Universidade Lúrio

Faculdade de Engenharia
Departamento de Engenharia Geológica
Curso de Licenciatura em Engenharia Geológica

Semestre I, Turma do 4º ano

Material de Apoio Pedagógico

Disciplina:

MODELIZAÇÃO DE RESERVATORIOS DE PETROLÍFEROS

(Capítulo IV – Unidade 4.)

Simuladores e Tratamento de Dados de Simulação.

Por/Docente:
Eng. Paulo M. R. Nguenha, MSc.

Pemba, Maio de 2020

 MRP| CAPÍTULO IV: SIMULADORES E TRATAMENTO DE DADOS DE SIMULAÇÃO

Unidade 4. Simuladores e Tratamento de Dados de Simulação

Capítulo IV: Simuladores e tratamento de dados de simulação

4.8. Análise de incerteza ........................................................................................... 3

4.8.1. Incerteza de medição .................................................................................. 3

4.8.2. Incerteza do Upscaling (aumento de escala)............................................... 6

4.8.3. Erro do modelo............................................................................................ 7

4.8.4. Previsão da incerteza .................................................................................. 8

Página 2 de 9
 MRP| CAPÍTULO IV: SIMULADORES E TRATAMENTO DE DADOS DE SIMULAÇÃO

Unidade 4. Simuladores e Tratamento de Dados de Simulação

4.8. Análise de incerteza

A incerteza é uma medida da "confiança" de um resultado. O resultado pode ser

uma quantidade de medição, um valor matemático ou numérico. Sem essa
medida, é impossível julgar a adequação do valor como base para a tomada de
decisões relacionadas à excelência científica e industrial. A avaliação da
incerteza é um processo contínuo que pode consumir tempo e recursos e precisa
do conhecimento das técnicas de análise de dados e, particularmente, da análise
estatística. Portanto, é importante que o pessoal que está abordando a análise
da incerteza pela primeira vez esteja ciente dos recursos necessários e
estabeleça cuidadosamente um plano para a coleta e análise de dados.

As fontes da incerteza podem ser classificadas como:

1) Medição aleatória - incerteza sistemática (tendenciosidade) e falta de

representatividade;

2) Processo de upscaling; e

3) Modelo de incerteza.

É necessária uma abordagem estruturada para estimar as incertezas de

diferentes fontes. Os requisitos incluem:

a) Um método para determinar incertezas em termos individuais na

simulação do reservatório;

b) Um método para agregar as incertezas de termos individuais.

4.8.1. Incerteza de medição

Existem vários conceitos e termos estatísticos básicos que são centrais para
estimar a incerteza atribuída à medição aleatória. O processo de estimativa de
incertezas é baseado em certas características da variável de interesse
(quantidade de entrada) estimada a partir de seu conjunto de dados
correspondente. A informação ideal inclui:

a) Média aritmética (média) do conjunto de dados;

b) Desvio padrão do conjunto de dados (a raiz quadrada de a variância);
c) Desvio padrão da média (o erro padrão da média);

Página 3 de 9
 MRP| CAPÍTULO IV: SIMULADORES E TRATAMENTO DE DADOS DE SIMULAÇÃO

Unidade 4. Simuladores e Tratamento de Dados de Simulação

d) Distribuição de probabilidade dos dados; e

e) Covariância da quantidade de entrada com outras quantidades de
entrada.

Os sistemas de medição consistem na instrumentação, nos procedimentos para

aquisição e redução de dados e no ambiente operacional, por exemplo em
laboratório, instalação especializada em larga escala e in situ. As medições são
feitas para variáveis individuais, 𝑥𝑖 para obter um resultado, 𝑅 que é calculado
combinando os dados para várias variáveis individuais através de equações de
redução de dados:

Cada um dos sistemas de medição usados para medir o valor de uma variável
individual 𝑥𝑖 é influenciado por diferentes fontes de erro elementar. Os efeitos
desses erros elementares são manifestados como erros de polarização
(estimados por 𝐵𝑖 .) e erros de precisão (estimados por 𝑃𝑖 ) nos valores medidos
da variável 𝑥𝑖 . Esses erros nos valores medidos se propagam pela equação de
redução de dados, gerando desse modo os erros de tendência, 𝐵𝑅 e precisão,
𝑃𝑅 , no resultado experimental, 𝑟.

A incerteza total no resultado 𝑅 é o quadrado da soma das raízes (𝑅𝑆𝑆) das

tendências 𝐵𝑅 e os limites de precisão 𝑃𝑅 .

Onde:

Para um único teste; e

Página 4 de 9
 MRP| CAPÍTULO IV: SIMULADORES E TRATAMENTO DE DADOS DE SIMULAÇÃO

Unidade 4. Simuladores e Tratamento de Dados de Simulação

Para medição de múltiplos testes. As notações:

𝐵𝑖 é a variação da distribuição de erros de polarização da variável 𝑥𝑖 ;

𝐵𝑖𝑘 , é a covariância da distribuição de viés das variáveis 𝑥𝑖 e 𝑥𝑘 ;

𝜕𝑅
𝜃𝑖 = 𝜕𝑥 é o coeficiente de sensibilidade;
𝑖

𝑆𝑖 é o desvio padrão dos resultados da amostra 𝑀 da variável 𝑥𝑖 ;

𝑀 é o número do conjunto de medidas; e

𝑤𝑖 é uma função de peso que depende do número de testes de medição.

Uma complicação das medições relacionadas ao reservatório é que geralmente

são difíceis de obter medições repetidas independentes que reduzem a incerteza
experimental. É o caso especialmente da permeabilidade relativa, porque a
inundação da amostra do núcleo com água e petróleo pode alterar as
propriedades de umedecimento. Isso implica que as incertezas relativas nas
curvas de permeabilidade relativa são determinadas pelos erros aleatórios nas
medições da pressão diferencial e das taxas de petróleo e água. No entanto, a
maioria dos parâmetros em um modelo de reservatório não é obtida diretamente
da medição e inferida através da interpretação do modelo e de uma equação de
redução.

A outra fonte de incerteza está associada à falta de correspondência completa

entre as condições associadas aos dados disponíveis e as condições associadas
à condição real do reservatório. A amostragem aleatória geralmente não é viável,
uma vez que os poços são perfurados longe de serem aleatórios e os plugues
do núcleo são frequentemente retirados das partes mais homogêneas de um
núcleo. Por esse motivo, a teoria clássica das estimativas fica aquém. Por
habilidade geológica, ainda é possível escolher os plugues principais que são
representativos para um determinado ambiente geológico (lito-faces), mas é bem
sabido pela experiência estatística que a amostragem não aleatória pode ter
sérias armadilhas. Além disso, as amostras representam apenas uma fração
menor do volume total do reservatório, portanto as diferenças entre a amostra e
as médias e variações da população podem ser bastante substanciais.

Outra complicação é que as medições de laboratório são realizadas no material

do núcleo que foi contaminado por fluidos de perfuração. Além disso, o
transporte para a superfície expõe o núcleo a variações de temperatura e
pressão. Quando o núcleo chega ao laboratório, seu estado pode ter mudado
substancialmente desde sua origem. Portanto, mesmo que as cheias do núcleo

Página 5 de 9
 MRP| CAPÍTULO IV: SIMULADORES E TRATAMENTO DE DADOS DE SIMULAÇÃO

Unidade 4. Simuladores e Tratamento de Dados de Simulação

sejam realizadas sob pressão e temperatura do reservatório e com fluidos

(recombinados), deve-se esperar desvios das condições originais do
reservatório. A representação de amostras de fluido é frequentemente
questionável, porque é difícil obter uma amostra in situ representativa e trazê-la
para a superfície sem vazamento de gás. Outra situação favorável é quando o
reservatório tem um contato com petróleo - gás e amostras separadoras estão
disponíveis para petróleo e gás do reservatório. Novamente, amostras muito
precisas para a zona de petróleo e gás podem ser obtidas.

As medições diretas do reservatório, como toras, testes de poço e rastreadores,

são representativas das propriedades do reservatório nos volumes com os quais
entram em contato. No entanto, eles medem respostas em escalas muito
diferentes. Enquanto a maioria dos logs explora volumes comparáveis aos dos
plugues principais, as respostas dos testes de poço e rastreador frequentemente
são médias acima de centenas de metros.

O modelo de simulação de reservatório deve estar em conformidade com os

dados de taxa e pressão de testes de poço e perfis de produção de rastreadores.
Tradicionalmente, esses testes são aplicados na modelagem de "arquitetura" em
larga escala, como limites de reservatórios, falhas graves, camadas e
canalização. Recentemente, foram desenvolvidos métodos para utilizar as
informações do teste de poço e do teste de rastreamento diretamente na
descrição do reservatório estocástico. Em tais aplicações, as consequências das
incertezas nas respostas dos testes medidos podem ser menos significativas do
que o alto grau de não singularidade nas interpretações.

4.8.2. Incerteza do Upscaling (aumento de escala)

A principal questão do upscaling está relacionada ao upscaling de propriedades

não aditivas, como permeabilidade e permeabilidade relativa.

Existem diferentes métodos para aumentar a escala das propriedades do fluxo

de rocha e fluido.

O método de upscaling pode ser classificado como upscaling monofásico e

multifásico.

No upscaling monofásico, a permeabilidade absoluta é aumentada apenas de

uma grade geocelular para a grade de simulação. A permeabilidade relativa é
considerada idêntica para as duas escalas. A permeabilidade relativa e a

Página 6 de 9
 MRP| CAPÍTULO IV: SIMULADORES E TRATAMENTO DE DADOS DE SIMULAÇÃO

Unidade 4. Simuladores e Tratamento de Dados de Simulação

pressão capilar também são aumentadas juntamente com a permeabilidade

absoluta de uma grade fina para uma grade mais grossa. Em muitos casos, as
propriedades do bloco grosso são obtidas considerando-se apenas a região da
escala de grade fina correspondente ao bloco grosso alvo. Ela também é
chamada de upscaling local.

O upscaling global é referido no caso de todo o modelo de escala fina ser

resolvido e a solução ser aplicada para obter o comportamento da escala grossa.
No entanto, existem outras categorias como aumento de escala local estendido,
uma região de fronteira em torno da grade grossa também é levada em
consideração e aumento de escala quase global em que uma solução
aproximada de toda a região de fluxo é adotada para derivar o comportamento
dos blocos grossos.

Os métodos locais de upscaling não consideram a conectividade da

permeabilidade.

Os efeitos prejudiciais mais importantes do aumento da escala são:

homogeneização do meio; e engrossamento da grade computacional. O campo
de permeabilidade é suavizado devido à homogeneização e o erro de
truncamento é aumentado usando cintas computacionais maiores. O erro
introduzido devido à homogeneização pode ser chamado de "erro de perda de
heterogeneidade" e devido ao aumento da grade computacional pode ser
chamado de "erro de discretização". A combinação desses dois fornece o erro
total devido ao processo de aumento de escala.

O erro total pode ser pequeno devido ao efeito oposto desses dois tipos de erros
contribuídos para o erro total de aumento de escala. Como mencionado no REV,
o volume representativo deve ser tão grande quanto a dimensão do campo, no
aumento de nível baixo, o erro de discretização pode ser dominado, enquanto a
perda de erro de heterogeneidade pode dominar no aumento de nível.

4.8.3. Erro do modelo

O erro do modelo inclui a aproximação na representação matemática, o método

de solução que é principalmente numérico e também o modelo de estimativa de
erro. As formulações matemáticas na maioria dos simuladores disponíveis são
baseadas na equação do balanço de materiais e na lei de Darcy. Essas duas
equações fundamentais não imitam a realidade do fluxo dentro da rocha porosa.

Página 7 de 9
 MRP| CAPÍTULO IV: SIMULADORES E TRATAMENTO DE DADOS DE SIMULAÇÃO

Unidade 4. Simuladores e Tratamento de Dados de Simulação

As suposições por trás deles são expressas em uma seção anterior. No entanto,
a solução final não é linear e é difícil de resolver analiticamente, devendo a
solução ser obtida com métodos numéricos.

Existem algumas soluções analíticas para alguns problemas especiais na

engenharia de reservatórios, como o fluxo Buckley-Leveret, que sofrem um
número bastante grande de suposições e não mostram a situação real no fluxo
de fluido dentro da rocha do reservatório.

Os métodos mais aplicados são os Métodos de Diferença Finita e Elementos

Finitos.

O método das diferenças finitas: baseia-se na expansão da série Taylor. As

partes não lineares da expansão da série Taylor são normalmente
negligenciadas para aproximar a derivação. Se considerarmos que o tamanho
normal de um bloco de grade é da ordem de 10𝑚, a negligência da parte não
linear da expansão da série Taylor produz uma incerteza substancial. Portanto,
se assumirmos que o modelo do reservatório, o modelo geológico e de
caracterização estavam exatamente corretos em todos os detalhes, não
podemos obter uma previsão exata do desempenho do reservatório, pois o
modelo de fluxo de fluido do reservatório não imita a realidade.

Podemos ter corrigido certos aspectos do nosso modelo de reservatório (por

exemplo, a geometria do reservatório) e apenas tentado prever incertezas com
relação a outros parâmetros, como porosidade e permeabilidade. Mesmo se
obtivermos esses parâmetros exatamente corretos, podemos não obter uma
previsão exata devido a erros nos aspectos fixos do modelo. Esta segunda fonte
de erro do modelo pode, em princípio, ser removida incluindo todos os
parâmetros possíveis na análise da incerteza, mas isso nunca é possível na
prática. O verdadeiro erro do modelo é praticamente impossível de quantificar;
portanto, na prática, ele deve ser negligenciado.

O tamanho do erro do modelo depende fortemente da parametrização do

modelo, e pode-se esperar que, se isso for bem escolhido, o erro do modelo será
pequeno.

4.8.4. Previsão da incerteza

Quando os parâmetros são definidos de acordo com os dados de produção, a

próxima etapa é obter o envelope de incerteza e a região de confiança. Isso é

Página 8 de 9
 MRP| CAPÍTULO IV: SIMULADORES E TRATAMENTO DE DADOS DE SIMULAÇÃO

Unidade 4. Simuladores e Tratamento de Dados de Simulação

importante na previsão do comportamento do reservatório e do processo de

tomada de decisão. Se o conjunto de parâmetros 𝑚° são os valores mais
prováveis após a correspondência histórica, o envelope de incerteza pode ser
quantificado por:

Onde [𝐶] é a matriz de covariância da quantidade prevista, [𝐴] é a matriz de

sensibilidade cujos elementos são 𝐴𝑖𝑗 = 𝜕𝑦𝑖 /𝜕𝑥𝑗 e [𝐶𝑥 ] é a matriz de covariância
dos parâmetros do reservatório e do modelo. A primeira tarefa é especificar os
parâmetros usados para a análise da incerteza.

Eles podem ser iguais aos do problema de correspondência de histórico ou

podem ser diferentes deles. Quando os parâmetros são especificados, os
valores mais prováveis de correspondência de histórico deles usando a função
objetivo são calculados e a matriz de sensibilidade é obtida.

A covariância dos parâmetros do modelo e do reservatório pode ser obtida

usando a matriz Hessiana:

Onde:

Fornece a incerteza nos parâmetros do reservatório. A variação dos valores

previstos é dada pelo elemento diagonal correspondente da matriz de
covariância. Os intervalos confiantes podem ser obtidos com isso se sua
distribuição de probabilidade for assumida como gaussiana.

Página 9 de 9