[pt] Na área de Exploração e Produção (EeP) de petróleo, o estudo minucioso
das características de um reservatório é imperativo para a criação de
modelos de simulação que representem adequadamente as suas propriedades
petrofísicas. A disponibilidade de um modelo adequado é fundamental para
a obtenção de previsões acertadas acerca da produção do reservatório, e isso
impacta diretamente a tomada de decisões gerenciais. Devido às incertezas
inerentes ao processo de caracterização, ao longo da vida produtiva do
reservatório, periodicamente o seu modelo de simulação correspondente
precisa ser ajustado. Todavia, a tarefa de ajustar as propriedades do modelo
se traduz em um problema de otimização complexo, onde o número de
variáveis envolvidas é tão maior quanto maior for a quantidade de blocos
que compõem a malha do modelo de simulação. Na maioria das vezes
esses ajustes envolvem processos empíricos que demandam elevada carga de
trabalho do especialista. Esta pesquisa investiga e avalia uma nova técnica
computacional híbrida, que combina Algoritmos Genéticos e Geoestatística
Multiponto, para a otimização de propriedades em modelos de reservatórios.
Os resultados obtidos demonstram a robustez e a confiabilidade da solução
proposta, uma vez que, diferentemente das abordagens tradicionalmente
adotadas, é capaz de gerar modelos que não apenas proporcionam um
ajuste adequado das curvas de produção, mas também que respeitam as
características geológicas do reservatório. / [en] In the Exploration and Production (EeP) of oil, the detailed study of reservoir characteristics is imperative for the creation of simulation models that
adequately represent their petrophysical properties. The availability of an
appropriate model is fundamental to obtaining accurate predictions about
the reservoir production. In addition, this impacts directly the management
decisions. Due to the uncertainties inherent in the characterization process,
along the productive period of the reservoir, its corresponding simulation
model needs to be matched periodically. However, the task of matching the
model properties represents a complex optimization problem. In this case,
the number of variables involved increases with the number of blocks that
make up the grid of the simulation model. In most cases these matches
involve empirical processes that take too much time of an expert. This research investigates and evaluates a new hybrid computer technique, which
combines Genetic Algorithms and Multipoint Geostatistics, for the optimization of properties in reservoir models. The results demonstrate the
robustness and reliability of the proposed solution. Unlike traditional approaches, it is able to generate models that not only provide a proper match
of the production curves, but also satisfies the geological characteristics of
the reservoir.
Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:19629 |
Date | 13 June 2012 |
Creators | EUGENIO DA SILVA |
Contributors | MARCO AURÉLIO CAVALCANTI PACHECO |
Publisher | MAXWELL |
Source Sets | PUC Rio |
Language | Portuguese |
Detected Language | Portuguese |
Type | TEXTO |
Page generated in 0.0019 seconds