IBP1176_12 SELEO DE ESTRATGIA DE PRODUO EM CAMPOS COM FORTES HETEROGENEIDADES SOB INCERTEZAS COM NFASE NA ANLISE DE POOS Vinicius

E. Botechia1, Denis J. Schiozer1

Copyright 2012, Instituto Brasileiro de Petrleo, Gs e Biocombustveis - IBP Este Trabalho Tcnico foi preparado para apresentao na Rio Oil & Gas Expo and Conference 2012, realizado no perodo de 17 a 20 de setembro de 2012, no Rio de Janeiro. Este Trabalho Tcnico foi selecionado para apresentao pelo Comit Tcnico do evento, seguindo as informaes contidas no trabalho completo submetido pelo(s) autor(es). Os organizadores no iro traduzir ou corrigir os textos recebidos. O material conforme, apresentado, no necessariamente reflete as opinies do Instituto Brasileiro de Petrleo, Gs e Biocombustveis, Scios e Representantes. de conhecimento e aprovao do(s) autor(es) que este Trabalho Tcnico seja publicado nos Anais da Rio Oil & Gas Expo and Conference 2012.

Resumo
A definio de uma estratgia de produo adequada para um campo de petrleo uma tarefa muito importante, pois deve possibilitar que o campo produza uma quantidade de hidrocarbonetos de maneira eficiente, de forma a maximizar o desempenho do reservatrio. Esta tarefa, entretanto, extremamente complexa, devido grande quantidade de variveis envolvidas e alternativas possveis. Em cenrios sob incertezas, esta complexidade ainda maior, j que os riscos envolvidos aumentam. Os trabalhos publicados que focam metodologias para selecionar estratgias de produo levam em considerao, na maioria das vezes, apenas indicadores de campo no processo. Porm, em campos heterogneos e em cenrios incertos, o comportamento dos poos pode apresentar uma variao muito grande de um cenrio em relao a outro devido, sobretudo, s diferenas existentes entre os modelos de simulao. Assim, este trabalho prope um enfoque na anlise do comportamento de poos produtores na seleo da estratgia de produo, de modo a tornar o processo de otimizao mais eficiente, aumentando o retorno econmico mdio nos cenrios considerados ou diminuindo o risco envolvido. Os resultados mostraram que este tipo de anlise pode proporcionar novas alternativas de estratgias ou dar maior robustez estratgia escolhida.

Abstract
The selection of a good production strategy for an oil field is a very important task, because it should enable the field to produce a quantity of hydrocarbons efficiently, in order to maximize the performance of the reservoir. This task, however, is extremely complex due to the large number of variables involved and possible alternatives. In scenarios under uncertainty, this complexity is even greater, since risks increase. The studies that focus on methodologies to select production strategies take into account, in most cases, only field indicators in the process. However, in heterogeneous fields and in scenarios under uncertainty, the behavior of the wells may have a very large range between the scenarios, due mainly to differences in simulation models in these cases. Thus, this paper proposes an approach to analyze the behavior of wells in the selection of production strategy in order to make the optimization process more efficient, increasing the average economic return on the considered scenarios or decreasing the risk involved in the process. The results showed that this type of analysis can provide new alternatives of strategies or can give greater robustness to the chosen strategy.

1. Introduo
Uma das tarefas mais importantes e complexas dentro da Engenharia de Reservatrios a seleo de uma estratgia de produo adequada em campos no incio da fase de desenvolvimento. Uma estratgia de produo adequada permite que a produo seja feita de forma eficiente, maximizando o desempenho do reservatrio, respeitando os limites fsicos e econmicos. A complexidade do problema se deve ao elevado nmero de variveis que influenciam na tomada de deciso, tais como propriedades de rocha e de fluido, alm de diversos parmetros que precisam ser controlados, tais como nmero de poos, localizao dos poos, sistema de injeo de fluidos para recuperao suplementar etc.

______________________________ 1 DEP/FEM/UNICAMP

Rio Oil & Gas Expo and Conference 2012 Nos projetos de explorao e produo (E&P) de petrleo necessrio realizar altos investimentos em cenrios complexos, nos quais esto envolvidos altos riscos, devido grande quantidade de incertezas envolvidas. As principais incertezas referentes ao desenvolvimento de campos petrolferos so as incertezas econmicas, geolgicas e tecnolgicas. Segundo Nogueira (2009), nos campos que se encontram em incio de fase de desenvolvimento, nos quais as incertezas so maiores, h maiores chances de estratgias de produo equivocadas, gastos desnecessrios, prejuzos ou desenvolvimento subtimo do campo. Dessa forma, uma maneira de se reduzir o impacto das incertezas no desempenho do projeto considerando-as no procedimento de seleo da estratgia de produo, e selecionar estratgias que apresentem maior adaptabilidade diante dos diversos cenrios incertos possveis. Quando h incertezas envolvidas, possvel quantificar o impacto destas e do risco nas estimativas relacionadas ao desempenho do reservatrio atravs de um enfoque probabilstico, ao invs de utilizar uma nica resposta determinstica (Steagall, 2001). Assim, existem vrios trabalhos na literatura que do um enfoque probabilstico na seleo da estratgia de produo. Pham et al. (2003) descreveram uma estratgia de desenvolvimento com injeo de gua perifrica para um grande reservatrio carbontico com muitas heterogeneidades. Cullick et al. (2004) apresentaram um sistema que possibilita otimizar reservatrios e gerenciar alternativas de deciso sob incertezas, de forma que os riscos associados pudessem ser gerenciados, atravs de um sistema que integra um algoritmo estocstico, simulao de reservatrios por diferenas finitas e cenrios econmicos. Wences e Tomas (2005) abordaram uma metodologia para determinar a melhor estratgia de explorao de campos de petrleo usando anlise de risco, sendo que uma metodologia determinstica foi combinada com modelagem estocstica e anlise de risco econmica para melhorar o processo de tomada de deciso sob incertezas. A maioria dos trabalhos referentes seleo de estratgias de produo existentes na literatura consideram apenas indicadores de campo no processo. Entretanto, trabalhos como o de Nakajima (2003) e Nogueira (2009) mostram que a anlise de desempenho de poos muito importante para tornar o processo mais eficiente. Porm, em geral, isso no feito pela complexidade do processo, principalmente quando h incertezas envolvidas. O desempenho de poos sob incertezas pode ser importante na seleo de estratgias de reservatrios muito heterogneos, como acontece nos carbonatos, por exemplo, j que o comportamento dos poos, nestes casos, pode variar muito nos cenrios incertos, devido maior diferena entre as regies nos modelos de simulao. Desta forma, devem-se buscar maneiras para se melhorar o processo de otimizao atravs da anlise do comportamento dos poos em cenrios incertos, fazendo com que estes tenham um melhor desempenho na mdia de todos os cenrios considerados. Assim, o principal objetivo deste trabalho apresentar uma metodologia para a escolha de uma estratgia de produo adequada em reservatrios heterogneos, considerando o impacto de incertezas no desempenho de poos para tornar o processo mais eficiente, seja melhorando a estratgia escolhida ou confirmando se esta est adequada. Para a insero das incertezas neste trabalho, usado o conceito de Modelos Representativos (MR), cujo objetivo captar as incertezas do reservatrio e a variabilidade das estratgias de produo em uma pequena quantidade de modelos. Dessa forma, esses modelos retratam os diferentes cenrios possveis a partir dos atributos considerados determinantes. Schiozer et al. (2004) apresentam critrios para seleo de MR.

2. Metodologia
A metodologia foi dividida em duas etapas principais e so apresentadas nos subitens a seguir:

2.1. Combinao de Estratgias nos Modelos Representativos Primeiramente, necessrio que cada modelo representativo possua uma estratgia de produo que esteja prxima de seu timo global, j que para se fazer uma comparao justa entre as estratgias de produo dos modelos, necessrio que todas elas estejam prximas do seu mximo potencial, ou seja, devem passar por um processo de otimizao de forma determinstica seguindo os mesmos critrios. Alguns trabalhos existentes na literatura sugerem opes para realizar essa otimizao. Ravagnani et al. (2011), por exemplo, sugerem o estabelecimento de um arranjo timo de poos no reservatrio, alocando inicialmente um grande nmero de poos na malha de simulao e posteriormente retirando manualmente poos produtores e injetores de baixo desempenho. Para realizar a anlise considerando as incertezas do problema, deve haver um cruzamento de dados entre as estratgias encontradas nos diversos modelos, pois, em cenrios sob incertezas, uma estratgia boa para um modelo pode no ser adequada em outro. Assim, necessrio avaliar como cada estratgia se comporta nos outros modelos. Nesta etapa, portanto, a estratgia otimizada em cada modelo representativo simulada nos outros modelos, de modo que possa ser calculado o valor monetrio esperado (VME) de cada uma delas. O VME definido como o somatrio dos valores presentes lquidos (VPL) dos cenrios considerados, ponderados pelas suas respectivas probabilidades de ocorrncia. Neste trabalho, o VME a mdia aritmtica simples dos VPL, j que se considera que 2

Rio Oil & Gas Expo and Conference 2012 todos os cenrios tm iguais probabilidades de ocorrncia. Assim, existiro n combinaes possveis, sendo n o nmero de modelos representativos. A simulao da estratgia otimizada de cada modelo nos outros representativos resulta em um valor de VPL para cada cenrio considerado. Dessa forma, calcula-se o VME de cada uma das estratgias encontradas. Para a escolha de uma estratgia, utiliza-se o mtodo do Risco vs Retorno, proposto por Hayashi (2006). Neste mtodo, dois indicadores so usados para a anlise, sendo que um deles quantifica o risco associado utilizao das estratgias e o outro mede o retorno econmico das mesmas. O risco, neste trabalho, quantificado pelo desvio-padro dos VPL obtidos para cada estratgia, enquanto o retorno calculado atravs dos VME obtidos. Logo, deve-se escolher uma estratgia que apresente alto retorno e baixo risco.

2.2. Anlise do Comportamento dos Poos Esta etapa consiste em fazer uma anlise dos poos produtores para a estratgia encontrada, para tornar o processo de otimizao mais eficiente. Esta anlise muito importante em reservatrios heterogneos, nos quais o comportamento dos poos pode variar bastante. Medir o desempenho econmico de um poo uma tarefa complexa, j que seria necessrio saber o quanto ele est contribuindo na diluio dos custos do campo como um todo. Uma forma de medir o desempenho dos poos produtores atravs do indicador econmico de poos produtores (IEPP), que apresentado por Ravagnani et al. (2011). O IEPP, porm, leva em considerao apenas as receitas e custos associados ao poo, no levando em considerao os custos que so referentes ao campo. Assim, poos que no apresentam bom desempenho podem apresentar IEPP positivo, o que pode levar a concluses equivocadas de que o poo est apresentando um bom desempenho. A Equao 1 apresenta a forma de calcular o IEPP. Uma forma sugerida neste trabalho para medir o desempenho econmico dos poos atravs do indicador de desempenho de poos (IDP) e obtida a partir do IEPP, de acordo com as Equaes 2 e 3.

(1)

(2)

(3) sendo: = varivel que considera investimentos e impostos devido produo do campo; IDP = Indicador de desempenho de poos; IEPPi = Indicador econmico do poo produtor i; VPLcampo = Valor presente lquido do campo; Nprod = Nmero de poos produtores; RO = receita atualizada de venda de leo; RG = receita atualizada de venda de gs; CO = custo atualizado associado produo de leo; CG = custo atualizado associado produo de gs; Ca = custo atualizado associado produo de gua; Invpoo = investimento atualizado do poo; t = perodo de tempo; T = nmero total de perodos de tempo; i = taxa mnima de atratividade. No clculo do IDP, so considerados os investimentos, custos e taxas correspondentes ao campo. Assim, poos que apresentam IEPP positivo, mas que possuem um desempenho ruim, podem apresentar um IDP negativo. Entretanto, estes custos que correspondem ao campo so diludos de forma igual entre todos os poos, o que pode acabar no sendo justo, j que determinados poos podem estar contribuindo de forma diferente na diluio destes custos. Assim, um poo com IDP negativo no significa necessariamente que, ao se retirar este poo do modelo de simulao, haver uma melhora no VPL do campo. 3

Rio Oil & Gas Expo and Conference 2012 Portanto, outra maneira de se medir o desempenho econmico dos poos simulando o modelo sem o poo em questo e calculando a diferena entre o VPL do campo obtido com o poo e sem o poo. Esta forma de se medir o desempenho do poo a mais prxima que se pode obter do valor presente lquido de poo. Este ndice aqui denominado por valor presente lquido do poo produtor (VPL p). Dependendo da quantidade de poos existentes, este procedimento pode se tornar trabalhoso, portanto sugere-se primeiramente calcular o IDP como referncia e, caso algum poo apresente IDP negativo, simular o modelo sem este poo, para verificar se h aumento ou diminuio do VPL do campo. Nesta etapa tambm feito um novo grfico do tipo Risco vs Retorno, desta vez para os poos da estratgia escolhida. Neste trabalho usado o desvio-padro dos IDP para quantificar o risco associado perfurao de cada poo, enquanto a mdia dos IDP quantifica o retorno econmico dos poos. Recomenda-se, ento, retirar alternadamente os poos que apresentem os menores retornos, verificando se h aumento no VME da estratgia escolhida.

3. Aplicao
3.1. Descrio dos Modelos Geolgicos Foram utilizados ao todo quatro modelos representativos apenas para ilustrar como o procedimento deve ser realizado, mas poderiam ser utilizados mais modelos, de forma a representar melhor as incertezas do problema. Os modelos so sintticos de dupla porosidade (apresentam uma malha para a matriz e outra para as fraturas), heterogneos, compostos por 158.928 blocos (86x77x24), sendo que cada bloco possui dimenses areais de 70 x 70m e profundidade varivel. Outras caractersticas comuns a todos os modelos so: presso inicial do reservatrio de 327 kgf/cm, presso de bolha de 210 kgf/cm, densidade do leo de 866 kg/m e saturao inicial de gua de 20%. A Figura 1 mostra o mapa tridimensional de porosidade de um dos modelos utilizados.

Figura 1. Mapa de porosidade de um dos modelos utilizados.

3.2. Parmetros Econmicos e Operacionais O mtodo de recuperao escolhido foi atravs de injeo de gua, de forma a estabilizar os nveis de presso e garantir a produo por um longo perodo. Foram utilizados somente poos verticais. O perodo de anlise mximo foi de 30 anos. As condies de operaes dos poos so: Vazo mxima de produo de lquidos dos poos produtores de 800 m/dia; Presso mnima de fundo de poo para os poos produtores de 200 kgf/cm; Vazo mxima de injeo de gua para os poos injetores de 1400 m/dia; Presso mxima de fundo de poo para os poos injetores de 400 kgf/cm. A Tabela 1 mostra os parmetros econmicos utilizados na anlise. O investimento na plataforma de produo tem como base os preos propostos por Hayashi (2006) em funo da capacidade de produo de lquidos, acrescido de 40% para correo para valores atuais, dada pela Equao 4. J o custo com descomissionamento foi considerado como sendo 10% do custo de investimento em plataforma. 4

Rio Oil & Gas Expo and Conference 2012

Tabela 1. Parmetros econmicos utilizados. Varivel Taxa de Atratividade Preo de Venda do leo PIS/Cofins IRCS Royalty Investimento inicial Custo de produo de leo Custo de produo de gua Custo de injeo de gua Custo de perfurao de cada poo Investimento em plataforma Descomissionamento [ Sendo que a vazo dada em 1000 bbl/dia. ] Valor 9% ao ano 50 US$/bbl 9,25% 34% 10% 50 (Milhes US$) 10.0 (US$/bbl) 1.0 (US$/bbl) 1.0 (US$/bbl) 65 (Milhes US$) 653 780 (Milhes US$) 65.3 78.0 (Milhes US$) (4)

3.3. Incertezas Consideradas Foram consideradas, neste trabalho, somente incertezas geolgicas, sendo que elas foram incorporadas aos modelos representativos j na construo dos mesmos. As incertezas consideradas foram: (a) Propriedades petrofsicas (permeabilidade e porosidade); (b) comprimento dos carbonatos microbiais; (c) densidade dos carbonatos microbiais; (d) densidade e posio das microfraturas selantes. A Figura 2 ilustra um corte lateral do modelo geolgico esttico, com as fcies e as zonas existentes no mesmo. J a Tabela 2 mostra como esto distribudas as incertezas para os atributos (a), (b) e (c) listados acima. As incertezas (b) e (c) aparecem somente nas zonas 2, 4 e 6, pois so nelas em que se encontram os carbonatos microbiais (componentes em verde da Figura 2). Neste caso, as regies de textura Grainstone so caracterizadas por bons valores de permeabilidade e porosidade. As fcies de carbonatos microbiais so os melhores reservatrios, enquanto as fcies heterolticas no so reservatrios.

Figura 2. Corte lateral do modelo geolgico esttico.

Rio Oil & Gas Expo and Conference 2012 Tabela 2. Parmetros incertos dos modelos representativos. Incerteza (a) MR 1 2 3 4 Alto Alto Mdio Mdio Zona 2 Mdio Mdio Mdio Mdio Incerteza (b) Zona 4 Alto Alto Mdio Mdio Zona 6 Alto Alto Mdio Mdio Zona 2 Mdio Mdio Alto Alto Incerteza (c) Zona 4 Mdio Mdio Alto Alto Zona 6 Mdio Mdio Mdio Mdio

4. Resultados e Discusso
A Tabela 3 resume algumas caractersticas dos modelos representativos otimizados, tais como os valores de VPL, produes acumuladas de leo e gua, investimento, fator de recuperao e nmero de poos. Os MR 3 e 4 apresentaram as menores recuperaes de leo e os menores nmeros de poos, devido principalmente s propriedades petrofsicas (neste caso, permeabilidade e porosidade) que so mais pessimistas nestes modelos em relao aos outros dois. Estes fatores tambm acarretaram em menores valores de VPL para os MR 3 e 4 em relao aos MR 1 e 2. O maior valor de recuperao de leo e o maior VPL foram encontrados para o MR 1. Tabela 3. Alguns valores dos MR otimizados. VPL (MM US$) 1039 974 223 259 Np (MM m) 55 52 29 33 Wp (MM m) 45 35 16 27 Invest. (MM US$) 2249 2029 1472 1718

MR 1 2 3 4

FR 0.50 0.47 0.30 0.34

Nmero de Poos 23 (13P + 10I) 20 (11P + 9I) 13 (8P + 5I) 16 (9P + 7I)

Cada estratgia foi simulada nos outros modelos, resultando em 16 combinaes possveis. Aqui as estratgias so representadas pelo mesmo ndice utilizado nos modelos, ou seja, a Estratgia 1 refere-se estratgia otimizada do Modelo Representativo 1, a Estratgia 2 refere-se estratgia do Modelo Representativo 2 e assim sucessivamente. A Tabela 4 mostra os valores de VPL, obtidos depois da combinao das estratgias nos modelos. Por essa tabela, percebese que o maior VPL foi obtido para a Estratgia 1, porm essa estratgia resultou em VPL negativo para outros dois modelos, o que aumenta o risco envolvido. J as Estratgias 3 e 4, por exemplo, apresentaram valores menores de VPL, porm em nenhum cenrio foi verificado valores negativos, portanto h um risco menor em se utilizar estas estratgias em relao s Estratgias 1 e 2. Isto fica mais claro atravs da Figura 3, que mostra o risco, quantificado pelo desvio-padro dos VPL, e o retorno financeiro das estratgias, medido pelo valor monetrio esperado de cada uma delas, que neste caso, a mdia dos VPL, j que foi considerado que todos os cenrios possuem iguais probabilidades de ocorrncia. Pela Figura 3 nota-se que existem duas estratgias que podem ser escolhidas, dependendo do perfil da empresa e do tomador de decises. A Estratgia 4 possui o maior retorno financeiro, porm acarreta em um maior risco do que a Estratgia 3. Portanto, se o tomador de decises possui um perfil avesso ao risco, h a tendncia de que seja escolhida a Estratgia 3, enquanto se este for tolerante ao risco, dever escolher a Estratgia 4. Neste trabalho, estas duas estratgias foram escolhidas para que fosse feita a anlise de poos. Tabela 4. Valores de VPL, em milhes de dlares, para as estratgias combinadas nos diversos cenrios. MR 1 Estratgia 1 2 3 4 1039 1016 691 946 2 806 974 658 898 3 -285 -177 223 164 4 -196 -115 257 259 6

Rio Oil & Gas Expo and Conference 2012

Figura 3. Grfico de Risco vs Retorno para as quatro estratgias. As Tabela 5 e Tabela 6 mostram os valores calculados para o IDP para as Estratgias 3 e 4, enquanto as Figura 4 e Figura 5 ilustram graficamente a variabilidade no comportamento dos poos nos diversos cenrios. Por estes grficos, percebe-se que alguns poos apresentaram grande variabilidade em relao aos cenrios considerados. Por exemplo, na Estratgia 3, o Poo 6 apresenta um bom desempenho nos MR 1, 2 e 4, mas apresenta um desempenho ruim no MR 3. Neste modelo, este foi o pior poo, enquanto nos outros modelos ele era um dos melhores poos, considerando o desempenho por IDP. Neste caso, isso ocorreu porque no MR 3 este poo est situado numa regio cercada por fraturas selantes que esto prejudicando o escoamento de fluidos. O mesmo ocorreu com o Poo 4 da Estratgia 4. Assim, a partir desta primeira anlise, tambm foi possvel identificar algumas caractersticas presentes em cada modelo representativo. Tabela 5. Valores de IDP obtidos para a Estratgia 3 em todos os modelos representativos. IDP - Estratgia 3 (Milhes US$) Poo 1 2 3 4 5 6 7 8 Modelo 1 42 112 22 74 143 131 89 77 Modelo 2 46 117 32 3 139 140 95 86 Modelo 3 -122 194 -57 3 217.1 -155 132 12 Modelo 4 5 202 -97 -151 252 86 15 -54

Tabela 6. Valores de IDP obtidos para a Estratgia 3 em todos os modelos representativos. IDP - Estratgia 4 (Milhes US$) Poo 1 2 3 4 5 6 7 8 9 Modelo 1 -22 149 76 195 100 229 106 41 70 Modelo 2 -14 174 85 185 74 218 143 -50 79 Modelo 3 -81 172 16 -139 -10 226 104 -148 26 Modelo 4 -28 138 -37 152 -78 241 89 -193 -24 7

Rio Oil & Gas Expo and Conference 2012

Figura 4. Grfico de Poos x IDP para a Estratgia 3.

Figura 5. Grfico de Poos x IDP para a Estratgia 4. Com os valores de IDP, a fim de tentar melhorar as estratgias escolhidas, foram gerados grficos de Risco vs Retorno para os poos destas estratgias, conforme mostram as Figura 6 e Figura 7, sendo que o risco foi quantificado atravs do desvio-padro dos valores de IDP obtidos para todos os modelos, enquanto o retorno econmico foi considerado como sendo a mdia dos valores de IDP para cada poo.
Risco x Retorno - Poos - Estratgia 3
240

Poo 5

Retrono (Mdia IDP)

160

Poo 2
80

Poo 7
Poo 8 Poo 6 Poo 1
20 40 60 80 100 120 140 160

Poo 3
-80

Poo 4

Risco (Desvio-Padro IDP)

Figura 6. Risco x Retorno para os poos da Estratgia 3.

Rio Oil & Gas Expo and Conference 2012

Risco x Retorno - Poos- Estratgia 4
Retrono (Mdia IDP - MM US$)
300 240

Poo 6
180

Poo 2
120

Poo 7
60 0 0 20 40 60 80 100 120 140

Poo 9

Poo 4

Poo 3

Poo 5
160 180

-60
-120

Poo 1 Poo 8

Risco (Desvio-Padro IDP - MM US$)

Figura 7. Risco x Retorno para os poos da Estratgia 4. Pelos grficos acima, nota-se que os Poos 1, 3 e 4 da Estratgia 3 apresentaram retorno negativo, segundo o IDP. Com o objetivo de tentar melhorar a estratgia atravs desta anlise, foi retirado da estratgia primeiramente o Poo 1 e simulada novamente em todos os modelos representativos. O procedimento foi ento repetido retirando-se os Poos 3 e 4, alternadamente. Dessa forma, com os novos valores de VPL obtidos para o campo com a realizao deste procedimento, foi calculado o valor monetrio esperado dessas novas estratgias, para verificar se houve ganho ou no, ou seja, se o VME aumentou em relao estratgia original. O mesmo processo foi realizado para os Poos 1 e 8 da Estratgia 4. A Tabela 7 mostra os resultados obtidos para os novos valores de VME depois de realizado o procedimento de retirada de poos para as duas estratgias. A Figura 8 mostra o grfico de Risco vs Retorno para as estratgias, incluindo as estratgias sem os poos analisados. Tabela 7. Valores de VME e desvio-padro das estratgias. Estratgia 1 2 3 4 Est. 3 Sem Poo 1 Est. 3 Sem Poo 3 Est. 3 Sem Poo 4 Est. 4 Sem Poo 1 Est. 4 Sem Poo 8 VME (MM US$) 341 424 457 567 442 479 453 473 519 Desvio-Padro (MM US$) 679 659 251 412 309 293 288 388 361

Figura 8. Risco x Retorno para as estratgias, depois de realizada a anlise dos poos. 9

Rio Oil & Gas Expo and Conference 2012 No caso da Estratgia 3, a retirada do Poo 3 resultou em aumento do VME, porm com um maior desviopadro, ou seja, com um maior risco envolvido. J para a Estratgia 4 no houve ganhos em relao ao VME com a retirada de poos, entretanto houve uma diminuio do risco ao realizar a retirada dos Poo 8. Portanto, essa anlise dos poos proporcionou novas alternativas ao tomador de deciso, que so intermedirias entre as Estratgias 3 e 4, as quais poderiam tambm ser adequadas.

5. Concluses
O presente trabalho props um aprimoramento no estudo relativo otimizao de estratgias de produo, atravs do tratamento especfico para poos, em cenrios sob incertezas. Foi verificado que, nestes tipos de cenrios e em modelos heterogneos, o comportamento dos poos varia bastante de um modelo em relao a outro. Alm disso, atravs da anlise dos poos, foi possvel conhecer com mais detalhes os modelos utilizados, observando quais so as regies com as maiores heterogeneidades, com maior ou menor potencial de escoamento de fluidos, localizao de fraturas etc. O indicador de desempenho de poos (IDP) dilui os custos referentes ao campo entre todos os poos produtores de maneira igual, sendo til para se analisar de maneira mais clara quais poos apresentam desempenho ruim nos cenrios considerados. Entretanto, esta diluio uniforme de custos entre os poos testada neste trabalho precisa ser melhorada, j que estes contribuem de maneira diferente nesta diluio; assim, poos que apresentam IDP negativo podem estar contribuindo positivamente no valor presente lquido total do campo. Portanto, a maneira mais precisa utilizada neste trabalho para calcular a influncia do poo no VPL do campo foi retirando-se o poo do modelo de simulao e calculando a diferena do VPL do campo com o poo e sem ele. O IDP um bom parmetro para comparao relativa entre os poos, podendo ser utilizado como parmetro para a realizao deste procedimento, j que dependendo do nmero de poos este processo pode se tornar trabalhoso. Os resultados mostraram que a anlise de poos pode melhorar ou dar mais robustez estratgia escolhida, aumentando o retorno econmico mdio, o que aconteceu no caso da Estratgia 3 deste trabalho, ou tambm diminuindo o risco, o que ocorreu com a Estratgia 4 neste trabalho, proporcionando novas alternativas de estratgias ou ento confirmando se uma determinada estratgia est realmente adequada.

8. Referncias
CULLICK, S., HEATH D., NARAYANAN, K., APRIL, J., KELLY, J. Optimizing Multiple-Field Scheduling and Production Strategy With Reduced Risk. SPE 88991. Journal of Petroleum Technology. Vol. 56, Num. 11, pp 77-83, 2004. HAYASHI, S. D. Valor da Flexibilizao e Informao em Desenvolvimento de Campo por Mdulos. Campinas: Faculdade de Engenharia Mecnica e Instituto de Geocincias, Unicamp, 2006, 118 pp. Dissertao de Mestrado. NAKAJIMA, L. Otimizao de Desempenho de Poos Horizontais no Desenvolvimento de Campos de Petrleo. Campinas: Faculdade de Engenharia Mecnica e Instituto de Geocincias, Unicamp, 2003, 128 pp. Dissertao de Mestrado. NOGUEIRA, P. B. Metodologia de Otimizao Probabilstica de Estratgias de Produo Baseada em Algoritmos Genticos. Campinas: Faculdade de Engenharia Mecnica e Instituto de Geocincias, Unicamp, 2009, 124 pp. Dissertao de Mestrado. RAVAGNANI, A. T. S. G., MAZO, E. O. M, SCHIOZER, D. J. A Case Study of the Structure of the Process for Production Strategy Selection. International Journal of Modeling and Simulation for the Petroleum Industry. Vol. 45, pp 9-15, 2011. PHAM, T. R., STENGER, B. A., AL-AFALEG, N. I., AL-OTAIBI, U. F., AL-ALI, Z. A. A Probability Approach to Development of a Large Carbonate Reservoir With Natural Fractures And Stratiform Super-Permeabilities. Saudi Aramco Journal of Technology, Winter 2003. SCHIOZER, D. J.; LIGERO, E. L.; SUSLICK, S. B.; COSTA, A. P. A. e SANTOS, J. A. M. Use of Representative Models in the Integration of Risk Analysis and Production Strategy Definition. Journal of Petroleum Science and Engineering, pp 131-141, nmero 1-2, vol. 44, Outubro, 2004. STEAGALL, D. E. Anlise de Risco nas Previses de Produo com Simulao Numrica de Fluxo Exemplo de um Campo na Fase de Delimitao. Campinas: Faculdade de Engenharia Mecnica, Unicamp, 2001, 89 pp. Dissertao de Mestrado. WENCES, A., TOMAS, M. Risk Analysis in the Determination of the Best Exploitation Strategy Using a Calibrated Reservoir-Simulation Model. SPE 94804. In: Latin American and Caribbean Petroleum Engineering Conference, Rio de Janeiro, Brasil, Junho, 2005.

10