilização de estratégias de produção otimizadas probabilisticamente. Desta forma, uma estratégia de produção adequada deve ser selecionada considerando vários cenários econômicos e geológicos. Neste trabalho, uma nova abordagem para otimização é proposta onde a estratégia de produção é otimizada simultaneamente em todos os cenários econômicos e modelos geológicos representativos (MGR) considerados. Diferentemente das metodologias convencionais de otimização, onde os valores presentes líquidos das estratégias são otimizados independentemente para cada MGR considerando um único cenário econômico, esta nova abordagem considera todos os MGR e cenários econômicos adotados simultaneamente. Isto permite disponibilizar mais informações a respeito do desempenho da estratégia nos diversos cenários permitindo que se realize uma melhor tomada de decisão. Além disso, a estratégia de produção definida pela abordagem proposta tende a ser mais adaptável às incertezas geológicas e econômicas. Contudo, geralmente, uma complexa superfície de resposta é gerada no processo de otimização da quantidade e posicionamento dos poços. O elevado potencial de geração de valores extremos locais justifica a utilização de técnicas robustas de busca como os algoritmos genéticos. Neste caso, o espaço solução é mais bem explorado conduzindo a resultados mais confiáveis. Entretanto, técnicas de busca dispersas tendem a ser mais caras computacionalmente que técnicas baseadas no cálculo dos gradientes da função-objetivo. Neste trabalho é proposta uma metodologia de otimização probabilística de estratégias de produção baseadas em algoritmos genéticos que visa reduzir o número de simulações necessárias para maximizar o valor monetário esperado. A idéia principal é controlar o tamanho do espaço solução através de uma representação cromossômica apropriada e implementar etapas específicas de otimização, otimizando todos os MGR para todos os cenários econômicos considerados simultaneamente através de uma técnica de simulação desenvolvida com este propósito. O presente trabalho visa dar uma abordagem mais rigorosa às incertezas que as metodologias geralmente utilizadas conduzindo a melhores resultados e permitindo que se realize uma análise completa dos impactos das incertezas geológicas e econômicas. Além disso, este trabalho pretende propiciar um avanço com relação à redução do número de simulações necessárias para se otimizar uma estratégia de produção através de algoritmo genético conduzindo a resultados mais rápidos permitindo dar dinâmica ao processo decisório. / Abstract: High levels of uncertainty and associated risks in the exploration and production of some oil fields suggest the use of probabilistic optimized production strategies. Therefore, an appropriate production strategy should be chosen considering various geological and economic scenarios. In this work, a new approach for the optimization is proposed where the production strategy is optimized for selected geological representative models (GRM) and under selected economic scenarios simultaneously. Differently from conventional optimization methodologies where each representative geological model has a net present value (NPV) optimized under a specific economic model, this new approach considers all alternatives simultaneously, providing more information about the production performance of all scenarios, allowing a better decision-making process. Moreover, production strategy defined by the new approach tends to be more adaptable to geological and economic uncertainties. However, in the optimization process of wells quantity and placement, a very complex topology is normally produced. The potential of generation of local extreme values is high, therefore, it is appropriate to employ a robust search technique such as genetic algorithms. In this case, the solution space is better explored, yielding more confident results. However, random based techniques tend to be more expensive computationally than gradient based techniques. In this work, a methodology is proposed for production strategy optimization under uncertainties, based on genetic algorithms, that aims to reduce the number of simulations necessary to maximize the expected monetary value (EMV). The main idea is to control the size of the solution space through an appropriated conception of chromosomes structures and the implementation of specifics optimizations stages optimizing every GRM for every economic scenario simultaneously through a simulation technical developed for this purpose. The present work aims to provide an improvement with respect to uncertainty handling of the conventional optimization methodologies, yielding better results and providing a complete analysis of geological and economic uncertainties. Moreover, its intends to provide an advance with respect to the number of simulations necessary to optimize a production strategy through genetic algorithms, yielding faster results, speeding up the decision-making process. / Mestrado / Reservatórios e Gestão / Mestre em Ciências e Engenharia de Petróleo

A tarefa mais importante do projetista de estruturas é garantir a segurança em seus projetos. Obras cujas vidas úteis são medidas em décadas devem ser mantidas funcionais, garantindo níveis aceitáveis de segurança e conforto a seus usuários. Deve-se ainda levar em conta os impactos da estrutura, de maneira que o consumo de materiais, o preço, e mesmo os danos ambientais relacionados a ela não inviabilizem sua execução. A otimização estrutural permite a concepção de estruturas que atendem a requisitos desejáveis, e aliada à confiabilidade estrutural, fornece o corpo de conhecimentos necessário para a obtenção de estruturas seguras e viáveis. Apesar disso, a formulação de problemas de otimização estrutural envolvendo quantificação de incertezas envolve grande complexidade, e não foi ainda plenamente absorvida pela prática da engenharia. Nesta tese, diferentes abordagens de otimização considerando incertezas são exploradas e três métodos para a solução de problemas deste tipo são propostos. É apresentada também uma aplicação de otimização baseada em confiabilidade na calibração de coeficientes parciais de segurança. Além disso, aplicações de otimização de risco são estudadas, incluindo problemas que envolvem estruturas que sofrem degradação, e um problema envolvendo confiabilidade de sistema, cuja falha depende da trajetória dos carregamentos no tempo. A tese inclui ainda uma breve revisão e um estudo sobre técnicas de metamodelagem, que são aplicadas nos métodos propostos para a redução dos custos computacionais envolvidos na solução dos problemas de otimização. Os métodos propostos, bem como as aplicações exploradas, são estudados em vários exemplos, demonstrando-se assim a eficiência de cada um deles. / The structural designer\'s utmost important task is to guarantee the safety of the structures designed. Buildings whose lifespan is referred to in decades must be kept functional, with acceptable levels of safety and comfort to its users. The impact caused by the structure must be taken into account as well, so that material consumption, costs and environmental damage do not make its execution unfeasible. Structural optimization allows the design of structures that attend to specific requirements, and together with structural reliability, provides the knowledge required to the achievement of safe and viable structural design. However, the formulation of structural optimization problems including uncertainty quantification involves great complexity, and has not yet been fully absorbed by engineering practice. In this thesis, different approaches to optimization under uncertainties are explored, and three methods are proposed to the solution of this kind of problem. A reliability-based design optimization application to the calibration of partial safety factors is also presented. Moreover risk optimization applications to degrading structures and a system reliability problem, whose failure depends on the trajectory followed by the loads in time are studied. This thesis also includes a study about surrogate modelling techniques, which are applied to reduce the computational burden of the methods proposed herein. The methods and applications studied in this thesis are explored in several examples, thus demonstrating their efficiency.