Você está na página 1de 48

Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p.

177-222 

 Luciana Faletti Almeida  Marco Aurlio Cavalcanti Pacheco  Marley Maria Bernardes Rebuzzi Vellasco
 Yvn Jess Tpac Valdivia  Juan Guillermo Lazo Lazo

Sistema de apoio deciso para uso de poos


inteligentes no desenvolvimento de reservatrios
de petrleo /Decision support system for use in smart wells
for the development of oil reservoirs

resumo
PALAVRAS-CHAVE: A atividade de gerenciamento de reservatrios uma
tarefa essencial que visa o desafio da otimizao da
 otimizao
 algoritmos genticos explotao de reservatrios petrolferos. Como respos-
 engenharia de reservatrios ta a tal desafio, a indstria de leo e gs vem desenvol-
 campos de petrleo inteligentes vendo novas tecnologias, como a de poos inteligen-
 tratamento de incertezas tes. Esses poos se propem a baratear as operaes
de restauraes mais corriqueiras atravs do controle
de sua tecnologia. Este trabalho trata do desenvolvi-

abstract
KEYWORDS: Reservoir management is an essential task aimed at
the challenge of optimizing the exploration of petroli-
 optimization
ferous reservoirs. In response to such a challenge, the
 genetic Algorithms
 evolutionary Computation oil and gas industry has been developing new techno-
 reservoir Engineering logies, such as intelligent wells. These wells are inten-
 intelligent Fields ded to reduce the costs of the more commonplace res-
 uncertainties toring operations by controlling their technology. This
work studies the development of intelligent fields and
introduces a decision taking support system able to op-
timize, through evolutionary algorithms, the intelligent
well technology control process considering the techni-
cal uncertainties: in valves and geological failures. Mo-
reover, the system proposes to support decision taking,
to use or not intelligent wells, given a reservoir ready to
be explored or to receive expansion investments. The
optimization seeks a strategy of pro-active control, in
other words, act before the effect, seeking in the initial
production times a configuration of valves capable of:

177 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

mento de campos inteligentes e apresenta um sistema


de apoio deciso capaz de otimizar, atravs de algo-
introduo
ritmos evolucionrios, o processo de controle da tecno-
logia de poos inteligentes considerando incertezas tc-
motivao
nicas: de falha em vlvulas e geolgica. Alm disso, o
sistema se prope a apoiar na tomada de deciso pelo
uso ou no de poos inteligentes, dado um reservat- Na engenharia de reservatrio (Crichlow, 1977), oti-
rio pronto para ser explorado ou para receber investi- mizar a explotao de um reservatrio petrolfero signi-
mentos de expanso. A otimizao busca uma estrat- fica desenvolver uma estratgia que permita produzir a
gia de controle pr-ativo, ou seja, agir antes do efeito, maior quantidade de hidrocarboneto possvel dentro dos
buscando nos tempos iniciais de produo uma confi- limites fsicos e econmicos existentes. Os dois princi-
gurao de vlvulas capaz de: atrasar a chegada da fren- pais fatores determinantes do nvel de produo so: o
te de gua aos poos produtores, antecipar a produo sistema de explorao a ser instalado e o reservatrio
de leo ou melhorar a recuperao de leo do campo. geolgico existente.
Em conseqncia, uma operao que leve maximiza- Na viso de projetos de explorao, a otimizao da
o do VPL (valor presente lquido). O modelo foi ava- explotao de um reservatrio petrolfero visa a encon-
liado em trs reservatrios, sendo o primeiro um reser- trar estratgias de produo que sejam economicamente
vatrio sinttico, e os outros com caractersticas prxi- mais rentveis. Com esse objetivo, o engenheiro inter-
mas das reais. vm nos poos executando operaes de isolamento
de intervalos produtores, abertura de novos intervalos,
acidificaes, fraturamentos, testes de formao para
coleta de dados, e tantas outras operaes de restaura-
o. Entretanto, os altos custos associados a essas ope-
raes com intervenes nos poos, sobretudo em re-
ab s t r a c t servatrios offshore com completao molhada, podem
inviabilizar algumas dessas operaes e levar a um ge-
renciamento no otimizado do reservatrio.
delaying the arrival of the water cut of the production
Como alternativa, surge o conceito de poos inteli-
wells, accelerate the oil production or to improve the
gentes que se prope a baratear as operaes de res-
oil recovery. As a result, an operation that maximizes
taurao mais corriqueiras, tais como o isolamento e a
the NPV (Net present value). The model was tested in
abertura de novos intervalos produtores, alm do mo-
three reservoirs, the first being a synthetic reservoir, and
nitoramento em tempo real dos dados de produo
the others with more realistic characteristics.
vazes, presses e temperatura permitindo um ge-
renciamento melhor do reservatrio.
(Expanded abstract available at the end of the paper)
A completao inteligente pode ser definida como
um sistema capaz de coletar, analisar e transmitir dados
para o acionamento remoto de dispositivos de controle
de fluxo, com o objetivo de conseguir otimizar a produ-
o do reservatrio. Entretanto, essa tecnologia tem um
custo associado em geral bastante alto, aliado ao fato de
ser relativamente recente, sem muitos dados relativos a
sua confiabilidade e melhor forma de utilizao, o que
tem criado um certo receio em aprovar sua implantao,
especialmente por no existir ainda uma metodologia
padronizada para o clculo de seus benefcios.

 178
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

Assim, o problema que surge nesse contexto que, nativa, para determinados perodos de tempo ao longo
dado um reservatrio petrolfero pronto para ser explo- do processo de explotao do reservatrio, buscando o
rado ou pronto para realizar mais investimentos em ex- aumento do VPL (valor presente lquido).
panso, h a necessidade de uma metodologia que per- A otimizao, levando em considerao incertezas
mita auxiliar ao especialista na tomada de deciso en- tcnicas, tem como objetivo obter um VPL otimizado
tre investir em poos inteligentes ou investir em poos mdio para os diversos cenrios gerados na simulao
convencionais. Para apoiar essa deciso, levando em Monte Carlo e, com isso, ter uma anlise econmica do
considerao as possveis combinaes de operao das uso de poos inteligentes mesmo considerando a pos-
vlvulas existentes em poos inteligentes, e os diversos sibilidade de ocorrer falhas nesses poos.
perfis de produo que podem ser gerados, sugere-se A otimizao, levando em considerao incertezas
a aplicao de uma metodologia de otimizao de geolgicas, tem como objetivo obter uma configura-
operao dessas vlvulas. o do estado das vlvulas para determinados perodos
Na literatura, encontram-se trabalhos que abordam de tempo ao longo do processo de explotao do re-
o problema de otimizao de operao de vlvulas em servatrio que, na mdia, represente a melhor soluo
poos inteligentes utilizando mtodos de otimizao cls- para trs cenrios geolgicos do reservatrio em ques-
sicos (gradiente decrescente, gradiente conjugado e gra- to (melhor, pior e mais provvel).
diente conjugado no linear) (Yeten et al. 2002; Yeten, Assim, o objetivo do sistema obter uma compara-
2003; Khargoria et al. 2002). Entretanto, se o nmero o econmica entre o uso de poos convencionais e
de vlvulas ou segmentos de cada poo a ser otimizado de poos inteligentes, considerando, nesses ltimos,
aumenta, ou vrios poos so considerados na otimiza- operao otimizada, incertezas tcnicas e geolgicas.
o, o problema torna-se bastante complexo, dificultan- A partir dessas comparaes, o decisor obtm subs-
do a sua abordagem atravs dos mtodos clssicos de dios para tomar a deciso de usar ou no poos inteli-
otimizao. Nesse caso, o uso de algoritmos genticos gentes em um projeto de produo petrolfera, alm de
(Goldberg, 1989; Michalewicz, 1996) como mtodo de obter o controle otimizado das vlvulas existentes nos
otimizao torna-se uma estratgia interessante. Gai poos inteligentes.
(2001), em seu trabalho de otimizao de controle de
fluxo em poos multilaterais, concluiu seu estudo indi-
cando que no houve grandes avanos em ferramentas sistema de apoio de-
para otimizao do desempenho de poos inteligentes
nos ltimos tempos, e indica o uso de tentativa e erro ciso para o uso de poos
pela indstria no controle desses poos.
inteligentes no desenvolvi-
objetivos
mento de reservatrios
O objetivo deste trabalho investigar e propor um
sistema de apoio deciso sob incertezas tcnicas e
petrolferos
geolgicas, baseado em algoritmos genticos (AG) (Gol-
dberg, 1989) e simulao Monte Carlo (SMC) (Boyle et Os poos inteligentes so parte de uma tecnologia
al. 1997; Hammersley e Handscomb,1964), para ser relativamente recente, sem muitos dados relativos a sua
empregado no desenvolvimento e gerenciamento de confiabilidade e melhor forma de utilizao, o que leva
reservatrios inteligentes de petrleo, buscando otimi- necessidade de se obter metodologias padronizadas
zar estratgias timas de produo e apoiar a tomada para o clculo do benefcio do uso desses poos.
de deciso pelo uso de poos inteligentes. Neste trabalho proposto um sistema de apoio
Essa otimizao do controle de vlvulas visa deter- deciso que visa obter uma metodologia para o clculo
minar o estado das vlvulas, encontradas em uma alter- do benefcio do uso de poos inteligentes, apoiando as

179 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

atividades de desenvolvimento e gerenciamento de cam- Otimizao do controle das vlvulas com incerteza tc-
pos de petrleo inteligentes. O sistema proposto ca- nica de falhas: o mdulo de otimizao est subordinado
paz de: avaliar a viabilidade do uso de completao in- ao mdulo de tratamento de incerteza de falhas. Assim, so
teligente na presena de falhas de vlvulas; otimizar uma gerados cenrios de ocorrncia de falhas das vlvulas pelo
configurao de estratgia de controle de vlvulas (on/ mdulo de tratamento de incerteza de falha, por simulao
off ou abertura contnua), quando for considerado van- Monte Carlo, e cada cenrio gerado enviado ao mdulo
tajoso o uso de poos inteligentes; determinar a me- otimizador. O mdulo otimizador, ento, obtm o valor do
lhor configurao de estratgia de controle de vlvulas VPL da operao de vlvulas otimizadas, condicionada ao
mesmo na presena de incertezas tcnicas geolgicas. cenrio de falhas recebido. Uma vez obtidos os VPL das ope-
Os mdulos que compem o sistema so: mdulo raes otimizadas para todos os cenrios gerados, calcula-se
de otimizao do controle de vlvulas, mdulo de tra- a mdia dos VPL dessas solues. Essa mdia indica a viabili-
tamento de incerteza tcnica de falha, mdulo de tra- dade do uso de poos inteligentes na alternativa em anlise
tamento de incerteza geolgica e o mdulo funo ob- considerando-se a possibilidade de falhas;
jetivo. O simulador de reservatrio (IMEX) utilizado
para apoiar no clculo do VPL, pois ele fornece as cur- Otimizao da operao das vlvulas com incerteza
vas de produo de leo e gua. Esse sistema pode ser tcnica geolgica: o mdulo de otimizao gera solues
visualizado na figura 1. propostas que so enviadas ao mdulo funo objetivo e
recebidas pelo simulador de reservatrio; o mdulo de tra-
A seguir, so consideradas as dependncias e cone-
tamento de incertezas geolgicas indica ao mdulo funo
xes entre os mdulos:
objetivo os trs cenrios geolgicos do reservatrio em ques-
Otimizao do controle das vlvulas: o mdulo de to (melhor, mais provvel e pior); o simulador gera as cur-
otimizao gera possveis solues que so enviadas ao vas de produo, da soluo proposta para cada um dos
mdulo funo objetivo e recebidas pelo simulador de trs cenrios, e as envia ao mdulo clculo do VPL, que
reservatrio; o simulador de reservatrio envia as cur- realiza o clculo para cada cenrio e devolve ao mdulo de
vas de produo ao mdulo que realiza o clculo do otimizao, responsvel pelo calculo do VPL mdio. Ao fi-
VPL e esse devolve ao mdulo de otimizao o valor do nal de muitas iteraes, obtida a soluo que fornece
VPL. Ao final de muitas iteraes, obtida a soluo uma operao de vlvulas otimizadas que, na mdia, repre-
que fornece uma operao de vlvulas otimizada; senta a melhor soluo para os trs cenrios.

Figura 1 Principais mdulos do


sistema otimizador proposto.

Figure 1 Main modules of the


proposed optimizer system.

 180
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

Em todas as etapas o sistema de otimizao visa tores e injetores, de forma a poder representar vlvu-
maximizar o VPL do campo. A seguir, detalhes da mo- las on/off e vlvulas de abertura contnua. A quanti-
delagem de cada mdulo da figura 1. dade e a localizao das vlvulas em cada poo da
alternativa determinada pelo especialista. Em se-
otimizao de controle de vlvulas de guida, para o caso de vlvulas on/off, o sistema con-
poos inteligentes trola a abertura e o fechamento das completaes,
onde as vlvulas esto localizadas, atravs do coman-
do *OPEN/*CLOSED existente na definio de cada
Um poo inteligente um poo com completao
completao. J para as vlvulas com abertura cont-
inteligente. Completao inteligente pode ser definida
nua, h duas maneiras de represent-las:
como uma completao com instrumentao (sensores
especiais e vlvulas) instalada no tubo de produo. Essa alterando os valores de restries de operao do
instrumentao viabiliza o monitoramento contnuo e poo, tais como as taxas mximas de injeo de
o ajuste das taxas de vazo de fluidos e presses. Esse gua *STW (surface water rate) e presso de fundo
monitoramento e ajuste permitem o controle de inje- mxima *BHP (bottom hole pressure), ambas em
o e obstruo de fluido. poos injetores;
Desse modo, o mdulo de otimizao de contro-
le de vlvulas consiste em encontrar a melhor confi- alterando um fator de correo do ndice de pro-
gurao de um conjunto particular de vlvulas exis- dutividade ou injetividade nas completaes afe-
tentes em poos inteligentes para cada intervalo de tadas pelas vlvulas *FF (ndice de injetividade).
tempo ao longo de um perodo total de simulao
Para definir as seqncias de tempo em que as vl-
que oferea o maior VPL. Essa otimizao realiza-
vulas permanecero em uma determinada configura-
da atravs da filosofia de estratgia de controle pr-
o, utiliza-se o comando *TIME do simulador segui-
ativo e algoritmos genticos so usados como m-
do dos comandos que estabelecem a operao das
todo de otimizao, que representa o principal m-
vlvulas (*OPEN, *CLOSED, *STW, *BHP, *FF). A figu-
dulo do sistema, sedo capaz de trabalhar com qual-
ra 2 exemplifica a descrio de um poo injetor com
quer configurao de vlvulas on/off ou vlvulas de
vlvula on/off.
abertura contnua.
As sees seguintes apresentam a forma como as
vlvulas so representadas no sistema de otimizao de
estratgia de controle de vlvulas de poos inteligentes
e a modelagem do algoritmo gentico para otimizao
de controle dessas vlvulas.

representao das vlvulas no simulador

As vlvulas existentes em completaes inteligentes


Figura 2 Exemplo de representao de vlvula on/off no IMEX.
podem ser binrias (abre ou fecha a passagem de flui-
dos), tambm chamadas de vlvulas on/off ou vlvulas Figure 2 Example of on/off valve representation on IMEX.
com abertura contnua ou ainda vlvulas multiposies.
O simulador IMEX (Computer Modeling Group,
2000), usado neste estudo, no suporta o uso de vl- A figura 3 exemplifica a descrio de um poo in-
vulas que compem uma completao inteligente. jetor com vlvula de abertura contnua representada
Para contornar esse problema, foram aproveitadas al- pela alterao do operador de vazo de injeo de
gumas propriedades na definio dos poos produ- gua (*STW).

181 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

representao do cromossomo

Um algoritmo gentico possui uma populao de


cromossomos que representam solues do problema
em questo. No problema de otimizao de controle
de vlvulas, uma soluo a configurao das vlvulas
existentes em uma dada alternativa em determinados
intervalos de tempo, ao longo de um perodo total de
simulao. Por exemplo, deseja-se alterar a condio
de abertura das vlvulas a cada ano, no perodo de ex-
plorao de 20 anos. Assim, o cromossomo deve repre-
sentar o conjunto de alteraes das vlvulas a cada ano,
durante 20 anos.
Dessa forma, a codificao do cromossomo usado
na otimizao de controle de vlvulas feita da se-
guinte forma:
cada cromossomo representa uma configurao
de operao de vlvulas para todos os intervalos
de tempo considerados e para todas as vlvulas
que possam ser operadas;
Figura 3 Exemplo de representao de vlvula o cromossomo possui um nmero de genes fixo
de abertura contnua no IMEX atravs da definido pelo nmero de intervalos de operao
alterao do operador *STW. necessrios para completar o tempo total de pro-
duo. No caso de alterao das vlvulas a cada
Figure 3 Example of continuous opening valve
dois anos, num perodo total de 20 anos, tem-se
representation in IMEX by changing the * STW
operator. um cromossomo com 10 genes, onde cada gene
representa um intervalo de dois anos;
A figura 4 exemplifica a descrio de um poo inje-
cada gene possui informaes sobre a condio de
tor com vlvula de abertura contnua representada pela
operao das vlvulas existentes na alternativa,
alterao do ndice de injetividade (FF). no intervalo de tempo que o gene representa. Isso
torna o cromossomo do tipo bidimensional;

so usados genes binrios para vlvulas on/off e


genes com valores reais no intervalo (0,1) para vl-
vulas com abertura contnua, onde 0 significa vl-
vula totalmente fechada e 1 totalmente aberta.

A figura 5 mostra a forma que o cromossomo assume


na codificao do problema de otimizao de vlvulas on/
off. Esse cromossomo representa uma alternativa conten-
Figura 4 Exemplo de representao de vlvula de abertura contnua
no IMEX atravs da alterao do ndice de injetividade (FF).
do quatro vlvulas, que podem ser alteradas a cada dois
anos, durante 20 anos de simulao. Desse modo, o n-
Figure 4 Example of continuous opening valve representation in mero de genes igual a dez, equivalente ao nmero de
IMEX by changing the injection index (FF). intervalos possveis de configurao das vlvulas.

 182
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

Figura 5 Representao do cromossomo


de otimizao de vlvulas on/off.

Figure 5 Representation of the


optimization chromosome for on/off
valves.

decodificao do cromossomo seguindo a sintaxe do simulador de reservatrios,


A decodificao do cromossomo consiste na construo da descreve-se a configurao das vlvulas contida
soluo real do problema a partir do cromossomo de forma no cromossomo para cada intervalo de tempo pr-
que essa possa ser avaliada. Para o exemplo da figura 5 tem-se determinado e executa-se o simulador;
o primeiro gene do cromossomo indicando que, para os dois aps a execuo do simulador e a filtragem de
primeiros anos de simulao, a primeira e a terceira vlvula se informaes, obtm-se os dados de produo de
encontram fechadas, e a segunda e a quarta se encontram leo e gua para essa configurao;
abertas e assim sucessivamente at completar 20 anos. Um
arquivo-texto criado contendo a alternativa e todas as altera- a partir dos dados de produo e outras variveis,
es ocorridas nas vlvulas durante os 20 anos. A seqncia de calcula-se o valor presente lquido (VPL) do proje-
tempo, contendo o estado das vlvulas, feita pelo o uso do to de explotao.
comando *TIME, do simulador IMEX (Computer Modeling
Group, 2000), e a representao do estado da vlvula feita mdulo funo objetivo
atravs do comando *OPEN ou *CLOSED do simulador IMEX
(Computer Modeling Group, 2000). O mdulo funo objetivo (fig. 1) responsvel por
fornecer o valor da avaliao de cada soluo proposta
operadores genticos
pelo mdulo de otimizao de controle de vlvulas. Para
Na modelagem do algoritmo gentico para o caso de isso, esse mdulo composto por um simulador de re-
vlvulas on/off foram empregados os seguintes operado- servatrio e pelo clculo do VPL. O simulador de reser-
res de mutao e de cruzamento: vatrio utilizado nesse estudo o IMEX (Computer Mo-
deling Group, 2000).
mutao: binria (Michalewicz,1996);
O mdulo funo objetivo recebe as solues gera-
cruzamentos: um ponto, dois pontos (Michalewicz,1996). das pelo processo de otimizao. Essas solues so in-
seridas no simulador de reservatrio, que fornece o per-
No caso de vlvulas de abertura contnua onde o cro- fil de produo da soluo. A partir do perfil de produ-
mossomo real, foram empregados os seguintes opera- o realizado o clculo do VPL.
dores de mutao e de cruzamento: A seguir, a descrio da forma como calculado o VPL.
mutao: uniforme (Michalewicz,1996);
clculo do VPL
cruzamentos: aritmtico, simples (Michalewicz,1996).
O valor presente lquido (VPL) a forma mais utilizada
funo de avaliao
para a avaliao de alternativas na rea de explotao de
Cada cromossomo deve ser avaliado de forma a se reservatrios petrolferos (Tpac, 2005; Almeida, 2003),
obter uma medida da utilidade ou habilidade desse sendo normalmente definido pela diferena entre os flu-
indivduo em solucionar o problema em questo. No caso xos de caixa descontados menos o investimento inicial. No
particular do mdulo de otimizao de controle de vlvula, entanto, o problema em anlise considera uma deciso
o processo de avaliao ocorre da seguinte forma: para um investimento j conhecido, isto , uma alternati-

183 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

va j definida. Isso significa que o investimento inicial (per- R(t i ) = Q(ti ).Poil (ti ) (4)
furaes, plataforma etc) no ir variar na otimizao, sendo
ento desconsiderado. Portanto, considera-se apenas o valor T
VPR = R (t i ).e
t i
das vlvulas utilizadas na alternativa junto com alguns cus- (5)
i=1
tos atrelados a esses dispositivos.
Dessa forma, o VPL fica determinado pela diferena Onde:
entre o valor presente da alternativa ( VP ) (fluxo de cai-
xa descontado) menos o custo de desenvolvimento das T = representa o tempo de produo da alternativa.
vlvulas ( DV ) existentes na alternativa (equao 1).
Para o clculo do valor do custo operacional
VPL = VP DV (1)
C OP (t i ) , neste trabalho considera-se apenas o custo
de retirada da gua C w (por unidade de volume), mul-
tiplicado pela afluncia de gua W (t i ) ocorrida em
O custo de desenvolvimento das vlvulas ( DV )
cada tempo , mais o custo da vlvula , se houver substi-
calculado considerando o custo do packer ( C P ) por
tuio de vlvula no tempo. Dessa forma, o custo ope-
vlvula; o custo do flat-pack ( C FP ) por poo inteligente; o
racional para o tempo t dado pela equao 6.
custo de cada vlvula ( CV ) e o custo do HPU (hydraulic
power unit) ( C HPU ) por reservatrio. Desse modo, o custo
de desenvolvimento das vlvulas dado pela equao 2.
C OP (t i ) = C w .W (t i ) + C V (6)

DV = C P nv + C FP n p + CV n v + C HPU O valor presente para um custo operacional obti-


(2)
do aplicando-se novamente o desconto exponencial
com taxa = 0.1, conforme a equao 7.
Onde:
T

nv = nmero de vlvulas existentes na alternativa; VPCOP = C OP (t i ).e t i (7)


i=1
n p = nmero de poos inteligentes da alternativa.
O valor presente da alternativa ( VP ) composto mdulo de tratamento das incertezas
pela diferena entre o valor presente da receita ( VPR ) de falha
e o valor presente do custo de operao ( VPCOP ), com
aplicao da alquota de imposto ( I ), geralmente em As vlvulas presentes em poos inteligentes no so
torno de 34%, como mostra a equao 3. totalmente confiveis, podendo ocorrer falhas na sua
operao. Isso ir reduzir a expectativa de benefcio no
VP = (VPR VPCOP )(1 I ) (3) uso desses poos. Assim, para se ter uma deciso apro-
priada sobre o uso de completaes inteligentes, deve
O valor da receita R (t i ) depende da produo de ser levada em considerao possibilidade de falhas
leo Q (t i ) e do preo do petrleo Poil (t i ) durante o dessas vlvulas. Neste trabalho escolheu-se modelar as
tempo de produo. Para essa anlise, consideram- falhas atravs de distribuies de probabilidade. O tra-
se condies de mercado sem incertezas. Assim, o tamento das incertezas de falhas foi modelado para dois
preo do petrleo no tempo t i pode ser expresso como casos: um onde, aps a ocorrncia de falha, a vlvula
uma funo Poil (t i ) determinstica; nesse estudo con- mantida aberta at o fim da simulao sendo conside-
siderada constante. Para cada instante de tempo, o rada em falha; e, outro, onde a vlvula mantida aber-
valor da receita pode ser obtido conforme a equao ta no intervalo de tempo onde ocorreu a falha, sendo
4. Para o valor presente da receita, aplica-se o des- substituda no intervalo de tempo seguinte por uma nova
conto exponencial com a taxa de desconto = 0.1, vlvula. A seguir, descreve-se o modelo probabilstico
conforme a equao 5. para a confiabilidade de vlvulas usado neste trabalho

 184
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

e o clculo das probabilidades de falhas realizado pelo Neste trabalho foram utilizadas tcnicas de amostragem
mdulo de tratamento de incertezas tcnicas de falha, baseadas em seqncias de baixa discrepncia que quan-
tanto para o caso sem reposio de vlvula quanto para do empregadas na simulao Monte Carlo so conhecidas
o caso com reposio de vlvula. como Quase Monte Carlo (Wang, 2001; Sobol, 1967; Hal-
ton, 1960; Faure, 1982), onde a seleo dos valores da
modelo probabilstico para confiabilidade de amostra controlada. Dessa forma, com um nmero me-
vlvulas nor de amostras, consegue-se amostrar adequadamente
uma distribuio de probabilidade, permitindo uma acele-
As vlvulas usadas em poos inteligentes so relati- rao da convergncia, diminuindo o custo computacional
vamente novas na indstria, e existe pouca informao da simulao e melhorando a eficincia da mesma. A figu-
disponvel sobre sua confiabilidade. Possveis falhas nas ra 6 mostra a distribuio de probabilidade weibull utiliza-
vlvulas podem afetar muito o desempenho das com- da neste trabalho. A figura 7 mostra duas amostras de 500
pletaes inteligentes. O impacto do efeito de uma fa- pontos da distribuio weibull, sendo a primeira obtida a
lha depende da poca em que ocorre a falha e do me- partir de uma seqncia pseudo-aleatria e a segunda de
canismo de reao da vlvula ao falhar. Existem vlvu- uma seqncia quase aleatria de Sobol.
las que, ao falhar, se fecham totalmente, e outras se
abrem totalmente. Os mecanismos de reao s falhas
que as vlvulas assumem esto normalmente relacio-
nados a como o hardware foi fabricado.
De forma a se considerar a incerteza sobre a ocorrn-
cia de falha nas vlvulas de uma determinada alternativa
de produo, optou-se por utilizar a simulao Monte Carlo
(SMC) (Boyle et al. 1997; Hammersley e Handscomb,1964).
Estudos mostram que a funo de distribuio mais con-
veniente para representar a distribuio de vida dos pro-
dutos (vlvulas), onde a taxa de falhas varia com o tempo,
a distribuio weibull (Abernathy, 2000; Weibull, 2002;
Yeten et al. 2004). Sendo assim, essa foi a distribuio
utilizada neste trabalho para modelar as falhas das vlvu-
las. As caractersticas e parmetros da weibull utilizada aqui Figura 6 Distribuio de probabilidade Weibull.
se encontram no Apndice A.
Figure 6 Weibull probability distribution.

Figura 7 Comparao de duas


amostras de uma distribuio weibull
obtidas de uma seqncia pseudo-
aleatria e seqncia quase Monte
Carlo de Sobol.

Figure 7 Comparison of two samples


of weibull distribution obtained from a
pseudo-random sequence and a quasi
Monte Carlo Sobol sequence.

185 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

clculo das probabilidades de falhas algoritmo de simulao de falhas sem repa-


rao de vlvulas
No mdulo de tratamento de incertezas tcnicas de
falha realizado o clculo das probabilidades de falha Nessa modelagem, supe-se que aps a ocorrncia
para todos os intervalos de tempo definidos para os de uma falha em um determinado intervalo, a vlvula
ajustes das vlvulas. O equacionamento desse clculo permanece em falha a partir desse intervalo at o fim
mostrado a seguir. da simulao. A vlvula no estado de falha mantida
Seja F(t) a funo de distribuio acumulada wei- aberta. Para essa modelagem, o custo da vlvula con-
bull, conforme a equao 8. siderado apenas no clculo do custo de desenvolvimento
das vlvulas ( DV ), conforme a equao 2.
t k
F (t k ) = 1 exp
(8) Sendo assim, aps o clculo das probabilidades de
falha de cada tempo descrito anteriormente, iniciam-se
as iteraes da simulao Monte Carlo.
Seja T = {t0,t1,...,tn-1,tn} o conjunto dos pontos tk que
Para cada iterao (i) de Monte Carlo:
dividem o tempo total de produo em n intervalos.
Seja S = {s0,s1,...,sk,...,sn-1} o conjunto de n intervalos onde a partir de um gerador de seqncias de bai-
sk = (tk,tk+1). xa discrepncia de Sobol (Sobol,1967), ob-
Encontra-se o conjunto de valores de probabilidade tm-se uma seqncia de nmeros quase-aleat-
acumulada atravs do clculo da {F (t k )},t k T . Em rios, com distribuio uniforme, utilizados na
seguida, calcula-se a probabilidade condicionada pk de o b t e n o d o conjunto de valores
ocorrer falhas no intervalo sk sempre que a vlvula ain- {Rk },k = {0,1,K, n 1} que representam as
da no tenha falhado at o valor de tempo tk, confor- realizaes de falha para uma vlvula em to-
me a equao 9: dos os intervalos de tempo. Repete-se isso para
todas as vlvulas;
1 F (t k +1 ) F (t k +1 ) F (t k ) (9)
p k = 1 = comparam-se os valores {Rk } com os valores de
1 F (tk ) 1 F (t k ) probabilidade de falha { pk } obtidos com a equa-
o 9. Se Rk p k significa que a vlvula fa-
Repete-se isso para todos os intervalos sk do conjun-
lhou no k-simo intervalo de tempo sinalizando-a
to S, obtendo-se o conjunto de probabilidades de falha
como defeituosa para todos os intervalos de tem-
para os intervalos { p k }, k = {0,1,K, n 1} .
po seguintes. Se Rk > p k a vlvula permanece
Na figura 8 indica-se, no cromossomo, as probabili-
intacta. Essa informao representa um cenrio
dades de falhas, descritas acima, nos intervalos onde o
de ocorrncia de falhas que enviado ao algorit-
controle das vlvulas realizado.
mo gentico (AG);
inicia-se o AG e a otimizao realizada va-
riando apenas as aberturas das vlvulas nos in-
tervalos em que no falharam. Considera-se que

Figura 8 Representao do
cromossomo de otimizao de vlvulas
com incerteza de falha.

Figure 8 Representation of the


optimization chromosome for valves
considering failure uncertainty.

 186
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

as vlvulas que sofrem falhas ficam totalmente comparam-se os valores com os valores de proba-
abertas a partir do intervalo em que ocorreu a bilidade de falha {RK} do intervalo correspondente,
falha at o fim do tempo de produo (vlvulas obtidos com a equao 9. Se RK < pK, significa que
sem opo de reparao). Sob estas condies, a vlvula falhou no k-simo intervalo de tempo.
obtm-se uma operao otimizada de vlvulas Se RK > pK a vlvula permanece intacta;
para a iterao (i) de Monte Carlo e o respecti-
vo VPL (i); apenas no intervalo de tempo onde ocorrer a
falha a vlvula mantida aberta e indicada
armazena-se VPL(i) da configurao otimizada;
como inoperante;
voltar ao passo 1 at completar o total de itera-
j no intervalo de tempo subseqente ao que
es de Monte Carlo;
ocorreu a falha considera-se que esta vlvula foi
calcular a mdia dos VPL(i) armazenados. substituda por uma nova. Inicia-se novamente o
sorteio e a comparao a partir de t0 e assim su-
Assim, o VPL mdio obtido ir evidenciar se o uso cessivamente at terminar os intervalos restan-
de poos inteligentes para uma dada alternativa atra- tes. Caso ocorra uma falha no ultimo intervalo, a
tivo, mesmo considerando que podem ocorrer falhas vlvula no ser mais substituda e se mantm
nas vlvulas instaladas nesse tipo de poo. como falha nesse ltimo intervalo;

monta-se, ento, um cenrio de ocorrncia de


algoritmo de simulao de falhas com repa-
falhas, que repassado para o algoritmo genti-
rao de vlvulas
co (AG);
Nessa modelagem, supe-se que aps a ocorrncia inicia-se o AG e a otimizao realizada varian-
de uma falha em um determinado intervalo, a vlvula do apenas as aberturas das vlvulas nos interva-
permanece em falha nesse intervalo, sendo colocada los em que no falharam. Considera-se que as
no estado de aberta. No intervalo seguinte ao que ocor- vlvulas que sofrem falhas ficam totalmente aber-
reu a falha, a vlvula substituda por uma vlvula nova. tas no intervalo em que ocorreu a falha. Sob es-
Para essa modelagem o custo da vlvula considerado sas condies, obtm-se uma operao otimiza-
no s no clculo do custo de desenvolvimento das da de vlvulas para a iterao (i) de Monte Carlo
vlvulas (DV), conforme a equao 2, mas tambm no e o respectivo VPL(i);
clculo do valor do custo operacional (Cop (t)), nos tem-
pos (t) onde ocorre substituio de vlvula. armazena-se o VPL(i) da configurao otimizada;
Sendo assim, aps a obteno das probabilidades
de falha para cada intervalo de tempo, iniciam-se as voltar ao passo 1 at completar o total de itera-
iteraes da simulao Monte Carlo. es de Monte Carlo;

Para cada iterao (i) de Monte Carlo: calcular a mdia dos VPL(i) armazenados.

a partir de um gerador de seqncias de baixa Dessa forma, obtm-se um VPL mdio que ir mos-
discrepncia de Sobol (Sobol,1967), obtm-se trar se o uso de poos inteligentes em uma dada al-
uma seqncia de nmeros quase-aleatrios, ternativa vivel, mesmo considerando a possibili-
com distribuio uniforme, utilizados na obten- dade de ocorrerem falhas nesses mecanismos, a pos-
o do conjunto de valores que representam sibilidade de substituio e o custo da nova vlvula
as realizaes de falha para uma vlvula em em caso de falha.
todos os intervalos de tempo. Repete-se isto A seguir, a descrio do mdulo de tratamento das
para todas as vlvulas; incertezas geolgicas.

187 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

mdulo de tratamento das incertezas gentes no desenvolvimento de reservatrios petrolferos


geolgicas sob incertezas. Foram utilizadas trs configuraes de
reservatrio diferentes na realizao desses testes:
A figura 1 mostra o mdulo de tratamento das incer- 1. testes com o modelo de otimizao sem incertezas
tezas geolgicas que responsvel pelo envio dos ce- utilizando vlvulas on/off e vlvulas de abertura contnua;
nrios geolgicos ao simulador de reservatrio IMEX. 2. teste considerando incertezas de falhas nas vl-
As incertezas geolgicas, neste estudo, so tratadas atra- vulas sem substituio da vlvula aps a ocorrncia de
vs dos trs cenrios geolgicos que representam: o pior uma falha;
caso, o melhor caso e o caso mais provvel do reserva- 3. teste considerando incertezas de falhas e a subs-
trio em questo. tituio da vlvula aps a ocorrncia de uma falha e
Sendo assim, o algoritmo gentico (AG) envia cada testes considerando incertezas geolgicas.
soluo gerada (cromossomo) para o simulador de re-
servatrio (IMEX), que ir realizar a simulao nos trs definio dos reservatrios
cenrios geolgicos que tratam as incertezas geolgi-
cas do reservatrio em questo. O mdulo de tratamento Sero descritas, a seguir, as configuraes de reser-
das incertezas geolgicas , ento, o responsvel por vatrios utilizadas nos testes. Os nomes dados aos re-
gerenciar o simulador de reservatrio com relao aos servatrios foram escolhidos de forma a ressaltar uma
cenrios geolgicos a serem utilizados na avaliao de caracterstica importante do mesmo.
uma soluo do AG.
Calcula-se o VPL da soluo para cada cenrio e, reservatrio sinttico
em seguida, calcula-se o VPL mdio. Dessa forma, o
algoritmo gentico encontra uma soluo que, na m- Esse modelo de reservatrio consiste em uma malha
dia, representa a melhor soluo para os trs cenrios. de 40 x 11 x 3 blocos, nas direes i,j,k; cujas dimen-
ses so de aproximadamente 50,0 x 50,0 x 10,0 m.
cenrios geolgicos
Os valores geolgicos do reservatrio so os seguintes:
Os cenrios geolgicos de um reservatrio de petrleo
permeabilidade 500,0 (md) nas direes i, j da
so constitudos por atributos de rocha e fluido que rece-
primeira camada; 800,0 (md) nas direes i, j da
bem valores associados s suas particularidades e compor-
segunda camada; 1.200,0 (md) nas direes i, j
tamentos conforme medidas realizadas no reservatrio em
da terceira camada; 50,0 (md) na direo k da
questo. A seleo dos atributos de rocha e fluido na ca-
primeira camada; 70,0 (md) na direo k da se-
racterizao e modelagem dos cenrios baseada nos
gunda camada; 120,0 (md) na direo k da ter-
resultados dos estudos encontrados na literatura sobre a
ceira camada;
influncia desses atributos no desempenho dos poos e na
experincia de especialistas da rea. Baseados nas varia- porosidade 0,20.
es desses atributos so construdos trs cenrios geol-
gicos para o reservatrio de petrleo em questo. Esses A caracterstica principal desse modelo a existn-
cenrios geolgicos representam, ento, o pior caso, o cia de trs camadas com permeabilidades diferentes que
melhor caso e o caso mais provvel do reservatrio. so isoladas por barreiras de folhelhos. Na figura 9 mos-
tra-se a viso 3D desse campo.
A alternativa de poos utilizada nos testes realizados nes-
resultados se reservatrio composta de: um poo vertical injetor (1,6,3)
e um poo vertical produtor (40,6,3). O nmero de vlvulas
A seguir sero apresentados os testes realizados com existentes nessa alternativa igual a trs (considerando uma
o sistema de apoio deciso para uso de poos inteli- vlvula em cada camada completada do poo injetor).

 188
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

Figura 9 Modelo do reservatrio sinttico. Figura 10 Modelo do reservatrio 43 x 55 x 6.

Figure 9 Synthetic reservoir model. Figure 10 43 x 55 x 6 reservoir model.

reservatrio real O nmero de vlvulas existentes nessa alternativa


igual a nove, sendo cinco localizadas em poos pro-
Esse modelo de reservatrio consiste em uma malha dutores e quatro em injetores. O poo produtor loca-
do tipo corner point de 43 x 55 x 6 blocos, nas direes lizado em (42,20,1 a 42,20,6 Prod1), possui uma
i,j,k; cujas dimenses so de aproximadamente 100,0 x vlvula controlando as trs primeiras camadas (pri-
100,0 x 10 m. meira regio), outra controlando as duas seguintes
(segunda regio) e a terceira controlando a ltima
Os valores geolgicos do reservatrio so os seguintes: camada (terceira regio). O poo produtor localiza-
permeabilidade varivel (mapa de permeabilida- do em (7,36,1 a 7,36,5 Prod6) possui uma vlvula
controlando as trs primeiras camadas (primeira re-
de), dividindo o campo em trs regies;
gio) e outra controlando as duas ltimas (segunda
camadas 1 a 3 formam uma regio; regio). O poo injetor localizado em (43,31,1 a
43,31,5 Inj3) possui uma vlvula controlando as
camadas 4 e 5 formam outra regio;
trs primeiras camadas (primeira regio) e outra con-
camada 6 forma a ltima regio. trolando as duas ltimas camadas (segunda regio),
onde o poo perfurado. O poo injetor localizado
porosidade (mapa de porosidade), respeitando
em (8,23,1 a 8,23,3 e 8,23,6 Inj4) possui uma vl-
as regies descritas acima. vula controlando as trs primeiras camadas (primei-
Esse um modelo com caractersticas reais, que pos- ra regio) e outra controlando a ltima camada (ter-
sui sua porosidade e permeabilidades descritas atravs ceira regio).
de mapas que dividem o campo em trs regies. Na
reservatrio com aqfero
figura 10 mostra-se a viso 3D desse campo.
A alternativa de poos utilizada nos testes reali- Esse modelo de reservatrio consiste tambm em
zados nesse reservatrio composta de: seis poos uma malha do tipo corner point de 33 x 57 x 3 blocos,
verticais produtores e cinco poos verticais injetores nas direes i,j,k; cujas dimenses so de aproximada-
(a descrio dos poos encontra-se no Apndice B). mente 100,0 x 100,0 x 8,66 m.

189 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

Os valores geolgicos do reservatrio so os seguintes: O especialista responsvel pela criao dessa al-
ternativa criou uma restrio que impe que a pro-
permeabilidade 575,0 (md) nas direes i,
duo deve parar ao se atingir 90% de water cut.
j; 57,40 (md) na direo k;
Entende-se por water cut o percentual de gua no
porosidade 0,23. total de lquidos produzidos no poo produtor (ou
no campo). Esse tipo de restrio normalmente se faz
A caracterstica principal desse modelo a exis- em reservatrios com aqferos ativos, o que o caso
tncia de uma regio com 100% de saturao de desse reservatrio.
gua na parte mais funda, formando um aqfero. A prxima seo descreve os testes realizados com
As demais regies possuem saturao de gua no o algoritmo de otimizao de controle de vlvulas.
valor de 0,25. Esse fato cria a condio de heteroge-
neidade da reserva. Na figura 11 mostra-se a viso otimizao de controle de vlvulas em
3D desse campo. poos inteligentes

Nesse estudo de caso, os resultados obtidos so ava-


liados com o modelo proposto para a otimizao de
controle de vlvulas de poos inteligentes. Conforme
visto anteriormente, esse modelo visa encontrar uma
configurao de vlvulas para determinados perodos
de tempos, ao longo de um perodo de simulao que
maximize o VPL da alternativa.

apresentao dos resultados

A seguir, sero apresentados os resultados dos


testes realizados com o algoritmo de otimizao de
controle de vlvulas em poos inteligentes nos res-
pectivos reservatrios.
Para todos os testes realizados nessa seo, o pero-
do de realizao de controle nas vlvulas foi de dois
Figura 11 Modelo do reservatrio 33 x 57 x 3. anos, para um perodo total de simulao de 20 anos,
sendo o ano inicial de simulao 2002 e o ano final
Figure 11 33 x 57 x 3 reservoir model.
2022. Sendo assim, existem dez intervalos de tempo
onde as vlvulas podem ou no sofrer alterao no seu
A alternativa de poos utilizada nos testes realiza- estado. Esses testes foram rodados em uma mquina
dos nesse reservatrio composta de poos horizon- AMD ATHLON XP 3500. O tempo de simulao em cada
tais, com quatro poos produtores convencionais e reservatrio mostrado na tabela 1:
quatro poos injetores inteligentes. Sendo, o poo in-
jetor 1 localizado em (7,32,1) a (7,37,3), o poo inje- Re s e r va trio Te m po
tor 2 localizado em (14,55,1) a (10,55,3), o poo inje- R e s e rva t rio s in t tico 2 s egundos
tor 3 localizado em (6,15,1) a (2,15,3) e o poo inje- R e s e rva t rio re a l 76 s egundos
tor 4 localizado em (31,6,1) a (27,2,3). O nmero de R e s e rva t rio a q fe ro 12 s egundos
vlvulas existentes nessa alternativa igual a vinte e Tabela 1 Tempo de simulao em cada reservatrio.
quatro, considerando uma vlvula em cada completa-
o dos poos injetores. Table 1 Simulation time for each reservoir.

 190
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

A tabela 2 mostra os valores dos parmetros utiliza- Parmetros do AG Teste 1 Teste 2 Teste 3 Teste 4
dos no clculo do VPL.
Nm ero de geraes 150 150 100 150

Parm etro Valor (US$) Nm ero de indivduos 75 75 60 75


Preo do petrleo (U S$/bbl) 20 Nm ero de genes 10 10 10 10
Taxa d e des conto 0,1
Nm ero de rodadas 1 1 1 1
C us to de retirada dg ua (U S$/m 3) 3
Pack e r (por vlvula) 80.000,0 0 Steady-State 0.4 0.4 0.4 0.4
Flat - pack (por poo inteligente) 45,00/m de cabo Taxa de crossover inicial 0.65 0.65 0.65 0.65
C us to vlvula m ultipo s io 100.000,00
Taxa de m utao inicial 0.08 0.08 0.08 0.08
C us to vlvula on/off 60.000,0 0
H PU (por res ervatrio ) 200.00,0 0 Total de sim ulaes 11.250 11.250 6.000 11.250
Tabela 2 Valores dos parmetros do VPL. Tem po de processam ento 7 horas 7 horas 4 horas 7 horas
Tabela 4 Parmetros do AG.
Table 2 NPV parameters values.
Table 4 GA parameters.
reservatrio sinttico
Para todos os testes so comparados os resultados
Por ser um reservatrio sinttico, onde seu compor- alcanados para o caso base e o caso controlado, onde
tamento esperado, os testes realizados com esse re- o caso base representa a alternativa composta por po-
servatrio tm como objetivo avaliar os resultados do os convencionais, e o caso controlado representa a al-
modelo de otimizao desenvolvido e as representaes ternativa composta por um poo inteligente com a ope-
das vlvulas. Testes com todas as representaes de rao das vlvulas otimizadas pelo sistema de otimiza-
vlvulas foram realizados visando comparar os resulta- o de controle de vlvulas.
dos e, com isso, avaliar a melhor forma de se represen-
tar vlvulas no IMEX. teste 1
A tabela 3 mostra as principais caractersticas que
diferem os testes realizados nesse reservatrio. Caso Base Controlado Aumento %
VPL (US$) 128.411.174,47 133.525.683,75 3,98%
Testes Tipo de vlvula Sem ente inicial 3
2.025.550,00 2.130.100,00 5,16%
leo acum ulado (m )
Tes te 1 on/off no
gua acum ulada (m 3) 740.325,00 622.055,00 -15,97%
Tes te 2 Abertura contnua (STW) no
Tabela 5 Resultados teste 1 (reservatrio sinttico vlvulas on/off).
Tes te 3 Abertura contnua (STW) m elhor indivduo do tes te 3
Tes te 4 Abertura contnua (FF) no
Table 5 Test 1 results (synthetic reservoir on/off valves).
Tabela 3 Principais caractersticas dos testes
do reservatrio sinttico.
A tabela 5 mostra que o caso controlado conseguiu
Table 3 Main characteristics of the synthetic obter um aumento do leo acumulado, uma diminui-
reservoir tests. o da gua acumulada e, conseqentemente, um au-
mento do VPL.
A prxima tabela mostra os parmetros do algorit- A figura 12 mostra a curva do melhor indivduo en-
mo gentico que foram utilizados nos seis testes reali- contrado em cada gerao do algoritmo gentico (score).
zados nesse reservatrio. Testes com um nmero me- A partir da gerao 50, o algoritmo gentico converge,
nor de geraes e indivduos foram realizados, con- no encontrando indivduos melhores do que o encontra-
forme tabela 4. do at esse ponto.

191 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

teste 2

Caso Base Controlado Aumento %


VPL (US$) 127.124.411,35 126.521.974,10 -0,47
3
leo acum ulado (m ) 2.019.640,00 2.054.200,00 1,7
3
gua acum ulada (m ) 746.685,00 244.955,00 -67,2

Tabela 6 Resultados teste 2 (reservatrio


sinttico vlvulas abertura contnua STW).

Table 6 Test 2 results (synthetic reservoir


Figura 12 Curva score Teste 1.
continuous opening valves STW).
Figure 12 Score curve Test 1.
Apesar do caso controlado ter alcanado um aumen-
A figura 13 mostra as curvas de leo acumulado e to do leo acumulado e uma diminuio na gua acu-
gua acumulada, tanto para o caso base quanto para o mulada, seu VPL foi um pouco inferior ao caso base,
caso controlado. devido ao investimento das vlvulas do poo inteligente.
A figura 14 mostra a curva do melhor indivduo
encontrado em cada gerao do algoritmo genti-
co (score). Atravs dessa curva pode-se perceber que
o algoritmo gentico ainda no convergiu, poden-
do haver um aumento no nmero de geraes do
algoritmo gentico.

Figura 13 Curva de leo e gua acumulados


caso base x caso controlato teste 1. Figura 14 Curva score teste 2.

Figure 13 Accumulated oil and water curves Figure 14 Score curve test 2.
base case vs. controlled case test 1.
A figura 15 mostra as curvas de leo acumulado e a
Analisando-se as curvas de leo acumulado para o gua acumulada do caso base e do caso controlado.
caso base e para o caso controlado no teste 1 percebe- Nas curvas de leo acumulado da figura 16 perce-
se que, a partir do ano 2014, o caso controlado come- be-se que, at o ano de 2008, os dois casos tm o mes-
a a produzir mais leo que o caso base, chegando a mo volume de leo acumulado; a partir desse ano at
um acmulo maior de leo. Atravs das curvas de gua 2016, o caso base tem um volume maior de leo acu-
acumulada pode-se perceber um atraso de mais ou mulado que o caso controlado. De 2017 at o fim do
menos quatro anos da chegada da frente de gua do perodo de explotao, o caso controlado passa a ter
caso controlado com relao ao caso base. um volume maior de leo acumulado.

 192
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

Figura 16 Curva score teste 3.

Figure 16 Score curve test 3.

A figura 17 mostra as curvas de leo acumulado e


Figura 15 Curva de leo e gua acumulados gua acumulada do caso base e do caso controlado.
caso base x caso controlado teste 2.

Figure 15 Accumulated oil and water curves


for the base case vs. controlled case test 2.

Para as curvas de gua acumulada, o caso controla-


do atrasa a chegada da frente de gua em quase seis
anos com relao ao caso base.

teste 3

Ca s o Ba s e Controla do Aum e nto %


VP L (U S $ ) 1 2 7 .1 2 4 .4 1 1 ,3 5 1 2 8 .3 8 6 .0 0 2 ,5 5 0 ,9 9
3
le o a cu m u la d o (m ) 2 .0 1 9 .6 4 0 ,0 0 2 .0 5 6 .9 8 0 .,0 0 1 ,8 5
g u a a cu m u la d a (m 3) 7 4 6 .6 8 5 ,0 0 2 9 4 .0 7 5 ,0 0 -6 0 ,6

Tabela 7 Resultados teste 3 (reservatrio Figura 17 Curva de leo e gua acumulados caso base
sinttico vlvulas abertura contnua). x caso controlado teste 3.

Table 7 Test 3 results (synthetic reservoir Figure 17 Accumulated oil and water curves for the
continuous opening valves). base case vs. controlled case test 3.

Na figura 17 pode-se observar, atravs das curvas de


A tabela 7 mostra os resultados alcanados para o leo acumulado que, do ano 2010 a 2015, o volume
caso base e o caso controlado. Verifica-se, nesse teste, acumulado de leo produzido pelo caso controlado
que o caso controlado alcanou um aumento do leo um pouco menor que o caso base. A partir do ano 2015,
acumulado e uma diminuio na gua acumulada de o caso controlado passa a ter um volume de leo acu-
tal forma a garantir um pequeno aumento do VPL. mulado maior que o caso base.
A figura 16 mostra a curva do melhor indivduo en- Para as curvas de gua acumulada, o caso controla-
contrado em cada gerao do algoritmo gentico (sco- do atrasa a chegada da frente de gua em quase seis
re) e indica uma convergncia do algoritmo. anos com relao ao caso base.

193 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

teste 4

Caso Base Controlado Aumento %

VPL (US$) 128.411.174,47 133.663.945,43 4,09%

leo acum ulado (m 3) 2.025.550,00 2.132.810,00 5,29%


3
gua acum ulada (m ) 740.325,00 618.688,00 -16,43

Tabela 8 Resultados teste 4 (reservatrio


sinttico vlvulas de abertura contnua (FF)).

Table 8 Test 4 results (synthetic reservoir


continuous opening valves (FF)).

A tabela 8 mostra os resultados alcanados para o


caso base e o caso controlado. O caso controlado alcan-
ou um aumento do leo acumulado e uma diminuio
na gua acumulada de tal forma a garantir um aumento Figura 19 Curva de leo e gua acumulados caso base
do VPL, mesmo considerando os custos das vlvulas. x caso controlado teste 4.
A figura 18 mostra a curva do melhor indivduo en-
contrado em cada gerao do algoritmo gentico (score). Figure 19 Accumulated oil and water curves for the
Atravs dessa curva pode-se perceber que o algoritmo base case vs. controlled case test 4.
gentico ainda no convergiu, podendo haver um aumen-
reservatrio real
to no nmero de geraes do algoritmo gentico.
Por ser um reservatrio com caractersticas reais, o tes-
te realizado nesses reservatrios tm como objetivo ava-
liar os resultados do modelo de otimizao de controle de
vlvulas, desenvolvido neste trabalho, num cenrio real.
Conforme ser discutido mais frente, das represen-
taes de vlvulas com aberturas contnuas, as que se
mostraram mais eficientes foram as vlvulas representa-
das pela alterao do FF. Como, na viso do especialista,
as vlvulas de abertura contnua se mostram mais interes-
santes que as on/off, os testes realizados com esse reser-
Figura 18 Curva score teste 4. vatrio apenas utilizam vlvulas de abertura contnua, re-
presentadas no simulador IMEX pela alterao do FF.
Figure 18 Score curve test 4. A tabela 9 mostra os parmetros do algoritmo ge-
ntico utilizados no teste realizado nesse reservatrio.
A figura 19 mostra as curvas de leo acumulado e
gua acumulada do caso base e do caso controlado. Parm etros do AG Teste 5
Nmero de geraes 150
Atravs dessa figura pode-se observar que a partir do Nmero de indivduos 75 Tabela 9 Parmetros
ano 2012, aproximadamente, o caso controlado passa Nmero de genes 10 do AG.
a obter maiores volumes de leo acumulado com rela- Nmero de rodadas 1
Steady-state 0.4
o ao caso base. Table 9 Parameters
Taxa de crossover inicial 0.65
Para as curvas de gua acumulada, o caso controla- of GA.
Taxa de mutao inicial 0.08
do atrasa a chegada da frente de gua em aproximada- Total de simulaes 11.250
Tempo de processamento 9 dias
mente quatro anos com relao ao caso base.

 194
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

teste 5 me acumulado de gua que o caso base, ajudando assim a


garantir um melhor VPL para o caso controlado.
A tabela 10 mostra os resultados alcanados para o
caso base e o caso controlado.

Caso Base Controlado Aumento %

VPL (US$) 2.833.716.235,74 2.883.179.488,82 1,75


3
leo acumulado (m ) 38.851.500,00 39.519.800,00 1,72
3
gua acumulada (m ) 51.616.700,00 52.427.000,00 1,56
Tabela 10 Resultados teste 5 (reservatrio real
vlvulas abertura contnua (FF)).

Table 10 Test 5 results (real reservoir


continuous opening valves (FF)).

O caso controlado alcanou um aumento do leo


acumulado de tal forma a garantir um aumento do VPL,
mesmo considerando os custos das vlvulas. Figura 21 Curva de leo e gua acumulados caso base
A figura 20 mostra a curva do melhor indivduo en- x caso controlado teste 5.
contrado em cada gerao do algoritmo gentico (score).
Figure 21 Accumulated oil and water curves for the
Atravs dessa curva pode-se perceber que o algoritmo
base case vs. controlled case test 5.
gentico ainda no convergiu, podendo haver um aumen-
to no nmero de geraes do algoritmo gentico.
reservatrio com aqfero

Sendo esse reservatrio tambm um reservatrio que


possui caractersticas reais, os testes realizados aqui tm
como objetivo avaliar os resultados do modelo de oti-
mizao de controle de vlvulas, desenvolvido neste tra-
balho em mais um cenrio real.
Novamente, o teste realizado com esse reservatrio
apenas utiliza vlvulas de abertura contnua, represen-
tadas no simulador IMEX pela alterao do FF.
A tabela 11 mostra os parmetros do algoritmo ge-
Figura 20 Curva score teste 5. ntico utilizados no teste realizado nesse reservatrio.

Figure 20 Score curve test 5. Parmetros do AG Teste 6


Nmero de geraes 100
A figura 21 mostra as curvas de leo acumulado e a Nmero de indivduos 60
gua acumulada do caso base e do caso controlado. Atra- Nmero de genes 10
vs dessas curvas pode-se perceber que a partir do ano 2010 Nmero de rodadas 1 Tabela 11 Parmetros do AG.
o caso controlado alcana maiores volumes de leo acumu- Steady-state 0.4
Table 11 GA Parameters.
lado que o caso base. A produo de gua iniciada ao Taxa de crossover inicial 0.65
mesmo tempo para ambos os casos, base e controlado, Taxa de mutao inicial 0.08
sendo que, a partir desse momento at aproximadamente Total de simulaes 6.000
o ano de 2023, o caso controlado produz um menor volu- Tempo de processamento 20 horas

195 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

teste 6 o reservatrio. Esse tipo de restrio normalmente feito


para reservatrios onde o leo deslocado por efeito de
A tabela 12 mostra os resultados alcanados para o um aqfero ativo (ou tambm por injeo de gua). Pois,
caso base e o caso controlado. para reservatrios com essas caractersticas, o percentual
de gua no total de lquidos produzidos pode ficar bas-
Caso Base Controlado Aumento %
tante alto e tornar invivel a produo de um poo. Sendo
assim, o uso de vlvulas nesse reservatrio torna-se fun-
VPL (US$) 1.435.068.808,58 1.437.211.915,67 0,15
3
damental para se alcanar uma maior produo.
leo acumulado (m ) 19.355.600,00 20.047.200,00 3,6
3
gua acumulada (m ) 48.527.900,00 52.497.800,00 8,18
Tabela 12 Resultados teste 6 (reservatrio
aqfero vlvulas abertura contnua (FF)).

Table 12 Test 6 results (reservoir aquifer


continuous opening valves (FF)).

O caso controlado alcanou um aumento do leo


acumulado de tal forma a garantir um aumento do VPL,
mesmo considerando os custos das vlvulas.
A figura 22 mostra a curva do melhor indivduo en-
contrado em cada gerao do algoritmo gentico (sco-
re). Atravs dessa curva pode-se perceber que o algo-
ritmo gentico ainda no convergiu, indicando a ne-
cessidade da execuo de mais geraes.
Figura 23 Curva de leo e gua acumulados caso base
x caso controlado teste 6.

Figure 23 Accumulated oil and water curves for the


base case vs. controlled case test 6.

otimizao de controle de vlvulas em


poos inteligentes com incertezas
tcnicas

Nesse estudo de caso so avaliados os resultados


Figura 22 Curva score teste 6. obtidos com o modelo proposto para a otimizao de
controle de vlvulas de poos inteligentes com incerte-
Figure 22 Score curve test 6.
zas tcnicas. Conforme visto anteriormente, esse mo-
delo visa realizar uma anlise para tomada de deciso a
Conforme mencionado anteriormente, os testes foram partir das incertezas tcnicas (falhas), onde o mdulo
realizados para 20 anos de simulao, iniciando no ano de otimizao utiliza o mdulo de tratamento de incer-
de 2002 e finalizando no ano de 2022. Analisando-se as teza tcnica. Obtm-se os VPL das operaes otimiza-
curvas da figura 23, percebe-se que o caso base somente das para todos os cenrios gerados e calcula-se a m-
produz leo e gua at o ano de 2020. J o caso contro- dia dos VPL dessas solues. Essa mdia indica a viabi-
lado consegue produzir os 20 anos chegando ao ano de lidade do uso de poos inteligentes na alternativa em
2022. Isso ocorre devido restrio de water cut feita para anlise, considerando-se a possibilidade de falhas.

 196
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

Os testes foram realizados rodando um algoritmo A tabela 14 mostra os resultados alcanados para o
gentico distribudo onde o mdulo de avaliao a caso base e o caso controlado, bem como o desvio pa-
parte executada dentro do ambiente paralelo. O uso dro dos VPL otimizados para cada cenrio. O resulta-
de um ambiente paralelo nos testes dessa seo se fez do apresentado para o caso controlado representa a
necessrio devido ao grande nmero de simulaes mdia dos VPL otimizados para cada cenrio gerado. O
exigidas. Foram realizados testes com os dois modelos: aumento do VPL, no caso controlado, indica a viabilida-
o modelo onde no existe substituio de vlvulas em de do uso de poos inteligentes nesse reservatrio,
caso de falha; e o modelo onde a vlvula substituda mesmo levando em considerao a possibilidade de
caso ocorra falha. ocorrncia de falhas.
Para ambos os modelos foram utilizados os reserva-
trios sintticos com a mesma alternativa de poos Caso Base Controlado Aumento % Desvio padro ( )
descrita para os testes vistos anteriormente.
Tambm para esses testes, o perodo de realizao VPL (US$) 128.411.174,47 131.364.205,24 2,30% 1.790.733,10

do controle das vlvulas foi de dois anos, para um pe- Tabela 14 Resultados.
rodo total de simulao de 20 anos. Sendo assim, exis-
tem dez intervalos de tempo onde as vlvulas podem Table 14 Results.
ou no sofrer alterao no seu estado.
Foram feitas 600 simulaes Monte Carlo, sendo 200 A figura 24 mostra o histograma dos VPL otimizados
obtidas de uma seqncia pseudo-aleatria e 400 de uma encontrados para os cenrios gerados nas simulaes
seqncia quase Monte Carlo de Sobol. Esses testes fo- Monte Carlo.
ram rodados em 20 mquinas AMD ATHLON XP 2600. O
tempo mdio de simulao foi de quatro segundos.

anlise sem reparao de vlvula

Nesse estudo de caso, a vlvula considerada operan-


te at que a primeira indicao de falha ocorra. A partir
desse ponto at o fim do perodo de explotao, a vlvula
considerada inoperante e mantida totalmente aberta.
A tabela 13 possui os valores dos parmetros do
algoritmo gentico utilizado nesse teste.

Parmetros do AG Valor

Nmero de geraes 100

Nmero de indivduos 65
Figura 24 Histograma VPs incerteza tcnica
Tabela 13 Nmero de genes 10 sem substituio de vlvulas.
Parmetros do AG. Nmero de rodadas 1
Figure 24 NPV histogram technical
Steady-state 0.4
Table 13 uncertainty without replacing the valves.
GA Parameters. Taxa de crossover inicial 0.65

Taxa de mutao inicial 0.08 Para explicar a ausncia de valores de VPL entre
Total de simulaes 3.900.000 129.000.000,00 e 131.500.000,00 existentes no histo-
grama (fig. 24), foi realizada uma anlise dos cenrios
Tempo de processamento 9 dias
de falhas gerados para cada iterao Monte Carlo.

197 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

Atravs dessa anlise, percebe-se que sempre que a Cas o Bas e Contr olado
Aum e nto De s vio padro
vlvula trs, localizada na camada de maior permeabili- % ( )

dade, encontra-se falha desde o primeiro intervalo, o V PL (US$) 128.411.174,47 133.244.939,04 3,80% 258.651,70
algoritmo de otimizao no consegue alcanar valo- Tabela 16 Resultados.
res melhores que 129.000.000,00. Porm, quando o
cenrio gerado faz com que a vlvula trs funcione, pelo Table 16 Results.
menos no primeiro intervalo de tempo, o algoritmo oti-
mizador consegue chegar a valores de VPL maiores que
A figura 25 mostra o histograma dos VPL otimiza-
131.000.000,00 nas solues otimizadas. Os melhores
dos encontrados para os cenrios gerados nas simula-
valores de VPL ocorrem quando o cenrio gerado per-
es Monte Carlo.
mite o controle da vlvula trs por mais tempo.

anlise com reparao de vlvula

Nesse estudo de caso, a vlvula considerada inope-


rante e mantida totalmente aberta somente no intervalo
de tempo onde ocorrer a falha. No intervalo de tempo
seguinte ao que ocorreu a falha, considera-se que a vl-
vula substituda por uma nova. Caso ocorra uma falha
no ltimo intervalo, a vlvula no ser mais substituda e
se manter como falha nesse ltimo intervalo.
A tabela 15 apresenta os valores dos parmetros do
algoritmo gentico utilizados nesse teste, que so os
mesmos utilizados no teste anterior.

Parmetros do AG Valor
Nm ero de geraes 100
Nm ero de indivduos 65 Figura 25 Histograma VPL incerteza tcnica
Nm ero de genes 10 com substituio de vlvulas.
Tabela 15 Parmetros do AG.
Nm ero de rodadas 1
Figure 25 NPV histogram technical
Steady-state 0.4 uncertainty replacing the valves.
Table 15 GA Parameters.
Taxa de crossover inicial 0.65
Taxa de m utao inicial 0.08 Para melhor entender a ocorrncia de VPL no his-
Total de s im ulaes 3.900.000 tograma da figura 25, fez-se novamente uma anlise
Tem po de proces s am ento 9 dias dos cenrios de falhas gerados nas iteraes Monte
Carlo. Percebe-se, outra vez, que os VPL mais baixos
A tabela 16 mostra os resultados alcanados para o caso ocorrem quando a vlvula 3 passa mais tempo na con-
base e o caso controlado, bem como o desvio padro dos dio de falha, sem poder ser controlada. Como nes-
VPL otimizados para cada cenrio. O resultado apresenta- se estudo existe a possibilidade de substituio de
do para o caso controlado representa a mdia dos VPL oti- uma vlvula que falhou por uma nova, na maior par-
mizados para cada cenrio gerado. O aumento do VPL no te dos cenrios as vlvulas possuem perodos de ati-
caso controlado indica, novamente, a viabilidade do uso de vidade maiores, sem falha e podendo ser controlada.
poos inteligentes nesse reservatrio, mesmo levando em Consegue-se ento, uma maior incidncia de bons
considerao a possibilidade de ocorrncia de falhas e o VPL, mesmo considerando-se o valor do custo da vl-
gasto com a substituio da vlvula que falhou. vula a cada substituio.

 198
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

otimizao de controle de vlvulas em Par m e tr os do AG V alor


poos inteligentes sob incerteza Nmero de geraes 80
geolgica Nmero de indivduos 120
Nmero de genes 10 Tabela 17
Nesse estudo de caso so avaliados os resultados Nmero de rodadas 1
Parmetros do AG.
obtidos com o modelo de otimizao da operao das Steady-state 0.4
vlvulas sob incerteza geolgica. Conforme descrito Table 17
Taxa de crossover inicial 0.65
GA Parameters.
anteriormente, as solues geradas por esse mdulo Taxa de mutao inicial 0.08
so simuladas em trs cenrios geolgicos do reserva-
Total de simulaes 28.800
trio em questo: melhor, mais provvel e pior. O simu-
Tempo de processamento 10 dias
lador gera as curvas de produo da soluo proposta
para cada um dos trs cenrios. O VPL de cada cenrio A tabela 18 mostra o resultado alcanado pela soluo
, ento, calculado e, em seguida, calcula-se o VPL otimizada em cada cenrio, o valor mdio da soluo e o
mdio da soluo. Ao final da otimizao obtida uma desvio padro.
soluo que, na mdia, representa a melhor operao
leo acumulado gua acumulada
das vlvulas para os trs cenrios. Caso VPL
(m 3 ) (m 3 )
Controlado cenrio 1 1.381.156.025,00 1.694.840,00 3.565.030,00
apresentao dos resultados Controlado cenrio 2 1.418.363.304,59 1.759.200,00 3.497.500,00
Controlado cenrio 3 1.427.739.847,92 1.780.800,00 3.388.530,00
A seguir, sero apresentados os testes realizados com Controlado mdio (m) 1.409.086.392,51 1.744.946,67 3.483.686,67
o algoritmo de otimizao de controle de vlvulas em Desvio padro () 20.117.305,37 36.511,62 72.714,82
poos inteligentes sob incertezas geolgicas. Tabela 18 Resultado alcanado pela soluo otimizada.
O reservatrio utilizado nesses testes foi o aqfero,
pois somente para esse reservatrio foram disponibiliza- Table 18 Result achieved by the optimized solution.
dos cenrios geolgicos. A caracterstica desse reserva-
trio foi descrita anteriormente. O parmetro de incerte- As tabelas 19, 20 e 21 mostram, respectivamente, a
za inserido foi a continuidade das camadas de folhelhos. comparao entre o caso base do cenrio 1, cenrio 2
e cenrio 3 com o caso controlado mdio.
Onde:
Ce nrio 1 Cas o bas e 1 Controlado m dio Aum e nto %
Cenrio 1: pouca continuidade dos folhelhos en-
VPL (US$) 1.261.088.749,27 1.409.086.392,51 11,70%
tre camadas;
leo acumulado (m3 ) 1.535.300,00 1.744.946,67 13,65%
Cenrio 2: mdia continuidade dos folhelhos en-
gua acumulado (m3) 3.725.480,00 3.483.686,67 -6,50%
tre camadas;
Tabela 19 Resultados alcanados (cenrio 1 x controlado mdio).
Cenrio 3: folhelhos contnuos.
Table 19 Achieved results (scenario 1 vs. controlled average).
As vlvulas utilizadas foram, novamente, as do tipo aber-
tura contnua, variando o ndice de injetividade (*FF) do Ce nrio 2 Cas o bas e 2 Controlado m dio Aum e nto %
poo inteligente. O tempo total de simulao tambm de VPL (US$) 1.331.071.666,79 1.409.086.392,51 5,90%
20 anos, com possibilidade de controle a cada dois anos.
leo acumulado (m3 ) 1.635.870,00 1.744.946,67 6,68%
Os testes dessa seo foram rodados em uma m-
quina AMD ATHLON XP 3500. O tempo mdio de si- gua acumulado (m3) 3.624.690,00 3.483.686,67 -3,90%

mulao em cada cenrio de 29 s. Tabela 20 Resultados alcanados (cenrio 2 x controlado mdio).


A tabela 17 possui os valores dos parmetros do al-
goritmo gentico utilizado nesse teste. Table 20 Achieved results (scenario 2 vs. controlled average).

199 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

Controlado teligentes de uma certa alternativa e dar suporte to-


Cenrio 3 Cas o bas e 3 Aum ento %
m dio mada de deciso pelo uso ou no de poos inteligentes,
VPL (US$) 1.349.161.167,11 1.409.086.392,51 4,40% considerando incertezas.
leo acumulado (m3) 1.659.670,00 1.744.946,67 5,14% A representao do cromossomo proposta e utiliza-
gua acumulado (m3) 3.600.720,00 3.483.686,67 -3,25% da formula uma estratgia de controle para todas as
Tabela 21 Resultados alcanados (cenrio 3 x vlvulas presentes em uma alternativa, em qualquer in-
controlado mdio). tervalo de tempo desejado.
O sistema foi modelado de forma a se comunicar
Table 21 Achieved results (scenario 3 vs.
com o simulador de reservatrios IMEX, que no possui
controlled average).
controles especficos para a completao inteligente.
Assim, formularam-se maneiras de se representar tanto
As tabelas 19, 20 e 21 demonstram que o caso oti-
vlvulas on/off quanto vlvulas de abertura contnua
mizado mdio alcanou melhores valores de VPL com-
para esse simulador.
parado aos casos bases de cada cenrio geolgico.
Os testes realizados com o modelo de otimizao
A figura 26 mostra a curva do melhor indivduo en-
de controle de vlvulas sem incertezas tiveram o objeti-
contrado em cada gerao do algoritmo gentico (Sco-
vo de avaliar o desempenho do modelo de otimizao,
re). Atravs dessa curva pode-se perceber que o algorit-
bem como as representaes de vlvulas.
mo gentico ainda no convergiu, indicando a necessi-
O modelo de otimizao de controle de vlvulas,
dade de executar mais geraes.
por algoritmo gentico, consegue encontrar estrat-
gias otimizadas de controle de vlvulas que chegam
a valores de VPL maiores do que os casos bases em
todos os reservatrios utilizados. O aumento do VPL
ocorreu devido ao aumento da produo de leo; ou
diminuio da produo de gua; ou atraso da che-
gada da frente de gua ou ainda pela antecipao
da produo de leo.
Com relao s representaes de vlvulas desen-
volvidas, de forma a se permitir o uso de poos inteli-
gentes no simulador IMEX, a representao on/off apre-
Figura 26 Curva score teste incerteza geolgica. sentou um bom desempenho; porm, o universo de
trabalho desse tipo de vlvula mais restrito, dado que
Figure 26 Score curve geological uncertainty test.
o estado da vlvula somente assume dois valores aber-
tos e fechados.
J a representao com o operador de STW (va-

concluso zo de injeo de gua) no se mostrou a mais ade-


quada, devido a uma restrio que existe com rela-
o aos mximos valores declarados de STW e BHP
Neste trabalho foram realizados a modelagem e o (presso de fundo). Nessa restrio tem-se que, ao se
desenvolvimento de um sistema de otimizao de con- especificar um STW com um determinado valor, o
trole de vlvulas de poos inteligentes sob incertezas de poo injetor vai tentar injetar gua de forma a atingir
tcnicas de falha e geolgica. Foram empregados algo- esse valor; porm, se a passagem do fluxo for dificul-
ritmos genticos para modelar o processo de otimizao tada, ocorrer um aumento da presso BHP. Quando
junto com simulao Monte Carlo para o tratamento o BHP chega ao seu valor mximo, o STW volta a
das incertezas. O sistema capaz de otimizar uma es- diminuir de forma a respeitar a mxima presso BHP
tratgia de controle de vlvulas existentes em poos in- atingida. Sendo assim, dependendo das condies do

 200
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

campo, o simulador pode ignorar a informao gera- Os testes realizados com o modelo de otimizao,
da pelo algoritmo gentico. Como exemplo, no re- considerando incertezas geolgicas, tm como obje-
servatrio sinttico, a primeira camada possui a me- tivo encontrar uma configurao de vlvulas que, na
nor permeabilidade, o que dificulta a passagem do mdia, seja a melhor configurao para os trs cen-
fluxo. Ento os valores determinados pelo algoritmo rios geolgicos (melhor, pior e mais provvel) do re-
otimizador para o operador STW so ignorados pelo servatrio em questo. O algoritmo otimizador con-
simulador a partir do momento em que o BHP atinge segue chegar a uma configurao que aumenta a
o valor mximo declarado nessa camada. No conse- produo de leo, diminui a produo de gua e,
guindo um aumento significativo na produo de conseqentemente, aumenta o VPL para os trs ce-
leo, o algoritmo gentico busca, ento, uma maior nrios. Analisando a curva score do algoritmo gen-
reduo de produo de gua. Percebe-se, ento, que tico, percebe-se que esse ainda no convergiu, indi-
para essa representao de vlvula, o algoritmo ge- cando a necessidade de um maior nmero de gera-
ntico consegue uma diminuio do volume acumu- es para se chegar a uma convergncia; porm,
lado de gua produzida muito significativa (cerca de como critrio de anlise de deciso, o resultado en-
60%); porm, o ganho do volume acumulado de leo contrado sugere o uso de poos inteligentes nesse
menor que as demais representaes. reservatrio, mesmo levando-se em considerao as
A representao de vlvula multiposies atravs da incertezas geolgicas.
alterao do ndice de injetividade (FF) do poo se mos-
trou mais adequada do que a alterao do operador
STW. Isso porque o FF representa a frao do tubo de
nomenclatura
produo que est realmente liberada para produo
ou injeo, simulando, assim, de forma mais real, o com-
Packer - normalmente isola o espao anular do poo
portamento de uma vlvula multiposio.
(espao entre a coluna de produo e o revestimento);
Os testes realizados com o modelo de otimizao
com incerteza de falhas tiveram por objetivo apoiar a Flat-pack - um cabo chato que fica dentro do poo (no
deciso pelo uso ou no de poos inteligentes em pro- espao anular) usado para transmitir (ou receber) infor-
jetos de explotao. Atravs do resultado alcanado maes das completaes inteligentes;
nesses testes, pode-se perceber que o uso de poos in-
teligentes no reservatrio em questo vantajoso mes- HPU - unidade que leva potncia (no caso hidrulica) para
mo considerando-se a possibilidade de falha nas vlvu- o acionamento das vlvulas de completao inteligente.
las. Quando no se considera a possibilidade de substi-
tuir a vlvula que falhou por uma nova, no se tem o
gasto da substituio; porm, a possibilidade do con-
trole de uma determinada completao por mais tem-
po fica prejudicada. A no substituio da vlvula tam-
bm limita os cenrios de falhas, j que aps a ocorrn-
cia da primeira falha a vlvula mantida nesse estado,
ignorando o cenrio gerado a partir desse momento.
Quando se considera a possibilidade de substituir a
vlvula que falhou por uma nova, o tempo de controle
de uma determinada completao aumenta e garante
melhores VPL. Isso pode ser observado comparando-se
o teste sem substituio de vlvulas com o teste com
substituio de vlvulas, onde o segundo consegue
melhores resultados.

201 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

referncias bibliogrficas

 ABERNATHY, R. B. The new weibull handbook. 4. ed.  HAMMERSLEY, J. M.; HANDSCOMB, D. C. Monte Carlo
Houston: R. B. Abernethy, 2000. 310 p. methods. Londres: Methuen, 1964. 178 p. il.

 ALMEIDA, L. F. Otimizao de alternativas para desen-  KHARGORIA, A.; ZHANG, F.; LI, R.; JALALI, Y. Application
volvimento de campo de petrleo utilizando computa- of distributed electrical measurements and inflow con-
o evolucionria. 2003. 82 f. Tese (Mestrado) Pontifcia trol in horizontal wells under bottom-water drive. Ri-
Universidade Catlica do Rio de Janeiro, Rio de Janeiro, 2003. chardson: Society of Petroleum Engineers, 2002. (SPE Paper
78275-MS). Paper presented at European Petroleum Confe-
 BOYLE, P.; BROADIE, M.; GLASSERMAN, P. Monte Carlo me- rence, 29-31 October 2002, Aberdeen, United Kingdom.
thods for security pricing. Journal of Economic Dynamics
and Control, Amsterdam, v. 21, n. 8-9, p. 1267-1321, 1997.  MCKAY, M. D.; CONOVER, W. J.; BECKMAN, R. J. A compa-
rison of three methods for selecting values of input variables
 COMPUTER MODELING GROUP. IMEX advanced oil/gas in analysis of output from a computer code. Technome-
reservoir simulator version 2000 users guide. Calgary: trics, Rochester, v. 21, n. 2, p. 239-245, 1979.
CMG, 2000. 746 p.
 MICHALEWICZ, Z. Genetic algorithms + Data structures =
 CRICHLOW, H. B. Modern reservoir engineering: a simu- Evolution programs. New York: Springer-Verlag, 1996. 387 p. il.
lation approach. New Jersey: Prentice-Hall, 1977. 354 p. il.
 OWEN, A. B. Orthogonal arrays for computer experiments
 FRANCHI, J. R. Integrated flow modeling. New York: El- integration and visualization. Statistical Sinica, Taipei, Taiwan,
sevier Science, 2000. 304 p. il. v. 2, n. 2, p. 439-452, 1992.

 FAURE, H. Discrepancies de suites associates a un system  SAAD Y.; SHULTZ M. H. GMRES: generalized minimum resi-
the numeration. Acta Arithmetic, n. 41, p. 337-351, 1982. dual algorithm for solving nonsymmetric linear systems. SIAM
Journal of Scientific and Statistical Computing, Philadel-
 GAI, H. Downhole flow control optimization in the phia, PA, v. 7, n. 3, p. 856-869, 1986.
worlds 1st extended reach multilateral well at wytch
farm. Richardson: Society of Petroleum Engineers, 2001. (SPE  SOBOL, I. M. On the distribution of points in cube and the
Paper 67728). Paper presented at SPE/IADC Drilling Confe- approximate evaluation of integrals. U.S.S.R. Computatio-
rence, 27 February-1 March 2001, Amsterdam, Netherlands. nal Mathematics and Mathematical Physics, Moscow , v.
7, n. 4, p. 86-112, 1967.
 GOLDBERG, D. E. Genetic algorithms in search, optimi-
zation, and machine learning. Addison-Wesley Publishing  TANG, B. Orthogonal Array-based Latin Hypercube. Jour-
Company, Inc.1989. nal of the American Statistical Association, New York, v.
88, p.1392-1397, 1993.
 HALTON J. H. On the efficiency of certain quasirandom se-
quences of points in evaluating multidimensional integrals.  TPAC, Y. J. Sistema inteligente de otimizao de alter-
Numerische Mathematik, New York, v. 2, n. 1, p. 84-90, 1960. nativas de desenvolvimento de campos petrolferos.

 202
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

referncias bibliogrficas

2005. 163 f. Tese (Doutorado) Pontifcia Universidade Cat- ternational Horizontal Well Technology Conference, 4-7 No-
lica do Rio de Janeiro, Rio de Janeiro, 2005. vember 2002, Calgary, Alberta, Canada.

 WANG, X. Variance reduction techniques and quasi-Monte  YETEN, B. Optimum deployment of nonconvencional
Carlo methods. Journal of computational and applied wells. 2003. Tese (Doutorado) Stanford, 2003.
mathematics, New York, v. 132, n. 2, p. 309-318, 2001.
 YETEN, B.; BROUWER, D. R.; DURLOFSKY, L. J.; AZIZ, K.
 YETEN, B.; DURLOFKY, L.; AZIZ, K. Optimization of smart Decision analysis under uncertainty for smart well deployment.
wells control. Richardson: Society of Petroleum Engineers, Journal of Petroleum Science and Engineering, Amster-
2002. (Paper SPE 79031-MS). Paper presented at SPE Interna- dam, v. 43, p. 183 -199, 2004.
tional Thermal Operations and Heavy Oil Symposium and In-

bibliografia

 DOUGLAS JUNIOR, J.; ARBOGAST, T. Dual-porosity models  YETEN, B.; JALALI, Y. Effectiveness of intelligent com-
for flow in naturally fractured reservoirs. In: CUSHMAN, J. H. pletions in a multiwell. Richardson: Society of Petroleum
(Ed.). Dynamics of fluids in hierarchical porous formati- Engineers, 2001. (SPE Paper 68077-MS). Paper presented at
ons. London: Academic Press, 1990. p. 177-221. SPE Middle East Oil Show , 17-20 March 2001, Bahrain.

webgrafia

 WILKINS, D.J. The bathtub curve and product failure behavi-


or part one - the bathtub curve, infant mortality and burn-in.
Reability Hot Wire, n. 21, nov. 2002. Disponvel em: <http:/
/www.weibull.com/hotwire/issue21/hottopics21.htm>. Aces-
so em: jun. 2006.

203 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

apndice A: tratamento de incertezas


a curva bathtub

A probabilidade para que uma vlvula falhe est relacionada sua con-
fiabilidade, que se altera com o passar do tempo. Alm disso, com relao
ao tempo de vida de um componente, o mecanismo mais provvel da falha
tambm pode mudar. Inicialmente, a probabilidade de falha mais elevada
para um componente pode ser do tipo mortalidade infantil. Nesse estgio,
a falha causada muito provavelmente por testes inadequados do equipa-
mento ou devido a danos causados durante a instalao. Com o passar do
tempo esse mecanismo da falha torna-se menos provvel de ocorrer. A
probabilidade de falha diminui com o tempo aps o perodo de mortalida-
de infantil. A taxa de falhas nesse estgio baixa e aproximadamente cons-
tante, e julgada ser devido a erros aleatrios. Aps esse perodo de con-
fiabilidade relativamente elevada, o componente comea a envelhecer,
podendo falhar devido a esse envelhecimento. A tendncia prevista nesse
estgio que a taxa de falhas aumente com tempo.
Os diferentes mecanismos de falha em funo do tempo esto repre-
sentados na curva bathtub, como mostrado na figura 27. O perodo 0 < t <
t1 mostra o decaimento da taxa de falha com tempo, correspondendo ao
mecanismo de falha do tipo mortalidade infantil. No perodo o t1 < t < t2,
a taxa de falha constante, correspondendo ocorrncia de falha aleat-
ria. O ltimo perodo t > t2 corresponde ao mecanismo de falha do tipo
envelhecimento. A funo correspondente densidade de probabilidade
de falha (PDF) mostrada na figura 28. Nessa figura, a probabilidade da
falha volta a diminuir aps o perodo atrasado porque a falha j ocorreu.

Figura 27
Curva bathtub.

Figure 27
Bathtub curve.

 204
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

A derivada de F(t) em relao a t nos d a funo de


densidade de probabilidade weibull (equao 12):
( 1)
t t
f (t ) =
(12)
exp

O parmetro de forma permite que a distribuio


assuma formas variadas e, conseqentemente, define o
mecanismo da falha. Especificamente, < 1 implica em
um mecanismo de falha de mortalidade infantil; isto ,
uma taxa de falhas que diminui com o tempo. Um valor
de = 1 representa um mecanismo da falha aleatria e,
assim, uma taxa de falhas constante. Para 1 < h < 4 im-
plica o desgaste adiantado, para > 4 implica o envelhe-
cimento e o desgaste rpido. Para todo > 1, a taxa de
falhas aumenta com o tempo.
Figura 28 Funo de densidade de O parmetro ( > 0) estica ou comprime a
probabilidade da curva bathtub. funo de densidade de probabilidade. Valores de >1
agem no sentido de esticar a funo de densidade de
Figure 28 Probability density function for the
bathtub curve. probabilidade. Valores mais elevados de geram dis-
tribuies mais largas, com o pico ocorrendo em tem-
pos mais atrasados. No pico a poca mais provvel
distribuio weibull de ocorrer falha. Valores de < 1 comprimem a fun-
o de densidade de probabilidade, com a distribui-
A funo de distribuio mais conveniente para re- o se aproximando a um ponto quando 0.
presentar a distribuio de vida dos produtos (vlvulas), Nas figuras 29 e 30 mostram-se os efeitos dos par-
onde a taxa de falhas varia com o tempo, a distribuio metros a e b na distribuio weibull.
Weibull (Abernathy, 2000). A taxa de falha h(t) defini-
da como a probabilidade que um componente de idade t
falhar no momento seguinte, dado que o componente
sobreviveu at esse tempo. Na distribuio weibull, a taxa
de falha definida como na equao 10:

( 1) (10)
t
h (t ) =
Onde:

= parmetro de forma;
= parmetro de escala.

A funo de distribuio cumulativa Weibull dada


pela equao 11:
t Figura 29 Funes de densidade de probabilidade variando .
F (t ) = 1 exp (11)
Figure 29 Proba bility density functions changing .

205 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

Figura 30
Funes de
densidade de
probabilidade
variando .

Figure 30
Probability
density
functions
changing .

cenrios de confiabilidade

Conforme discutido anteriormente, o mecanismo de fa-


lha muda com o passar do tempo. Assim, o parmetro
deve variar no tempo. Isso poderia ser realizado dividindo o
tempo total da operao em um nmero de estgios, onde Figura 31 Distribuio de probabilidade
weibull utilizada nos testes do modelo de
cada estgio tem seu prprio mecanismo caracterstico de
otimizao sob incerteza tcnica.
falha com um valor correspondente de . Entretanto, uma
mudana de um mecanismo dominante de falha para o ou- Figure 31 Weibull probability distribution used
tro no ocorre de forma abrupta, e deve mudar gradual- in testing the optimization model under
mente com o passar do tempo. Isto , realizado aqui com technical uncertainty.
aumentando com o tempo, de acordo com a equao 13:

(t ) = c + zt (13)
Onde:

c e z = constantes.

Nessa equao o parmetro c o valor inicial para


e o parmetro z define a inclinao do aumento de
com o tempo.

parmetros da weibull

Os parmetros da weibull utilizada nos testes com


incerteza tcnica (falha), realizados anteriormente en-
contram-se na tabela 22:
Os valores de c e z foram utilizados com base em
Figura 32 Distribuio cumulativa weibull
utilizada nos testes do modelo de otimizao
Tabela 22 Valores dos Pa rm etro Va lor
sob incerteza tcnica.
parmetros da weibull.
5 .0
c 0 .9 9 Figure 32 Cumulative weibull distribution used
Table 22 weibull parameters
in testing the optimization model under
values. z 0 .5
technical uncertainty.

 206
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

Yeten et al. (2004). Com esses valores de parmetro, a F = estimativa do verdadeiro valor da varivel.
weibull toma a forma mostrada nas figuras 31 e 32. O erro padro, SE (F ) , descrito na equao 15, uma
medida do erro cometido pelas estimativas em relao
simulao Monte Carlo mdia da amostra.

SD(F )
Monte Carlo uma ferramenta de simulao estatsti- SE(F )= (15)
ca que utiliza mtodos de amostragem para resolver pro- M
blemas de natureza estocstica ou determinstica. A Si-
mulao Monte Carlo um mtodo apropriado para re- O coeficiente de variao, CV, (equao 16) uma
solver problemas de alta dimenso e/ou parmetros esto- medida adimensional da preciso das estimativas.
csticos e, muitas vezes, usada para calcular o valor es-
perado e a disperso (desvio padro) de uma varivel que SD(F ) (16)
CV =
funo de varias variveis estocsticas e que no pode F
ser tratada analiticamente, considerando as faixas de va-
riao e as distribuies de probabilidades do conjunto de As estimativas feitas com simulao Monte Carlo
parmetros incertos (Hammersley e Handscomb,1964). no possuem um padro bem definido de convergn-
Uma das grandes vantagens da simulao Monte cia para o valor verdadeiro. De acordo com a equa-
Carlo sobre outras tcnicas numricas a possibilidade o 15, o erro das estimativas diminui com a raiz qua-
de avaliar o erro das estimativas. O desvio padro das drada de M. Logo, deve-se ter uma amostra muito
amostras (equao 14) uma medida da disperso dos grande para que uma preciso aceitvel seja atingi-
valores estimados em relao mdia. da. Entretanto, quanto maior a amostra, maior o cus-
to computacional, podendo at inviabilizar a aplica-
o. Analisando novamente a equao 15, o erro das
1 M
2
1 M
SD(F ) = fj
M 1 j =1
[ ] 2
f j
M j =1
(14) estimativas pode ser reduzido se o desvio padro das
estimativas puder ser reduzido de alguma forma. Exis-
tem vrias tcnicas para reduzir o erro, manipulando
Onde: o desvio padro (ou varincia) das estimativas. Essas
tcnicas so conhecidas como tcnicas de reduo
f j = resultado para cada cenrio considerado ou cada de varincia (McKay et al. 1979; Owen, 1992; Tang
simulao; 1993; Boyle et al. 1997).
M = nmero de amostras ou cenrios

207 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

apndice B: simulador de reservat-


rios IMEX
Neste apndice so mostradas algumas informaes referidas ao simu-
lador de reservatrios IMEX utilizado neste trabalho.

o simulador IMEX

A corporao CMG (Computer Modeling Group, 2000) desenvolveu


um pacote de aplicaes para simulao de reservatrio: simulador black-
oil IMEX, simulador de injeo de gs, editor de malhas para simuladores
CMG, gerador de relatrios, visualizador da malha de reservatrio em 2D e
3D e graficador de curvas de resultados. O mais importante desses produ-
tos para este trabalho o IMEX.
IMEX um simulador black-oil (Fanchi, 2000) de trs fases que leva em
considerao a gravidade e os efeitos capilares. O IMEX suporta configura-
es de grid cartesiana, cilndrica e com profundeza e espessura variveis.
Dessa forma, possvel mapear as configuraes de campos em 2D e 3D.
O IMEX foi programado em FORTRAN 77 e pode ser executado sob dife-
rentes plataformas: mainframes IBM, CDC, CRAY, Honeywell, DEC, Prime,
Gould, Unisys, Apollo, SUN, HP, FPS, IBM-PC 486, e a famlia Intel Pentium.

caractersticas do IMEX

O simulador IMEX pode ser executado em trs modos: explcito, implcito ou


adaptativo. Esses modos referem-se forma como so resolvidas as equaes
no-lineares dos modelos de fluxo. No caso de modo explcito, o passo de tem-
po utilizado deve ser sempre menor que o mximo valor de passo que mante-
nha a estabilidade do sistema. No modo implcito, necessrio resolver um sis-
tema de equaes no lineares a cada passo, podendo ser escolhidos passos
maiores. O modo explcito vantajoso quando as variaes dos estados so
lentas e no so feitos muitos clculos, enquanto que o modo implcito neces-
srio quando existem muitas variaes nos estados e preciso resolver sistemas
de equaes. O modo adaptativo permite escolher entre a soluo implcita ou
explcita, segundo a caracterstica das variaes dos estados do sistema.
Geralmente, na malha, s um pequeno nmero de blocos deve ser tra-
tado de forma totalmente implcita, pois a maioria dos blocos pode ser
tratada de forma explcita. Esse procedimento bastante proveitoso para
problemas onde s existem grandes fluxos nas proximidades dos poos
(efeito cone) ou em reservatrios estratificados com camadas bem finas.
Utilizando o modo adaptativo, o tratamento de forma totalmente implcita
feito apenas onde for necessrio, obtendo-se uma grande economia no
esforo computacional requerido.

 208
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

O IMEX suporta, tambm, as opes de dupla poro- O arquivo .DAT imprescindvel, uma vez que con-
sidade e dupla permeabilidade (Douglas, 1990), que per- tm todas as informaes que definem a configura-
mitem o tratamento de reservatrios com fraturas, onde o completa da reserva a ser simulada. A informa-
as fraturas so modeladas como duas partes com poro- o contida no arquivo .DAT est classificada em sete
sidade primria e secundria. J pela dupla permeabili- tipos de dados: controle de entrada e sada, descri-
dade possvel modelar a comunicao de fluidos en- o do reservatrio; propriedades dos componentes;
tre as duas partes definidas na fratura. rochas e fludos; condies iniciais; informao sobre
O simulador IMEX usa uma rotina de soluo basea- os mtodos numricos; informao dos poos e da-
da em eliminao de Gauss incompleta. Isso serve como dos recorrentes.
um acondicionamento dos dados antes de aplicar o m- Se a simulao for com recorrncia, dever existir o
todo GMRES (generalized minimum residual) (Saad e arquivo .RRF, e a entrada seguinte composta pelo conjun-
Shultz, 1986), que um mtodo iterativo que permite to de arquivos .DAT, .IRF, .MRF e .RRF da ltima execuo.
minimizar a norma do resduo baseado na gerao dos Os arquivos .OUT e .IRF contm os resultados glo-
espaos de Krilov. Em conjunto, o acondicionamento dos bais da simulao, isto , valores de leo, gs, gua etc.
dados e o mtodo GMRES permitem diminuir o custo O arquivo .IRF contm o ndice dos resultados e o arqui-
computacional e os requerimentos de memria quando vo .OUT armazena os resultados numricos em si.
o nmero de equaes a resolver muito grande.
comando INCLUDE
uso do IMEX
Neste trabalho, os nicos dados a serem alterados
Nesse simulador, a comunicao com o usurio efetua-
do ponto de vista do simulador de reservatrio so os
da atravs de arquivos de entrada e sada. O usurio deve
relacionados aos poos (informao dos poos e dados
criar um arquivo texto de entrada (formato .DAT) que con-
descritos na tabela 23).
tm: a configurao da malha, informao geolgica, tipo
de fluxo de leo, condies iniciais, mtodos numricos, lista Tipos de da dos us ados no arquivo .D A T
de poos, entre outras coisas. O simulador, aps a execuo, 1 . D ad os d e co ntrole de e ntrad a e s ada
fornece os valores de sada em um grupo de arquivos. Esse 2 . D ad os d e de s cri o d o re s e rvatrio
fluxo de informaes apresentado na figura 33:
3 . Pro pried ad es d os com po ne ntes
4 . D ad os d e rocha s e flu id os
5 . C on di es Iniciais
6 . In form a o s o bre o s m to do s nu m rico s
7 . In form a o do s po os e da do s reco rren te s .
Tabela 23 Tipos de dados existentes no
arquivo.DAT.

Table 23 Type of data existing in file.DAT.

O comando *INCLUDE permite ao simulador quebrar


a leitura seqencial do arquivo de entrada .DAT primrio
para comear a leitura de um arquivo secundrio. Uma
vez finalizada a leitura do segundo arquivo EOF (end of
file) is reached, continua-se com a leitura a partir da linha
Figura 33 Arquivos de entrada e sada do IMEX. seguinte a que continha o comando *INCLUDE.
O formato do comando o seguinte: *INCLUDE ar-
Figure 33 IMEX input/output files. quivosec

209 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

Esse comando facilita a alterao de algumas partes reservatrio sinttico


do arquivo .DAT sem afetar o resto. Como mencionado
anteriormente, no trabalho proposto precisam ser altera- *GRID *CART 40 11 3
dos apenas os dados relacionados aos poos; portanto, o *KDIR *DOWN
arquivo .DAT deve conter um comando *INCLUDE *DI *CON 50
xxxxxx.dat no momento em que se comea a definio *DJ *CON 50
dos poos no campo. Desse modo, os dados de definio *DK *CON 10
de poos (tipo de poos, locaes, geometria, parmetros *DTOP 440*2000
fsicos, restries, tempos de alteraes de vlvulas) esta- *NULL *CON 1
ro definidos no arquivo secundrio xxxxxx.dat. Com essa *POR *CON 0.20
estratgia, as mudanas dadas pelo processo de otimiza- *PERMI *KVAR
o sero fornecidas em um arquivo pequeno, ao invs 500
de se precisar recriar arquivos .DAT completos. 800
1200
o aplicativo Results Report *PERMJ *KVAR
500
Todos os resultados da simulao so armazenados em 800
arquivos .OUT e .IRF, sendo que a maioria desses resultados 1200
no necessria para se obter a curva de produo do cam- *PERMK *KVAR
po. O aplicativo Results Report (Computer Modeling Group, 50
2000) permite escolher apenas os dados necessrios de acordo 70
com a aplicao, servindo como um gerador de relatrios. 120
No problema em questo precisa-se dos seguin- ** Folhelhos entre as camadas
tes valores: *TRANSK *IJK 1:40 1:11 1 0.0
*TRANSK *IJK 1:40 1:11 2 0.0
leo acumulado em superfcie no grupo de po-
*TRANSK *IJK 1:40 1:11 3 0.0
os produtores do campo;
*CPOR 1.0E-5
gs acumulado em superfcie no grupo de poos *PRPOR 300
produtores do campo; *MODEL *BLACKOIL
*TRES 80.0
afluncia de gua em superfcie no grupo de po-
*PVT *BG 1
os produtores do campo;
** kgf/cm2 m3/m3 m3/m3 STD m3/m3 STD cp cp
taxa de produo de leo, gs e gua em condi- 1.03 0.16 1.0745 3.5200E-01 9.22 5.5317E-03
es de superfcie do campo. 7.02 1.32 1.0780 5.1805E-02 8.65 1.1304E-02
13.01 2.59 1.0819 2.7583E-02 8.10 1.7093E-02
Portanto, ao se usar o Results Report com um script 19.00 3.91 1.0860 1.8774E-02 7.60 2.3519E-02
adequado s necessidades do trabalho, obtm-se os 24.99 5.28 1.0901 1.4190E-02 7.14 3.0841E-02
valores citados anteriormente de forma resumida e le- 30.98 6.68 1.0944 1.1380E-02 6.72 3.9209E-02
gvel pelo mdulo que calcula o valor presente lquido. 36.97 8.10 1.0988 9.4819E-03 6.34 4.8760E-02
42.96 9.55 1.1032 8.1149E-03 5.99 5.9634E-02
arquivos utilizados 60.92 14.00 1.1168 5.6336E-03 5.14 1.0166E-01
400.00 281.26 1.3732 1.0000E-03 0.50 8.0812E+00
A seguir, sero mostrados os arquivos .DAT utiliza- *DENSITY *OIL 850
dos neste trabalho: arquivos que descrevem os reserva- *DENSITY *WATER 1000.0
trios e os poos das alternativas (include.dat). *GRAVITY *GAS 0.60

 210
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

*CO 1.1772E-04 *NCUTS 10


*CVO 1.9980E-02 *DTMIN 0.0010
*BWI 1.0 *DTMAX 365
*CW 1.0E-05 *RUN*DATE 2004 1 1
*REFPW 100.0 *INCLUDE INCLUDE.DAT
*VWI 1.0 *DATE 2024 1 1
*CVW 0.0
*ROCKFLUID alternativa base de poos do reservatrio
*RPT 1 sinttico vlvulas on/off
*SWT
*GROUPINJETOR1'*ATTACHTOINJETORES
** Sw krw krow Pcow
*GROUPINJETORES *ATTACHTOFIELD
0.20 0.00000 0.8000 0.
** POCO INJETOR
0.22 0.00048 0.7373 0.
** COMPLETACAO INTELIGENTE
0.25 0.00300 0.6480 0.
*WELL 1 INJ1 *ATTACHTO INJETOR1
0.28 0.00768 0.5645 0.
*INJECTOR MOBWEIGHT INJ1
0.30 0.01200 0.5120 0.
*INCOMP *WATER
0.33 0.02028 0.4381 0.
*OPERATE *MAX *STW 150
0.35 0.02700 0.3920 0.
*OPERATE *MAX *BHP 400
0.38 0.03888 0.3277 0.
*GEOMETRY *K 0.100 0.37 1.0 0
0.40 0.04800 0.2880 0.
*PERF *GEO INJ1
0.43 0.06348 0.2333 0.
1 6 1 1.0 *OPEN FLOW-FROM SURFACE
0.45 0.07500 0.2000 0.
1 6 2 1.0 *OPEN FLOW-FROM 1
0.48 0.09408 0.1549 0.
1 6 3 1.0 *OPEN FLOW-FROM 2
0.50 0.10800 0.1280 0.
** POCO PRODUTOR
0.53 0.13068 0.0925 0.
*WELL2PROD1'
0.55 0.14700 0.0720 0.
*PRODUCERPROD1'
0.57 0.16428 0.0541 0.
*OPERATE *MAX *STL 400
0.60 0.19200 0.0320 0.
*OPERATE *MIN *BHP 78
0.62 0.21168 0.0205 0.
*GEOMETRY *K 0.100 0.37 1.0 0
0.65 0.24300 0.0080 0.
*PERF *GEO PROD1
0.70 0.30000 0.0000 0.
40 6 1 1.0 *OPEN FLOW-TO SURFACE
*SLT *SMOOTH *PLAW
40 6 2 1.0 *OPEN FLOW-TO 1
2.000 2.000 1.0
40 6 3 1.0 *OPEN FLOW-TO 2
0.20 0.90 0.00
1.00 0.00 0.80 alternativa base de poos do reservatrio
*INITIAL sinttico vlvulas de abertura contnua (STW)
*VERTICAL *BLOCK_CENTER
*WATER_OIL_GAS *GROUPINJETOR1'*ATTACHTOINJETORES
*REFDEPTH 2000 *GROUPINJETORES*ATTACHTOFIELD
*REFPRES 250 ** POCO INJETOR
*DWOC 3000 ** COMPLETACAO INTELIGENTE
*DGOC 0 *WELL 1 INJ1 *ATTACHTO INJETOR1
*PB *CON 78.0 *INJECTOR MOBWEIGHT INJ1
*NUMERICAL *INCOMP *WATER
*AIM *STAB *OPERATE *MAX *STW 150

211 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

*OPERATE *MAX *BHP 400 1 6 3 1.0 *OPEN FLOW-FROM 2


*GEOMETRY *K 0.100 0.37 1.0 0 ** POCO PRODUTOR
*PERF *GEO INJ1 *WELL2PROD1'
1 6 1 1.0 *PRODUCERPROD1'
*WELL 2 INJ2 *ATTACHTO INJETOR1 *OPERATE *MAX *STL 400
*INJECTOR MOBWEIGHT INJ2 *OPERATE *MIN *BHP 78
*INCOMP *WATER *GEOMETRY *K 0.100 0.37 1.0 0
*OPERATE *MAX *STW 150 *PERF *GEO PROD1
*OPERATE *MAX *BHP 400 40 6 1 1.0 *OPEN FLOW-TO SURFACE
*GEOMETRY *K 0.100 0.37 1.0 0 40 6 2 1.0 *OPEN FLOW-TO 1
*PERF *GEO INJ2 40 6 3 1.0 *OPEN FLOW-TO 2
1 6 2 1.0
*WELL 3 INJ3 *ATTACHTO INJETOR1 reservatrio com aqfero
*INJECTOR MOBWEIGHT INJ3
*INCOMP *WATER
RESULTS SECTION INOUT
*OPERATE *MAX *STW 150
*INTERRUPT *RESTART-STOP
*OPERATE *MAX *BHP 400
*RANGECHECK *ON
*GEOMETRY *K 0.100 0.37 1.0 0
*XDR *ON
*PERF *GEO INJ3
*WPRN *WELL 100
1 6 3 1.0
*WPRN *SECTOR 100
** POCO PRODUTOR
*WPRN *GRID 100
*WELL 4 PROD1
*WPRN *ITER *NONE
*PRODUCER PROD1
*OUTPRN *WELL *BRIEF
*OPERATE *MAX *STL 400
*OUTPRN *TABLES *NONE
*OPERATE *MIN *BHP 78
*OUTPRN *GRID *NONE
*GEOMETRY *K 0.100 0.37 1.0 0
*OUTPRN *RES PV HCPV
*PERF *GEO PROD4
*WSRF *WELL 1
40 6 1 1.0
*WSRF *SECTOR 1
40 6 2 1.0
*WSRF *GRID 1
40 6 3 1.0
*OUTSRF *GRID *PRES *Sw *SG *DATUMPRES *OIL-
alternativa base de poos do reservatrio POT *BPP
sinttico vlvulas de abertura contnua (FF) *OUTSRF *RES *ALL
*OUTSRF *WELL *LAYER *NONE
* POCO INJETOR *OUTDIARY *BRIEF *PRESAQ *HEADER 20
** COMPLETACAO INTELIGENTE *INUNIT *MODSI
*WELL 1 INJ1 *OUTUNIT *MODSI
*INJECTOR MOBWEIGHT INJ1 *GRID *CORNER 33 57 3
*INCOMP *WATER *COORD
*OPERATE *MAX *STW 150 763891.062500 7301866.000000 3935.897461
*OPERATE *MAX *BHP 400 763891.062500 7301866.000000 4020.897461
*GEOMETRY *K 0.100 0.37 1.0 0 763981.687500 7301908.000000 3929.389893
*PERF *GEO INJ1 763981.687500 7301908.000000 4014.389893
1 6 1 1.0 *OPEN FLOW-FROM SURFACE ** Os demais valores de COORD foram omitidos devi-
1 6 2 1.0 *OPEN FLOW-FROM 1 do ao grande nmero desses valores.

 212
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

*ZCORN 0.250000 0.000000 0.800000 0.000000


3935.897461 3929.389893 0.275000 0.003053 0.685900 0.000000
3929.389893 3921.542725 0.300000 0.007518 0.583200 0.000000
3921.542725 3912.054443 0.325000 0.012735 0.491300 0.000000
** Os demais valores de ZCORN foram omitidos devi- 0.350000 0.018511 0.409600 0.000000
do ao grande nmero desses valores. 0.375000 0.024741 0.337500 0.000000
RESULTS SECTION NETPAY 0.400000 0.031358 0.274400 0.000000
RESULTS SECTION NETGROSS 0.425000 0.038316 0.219700 0.000000
*NETGROSS *CON 1.00 0.450000 0.045579 0.172800 0.000000
*POR *CON 0.229 0.475000 0.053121 0.133100 0.000000
*PERMI *CON 575.000000 0.500000 0.060919 0.100000 0.000000
*PERMJ *CON 575.000000 0.525000 0.068955 0.072900 0.000000
*PERMK *CON 57.500000 0.550000 0.077213 0.051200 0.000000
RESULTS SECTION TRANS 0.575000 0.085680 0.034300 0.000000
RESULTS SECTION FRACS 0.600000 0.094345 0.021600 0.000000
RESULTS SECTION VOLMOD 0.625000 0.103198 0.012500 0.000000
RESULTS SECTION GRIDNONARRAYS 0.650000 0.112230 0.006400 0.000000
*CPOR 0.000010 0.675000 0.121433 0.002700 0.000000
*PRPOR 390.000000 0.700000 0.130800 0.000800 0.000000
RESULTS SECTION GRIDOTHER 0.750000 0.150000 0.000000 0.000000
RESULTS SECTION ROCKCOMPACTION *SLT
RESULTS SECTION SECTORLEASE 0.300000 0.900000 0.000000 0.000000
MODEL *BLACKOIL 0.370000 0.238864 0.008000 0.000000
**$ OilGas Table Table A 0.405000 0.210906 0.018000 0.000000
*PVT *BG 1 0.440000 0.184687 0.032000 0.000000
** P Rs Bo BG VisO VisG 0.475000 0.160207 0.050000 0.000000
0.1 0.0 1.0466 1.000 39.56 0.0123 0.510000 0.137468 0.072000 0.000000
19.614 8.3 1.0707 0.036 14.36 0.0125 0.545000 0.116468 0.098000 0.000000
39.228 13.2 1.0807 0.026 11.13 0.0129 0.580000 0.097207 0.128000 0.000000
54.370 16.4 1.0858 0.016 9.51 0.0139 0.615000 0.079687 0.162000 0.000000
88.263 24. 1.10000 0.010 7.2 0.0150 0.650000 0.063905 0.200000 0.000000
588.42 136. 1.33000 0.002 1.2 0.0432 0.685000 0.049864 0.242000 0.000000
*DENSITY *OIL 940.8 0.720000 0.037562 0.288000 0.000000
*GRAVITY *GAS 0.7 0.755000 0.027000 0.338000 0.000000
*CO 7.75E-05 0.790000 0.018178 0.392000 0.000000
*CVO 0.045 0.825000 0.011095 0.450000 0.000000
*BWI 1.013 0.860000 0.005751 0.512000 0.000000
*CW 4.08E-05 0.895000 0.002148 0.578000 0.000000
*REFPW277.2 0.930000 0.000284 0.648000 0.000000
*VWI 0.53 0.965000 0.000000 0.722000 0.000000
*CVW 0 1.000000 0.000000 0.800000 0.000000
*DENSITY *WATER 1055. RESULTS SECTION ROCKARRAYS
RESULTS SECTION MODELARRAYS *INITIAL
*ROCKFLUID *VERTICAL *BLOCK_CENTER *WATER_OIL
*RPT 1*SWT *REFDEPTH 3957.000000

213 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

*REFPRES 413.800000 WELL PROD2 ATTACHTO UEP


*DWOC 3957.000000 PRODUCER PROD2
*DGOC 0.000000 OPERATE MIN BHP 55. CONT
RESULTS SECTION INITARRAYS OPERATE MAX STL 3000. CONT
**$ RESULTS PROP PB Units: kg/cm2 GEOMETRY K 0.0762 0.37 1. 0.
**$ RESULTS PROP Minimum Value: 54.370 Maximum PERF GEO PROD2
Value: 54.370 ** UBA ff Status Connection
*PB *CON 54.370 15 21 1 1. OPEN FLOW-TO SURFACE REFLAYER
*NUMERICAL 16 22 1 1. OPEN FLOW-TO 1
** Para resolver o problema totalmente EXPLCITO (IM- 16 23 1 1. OPEN FLOW-TO 2
PES) troque a linha de baixo para *AIM *OFF. Para re- 17 24 2 1. OPEN FLOW-TO 3
solver o problema totalmente IMPLCITO troque a linha 17 25 2 1. OPEN FLOW-TO 4
abaixo para *AIM *THRESH 0.0 0.0 18 26 3 1. OPEN FLOW-TO 5
*AIM *STAB 18 27 3 1. OPEN FLOW-TO 6
*NCUTS 10 WELL PROD3 ATTACHTO UEP
*DTMIN 0.001000 PRODUCER PROD3
*DTMAX 365.000000 OPERATE MIN BHP 55. CONT
RESULTS SECTION NUMARRAYS OPERATE MAX STL 3000. CONT
*RUN GEOMETRY K 0.0762 0.37 1. 0.
*DATE 2002 1 18 PERF GEO PROD3
*GROUP ANEPIGroup *ATTACHTO Field ** UBA ff Status Connection
*GCONM Field 19 13 1 1. OPEN FLOW-TO SURFACE REFLAYER
*WCUT 0.9 *STOP 20 14 1 1. OPEN FLOW-TO 1
*MINOIL 100. *STOP 21 15 2 1. OPEN FLOW-TO 2
22 16 2 1. OPEN FLOW-TO 3
*INCLUDE INCLUDE.DAT
23 17 3 1. OPEN FLOW-TO 4
*DATE 2022 1 18
24 18 3 1. OPEN FLOW-TO 5
WELL PROD4 ATTACHTO UEP
alternativa base de poos do reservatrio com
PRODUCER PROD4
aqfero vlvulas de abertura contnua (FF)
OPERATE MIN BHP 55. CONT
OPERATE MAX STL 3000. CONT
GROUP UEP ATTACHTO Field
GEOMETRY K 0.0762 0.37 1. 0.
WELL PROD1 ATTACHTO UEP
PERF GEO PROD4
PRODUCER PROD1
** UBA ff Status Connection
OPERATE MIN BHP 55. CONT
11 4 1 1. OPEN FLOW-TO SURFACE REFLAYER
OPERATE MAX STL 3000. CONT
10 4 1 1. OPEN FLOW-TO 1
GEOMETRY K 0.0762 0.37 1. 0.
9 4 1 1. OPEN FLOW-TO 2
PERF GEO PROD1
8 4 2 1. OPEN FLOW-TO 3
** UBA ff Status Connection
7 4 2 1. OPEN FLOW-TO 4
23 38 1 1. OPEN FLOW-TO SURFACE REFLAYER
6 4 3 1. OPEN FLOW-TO 5
24 39 1 1. OPEN FLOW-TO 1
5 4 3 1. OPEN FLOW-TO 6
25 40 2 1. OPEN FLOW-TO 2
WELL INJ1 ATTACHTO UEP
26 41 2 1. OPEN FLOW-TO 3
INJECTOR MOBWEIGHT INJ1
27 42 3 1. OPEN FLOW-TO 4
INCOMP WATER
28 43 3 1. OPEN FLOW-TO 5
OPERATE MAX BHP 450. CONT

 214
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

OPERATE MAX STW 3000. CONT ** UBA ff Status Connection


GEOMETRY K 0.0762 0.37 1. 0. 32 7 1 1. OPEN FLOW-FROM SURFACE REFLAYER
PERF GEO INJ1 31 6 1 1. OPEN FLOW-FROM 1
** UBA ff Status Connection 30 5 2 1. OPEN FLOW-FROM 2
7 32 1 1. OPEN FLOW-FROM SURFACE REFLAYER 29 4 2 1. OPEN FLOW-FROM 3
7 33 1 1. OPEN FLOW-FROM 1 28 3 3 1. OPEN FLOW-FROM 4
7 34 2 1. OPEN FLOW-FROM 2 27 2 3 1. OPEN FLOW-FROM 5
7 35 2 1. OPEN FLOW-FROM 3 GCONP UEP
7 36 3 1. OPEN FLOW-FROM 4 MAX STL 8000. CONT
7 37 3 1. OPEN FLOW-FROM 5 IPP
WELL INJ2 ATTACHTO UEP
INJECTOR MOBWEIGHT INJ2 reservatrio real
INCOMP WATER
OPERATE MAX BHP 450. CONT RESULTS SIMULATOR IMEX 200600
OPERATE MAX STW 3000. CONT TITLE1 MODEL 01
GEOMETRY K 0.0762 0.37 1. 0. TITLE2 SYNTHETIC MODEL BASED ON OUTCROP DATA
PERF GEO INJ2 ** I/O CONTROL SECTION
** UBA ff Status Connection *INUNIT *MODSI
15 55 1 1. OPEN FLOW-FROM SURFACE REFLAYER *XDR *ON
14 55 1 1. OPEN FLOW-FROM 1 *WPRN *WELL *TIME
13 55 2 1. OPEN FLOW-FROM 2 *WPRN *GRID 0
12 55 2 1. OPEN FLOW-FROM 3 *WPRN *ITER *NONE
11 55 3 1. OPEN FLOW-FROM 4 *OUTPRN *WELL *BRIEF
10 55 3 1. OPEN FLOW-FROM 5 *OUTPRN *RES *NONE
WELL INJ3 ATTACHTO UEP *OUTPRN *TABLES *NONE
INJECTOR MOBWEIGHT INJ3 *OUTPRN *GRID *NONE
INCOMP WATER *WSRF *GRID 1
OPERATE MAX BHP 450. CONT *WSRF *WELL 1
OPERATE MAX STW 3000. CONT *OUTSRF *GRID SO SW SG PRES MASDENO MASDENW
GEOMETRY K 0.0762 0.37 1. 0. MASDENG **PETROELAST
PERF GEO INJ3 *OUTSRF *RES *ALL
** UBA ff Status Connection **$ Distance units: m
7 15 1 1. OPEN FLOW-FROM SURFACE REFLAYER RESULTS XOFFSET 0.0000
6 15 1 1. OPEN FLOW-FROM 1 RESULTS YOFFSET 0.0000
5 15 2 1. OPEN FLOW-FROM 2 RESULTS ROTATION 0.0000 **$ (DEGREES)
4 15 2 1. OPEN FLOW-FROM 3 RESULTS AXES-DIRECTIONS 1.0 1.0 1.0
3 15 3 1. OPEN FLOW-FROM 4 *INCLUDE model01_grid00.inc
2 15 3 1. OPEN FLOW-FROM 5 *INCLUDE model01_por00.inc
WELL INJ4 ATTACHTO UEP *INCLUDE model01_perms00.inc
INJECTOR MOBWEIGHT INJ4 *INCLUDE model01_resarrays00.inc
INCOMP WATER *CPOR 2.069E-9
OPERATE MAX BHP 450. CONT *PRPOR 100
OPERATE MAX STW 3000. CONT MODEL BLACKOIL
GEOMETRY K 0.0762 0.37 1. 0. TRES 80
PERF GEO INJ4 ** PVT table generated using correlations in Bulder

215 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

** Correlations datas: 0.0284875 8.75245e-005


** - Reservoir temperature = 80C 420 205.632 1.59185 311.706 0.722108
** - Bubble point pressure = 100 kgf/cm2 0.0323313 6.6577e-005
** - Oil gravity = 25 API 500 253.493 1.73375 336.885 0.615409
** - Gas gravity = 0.70 0.0357093 5.31289e-005
** - Water salinity = 55.000 ppm BWI 1.02439
PVT EG 1 CVO .0018
**$ p Rs Bo Eg viso visg co CVW 0
1.03323 0.493917 1.05458 0.821624 7.4115 CW 4.42269e-005
0.0125953 0.0004267 DENSITY OIL 903.249
7.63102 2.10869 1.05797 6.13335 6.82484 DENSITY WATER 1013.3
0.0126648 0.0004267 REFPW 100
14.2288 3.99697 1.06198 11.5588 6.24607 VWI 0.412638
0.0127605 0.0004267 GRAVITY GAS 0.7
20.8266 6.05614 1.06638 17.0992 5.71719 *INCLUDE model01_fluidarrays00.inc
0.0128739 0.0004267 *ROCKFLUID
27.4244 8.2438 1.07109 22.7548 5.24559 ** Facies 1
0.0130026 0.0004267 RPT 1
34.0222 10.5359 1.07607 28.5255 4.82886 *SWT
0.0131453 0.0004267 **SW KRW KRO PCOW
40.6199 12.9165 1.08129 34.4102 4.46154 0.35 0 0.7
0.0133016 0.0004267 0.36 0.0001117321 0.6721698
47.2177 15.3745 1.08673 40.4068 4.13752 0.39 0.001787713 0.5920663
0.0134711 0.0004267 0.42 0.005474871 0.5170433
53.8155 17.9014 1.09236 46.5122 3.85102 0.45 0.01117321 0.4471009
0.0136537 0.0004267 0.48 0.01888272 0.382239
60.4133 20.4907 1.09818 52.7219 3.59686 0.51 0.02860341 0.3224577
0.0138494 0.0004267 0.54 0.04033528 0.267757
67.0111 23.1368 1.10418 59.0303 3.37053 0.57 0.05407832 0.2181368
0.0140581 0.0004267 0.6 0.06983254 0.1735972
73.6089 25.8356 1.11034 65.43 3.16821 0.63 0.08759794 0.1341382
0.01428 0.0004267 0.66 0.1073745 0.09975968
80.2066 28.5832 1.11666 71.9123 2.98664 0.69 0.1291623 0.07046177
0.014515 0.0004267 0.72 0.1529612 0.04624442
86.8044 31.3765 1.12314 78.4669 2.82306 0.75 0.1787713 0.02710763
0.014763 0.0004267 0.78 0.2065926 0.0130514
93.4022 34.2128 1.12977 85.082 2.67514 0.81 0.2364251 0.004075741
0.0150239 0.0004267 0.84 0.2682687 0.0001806422
100 37.0896 1.13654 91.7446 2.54089 0.848 0.2771 0
0.0152976 0.0004267 **1 1 0
180 74.5934 1.22876 170.642 1.56142
0.0194248 0.000199568 *SLT
260 115.75 1.33693 233.576 1.12197 **SL KRG KRO PCOG
0.0241185 0.00012389 0.35 0.9 0
340 159.605 1.4585 278.75 0.877134 0.36 0.871385 0.0001704522

 216
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

0.39 0.7883136 0.002727235 0.57 0.5373967 0.02479339


0.42 0.7094027 0.008352158 0.6 0.4612732 0.03873967
0.45 0.6346524 0.01704522 0.63 0.3909607 0.05578512
0.48 0.5640625 0.02880642 0.66 0.3264592 0.07592975
0.51 0.4976331 0.04363577 0.69 0.2677686 0.09917355
0.54 0.4353643 0.06153325 0.72 0.2148889 0.1255165
0.57 0.3772559 0.08249887 0.75 0.1678202 0.1549587
0.6 0.3233081 0.1065326 0.78 0.1265625 0.1875
0.63 0.2735207 0.1336345 0.81 0.0911157 0.2231405
0.66 0.2278939 0.1638046 0.84 0.06147986 0.2618802
0.69 0.1864275 0.1970428 0.87 0.03765496 0.303719
0.72 0.1491217 0.2333491 0.9 0.01964101 0.348657
0.75 0.1159763 0.2727235 0.93 0.007438017 0.3966942
0.78 0.08699149 0.3151661 0.96 0.001045971 0.4478306
0.81 0.06216716 0.3606769 0.978 0 0.48
0.84 0.04150333 0.4092558 1 0 0.5
0.87 0.025 0.4609028 *INCLUDE model01_rockarrays00.inc
0.9 0.01265717 0.5156179
*INITIAL
0.93 0.004474852 0.5734012
*VERTICAL *BLOCK_CENTER *WATER_OIL_GAS
0.96 0.0004530325 0.6342527
REFDEPTH 2500
0.974 0 0.6637
REFPRES 270
1 0 0.7
DWOC 2800
** Facies 2
DGOC 0.1
*RPT 2
*INCLUDE model01_initarrays00.inc
*SWT
*NUMERICAL
** SW KRW KRO PCOW
*AIM *STAB
0.45 0 0.5
**AIM *THRESH 0.0 0.0
0.48 0.001662956 0.412972
*NCUTS 15
0.51 0.006651823 0.3342587
*DTMIN 0.0010
0.54 0.0149666 0.2638603
*DTMAX 365
0.57 0.02660729 0.2017766
**INCLUDE model01_well00.inc
0.6 0.0415739 0.1480077
*RUN
0.63 0.05986641 0.1025536
*DATE 2004 12 31
0.66 0.08148483 0.06541421
*INCLUDE INCLUDE.DAT
0.69 0.1064292 0.03658965
*DATE 2024 12 31
0.72 0.1346994 0.01607986
0.75 0.1662956 0.00388485 RESULTS UNITNAMES BEGIN
0.779 0.2 0 RESULTS UNITNAMES 1 ZONA_1
1 1 0 RESULTS UNITNAMES 2 ZONA_1
*SLT RESULTS UNITNAMES 3 ZONA_1
** SL KRG KRO PCOG RESULTS UNITNAMES 4 ZONA_2
0.45 0.9 0 RESULTS UNITNAMES 5 ZONA_2
0.48 0.8006327 0.001549587 RESULTS UNITNAMES 6 ZONA_3
0.51 0.7070764 0.006198347 RESULTS UNITNAMES END
0.54 0.6193311 0.01394628 RESULTS SPEC Permeability J

217 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

RESULTS SPEC SPECNOTCALCVAL -99999 RESULTS SPEC PORTYPE 1


RESULTS SPEC REGION All Layers (Whole Grid) RESULTS SPEC CON 1
RESULTS SPEC REGIONTYPE 0 RESULTS SPEC STOP
RESULTS SPEC LAYERNUMB 0
RESULTS SPEC PORTYPE 1 alternativa base de poos do reservatrio real
RESULTS SPEC EQUALSI 0 1 vlvulas de abertura contnua (FF)
RESULTS SPEC STOP
RESULTS SPEC Permeability K DTWELL 15
RESULTS SPEC SPECNOTCALCVAL -99999 WELL PROD1
RESULTS SPEC REGION All Layers (Whole Grid) PRODUCER PROD1
RESULTS SPEC REGIONTYPE 0 OPERATE MAX STO 2500. CONT REPEAT
RESULTS SPEC LAYERNUMB 0 OPERATE MIN BHP 110. CONT REPEAT
RESULTS SPEC PORTYPE 1 MONITOR WCUT 0.9 SHUTIN
RESULTS SPEC EQUALSI 1 0.3 GEOMETRY K 0.06215 0.37 1. 0.
RESULTS SPEC STOP PERF GEO PROD1
RESULTS SPEC Trans Multiplier K ** UBA ff Status Connection
RESULTS SPEC SPECNOTCALCVAL -100000 42 20 1 1. OPEN FLOW-TO SURFACE
RESULTS SPEC REGION Layer 3 - Whole layer 42 20 2 1. OPEN FLOW-TO 1
RESULTS SPEC REGIONTYPE 1 42 20 3 1. OPEN FLOW-TO 2
RESULTS SPEC LAYERNUMB 3 42 20 4 1. OPEN FLOW-TO 3 REFLAYER
RESULTS SPEC PORTYPE 1 42 20 5 1. OPEN FLOW-TO 4
RESULTS SPEC CON 0.0001 42 20 6 1. OPEN FLOW-TO 5
RESULTS SPEC REGION Layer 5 - Whole layer WELL PROD2
RESULTS SPEC REGIONTYPE 1 PRODUCER PROD2
RESULTS SPEC LAYERNUMB 5 OPERATE MAX STO 2500. CONT REPEAT
RESULTS SPEC PORTYPE 1 OPERATE MIN BHP 110. CONT REPEAT
RESULTS SPEC CON 0.0001 MONITOR WCUT 0.9 SHUTIN
RESULTS SPEC REGION Layer 1 - Whole layer GEOMETRY K 0.06215 0.37 1. 0.
RESULTS SPEC REGIONTYPE 1 PERF GEO PROD2
RESULTS SPEC LAYERNUMB 1 ** UBA ff Status Connection
RESULTS SPEC PORTYPE 1 11 2 4 1. OPEN FLOW-TO SURFACE REFLAYER
RESULTS SPEC CON 1 11 2 5 1. OPEN FLOW-TO 1
RESULTS SPEC REGION Layer 2 - Whole layer 11 2 6 1. OPEN FLOW-TO 2
RESULTS SPEC REGIONTYPE 1 WELL PROD3
RESULTS SPEC LAYERNUMB 2 PRODUCER PROD3
RESULTS SPEC PORTYPE 1 OPERATE MAX STO 2500. CONT REPEAT
RESULTS SPEC CON 1 OPERATE MIN BHP 110. CONT REPEAT
RESULTS SPEC REGION Layer 4 - Whole layer MONITOR WCUT 0.9 SHUTIN
RESULTS SPEC REGIONTYPE 1 GEOMETRY K 0.06215 0.37 1. 0.
RESULTS SPEC LAYERNUMB 4 PERF GEO PROD3
RESULTS SPEC PORTYPE 1 ** UBA ff Status Connection
RESULTS SPEC CON 1 24 43 1 1. OPEN FLOW-TO SURFACE REFLAYER
RESULTS SPEC REGION Layer 6 - Whole layer 24 43 2 1. OPEN FLOW-TO 1
RESULTS SPEC REGIONTYPE 1 24 43 3 1. OPEN FLOW-TO 2
RESULTS SPEC LAYERNUMB 6 24 43 4 1. OPEN FLOW-TO 3

 218
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

24 43 5 1. OPEN FLOW-TO 4 21 32 2 1. OPEN FLOW-TO 1


WELL PROD4 21 32 3 1. OPEN FLOW-TO 2
PRODUCER PROD4 21 32 4 1. OPEN FLOW-TO 3
OPERATE MAX STO 2500. CONT REPEAT 21 32 5 1. OPEN FLOW-TO 4
OPERATE MIN BHP 110. CONT REPEAT WELL INJ1
MONITOR WCUT 0.9 SHUTIN INJECTOR MOBWEIGHT INJ1
GEOMETRY K 0.06215 0.37 1. 0. INCOMP WATER
PERF GEO PROD4 OPERATE MAX STW 2500. CONT REPEAT
** UBA ff Status Connection OPERATE MAX BHP 400. CONT REPEAT
43 43 4 1. OPEN FLOW-TO SURFACE REFLAYER GEOMETRY K 0.06215 0.37 1. 0.
43 43 5 1. OPEN FLOW-TO 1 PERF GEO INJ1
43 43 6 1. OPEN FLOW-TO 2 ** UBA ff Status Connection
WELL PROD5 23 53 1 1. OPEN FLOW-FROM SURFACE REFLAYER
PRODUCER PROD5 23 53 2 1. OPEN FLOW-FROM 1
OPERATE MAX STO 10000. CONT REPEAT 23 53 3 1. OPEN FLOW-FROM 2
OPERATE MIN BHP 110. CONT REPEAT 23 53 4 1. OPEN FLOW-FROM 3
MONITOR WCUT 0.9 SHUTIN 23 53 5 1. OPEN FLOW-FROM 4
GEOMETRY K 0.06215 0.37 1. 0. WELL INJ2
PERF GEO PROD5 INJECTOR MOBWEIGHT INJ2
** UBA ff Status Connection INCOMP WATER
36 39 4 1. OPEN FLOW-TO SURFACE REFLAYER OPERATE MAX STW 2500. CONT REPEAT
36 39 5 1. OPEN FLOW-TO 1 OPERATE MAX BHP 400. CONT REPEAT
36 39 6 1. OPEN FLOW-TO 2 GEOMETRY K 0.06215 0.37 1. 0.
WELL PROD6 PERF GEO INJ2
PRODUCER PROD6 ** UBA ff Status Connection
OPERATE MAX STO 2500. CONT REPEAT 39 49 1 1. OPEN FLOW-FROM SURFACE REFLAYER
OPERATE MIN BHP 110. CONT REPEAT 39 49 2 1. OPEN FLOW-FROM 1
MONITOR WCUT 0.9 SHUTIN 39 49 3 1. OPEN FLOW-FROM 2
GEOMETRY K 0.06215 0.37 1. 0. 39 49 4 1. OPEN FLOW-FROM 3
PERF GEO PROD6 39 49 5 1. OPEN FLOW-FROM 4
** UBA ff Status Connection 39 49 6 1. OPEN FLOW-FROM 5
7 36 1 1. OPEN FLOW-TO SURFACE REFLAYER WELL INJ3
7 36 2 1. OPEN FLOW-TO 1 INJECTOR MOBWEIGHT INJ3
7 36 3 1. OPEN FLOW-TO 2 INCOMP WATER
7 36 4 1. OPEN FLOW-TO 3 OPERATE MAX STW 2500. CONT REPEAT
7 36 5 1. OPEN FLOW-TO 4 OPERATE MAX BHP 380. CONT REPEAT
WELL PROD7 GEOMETRY K 0.06215 0.37 1. 0.
PRODUCER PROD7 PERF GEO INJ3
OPERATE MAX STO 2500. CONT REPEAT ** UBA ff Status Connection
OPERATE MIN BHP 110. CONT REPEAT 43 31 1 1. OPEN FLOW-FROM SURFACE
MONITOR WCUT 0.9 SHUTIN 43 31 2 1. OPEN FLOW-FROM 1
GEOMETRY K 0.06215 0.37 1. 0. 43 31 3 1. OPEN FLOW-FROM 2
PERF GEO PROD7 43 31 4 1. OPEN FLOW-FROM 3
** UBA ff Status Connection 43 31 5 1. OPEN FLOW-FROM 4 REFLAYER
21 32 1 1. OPEN FLOW-TO SURFACE REFLAYER WELL INJ5

219 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

INJECTOR MOBWEIGHT INJ5 18 13 6 1. OPEN FLOW-FROM 5


INCOMP WATER WELL INJ4
OPERATE MAX STW 2500. CONT REPEAT INJECTOR MOBWEIGHT INJ4
OPERATE MAX BHP 400. CONT REPEAT INCOMP WATER
GEOMETRY K 0.06215 0.37 1. 0. OPERATE MAX STW 2500. CONT REPEAT
PERF GEO INJ5 OPERATE MAX BHP 400. CONT REPEAT
** UBA ff Status Connection GEOMETRY K 0.06215 0.37 1. 0.
18 13 1 1. OPEN FLOW-FROM SURFACE RE- PERF GEO INJ4
FLAYER ** UBA ff Status Connection
18 13 2 1. OPEN FLOW-FROM 1 8 23 1 1. OPEN FLOW-FROM SURFACE REFLAYER
18 13 3 1. OPEN FLOW-FROM 2 8 23 2 1. OPEN FLOW-FROM 1
18 13 4 1. OPEN FLOW-FROM 3 8 23 3 1. OPEN FLOW-FROM 2
18 13 5 1. OPEN FLOW-FROM 4 8 23 6 1. OPEN FLOW-FROM 3

autores

Luciana Faletti Almeida Marco Aurelio Cavalcanti Pacheco

 Centro Federal de Educao Tecnolgica  Pontifcia Universidade Catlica do Rio de


Celso Suckow da Fonseca (CEFET-RJ) Janeiro (PUC-RJ)

faletti@ele.puc-rio.br marco@ele.puc-rio.br

Luciana Faletti Almeida possui Graduao em Engenharia Eltri- Marco Aurelio Cavalcanti Pacheco concluiu o Doutorado em
ca pela Universidade do Estado do Rio de Janeiro (UERJ) em 1999, Mes- Computer Science - University of London em 1991. Atualmente Pro-
trado em Engenharia Eltrica pela Pontifcia Universidade Catlica do Rio fessor Associado da Pontifcia Universidade Catlica do Rio de Janei-
de Janeiro (2003) e Doutorado em Engenharia Eltrica pela Pontifcia ro (PUC-RJ) e Professor Adjunto da Universidade do Estado do Rio de
Universidade Catlica do Rio de Janeiro (PUC-RJ) em 2007. Atualmente Janeiro (UERJ). Atua na rea de Cincia da Computao, com nfase
Pesquisadora da PUC-RJ e Professora do Centro Federal de Educao Tec- em Sistemas de Informao. Em suas atividades profissionais intera-
nolgica Celso Suckow da Fonseca (CEFET-RJ). Tem experincia na rea giu com 136 colaboradores em co-autorias de trabalhos cientficos.
de Engenharia Eltrica, com nfase em Mtodos de Apoio Deciso, e Em seu currculo Lattes os termos mais freqentes na contextualiza-
Cincia da Computao, com nfase em Sistemas de Computao. Atua o da produo cientfica, tecnolgica e artstico-cultural so: algo-
principalmente nos seguintes temas: otimizao, engenharia de reserva- ritmos genticos, nanotecnologia, business intelligence, redes neu-
trios, computao evolucionria, algoritmos genticos, redes neurais, rais, neuro-fuzzy, evolvable hardware, reinforcement learning, otimi-
lgica fuzzy, campos de petrleo inteligentes e tratamento de incertezas. zao e classificao.

 220
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222 

autores

Marley Maria Bernardes Rebuzzi Vellasco Yvn Jess Tpac Valdivia

 Pontifcia Universidade Catlica do Rio de  Pontifcia Universidade Catlica do Rio de


Janeiro (PUC-RJ) Janeiro (PUC-RJ)

marley@ele.puc-rio.br yvantv@ele.puc-rio.br

Marley Vellasco possui Graduao em Engenharia Eltrica nfase Yvn Jess Tpac Valdivia possui Graduao em Engenharia
em Eletrnica pela Pontifcia Universidade Catlica do Rio de Janeiro (PUC- Eletrnica, pela Universidad Nacional de San Agustn de Arequipa (1994),
RJ) em 1984, Mestrado em Engenharia Eltrica pela PUC-RJ (1987) e Mestrado em Engenharia Eltrica pela Pontifcia Universidade Catlica
Doutorado em Computer Science - University of London (1992). Atual- do Rio de Janeiro (PUC-RJ) em 2000 e Doutorado em Engenharia Eltri-
mente Professor Associado da PUC-RJ. Atua na rea de Cincia da ca pela PUC-RJ (2005). Atualmente engenheiro de pesquisa da PUC-
Computao, com nfase em Inteligncia Computacional. Tem experincia RJ. Tem experincia na rea de Cincia da Computao, com nfase em
na rea de Cincia da Computao, com nfase em Inteligncia Computa- redes neurais, algoritmos genticos, fuzzy e logic reinforcement lear-
cional, atuando principalmente nos seguintes temas: redes neurais, lgica ning, atuando principalmente nos seguintes temas: algoritmos genti-
fuzzy, algoritmos genticos, modelos hbridos, minerao de dados, busi- cos, otimizao, reinforcement learning, E&P e packet routing.
ness intelligence, reinforcement learning e nanotecnologia.

Juan Guillermo Lazo Lazo

 Pontifcia Universidade Catlica do Rio de


Janeiro (PUC-RJ)

juan@ele.puc-rio.br

Juan Guillermo Lazo Lazo tem Doutorado em Engenharia El-


trica pela Pontifcia Universidade Catlica do Rio de Janeiro (PUC-RJ)
em 2004, com nfase na rea de mtodos de apoio a deciso, Mes-
trado em Engenharia Eltrica pela PUC-RJ (2000), com nfase na rea
de sistemas de computao, Graduao em Engenharia Eletrnica,
pela Universidad Nacional de San Agustin Arequipa (1995) e, atual-
mente, Pesquisador da PUC-RJ e revisor de peridico da Pesquisa
Operacional (0101-7438). Tem experincia na rea de Engenharia El-
trica, com nfase em Mtodos de Apoio Deciso. Atuando principal-
mente nos seguintes temas: opes reais, nmeros fuzzy, simulao
Monte Carlo, incertezas tcnicas e econmicas, algoritmos genticos
e processos estocsticos.

221 
 Sistema de apoio deciso para uso de poos inteligentes no desenvolvimento de reservatrios de petrleo - Almeida et al.

expanded abstract
Reservoir management is an important task aimed the obtained configuration leads to a maximization of
at the optimization of oil reservoir exploration. To meet the NPV (Net Present Value). The usage of control
this challenging mission, the oil and gas industry has strategies that aim to benefit completion identifies the
been developing new technologies such as intelligent oil field as intelligent. Other studies also deal with valve
wells. The purpose of these wells is to reduce costs of control optimization problems in intelligent wells.
the most common restoring operations by controlling However, they use classical optimization methods; these
their technology. Thus, this work deals with intelligent methods limit the number of valves or optimize strategies
fields development and presents a decision support without considering time. The evolutionary model, based
system able to optimize, by using evolutionary on genetic algorithm, applied in this study, can formulate
algorithms, the intelligent wells technology control a control strategy for all valves in a certain production
process considering geological and technical configuration, for any desired time interval, according
uncertainties. In addition, the system supports the to the economical criteria of NPV maximization. In order
decision of whether to use or not intelligent wells, given to support the decision making for the use or not of
a reservoir ready to be explored or to receive expansion intelligent wells, technical and geological uncertainties
investments. The control of Intelligent Wells Technology are considered. The proposed model was evaluated in
(IWT), as applied in this study, refers to the opening and three oil reservoirs. The first a synthetic reservoir, simple
closing operations of valves in these types of wells. An and unreal; the other two are more complex with more
optimization based on genetic algorithms is used to realistic characteristics. The results obtained indicate that
produce a pro-active control strategy, that is, one that the proposed model allows good control strategies that
anticipates the actions to be taken at the present time in increase the NPV. The main contribution of this work is
order to achieve better results in the future. Such a the conception and implementation of a system based
strategy proposes a valve configuration that will be able on intelligent techniques that is able to support the
to: delay the water cut of producer wells, advance the development and management of intelligent oil
oil production or benefit the oil recuperation. As a result, reservoirs considering uncertainties.

 222
Boletim tcnico de Produo de Petrleo da Petrobras, Rio de Janeiro - volume 3, n 1, p. 177-222

Você também pode gostar