bruno messer projeto de poços multilaterais em ...livros01.livrosgratis.com.br/cp108294.pdf ·...
TRANSCRIPT
Bruno Messer
Projeto de Poços Multilaterais em Reservatórios de
Petróleo Otimizados por Algoritmos Genéticos
Dissertação de Mestrado
Dissertação apresentada como requisito parcial para obtenção do grau de Mestre pelo programa de Pós Graduação em Engenharia Elétrica do Departamento de Engenharia Elétrica da PUC-Rio.
Orientador: Marco Aurélio C. Pacheco Co-Orientadora: Luciana Faletti Almeida
Rio de Janeiro
Agosto de 2008
Bruno Messer
Projeto de Poços Multilaterais em Reservatórios de
Petróleo Otimizados por Algoritmos Genéticos
Dissertação apresentada como requisito parcial para obtenção do grau de Mestre pelo Programa de Pós Graduação em Engenharia Elétrica do Departamento de Engenharia Elétrica do centro Técnico Cientifico da PUC-Rio. Aprovada pela Comissão Examinadora abaixo assinada.
Dr. Marco Aurélio C. Pacheco Orientador
Departamento de Engenharia Elétrica – PUC-Rio
Dra. Luciana Faletti Almeida Co-Orientadora
CEFET/RJ
Dr. Leandro Costa Reis Petrobras
Dr. Carlos Fernando Fontenelle Dumans Petrobras
Prof. José Eugenio Leal Coordenador Setorial do Centro
Técnico Científico – PUC-Rio
Rio de Janeiro, 31 de Agosto de 2009
Todos os direitos reservados. É proibida a reprodução total ou parcial do trabalho sem autorização da universidade, do autor e do orientador.
Bruno Messer
Graduou-se em Engenharia de Controle e Automação pela PUC-Rio (Pontíficia Universidade Católica do Rio de Janeiro) em 2007. Desenvolveu junto com seus orientadores diversos projetos voltados para a indústria.
Ficha Catalográfica
CDD: 621.3
Messer, Bruno
Projeto de poços multilaterais em reservatórios de petróleo otimizados por algoritmos genéticos / Bruno Messer ; orientadores: Marco Aurélio C. Pacheco, Luciana Faletti Aalmeida. – 2009.
146 f. : il. (color.) ; 30 cm
Dissertação (Mestrado em Engenharia Elétrica)–Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, 2009.
Inclui bibliografia
1. Engenharia elétrica – Teses. 2. Otimização. 3. Algoritmos genéticos. 4. Reservatório de petróleo. 5. Poços multilaterais. 6. Fator de recuperação. I. Pacheco, Marco Aurélio C.. II. Almeida, Luciana Faletti. III. Pontifícia Universidade Católica do Rio de Janeiro. Departamento de Engenharia Elétrica. IV. Título.
Agradecimentos
Aos meus Orientadores Prof. Marco Aurélio Pacheco e Luciana Faletti Almeida
pelo estímulo e parceria para a realização deste trabalho.
À Dra. Dilza de Mattos Szwarcman, Prof. Eugênio Silva e Dr. Omar Paranaiba
Vilela Neto pelos conhecimentos e sugestões fornecidas durante o
desenvolvimento do trabalho.
À CAPES e à PUC-Rio, pelos auxílios concedidos, sem os quais este trabalho não
poderia ter sido realizado.
À Petrobras pelo apoio técnico.
Ao ICA pelo conhecimento e treinamento.
Aos professores que participaram da Comissão Examinadora.
A todos os amigos e familiares que de uma forma ou de outra me estimularam e
ajudaram.
Resumo
Messer, Bruno; Pacheco, Marco Aurélio C. Projeto de Poços Multilaterais em Reservatórios de Petróleo Otimizados por Algoritmos Genéticos. Rio de Janeiro, 2009. 146p. Dissertação de Mestrado - Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro.
Um dos fatores mais importantes para recuperação de óleo de reservatórios
petrolíferos é a configuração dos poços. Atualmente, na indústria, esse processo é
feito de forma manual onde um especialista gera algumas poucas opções de
configurações e utiliza a de melhor resultado. Este trabalho se propõe a investigar
um sistema de apoio à decisão para otimizar a configuração dos poços utilizando
Algoritmos Genéticos e o simulador de reservatórios IMEX. Os parâmetros
otimizados são: o número de poços produtores e injetores, a posição, a inclinação,
a direção e o comprimento de cada poço, o número de laterais de cada poço e o
ponto da junta, a inclinação relativa ao poço, a direção e o comprimento de cada
lateral. Na busca pela configuração ótima dos poços, o objetivo da otimização é
minimizar o investimento inicial, minimizar a produção de água e maximizar a
produção de óleo buscando maximizar o VPL do empreendimento. A otimização
é conduzida respeitando as restrições de projeto, dadas por um engenheiro, e
restrições de simulação, dadas pelo próprio modelo de reservatório. O modelo
proposto foi avaliado utilizando-se sete reservatórios. Cinco destes são sintéticos
cujas configurações ótimas são conhecidas, um semi-sintético e um reservatório
real. Foram conduzidos testes de convergência onde o modelo se mostrou capaz
de localizar e otimizar as zonas produtoras, chegando à alternativa ótima até 80%
das vezes. Nos últimos dois reservatórios os resultados indicam que o sistema
consegue encontrar configurações de poços com altos valores de VPL, superiores
a soluções propostas por especialistas e por outros sistemas de otimização, com
ganhos de VPL de até 37% sobre a alternativa proposta por um especialista para o
reservatório real.
Palavras-chave
Otimização; Algoritmos Genéticos; Reservatório de Petróleo; Poços
multilaterais; Fator de Recuperação.
Abstract
Messer, Bruno; Pacheco, Marco Aurélio C. (Advisor). Multilateral Wells Design in Oil Reservoir through Genetic Algorithms Optimization. Rio de Janeiro, 2009. 146p. MSc. Dissertation - Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro.
One of the most important factors for recovering oil from oil reservoirs is
the wells’ configuration. Now a days, on the industry, this process is conduced
manually, where a specialist generates a few configuration options and uses the
best one with best results. This work proposes to investigate a decision support
system to optimize the wells’ configuration using Genetic Algorithms and the
reservoir simulator IMEX. The optimized parameters include: the number of
producers and injectors wells, the position, the inclination, the direction and the
length of each well, the number of laterals for each well and the junction point,
the inclination relative to the well and the length of each lateral. On the search of
the optimal configuration of wells, the objective of the optimization is to
minimize the initial investment, minimize the water production and maximize the
oil production towards the maximization of the venture`s NPV. The optimization
is conduced respecting the project`s restrictions, stated by an engineer, and the
simulation`s restrictions, imposed by the reservoir model. The optimization model
proposed was evaluated using seven reservoirs. Five of them are synthetic which
the optimum well`s configuration are known, one semi-synthetic and one real
reservoir. Convergence tests were conducted where the model confirmed to be
able to locate and optimize the production zones, achieving the optimum
alternative 80% of the times. On the last two reservoirs the results indicate that the
system was able to achieve well configurations with high values of NPV,
superiors from solutions given by specialists and by other optimization systems,
with NPV`s increase reaching 37% over the specialist`s purposed alternative for
the real reservoir case.
Keywords
Optimization; Genetic Algorithms; Oil Reservoir; Multilateral Wells;
Recovery Factor.
Sumário
1 Introdução 15
1.1. Motivação 15
1.2. Objetivos 16
1.3. Descrição da Dissertação 17
1.4. Organização da Dissertação 19
2 Planos de Desenvolvimento com Poços Multilaterais 20
2.1. Introdução 20
2.2. Poços de Petróleo 21
2.2.1. Poços Verticais 23
2.2.2. Poços Direcionais 24
2.2.3. Poços Multilaterais 26
2.3. Reservatórios de Petróleo 32
2.3.1. Características 33
2.3.2. Modelagem e Simulação 33
2.3.3. Restrições 35
3 Otimização Evolucionária de Problemas com Restrição 44
3.1. Introdução 44
3.2. Algoritmos Genéticos 44
3.2.1. Representação 46
3.2.2. Avaliação 47
3.2.3. Operadores 48
3.2.4. Parâmetros da Evolução 49
3.2.5. Tratamento de Restrições 51
4 Modelo de Otimização da Quantidade, Localização, Tipo e Geometria
de Poços de Petróleo incluindo Poços Multilaterais 55
4.1. Introdução 55
4.2. Representação do Cromossomo 58
4.2.1. Representação 1 64
4.2.2. Representação 2 65
4.2.3. Representação 3 68
4.2.4. Representação 4 69
4.3. Geração da População Inicial 72
4.4. Operadores Genéticos 76
4.5. Função de Avaliação 83
4.5.1. Decodificação e Validação do Cromossomo 84
4.5.2. Geração das Curvas de Produção 88
4.5.3. Cálculo da Função de Avaliação 90
4.6. Considerações de Implementação 95
5 Estudo de Casos 96
5.1. Definição dos Reservatórios 96
5.2. Testes Realizados 102
5.2.1. Comparativo Entre Representações 102
5.2.2. Validação da Representação Selecionada 105
5.2.3. Testes com Modelo Heterogêneo 114
5.2.4. Testes com Modelo Real 121
6 Conclusão e Trabalhos Futuros 131
7 Referências Bibliográficas 134
8 Apêndice A 137
8.1. Reservatório 2 137
8.2. Reservatório 3 139
8.3. Reservatório 4 141
8.4. Reservatório 5 144
Lista de Figuras
Figura 1. Pontos básicos de uma trajetória de poço direcional (ROCHA 2008) 22
Figura 2. Poço Vertical 23
Figura 3. (a) um five spot. (b) série de five spots. 24
Figura 4. (a) Poço tipo I. (b) Poço tipo II. (c) Poço tipo III. 25
Figura 5. Comprimento exposto ao reservatório 26
Figura 6. Classificação de junções de acordo com TAML 29
Figura 7. Geometria de poços multilaterais (ROCHA 2008) 30
Figura 8. Pontos de interesse de poços multilaterais 31
Figura 9: Disposição dos fluidos em reservatório de petróleo 32
Figura 10. Malha de duas e três dimensões, (a) e (b) respectivamente. 34
Figura 11. Restrições do tipo região nula 36
Figura 12. Restrição do tipo sem completação 37
Figura 13. Restrição do tipo dupla completação 37
Figura 14. Restrição de domínio do reservatório 38
Figura 15. Restrição de distância entre poços 39
Figura 16. Restrição de poço ascendente 39
Figura 17. Restrição de ângulo máximo de saída de lateral 40
Figura 18. Restrição de ângulo mínimo de lateral 41
Figura 19. Restrição de distância mínima entre pontos de saída de laterais para
mesma direção 41
Figura 20. Restrição de distância mínima de saídas de laterais para direções
diferentes 42
Figura 21. Fluxo básico de um algoritmo genético. 46
Figura 22. Cruzamento de um Ponto. 48
Figura 23. Mutação. 49
Figura 24. Procedimento GACOM com Restrições – Construção de indivíduos
válidos. 53
Figura 25. Procedimento GACOM com Restrições – Representação gráfica. 53
Figura 26. GACOM com Restrições – Diagrama do procedimento com
múltiplos segmentos 54
Figura 27. Diagrama do modelo evolucionário 58
Figura 28. Poços no grid. (a) Poço com lateral do tipo paralela. (b) Poço com
lateral do tipo perpendicular. (c) Poço com lateral do tipo diagonal. (d)
Poço com lateral formando poço curvo. 60
Figura 29. Pontos utilizados na representação 1. 64
Figura 30. Cromossomo da representação 1. 65
Figura 31. Cromossomo da representação 2. 66
Figura 32. Validação de laterais. 67
Figura 33. Pontos utilizados na representação 3. 68
Figura 34. Cromossomo da representação 3. 68
Figura 35. Cromossomo da representação 4. 70
Figura 36. Tratamento de número de laterais por índice. 71
Figura 37. Variáveis sorteadas no poço principal 73
Figura 38. Criação de poço válido 74
Figura 39. Geração de alternativa válida 75
Figura 40. Cruzamento de um ponto. 78
Figura 41. Cruzamento de dois pontos. 78
Figura 42. Cruzamento de ponto inicial por fenótipo (a) e por genótipo (b) 79
Figura 43. Mutação uniforme por fenótipo (a) e por genótipo (b) 81
Figura 44. Cruzamento entre população de busca e referência por fenótipo (a) e
por genótipo (b). 83
Figura 45. Decodificação de poços multilaterais 86
Figura 46. Decodificação de um cromossomo 88
Figura 47. Codificação de poços no formato IMEX 89
Figura 48. Diagrama de pontos para cálculo do VPL 90
Figura 49. Saturação de óleo na segunda camada do Reservatório 1. 97
Figura 50. Saturação de óleo do Reservatório 2. 98
Figura 51 Saturação de óleo do Reservatório 3. 98
Figura 52. Saturação de óleo do Reservatório 4. 99
Figura 53. Saturação de óleo do Reservatório 5. 100
Figura 54. Modelo em 3D do mapa de porosidade do Reservatório 6 101
Figura 55. Vista superior da primeira camada do Reservatório 7. 102
Figura 56. Zonas produtoras. 103
Figura 57. Evolução da melhor rodada com o reservatório 2 106
Figura 58. Evolução das melhores rodadas com o reservatório 3 107
Figura 59. Cromossomos ótimos das melhores rodadas do Reservatório 3 108
Figura 60. Evolução da melhor rodada com o reservatório 4 109
Figura 61. Evolução da melhor rodada com o reservatório 5 110
Figura 62. Cromossomo ótimo da melhor rodada do Reservatório 5 110
Figura 63. Ótimo local durante a evolução do Reservatório 3 113
Figura 64. Ótimo local durante a evolução do Reservatório 5 113
Figura 65. Melhor indivíduo da geração 13 da evolução do Reservatório 5 113
Figura 66. Vista 3D do caso base (a) e da alternativa otimizada (b) 116
Figura 67. Curvas de produção para o caso base e alternativa otimizada para o
Reservatório 6. 117
Figura 68. Curvas de evolução sem laterais (a) e com laterais (b). 119
Figura 69. Vista 3D das alternativas otimizadas sem laterais (a) e com laterais
(b). 119
Figura 70. Vista 3D das alternativas de (TÚPAC 2005). Solução sem semente
inicial (a), solução com semente inicial (b) e solução com mapa de
qualidade (c). 120
Figura 71. Curvas de produção para comparação com (TÚPAC 2005). 121
Figura 72. Evoluções do Reservatório 7. Sem a opção de laterais (a). Com a
opção de laterais (b). 123
Figura 73. Resultados gráfico da produção de óleo das alternativas do
Reservatório 7 124
Figura 74. Projeções das alternativas no reservatório. Caso base (a), sem
laterais (b), com laterais (c) 125
Figura 75. Evoluções do Reservatório 7 com parâmetros modificados. Sem a
opção de laterais (a). Com a opção de laterais (b). 127
Figura 76. Resultados gráfico da produção de óleo do caso base e das
alternativas otimizadas para comparação com (EMERICK 2009). 128
Figura 77. Projeção das alternativas no reservatório. Caso base (a), sem
laterais (b), com laterais (c) 129
Lista de Tabelas
Tabela 1. Classificação da trajetória em função do raio (ROCHA 2008). 25
Tabela 2. Interpretação dos Tipos de Lateral. 87
Tabela 3. Propriedades do Reservatório1. 96
Tabela 4. Propriedades do Reservatório 2. 97
Tabela 5. Propriedades do Reservatório 3. 99
Tabela 6. Propriedades do Reservatório 4. 100
Tabela 7. Propriedades do Reservatório 5. 100
Tabela 8. Propriedade do reservatório 6. 101
Tabela 9. Propriedades do reservatório 7. 102
Tabela 10. Resultados da comparação entre representações. 103
Tabela 11. Resultados gerais da comparação entre representações 104
Tabela 12. Parâmetros das evoluções do Reservatório 1. 104
Tabela 13. Parâmetros gerais para os reservatórios 2, 3, 4 e 5 105
Tabela 14. Parâmetros da otimização do reservatório 2. 106
Tabela 15. Resultados do reservatório 2. 106
Tabela 16. Parâmetros da otimização do reservatório 3. 107
Tabela 17. Resultados do reservatório 3 107
Tabela 18. Parâmetros da otimização do reservatório 4 108
Tabela 19. Resultados do reservatório 4 108
Tabela 20. Parâmetros da otimização do reservatório 5 109
Tabela 21. Resultados do reservatório 5 109
Tabela 22. Parâmetros de teste com e sem laterais no Reservatório 6. 114
Tabela 23. Resultados de teste com e sem laterais no Reservatório 6. 114
Tabela 24. Comparação caso base com alternativa otimizada para o
Reservatório 6. 116
Tabela 25. Parâmetros utilizados para comparação com (TÚPAC 2005). 118
Tabela 26. Resultados para comparação com (TÚPAC 2005). 120
Tabela 27. Parâmetros da otimização do Reservatório 7 122
Tabela 28. Resultados da comparação com caso base do Reservatório 7. 123
Tabela 29. Parâmetros utilizados para comparação com soluções alcançadas
em (EMERICK 2009). 126
Tabela 30. Resultados para comparação com soluções alcançadas em
(EMERICK 2009). 128
1 Introdução
1.1. Motivação
A gestão integrada e otimizada dos processos de Exploração e Produção
(E&P) é atualmente considerada estratégica para o avanço do setor petrolífero
que, por um lado, se depara com um vasto e crescente arsenal tecnológico, no qual
se destacam as inovações na área de Campos Inteligentes, e, por outro, com
desafios grandiosos tal qual a exploração da camada pré-sal recentemente
descoberta no litoral brasileiro. Nesse contexto, a aplicação de sistemas e modelos
computacionais inteligentes se apresenta como um elemento fundamental para o
melhor emprego e conseqüente aproveitamento de tais tecnologias na otimização
da produção e dos recursos utilizados.
Uma tarefa inicial na gestão da exploração petrolífera é desenvolver uma
estratégia para alcançar a produção de maior quantidade de hidrocarboneto
possível dentro dos limites físicos e econômicos existentes. Freqüentemente, a
solução operacional para o problema de desenvolvimento de um campo de
petróleo não é ótima, mas somente um resultado viável que satisfaz as restrições
operacionais em um momento específico. Isto porque o engenheiro de
reservatório deve considerar várias hipóteses para alcançar a melhor estratégia
para o problema de desenvolvimento do campo. Cada hipótese pode gerar várias
outras, fazendo com que o processo produza uma árvore de hipóteses, originando
cada vez mais dados a serem analisados (BITTENCOURT 1997).
O problema consiste na definição da estratégia de drenagem de um campo,
considerando o número de poços produtores e injetores que deverão ser
perfurados, a posição e a geometria (vertical, horizontal ou direcional) do poço e
das suas laterais de modo a se produzir o máximo de óleo com o menor custo.
O número de variáveis desse problema é proporcional ao número de poços
que se planeja alocar e seu espaço de busca está relacionado com o tamanho
(número de células) do reservatório. A escolha dos valores das variáveis é um
16 Introdução
problema de otimização. Dependendo do número de variáveis e do tamanho do
espaço de busca é inviável enumerar todas as possíveis soluções (ALMEIDA
2003).
Um reservatório de petróleo é considerado como um espaço tridimensional
com as coordenadas X, Y, Z. Esse espaço é discretizado em um grid de
coordenadas I ,J, K. As propriedades físicas do reservatório são associadas às
células do grid. Algumas células não possuem características físicas associadas e
são consideradas como nulas, outras possuem características insuficientes para
serem consideradas como produtoras e são consideradas como pinch out. Essas
células do grid não podem receber poços e indicam uma restrição no domínio do
problema em relação as coordenadas I ,J, K. Outras restrições estão associadas ao
comprimento, ângulo e distância dos poços no espaço X, Y, Z (EMERICK 2009).
As técnicas de computação evolucionária têm sido utilizadas para resolver
problemas de posicionamento de poços por algumas aplicações (PACHECO
2009), (EMERICK 2009), (TÚPAC 2005), (ALMEIDA 2003), (YETEN 2003),
(TÚPAC 2002) e (BITTENCOURT 1997).
Uma das técnicas evolucionárias, Algoritmos Genéticos (AG), é um método
de busca e otimização utilizado para procurar soluções de problemas complexos e
com espaço de soluções muito grande, problemas de difícil modelagem e difícil
solução quando comparados com métodos de otimização convencionais.
Algoritmos Genéticos tendem convergir para bons resultados em tempos viáveis.
Algoritmos Genéticos é uma técnica que pode ser adequada à realidade de cada
problema, podendo trabalhar com funções não lineares, descontinuas e com
restrições e podendo ajustar o tempo disponível para a busca.
1.2. Objetivos
O objetivo desta pesquisa é investigar e propor um sistema de apoio a
decisão, baseado em computação evolucionária, capaz de propor e otimizar
alternativas de produção contendo poços multilaterais em reservatórios
petrolíferos. O sistema irá determinar a quantidade, localização, tipo e geometria
de poços, produtores e injetores, os quais poderão ser verticais, horizontais,
direcionais ou multilaterais. No caso de poços multilaterais, o sistema determinará
17 Introdução
o número de laterais existentes no poço e suas localizações e geometrias. O
especialista definirá restrições de construção como o número máximo de poços,
número máximo de laterais que um poço poderá ter, bem como o comprimento
máximo de cada poço e lateral.
Para que um processo de otimização possa ser aplicado nesse problema, é
necessário definir uma função objetivo a ser minimizada ou maximizada pelo
processo. No problema em questão, a função objetivo a ser maximizada é o Valor
Presente Líquido (VPL). Outro objetivo do trabalho é determinar como calcular
esse VPL.
A implementação de técnicas de otimização para otimização de poços em
reservatórios costuma ter problemas de escalabilidade do número de poços e do
número de células do reservatório, assim como problemas com as restrições.
Outro objetivo desse trabalho é fazer com que o modelo seja capaz de trabalhar
com reservatórios reais e utilizar de paralelismo para distribuir as simulações
quando tratar problemas maiores.
1.3. Descrição da Dissertação
Esta pesquisa foi estruturada em função dos seguintes passos: um estudo
sobre a área de exploração de petróleo; um estudo sobre os modelos e técnicas de
inteligência computacional empregadas nesta área; um estudo para criação de
operadores de algoritmos genéticos dedicados para otimização de poços de
petróleo; um estudo para geração de alternativas que cumpram as restrições para
que essas sejam utilizadas como semente inicial do processo evolutivo; a
definição da estrutura de um modelo de Algoritmos Genéticos através de testes
com diferentes configurações de cromossomo; a construção de modelos de
reservatório, onde a alternativa ótima é conhecida, para testes de convergência;
testes de convergência de um modelo selecionado dentre os criados; teste
comparativo com alternativas criadas por especialistas; teste comparativo com
sistema de otimização de reservatórios já publicado.
A seguir é apresentada uma breve descrição de cada uma das etapas
realizadas.
18 Introdução
O estudo sobre a área de desenvolvimento de reservatórios de petróleo
envolveu uma pesquisa bibliográfica e consultas a especialistas da área sobre a
forma como o trabalho de desenvolvimento de um campo de petróleo é
conduzido, quais características devem ser levadas em consideração, a existência
de restrições, como avaliar uma alternativa criada para explorar um reservatório e
a participação em um curso sobre o uso de simulador.
O estudo das técnicas de inteligência computacional empregadas nesta
dissertação, em particular, dos Algoritmos Genéticos teve seu foco no tratamento
de restrições e nas formas de lidar com problemas complexos.
O estudo para criação de operadores de algoritmos genéticos dedicados para
otimização de poços de petróleo teve por objetivo melhorar a eficiência do
algoritmo e permitir melhor tratamento das restrições, assim como permitir a
flexibilidade de se evoluir alguns parâmetros e manter outros fixos. Isso significa,
permitir a otimização somente de poços verticais ou manter o número de poços
produtores e injetores constante.
Devido à complexidade do problema e a existência de restrições, a
inicialização aleatória da população inicial exige um tempo muito longo, e em
alguns casos pode não acontecer. Para resolver esse problema foi conduzido um
estudo no sentido de gerar alternativas válidas, que cumpram as restrições, para
serem utilizadas como semente inicial na população no inicio do processo
evolutivo.
A definição da estrutura de um modelo de Algoritmos Genéticos, através de
testes com diferentes configurações de cromossomo, foi conduzida para verificar
o melhor modelo de cromossomo (representação das variáveis, número de
segmentos e populações) capaz de representar o problema.
A construção de modelos testes de reservatório com ótimo conhecido,
utilizados para testes de convergência, que foram desenvolvidos de modo a
validar o modelo do AG através de casos com fácil interpretação do resultado,
mas mantendo a complexidade do problema.
Os testes de convergência de um modelo de AG selecionado, dentre os
criados, foram conduzidos indicando uma porcentagem de vezes que o ótimo foi
encontrado e a média dos valores encontrados. O objetivo dos testes é indicar a
validade da solução gerada pelo modelo de AG selecionado quando utilizado em
um reservatório sem o ótimo conhecido. Foram encontrados valores de até 80%
19 Introdução
de probabilidade de se encontrar o ótimo e valores médios acima de 90% da
produção ótima.
Os testes comparativos com alternativas desenvolvidas por especialistas
foram conduzidos em dois reservatórios distintos, um semi-sintético e um real. As
alternativas criadas por especialistas não possuem poços multilaterais, então
foram comparadas evoluções com e sem o uso de poços multilaterais. Os
resultados indicam ganhos de até 34% para as soluções sem poços multilaterais e
37% para soluções com poços multilaterais.
Por fim, foi realizado um teste comparativo entre o sistema desenvolvido
neste trabalho e sistemas de otimização de reservatórios já publicados,
comparando a eficiência e o resultado final obtido pelos sistemas. Um primeiro
teste foi realizado utilizando apenas os tipos de poços que ambos os sistemas são
capazes de gerar, com o objetivo de indicar os avanços gerados por essa pesquisa.
Um segundo teste é realizado, agora permitindo que o sistema desenvolvido neste
trabalho utilize todos os tipos de poços que esse trabalho se propõem a ser capaz
de modelar, com o objetivo de indicar o ganho da opção de se permitir diferentes
tipos de poços no processo de otimização.
1.4. Organização da Dissertação
Esta dissertação está descrita em cinco capítulos adicionais, descritos a
seguir:
No capítulo 2 são destacadas as características técnicas de engenharia de
poço e de engenharia de reservatório de petróleo pertinentes a este estudo.
No capítulo 3 são destacadas as técnicas de inteligência computacional,
Algoritmo Genético, e são descritos seus conceitos básicos.
O capítulo 4 apresenta a proposta deste trabalho, o modelo de otimização de
alternativas para o desenvolvimento de campos de petróleo utilizando Algoritmos
Genéticos.
O capítulo 5 apresenta os estudos de casos, com suas definições e resultados
para o modelo criado e comparações com outros modelos.
Finalmente, no capítulo 6, são apresentadas as conclusões e propostas de
trabalhos futuros.
2 Planos de Desenvolvimento com Poços Multilaterais
2.1. Introdução
De acordo com a portaria nº 90 da ANP de 31 de maio de 2000 o plano de
desenvolvimento para campos de petróleo e gás natural é um documento que deve
conter o programa de trabalho e respectivo investimento, que serão necessários
para o desenvolvimento de uma descoberta. Nesse documento deve estar descrito
as principais características dos reservatórios produtores, o tamanho da reserva, a
vazão máxima de produção esperada, a malha de drenagem e método de
produção, o número e características dos poços, os sistemas de coleta de
produção, as unidades de produção, os processos de tratamento do petróleo, os
sistemas de escoamento da produção, os investimentos envolvidos, a duração do
desenvolvimento e o plano de desativação do campo.
Segundo (CRICHLOW 1977), otimizar a explotação de um reservatório
petrolífero significa desenvolver uma estratégia que permita produzir a maior
quantidade de hidrocarboneto possível dentro dos limites físicos e econômicos
existentes. Os dois principais fatores determinantes do nível de produção são: o
sistema de explotação a ser instalado e o reservatório geológico existente.
O objetivo de se produzir a maior quantidade de óleo possível é considerado
porque é economicamente inviável se produzir todo o óleo de um reservatório.
Isso porque o custo de se produzir todo o óleo supera seu valor. A quantidade de
óleo produzida sobre o total de óleo no reservatório é chamada de fator de
recuperação (FR).
Não se consegue um fator de recuperação de 100%, com o passar do tempo,
a energia do reservatório diminui e a vazão produzida é reduzida. Outro fator que
ocorre com o tempo é o aumento da quantidade de água produzida (Basic
Sedments and Water BSW), o que gera um custo para o tratamento dessa água e
diminui a vazão de óleo produzida.
21 Planos de Desenvolvimento com Poços Multilaterais
Com a redução da vazão produzida e a diminuição da porcentagem de óleo
presente nos fluidos produzidos os custos de operação se tornam mais elevados
que a receita gerada pela venda do óleo produzido, determinando o fechamento do
campo.
Sendo assim, o sistema de explotação é um fator importante para sucesso de
um empreendimento de produção de petróleo e deve-se tomar a decisão correta de
investimento, estratégia e FR planejado de acordo com as condições econômicas
atuais.
O sistema de exploração consiste no grupo de equipamentos empregados
para produção e a estratégia utilizada para recuperação dos hidrocarbonetos
presentes no reservatório.
Dentro de uma estratégia de explotação deve ser definido o número e a
disposição dos poços, assim como seu modo de operação ao longo do tempo. O
conjunto do número e da disposição dos poços é chamado de malha de drenagem
e constitui uma alternativa de produção. Cada poço de uma alternativa deve
possuir seu plano do modo de operação. O modo de operação de um poço
determina se esse poço deve ser utilizado para produzir hidrocarbonetos do
reservatório ou injetar fluidos no reservatório.
A produção de hidrocarbonetos ocorre quando se aloca um poço produtor
em uma zona do reservatório que possua petróleo e com condições que permitam
que esse óleo chegue a superfície.
A injeção de água é muito utilizada em unidades de produção marítimas,
entre os principais incentivos estão o elevado custo de se perfurar muitos poços e
a abundância de água no local. Posicionar corretamente os poços produtores e
injetores é importante para que, além de manter a pressão do reservatório, a água
desloque o máximo de óleo em direção aos poços produtores e que a chegada da
frente de água aos poços produtores seja retardada o máximo de tempo possível.
2.2. Poços de Petróleo
Na Pensilvânia, o americano Cel. Edwin Lauretine Drake perfurou em
agosto de 1859 o primeiro poço produtor, marcando o nascimento da moderna
indústria petrolífera (THOMAS 2001). A definição de um poço de petróleo de
acordo com o dicionário Houaiss é “grande buraco, ger. de formato circular,
22 Planos de Desenvolvimento com Poços Multilaterais
cavado na terra para se colher ou extrair algo do subsolo; Ex.: p. de petróleo”.
Um poço pode ser de três tipos: exploração, produção ou injeção.
De acordo com o uso do poço e as condições do reservatório este pode ser
completado de diferentes maneiras. A completação é a transformação do esforço
de perfuração em uma unidade produtiva completamente equipada e com os
requisitos de segurança atendidos, pronta para produzir óleo e gás, gerando
receitas. A completação de um poço varia quanto ao posicionamento da cabeça,
quanto ao revestimento e quanto ao número de zonas explotadas. As principais
diferenças entre os tipos de completação são: se o poço é terrestre ou marítimo, se
este é um poço aberto, com liner rasgado ou com revestimento canhoneado e se o
poço terá completação simples ou múltipla. Essas características construtivas do
poço podem ser encontradas em (THOMAS 2001).
Figura 1. Pontos básicos de uma trajetória de poço direcional (ROCHA
2008)
No caso de perfurações marítimas, a cabeça do poço pode estar no leito do
mar ou na plataforma, dependendo do tipo de plataforma que se pretende utilizar e
do projeto do desenvolvimento do campo. O ponto onde o poço entra no
reservatório é o ponto objetivo da Figura 1. O ponto onde o poço termina (ponto
final) também é um target durante a fase de perfuração.
23 Planos de Desenvolvimento com Poços Multilaterais
2.2.1. Poços Verticais
O poço vertical é o mais simples e também o mais utilizado no mundo. Também conhecido como poço convencional este tipo de poço é amplamente utilizado pela indústria de petróleo desde o poço do Cel. Drake. A estrutura de um poço vertical é mais simples do que a exibida na Figura 1
Figura 1, não estando presentes nem a seção de ganho de ângulo nem a
seção de perda de ângulo. A Figura 2 ilustra um poço vertical. O poço vertical
possui apenas um ponto objetivo e percorre o reservatório verticalmente,
independente da inclinação da zona produtora. Embora seja chamado de vertical
podem ocorrer alguns desvios na trajetória do poço devido aos ângulos das
camadas de rocha no reservatório. No caso do desvio ser maior de 5°, medidas
corretivas devem ser tomadas para corrigir a trajetória do poço (THOMAS 2001).
Figura 2. Poço Vertical
Quando comparado com outros poços o poço vertical é mais barato de ser
perfurado. Não é necessária a utilização de tecnologias direcionais e, normalmente
este é um poço mais curto, utilizando, assim, um menor tempo de sonda. Outra
vantagem é que como não são feitas curvas com o poço, riscos de perfuração
decorrentes das curvas são reduzidos.
Comparado com outros poços a área de contato de um poço vertical com o
reservatório é pequena, como indicado na Figura 5. Isso leva a uma desvantagem
quanto à vazão produzida pelo poço, no entanto, o que costuma ser feito é a
perfuração de diversos poços verticais para drenar uma área. A disposição dos
poços pode ser determinada poço a poço ou utilizar-se de configurações padrões.
Uma das configurações padrões consagradas na indústria para poços
verticais é a configuração five spot Figura 3(a). Essa configuração utiliza um poço
24 Planos de Desenvolvimento com Poços Multilaterais
produtor cercado por quatro poços injetores. A estratégia é que a água dos
injetores empurre o óleo de forma simultânea para o poço produtor, drenando toda
área entre os injetores. O padrão pode ser repetido para cobrir uma área maior de
reservatório Figura 3(b). Essa estratégia encontra problemas quando existem áreas
não homogêneas no reservatório e a frente água de um injetor alcança o produtor
antes das outras, prejudicando, assim a produção.
(a) (b)
Figura 3. (a) um five spot. (b) série de five spots.
2.2.2. Poços Direcionais
Poços direcionais são poços inclinados que permitem que objetivos
posicionados em coordenadas diferentes das coordenadas da cabeça do poço
sejam atingidos. Existe, por parte da indústria do petróleo, grande interesse nas
características dos poços direcionais devido a vantagens que esses poços trazem
como reduções de custos de projetos de exploração e até a viabilização da
exploração em áreas onde não é permitido se perfurar. Essa técnica também pode
ser utilizada para perfuração de poços verticais quando se sabe que haverá muitos
desvios de sua trajetória (ROCHA 2008).
O custo de perfuração de um poço direcional é mais elevado que o custo de
perfuração de um poço vertical, sendo assim, só se utiliza poços direcionais
quando existe algum impedimento para a perfuração de poços verticais.
Entretanto, ao se considerar a produção gerada pelo poço direcional é necessário
25 Planos de Desenvolvimento com Poços Multilaterais
se fazer análises para descobrir a melhor solução econômica, pois seria necessário
mais poços verticais do que direcionais para se alcançar uma mesma produção.
As estratégias de perfuração de poços direcionais podem ser agrupadas em
três tipos. No tipo um, o poço é perfurado verticalmente por um trecho curto,
seguido por um trecho inclinado até o objetivo Figura 4 (a). No tipo dois, o poço
utiliza todas as seções descritas na Figura 1, este é perfurado verticalmente por um
trecho curto, seguido por um trecho inclinado até se conseguir o afastamento
lateral planejado e, então, segue vertical até o objetivo Figura 4 (b). O tipo três é
semelhante ao tipo um, no entanto, o trecho vertical é longo e o objetivo é
atingido na seção de buildup Figura 4 (c).
(a) (b) (c)
Figura 4. (a) Poço tipo I. (b) Poço tipo II. (c) Poço tipo III.
Outra forma de classificação de um poço direcional é quanto ao seu raio de
curvatura. O raio de curvatura pode ser longo, médio, intermediário e curto. A
Tabela 1 mostra a classificação de um poço quanto ao raio.
Classificação Buildup Rate (BUR)
em (˚/30 metros) Raio (m)
Raio longo 2 – 8 859 – 215 Raio médio 8 – 30 215 – 57 Raio intermediário 30 – 60 57 – 39 Raio curto 60 – 200 29 – 9
Tabela 1. Classificação da trajetória em função do raio (ROCHA 2008).
Um caso especial de perfuração direcional é o poço horizontal. As
principais razões para se utilizar poços horizontais são: aumentar a área exposta
ao fluxo de hidrocarbonetos; minimizar o cone de água e de gás, em reservatórios
fraturados; em formações fechadas; para produção de óleo pesado; e para diminuir
o número de poços utilizados.
26 Planos de Desenvolvimento com Poços Multilaterais
O aumento da área exposta ao fluxo é relevante para diversos fenômenos
que serão descritos a seguir. De uma maneira geral, um poço horizontal atinge
comprimentos expostos ao reservatório de até mil metros, podendo ser mais longo
se necessário, enquanto poços verticais são limitados a espessura do reservatório
que podem variar de centenas a dezenas de metros como ilustrado na Figura 5.
Figura 5. Comprimento exposto ao reservatório
Quando o reservatório é dito de formação fechada, baixa permeabilidade, ou
o óleo a ser produzido é pesado, a mobilidade do óleo no reservatório é pequena.
Isso significa que o raio de drenagem de um poço é pequeno. Como um poço
horizontal possui maior comprimento exposto ao fluxo, este cobre um volume
maior do reservatório e pode viabilizar a exploração de campos economicamente
inviáveis com poços verticais.
A redução do número de poços necessário para se drenar um reservatório é
de grande importância na exploração de campos marítimos. Cada poço necessita
de uma árvore de natal conectada à cabeça do poço e uma conexão na plataforma,
dentre outros equipamentos (THOMAS 2001). Fisicamente existe um limite de
poços que podem ser ligados a uma plataforma. O tamanho e o custo da
plataforma aumentam com o número de poços conectáveis a ela e, assim, a
exploração de grandes áreas costuma ser feita com poços horizontais longos.
2.2.3. Poços Multilaterais
Um poço multilateral é formado por um poço principal com um ou mais
poços secundários (laterais) ramificados a partir deste poço principal. A maioria
dos poços secundários já perfurados até hoje têm sido feitos a partir de trecho não
27 Planos de Desenvolvimento com Poços Multilaterais
revestido do poço principal, sendo que, em sua maioria, os poços secundários não
são revestidos (poço aberto). Muitos têm sido utilizados para aumentar a produção
de poços depletados.
O número de poços multilaterais perfurados com o intuito de maximizar a
drenagem de reservatórios vem crescendo. Atualmente se utilizam técnicas de
perfuração de poços direcionais com algumas modificações para se perfurar os
poços multilaterais.
O primeiro poço multilateral que se tem notícia é um poço perfurado na
antiga União Soviética em 1953. Foi perfurado um poço com nove laterais que
aumentavam a área de exposição do poço na zona de interesse em cinco vezes e
meia e a produção em dezessete vezes embora, o custo tenha sido o dobro de um
poço convencional. Desde então a perfuração de poços multilaterais vem
aumentado (FRAIJA 2002), (VIJ S 1998), (UNIVERSIDADE PETROBRAS
2006).
Ainda hoje a perfuração de poços multilaterais envolve riscos,
principalmente devido à instabilidade das paredes, à questão da descida do
revestimento e problemas relacionados com zonas de elevada pressão, bem como
problemas de cimentação e ramificação. Outras preocupações incluem o alto risco
de danificar as formações durante a perfuração e a completação e a dificuldade de
localizar e permanecer na zona de interesse durante a perfuração das laterais.
(HAMER 1999), (BOSWORTH 1998), (SUGIYAMA 1997)
O correto posicionamento do poço principal e das laterais é fundamental
quando utilizando poços multilaterais. A melhor trajetória para o poço dependerá
das propriedades do reservatório, das tensões das rochas e da geometria das zonas
a serem produzidas.
Apesar dos riscos, existem vantagens de aumento de produção e economia
na perfuração e em equipamentos de superfície na utilização de poços
multilaterais. Os casos em que o uso de poços multilaterais são indicados são:
pequenos reservatórios isolados ou compartimentados, reservatórios com óleo
acima dos canhoneados já existentes, reservatórios empilhados comunicados por
regiões com baixa permeabilidade vertical, reservatórios naturalmente fraturados
ou com alta permeabilidade em uma única direção, reservatórios com necessidade
de injeção de água e problemas de espaço disponível na plataforma para chegada
de novos poços.
28 Planos de Desenvolvimento com Poços Multilaterais
Para padronizar os sistemas utilizados na indústria de petróleo referentes aos
poços multilaterais, foi criado em 1999 o grupo TAML (Technology Advancement
for Multilaterals) (TAML 1999) que classifica as junções entre o poço principal e
os secundários em seis níveis de acordo com a complexidade da conectividade,
isolamento e acesso. Os preços das instalações variam de poucas dezenas de
milhares de dólares para uma junta de nível baixo (nível 1 e 2) até mais de um
milhão de dólares para juntas de nível maior( nível 4 e 5).
Nível 1: junção de poço, é basicamente um desvio a poço aberto em um
poço, tanto o poço principal como a lateral não possuem revestimento como na
Figura 6 (a). Possui limitações de acesso à lateral e no controle da produção.
Nível 2: O poço principal é revestido e cimentado e o lateral é mantido a
poço aberto ou com um liner como na Figura 6 (b), sem ser cimentado nem ter
conexão mecânica, o objetivo é aumentar as possibilidade de reentrada. É
necessária a abertura de uma janela no revestimento do poço principal quando não
utilizado revestimento com janela pré-aberta.
Nível 3: O poço principal é revestido e cimentado e o lateral é revestido mas
não é cimentado como na Figura 6 (c). Existe conexão mecânica entre os poços,
mas não se garante integridade hidráulica entre os poços.
Nível 4: Tanto o poço principal quanto os laterais são revestidos e
cimentados na junção como na Figura 6 (d). Existe conexão mecânica entre os
poços, mas não se garante integridade hidráulica entre os poços.
Nível 5: Possui conexões iguais ao dos níveis 3 e 4, como pode ser
observado na Figura 6 (e), e integridade hidráulica devido a sua completação com
equipamentos como pakers, luvas e outros.
Nível 6: Junção com características semelhantes as de nível 5, porem sem a
necessidade de equipamentos no interior do poço principal. O poço principal e o
secundário são construídos ao mesmo tempo e são mecanicamente seladas como
na Figura 6 (f). Esta técnica permite total controle da produção de cada parte do
poço.
29 Planos de Desenvolvimento com Poços Multilaterais
Figura 6. Classificação de junções de acordo com TAML
De acordo com o tipo de junção a ser utilizada diferentes técnicas de
perfuração são possíveis. Quando se utilizam juntas de nível 4, 5 ou 6 a
perfuração da lateral pode ser conduzida como perfuração de um poço direcional,
sendo submetida aos mesmos limites e tipos de configurações que um poço
direcional. Quando utilizada junções de nível baixo é possível se utilizar de
técnicas mais baratas de perfuração que geram limitações quanto a trajetória e
comprimento da lateral.
30 Planos de Desenvolvimento com Poços Multilaterais
As vantagens de se utilizar poços multilaterais são semelhantes às vantagens
de se utilizar poços horizontais, nesse caso, um multilateral é como a junção de
poços horizontais. O poço multilateral se beneficia pela maior área exposta ao
fluxo, reduz o número de poços necessários para drenar um reservatório, diminui
a probabilidade de cones de água e gás e reduz a incerteza econômica.
Figura 7. Geometria de poços multilaterais (ROCHA 2008)
Os desenhos tradicionais para poços multilaterais podem ser observados na
Figura 7. Estão entre eles: o bilateral em planos opostos (dual opposing), o
bilateral com penas paralelas (staked), o trilateral planar (forked) e o espinha de
peixe (splayed).
31 Planos de Desenvolvimento com Poços Multilaterais
Os pontos de interesse de um poço multilateral vão além dos apresentados
na Figura 1. Os pontos de inicio, final e a cabeça do poço se mantém constantes.
Com o uso de laterais conectadas ao poço principal se torna relevante observar
outros pontos, como os ilustrados na Figura 8: o ponto de saída, onde a junta é
instalada, o ângulo de saída entre a lateral e o poço principal, o comprimento da
lateral, o ponto onde se tem o início do trecho canhoeado (aberto ao fluxo) da
lateral, o ponto final da lateral, o raio de curvatura da perfuração da lateral e o
ângulo entre o ponto de saída da lateral e o final da lateral. Outra propriedade é
que a componente poço principal pode estar aberta ao fluxo ou não. O exemplo da
Figura 8 ilustra um poço principal não canhanoeado no trecho vertical.
Figura 8. Pontos de interesse de poços multilaterais
32 Planos de Desenvolvimento com Poços Multilaterais
2.3. Reservatórios de Petróleo
O petróleo, quando encontrado na natureza, se encontra acumulado nos
poros das rochas e a essas rochas se atribui o nome de rochas reservatórios. A
existência de um reservatório de petróleo é condicionada a existência de três
elementos: rocha geradora, rocha reservatório e uma armadilha formada por
rochas impermeável. A idéia é que ao longo de milhares de anos o óleo e o gás
natural migram da rocha geradora em direção à superfície. Quando esses
elementos encontram uma rocha impermeável, essa migração é interrompida e,
caso essa estrutura forme uma armadilha, o óleo e o gás natural passam a se
acumular. De acordo com as características da rocha abaixo da armadilha o óleo é
acumulado em maior ou menor volume. Considerando que o processo de
migração é lento e vem ocorrendo a milhares de anos, é de se esperar que os
fluidos acumulados estejam gravitacionalmete separados, com o gás natural
acumulado na parte superior o óleo na parte central e água abaixo do óleo, como
apresentado na Figura 9. Não é obrigatório para um reservatório possuir os três
fluidos, e, de acordo com as características do reservatório, pode-se encontrar o
gás dissolvido no óleo.
Figura 9: Disposição dos fluidos em reservatório de petróleo
33 Planos de Desenvolvimento com Poços Multilaterais
2.3.1. Características
Porosidade: é uma propriedade que indica uma razão volumétrica entre o
volume de uma rocha e volume de espaços vazios, isso influencia a capacidade de
uma rocha armazenar fluidos. O óleo é acumulado entre os grãos de rocha, nos
poros, e quanto maior for o número de poros e quanto maior for cada um dos
poros, maior a porosidade da rocha.
Permeabilidade: é a medida da capacidade de uma rocha permitir o fluxo de
fluido. Os fluidos se deslocam por canais de poros, quanto mais estreitos e mais
tortuosos forem esses canais, maior será a dificuldade dos fluidos se moverem e
menor será a permeabilidade. Por outro lado, poros maiores e mais conectados
oferecem menor resistência ao fluxo de fluido o que caracteriza maior
permeabilidade.
A permeabilidade não é uniforme em toda extensão do reservatório tão
pouco é uniforme em todas as direções. A existência de materiais impermeáveis
em meio ao reservatório pode privilegiar o escoamento do fluido em uma direção
ou um plano. Essa característica tem grande influência na elaboração da malha de
drenagem, pois determina o caminho do óleo e da água no reservatório. Uma
característica dessa propriedade é a grande incerteza, pois quando descoberto o
reservatório não se sabe ao certo a permeabilidade em todos os pontos, uma
rachadura em uma camada de rocha impermeável pode causar mudanças
consideráveis na permeabilidade no local e alterar o fluxo dos fluidos e a
distribuição da pressão na área.
2.3.2. Modelagem e Simulação
Um dos objetivos da engenharia de reservatório é poder prever a produção
óleo, gás e água dado certo conjunto de variáveis. A habilidade de prever a
produção auxilia na tomada de decisão do projeto e busca otimizações que tornem
o projeto economicamente atrativo. O principal problema na modelagem de
reservatórios, é que cada reservatório real é diferente e modelagens analíticas são
muito restritas com situações ideais. Assim, o desafio na área de simulação de
reservatórios é obter uma forma flexível de modelar reservatórios do mundo real.
34 Planos de Desenvolvimento com Poços Multilaterais
Durante os anos 50 (BRUCE 1953) foram concebidas modelagens numéricas
baseadas em malhas.
A disposição de blocos na malha, que pode ser em duas ou em três
dimensões, permite uma representação discreta, bastante aproximada e realista do
reservatório no que diz respeito ao formato e às propriedades de rochas e fluidos,
que podem variar bloco a bloco acompanhando as características medidas no
reservatório real. Na Figura 10 abaixo mostram-se malhas 2D e 3D típicas
utilizadas em simulação de reservatórios.
(a) (b)
Figura 10. Malha de duas e três dimensões, (a) e (b) respectivamente.
Na Figura 10 (a) está sendo representado um reservatório onde foram
inseridos poços produtores (VPRO1, VPRO2, VPRO3,...) e poços injetores
(VINJ1, VINJ2,...).
Os simuladores utilizados atualmente não são padronizados, cada fabricante
inclui características e funcionalidades próprias. Um dos programas de
modelagem e simulação de reservatórios é o IMEX da empresa CMG (CMG
2008) que trabalha com a modelagem do reservatório em malha de três
dimensões.
A modelagem é feita de modo que cada célula, ou bloco, é considerado
homogêneo e se comunicam somente aos blocos adjacentes. O tamanho de cada
célula é de grande importância para a eficiência da simulação. Caso o sistema seja
mais discretizado que o necessário o número de células será maior e a simulação
levará mais tempo. Por outro lado, caso o sistema seja menos discretizado que o
necessário, o tamanho das células será grande demais para descrever corretamente
o reservatório e a precisão do resultado da simulação será prejudicada. Sendo
35 Planos de Desenvolvimento com Poços Multilaterais
assim, o reservatório deve ser discretizado com um numero mínimo possível de
células necessárias para descrever o reservatório de forma a garantir a precisão
desejada para os resultados no menor tempo possível.
Dentre as características associadas a cada célula do grid estão a porosidade
e a permeabilidade, assim como seus limites geométricos. Uma malha pode ser
descrita com as células com formatos não convencionais de modo a melhor
descrever o reservatório, com isso algumas células podem se tornar não
significativas para o resultado da simulação enquanto consomem tempo de
simulação para o cálculo de suas grandezas. Isso ocorre, por exemplo, quando a
espessura de um bloco se torna muito pequena. Para essas células atribui-se um
indicador de pinch out que faz com que a célula não seja simulada, mas permite a
passagem de fluidos por ela.
Ao se construir o modelo deve-se minimizar o número de células para que a
simulação ocorra o mais rápido possível Com isso em vista, além de se utilizar o
maior tamanho de célula aceitável pode-se indicar uma célula como não
integrante do modelo. Com isso a célula não é simulada e as suas bordas geram
condições de contorno de bordas, e não permitem passagem de fluidos. Essas
células são chamadas de nulas e um conjunto dessas células é chamado de região
nula.
Além das características de reservatório é necessário se indicar a posição e
os modos de operação dos poços. Um poço pode estar associado a um bloco com
o conceito de completação aberta ou completação fechada, onde a completação
aberta indica interação entre o poço e os fluidos do reservatório no bloco,
enquanto uma completação fechada não promove interações do poço com o bloco.
2.3.3. Restrições
Para se estabelecer a malha de drenagem de um reservatório deve-se
considerar as características de reservatórios, de poços e de modelagem e
simulação. Não é ótimo alocar os poços de forma aleatória, os poços devem ser
alocados de modo a obter os melhores resultados possíveis no projeto. No entanto,
não é possível alocar poços em qualquer posição do reservatório, existem
restrições quanto ao posicionamento dos poços que podem prejudicar uma
simulação da produção ou fazer com que esta seja impossível de ser realizada.
36 Planos de Desenvolvimento com Poços Multilaterais
Além de problemas na simulação, existem configurações de poços e trajetórias
que não podem ser construídas ou sua utilização é desaconselhável.
Conduziu-se um estudo sobre as condições mecânicas, geológicas,
econômicas e de simulação de poços multilaterais. Com base nesse estudo foi
levantada uma lista de restrições referentes a determinação de malha de drenagem
que estão explicadas abaixo:
Restrições de Simulação: são as restrições causadas pela incapacidade do
simulador de lidar com certa configuração de parâmetros, onde a simulação
resulta em erro.
O estudo desse tipo de restrição foi feito com base no simulador de óleo da
CMG IMEX. As restrições foram encontradas baseando-se no manual do IMEX,
em testes de configurações e análises de resultados de inúmeras simulações
durante testes de otimização.
As principais restrições encontradas para o simulador foram:
Início de perfuração ou final em um bloco considerado como região nula.
No caso de um dos poços de uma alternativa ter o ponto inicial, o ponto final ou o
ponto final de uma lateral em um bloco nulo. A simulação é abortada quando a
palavra chave *NULL-PERF de poço está configurada como *STOP-SIM. Essa
restrição é aplicada a blocos nulos pertencentes à lista de blocos nulos, definidos
pela palavra chave *NULL, como também é aplicada a blocos cujo volume
poroso é menor que o valor especificado para o reservatório. A Figura 11
demonstra exemplos de poços que violam essa restrição, na Figura 11 (a) é
apresentado um poço cujo ponto inicial se encontra sobre a região nula, na Figura
11 (b) o ponto inicial do poço se encontra em bloco com volume poroso menor
que o limite estabelecido para o reservatório desse exemplo e a Figura 11 (c)
mostra o ponto final do poço e de uma lateral sobre uma região nula.
(a) (b) (c)
Figura 11. Restrições do tipo região nula
37 Planos de Desenvolvimento com Poços Multilaterais
Poço com todas completações em blocos inválidos. No caso de todas as
completações de um poço, incluindo as de suas laterais, se encontrarem somente
sobre blocos não válidos, nulos ou removidos da simulação (pinch-out), o poço
não possui contato direto com o reservatório e, como no caso anterior, a
simulação pode ser interrompida. Um exemplo pode ser observado na Figura 12.
Figura 12. Restrição do tipo sem completação
Bloco com duas completações. Essa restrição ocorre quando dois poços, um
poço com uma lateral ou duas laterais são completados no mesmo bloco do grid,
como pode ser observado na Figura 13 (a) e (b). A dupla atuação em um mesmo
bloco de grid não é suportada pelo simulador e a simulação é abortada.
(a) (b)
Figura 13. Restrição do tipo dupla completação
Além das restrições acima outras restrições foram estudadas e se mostraram
aceitáveis pelo simulador. Das restrições as quais se esperava que fossem impedir
a simulação e se mostraram possíveis de simular foram:
Poço ascendente. O modo de simulação utilizado não levou em
consideração o fluxo do fluido entre o ponto que este é completado e a cabeça do
38 Planos de Desenvolvimento com Poços Multilaterais
poço. Isso faz com que a simulação de um poço vertical perfurado de baixo para
cima obtenha a mesma produção de um poço perfurado de cima para baixo.
Embora o simulador seja capaz de calcular uma produção para essa trajetória, esse
tipo de trajetória deve ser evitado.
Lateral com ângulo de saída próximo a 180º. O simulador permite que uma
lateral seja derivada de um poço principal com qualquer ângulo. Por questões de
construção e fluxo dos fluidos no poço essas configurações devem ser evitadas
Parte não completada do poço passa fora do domínio do reservatório no
eixo z. Isso ocorre quando uma parte do poço passa por uma área não descrita no
modelo de simulação como no exemplo na Figura 14. Esse tipo de trajetória não
precisa ser evitado, apenas deve-se saber se existe alguma formação geológica na
região não descrita no modelo que possa tornar essa trajetória inviável.
Figura 14. Restrição de domínio do reservatório
Restrições Geológicas: são as restrições para soluções incoerentes ou
indesejadas quando levando em consideração a interpretação física dos
parâmetros. As restrições geológicas são de grande importância, pois o não
tratamento delas pode levar o sistema a respostas numéricas satisfatórias, porem
inviáveis de serem implementadas na prática. As restrições geológicas são
originadas pelo não tratamento de certas situações pelo simulador ou por decisão
do engenheiro de reservatório.
O estudo dessas restrições foi conduzido em (JOSHI 1991), (THOMAS
2001), (FRAIJA 2002), (VIJ 1998) e em entrevistas com especialistas da
Petrobras. As principais restrições encontradas foram:
Comprimento máximo de poço e lateral. Comprimento máximo que a parte
do poço com completação pode atingir, seja por limitação tecnológica ou
estratégia do especialista. O comprimento máximo de poço secundário (lateral)
pode variar de acordo com o tipo de tecnologia utilizado para perfuração.
39 Planos de Desenvolvimento com Poços Multilaterais
Distância mínima entre poços. O fato de um poço se encontrar muito
próximo de outro causa interferência no fluxo dos fluidos no reservatório, muitas
vezes alterado a acurácia da simulação quando em um grid sem refinamento
suficiente. Essa restrição também é uma forma de controle de densidade de malha
solicitada por especialistas. Um exemplo de poços muito próximos pode ser
observado na Figura 15.
Figura 15. Restrição de distância entre poços
Poço ascendente. Um poço deve vir da superfície em direção ao fundo. A
inclinação positiva de um poço gera perdas de carga que normalmente não são
consideradas na simulação de posicionamento dos poços e acarreta em perda de
acurácia do modelo, principalmente para poços mais próximos a vertical como o
ilustrado na Figura 16.
Figura 16. Restrição de poço ascendente
Lateral com ângulo de saída maior que 90º. Utilizar ângulos de saída de
lateral maiores que 90º significa que o fluxo no seu interior deve estar no sentido
oposto ao fluxo no poço principal como na Figura 17.
40 Planos de Desenvolvimento com Poços Multilaterais
Figura 17. Restrição de ângulo máximo de saída de lateral
Junta de lateral posicionada sobre rocha não própria. Por questões técnicas
de perfuração, as juntas devem ser posicionadas em locais onde seja possível se
realizar as manobras de perfuração necessárias para a instalação da lateral.
Volume no reservatório onde não se pode perfurar por decisão de um
engenheiro de reservatório ou geólogo. Em entrevistas com especialistas foi
salientada a importância de selecionar partes do reservatório onde não se devem
perfurar poços. Dentre as razões indicadas para se selecionar áreas que não devem
ser cobertas pela malha de drenagem estão: notoriedade de que a região não é
ótima para perfuração, imposição das regiões onde o engenheiro deseja que poços
sejam associados (criando as regiões proibitivas em torno da região desejada),
diminuição do tamanho do problema a ser resolvido o que leva à redução no
número de simulações, eliminação de áreas de baixa confiabilidade geológica e
eliminação de áreas com elevado risco de perfuração.
Tipos de poços aceitáveis no reservatório. Existem diversos tipos e
tecnologias de poços que podem ser aplicadas em um reservatório. No entanto,
alguns projetos impõem restrições com respeito às quais tecnologias podem ser
aplicadas e como devem ser aplicadas. Dentre as opções pode-se determinar o
número máximo de poços, utilizar somente poços produtores, casar o número de
produtores e injetores, utilizar somente poços verticais, apenas horizontais,
somente poços sem laterais, ou somente laterais de um tipo de junta.
Restrições mecânicas: são as restrições impostas pelo meio físico e por
limitações dos métodos de perfuração e completação atuais. As restrições
mecânicas, assim como as geológicas, não são consideradas pelo simulador e
41 Planos de Desenvolvimento com Poços Multilaterais
podem inviabilizar uma solução numericamente satisfatória. As restrições
mecânicas são geradas por configurações que não podem ser perfuradas.
As principais restrições mecânicas encontradas foram:
Ângulo de saída mínimo. Menor ângulo possível, dentro das margens de
segurança, que uma junta pode ter entre o poço principal e a lateral como ilustrado
na Figura 18.
Figura 18. Restrição de ângulo mínimo de lateral
Distância mínima entre saídas de laterais para mesma direção. Distância,
seguindo o comprimento do poço principal, mínima para comportar os
equipamentos de perfuração e completação e manter a integridade física do poço
quando utilizando duas laterais saindo para a mesma direção. Na Figura 19 essa
distância é a distância vertical entre as laterais.
Figura 19. Restrição de distância mínima entre pontos de saída de
laterais para mesma direção
Distância mínima de saídas de laterais para direções diferentes. Distância,
seguindo o comprimento do poço, mínima para comportar os equipamentos de
perfuração e completação e manter a integridade física do poço quando utilizando
42 Planos de Desenvolvimento com Poços Multilaterais
duas laterais saindo para direções opostas, e para direções perpendiculares. A
distância é mostrada na Figura 20 onde seis pés são aproximadamente um metro e
oitenta.
Figura 20. Restrição de distância mínima de saídas de laterais para
direções diferentes
Ângulo mínimo para que a direção seja considerada direção diferente.
Quais faixas de ângulos, em torno do poço principal, são associados a cada
distância longitudinal.
Raio de curvatura mínimo. Raio mínimo da curvatura de uma lateral para
ser possível se passar os equipamentos de perfuração e completação (JOSHI
1991).
Junta de lateral posicionada sobre região com tensões que podem danificar
a junta. Existem tensões entre as diferentes camadas de rochas em um
reservatório. Logo, ao se colocar um poço multilateral a junta deve ser capaz de
suportar as tensões entre a lateral e o poço principal. Essas tensões devem ser
calculadas e a junta projetada para sustentar tal esforço. Caso não exista junta
capaz de suportar essas tensões a configuração pretendida se torna inviável.
Restrições econômicas: São as restrições de limitação de projeto de caráter
financeiro. Restrições econômicas são impostas pelo engenheiro para limitar o
investimento no projeto de modo a diminuir seu risco ou adequar-se ao
orçamento. Uma restrição financeira pode limitar o número e tipo de poços, assim
como número de laterais e junções.
43 Planos de Desenvolvimento com Poços Multilaterais
Um exemplo de projeto de malhas de drenagem utilizando restrições
econômicas pode ser encontrado em (YETEN 2003). As principais restrições
econômicas encontradas foram:
Valor máximo a ser investido. Valor, em unidade monetária, máximo para a
soma dos custos iniciais.
Valor mínimo a ser investido. Valor, em unidade monetária, mínimo para a
soma dos custos iniciais.
Custo máximo de manutenção do projeto por ano. Valor, em unidade
monetária por ano, a ser despendido em custos variáveis.
3 Otimização Evolucionária de Problemas com Restrição
3.1. Introdução
Este capítulo resume os principais conceitos sobre os algoritmos
evolucionários empregados nesta dissertação. Primeiramente, se fornece uma
breve explicação sobre o princípio de funcionamento dos Algoritmos Genéticos
(AG), descrevendo suas partes principais e seus parâmetros de evolução. Em
seguida é apresentado o algoritmo de tratamento de restrições GACOM com
Restrições.
3.2. Algoritmos Genéticos
Na literatura especializada, é possível encontrar uma grande quantidade de
métodos que podem ser empregados na resolução dos mais variados tipos de
problemas de otimização. De maneira geral, os métodos de otimização podem ser
separados em dois grupos distintos: métodos locais e métodos diretos. Nos
métodos locais, também conhecidos como métodos baseados em gradiente, a cada
passo do processo de otimização, os parâmetros envolvidos são atualizados com
base no cálculo do gradiente da função objetivo (métrica de erro) em relação a
cada parâmetro. Métodos dessa natureza apresentam uma tendência natural de
convergência para ótimos locais, o que limita a sua capacidade de explorar o
espaço de soluções. Devido a essas características, os métodos locais funcionam
melhor como um mecanismo de ajuste fino de uma solução previamente
encontrada. Alguns dos principais métodos de otimização baseados em gradiente
são: Gauss-Newton e Levenberg-Marquardt (NOCEDAL 1999).
Diferentemente dos métodos locais, durante o processo de otimização, os
métodos diretos levam em consideração apenas o valor da função objetivo e não
necessitam do cálculo dos gradientes internos. No grupo dos métodos diretos,
estão os métodos evolutivos, que são baseados em populações de potenciais
soluções de um problema. Os métodos evolutivos se mostram interessantes na
45 Otimização Evolucionária de Problemas com Restrição
resolução de problemas complexos de otimização porque conseguem um
equilíbrio entre a capacidade de exploração do espaço de soluções e também de
aproveitamento das melhores soluções ao longo da evolução. Isso os torna menos
suscetíveis ao aprisionamento em ótimos locais, porém o tempo de convergência
costuma ser bem mais elevado que o tempo gasto por métodos locais. Devido a
essas características, os métodos evolutivos são mais adequados para a busca de
uma solução aceitável, que não necessariamente seja uma solução ótima, para um
problema de otimização.
A computação evolutiva é uma abordagem para resolução de problemas
inspirada na Teoria da Evolução de Darwin, principalmente no princípio da
sobrevivência dos mais aptos. Segundo Darwin (DARWIN 1859):
“Como muito mais indivíduos de cada espécie são gerados do que os que teriam possibilidade de sobreviver; e como, conseqüentemente, há um esforço freqüentemente recorrente para a existência: qualquer ser vivo, se variar, mesmo que ligeiramente, de qualquer maneira lucrativa a si próprio, sob as complexas e, às vezes, variáveis condições de vida, terá uma possibilidade melhor de sobreviver, e assim de ser selecionado naturalmente. Do princípio forte da herança, toda a variedade selecionada tenderá a propagar sua nova e modificada forma.” (DARWIN 1859) Os Algoritmos Genéticos, um dos principais modelos pertencentes à
computação evolutiva, são utilizados tipicamente para resolver problemas na
forma ℜ→Sf : , onde S é um espaço de busca constituído por todas as possíveis
soluções para um problema particular. Dependendo das peculiaridades do
problema, as soluções podem ser representadas por vetores n-dimensionais de
números binários, inteiros, reais, ou estruturas mais complexas. Para todas as
soluções existentes no domínio de S, um número real é associado, medindo quão
adequada é a solução para resolver o problema em questão (BACK 1996 ),
(MITCHELL 1994), (DAVIS 1991). A tarefa principal de um algoritmo genético
é buscar, de forma eficiente, em amostras do espaço de busca S, soluções que
estejam de acordo com o objetivo do problema. É importante mencionar que essas
soluções não precisam ser necessariamente ótimas, mas sim satisfatórias. Ao se
lidar com espaços de busca grandes e complexos, o ótimo pode ser difícil de ser
atingido e, neste caso, pode-se apenas esperar achar uma solução satisfatória. A
Figura 21 ilustra o funcionamento de um algoritmo genético.
46 Otimização Evolucionária de Problemas com Restrição
Figura 21. Fluxo básico de um algoritmo genético.
Dado um problema particular de busca, uma representação adequada deve
ser selecionada para codificar possíveis soluções em estruturas de dados do tipo
definido no conjunto S. Após a representação ser escolhida, um número n de
potenciais soluções, também chamadas de indivíduos, é gerado aleatoriamente.
Esses indivíduos passam então por duas etapas básicas: avaliação e operações
genéticas. Durante a avaliação, um número real, também chamado de aptidão, é
associado a cada indivíduo. A aptidão do indivíduo mede o quanto ele é adequado
para satisfazer à especificação de um problema particular. Após serem avaliados,
as seguintes operações, ou operadores genéticos, são utilizados nos indivíduos:
seleção, cruzamento e mutação. Depois de passarem por tais operadores, uma
nova população é criada, formando assim a próxima geração. A avaliação e os
operadores genéticos são aplicados na próxima geração e o processo continua, até
que um critério de parada seja satisfeito. Esse critério de parada pode ser um
número máximo de gerações ou o alcance de uma solução adequada para o
problema (ZEBULUM 2001). A seguir são apresentados, com maiores detalhes,
os conceitos por trás dos Algoritmos Genéticos.
3.2.1. Representação
A representação se refere à forma como as soluções de um determinado
problema são codificadas em uma estrutura de dados que possa ser processada em
um computador digital. Uma solução para um dado problema pode ser: um
47 Otimização Evolucionária de Problemas com Restrição
número, representando o valor ótimo de uma função matemática; um vetor de
reais, representando o valor ótimo de uma função com múltiplas variáveis; uma
lista de eventos, representando uma ordem ótima de eventos para se realizar uma
determinada tarefa; uma estrutura, simbolizando algum modelo de engenharia, um
circuito elétrico, uma reação química ou qualquer outro sistema.
A solução de um problema pode ser representada por um conjunto de
parâmetros, cada um desses parâmetros é representado por um gene. Esse gene
pode ser um número real, inteiro ou binário. Um conjunto de genes de mesma
representação forma um segmento e um conjunto de segmentos forma um
indivíduo. Um conjunto de indivíduos com mesma estrutura forma uma
população. Uma solução é formada pela interpretação de um indivíduo da
população, em alguns casos, pode-se utilizar mais de um indivíduo para
representar uma solução, no entanto, cada um dos indivíduos, que compõem a
solução, deve pertencer a uma população diferente.
A decodificação do cromossomo consiste basicamente na construção da
solução real do problema, fenótipo, a partir do cromossomo, genótipo. O processo
de decodificação constrói a solução para que esta seja avaliada pelo problema. É
importante que um cromossomo tenha apenas uma decodificação, enquanto que
não é tão importante que uma solução tenha apenas uma representação no
cromossomo.
3.2.2. Avaliação
A avaliação é a ligação entre o Algoritmo Genético e o problema a ser
solucionado. A avaliação é o processo de associar um valor de aptidão a cada
indivíduo, selecionado pelo AG. Na natureza, a aptidão de um indivíduo mede o
quão bem adaptado ele está a um determinado ambiente. Da mesma forma, no
caso dos AG, a aptidão mede o desempenho de um indivíduo de acordo com a
especificação de um problema. Essa medida é, normalmente, um valor escalar,
inteiro ou real. No caso da definição padrão de problemas de busca, pode-se
observar que um número real (o valor de aptidão) é associado com cada ponto do
espaço de busca S. Quando há somente um objetivo a ser satisfeito no problema
em questão, a função de avaliação dos indivíduos é normalmente encontrada de
forma bem direta. Entretanto, quando um ou mais objetivos devem ser
48 Otimização Evolucionária de Problemas com Restrição
perseguidos pelo algoritmo deve-se ponderar o peso de cada objetivo e a avaliação
dos indivíduos deve ser encontrada em forma de uma função.
3.2.3. Operadores
Existem três mecanismos naturais nos quais os algoritmos genéticos são
baseados: seleção natural, recombinação e mutação. Estes são os principais
operadores genéticos utilizados:
Seleção: O operador de seleção é um componente essencial de um
Algoritmo Genético. Esse operador, baseado no valor da aptidão dos indivíduos,
seleciona aqueles que farão parte da próxima geração. Com isto os cromossomos
mais aptos (valor de aptidão maior), têm maior probabilidade de contribuir para a
formação de um ou mais indivíduos da população seguinte. Existem basicamente
os seguintes métodos: troca de toda população, troca de toda população com
elitismo, onde todos os cromossomos são substituídos sendo o cromossomo mais
apto da população corrente copiado para população seguinte, troca parcial da
população (steady state), onde os M melhores indivíduos da população corrente
são copiados para população seguinte (KOZA 1992), (GOLDBERG 1989) e
(MICHALEWICZ 1996).
Cruzamento: Este operador é inspirado na idéia da recombinação de
material genético entre indivíduos. Como mostrado na Figura 21, o cruzamento
ocorre após a seleção. Esse operador é aplicado de forma probabilística nos
indivíduos. Dois indivíduos são selecionados aleatoriamente e, de acordo com
uma probabilidade pré-definida (DAVIS 1989), seu material genético é
recombinado ou não. Se isso ocorrer, dois novos indivíduos com material de
ambos os progenitores são gerados; caso contrário, os dois indivíduos
permanecem inalterados.
Este processo pode ser observado no exemplo da Figura 22 a seguir, onde a
solução está codificada com alfabeto binário.
Indivíduos antes do Crossover
Indivíduo 1
Indivíduo 2
Resultado após o Crossover
Filho 1
Filho 2
1 0 0 0 0 1 1 1
11 1 1 1 0 1 1
1 1 1 1 1 1 1 1
01 0 0 0 0 1 1
Ponto de corte
Figura 22. Cruzamento de um Ponto.
49 Otimização Evolucionária de Problemas com Restrição
Mutação: Este operador confere a troca aleatória do valor contido nos genes
de um cromossomo por outro valor válido. No caso de se utilizar um gene binário,
troca-se seu valor de 0 para 1 e vice-versa. Utiliza-se uma taxa de mutação que,
para cada gene do segmento, sorteia-se se ocorrerá ou não a mutação; no caso de
ocorrência, o gene será trocado por outro valor válido aleatório. Este processo
pode ser observado no exemplo na Figura 23 a seguir, onde a solução está
codificada com alfabeto binário.
Indivíduo
Indivíduo resultanteapós da mutação
1 0 0 0 0 1 1 1
11 0 0 0 1 1 1
Bit alterado
Figura 23. Mutação.
A mutação garante a diversidade das características dos indivíduos da
população e permite que sejam introduzidas informações que não estiveram
presentes em nenhum dos indivíduos. Além disto, proporciona uma busca
aleatória (exploration) no AG, oferecendo oportunidade para sair de ótimos locais
e permitindo que mais pontos do espaço de busca sejam avaliados.
Do ponto de vista de otimização, uma das principais vantagens das
técnicas de computação evolutiva é que estas não impõem muitos requisitos
matemáticos sobre o problema a ser otimizado. Só necessitam da avaliação da
função objetivo e, com isso, podem tratar os mais variados tipos de problemas,
sejam eles definidos num espaço discreto, contínuo ou misto, com ou sem
restrições (MICHALEWICZ 1996).
3.2.4. Parâmetros da Evolução
Ao se implementar um sistema que utilize Algoritmos Genéticos existem
uma séries de parâmetros e taxas que devem ser configuradas para o correto
funcionamento do sistema e a convergência ao ótimo global no menor tempo
possível. Os parâmetros que mais influenciam o desempenho do AG são:
Tamanho da População: o tamanho da população afeta o desempenho
global e a eficiência dos AG’s. Uma população muito pequena oferece uma
pequena cobertura do espaço de busca, causando uma queda no desempenho.
50 Otimização Evolucionária de Problemas com Restrição
Uma população suficientemente grande fornece uma melhor cobertura do domínio
do problema e previne a convergência prematura para soluções locais. Entretanto,
com uma grande população tornam-se necessários recursos computacionais
maiores, ou um tempo maior de processamento do problema. Logo, deve-se
buscar um ponto de equilíbrio no que diz respeito ao tamanho escolhido para a
população.
Taxa de Cruzamento: probabilidade de um indivíduo ser recombinado com
outro. Quanto maior for esta taxa, mais rapidamente novas estruturas serão
introduzidas na população. Entretanto, isto pode gerar um efeito indesejável, pois
a maior parte da população será substituída, ocorrendo assim perda de variedade
genética, podendo ocorrer perda de estruturas de alta aptidão e convergência a
uma população com indivíduos extremamente parecidos, indivíduos estes de
solução boa ou não. Com um valor baixo, o algoritmo pode tornar-se muito lento
para oferecer uma resposta aceitável.
Taxa de Mutação: probabilidade do conteúdo de um gene do cromossomo
ser alterado. A taxa de mutação previne que uma dada população fique estagnada
em um valor, além de possibilitar que se chegue a qualquer ponto do espaço de
busca. Porém deve-se evitar uma taxa de mutação muito alta uma vez que pode
tornar a busca essencialmente aleatória, prejudicando fortemente a convergência
para uma solução ótima.
Intervalo de Geração: controla a porcentagem da população que será
substituída durante a próxima geração (substituição total, substituição com
elitismo, substituição dos piores indivíduos da população atual, substituição
parcial da população sem duplicatas). Esse número de indivíduos substituídos
também é conhecido como GAP.
Número de gerações: representa o número total de ciclos de evolução de um
Algoritmo Genético, sendo este um dos critérios de parada do AG. Um número de
gerações muito pequeno causa uma queda no desempenho, pois não consegue
cobrir todo o espaço de busca. Um valor grande faz necessário um tempo maior
de processamento, mas fornece uma melhor cobertura do domínio do problema
evitando a convergência para soluções locais.
Número de rodadas: representa o número total de vezes que um AG será
executado, sendo este um dos critérios de parada do AG. Sendo o AG uma técnica
probabilística, é interessante que se execute mais de uma vez o AG para obter
51 Otimização Evolucionária de Problemas com Restrição
uma melhor solução. Utilizar mais que uma rodada para resolver um problema é
vantajoso, pois uma nova rodada não está presa aos ótimos locais encontrados por
uma rodada anterior. Para um mesmo número de avaliações (mesmo tempo de
processamento) o número de rodadas deve ser pequeno suficiente para permitir
que o algoritmo aproveite (exploitation) a informação genética dos indivíduos da
população e grande o suficiente para que uma nova rodada com novos indivíduos
seja iniciada quando a rodada anterior convergir para um ótimo local e fornece
uma melhor cobertura do domínio.
Taxa de semeadura: representa a porcentagem dos melhores indivíduos de
uma rodada que serão utilizados como semente inicial na rodada seguinte. Uma
taxa de semeadura muito pequena faz com que a rodada seguinte tire pouco
proveito dos resultados obtidos na rodada anterior. Um valor grande faz com que
a rodada corrente não consiga sair do ótimo local que a rodada anterior possa ter
convergido.
3.2.5. Tratamento de Restrições
3.2.5.1.Introdução
Em problemas complexos de otimização, a presença de restrições impostas
ao espaço de busca é praticamente inevitável e o tratamento adequado dispensado
a estas restrições tem influência direta na eficiência do processo de otimização. A
maneira mais trivial de se lidar com restrições é aplicar penalidades às soluções
que violem uma ou mais restrições impostas pelo problema. Entretanto, para a
penalização das soluções inválidas é necessário avaliá-las, o que pode ser
computacionalmente custoso. Outra opção é corrigir o que está tornando a solução
inválida, entretanto nem sempre é possível fazer essa correção de modo direto e
sem prejudicar a evolução de um AG por modificar um indivíduo sem ser pelos
operadores. Uma última opção é remover os indivíduos não válidos e fazer com
que um novo indivíduo seja gerado em seu lugar, no entanto, dependendo da
dificuldade de se gerar um indivíduo válido essa opção pode se tornar altamente
custosa.
52 Otimização Evolucionária de Problemas com Restrição
3.2.5.2.GACOM com Restrições
Com o intuito de evitar avaliações desnecessárias e melhorar a eficiência do
processo de otimização, foi desenvolvida, juntamente ao Laboratório de
Inteligência Computacional Aplicada (ICA) da PUC-Rio, uma técnica de
tratamento de restrições baseado no GENOCOP III (Genetic algorithm Numerical
Optimization for Constrained Problems) (MICHALEWICZ 1996) chamada
GACOM com Restrições. Utilizado em conjunto com o Algoritmo Genético, o
GACOM com Restrições garante a geração apenas de segmentos válidos ao longo
de todo o processo de otimização do segmento associado.
O GACOM com Restrições incorpora duas populações independentes,
uma de busca e uma de referência, onde o desenvolvimento dos indivíduos em
uma população influencia as avaliações dos indivíduos na outra população. A
população inicial de busca é formada por indivíduos aleatórios que satisfazem
apenas as restrições lineares, enquanto a população inicial de referência é formada
por indivíduos válidos, que cumprem todas as restrições, tanto as lineares quanto
as não lineares.
Ao longo das gerações do Algoritmo Genético, a evolução acontece
sempre na população de busca, que no início, conforme mencionado
anteriormente é formada por indivíduos que respeitam apenas as restrições
lineares. No início da execução do Algoritmo Genético, tanto a população de
busca quanto a de referência são simuladas. A partir daí, dado um indivíduo S da
população de busca, para que este se torne válido, é realizada uma seqüência de
cruzamentos aritméticos com um indivíduo R da população de referência, até que
um indivíduo válido Z seja encontrado. Esse indivíduo Z é simulado e, caso o seu
valor de avaliação seja maior que a avaliação do indivíduo R, o indivíduo R é
substituído pelo indivíduo Z. Além disso, a cada operação, existe uma
probabilidade P de o indivíduo S ser substituído pelo indivíduo Z. Caso a
substituição não ocorra, o valor de avaliação do indivíduo Z é atribuído ao
indivíduo S da população de busca. Isto acontece porque, uma vez que o indivíduo
de busca não é avaliado, ao ser utilizado para a obtenção de um indivíduo válido,
é necessário atribuir a ele um valor de avaliação de forma que seja possível
selecioná-lo em gerações futuras do processo de evolução.
53 Otimização Evolucionária de Problemas com Restrição
Devido às substituições que ocorrem nas populações de busca e de
referência, à medida que transcorre o processo evolutivo, a população de
referência ganha diversidade e a população de busca passa a ser povoada por
indivíduos válidos. Assim, a evolução de um algoritmo genético com GACOM
com Restrições tende a ser mais modesta nas primeiras gerações e torna-se mais
atrativa nas gerações posteriores. O número de gerações necessárias, para que se
comece efetivamente a evolução, está diretamente relacionado à facilidade de se
encontrar indivíduos válidos para o problema em questão. O procedimento
completo do GACOM com Restrições está ilustrado no algoritmo da Figura 24 e
graficamente na Figura 25.
Início
P = p; // probabilidade de substituição se válido(S) == falso
Z = aS + (1 - a)R; // a ∈ [0, 1] enquanto válido(Z) == falso
Z = aZ + (1 - a)R; // a ∈ [0, 1] fim enquanto se avaliação(Z) > avaliação(R) R = Z;
fim se
se rand() ≤ P S = Z; // S é substituído por Z com probabilidade P
senão
avaliação_S = avaliação(Z); fim se fim se fim
Figura 24. Procedimento GACOM com Restrições – Construção de
indivíduos válidos.
Figura 25. Procedimento GACOM com Restrições – Representação
gráfica.
54 Otimização Evolucionária de Problemas com Restrição
Tanto os indivíduos da população de busca quanto os indivíduos da
população de referência possuem todos os segmentos do indivíduo, no entanto,
apenas o segmento associado ao tratamento de restrições é modificado na
transformação de S para Z. Do ponto de vista dos outros segmentos a população
que é avaliada é a população de busca. Os outros segmentos que compõem um
indivíduo da população de referência serão utilizados somente durante a
simulação inicial com o objetivo de avaliar o segmento que deve cumprir as
restrições. Esse procedimento é ilustrado na Figura 26.
Figura 26. GACOM com Restrições – Diagrama do procedimento com
múltiplos segmentos
4 Modelo de Otimização da Quantidade, Localização, Tipo e Geometria de Poços de Petróleo incluindo Poços Multilaterais
4.1. Introdução
Diversas pesquisas vêm sendo desenvolvidas com o intuito de se otimizar a
produção de hidrocarbonetos visando melhorar o fator de recuperação (FR) dos
reservatórios e buscando viabilizar comercialmente reservas de hidrocarboneto
menores ou de mais difícil drenagem (TÚPAC 2005), (ALMEIDA 2003),
(NAKAJIMA 2003), (DOLLE 2002), (GUYAGULER 2000a) e (GUYAGULER
2000b). O plano de desenvolvimento de um campo é extremamente complexo. É
necessário se analisar todo o sistema de produção e distribuição, fazer análises
econômicas, previsões de produção e mercado e outras tarefas descritas no
capítulo 2. Todas as etapas do plano de desenvolvimento contribuem para o
retorno do investimento e na decisão de se declarar a comercialidade de um
campo.
Não é possível se trabalhar com todas as etapas do plano de
desenvolvimento simultaneamente. É necessário o conhecimento em diversas
áreas distintas e o número de variáveis é proibitivo para qualquer tentativa. O que
é feito então é uma divisão das etapas do plano de desenvolvimento. Neste
trabalho procura-se otimizar o plano de desenvolvimento manipulando as
variáveis da malha de drenagem e considera-se os outros componentes do plano
de desenvolvimento como constantes ou restrições.
Mesmo focado somente na malha de drenagem, o problema continua muito
complexo e não foi desenvolvido, até o momento, nenhum sistema capaz de
realizar otimizações considerando todos os parâmetros. Esse trabalho também não
se propõe a considerar todas as variáveis existentes e irá se utilizar de
simplificações para conseguir lidar com o problema. Esse trabalho visa a
construção de um modelo que consiga um avanço quanto a capacidade dos
56 Modelo de Otimização
sistemas de otimização de serem aplicados na indústria. Outros trabalhos na área
não são capazes de lidar com algumas variáveis que esse trabalho propõe e se
propõem a lidar com outras variáveis a mais. As principais diferenças entre esse
trabalho e alguns já publicados são: (YETEN 2003) é capaz de lidar com incerteza
geológica e posicionamento quanto ao risco, assim como faz uso de proxies de
reservatórios e poços inteligentes. No entanto, apresenta problemas de
escalabilidade de número de variáveis (número de poços e de células do
reservatório) e tratamento de restrições; (NAKAJIMA 2003) utiliza um número
muito pequeno de simulações, uma vantagem, e considera o cronograma dos
poços. No entanto, não garante a convergência e não trabalha com poços
multilaterais; (EMERICK 2009), (TÚPAC 2005) e (ALMEIDA 2003) não
consideram poços multilaterais e tratam restrições de planejamento por
penalização.
Esse trabalho de pesquisa se propõe a lidar com modelos de reservatórios
reais, sendo capaz de lidar com as restrições existentes e permitir o uso de poços
verticais, horizontais, direcionais e multilaterais, se aproximando mais da
realidade da indústria de petróleo através de uma metodologia de otimização que
visa atender melhor a necessidade dos engenheiros de reservatórios. A busca
desse aperfeiçoamento no modelo de otimização leva a um aumento do custo
computacional, que tenta ser minimizado com o uso de computação paralela.
Assim, esse trabalho visa a criação de um modelo que seja capaz de
otimizar o VPL de alternativas de produção de modo que se possa trabalhar com
reservatórios reais, com centenas de milhares de células heterogêneas e permitir o
maior controle dos parâmetros para adequar a solução proposta às necessidades da
indústria. É esperado que outras funções possam ser incorporadas a este modelo
(como tratamento de incerteza geológica e econômica, consideração de riscos de
perfuração, cronograma de abertura dos poços, controle inteligente das taxas de
injeção e produção de cada setor dos poços e instalações de superfície) em
trabalhos futuros que venham a fazer com que soluções sejam propostas de modo
mais preciso, confiável e completo.
Como descrito em trabalhos anteriores (EMERICK 2009), (TÚPAC 2005),
(YETEN 2003) e (ALMEIDA 2003) a utilização de algoritmos genéticos se
mostra adequada com as necessidades de se otimizar malhas de drenagem. Dentre
as principais características que adéquam o AG para a solução do problema deste
57 Modelo de Otimização
trabalho incluem: a capacidade de lidar com problemas com elevado número de
variáveis, desconhecimento do modelo analítico do problema, facilidade de
incorporação de heurísticas, tratamento de restrições não lineares e possibilidade
de paralelismo de avaliações.
Este trabalho não se dispõe a lidar com incertezas geológicas e/ou
financeiras diretamente. Uma análise do preço do óleo e do gás pode ser
conduzida previamente e os valores mais prováveis encontrados seriam utilizados
como certos para a evolução. Uma vez concluída a evolução, pode-se refazer o
cálculo do VPL e verificar um novo valor considerando as incertezas. Como
característica do AG, mais de uma solução é gerada e pode-se refazer o calculo do
VPL para outras soluções encontradas além da de maior VPL sob certeza
econômica.
O objetivo, do ponto de vista da modelagem, desse trabalho é utilizar uma
representação capaz de tratar as restrições, propiciar a evolução do AG e
minimizar o número de simulações utilizadas.
A estrutura do AG utilizado, com os componentes que serão detalhados nas
seções subseqüentes deste capítulo, está ilustrada na Figura 27.
Os passos do sistema são: geração de duas populações iniciais (busca e
referência), composição da população Z por GACOM com Restrições,
decodificação, simulação, cálculo do VPL, seleção e aplicação dos operadores até
o término das gerações.
58 Modelo de Otimização
Figura 27. Diagrama do modelo evolucionário
4.2. Representação do Cromossomo
O objetivo da modelagem do cromossomo é encontrar uma forma de
representar o sistema real matematicamente. O modelo deve representar o sistema
real da forma mais simplificada possível considerando as necessidades para se
resolver o problema em questão. Os parâmetros para otimização incluem: o
número, os tipos e as configurações dos poços em um reservatório de petróleo. A
avaliação do processo de otimização é baseada na resposta do simulador IMEX,
sendo assim, serão utilizados diretamente no modelo de otimização somente as
informações consideradas pelo simulador.
Como o simulador interpreta o poço como um conjunto de blocos onde um
poço possui contato com o reservatório, o modelo proposto nesse trabalho deve
59 Modelo de Otimização
ser capaz de otimizar, da maneira mais eficiente possível, a posição das
completações dos poços e o tipo de cada poço. A modelagem para otimizar a
posição das completações dos poços não deve ser composta de muitas variáveis,
caso contrário, pode inviabilizar a otimização de todas as variáveis em tempo
hábil.
Inspirado no tratamento à completação dado pelo simulador e com base em
trabalhos passados (EMERICK 2009), (TÚPAC 2005) e (YETEN 2003), todos os
blocos do grid pertencentes à trajetória do poço são modelados como possuindo
contato com os fluidos do reservatório.
Para modelagem da trajetória de um poço é considerada apenas o trecho do
poço dentre do reservatório e onde existe trecho aberto ao fluxo. Mesmo esse
trecho pode desenvolver trajetórias complexas, no entanto, optou-se por modelar a
trajetória como sendo um segmento de reta. Tanto os poços principais como as
laterais são limitados a segmentos de retas com origem no ponto da primeira
completação até o ponto da ultima completação.
Para ser capaz de representar os tipos de poços multilaterais apresentados
anteriormente nesse trabalho é necessário ser capaz de considerar a região curva
entre o poço principal e a porção canhoneada da lateral. Devido aos diferentes
tipos de regiões curvas, o tratamento da curvatura das laterais é feito de modo a
permitir três opções de lateral: que a curvatura seja tal que a lateral seja paralela
ao poço principal (Figura 28 (a)), que a curvatura seja tal que a lateral seja
perpendicular ao poço principal (Figura 28 (b)) e o uso de trajetórias que não
necessitam que haja curvatura e a lateral seja diagonal ao poço principal com o
ponto inicial diretamente sobre o poço principal (Figura 28 (c)). Os trechos curvos
são calculados para permitir maior flexibilidade no posicionamento das laterais,
no entanto, esses trechos não são considerados como canhoneados para a
simulação.
Existem configurações de poços multilaterais em que o poço principal não é
aberto ao reservatório e, como a modelagem utilizada considera todos os pontos
da trajetória entre o primeiro e o último ponto canhoneado como em contato com
o reservatório, é necessário um indicador para classificar o poço principal como
aberto ao fluxo ou não aberto ao fluxo em todos os blocos do poço.
Com essas considerações e o uso de laterais é possível que o sistema
represente um poço curvo, mesmo modelando os poços como um segmento de
60 Modelo de Otimização
reta. Uma lateral selecionada para ser alocada no final do poço principal é
interpretada como parte do poço principal e considera-se apenas a mudança na
trajetória do poço, sem se utilizar do custo de uma junta como ilustrado na Figura
28 (d).
(a) (b) (c) (d)
Figura 28. Poços no grid. (a) Poço com lateral do tipo paralela. (b) Poço
com lateral do tipo perpendicular. (c) Poço com lateral do tipo diagonal. (d)
Poço com lateral formando poço curvo.
Como descrito no capítulo 2, existem restrições para as configurações de
poços que devem ser consideradas pelo modelo para que uma solução proposta
possa auxiliar na elaboração de uma malha de drenagem para exploração de um
reservatório real.
As restrições que serão consideradas neste trabalho são:
• Início de perfuração ou final em um bloco considerado como região
nula;
• Poço sem completação em bloco válido;
• Bloco com duas completações;
• Poço ascendente;
• Comprimento máximo de poço e de lateral;
• Distância mínima entre poços;
• Distância mínima entre laterais de um mesmo poço;
• Lateral com ângulo de saída maior que 90º;
• Ângulo de saída mínimo;
• Região no reservatório onde não se pode perfurar;
• Tipos de poços aceitáveis no reservatório.
Existem outras restrições observadas que não serão utilizadas nesse
trabalho. A restrição de junta de lateral posicionada sobre rocha não própria não
61 Modelo de Otimização
está sendo considerada, pois a posição exata da conexão da lateral no poço
principal não modifica o resultado da simulação, estando a junta posicionada em
local inválido esta pode ser reposicionada em local adequado e manter as zonas
produtoras nos mesmos blocos do grid. As restrições econômicas de valor
máximo a ser investido, valor mínimo a ser investido e custo máximo de
manutenção do projeto por ano não são consideradas diretamente, pois este
trabalho faz um cálculo aproximado do VPL e dos investimentos, pois essas
restrições podem prejudicar bons resultados. As restrições econômicas, embora
não tratadas de forma direta, são tratadas de forma indireta. Uma vez que se limita
o número máximo de poços, o investimento máximo também é limitado, e um
custo fixo de instalações força um investimento mínimo.
É considerado importante que o modelo de evolução das laterais possa ser
aplicado em projetos de expansão ou adensamento de malha de drenagem, sendo
interessante ser capaz de evoluir laterais em poços já perfurados ou modelar uma
possível expansão com laterais durante o projeto. Para isso o sistema deve ser
capaz de evoluir com poços laterais de modo desacoplado à evolução dos poços
principais.
Abaixo estão citados, de forma resumida, todos os parâmetros do plano de
desenvolvimento utilizados ou afetados pelo sistema, com as variáveis que devem
ser incluídas no cromossomo para serem otimizadas e as variáveis não otimizadas.
Variáveis manipuladas (devem ser modeladas nos cromossomos):
• Posição inicial do poço: início no trecho canhoneado;
• Posição final do poço: final do trecho canhoneado;
• Posição de saída da lateral: ponto onde a junta deve ser instalada;
• Posição final da lateral: final do trecho canhoneado da lateral;
• Tipo do poço: se produtor ou injetor;
• Completação do poço: o poço principal é canhoneado ou não;
• Tipo da lateral: lateral é paralela, perpendicular ou diagonal;
• Poço da lateral: indicação de qual poço principal pertence cada
lateral;
• Existência do poço: indica se um poço proposto será utilizado;
• Existência da lateral: indica se uma lateral proposta será utilizada.
Variáveis dependentes (calculadas a partir das variáveis otimizadas):
62 Modelo de Otimização
• Posição inicial da lateral: início do trecho canhoneado da lateral,
calculado a partir da posição final da lateral, ponto da junta e tipo da
lateral;
• Trajetória dos poços: trajetória perfurada a partir da cabeça do poço
até o final do poço, incluindo as laterais, calculada como segmentos
de reta entre o início e o final do poço e entre os pontos iniciais e
finais das laterais;
• Posição da cabeça do poço: posição a partir de onde é calculada a
distância até a plataforma, considerada exatamente acima da posição
inicial do poço;
• Número de poços produtores: número de poços produtores a serem
perfurados, obtido através da contagem de poços do cromossomo
que indicam o tipo como produtor e que possuem a máscara ativa;
• Número de poços injetores: número de poços injetores a serem
perfurados, obtido através da contagem de poços do cromossomo
que indicam o tipo como injetor e que possuem a máscara ativa;
• Tecnologias de poço empregadas: poços verticais, poços direcionais
e poços multilaterais, indicando ainda se a lateral deve ser de poço
aberto (direcional) ou completada (paralela e perpendicular), obtido
pela observação dos poços gerados para a solução;
• Investimento do projeto: custos iniciais, instalações de superfície e
poços. O investimento é calculado com base em valores de custos
informados ao sistema com base na Equação (4.8).
Variáveis de entrada ou constantes:
• Posição da plataforma: posição onde a plataforma se encontra,
utilizada para calculo de distancia aos poços;
• Número máximo de poços e de laterais: quantidade máxima de
poços e laterais que o modelo pode utilizar;
• Raio da perfuração de laterais: raio de curvatura da trajetória
direcional de uma lateral;
• Ângulo mínimo de saída de laterais: menor ângulo, dado o tipo de
junta selecionado, que pode ser construído entre uma lateral e seu
poço principal;
63 Modelo de Otimização
• Controles de operação de poço: taxas de produção e injeção,
pressões a serem mantidas pelos poços e eventos para se fechar um
poço. São consideradas constantes durante todo tempo de produção e
utilizados os mesmos valores para todos os poços;
• Tempo de entrada de atuação dos poços: data na qual os poços
gerados por esse modelo devem entrar em operação. Todos os poços
utilizam a mesma data;
• Raio poço: raio interno do poço, necessário para a simulação.
Utilizado o mesmo raio para todos os poços;
• Custos de instalações de superfície: custo da plataforma e das linhas
de produção. O custo da plataforma é mantido constante,
independente da vazão produzida ou número de poços. O custo das
linhas de produção é dado por metro, seu valor absoluto varia de
acordo com a distância dos poços e a lâmina d’água;
• Preço do óleo e do gás: valor esperado do preço do óleo e do gás
durante o período de produção. Não é possível incluir uma
distribuição de probabilidade, mas o valor pode ser diferente para
cada tempo.
Variáveis de saída (obtidas com o resultado da simulação da resposta do
sistema):
• Óleo recuperado: total de óleo produzido;
• Gás recuperado: total de gás produzido;
• Água injetada: total de água injetada;
• Água produzida: total de água produzida;
• FR: fator de recuperação alcançado;
• Vazão máxima de produção e tempo de produção máxima: momento
de máxima produção de óleo e sua vazão. Como todos os poços são
considerados como abertos ao mesmo tempo, esse indicador pode
não estar de acordo com o que será obtido no reservatório;
• Tempo de duração do empreendimento: tempo no qual todos os
poços produtores são fechados. Como todos os poços são
considerados como abertos ao mesmo tempo, esse indicador pode
não estar de acordo com o que será obtido no reservatório;
64 Modelo de Otimização
• Break Evan (tempo de retorno): tempo no qual o investimento inicial
é recuperado (VPL passa a ser positivo). Como todos os poços são
considerados como abertos ao mesmo tempo, esse indicador pode
não estar de acordo com o que será obtido no reservatório;
• Taxa interna de retorno: indicador de atratividade do projeto. Taxa
de desconto que faz o projeto ter VPL igual a zero.
4.2.1. Representação 1
O primeiro modelo implementado utiliza uma população, onde cada
indivíduo representa os poços principais e suas respectivas laterais. Cada poço
principal é especificado por suas posições, inicial e final, em IJK e cada uma de
suas laterais é descrita por sua posição da junta, como uma porcentagem do
comprimento do poço principal, e sua posição final em IJK como pode ser
observado na Figura 29. O cálculo do ponto da junta da lateral é de acordo com a
Equação (4.1).
Figura 29. Pontos utilizados na representação 1.
( )0
01
100
%*P
cPPPj
rrr
r+
−= (4.1)
Onde :
jPr
é o ponto da junta no poço principal;
1Pr
é o ponto final do poço principal;
0Pr
é o ponto inicial do poço principal;
%c é um valor de 0 a 100;
A estrutura do cromossomo é formada por dois segmentos, um inteiro e um
binário. O cromossomo inteiro possui sete variáveis para cada poço principal e
cinco variáveis por lateral associada a um poço principal. A construção do
primeiro segmento se dá na forma de um poço principal, seguido por m laterais a
ele associada, onde m é o número máximo de laterais por poço, seguido de um
novo poço principal, até n poços principais e sua m-ésima lateral, onde n é o
65 Modelo de Otimização
número máximo de poços. O segundo segmento consiste em uma série de
máscaras. Cada gene representa uma máscara que indica se um poço principal, ou
uma de suas laterais, devem ser perfurados. No caso de um gene zero ser
associado à máscara de um poço, esse poço não irá pertencer à alternativa e o
número de poços para este indivíduo será menor que o número máximo de poços.
O mesmo ocorre com a máscara das laterais. A Figura 30 mostra a estrutura do
cromossomo para esse modelo.
O tratamento das restrições de número máximo de poços é dado pela própria
construção do cromossomo, as demais restrições são tratadas pelo algoritmo do
GACOM com Restrições.
Figura 30. Cromossomo da representação 1.
Essa representação é uma expansão da idéia de otimização de poços sem
laterais utilizada em (EMERICK 2009).
4.2.2. Representação 2
O segundo modelo é semelhante ao primeiro, no entanto, este se utiliza de
duas populações distintas para representar uma solução (POTTER 2000),
(DURHAM 1994). Na primeira população, um indivíduo representa os poços
principais, contendo as posições iniciais e finais em IJK. Na segunda população,
um indivíduo representa as laterais, contendo a posição inicial, como porcentagem
do comprimento do poço principal, e a posição final em IJK. A estrutura do
arranjo dos poços principais e das laterais é semelhante a da representação 1, no
caso, cada população possui dois segmentos, um inteiro e um binário. As laterais
são associadas aos poços de acordo com a sua ordem no cromossomo e a
utilização ou não do poço ou da lateral é dada pela mascara. A Figura 31 ilustra a
estrutura dos cromossomos para esse modelo.
66 Modelo de Otimização
Figura 31. Cromossomo da representação 2.
Na primeira população é utilizado o algoritmo GACOM com Restrições
para tratar as restrições que afetam o poço principal. Para tratar as restrições que
se aplicam às laterais foi estabelecido um critério de montagem do poço principal
com as laterais que consiste em adicionar as laterais uma a uma aos seus
respectivos poços principais. Ao se inserir uma lateral, verifica-se se a solução
permanece válida. Caso afirmativo, a lateral é mantida no poço; caso contrário,
retira-se a lateral do poço como ilustrado no diagrama da Figura 32.
Como pode ser observado, a representação 2 é muito semelhante à
representação 1. A modificação realizada é a transformação de uma única
população em duas.
As vantagens desta representação incluem a possibilidade de se evoluir
separadamente os poços principais e as laterais, diminuindo o número de variáveis
em cada indivíduo, transformando, assim, o problema a ser resolvido em dois
problemas mais simples, que devem ser resolvidos em menos gerações.
67 Modelo de Otimização
Figura 32. Validação de laterais.
As desvantagens desta representação incluem a impossibilidade de se
aplicar o GACOM com Restrições na solução completa e o aumento do número
de simulações por geração. O GACOM com Restrições não pode ser aplicado de
forma completa, pois não é possível se construir uma população de referência
garantidamente válida quando os poços principais e as laterais se modificam
independentemente. Por isso foi utilizada a opção de se corrigir as soluções
inválidas removendo-se a lateral que a torna inválida. Para isso foi adotada uma
ordem de prioridade o que torna as primeiras laterais do cromossomo mais
prováveis de serem válidas do que as laterais do final do cromossomo, atribuindo,
assim, uma prioridade entre os poços principais de receberem laterais e entre as
próprias laterais de um dado poço de serem aplicadas. O uso da co-evolução é
feito simulando toda uma população com o melhor indivíduo da outra população.
68 Modelo de Otimização
Como estão sendo utilizadas duas populações, faz-se o dobro do número de
simulações que um algoritmo com apenas uma população a cada geração.
4.2.3. Representação 3
O terceiro modelo implementado também utiliza duas populações distintas
para representar os poços principais e as laterais. Como no segundo modelo, na
primeira população, o indivíduo representa os poços principais, contendo as
posições iniciais e finais em IJK. Na segunda população, o indivíduo representa as
laterais, com números reais, contendo a posição inicial, como porcentagem do
comprimento do poço principal (ρ), e a posição final, relativa à posição da junta
com as variáveis de distância (ou comprimento L), ângulo de saída em relação ao
poço principal (θ) e ângulo em torno da lateral (φ). A Figura 34 mostra a estrutura
dos cromossomos para esse modelo e a Figura 33 ilustra os pontos utilizados
nessa representação. A associação dos poços principais às laterais e o uso de
máscaras em um segundo segmento são análogos aos da representação 2.
Figura 33. Pontos utilizados na representação 3.
Figura 34. Cromossomo da representação 3.
O tratamento das restrições é conduzido do mesmo modo que na
representação 2. Nesse caso, algumas restrições não poderão ser violadas devido à
representação das laterais considerando o comprimento e o ângulo entre a lateral e
o poço principal, essa representação garante que estes dois valores sempre estarão
dentro dos valores válidos.
69 Modelo de Otimização
A principal variação da representação 3 é o uso de coordenadas relativas ao
poço principal para cálculo do ponto final das laterais. Essa modificação é
vantajosa quando se assume que uma lateral pode estar conectada a qualquer
poço, e se assume também que uma boa configuração de laterais em um poço
pode ser uma configuração boa para outros, por exemplo, uma das formas padrões
apresentadas no capítulo 2. A utilização de uma coordenada fixa para o ponto
final de uma lateral torna a maioria das laterais inválidas quando o poço principal
tem sua posição modificada. Outra vantagem é que a representação adotada
garante a restrição de comprimento máximo e ângulo de saída menor que 90˚,
sendo esses limites utilizados como limites dos genes.
A desvantagem de representar o ponto final de forma relativa é que mesmo
encontrando a posição ótima das laterais de um poço, uma vez que a posição do
poço principal seja modificada, a lateral, que se encontrava na posição ótima,
muda de posição, deixando de estar na posição ótima.
4.2.4. Representação 4
O quarto modelo implementado utiliza uma única população para
representar os poços principais e as laterais. Essa representação utiliza três
segmentos: um inteiro, um real e um binário. O primeiro segmento representa os
poços principais, contendo as posições iniciais e finais em IJK. O segundo
segmento representa as laterais, com números reais, contendo a posição inicial,
como porcentagem do comprimento do poço principal (ρ), e a posição final,
relativa à posição da junta com as variáveis de distância (ou comprimento L),
ângulo de saída em relação ao poço principal (θ), ângulo em torno da lateral (φ), o
tipo da lateral e um índice indicando a qual poço principal a lateral pertence. O
terceiro segmento é composto pelas máscaras dos poços e um indicador se o poço
principal é canhoneado. A Figura 35 mostra a estrutura dos cromossomos para
esse modelo e a Figura 33 ilustra os pontos utilizados nessa representação.
70 Modelo de Otimização
Figura 35. Cromossomo da representação 4.
O diagrama na Figura 36 ilustra a associação de laterais aos poços
utilizando índices. Nesse caso dois valores são utilizados como entrada: o número
máximo de laterais por poço, que é adicionado à lista de restrições tratadas pelo
algoritmo descrito na Figura 36, e um número máximo total de laterais (k), que é
utilizado para determinar o tamanho do segundo segmento. Essa combinação de
variáveis pode diminuir significativamente o tamanho do cromossomo, já que o
número máximo de laterais deixa de ser a multiplicação do número máximo de
laterais por poço pelo número máximo de poços, e passa ser um valor estipulado
pelo usuário (k), fazendo com que sejam necessários menos que n vezes m laterais
para descrever uma solução que seja capaz de representar um poço com m laterais.
Quando se utiliza a associação das laterais aos poços pela ordem do
cromossomo utiliza-se uma máscara indicando se a lateral deveria ser associada
ao poço. Nesse caso tanto o poço que possui a lateral como a mascara da lateral
são expressos pelo índice, o índice para um poço existente representa a associação
da lateral a esse poço, o índice a um poço inexistente representa a não associação
dessa lateral a nenhum poço. Como ocorre com a lateral em azul na Figura 36 que
está com índice 3, onde existem apenas dois poços principais, sendo, assim,
descartada.
71 Modelo de Otimização
Figura 36. Tratamento de número de laterais por índice.
O tratamento das restrições é conduzido do mesmo modo que na
representação 3.
A principal diferença entre esta representação (representação 4) e a
representação 3 é o uso de apenas uma população por essa representação. Como
as duas populações da representação 3 estão separadas em segmentos diferentes,
nesta representação estes continuam possuindo um certo grau de dissociação,
embora suas avaliações sejam a mesma. Para manter a liberdade entre os poços e
as laterais e diminuir o número de genes de um indivíduo, o método de associação
de laterais foi modificado.
72 Modelo de Otimização
A principal vantagem dessa representação é não estar sujeita a um problema
de Equilíbrio de Nash (NASH 1950) detectado nas representações com co-
evolução. Aplicando a coevolução ao problema de otimização de poços
multilaterais, como modelado na representação 2 e 3, caso a população de laterais
encontre a configuração ótima para uma dada configuração de poços principais e,
dado essa configuração ótima de laterais, a configuração de poços principais atual
seja a ótima, nenhuma das populações seria capaz de evoluir a partir desse ponto,
independente do uso de mutação ou qualquer outro operador genético. Como a
representação 4 utiliza uma única população, é possível modificar os poços
principais e as laterais simultaneamente, além de se simular todas as
configurações, não somente o melhor poço principal ou a melhor configuração de
laterais.
4.3.Geração da População Inicial
A geração da população inicial de um Algoritmo Genético é fundamental
para a eficiência do processo de otimização. Uma boa população inicial é aquela
formada por indivíduos com boa avaliação e com ampla diversidade genética.
Partindo-se de uma população inicial de indivíduos mais promissores, há uma
chance maior de se encontrar soluções melhores em um período de tempo mais
curto. Porém, nem sempre é fácil obter indivíduos aleatórios válidos para compor
uma população inicial de indivíduos, o que é característico dos problemas tratados
por este trabalho. Dependendo da complexidade do modelo de reservatório, cuja
malha de drenagem se pretende otimizar, a obtenção de uma configuração de
poços (alternativa) válida é uma tarefa extremamente difícil, devido às restrições
impostas pelo problema.
Devido à técnica de tratamento de restrições utilizada, o GACOM com
Restrições, é necessário criar duas populações, uma respeitando todas as restrições
do problema (população de referência) e outra respeitando pelo menos as
restrições de domínio (população de busca). Cada população é composta de a
alternativas com p poços cada. Dentre as a alternativas que compõem a população
inicial de referência, uma ou mais podem ser informadas pelo usuário, são as
chamadas sementes iniciais. As sementes iniciais são uma forma de incorporar o
conhecimento de especialistas no processo de otimização. Um especialista pode
sugerir algumas configurações de poços sabidamente promissoras e estas
73 Modelo de Otimização
colaboram para conduzir o processo de evolução do Algoritmo Genético na busca
de alternativas ainda melhores e em menos tempo, como constatado em
(EMERICK 2009).
Como mencionado anteriormente, uma população inicial com alternativas
promissoras tende a melhorar o desempenho e a eficiência do algoritmo. Para se
obter a diversidade da população, sempre são incorporados indivíduos aleatórios,
independentemente de ter sido ou não informada alguma semente inicial. Para a
criação de um poço aleatório, que tenha maior probabilidade de ser um poço
válido, é criada uma lista de blocos válidos da malha do reservatório considerando
todas as restrições do problema. Desta lista é selecionado um bloco para ser o
ponto inicial do poço e o ponto final é determinado pelo sorteio aleatório de três
valores, um ângulo em relação ao plano XY θ, um fator normalizado indicando a
profundidade z, que juntos determinam a direção do poço no espaço da malha e o
terceiro valor corresponde ao comprimento l, como ilustrado na Figura 37.
Figura 37. Variáveis sorteadas no poço principal
Para a criação da população inicial de busca utiliza-se o método descrito
acima para gerar os poços com maior probabilidade de serem válidos. Na
população de referência, para que uma alternativa seja gerada aleatoriamente e
ainda seja válida, tenta-se por n vezes (onde n é o número máximo de tentativas)
criar um poço válido que possa ser adicionado à alternativa, de modo que esta
permaneça válida. Esse procedimento é repetido até que sejam adicionados p
poços à alternativa ou até que o limite de n tentativas seja alcançado. Caso não se
consiga adicionar p poços à alternativa, em n tentativas, removem-se os poços já
adicionados e se reinicia o processo por até n vezes.
No caso de modelos muito restritos, pode-se não conseguir gerar uma
alternativa com p poços. Assim, reduz-se, de um em um, o número de poços a
serem gerados aleatoriamente pelo procedimento acima. Os poços que não são
gerados pelo procedimento acima são gerados como poços pontuais, onde um
74 Modelo de Otimização
poço pontual é aquele cujos valores de I, J e K iniciais são iguais aos I, J e K
finais, e este é interpretado como um poço vertical no centro do bloco. Essa
abordagem se mostrou funcional ao conseguir encontrar indivíduos válidos para
todos os modelos testados. Existe um balanço entre buscar poços da maneira mais
rápida possível e buscar poços com melhor informação genética possível. Por esse
motivo, tenta-se evitar a criação de poços pontuais, mais rápidos de serem criados,
porém, com menos informação genética para a otimização. Os algoritmos
ilustrados na Figura 38 e na Figura 39 apresentam as funções utilizadas para a
construção da população inicial de um problema de otimização tratado pelo
GACOM com Restrições.
Figura 38. Criação de poço válido
função gerar_indivíduo_aleatório_referência() início para (número de poços = p) até (número de poços = 0) enquanto (tentativas para alternativa válida < n) enquanto (tentativas para poço válido < n e
número de poços da alternativa < número de
poços)
gerar um poço aleatório
adicionar o poço à alternativa
se (alternativa não é válida)
retirar o poço da alternativa
fim se
75 Modelo de Otimização
incrementar de 1 o número de tentativas para poço
válido
fim enquanto enquanto(número de poços < n e número de poços da
alternativa < p)
gerar um poço pontual
adicionar o poço pontual à alternativa
se (alternativa não é valida)
retirar poço pontual
fim se
incrementar de 1 o número de tentativas para poço
válido
fim enquanto se (número de poços da alternativa == p) retorna alternativa fim se
incrementar de 1 o número de tentativas para alternativa
válida
fim enquanto fim para retorna não encontrado
fim
Figura 39. Geração de alternativa válida
Este método de criação de população inicial é aplicado no segmento que
utiliza o GACOM com Restrições, no entanto, os outros segmentos devem ser
gerados duas vezes para preencher as populações de busca e de referência. A
geração dos dois segmentos restantes (laterais e máscaras) é feita aleatoriamente,
pois o método de tratamento de restrições aplicado a esses segmentos não exige
que todos seus componentes gerados sejam válidos.
Os segmentos de laterais e máscaras criados para a população de referência
são utilizados apenas uma vez por rodada do algoritmo genético, durante a
primeira simulação da população de referência. Após esse momento o GACOM
com Restrições não utiliza mais esses segmentos, os indivíduos criados a partir da
combinação da população de busca com a população de referência carregam o
segundo e o terceiro segmento da população de busca, sem causar modificações a
eles, descartando esses segmentos do indivíduo da referência.
Os poços principais da população de busca são criados utilizando o método
de criação de poços válidos, mas, sem removê-los caso tornem a alternativa
inválida. Isso é feito para aumentar a velocidade de evolução do algoritmo, com a
criação de poços próximos aos poços válidos as modificações no indivíduo para
torná-lo válido são menores, fazendo com que as características dos indivíduos de
busca possuam maior relação com a avaliação obtida.
76 Modelo de Otimização
Para o tratamento de restrições de tecnologias aplicadas à solução (por
exemplo, não utilizar tecnologia direcional ou multilateral) ou de proporção entre
o número de poços produtores e injetores, a população inicial deve ser criada
respeitando essas restrições. Por exemplo, para geração de poços somente
horizontais ou somente verticais faz-se o z fixo em zero ou em um durante a
geração do poço aleatório. Caso se tentasse tratar essas restrições simplesmente
rejeitando os poços inválidos, isso tornaria computacionalmente inviável a tarefa
de encontrar alternativas válidas para os reservatórios mais restritos.
4.4.Operadores Genéticos
Os operadores genéticos utilizados nesse trabalho são baseados em
operações com números reais, inteiros e binários. Abaixo são descritos as
operações utilizadas, os objetivos de cada operação e quando podem ou não ser
aplicadas. Essas operações ocorrem somente na população de busca, onde não é
necessário que o resultado de uma operação seja válido, no entanto, é
recomendado manter os indivíduos com suas características as mais válidas
possíveis, para melhor desempenho da evolução.
Uma característica utilizada nesse trabalho é a aplicação de operadores no
fenótipo do indivíduo ao invés de se operar o genótipo. O genótipo é o valor
numérico associado a cada variável (gene) de um indivíduo, e modificações
nesses valores numéricos causarão modificações nas propriedades do poço. O
fenótipo é a interpretação dos genes para formar um poço, uma modificação nas
características do poço acarreta na modificação de uma ou mais variáveis do
cromossomo.
As coordenadas I, J, e K do ponto inicial e final dos poços principais estão
sendo consideradas como os genes do cromossomo, genótipo. É interessante se
utilizar de operações que não sejam limitadas a modificações diretas nas
coordenadas dos pontos iniciais e finais dos poços principais. Foi considerado um
espaço de variáveis diferentes para representar um poço principal que utilize
características físicas do poço ao invés de somente coordenadas geométricas,
fenótipo. O fenótipo de um poço seria constituído da sua posição inicial em
coordenadas de reservatório X, Y e Z, e não em sua coordenada no grid I, J e K, e
de três outros parâmetros indicando sua posição final: o comprimento do poço (l),
o ângulo da sua projeção no plano XY a partir do eixo X (θ) e um fator
77 Modelo de Otimização
normalizado de verticalidade (z), que seria o deslocamento do poço no eixo Z
divididos pelo comprimento do poço. A equação (4.2) descreve a transformação
do genótipo de um poço principal em seu fenótipo.
−
−=
−=
−=
−
ixfx
iyfy
izfz
if
PP
PP
l
PPz
PPl
1tanθ
rr
(4.2)
Onde:
iPr
representa um vetor das coordenadas do ponto inicial do poço em X, Y,
Z;
fPr
representa um vetor das coordenadas do ponto final do poço em X, Y,
Z.
As representações criadas possuem um setor do cromossomo dedicado para
os poços principais, um setor dedicado para as laterais e um setor dedicado para as
máscaras. De acordo com a representação, os poços principais podem estar na
mesma população que as laterais ou em populações distintas, mas para as
representações 2, 3 e 4 cada um possuí seu segmento. Os operadores são aplicados
por segmentos, de forma independente, operações em um segmento não
consideram os outros segmentos de um indivíduo nem os modifica.
Para o segmento de poços principais foram estabelecidos os seguintes
operadores:
Cruzamento de um ponto: consiste em selecionar dois elementos da
população do Algoritmo Genético, determinar um ponto de corte para os dois e
efetuar a troca da informação genética dos dois elementos a partir deste ponto.
Uma vez que o segmento que define os poços principais não deve ser cortado no
meio de uma definição de poço, os pontos de corte foram definidos de forma que
este corte ocorra sempre após o gene que define o tipo do poço, conforme
ilustrado na Figura 40.
78 Modelo de Otimização
Figura 40. Cruzamento de um ponto.
Cruzamento de dois pontos: é semelhante ao cruzamento de um ponto e
respeita os pontos de corte, no entanto, são determinados dois pontos e a troca de
genes ocorre somente entre esses dois pontos, como ilustrado na Figura 41.
Figura 41. Cruzamento de dois pontos.
Cruzamento aritmético: consiste na escolha de dois elementos da população
do Algoritmo Genético sobre os quais se aplica uma média ponderada através de
um fator de ponderação [ ]1,0∈λ , conforme ilustra a Equação(4.3).
( )( ) 122
211
1
1
xxx
xxx
λλ
λλ
−+=′
−+=′
(4.3)
Onde:
xi é o valor dos genes para o genitor i.
xi‘ é o valor dos genes para o descendente i.
Dado que os cromossomos ix contêm valores de tipo inteiro, o resultado da
operação de média ponderada é arredondado para o inteiro mais próximo. Uma
característica desse operador é que ele atua sobre o cromossomo inteiro, isto é,
sobre todos os poços das duas alternativas escolhidas, porém o tipo do poço não é
modificado.
Cruzamento do ponto inicial: de forma semelhante ao cruzamento de um
ponto, consiste em determinar um ponto de corte e efetuar a troca da informação
79 Modelo de Otimização
genética a partir deste ponto. Nesse caso a troca dos genes é feita apenas na parte
do cromossomo que representa a posição inicial do poço e a posição dos pontos
finais é recalculada de modo a manter o fenótipo do ponto final.
Na Figura 42 (a), tem-se o resultado de um dos descendentes do cruzamento
de ponto inicial onde o ponto final é recalculado, operação por fenótipo. Na
Figura 42 (b), tem-se o resultado de um dos descendentes do cruzamento de ponto
inicial onde o ponto final não é recalculado, operação por genótipo.
Na Figura 42 os poços de um genitor estão representados em azul e os poços
do outro genitor estão representados em vermelho. Pode-se observar que os poços
resultantes em amarelo, operação por fenótipo, mantém as características de um
dos poços genitores e assume a posição inicial do outro poço genitor. Analisando
os poços verdes, resultantes de operação por genótipo, observa-se que estes não
representam uma solução com informações intermediárias entre os genitores.
Como o princípio de um cruzamento é combinar dois indivíduos de boa avaliação
com o objetivo de se gerar descendentes com as características positivas de ambos
os genitores e com maior aptidão, justifica-se, nesse caso, o uso do fenótipo para
operações genéticas. Outra vantagem é a menor probabilidade de se gerar
indivíduos inválidos, como pode ser observado abaixo, um dos poços verdes pode
estar violando a restrição de comprimento máximo de poço.
(a) (b)
Figura 42. Cruzamento de ponto inicial por fenótipo (a) e por genótipo
(b)
80 Modelo de Otimização
Cruzamento do ponto final: de forma semelhante ao cruzamento de ponto
inicial, consiste em determinar um ponto de corte para dois indivíduos
selecionados e efetuar a troca da informação genética, dos fenótipos, dos pontos
finais.
Cruzamento aritmético do ponto inicial: consiste em determinar um ponto
de corte para dois indivíduos selecionados e efetuar uma média ponderada da
informação genética dos pontos iniciais dos dois elementos, a partir deste ponto.
Recalcula-se a posição dos pontos finais mantendo o fenótipo.
Cruzamento aritmético do ponto final: consiste em determinar um ponto de
corte para dois indivíduos selecionados e efetuar uma média ponderada da
informação genética, dos fenótipos, dos pontos finais dos dois elementos a partir
deste ponto.
Mutação de tipo de poço: consiste na seleção de um único indivíduo e a
modificação dos genes correspondentes ao tipo do poço.
Mutação de comprimento: consiste na seleção de um único indivíduo e a
modificação dos genes referentes aos pontos finais dos poços principais
modificando somente o fenótipo de comprimento.
Mutação uniforme: consiste na seleção de um único indivíduo e a
modificação de um ou mais valores de seu fenótipo, sem modificar o tipo de poço.
A Figura 43 ilustra a diferença entre se fazer uma mutação utilizando o
fenótipo, Figura 43 (a), e genótipo, Figura 43 (b). Ao sortear um ou mais valores
aleatórios para variáveis de um poço tem-se por objetivo incluir nova informação
genética à população, isso não significa criar um indivíduo completamente
diferente do seu genitor. Os indivíduos mais aptos possuem maior probabilidade
de serem selecionados para a aplicação de operadores, caso a mutação modifique
demasiadamente um indivíduo, este pode não representar mais uma boa solução e
a nova informação genética, que deveria ser incorporada à população, será
descartada. O uso de fenótipo para a mutação minimiza a mudança da solução,
como observado nos poços amarelos, enquanto incorporam nova informação
genética à população. Outro motivo para se utilizar operadores de mutação
baseados no fenótipo é a grande probabilidade de se gerar indivíduos inválidos
por comprimento máximo, ao se modificar uma coordenada para um valor
distante ao da outra extremidade do poço, como podem ser observados nos poços
em verde, Figura 43 (b).
81 Modelo de Otimização
(a) (b)
Figura 43. Mutação uniforme por fenótipo (a) e por genótipo (b)
Para o segmento de laterais foram estabelecidos os seguintes operadores:
Cruzamento aritmético para laterais: consiste na escolha de dois elementos
da população do Algoritmo Genético sobre os quais se aplica uma média
ponderada através de um fator de ponderação de acordo com a Equação (4.3),
sem modificar o gene indicativo de poço (no caso da representação 4).
Cruzamento de um ponto para laterais: consiste em selecionar dois
elementos da população do Algoritmo Genético, determinar um ponto de corte
para os dois e efetuar a troca da informação genética dos dois elementos a partir
deste ponto. Uma vez que os trechos que definem uma lateral não devem ser
cortados, os pontos de corte foram definidos de forma que este corte ocorra
sempre entre as laterais.
Mutação uniforme para laterais: consiste na seleção de um único indivíduo
e a modificação de um ou mais genes para um valor aleatório dentro dos limites
de cada gene.
Mutação controlada para laterais: consiste na seleção de um único
indivíduo e a modificação de um ou mais genes para um valor próximo ao valor
atual do gene. A operação consiste em somar ou subtrair 10% do valor máximo do
gene ao seu valor atual.
Mutação de comprimento para laterais: consiste na seleção de um único
indivíduo e a modificação dos genes referentes aos comprimentos.
82 Modelo de Otimização
Mutação de poços para laterais: aplicado somente na representação 4,
consiste na seleção de um único indivíduo e a modificação dos genes referentes
aos índices de poço das laterais, modificando a qual poço a lateral pertence ou se
esta não deve ser utilizada.
Para o segmento das máscaras dos poços e das laterais (quando existente)
foram estabelecidos os seguintes operadores:
Cruzamento de um ponto: consiste em selecionar dois elementos da
população do Algoritmo Genético, determinar um ponto de corte para os dois e
efetuar a troca da informação genética dos dois elementos a partir deste ponto.
Esse cruzamento não possui pontos de corte determinados.
Mutação uniforme: consiste na seleção de um único indivíduo e a
modificação dos genes aleatoriamente.
Para o algoritmo do GACOM com Restrições um indivíduo da população de
busca é combinado com um indivíduo da população de referência gerando um
indivíduo válido para se poder avaliar o indivíduo da população de busca. Essa
combinação é obtida aplicando-se um operador de cruzamento aritmético. No
entanto, combinar diretamente esses indivíduos pode não ser a melhor maneira de
se gerar o indivíduo válido. Isso porque esse indivíduo deve ser capaz de
representar a aptidão do indivíduo da população de busca e, caso esse novo
indivíduo válido seja muito diferente do indivíduo inicial, sua aptidão pode não
representar corretamente a aptidão do indivíduo da população de busca.
A técnica empregada para a combinação dos indivíduos de busca e de
referência consiste em agrupar os poços que estejam mais próximos e, assim,
fazer o cruzamento aritmético. A Figura 44 (a) mostra quais poços seriam
combinados utilizando a técnica de agrupamento e a Figura 44 (b) ilustra os poços
que seriam combinados sem o agrupamento, onde as linhas azuis representam os
poços do primeiro segmento da população de busca e as linhas vermelhas
representam os poços principais do indivíduo da população de referência.
83 Modelo de Otimização
(a) (b)
Figura 44. Cruzamento entre população de busca e referência por
fenótipo (a) e por genótipo (b).
Uma vez agrupados os poços são combinados utilizando o operador de
cruzamento aritmético descrito para os poços principais acima.
4.5.Função de Avaliação
A função de avaliação é a função pela qual os indivíduos serão avaliados. A
avaliação de um indivíduo atribui a este um valor de aptidão, e essa aptidão é o
objetivo pelo qual o algoritmo genético evolui a população. No caso de desejar
otimizar mais de um parâmetro, problema multi-objetivo, deve-se combinar os
parâmetros em um único valor quantitativo.
A função de avaliação utilizada para otimização neste trabalho é multi-
objetivo. Os objetivos que serão considerados para otimizar o plano de
desenvolvimento atuando na malha de drenagem incluem: a maximização da
receita por óleo produzido e gás produzido, a minimização das despesas com
poços, despesas com liners, despesas com injeção de água, despesas com
tratamento de água produzida e o desconto dessas receitas e despesas no tempo.
Para formulação de uma função que possa comparar a aptidão dos
indivíduos de uma população e considere todos os objetivos citados, é utilizada
uma aproximação do VPL. Um cálculo de VPL simplificado é uma forma de se
ponderar as variáveis de interesse de modo que a aptidão de um indivíduo seja sua
atratividade comercial. No entanto, caso exista alguma prioridade com relação aos
84 Modelo de Otimização
objetivos desejados pode-se modificar os pesos das ponderações e fazer com que
o algoritmo otimize uma propriedade que não seja a pura eficiência econômica.
A função de avaliação pode incluir um custo maior na perfuração de poços
direcionais caso se deseje penalizar essas configurações, ou pode-se super valorar
o preço do óleo e favorecer as soluções com maior produção. Este trabalho
utilizará além da maximização de VPL, como função de avaliação, a maximização
da quantidade de óleo produzida descontada no tempo.
Para o cálculo do VPL simplificado e para o cálculo do óleo produzido
descontado no tempo é necessário se obter as curvas de produção dos indivíduos
avaliados. Para se gerar as curvas de produção é necessário se simular o indivíduo
em forma de alternativa de produção utilizando um simulador de reservatórios.
Sendo assim deve-se ser capaz de transformar um indivíduo em um sistema de
dados interpretável pelo simulador e recuperar as curvas de produção resultantes.
O processo de avaliação consiste em transformar um indivíduo em uma
alternativa de produção, garantir a validez dessa alternativa, simular a alternativa
e, em seguida, calcular o valor da avaliação.
4.5.1.Decodificação e Validação do Cromossomo
A decodificação do indivíduo consiste em interpretar os segmentos do
cromossomo e obter a alternativa de produção que é representada pelo indivíduo.
As técnicas de representação de cromossomo utilizadas neste trabalho requerem
que durante a decodificação a alternativa seja validada, ou seja, as restrições do
problema modificam a alternativa durante a sua decodificação. Decodificar um
indivíduo para uma alternativa consiste em determinar os pontos do início e
término das zonas canhoneadas de todos os poços em coordenadas do grid (IJK)
ou em coordenadas do reservatório (XYZ).
O segmento dos poços principais é sempre válido em todas as
representações, pois é utilizado o método GACOM com Restrições nesse
segmento. A decodificação desse segmento é direta, pois cada gene representa
uma coordenada em IJK da posição inicial e final do poço principal. A
interpretação dos poços principais é conduzida de modo que apenas os poços
principais cujas máscaras associadas estejam ativadas são adicionados à
alternativa, a máscara de canhoneamento e o tipo são lidos e as propriedades são
aplicadas ao poço.
85 Modelo de Otimização
A decodificação das laterais das representações 1 e 2, é feita de modo que o
ponto final da lateral é obtido diretamente pelos genes que representam suas
coordenadas em IJK e a posição da junta da lateral é dada pela Equação (4.1) em
função do gene que contém o valor da porcentagem. A máscara de lateral é
utilizada para determinar se a lateral será inserida no poço principal ou não. O tipo
da lateral é lido e, em função dos pontos já decodificados, é calculada a posição
do início da lateral. Uma vez determinado todos os pontos da lateral é necessário,
mesmo que inserida a lateral, que a alternativa continue válida; caso contrário, a
lateral é removida.
A decodificação das laterais da representação 3 é conduzida inicialmente
identificando quais laterais devem ser atribuídas aos poços. As laterais cujas
máscaras associadas estejam indicando a não construção da lateral, não são
associadas aos poços.
A decodificação das laterais da representação 4 é conduzida inicialmente
identificando-se a qual poço a lateral pertence através do gene que indica o índice
do poço; caso o índice seja maior que o número de poços, a lateral não está
associada a nenhum poço e não será construída.
Para as representações 3 e 4, como próximo passo, se obtém a posição da
junta pela Equação (4.4) utilizando o gene que representa ρ. O ponto final da
lateral é obtido interpretando os valores dos genes de comprimento (l), ângulo a
partir do poço principal (θ) e ângulo em torno do poço (φ) (Figura 45) através da
Equação (4.5). Com base no gene que representa o tipo da lateral determina-se seu
tipo de acordo com a Tabela 2. Com base nos pontos calculados e o tipo da lateral
calcula-se a posição inicial da lateral (Li) através da Equação (4.6). Uma vez
estabelecidos todos os pontos, testa-se a alternativa. Na representação 4 inclui-se a
esse teste uma verificação do número máximo de laterais por poço.
86 Modelo de Otimização
Figura 45. Decodificação de poços multilaterais
( ) 001 * PPPPj
rrrr+−= ρ (4.4)
Onde:
Pr
é um vetor no formato (x, y, z) representando um ponto no reservatório;
jPr
é o ponto de instalação da junta para a saída da lateral no poço
principal;
0Pr
é o ponto inicial do poço principal;
1Pr
é o ponto final do poço principal;
ρ é o fator que indica a posição da junta;
( ) jpwf PlsenPPPrrrr
++= *)()cos( θθ (4.5)
Onde:
jPr
é o ponto de instalação da junta para a saída da lateral no poço
principal;
wPr
é um vetor unitário na direção do poço principal;
pPr
é um vetor unitário perpendicular ao poço principal com ângulo φ ;
l é o comprimento da lateral;
θ é o ângulo entre o poço principal e o ponto final da lateral;
87 Modelo de Otimização
( )[ ]
( )[ ]
++−
++→=
→=
+
+++−→−=
=
)cos(*)(*)(*)tan(
)(**1
0
)cos(**
)cos(*)(*)cos(*)tan(1
ααθα
θ
θ
ααθα
rsenrrsenlP
PsenlPTse
PTse
PlP
rsenrrlPTse
P
w
jp
j
jw
p
i
r
rr
r
rr
r
r (4.6)
Onde:
iPr
é o ponto onde se inicia a zona produtora da lateral;
jPr
é o ponto de instalação da junta para a saída da lateral no poço
principal;
wPr
é um vetor unitário na direção do poço principal;
pPr
é um vetor unitário perpendicular ao poço principal com ângulo φ;
l é o comprimento da lateral;
θ é o ângulo entre o poço principal e o ponto final da lateral;
r é o raio de curvatura de perfuração das laterais;
α é ângulo mínimo de saída;
T é o tipo da lateral;
Índice T Descrição do Tipo de Lateral -1 ≤ T < -0,5 Lateral perpendicular ao poço principal -0,5 ≤ T < 0,5 Lateral direcional
0,5 ≤ T ≤ 1 Lateral paralela ao poço principal
Tabela 2. Interpretação dos Tipos de Lateral.
Um exemplo de um indivíduo com um poço e uma lateral com a
representação 4 e sua decodificação pode ser observado na Figura 46.
88 Modelo de Otimização
Figura 46. Decodificação de um cromossomo
4.5.2.Geração das Curvas de Produção
As curvas de produção são obtidas como saída da simulação de uma
alternativa. Para se obter as curva de produção é necessário adicionar os poços da
alternativa ao modelo de reservatório, simular o modelo de reservatório e extrair
as variáveis de interesse do resultado da simulação.
O modelo de reservatório é escrito na forma de um arquivo principal, com
extensão .dat, e de arquivos secundários, normalmente com extensão .inc. A
composição desses arquivos descreve completamente o modelo do reservatório
que será submetido ao processo de otimização.
Para simular as alternativas é criado um arquivo secundário (.inc) contendo
as informações dos poços de uma alternativa. Este arquivo descreve os poços de
89 Modelo de Otimização
acordo com a sintaxe do simulador IMEX, cada poço contém um cabeçalho com o
seu nome, tipo, os controles de produção e os parâmetros físicos. Após o
cabeçalho são representados todos os blocos do grid percorridos pelo poço e a
ordem em que o poço passa nos blocos. Por fim, é descrito o ponto de entrada e de
saída em cada bloco.
Para representar as laterais dos poços foi utilizado o cartão FLOWTO e
FLOWFROM indicando o ponto em que a lateral é conectada ao poço principal.
Para determinar corretamente e de forma precisa as trajetórias direcionais é
utilizado o cartão LAYERXYZ, fazendo com que o simulador calcule
corretamente a produção de um poço por bloco considerando a trajetória do poço
em seu interior (CMG 2008).
A Figura 47 apresenta uma alternativa e o código que a descreve. São
identificados os valores das variáveis e das constantes.
Figura 47. Codificação de poços no formato IMEX
Uma vez simulado, o simulador retorna arquivos com diversas informações
sobre o reservatório durante o período simulado. Para obter as tabelas das
variáveis utilizadas neste sistema é utilizado outro programa do mesmo fabricante
(CMG) chamado Results Report. Esse programa recebe um arquivo de entrada
apontando para o arquivo que contem o resultado da simulação do reservatório e
as variáveis para comporem a tabela de resultados.
90 Modelo de Otimização
As variáveis de interesse de acordo com a modelagem utilizadas são a taxa
de produção de óleo, a taxa de produção de gás, a taxa de produção de água e a
taxa de injeção de água a cada intervalo de simulação.
A simulação de uma alternativa, de acordo com o processo descrito acima, é
independente da simulação das demais alternativas de uma mesma população.
Sendo assim, é possível distribuir as simulações de modo que estas sejam
realizadas em paralelo. Com o uso de clusters, é possível simular uma grande
quantidade de alternativas simultaneamente, diminuindo o tempo necessário para
a evolução. As simulações foram distribuídas por um sistema de distribuição
desenvolvido na PUC-Rio chamado StarWeb, que permite distribuir as simulações
de reservatório e a criação das tabelas de resultados, para diversos computadores
da rede.
4.5.3.Cálculo da Função de Avaliação
A função de avaliação, ou função objetivo, é responsável por fornecer o
valor da avaliação de cada solução proposta pelo Algoritmo Genético. O valor de
avaliação de uma solução, ou seja, de uma alternativa de poços, é dado pelo seu
Valor Presente Líquido (VPL). O VPL é calculado a partir do perfil de produção
da alternativa, que por sua vez é gerado por um simulador de reservatório e por
parâmetros econômicos informados ao modelo. A Figura 48 ilustra os parâmetros
de reservatório envolvidos no cálculo do VPL.
Figura 48. Diagrama de pontos para cálculo do VPL
O Valor Presente Líquido é calculado a partir da diferença do valor
presente do projeto e do seu custo de desenvolvimento, conforme a Equação(4.7).
91 Modelo de Otimização
DVPVPL −= (4.7)
Onde:
VP representa o valor presente dos fluxos de caixa do projeto;
D representa o custo de desenvolvimento do projeto.
O valor dos custos de desenvolvimento D é calculado como a soma do custo
fixo de perfuração dos poços, do custo de perfuração por metro dos
poços(comprimento descrito entre o início e o final do poço incluindo o
comprimento das laterais), do custo de instalação de junta de lateral, do custo das
linhas de produção e o do custo da plataforma; como mostra a Equação (4.8).
ppii
plplplpl
plplplpl
plplplpl
ilililil
ilililil
ilililil
pspspsps
pspspsps
pspspsps
isisisis
isisisis
isisisis
lslsb
nlal
nlal
nlal
cmna
cmna
cmna
cmna
cmna
cmna
cmna
cmna
cmna
cmna
cmna
cmna
D **
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
33
22
11
3333
2222
1111
3333
2222
1111
3333
2222
1111
3333
2222
1111
+++
+
+
+
∗+
+∗+
+∗+
+∗+
+∗+
+∗+
+∗+
+∗+
+∗+
+∗+
+∗+
+∗+
=
∆∆∆∆
∆∆∆∆
∆∆∆∆
∆∆∆∆
∆∆∆∆
∆∆∆∆
∆∆∆∆
∆∆∆∆
∆∆∆∆
∆∆∆∆
∆∆∆∆
∆∆∆∆
θθθθ
θθθθ
θθθθ
θθθθ
θθθθ
θθθθ
θθθθ
θθθθ
θθθθ
θθθθ
θθθθ
θθθθ
(4.8)
Onde:
ais∆θn é o custo fixo de perfuração de poço injetor que não possui laterais e
com inclinação no intervalo ∆θn, onde n ∈ {1, 2, 3};
aps∆θn é o custo fixo de perfuração de poço produtor que não possui laterais
e com inclinação no intervalo ∆θn, onde n ∈ {1, 2, 3};
ail∆θn é o custo fixo de perfuração de poço injetor que possui laterais e com
inclinação no intervalo ∆θn, onde n ∈ {1, 2, 3};
apl∆θn é o custo fixo de perfuração de poço produtor que possui laterais e
com inclinação no intervalo ∆θn, onde n ∈ {1, 2, 3};
nis∆θn é o número de poços injetores que não possuem laterais e com
inclinação no intervalo ∆θn, onde n ∈ {1, 2, 3};
nps∆θn é o número de poços produtores que não possuem laterais e com
inclinação no intervalo ∆θn, onde n ∈ {1, 2, 3};
92 Modelo de Otimização
nil∆θn é o número de poços injetores que possuem laterais e com inclinação
no intervalo ∆θn, onde n ∈ {1, 2, 3};
npl∆θn é o número de poços produtores que possuem laterais e com
inclinação no intervalo ∆θn, onde n ∈ {1, 2, 3};
mis∆θn é o custo de perfuração por metro de poço injetor que não possui
laterais e com inclinação no intervalo ∆θ n, onde n ∈ {1, 2, 3};
mps∆θn é o custo de perfuração por metro de poço produtor que não possui
laterais e com inclinação no intervalo ∆θ n, onde n ∈ {1, 2, 3};
mil∆θn é o custo de perfuração por metro de poço injetor que possui laterais
e com inclinação no intervalo ∆θ n, onde n ∈ {1, 2, 3};
mpl∆θn é o custo de perfuração por metro de poço produtor que possui
laterais e com inclinação no intervalo ∆θ n, onde n ∈ {1, 2, 3};
cis∆θ1 é a soma dos comprimentos dos poços injetores que não possuem
laterais e com inclinação no intervalo ∆θ n, onde n ∈ {1, 2, 3};
cps∆θ1 é a soma dos comprimentos dos poços produtores que não possuem
laterais e com inclinação no intervalo ∆θ n, onde n ∈ {1, 2, 3};
cil∆θ1 é a soma dos comprimentos dos poços injetores que possuem laterais
e das laterais que tenham inclinação no intervalo ∆θ n, onde n ∈ {1, 2, 3};
cpl∆θ1 é a soma dos comprimentos dos poços produtores que possuem
laterais e das laterais que tenham inclinação no intervalo ∆θ n, onde n ∈ {1, 2, 3};
∆θ1 é o intervalo [ 0º, 30º];
∆θ2 é o intervalo (30º, 60º];
∆θ3 é o intervalo (60º, 90º];
aln é o custo fixo por lateral do tipo n, onde n ∈ {1, 2, 3};
nln é o número de laterais do tipo n, onde n ∈ {1, 2, 3};
l1 é a lateral perpendicular ao poço principal;
l2 é a lateral aberta com ângulo fixo a partir do poço principal;
l3 é a lateral paralela ao poço principal;
b é o custo da plataforma;
si é a soma das distâncias dos poços injetores à plataforma;
sp é a soma das distâncias dos poços produtores à plataforma;
li é o custo de linha para poços injetores por quilômetro;
93 Modelo de Otimização
lp é o custo de linha para poços produtores por quilômetro;
O valor da distância entre os poços e a plataforma (s) é calculado de modo
que a cabeça do poço é considerada imediatamente acima do ponto inicial do poço
principal e a trajetória é assumida linear até a posição imediatamente abaixo da
plataforma e vertical até a superfície, de acordo com a Figura 48. A fórmula do
comprimento total das linhas de produção é expressa na Equação(4.9).
( ) ( )∑=
+−+−=
pn
jypyjxpxj dccccs
1
22 (4.9)
Onde:
d é o comprimento da lâmina d’água;
cnj é a coordenada n da cabeça do poço j n ∈ {x, y};
cnp é a coordenada n da plataforma n ∈ {x, y};
np é o número de poços;
O Valor Presente do projeto representa um valor dado hoje para os custos e
receitas previstos para o projeto. Assim, o Valor Presente do projeto é composto
pela diferença entre o Valor Presente da Receita ( RVP ) e o Valor Presente do
Custo de Operação ( CopVP ), na qual é aplicada a alíquota de imposto I de
aproximadamente 34%. O Valor Presente é, assim, dado pela Equação(4.10).
( ) ( )IVPVPVP CopR −∗−= 1
(4.10)
Onde:
VPR é o valor presente da receita;
VPCop é o valor presente do custo operacional;
I é a alíquota de impostos;
O valor Presente da receita é calculado trazendo o valor das receitas no
tempo para valor presente, conforme a Equação(4.11).
( )( ) ( )( )∑
= +=
T
ttdR
tma
tRVP
1365/1
(4.11)
Onde:
R(t) é a receita no tempo t;
tma é a taxa mínima de atratividade;
d(t) é o número de dias decorridos até o tempo t;
T é o tempo total de produção;
A receita no tempo t é calculada como a taxa de produção de óleo vezes o
preço do óleo no tempo t mais a taxa de produção de gás vezes o preço do gás no
94 Modelo de Otimização
tempo t multiplicado pela duração do intervalo, que é dado pela diferença entre o
tempo atual e o tempo anterior, conforme a Equação(4.12).
( ) ( ) ( )( ) ( ) ( )( )[ ] ( ) ( )( )129,6 −−∗∗+∗∗= tdtdtptqtptqtR ggoo (4.12)
Onde:
po(t) é o preço de venda do óleo no tempo t em US$/bbl;
pg(t) é o preço de venda do gás no tempo t em US$/1000m3;
qo é a vazão de produção de óleo em m3/d;
qg é a vazão de produção de gás em 1000m3/d;
d(t) é o número de dias decorridos até o tempo t;
O valor presente do custo operacional é calculado trazendo para valor
presente as despesas de custo operacional conforme a Equação(4.13).
( )( ) ( )( ) f
tma
tCopVP
T
ttdCop +
+=∑
=1365/1
(4.13)
Onde:
Cop(t) é o custo operacional no tempo t;
tma é a taxa mínima de atratividade;
d(t) é o número de dias decorridos até o tempo t;
f representa custos fixos do projeto;
O custo operacional no tempo t é calculado pela soma do custo de
manutenção anual por poço, custos de manutenção diários, custos de produção e
tratamento de óleo e gás, custo de tratamento de água produzida, custo de
tratamento de água injetada e despesas com royalties sobre a produção, conforme
Equação(4.14).
( )( ) ( )( ) ( ) ( ) ( )( ) ( )tRRtdtd
vnm
tqcitqcp
tqcptqcp
tCop y
p
winjwgg
wwoo
∗+−−∗
+∗
+∗+∗
+∗+∗
= 1
365/
(4.14)
Onde:
m é o custo de manutenção por poço por ano;
v são os custos variáveis de produção de hidrocarbonetos (US$/dia);
cpo é o custo de produção de óleo (US$/m3);
cpw é o custo de produção de água (US$/m3);
cpg é o custo de produção do gás (US$/1000m3);
ciw é o custo de injeção de água (US$/m3);
qo é a vazão de produção de óleo (m3/d);
95 Modelo de Otimização
qw é a vazão de produção de água (m3/d);
qg é a vazão de produção de gás (1000m3/d);
qwinj é a vazão de injeção de água (m3/d);
Ry é taxa de royalties;
R(t) é a receita no tempo t;
4.6.Considerações de Implementação
Todos os códigos utilizados para este trabalho foram desenvolvidos na
linguagem C# e no MS Framework .net 2.0. Os sistemas auxiliares utilizados
foram: o simulador IMEX e gerador de tabelas Results Report da CMG, onde a
comunicação entre o programa desenvolvido e esses aplicativos é feita por
arquivo de texto e chamada de processo por linha de comando; a biblioteca de
algoritmos genéticos GACOM, desenvolvida pela PUC-Rio, onde a interface é
feita internamente por criação de classes e chamada de métodos; e o sistema de
distribuição de tarefas StarWeb, desenvolvido pela PUC-Rio, onde a comunicação
e a configuração das tarefas são feitos através de arquivos XML e a chamada é
através de chamada de método por referência web do MS Framework .net 2.0. A
base de manipulação de modelos de reservatório, gerência de arquivos e
armazenamento de variáveis foi extraída do sistema de otimização de malha de
drenagem OCTOPUS (EMERICK 2009), desenvolvido pela PUC-Rio.
A seguir, serão apresentados os resultados alcançados pelo sistema descrito
neste capítulo. Foram criados modelos sintéticos de reservatório para testar as
representações propostas e um teste com um modelo real foi conduzido com a
melhor representação.
5 Estudo de Casos
5.1. Definição dos Reservatórios
Para os estudos de casos realizados nesse trabalho foram utilizados
reservatórios utilizados em trabalhos anteriores além de novos reservatórios
criados especificamente para testar a capacidade deste algoritmo evoluir.
Inicialmente, foi criado um modelo de reservatório onde a configuração de
poços e laterais ótima é conhecida. O modelo desse reservatório se encontra no
apêndice A como Reservatório 1. O Reservatório 1 é um modelo com 2700 blocos
e baixa permeabilidade. O reservatório possui óleo somente em uma pequena
área, essa área tem a forma de um poço horizontal com duas laterais
perpendiculares. A Figura 49 apresenta a vista superior da segunda camada do
Reservatório 1 onde em vermelho está a região com saturação de óleo de 0,95 e
em verde a região onde a saturação de óleo é 0,01. A solução ótima para esse
modelo é um poço principal ao longo da direção J e duas laterais, uma em cada
lado do poço principal ao longo da direção I.
As propriedades desse modelo estão apresentadas na Tabela 3 abaixo.
Propriedade Valor Dimensões 30 I x 30 J x 3 K
Número de poços principais 1 Número de laterais esperadas 2
Espaço de busca em IJK 1016
Direção do poço principal desejado J
Tabela 3. Propriedades do Reservatório1.
97 Estudo de Casos
Figura 49. Saturação de óleo na segunda camada do Reservatório 1.
Outro reservatório criado para os estudos de casos é o Reservatório 2, cujo
modelo se encontra disponível no apêndice A. O Reservatório 2 consiste em um
reservatório onde o ótimo também é conhecido, com o óleo concentrado em uma
região horizontal do reservatório. A Figura 50 ilustra a vista superior da saturação
de óleo no reservatório, onde o azul possui uma saturação de 0,01, o amarelo de
0,6 e o vermelho de 0,95. O ótimo, nesse reservatório, se dá na forma de poço
horizontal sem laterais na região de saturação 0,95 de óleo.
As propriedades desse modelo estão apresentadas na Tabela 4 abaixo.
Propriedade Valor Dimensões 30 I x 30 J x 1 K Número de poços principais 1 Número de laterais esperadas 0 Espaço de busca em IJK 107
Direção do poço principal desejado I
Tabela 4. Propriedades do Reservatório 2.
O terceiro reservatório criado é uma ampliação do Reservatório 2. O
Reservatório 3, cujas características também se encontram no apêndice A,
adiciona uma região com óleo próxima a existente, dando espaço para que o novo
poço ótimo seja um poço horizontal com uma lateral perpendicular. A Figura 51
ilustra uma vista superior do reservatório.
98 Estudo de Casos
Figura 50. Saturação de óleo do Reservatório 2.
Figura 51 Saturação de óleo do Reservatório 3.
As propriedades desse modelo estão apresentadas na Tabela 5 abaixo.
99 Estudo de Casos
Propriedade Valor Dimensões 30 I x 30 J x 1 K Número de poços principais 1 Número de laterais esperadas 1 Espaço de busca em IJK 1011
Direção do poço principal desejado I
Tabela 5. Propriedades do Reservatório 3.
Outro reservatório criado para os estudos de casos é o Reservatório 4, cujo
modelo também se encontra disponível no apêndice. O Reservatório 4 consiste em
um reservatório com ótimo também conhecido, onde o óleo está concentrado em
uma região vertical do reservatório. A Figura 52 ilustra a vista superior (igual para
todas as camadas) da saturação de óleo no reservatório, onde o azul possui uma
saturação de 0,01, o verde de 0,3 e o vermelho de 0,95. O ótimo, nesse
reservatório, se dá na forma de poço vertical sem laterais na região de saturação
0,95 de óleo que percorre todas as camadas do reservatório.
Figura 52. Saturação de óleo do Reservatório 4.
As propriedades desse modelo estão apresentadas na Tabela 6 abaixo.
100 Estudo de Casos
Propriedade Valor Dimensões 30 I x 30 J x 3 K Número de poços principais 1 Número de laterais esperadas 0 Espaço de busca em IJK 107
Direção do poço principal desejado K
Tabela 6. Propriedades do Reservatório 4.
O quinto reservatório criado é uma ampliação do Reservatório 4. O
Reservatório 5, que também possui suas características descritas no apêndice A,
adiciona uma região com óleo próxima a existente, dando espaço para que o novo
poço ótimo seja um poço vertical com uma lateral perpendicular. A Figura 53
ilustra uma vista frontal do reservatório com um corte na posição onde existe a
concentração de óleo.
Figura 53. Saturação de óleo do Reservatório 5.
As propriedades desse modelo estão apresentadas na Tabela 7 abaixo.
Propriedade Valor Dimensões 30 I x 30 J x 3 K Número de poços principais 1 Número de laterais esperadas 1 Espaço de busca em IJK 1011
Direção do poço principal desejado K
Tabela 7. Propriedades do Reservatório 5.
101 Estudo de Casos
O Reservatório 6 é um reservatório heterogêneo semi-sintético com
características próximas a um reservatório real. O Reservatório 6 possuí um
aqüífero que mantêm a pressão do reservatório e reduz a necessidade de injetores.
Outra característica é a presença de falhas que não permitem a passagem de
fluidos. A Figura 54 apresenta o mapa de porosidade do Reservatório 6. A malha
de drenagem ótima para esse reservatório é desconhecida, sendo possível apenas a
comparação dos resultados aqui encontrados com alternativas propostas por outras
técnicas.
Figura 54. Modelo em 3D do mapa de porosidade do Reservatório 6
As propriedades desse modelo estão apresentadas na Tabela 8 abaixo.
Propriedade Valor Dimensões 33 I x 57 J x 3 K Número de poços principais 10 Número de laterais esperadas 16 Espaço de busca em IJK 10151
Espaço de busca total 10184 Direção do poço principal desejado Desconhecida
Tabela 8. Propriedade do reservatório 6.
Por fim, é utilizado o Reservatório 7, um modelo real marítimo da Bacia de
Campos utilizado no trabalho (EMERICK 2009). Esse reservatório possui um
elevado número de regiões nulas, além de pontos com restrições de volume
poroso e espessura do bloco. Esse reservatório já possui dois poços perfurados,
um injetor (I1) e um produtor (P1), que serão considerados pelo simulador e não
102 Estudo de Casos
podem ser alterados pelo algoritmo. A Figura 55 apresenta uma vista superior da
primeira camada do Reservatório 7.
Figura 55. Vista superior da primeira camada do Reservatório 7.
As propriedades desse modelo estão apresentadas na Tabela 9 abaixo.
Propriedade Valor Dimensões 83 I x 45 J x 23 K Número de Blocos Ativos 31.486 Número de poços principais 13 Número de laterais esperadas 20 Espaço de busca em IJK 10247
Espaço de busca considerando apenas os blocos ativos
10227
Espaço de busca total considerando apenas os blocos ativos
10271
Direção do poço principal desejado Desconhecida
Tabela 9. Propriedades do reservatório 7.
5.2. Testes Realizados
5.2.1. Comparativo Entre Representações
Foi conduzido um teste utilizando os quatro modelos de representação de
cromossomo propostos. Para testar as representações foi utilizado o Reservatório
1. Os quatro modelos de AG’s foram adaptados para não utilizar os genes de tipo
de poço nem as máscaras, limitando o teste ao posicionamento do poço principal e
suas laterais. Foram conduzidas cinco otimizações com cada modelo onde o
103 Estudo de Casos
objetivo é analisar a capacidade dos algoritmos de encontrarem a posição dos
poços principais e das laterais que cubra toda zona produtora. As evoluções
utilizaram como função de avaliação a produção de óleo descontada no tempo,
desconsiderando-se os custos de poços, investimentos e custos de produção. Os
resultados foram classificados de acordo com a quantidade de zonas encontradas.
A Figura 56 indica a nomenclatura das zonas 1, 2 e 3. A classificação é feita do
seguinte modo: zona encontrada (poço possui mais de um bloco perfurado na
zona) e zona otimizada (todos os blocos da zona foram perfurados). Com isso,
foram preenchidas as tabelas Tabela 10 e Tabela 11 abaixo.
Figura 56. Zonas produtoras.
A tabela 10 possui a quantidade de vezes que uma dada representação
encontrou uma zona ou otimizou uma zona.
Zona 1
encontrada Zona 1
otimizada Zona 2
encontrada Zona 2
otimizada Zona 3
encontrada Zona 3
otimizada Representação
1 3 2 2 2 4 3
Representação 2
5 2 2 0 5 5
Representação 3
4 3 4 0 5 5
Representação 4
4 4 3 2 5 5
Tabela 10. Resultados da comparação entre representações.
A tabela 11 possui o resumo percentual de quantas vezes as zonas foram
encontradas e otimizadas por cada representação, além de mostrar o percentual de
vezes em que o ótimo foi encontrado, e o percentual do VPL médio encontrado
por cada representação com relação ao VPL ótimo.
104 Estudo de Casos
Zonas encontradas Zonas otimizadas Ótimo VPL normalizado Representação 1 60% 47% 0% 75% Representação 2 80% 47% 0% 83% Representação 3 87% 53% 0% 86% Representação 4 80% 73% 20% 91%
Tabela 11. Resultados gerais da comparação entre representações
Os parâmetros utilizados nas evoluções estão descritos na Tabela 12.
Parâmetro Valor Número de poços 1
Número de laterais 2 Número de indivíduos 100 Número de gerações 120
Número de simulações 6200 Comprimento máximo de poço 1000m Controle de poço produtor STL 2000 Controle de poço produtor BHP 60
Controle de poço produtor WCUT 0.99
Tabela 12. Parâmetros das evoluções do Reservatório 1.
Com base nos resultados obtidos com os testes das diferentes representações
propostas no Reservatório 1 pode-se perceber que todas as representações são
capazes de identificar as zonas produtoras e otimizar ao menos uma zona
produtora. Os resultados apresentados foram encontrados em cerca de 6500
simulações, lembrando que o espaço de busca é da ordem de 1016, um número
maior de simulações tende a gerar resultados melhores. A capacidade de cada
representação de otimizar as zonas produtoras se mostrou diferente. A
Representação 1, que consiste em todos os genes de posição em um único
segmento, foi a representação que mostrou maiores problemas para localizar as
zonas produtoras, localizando apenas uma ou duas zonas em cada solução. A
Representação 2, que divide os genes que representam a posição do poço dos
genes que representam a posição da lateral em duas populações distintas, levou a
um aumento da capacidade do algoritmo de encontrar as zonas produtoras,
embora ainda não seja capaz de otimizá-las eficientemente. A aplicação de
coordenadas relativas nos genes que representam as laterais caracteriza a
Representação 3. Com base nos resultados observados nas tabelas acima essa
representação foi a com capacidade de encontrar as zonas produtoras, no entanto,
continua apresentando certa dificuldade para otimizá-las, mesmo fazendo-o de
modo mais eficientemente que as representações anteriores. A Representação 4
utiliza apenas uma população com os genes de poços principais em segmento
105 Estudo de Casos
separado dos genes das laterais e as laterais são representadas de forma relativa,
assim como na Representação 3. Essa representação foi a que mostrou maior
eficiência, obtendo maior VPL. Essa representação, também, é a com a maior
capacidade de otimizar as zonas produtoras encontradas.
5.2.2. Validação da Representação Selecionada
A representação selecionada para conduzir os demais estudos de caso é a
Representação 4. Esta representação foi testada com os reservatórios 2, 3, 4 e 5
com o objetivo de se verificar sua capacidade de otimizar configurações simples.
A capacidade de encontrar a posição do poço principal foi testada e em seguida,
foi testada a capacidade de se encontrar a posição do poço principal e de uma
lateral. Para esse teste foram utilizadas todas as variáveis, fazendo com que o
algoritmo evolua não somente a posição do poços como também o tipo do poço, o
tipo da lateral, o índice de associação da lateral ao poço e se o poço principal
deveria ser aberto ao fluxo ou não. Somente o número de poços principais foi
fixado em 1, não utilizando a variável de máscara de poço.
Foram conduzidas dez otimizações para cada reservatório, além de mais
uma série de dez otimizações para teste de tamanho da população. Como o
número de variáveis é maior quando se busca a posição dos poços principais e das
laterais, o tamanho da população para esses testes também deve ser maior.
As evoluções utilizaram como função de avaliação a produção de óleo
descontada no tempo, desconsiderando-se os custos de poços, investimentos e
custos de produção.
Os parâmetros utilizados para as evoluções estão descritos na Tabela 13.
Parâmetro Valor Número de poços 1
Número de gerações 40 Número de rodadas 4
Comprimento máximo de poço 1000m Controle de poço produtor STL 2000 Controle de poço produtor BHP 60
Controle de poço produtor WCUT 0.99 Taxa de cruzamento variando de 0,5 até 0,25
Taxa de mutação variando de 0,07 até 0,2 Taxa steady state 0,5
Tabela 13. Parâmetros gerais para os reservatórios 2, 3, 4 e 5
106 Estudo de Casos
Reservatório 2
Para o reservatório 2 foram utilizados, além dos valores da Tabela 13, os
valores da Tabela 14.
Parâmetro Valor Número de laterais 0
Número de indivíduos 50 Número de simulações 3201
Tempo médio de simulação 0,73s Tempo médio de otimização 32min
Tabela 14. Parâmetros da otimização do reservatório 2.
Os valores médios obtidos como resultado para o reservatório 2 estão
exibidos na Tabela 15.
Resultado Valor Ótimos alcançados 50%
FR normalizado médio 87% Avaliação normalizada média 87%
Tabela 15. Resultados do reservatório 2.
O gráfico que representa uma evolução que alcançou o ótimo é apresentado
na Figura 57, onde cada ponto simboliza uma avaliação do AG. Uma linha
contínua é utilizada para demonstrar o valor ótimo encontrado até o momento.
Figura 57. Evolução da melhor rodada com o reservatório 2
Reservatório 3
O reservatório 3 foi utilizado para o teste de tamanho da população, onde
foram utilizados além dos valores da Tabela 13, os valores da Tabela 16.
Os valores médios obtidos como resultado para o reservatório 3 com os dois
tamanhos de população estão exibidos na Tabela 17.
107 Estudo de Casos
Parâmetro Valor para 75 indivíduos Valor para 100 indivíduos Número de laterais (k) 2 2
Número máximo de laterais por poço
1 1
Número de indivíduos 75 100 Número de simulações 4747 6405
Tempo médio de simulação 0,72s 0,75s Tempo médio de otimização 45min 1h e 1min
Tabela 16. Parâmetros da otimização do reservatório 3.
Resultado Valor para 75 indivíduos Valor para 100 indivíduos Ótimos alcançados 10% 10%
FR normalizado médio 91% 91% Avaliação normalizada média 83% 85%
Tabela 17. Resultados do reservatório 3
O gráfico que representa uma evolução que alcançou o ótimo em cada
configuração de população é apresentado na Figura 58, onde cada ponto vermelho
simboliza uma avaliação do AG com 75 indivíduos na população e cada ponto
azul simboliza uma avaliação do AG com 100 indivíduos. Uma linha contínua é
utilizada para demonstrar o valor ótimo encontrado até o momento.
Figura 58. Evolução das melhores rodadas com o reservatório 3
Os indivíduos resultantes das evoluções apresentadas na Figura 58 se
encontram na Figura 59 abaixo com sua decodificação no reservatório.
108 Estudo de Casos
Figura 59. Cromossomos ótimos das melhores rodadas do Reservatório
3
Reservatório 4
Para o reservatório 4 foram utilizados, além dos valores da Tabela 13, os
valores da Tabela 18.
Parâmetro Valor Número de laterais 0
Número de indivíduos 50 Número de simulações 3086
Tempo médio de simulação 1,17s Tempo médio de otimização 1h e 22min
Tabela 18. Parâmetros da otimização do reservatório 4
Os valores médios obtidos como resultado para o reservatório 4 estão
exibidos na Tabela 19.
Resultado Valor Ótimos alcançados 60%
FR normalizado médio 87% Avaliação normalizada média 88%
Tabela 19. Resultados do reservatório 4
109 Estudo de Casos
O gráfico que representa uma evolução que alcançou o ótimo é apresentado
na Figura 60, onde cada ponto simboliza uma avaliação do AG. Uma linha
contínua é utilizada para demonstrar o valor ótimo encontrado até o momento.
Figura 60. Evolução da melhor rodada com o reservatório 4
Reservatório 5
Para o reservatório 5 foram utilizados além dos valores da Tabela 13 os
valores da Tabela 20. Buscando encontrar resultados com poços verticais, foi
aplicada uma penalização em forma de maior custo (custo diferente de zero) para
poços com inclinação maior de trinta graus.
Parâmetro Valor Número de laterais 2
Número máximo de laterais por poço 1 Número de indivíduos 100 Número de simulações 6398
Tempo médio de simulação 1,13s Tempo médio de otimização 1h e 44min
Tabela 20. Parâmetros da otimização do reservatório 5
Os valores médios obtidos como resultado para o reservatório 5 estão
exibidos na Tabela 21.
Resultado Valor Ótimos alcançados 80%
FR normalizado médio 98% Avaliação normalizada média 99%
Tabela 21. Resultados do reservatório 5
110 Estudo de Casos
O gráfico que representa uma evolução que alcançou o ótimo é apresentado
na Figura 61, onde cada ponto simboliza uma avaliação do AG. Uma linha
contínua é utilizada para demonstrar o valor ótimo encontrado até o momento.
Figura 61. Evolução da melhor rodada com o reservatório 5
O indivíduo resultante da evolução apresentada na Figura 61 se encontra na
Figura 62 abaixo com sua decodificação no reservatório.
Figura 62. Cromossomo ótimo da melhor rodada do Reservatório 5
Considerações gerais
Dentre os resultados obtidos, um dos mais importantes é a porcentagem de
ótimos encontrados. Esse valor representa o número de rodadas do AG em que o
resultado encontrado representa um poço que possua completação em todos os
blocos com alta concentração de óleo (em vermelho) e sem nenhuma completação
nos demais blocos. Esse indicador demonstra a capacidade do AG desenvolvido
111 Estudo de Casos
neste trabalho de encontrar a configuração ótima de poços para cada um desses
modelos.
Como pode ser observado comparando os resultados obtidos para
porcentagem de ótimos encontrados, com o mesmo tamanho de população, a
dificuldade de se encontrar o ótimo aumenta com o número de blocos
pertencentes à configuração ótima de poço. Considerando o tamanho dos espaços
de busca, pode-se dizer que o sistema é capaz de encontrar o ótimo para os
reservatórios 2, 4 e 5 com os parâmetros de otimização utilizados. O resultado de
10% (uma em dez) demonstra grande dificuldade para o algoritmo obter a
configuração ótima para o Reservatório 3, embora esse ótimo tenha sido obtido
tanto quando utilizando uma população com 75 indivíduos quanto com 100
indivíduos.
Como não se mostrou possível alcançar o ótimo global dos problemas em
todas as otimizações, outras grandezas são utilizadas para medir a eficiência da
otimização. Para isso foram utilizados os indicadores de fator de FR e fator VPL.
O fator de FR é a medida do FR (recuperação acumulada de óleo divididos
pelo volume de óleo no reservatório) obtido por uma alternativa divididos pelo FR
obtido pela alternativa ótima para o reservatório sendo testado.
Os valores médios obtidos para os quatro reservatórios acima foram maiores
que 85%. O valor de FR médio obtido para cada reservatório simboliza o valor
esperado ao se conduzir uma otimização com o AG proposto neste trabalho para o
reservatório em questão. Isso significa que o modelo de otimização com AG
proposto neste trabalho é capaz de propor alternativas que podem ou não ser
ótimas para os reservatórios 2, 3, 4 e 5 e que o valor esperado do fator de
recuperação de óleo para esses reservatório é maior que 85% do FR máximo para
cada um deles.
O fator de VPL é semelhante ao fator de FR, onde a diferença é que o VPL
considera quando o óleo foi recuperado, valorizando produzir mais óleo em um
futuro próximo do que em um futuro distante.
Os valores médios obtidos nos quatro reservatórios acima também se
mostram satisfatórios, indicando que o sistema é capaz de propor alternativas que
geram bons retornos financeiros tendendo ao retorno máximo do reservatório.
O motivo pelo qual não é possível se buscar todas as combinações de
variáveis possíveis para se obter as configurações de poços ótimas é o tempo de
112 Estudo de Casos
simulação necessário para tal. Quanto mais tempo se tenha para resolver o
problema de alocação de poços por AG melhor deve ser o resultado. O tempo de
simulação apresentado acima é o tempo de processamento médio necessário para
cada simulação do reservatório. O uso de paralelismo pode reduzir esses tempos.
Um maior tempo de simulação resulta em um maior tempo para a otimização.
Comparando os resultados acima, pode-se perceber que o tempo de simulação
aumenta com o aumento do número de blocos no reservatório.
Quando se pretende otimizar um reservatório, estima-se um tempo que se
está disposto a esperar pela solução e, com base no tempo de simulação, estima-se
o número de simulações a serem conduzidas. Com um número de simulações
estipulado determina-se o tamanho da população e número de gerações, onde um
maior tamanho de população propicia a exploração e um maior número de
gerações propicia e explotação.
Para a otimização dos reservatórios 3 e 5 foi utilizado um número maior de
simulações, isso porque o problema a ser resolvido é mais complexo e possui
mais variáveis. Optou-se por aumentar o tamanho da população para aumentar a
probabilidade de se encontrar as duas zonas produtoras em cada reservatório.
Pode ser observado o aumento no número de simulações e no tempo de
otimização nas tabelas: Tabela 14 e Tabela 16, de forma quase linear.
Analisando o gráfico da Figura 58, pode-se observar que a curva em azul,
que representa uma evolução com 75 indivíduos na população, alcança o ótimo
em menos simulações que a linha vermelha, que representa uma evolução com
100 indivíduos na população. No entanto, o fator de VPL médio encontrado para a
evolução com 100 indivíduos é dois pontos percentuais maior que o da evolução
com 75 indivíduos, indicando que os resultados não ótimos obtidos pelas
evoluções com 100 indivíduos foram melhores que os obtidos pelas evoluções
com 75 indivíduos. Isso se dá pela maior facilidade de um AG com mais
indivíduos de não convergir para mínimos locais. No caso do Reservatório 3, 60%
das soluções encontradas utilizando 75 indivíduos possuíam o poço principal
sobre o segmento mais curto de óleo (onde está alocada a lateral na Figura 59) o
que é um ótimo local, enquanto apenas 20% das soluções encontradas utilizando
100 indivíduos convergiram para essa configuração.
Uma observação sobre os resultados obtidos durante esses experimentos é o
surgimento de linhas nos gráficos de evolução, mais acentuadas nas figuras:
113 Estudo de Casos
Figura 58 (em 0,86) e Figura 61 (em 0,6). Essas linhas simbolizam ótimos locais
onde vários indivíduos tendem atingir ao longo da evolução. E esses ótimos locais
estão ilustrados na Figura 63 e Figura 64 respectivamente.
Figura 63. Ótimo local durante a evolução do Reservatório 3
Figura 64. Ótimo local durante a evolução do Reservatório 5
Durante a análise dos resultados foi observado que durante a evolução da
Figura 61, realizada no reservatório 5, o indivíduo ilustrado na Figura 65 foi
encontrado como melhor indivíduo da população. Caso se estivesse utilizando a
co-evolução, esta não seria capaz de encontrar o ótimo para este problema, pois
não seria possível “inverter” a posição do poço principal com a lateral. Para isso é
necessário se modificar o gene indicativo da posição inicial em I e o gene
indicativo de ângulo da lateral em torno do poço principal φ simultaneamente.
Nessa evolução, essa modificação foi encontrada e foi dada continuidade a
evolução.
Figura 65. Melhor indivíduo da geração 13 da evolução do Reservatório
5
114 Estudo de Casos
5.2.3. Testes com Modelo Heterogêneo
Comparativo da evolução com e sem laterais
Um reservatório heterogêneo sem ótimo conhecido, chamado de
Reservatório 6, foi utilizado para prosseguir os testes com o modelo quatro de
representação do cromossomo. Foram executadas 10 otimizações utilizando
laterais e 10 sem utilizar laterais. Os parâmetros utilizados nessas otimizações se
encontram descritos na Tabela 22. O número de simulações utilizadas para os dois
casos foi o mesmo, embora o número de genes a serem otimizados seja diferente.
Parâmetro Valor para sem laterais Valor para com laterais Número de laterais 0 16
Número máximo de laterais por poço
0 4
Número máximo de poços 10 10 Número de genes 90 186
Número de indivíduos 100 100 Número de gerações 40 40 Número de rodadas 3 3
Número de simulações 6409 6410 Tempo médio de simulação 12,4s 11,9s Tempo médio de otimização 23h 22min 24h 17min
Comprimento máximo de poço 1000m 1000m Controle de poço produtor STL 3000 3000 Controle de poço produtor BHP 55 55
Controle de poço produtor WCUT
0.99 0.99
Controle de poço injetor STW 3000 3000 Controle de poço injetor BHP 450 450
Taxa de cruzamento variando de 0,5 até 0,25 variando de 0,5 até 0,25 Taxa de mutação variando de 0,07 até 0,2 variando de 0,07 até 0,2 Taxa steady state 0,5 0,5
Tabela 22. Parâmetros de teste com e sem laterais no Reservatório 6.
Os resultados obtidos pela média das dez otimizações de cada configuração
estão expressos na Tabela 23.
Resultado Sem Laterais Com Laterais Número de Poços 7,5 7,1
Óleo acumulado médio 19754620 m³ 20071140 m³ Gás acumulado médio 227672900 m³ 231267600 m³
Água acumulada média 39084940 m³ 40778590 m³ FR médio 38,9% 39,6%
VPL médio US$1.339.285.634,00 US$1.312.776.235,00
Coeficiente de variação σx 0,042 0,041
Tabela 23. Resultados de teste com e sem laterais no Reservatório 6.
O Reservatório 6 não possui as características descritas no capítulo 2 deste
trabalho como os motivos pelo qual se justificaria o uso de multilaterais, além de
115 Estudo de Casos
ser um campo marítimo, sendo assim, este teste visa indicar se haveriam ganhos
significativos com o uso de poços multilaterais e se é vantajoso o ganho de VPL
dado pelos poços multilaterais em contraposição com o número extras de
variáveis a serem otimizadas, além de testar, como um todo, a capacidade do
sistema de trabalhar com malhas mais complexas que a dos reservatórios
anteriores.
Nos resultados obtidos na Tabela 23 pode-se observar que o VPL e FR
médios obtidos foram semelhantes, as variações foram de menos de um desvio
padrão. Devido ao tempo limitado para a otimização, nenhum dos resultados
atingiu o VPL máximo do reservatório, e esse ótimo continua desconhecido, não
sendo possível se avaliar quão próximo ao ótimo cada solução chegou. O
algoritmo foi capaz de encontrar soluções semelhantes utilizando o mesmo
número de simulações para evoluções utilizando poços multilaterais, que possui o
dobro do número de variáveis, e sem utilizar as laterais. Nenhuma das 10 soluções
geradas com a liberdade de se incluir laterais gerou uma alternativa que não
possuísse ao menos um poço multilateral. Os resultados indicam que o uso de
laterais favorece a busca por soluções de melhor VPL, compensando o aumento
do tamanho do problema a ser resolvido. De forma geral, a avaliação desse estudo
com relação à utilização de laterais para o Reservatório 6 é inconclusiva, devido a
proximidade dos resultados obtidos. Considerações externas às avaliadas neste
trabalho determinariam qual a melhor estratégia a ser aplicada no reservatório,
entretanto o sistema se mostrou capaz de sugerir alternativas com ambas as
estratégias.
Comparação com caso base
Para o Reservatório 6 tem-se uma solução gerada por um engenheiro de
reservatório, sendo tratada aqui como um caso base que se propõe a superar. Essa
solução não utiliza poços multilaterais, então, por motivos de comparação será
utilizada, aqui, a melhor alternativa gerada para o Reservatório 6 sem o uso de
laterais.
A Figura 66 ilustra o posicionamento dos poços do caso base e alternativa
otimizada. Em preto estão ilustrados os poços produtores e em azul os poços
injetores. A propriedade do reservatório sendo observada é a porosidade, onde o
azul indica baixa porosidade e o amarelo indica alta porosidade.
116 Estudo de Casos
(a) (b)
Figura 66. Vista 3D do caso base (a) e da alternativa otimizada (b)
Ao comparar o posicionamento dos poços da Figura 66 (a) e (b), pode-se
observar que a estratégia de exploração é semelhante. A alternativa otimizada
possui um injetor a mais e os demais poços foram rearranjados entre as faixas de
baixa permeabilidade. Vale ressaltar que, apesar das configurações parecerem
similares, a alternativa otimizada não utilizou nenhuma informação do caso base
para a inicialização da população nem durante a evolução. Características
relevantes quanto aos poços otimizados incluem o uso de poços verticais e curtos
para maioria dos poços, o cálculo da função de avaliação (VPL) leva em
consideração o comprimento do poço para cobrar o tempo extra de sonda, levando
a minimização dos comprimentos.
A Tabela 24 apresenta uma comparação numérica dos resultados obtidos,
enquanto a Figura 67 ilustra graficamente a produção acumulada de óleo no
tempo, a taxa de produção de óleo e a fração de água produzida (water cut) no
tempo. Em vermelho se encontram as curvas do caso base e em azul as curvas da
alternativa otimizada.
Caso Base Alternativa Otimizada Variação Número de Poços 8 9 +1
VPL US$1.159.661.274,00 US$1.558.308.529,00 34% Óleo Acumulado 17848100 m³ 22224500 m³ 25% Gás Acumulado 205703000 m³ 256040000 m³ 24%
Água Acumulada 41054300 m³ 65821100 m³ 60% FR 35,2% 43,8% 24%
Tabela 24. Comparação caso base com alternativa otimizada para o
Reservatório 6.
117 Estudo de Casos
Figura 67. Curvas de produção para o caso base e alternativa otimizada
para o Reservatório 6.
Os resultados obtidos indicam um aumento de 34% no VPL e de 24% no
FR. A adição de um poço injetor e o rearranjo dos poços promoveu uma elevação
da pressão do reservatório permitindo a maior vazão de produção por mais tempo.
Pela curva de water cut é possível constatar que o posicionamento dos poços é tal
que atrasa a chegada da frente de água, mesmo com mais água sendo injetada no
reservatório. Como o tempo é levado em consideração no cálculo do VPL o AG
tende a gerar soluções que aumentem as receitas em tempos próximos e diminua
as despesas em períodos próximos, ambas as características podem ser observadas
nas curvas de produção, com maior diferença da taxa de produção de óleo no
início da exploração e menor taxa de água, favorecendo economicamente essa
alternativa e justificando o maior aumento do VPL do que o FR mesmo com
custos mais elevados de instalações de poços e maior produção e injeção de água.
Comparação com Trabalhos Anteriores
Um reservatório com o mesmo grid, porem com características ligeiramente
diferentes do Reservatório 6, foi utilizado em (TÚPAC 2005) onde foram
conduzidos diversos testes com e sem metodologias de auxílio à evolução, como
uso de semente inicial e mapa de qualidade. Para este teste foi utilizado o mesmo
reservatório que o utilizado por (TÚPAC 2005), assim como os mesmos
parâmetros de VPL e número de simulações. A principal diferença é a utilização
de poços direcionais e multilaterais, o que aumenta a liberdade do algoritmo de
118 Estudo de Casos
utilizar um conjunto maior de tipos de poços, no entanto, tem-se um espaço de
busca maior. Os parâmetros utilizados foram os definidos na Tabela 25.
Parâmetro Valor para sem laterais Valor para com laterais Número de laterais 0 16
Número máximo de laterais por poço
0 4
Número máximo de poços 10 10 Número de genes 90 186
Número de indivíduos 260 260 Número de gerações 50 50 Número de rodadas 2 2
Tempo médio de simulação 9,59s 10,5s Tempo médio de otimização 24h 32min 1dia 4h 25min
Comprimento máximo de poço 1500m 1500m Controle de poço produtor STL 3000 3000 Controle de poço produtor BHP 55 55 Controle de poço injetor STW 3000 3000 Controle de poço injetor BHP 450 450
Taxa de cruzamento variando de 0,5 até 0,25 variando de 0,5 até 0,25 Taxa de mutação variando de 0,07 até 0,2 variando de 0,07 até 0,2 Taxa steady state 0,5 0,5
Tabela 25. Parâmetros utilizados para comparação com (TÚPAC 2005).
As curvas de evolução e soluções propostas com e sem laterais se
encontram na Figura 78 e na Figura 69 respectivamente, onde os poços produtores
estão em preto e os injetores em azul. As alternativas obtidas em (TÚPAC 2005)
se encontram na Figura 70.
(a)
119 Estudo de Casos
(b)
Figura 68. Curvas de evolução sem laterais (a) e com laterais (b).
(a) (b)
Figura 69. Vista 3D das alternativas otimizadas sem laterais (a) e com
laterais (b).
120 Estudo de Casos
(a) (b)
(c)
Figura 70. Vista 3D das alternativas de (TÚPAC 2005). Solução sem
semente inicial (a), solução com semente inicial (b) e solução com mapa de
qualidade (c).
Os resultados numéricos obtidos estão ilustrados na Tabela 26, enquanto as
curvas comparativas se encontram na Figura 71.
Número de
Poços Óleo Acumulado
(m³) VPL (US$) Ganho de VPL
TÚPAC sem semente inicial
7 22401310 340.840.442,88 0%
TÚPAC com semente inicial
7 22544399 346.633.395,80 2%
TÚPAC com mapa de
qualidade 10 25708246 391.387.243,00 15%
Alternativa otimizada sem
laterais 8 23349200 423.622.470,16 24%
Alternativa otimizada com
laterais 8 25299600 485.057.047,00 42%
Tabela 26. Resultados para comparação com (TÚPAC 2005).
121 Estudo de Casos
Figura 71. Curvas de produção para comparação com (TÚPAC 2005).
Pode-se observar que o modelo deste trabalho obteve resultados
significativamente superiores quando comparados com as evoluções iniciadas
aleatoriamente e ligeiramente superiores aos valores obtidos em (TÚPAC 2005)
utilizando mapas de qualidade e sementes iniciais com, aproximadamente, o
mesmo número de simulações. Em (TÚPAC 2005) foram utilizadas somente
poços verticais e horizontais, não sendo possível para esse algoritmo gerar os
resultados propostos neste trabalho, caracterizando uma vantagem de se trabalhar
com um algoritmo mais genérico, capaz de trabalhar com mais graus de liberdade.
Ao se comparar os resultados utilizando poços multilaterais observa-se um ganho
substancial de VPL, demonstrando, assim, mais uma vez, a vantagem de se
trabalhar com sistemas que sejam capazes de trabalhar com mais variáveis.
5.2.4. Testes com Modelo Real
Comparação com caso base
Após testes com modelos sintéticos utilizou-se um reservatório real para
testar a capacidade do sistema de otimizar um grande número de variáveis em um
grande espaço de busca. Para esse reservatório tem-se uma solução proposta por
um especialista chamada de caso base. Foi executada uma otimização sem utilizar
laterais e uma otimização permitindo o uso de poços com laterais. Foram
conduzidos testes com e sem o uso de laterais pois a solução proposta pelo
122 Estudo de Casos
especialista não contempla poços multilaterais, sendo assim, a otimização foi
conduzida de duas formas por motivos de comparação. Os parâmetros utilizados
para as duas evoluções se encontram na Tabela 27. Devido tempo de simulação
foi utilizado o distribuidor de tarefas StarWeb utilizando 14 núcleos para
processar 14 diferentes alternativas ao mesmo tempo.
Parâmetro Valor para sem laterais Valor para com laterais Número de laterais 0 20
Número máximo de laterais por poço
0 4
Número máximo de poços 13 13 Número de genes 117 237
Número de indivíduos 100 100 Número de gerações 30 30 Número de rodadas 3 3
Tempo médio de simulação 314s 350s Tempo médio de otimização 4dias 14h 37min 12s 4dias 23h 40min 19s
Comprimento máximo de poço 1000 m 1000 m Controle de poço produtor STL 1800 m3std/d 1800 m3std/d Controle de poço produtor BHP 180 kgf/cm2 180 kgf/cm2
Controle de poço produtor WCUT
0,95 0,.95
Controle de poço injetor STW 3000 m3std/d 3000 m3std/d Controle de poço injetor BHP 350 kgf/cm2 350 kgf/cm2
Taxa de cruzamento variando de 0,5 até 0,25 variando de 0,5 até 0,25 Taxa de mutação variando de 0,07 até 0,2 variando de 0,07 até 0,2 Taxa steady state 0,5 0,5
Tabela 27. Parâmetros da otimização do Reservatório 7
O gráfico indicando o resultado, normalizado em função do caso base, de
todas as simulações das evoluções sem laterais e com laterais se encontram na
Figura 72.
(a)
123 Estudo de Casos
(b)
Figura 72. Evoluções do Reservatório 7. Sem a opção de laterais (a).
Com a opção de laterais (b).
Os resultados das otimizações estão expressos na Tabela 28 como função
dos valores do caso base.
Simulações Número de Poços Óleo Acumulado
Normalizado VPL
Normalizado Caso Base - 15 1 1 Alternativa
otimizada sem laterais
4908 12 1,098 1,058
Alternativa otimizada com
laterais 4908 13 1,092 1,101
Tabela 28. Resultados da comparação com caso base do Reservatório 7.
Um comparativo entre a curva de produção das três alternativas se encontra
na Figura 73, onde o caso base é apresentado em vermelho e as alternativas
otimizadas são representadas em azul (sem utilizar poços multilaterais) e em
verde (sem restrição quanto ao uso de poços multilaterais).
124 Estudo de Casos
Figura 73. Resultados gráfico da produção de óleo das alternativas do
Reservatório 7
As alternativas estão ilustradas na Figura 74 como uma projeção dos poços
na primeira camada do reservatório. Os poços produtores estão marcados em preto
e os injetores em azul.
(a)
125 Estudo de Casos
(b)
(c)
Figura 74. Projeções das alternativas no reservatório. Caso base (a),
sem laterais (b), com laterais (c)
Analisando os resultados obtidos pode-se observar um aumento na
quantidade de óleo produzido e no VPL quando comparando as alternativas
otimizadas ao caso base. Pode-se observar que ambas as alternativas otimizadas
alcançaram maiores produções de óleo com um menor número de poços, isso
caracteriza um posicionamento mais eficiente dos poços e uma economia refletida
no VPL. Pode-se observar, ainda, que a alternativa otimizada com poços
multilaterais antecipa parte de sua produção, o que leva a um aumento de VPL,
quando comparada com a otimização sem laterais.
Analisando os gráficos de evolução é possível observar que as evoluções
alcançam o VPL do caso base em 3098 e 2327 simulações nas evoluções sem e
com o uso de laterais respectivamente, indicando que a busca com laterais se dá
de modo mais rápido, analisando os gráficos pode-se observar que também é mais
suave, alcançando novos ótimos com mais freqüência e com saltos menores.
126 Estudo de Casos
Analisando as imagens das alternativas otimizadas é possível observar que
ambas as alternativas otimizadas tendem a gerar poços mais curtos e verticais,
minimizando os custos de desenvolvimento.
Comparação com trabalhos anteriores
Como esse reservatório foi utilizado em (EMERICK 2009) é possível se
comparar os resultados obtidos por esse sistema com os obtidos no artigo. Para
isso foram conduzidas duas novas otimizações utilizando apenas os parâmetros de
VPL considerados no artigo, por exemplo, ao se utilizar apenas os parâmetros
considerados no artigo, não foi utilizado o custo por metro de poço perfurado para
essas evoluções. Por motivos de comparação, buscou-se também manter o mesmo
número de simulações que no artigo e, pelo mesmo motivo, se repetiu a
otimização sem e com a utilização de poços com laterais.
Os parâmetros utilizados para as duas evoluções se encontram na Tabela 29.
Devido ao tempo de simulação foi utilizado o distribuidor de tarefas StarWeb
utilizando 14 núcleos para processar 14 diferentes alternativas ao mesmo tempo.
Parâmetro Valor para sem laterais Valor para com laterais Número de laterais 0 20
Número máximo de laterais por poço
0 4
Número máximo de poços 13 13 Número de genes 117 237
Número de indivíduos 100 100 Número de gerações 30 30 Número de rodadas 3 3
Tempo médio de simulação 545s 581s Tempo médio de otimização 4dias 14h 37min 12s 5dias 6h 52min 43s
Comprimento máximo de poço 1000 m 1000 m Controle de poço produtor STL 1800 m3std/d 1800 m3std/d Controle de poço produtor BHP 180 kgf/cm2 180 kgf/cm2
Controle de poço produtor WCUT
0,95 0,.95
Controle de poço injetor STW 3000 m3std/d 3000 m3std/d Controle de poço injetor BHP 350 kgf/cm2 350 kgf/cm2
Taxa de cruzamento variando de 0,5 até 0,25 variando de 0,5 até 0,25 Taxa de mutação variando de 0,07 até 0,2 variando de 0,07 até 0,2 Taxa steady state 0,5 0,5
Tabela 29. Parâmetros utilizados para comparação com soluções
alcançadas em (EMERICK 2009).
O gráfico indicando o resultado, normalizado em função do caso base, de
todas as simulações das evoluções sem laterais e com laterais se encontram na
Figura 75.
127 Estudo de Casos
(a)
(b)
Figura 75. Evoluções do Reservatório 7 com parâmetros modificados.
Sem a opção de laterais (a). Com a opção de laterais (b).
Os resultados das otimizações estão expressos na Tabela 30 como função
dos valores do caso base.
Um comparativo entre a curva de produção do caso base e das alternativas
otimizadas se encontra na Figura 76, onde o caso base é apresentado em vermelho
e as alternativas otimizadas são representadas em azul (sem utilizar poços
multilaterais) e em verde (sem restrição quanto ao uso de poços multilaterais).
As alternativas otimizadas e o caso base estão ilustradas na Figura 77 como
uma projeção dos poços na primeira camada do reservatório. Os poços produtores
estão marcados em preto e os injetores em azul.
128 Estudo de Casos
Simulações Número de Poços Óleo Acumulado
Normalizado VPL
Normalizado Caso Base - 15 1 1
Otimizada 1 (com semente inicial
(EMERICK 2009) 4209 14 1,130 1,282
Otimizada 2 (sem semente inicial
(EMERICK 2009) 4893 15 1,065 1,199
Alternativa otimizada sem
laterais 4910 11 1,067 1,061
Alternativa otimizada com
laterais 4910 13 1,154 1,371
Tabela 30. Resultados para comparação com soluções alcançadas em
(EMERICK 2009).
Figura 76. Resultados gráfico da produção de óleo do caso base e das
alternativas otimizadas para comparação com (EMERICK 2009).
129 Estudo de Casos
(a)
(b)
(c)
Figura 77. Projeção das alternativas no reservatório. Caso base (a), sem
laterais (b), com laterais (c)
Analisando os resultados obtidos, pode-se observar um aumento na
quantidade de óleo produzido e no VPL quando comparando as alternativas
otimizadas ao caso base. Ao se comparar com as alternativas obtidas em
130 Estudo de Casos
(EMERICK 2009) observa-se um aumento de 14% quando comparado a evolução
sem semente inicial e de 7% quando comparado à alternativa otimizada a partir do
caso base. No entanto, a alternativa otimizada sem laterais se mostrou inferior as
alternativas otimizadas em (EMERICK 2009). Recalculando o VPL da alternativa
gerada pela otimização da seção anterior, de comparação com o caso base, obtém-
se um ganho de 17,7% sobre o caso base, o que indica que uma nova otimização
poderia gerar valores mais próximos ou superior aos 19,9%, valor obtido pela
otimização sem semente inicial sendo comparada.
Pode-se observar que ambas as alternativas otimizadas alcançaram maiores
produções de óleo com um menor número de poços, isso caracteriza um
posicionamento mais eficientes dos poços e uma economia que se reflete no VPL.
No entanto, a produção da alternativa sem poços multilaterais ocorre mais
lentamente que as demais, diminuindo, assim, seu VPL. Pode-se observar, ainda,
que a alternativa otimizada com poços multilaterais antecipa parte de sua
produção, o que leva a um aumento de VPL, quando comparada com as demais
alternativas.
Novamente foi possível observar que as evoluções alcançam o VPL do caso
base com significativa diferença de número de simulações, indicando que a busca
com laterais se dá de modo mais rápido.
Analisando as imagens das alternativas otimizadas é possível observar que,
com a mudança no calculo do VPL, as alternativas otimizadas tendem a gerar
poços verticais e o comprimento dos poços e laterais estão maiores que os
resultados das otimizações anteriores. Pode-se perceber, também, que a
modificação no cálculo do VPL fez com que o sistema tendesse a encontrar
alternativas com maior óleo acumulado.
6 Conclusão e Trabalhos Futuros
Nesse trabalho desenvolveu-se um sistema de apoio à decisão, baseado em
Algoritmos Genéticos, capaz de propor alternativas de produção contendo poços
multilaterais em reservatórios petrolíferos. O sistema é capaz de determinar a
quantidade, localização, tipo e geometria e trajetória de poços, produtores e
injetores, os quais poderão ser verticais, horizontais, direcionais ou multilaterais.
No caso de poços multilaterais, o sistema determina, ainda, o número de laterais
existentes em cada poço, assim como a geometria e a trajetória de cada lateral. O
sistema desenvolvido é capaz de propor alternativas respeitando restrições
impostas ao problema. As restrições respeitadas incluem: o número máximo de
poços, número máximo de laterais que um poço poderá possuir, o número
máximo de laterais a serem aplicadas no reservatório, o comprimento máximo dos
poços, o comprimento máximo de cada tipo de lateral, o uso ou não de poços
direcionais, regiões do reservatório marcadas para não inclusão de poços,
distância mínima entre poços, poços sobre regiões nulas, poços sobre regiões de
pinch out, e poços sem contato com zonas produtoras do reservatório.
Foi utilizada como função de avaliação uma aproximação do VPL que
contempla os custos de perfuração, de instalações de superfície, de linhas de
transmissão, de manutenção de poços, de manutenção de plataforma, de
tratamento de água injetada, de tratamento de água produzida, de produção de
óleo, de produção de gás, de impostos e de royalts.
O sistema foi testado em problemas de 6 variáveis até 210 variáveis obtendo
resultados satisfatórios tanto para os problemas pequenos quanto para os maiores,
demonstrando escalabilidade em sua capacidade tratar problemas.
Os testes foram realizados com diferentes representações, sendo que a
representação de melhor resultado foi utilizada em testes de convergência onde se
mostrou capaz de locar as zonas produtoras de quatro reservatórios sintéticos de
configuração ótima de poços conhecida. Foi realizado, então, testes em mais dois
reservatórios onde as alternativas otimizadas por esse sistema foram comparadas a
132 Conclusão e Trabalhos Futuros
alternativas cridas por especialistas e com alternativas geradas em trabalhos
anteriores. Em um dos reservatórios foi feita uma comparação entre a otimização
com e sem poços multilaterais, onde os resultados para ambos casos demostraram
VPL e FR médios muito próximos.
Para os testes com o modelo real foi utilizado o paralelismo para fazer as
simulações de reservatório. Utilizando-se de 12 núcleos de processamento, as
otimizações demandaram, em média, cinco dias cada.
Os resultados obtidos nos modelos mais complexos foram satisfatórios,
superando em até 37% o VPL da alternativa proposta por um especialista. Quando
comparando o resultado com trabalhos anteriores, tentou-se manter as condições
de número de simulações e modelo do cálculo do VPL utilizados em cada
trabalho. Os dois trabalhos utilizados como comparação utilizam técnicas de
auxílio de evolução como uso de sementes iniciais ou mapas de qualidade. As
alternativas aqui geradas se mostraram capazes de otimizar os mesmos
reservatórios que os trabalhos anteriores, sob condições semelhantes e
apresentaram melhor desempenho. As alternativas geradas neste trabalho com
poços multilaterais foram capazes de superar o VPL e o produzido óleo
acumulado, comparando com as alternativas obtidas através da evolução com o
uso de sementes iniciais nos trabalhos anteriores.
Não foram utilizadas sementes iniciais para este trabalho pois não foi
possível se obter um campo com alternativas disponíveis que utilizassem poços
multilaterais. Existe uma prática de se utilizar resultados obtidos em otimizações
anteriores como semente inicial para uma nova otimização. No entabto, essa
prática não possui o mesmo efeito de uma alternativa criada por um especialista.
Isso porque uma alternativa otimizada numericamente não carrega o
conhecimento do especialista e o uso dela como semente inicial funcionaria como
um aumento no número de gerações do AG utilizado para gerá-la. Por isso,
considerou-se mais vantajoso utilizar-se de diversas rodadas e utilizar o resultado
da rodada anterior para semear 10% da rodada seguinte em cada otimização. Esse
efeito pode ser observado nas figuras de evolução quando as simulações indicam
uma concentração de baixas avaliações, por exemplo, no instante antes das
simulações de número 1573 e de número 3272 na Figura 75.
Assim como não haviam alternativas com poços multilaterais disponíveis
para serem utilizadas como semente inicial ou casos base, não foi possível obter
133 Conclusão e Trabalhos Futuros
um reservatório que seja característico de uso de poços multilaterais. Os
resultados aqui obtidos demonstram que mesmo para os reservatórios utilizados e,
mesmo não se considerando o aumento no custo da plataforma devido um número
maior de poços, as evoluções onde foi permitido ao algoritmo se inserir uma ou
mais laterais por poço alcançaram resultados, em muitos casos, superiores aos
alcançados sem a opção de se alocar laterais. As soluções propostas com o uso de
poços multilaterais não tornaram todos os poços multilaterais, apenas alguns
poços receberam laterais. A aplicação de um custo por lateral, além do aumento
do custo do poço devido ao aumento do comprimento perfurado, inibiu a
aplicação dessa tecnologia nos casos que esta não se mostrou economicamente
atrativa.
Dentre os resultados obtidos observou-se alguns dos tipos padrões de
configuração de poços multilaterais que se propôs ser capaz de representar. A
maioria dos poços multilaterais sugeridos seguiram os padrões de um multi-
brached (ou espinha de peixe) e de um forked. Ainda assim, não foi obtido
nenhum dual opposed, além de quase nenhuma outra configuração onde o poço
principal é vertical. Acredita-se que as configurações em que o poço principal seja
vertical tenham sido pouco utilizadas (a não ser nos testes onde se buscou esse
tipo de configuração) devido à espessura dos reservatórios estudados, a limitação
da junta da lateral estar dentro do reservatório e a inexistência de uma operação
que transforme um poço principal em um lateral. Fica como sugestão para
trabalhos futuros estudar a possibilidade de se resolver essas deficiências e buscar
todos os tipos comuns de poços multilaterais.
Outras sugestões de trabalhos futuros incluem: o tratamento de incerteza
geológica e econômica, consideração de riscos de perfuração, cronograma de
abertura dos poços, controle inteligente das taxas de injeção e produção de cada
setor dos poços, otimização das instalações de superfície, uso de opções de
expansão considerando revelações de incertezas técnicas e geológicas, aplicação
de substitutos para simulação de reservatórios para redução do tempo de
avaliação, utilização de mapas de qualidade para auxílio à evolução e o uso de um
estudo automático da contribuição de cada poço, gerando uma avaliação
independente para cada poço.
7 Referências Bibliográficas
ALMEIDA, L. F. Otimização de Alternativas para Desenvolvimento de Campo de Petróleo utilizando Computação Evolucionária, Dissertação de Mestrado, DEEPUC/RJ, 2003.
BACK, T. Evolutionary Algorithms in Theory and Practice, Oxford University Press, 1996.
BITTENCOURT, A. C. Optimizing Hydrocarbon Field Development Using a Genetic Algorithm Based Approach. PhD thesis, Stanford University,1997.
BITTENCOURT, A. C.; HORNE, R. N. Reservoir Development and Design Optimization, SPE 38895 presented at the 1997 SPE Annual Technical Conference and Exhibition, San Antonio, Texas, October 5-8, 1997.
BOSWORTH, S.; EL-SAYED, H.; ISMAIL, G.; OHMER, H.; STRACKE, M.; WEST, C.; RETNANTO, A. Key Issues in Multilateral Technology. Schlumberger Oilfield Review, winter, pp 14–28, 1998.
BRUCE, G. H. et al. Calculations of Unsteady-state Gas Flow through Porous Media, Trans. AIME, 198, 79, 1953.
CMG. IMEX Advanced Oil/Gas Reservoir Simulator: Version 2008 User’s Guide, Computer Modelling Group LTD., Calgary, Alberta, Canada, 2008, 1079p.
CRICHLOW, H. B. A Simulation Approach, Prentice-Hall, In: Modern Reservoir Engineering Inc. Englewood Cliffs, New Jersey 07632, 1977.
DAVIS, L. Adapting operator probabilities in genetic algorithms, In: J. David Schafer(ed.), Proceedings of the Third International Conference on Genetic Algorithms. San Mateo, Calif.: Morgan Kaufmann Publishers, 1989.
DAVIS, L. Handbook of Genetic Algorithms, Van Nostrand Reinhold, USA, 1991.
DARWIN, C. On the Origin of Species by Means of Natural Selection, or the Preservation of Favoured Races in the Struggle for Life, London: John Murray, Albemarle Street, 1859.
DOLLE, N.; BROUWER, D. R.; JANSEN, J. D. Dynamic Optimization of Water Flooding with Multiple Injectors and Producers Using Optimal Control Theory, paper presented at the XV International Conference on Computational Methods in Water Resources. Delft, Netherlands, 23-28 June, 2002.
DURHAM, W. Co-Evolution: Genes, Culture and Human Diversity. Stanford University Press, Stanford, CA,1994.
135 Referências Bibliográficas
EMERICK, A. A.; SILVA, E.; MESSER, B.; ALMEIDA, L. F.; SZWARCMAN, D.; PACHECO, M. A. C.; VELLASCO, M. M. B. R. Well Placement Optimization Using a Genetic Algorithm With Nonlinear Constraints. In: SPE Reservoir Simulation Symposium, 2009, The Woodlands, SPE 118808, 2009.
FOGEL, L.J.; OWENS, A.J.; WALSH, M.J. Artificial Intelligence Through Simulated Evolution, John Wiley and Sons, NY, 1966.
FRAIJA, J.; OHMER, H.; PULICK, T.; JARDON, M.; KAJA, M.; PAEZ, R.; SOTOMAYOR, G. P. G.; UMUDJORO K. New Aspects of Multilateral Well Construction, Oilfield Review, Schlumberger, Outubro, Brasil, 52-69, 2002.
GOLDBERG, D. E. Genetic Algorithms in Search, Optimization, and machine Learning, Addison-Wesley Publishing Company, Inc.1989.
GUYAGULER, B.; HORNE, R. Optimization of Well Placment, Journal of Energy Resources Technology 122(2), pp.64-70 (June 2000). (also Presented at the Petroleum Production Technology Symposium for ETCE 2000, New Orleans, Louisiana).
GUYAGULER, B.; HoRne, R.; ROGERS, L.; ROSENZWEIG, J.J. Optimization of Well Placement in a Gulf of Mexico Water Floooding Project, SPE 63221 presented at the 2000 SPE Annual Technical Conference and exhibition, Dallas, Texas, October, 2000.
HAMER, D.; FREEMAN, A. The Business Case for Multilateral Wells, Petroleum Engineering International, May, 1999, pp 25–29.
JOSHI, S. D. Horizontal Well Technology, PennWell Books, Tulsa, OK, 1991, 535p.
KOZA, J. R. Genetic Programming: On the Programming of Computers by Means of Natural Selection, MIT Press, USA, 1992, 840p.
MICHALEWICZ, Z. Genetic Algorithms + Data Structures = Evolution Programs, Springer Verlag, USA, 1996.
MITCHELL, M. An Introduction to Genetic Algorithms, the MIT Press, USA, 1994.
NAKAJIMA, L., Otimização de Desempenho de Poços Horizontais no Desenvolvimento de Campos de Petróleo, dissertação de mestrado, Ciências e Engenharia de Petróleo, Universidade Estadual de Campinas, 2003.
NASH, J. Equilibrium points in n-person games. Proceedings of the National Academy of Sciences, 36(1):48-49, 1950.
NOCEDAL, J., WRIGHT, S. J., Numerical Optimization, Springer-Verlag Berlin and Heidelberg GmbH & Co. KG, 1999.
PACHECO, M. A. C.; VELLASCO, M. M. B. R. (Eds.). Intelligent Systems in Oil Field Development under Uncertainty, Série Studies in Computational Intelligence, Ed. Springer Berlin / Heidelberg, 2009, 288p.
POTTER, M. A.; De JONG, K. A. Cooperative Coevolution: An Architecture for Evolving Coadapted Subcomponents, Evolutionary Computation 8(1): 1-29, 2000.
136 Referências Bibliográficas
ROCHA, L.A.S.; AZUAGA, D.; ANDRADE, R.; VIEIRA, J.L.B.; SANTOS, O.L.A. Perfuração Direcional. 2.ed. Rio de Janeiro: Interciência: Petrobras: IBP, 2008, 323p.
SUGIYAMA, H.; PEDEN, J. M.; NICOLL, G. The Optimal Application of Multi-Lateral/Multi Branch Completions, paper SPE 38033 presented at the SPE Asia Pacific Oil and Gas Conference, Kuala Lumpur, Malaysia, 14-16 April. 1997.
THOMAS, J. E.; TRIGGIA, A. A.; CORREIA, C. A.; VEROTI, C.; SOUZA, J. E.; PAULA, J. L.; ROSSI, N. C.; PITOMBO, N. E.; GOUVÊA, P. C.; CARVALHO, E.; BARRAGAN, R. V. Fundamentos de Engenharia de Petróleo, Rio de Janeiro, Interciência, 2001, 271p.
TÚPAC, Y. J. Sistema Inteligente de Otimização de Alternativas de Desenvolvimento de Campos Petrolíferos, Tese de Doutorado, DEE-PUC / RJ, 2005.
TUPÁC, Y. J. Otimização de Alternativas para Desenvolvimento de Campos de Petróleo sob Condições de Certeza. Engenharia Térmica, Programa Interdisciplinar em Engenharia do Petróleo e Gás Natural. RETERM. Edição Especial, n.2. 2002 .issn-1676-1790, 2002.
UNIVERSIDADE PETROBRAS. Notas de aula do curso de formação de Engenheiro de Petróleo, capítulo de Perfuração de Poços Multilaterais, 2006.
VIJ, S. K.; NARASAIAH, S. L.; WALIA, A.; SINGH, G. Multilateral: An Overview and Issues Involved in Adopting This Technology, paper SPE 39509, Oil and Natural Gas Corporation, 1998.
YETEN, B. Optimum Deployment of Nonconvencional Wells, PhD Thesis, Stanford, 2003.
ZEBULUM, R. S.; PACHECO, M. A. C.; VELLASCO, M. M. B. R. Evolutionary Electronics: Automatic Design of Electronic Circuits and Systems by Genetic Algorithms. CRC Press, Boca Raton, Florida, 2001.
8 Apêndice A
8.1.Reservatório 2
Modelo do reservatório 2:
*TITLE1 'line'
*INUNIT *MODSI
*OUTPRN *WELL *BRIEF
*OUTPRN *GRID *NONE
*OUTPRN *TABLES *NONE
*OUTPRN *RES *NONE
*WSRF *WELL 1
*WSRF *GRID 1
*OUTSRF *WELL *ALL
*OUTSRF *GRID *PRES *SW *SO
RESULTS XOFFSET 0.0000
RESULTS YOFFSET 0.0000
RESULTS ROTATION 0.0000
RESULTS AXES-DIRECTIONS 1.0 1.0 1.0
GRID CART 30 30 1
KDIR UP
DI CON 100
DJ CON 100
DK CON 50
DTOP 900*0
NULL CON 1
POR CON 0.2
PERMI CON 10
PERMJ EQUALSI
PERMK EQUALSI
PINCHOUTARRAY CON 1
SECTORARRAY 'OilReg' ALL
425*0 13*1 17*0 13*1 17*0 13*1 17*0 13*1 17*0 13*1 342*0
SECTORARRAY 'PureOil' ALL
487*0 9*1 404*0
PRPOR 200
CPOR 1e-5
MODEL BLACKOIL
TRES 70
PVT ZG 1
**$ p Rs Bo z viso visg
1.033512 0.691811 1.060850 0.295734 8.992717 0.005464
4.145154 1.69268 1.063113 0.295735 8.521406 0.009372
7.256797 2.81248 1.065657 0.295732 8.047870 0.013086
10.368439 4.01557 1.068402 0.290511 7.593067 0.017240
13.480081 5.28406 1.071312 0.288967 7.164903 0.021652
16.591722 6.60696 1.074363 0.287436 6.766004 0.026501
19.703363 7.97673 1.077538 0.285907 6.396483 0.031845
138 Apêndice A
22.815006 9.38785 1.080827 0.284395 6.055212 0.037734
25.926649 10.8361 1.084220 0.282885 5.740470 0.044220
29.038292 12.3181 1.087711 0.281404 5.450296 0.051357
32.149937 13.8311 1.091293 0.279908 5.182682 0.059201
35.261578 15.3728 1.094963 0.27845 4.935676 0.067809
38.373219 16.9413 1.098715 0.277004 4.707439 0.077242
41.484859 18.5349 1.102548 0.27559 4.496269 0.087568
44.596500 20.1521 1.106457 0.274182 4.300607 0.098854
47.708141 21.7918 1.110441 0.272759 4.119039 0.111174
136.559021 84.4437 1.25 0.25 1.769343 1.352840
225.409882 212.712 1.425471 0.251771 1.104641 5.967701
314.260773 401.762 1.630924 0.277693 0.804184 14.028974
403.111633 644.233 1.861210 0.311312 0.634863 23.863567
BWI 1.033549
CO 0.000379
CVO 0.007112
CVW 0.000254
PTYPE CON 1
CW 0.000039
DENSITY OIL 915.857605
DENSITY WATER 1071.860840
REFPW 44.599998
VWI 0.433018
GRAVITY GAS 0.800000
*ROCKFLUID
*RPT 1
*SWT
0.200000 0.000000 0.800000 0.000000
0.225000 0.000750 0.722000 0.000000
0.250000 0.003000 0.648000 0.000000
0.275000 0.006750 0.578000 0.000000
0.300000 0.012000 0.512000 0.000000
0.325000 0.018750 0.450000 0.000000
0.350000 0.027000 0.392000 0.000000
0.375000 0.036750 0.338000 0.000000
0.400000 0.048000 0.288000 0.000000
0.425000 0.060750 0.242000 0.000000
0.450000 0.075000 0.200000 0.000000
0.475000 0.090750 0.162000 0.000000
0.500000 0.108000 0.128000 0.000000
0.525000 0.126750 0.098000 0.000000
0.550000 0.147000 0.072000 0.000000
0.575000 0.168750 0.050000 0.000000
0.600000 0.192000 0.032000 0.000000
0.625000 0.216750 0.018000 0.000000
0.650000 0.243000 0.008000 0.000000
0.700000 0.300000 0.000000 0.000000
*SLT
0.300000 0.900000 0.000000 0.000000
0.370000 0.238864 0.008000 0.000000
0.405000 0.210906 0.018000 0.000000
0.440000 0.184687 0.032000 0.000000
0.475000 0.160207 0.050000 0.000000
0.510000 0.137468 0.072000 0.000000
0.545000 0.116468 0.098000 0.000000
0.580000 0.097207 0.128000 0.000000
0.615000 0.079687 0.162000 0.000000
0.650000 0.063905 0.200000 0.000000
0.685000 0.049864 0.242000 0.000000
0.720000 0.037562 0.288000 0.000000
0.755000 0.027000 0.338000 0.000000
139 Apêndice A
0.790000 0.018178 0.392000 0.000000
0.825000 0.011095 0.450000 0.000000
0.860000 0.005751 0.512000 0.000000
0.895000 0.002148 0.578000 0.000000
0.930000 0.000284 0.648000 0.000000
0.965000 0.000000 0.722000 0.000000
1.000000 0.000000 0.800000 0.000000
*INITIAL
USER_INPUT
PRES CON 98.3
PB CON 0
SO ALL
425*0.01 13*0.6 17*0.01 13*0.6 17*0.01 2*0.6 9*0.95 2*0.6 17*0.01
13*0.6 17*0.01 13*0.6 342*0.01
SW ALL
425*0.99 13*0.4 17*0.99 13*0.4 17*0.99 2*0.4 9*0.05000001 2*0.4
17*0.99
13*0.4 17*0.99 13*0.4 342*0.99
*NUMERICAL
AIM STAB
NCUTS 10
DTMIN 5.0
*RUN
*DATE 2001 1 1
DTWELL 5
*TIME 7201.0
8.2.Reservatório 3
Modelo do reservatório 3:
*TITLE1 'lineSingleLat'
*INUNIT *MODSI
*OUTPRN *WELL *BRIEF
*OUTPRN *GRID *NONE
*OUTPRN *TABLES *NONE
*OUTPRN *RES *NONE
*WSRF *WELL 1
*WSRF *GRID 1
*OUTSRF *WELL *ALL
*OUTSRF *GRID *PRES *SW *SO
RESULTS XOFFSET 0.0000
RESULTS YOFFSET 0.0000
RESULTS ROTATION 0.0000
RESULTS AXES-DIRECTIONS 1.0 1.0 1.0
GRID CART 30 30 1
KDIR UP
DI CON 100
DJ CON 100
DK CON 50
DTOP 900*0
NULL CON 1
POR CON 0.2
PERMI CON 10
PERMJ EQUALSI
PERMK EQUALSI
PINCHOUTARRAY CON 1
140 Apêndice A
SECTORARRAY 'OilReg' ALL
251*0 4*1 26*0 4*1 26*0 4*1 26*0 4*1 26*0 4*1 26*0 4*1 20*0 13*1
17*0 13*1 17*0 13*1 17*0 13*1 17*0 13*1 342*0
SECTORARRAY 'PureOil' ALL
342*0 1 29*0 1 29*0 1 29*0 1 29*0 1 24*0 9*1 404*0
PRPOR 200
CPOR 1e-5
MODEL BLACKOIL
TRES 70
PVT ZG 1
**$ p Rs Bo z viso visg
1.033512 0.691811 1.060850 0.295734 8.992717 0.005464
4.145154 1.69268 1.063113 0.295735 8.521406 0.009372
7.256797 2.81248 1.065657 0.295732 8.047870 0.013086
10.368439 4.01557 1.068402 0.290511 7.593067 0.017240
13.480081 5.28406 1.071312 0.288967 7.164903 0.021652
16.591722 6.60696 1.074363 0.287436 6.766004 0.026501
19.703363 7.97673 1.077538 0.285907 6.396483 0.031845
22.815006 9.38785 1.080827 0.284395 6.055212 0.037734
25.926649 10.8361 1.084220 0.282885 5.740470 0.044220
29.038292 12.3181 1.087711 0.281404 5.450296 0.051357
32.149937 13.8311 1.091293 0.279908 5.182682 0.059201
35.261578 15.3728 1.094963 0.27845 4.935676 0.067809
38.373219 16.9413 1.098715 0.277004 4.707439 0.077242
41.484859 18.5349 1.102548 0.27559 4.496269 0.087568
44.596500 20.1521 1.106457 0.274182 4.300607 0.098854
47.708141 21.7918 1.110441 0.272759 4.119039 0.111174
136.559021 84.4437 1.25 0.25 1.769343 1.352840
225.409882 212.712 1.425471 0.251771 1.104641 5.967701
314.260773 401.762 1.630924 0.277693 0.804184 14.028974
403.111633 644.233 1.861210 0.311312 0.634863 23.863567
BWI 1.033549
CO 0.000379
CVO 0.007112
CVW 0.000254
PTYPE CON 1
CW 0.000039
DENSITY OIL 915.857605
DENSITY WATER 1071.860840
REFPW 44.599998
VWI 0.433018
GRAVITY GAS 0.800000
*ROCKFLUID
*RPT 1
*SWT
0.200000 0.000000 0.800000 0.000000
0.225000 0.000750 0.722000 0.000000
0.250000 0.003000 0.648000 0.000000
0.275000 0.006750 0.578000 0.000000
0.300000 0.012000 0.512000 0.000000
0.325000 0.018750 0.450000 0.000000
0.350000 0.027000 0.392000 0.000000
0.375000 0.036750 0.338000 0.000000
0.400000 0.048000 0.288000 0.000000
0.425000 0.060750 0.242000 0.000000
0.450000 0.075000 0.200000 0.000000
0.475000 0.090750 0.162000 0.000000
0.500000 0.108000 0.128000 0.000000
0.525000 0.126750 0.098000 0.000000
0.550000 0.147000 0.072000 0.000000
141 Apêndice A
0.575000 0.168750 0.050000 0.000000
0.600000 0.192000 0.032000 0.000000
0.625000 0.216750 0.018000 0.000000
0.650000 0.243000 0.008000 0.000000
0.700000 0.300000 0.000000 0.000000
*SLT
0.300000 0.900000 0.000000 0.000000
0.370000 0.238864 0.008000 0.000000
0.405000 0.210906 0.018000 0.000000
0.440000 0.184687 0.032000 0.000000
0.475000 0.160207 0.050000 0.000000
0.510000 0.137468 0.072000 0.000000
0.545000 0.116468 0.098000 0.000000
0.580000 0.097207 0.128000 0.000000
0.615000 0.079687 0.162000 0.000000
0.650000 0.063905 0.200000 0.000000
0.685000 0.049864 0.242000 0.000000
0.720000 0.037562 0.288000 0.000000
0.755000 0.027000 0.338000 0.000000
0.790000 0.018178 0.392000 0.000000
0.825000 0.011095 0.450000 0.000000
0.860000 0.005751 0.512000 0.000000
0.895000 0.002148 0.578000 0.000000
0.930000 0.000284 0.648000 0.000000
0.965000 0.000000 0.722000 0.000000
1.000000 0.000000 0.800000 0.000000
*INITIAL
USER_INPUT
PRES CON 98.3
PB CON 0
SO ALL
251*0.01 4*0.6 26*0.01 4*0.6 26*0.01 4*0.6 26*0.01 0.6 0.95 2*0.6
26*0.01 0.6 0.95 2*0.6 26*0.01 0.6 0.95 2*0.6 20*0.01 7*0.6 0.95
5*0.6
17*0.01 7*0.6 0.95 5*0.6 17*0.01 2*0.6 9*0.95 2*0.6 17*0.01
13*0.6
17*0.01 13*0.6 342*0.01
SW ALL
251*0.99 4*0.4 26*0.99 4*0.4 26*0.99 4*0.4 26*0.99 0.4 0.05000001
2*0.4 26*0.99 0.4 0.05000001 2*0.4 26*0.99 0.4 0.05000001 2*0.4
20*0.99
7*0.4 0.05000001 5*0.4 17*0.99 7*0.4 0.05000001 5*0.4 17*0.99
2*0.4
9*0.05000001 2*0.4 17*0.99 13*0.4 17*0.99 13*0.4 342*0.99
*NUMERICAL
AIM STAB
NCUTS 10
DTMIN 5.0
*RUN
*DATE 2001 1 1
DTWELL 5
*TIME 7201.0
8.3.Reservatório 4
Modelo do reservatório 4:
*TITLE1 'vertical'
*INUNIT *MODSI
*OUTPRN *WELL *BRIEF
*OUTPRN *GRID *NONE
142 Apêndice A
*OUTPRN *TABLES *NONE
*OUTPRN *RES *NONE
*WSRF *WELL 1
*WSRF *GRID 1
*OUTSRF *WELL *ALL
*OUTSRF *GRID *PRES *SW *SO
RESULTS XOFFSET 0.0000
RESULTS YOFFSET 0.0000
RESULTS ROTATION 0.0000
GRID CART 30 30 3
KDIR UP
DI CON 100
DJ CON 100
DK CON 100
DTOP 900*1150
NULL CON 1
POR CON 0.2
PERMI CON 10
PERMJ EQUALSI
PERMK EQUALSI
PRPOR 200
CPOR 1e-5
PINCHOUTARRAY CON 1
SECTORARRAY 'OilReg' ALL
454*0 5*1 25*0 5*1 25*0 5*1 25*0 5*1 25*0 5*1 775*0 5*1 25*0 5*1
25*0 5*1
25*0 5*1 25*0 5*1 775*0 5*1 25*0 5*1 25*0 5*1 25*0 5*1 25*0 5*1
321*0
SECTORARRAY 'PureOil' ALL
516*0 1 899*0 1 899*0 1 383*0
MODEL BLACKOIL
TRES 70
PVT ZG 1
**$ p Rs Bo z viso visg
1.033512 0.691811 1.060850 0.295734 8.992717 0.005464
4.145154 1.69268 1.063113 0.295735 8.521406 0.009372
7.256797 2.81248 1.065657 0.295732 8.047870 0.013086
10.368439 4.01557 1.068402 0.290511 7.593067 0.017240
13.480081 5.28406 1.071312 0.288967 7.164903 0.021652
16.591722 6.60696 1.074363 0.287436 6.766004 0.026501
19.703363 7.97673 1.077538 0.285907 6.396483 0.031845
22.815006 9.38785 1.080827 0.284395 6.055212 0.037734
25.926649 10.8361 1.084220 0.282885 5.740470 0.044220
29.038292 12.3181 1.087711 0.281404 5.450296 0.051357
32.149937 13.8311 1.091293 0.279908 5.182682 0.059201
35.261578 15.3728 1.094963 0.27845 4.935676 0.067809
38.373219 16.9413 1.098715 0.277004 4.707439 0.077242
41.484859 18.5349 1.102548 0.27559 4.496269 0.087568
44.596500 20.1521 1.106457 0.274182 4.300607 0.098854
47.708141 21.7918 1.110441 0.272759 4.119039 0.111174
136.559021 84.4437 1.25 0.25 1.769343 1.352840
225.409882 212.712 1.425471 0.251771 1.104641 5.967701
314.260773 401.762 1.630924 0.277693 0.804184 14.028974
403.111633 644.233 1.861210 0.311312 0.634863 23.863567
BWI 1.033549
CO 0.000379
CVO 0.007112
CVW 0.000254
143 Apêndice A
PTYPE CON 1
CW 0.000039
DENSITY OIL 915.857605
DENSITY WATER 1071.860840
REFPW 44.599998
VWI 0.433018
GRAVITY GAS 0.800000
*ROCKFLUID
*RPT 1
*SWT
0.200000 0.000000 0.800000 0.000000
0.225000 0.000750 0.722000 0.000000
0.250000 0.003000 0.648000 0.000000
0.275000 0.006750 0.578000 0.000000
0.300000 0.012000 0.512000 0.000000
0.325000 0.018750 0.450000 0.000000
0.350000 0.027000 0.392000 0.000000
0.375000 0.036750 0.338000 0.000000
0.400000 0.048000 0.288000 0.000000
0.425000 0.060750 0.242000 0.000000
0.450000 0.075000 0.200000 0.000000
0.475000 0.090750 0.162000 0.000000
0.500000 0.108000 0.128000 0.000000
0.525000 0.126750 0.098000 0.000000
0.550000 0.147000 0.072000 0.000000
0.575000 0.168750 0.050000 0.000000
0.600000 0.192000 0.032000 0.000000
0.625000 0.216750 0.018000 0.000000
0.650000 0.243000 0.008000 0.000000
0.700000 0.300000 0.000000 0.000000
*SLT
0.300000 0.900000 0.000000 0.000000
0.370000 0.238864 0.008000 0.000000
0.405000 0.210906 0.018000 0.000000
0.440000 0.184687 0.032000 0.000000
0.475000 0.160207 0.050000 0.000000
0.510000 0.137468 0.072000 0.000000
0.545000 0.116468 0.098000 0.000000
0.580000 0.097207 0.128000 0.000000
0.615000 0.079687 0.162000 0.000000
0.650000 0.063905 0.200000 0.000000
0.685000 0.049864 0.242000 0.000000
0.720000 0.037562 0.288000 0.000000
0.755000 0.027000 0.338000 0.000000
0.790000 0.018178 0.392000 0.000000
0.825000 0.011095 0.450000 0.000000
0.860000 0.005751 0.512000 0.000000
0.895000 0.002148 0.578000 0.000000
0.930000 0.000284 0.648000 0.000000
0.965000 0.000000 0.722000 0.000000
1.000000 0.000000 0.800000 0.000000
*INITIAL
USER_INPUT
PRES KVAR
98.3 100.9 103.5
PB CON 44.6
SO ALL
454*0.01 5*0.3 25*0.01 5*0.3 25*0.01 2*0.3 0.95 2*0.3 25*0.01
5*0.3
25*0.01 5*0.3 775*0.01 5*0.3 25*0.01 5*0.3 25*0.01 2*0.3 0.95
2*0.3
144 Apêndice A
25*0.01 5*0.3 25*0.01 5*0.3 775*0.01 5*0.3 25*0.01 5*0.3 25*0.01
2*0.3
0.95 2*0.3 25*0.01 5*0.3 25*0.01 5*0.3 321*0.01
SW ALL
454*0.99 5*0.7 25*0.99 5*0.7 25*0.99 2*0.7 0.05000001 2*0.7
25*0.99
5*0.7 25*0.99 5*0.7 775*0.99 5*0.7 25*0.99 5*0.7 25*0.99 2*0.7
0.05000001
2*0.7 25*0.99 5*0.7 25*0.99 5*0.7 775*0.99 5*0.7 25*0.99 5*0.7
25*0.99
2*0.7 0.05000001 2*0.7 25*0.99 5*0.7 25*0.99 5*0.7 321*0.99
*NUMERICAL
*AIM *STAB
*NCUTS 10
*DTMIN 5.0
*RUN
*DATE 2001 1 1
*DTWELL 5.0
*TIME 7201.0
8.4.Reservatório 5
Modelo do reservatório 3:
*TITLE1 'veticalLateral'
*INUNIT *MODSI
*OUTPRN *WELL *BRIEF
*OUTPRN *GRID *NONE
*OUTPRN *TABLES *NONE
*OUTPRN *RES *NONE
*WSRF *WELL 1
*WSRF *GRID 1
*OUTSRF *WELL *ALL
*OUTSRF *GRID *PRES *SW *SO
RESULTS XOFFSET 0.0000
RESULTS YOFFSET 0.0000
RESULTS ROTATION 0.0000
GRID CART 30 30 3
KDIR UP
DI CON 100
DJ CON 100
DK CON 100
DTOP 900*1150
NULL CON 1
POR CON 0.2
PERMI CON 10
PERMJ EQUALSI
PERMK EQUALSI
PRPOR 200
CPOR 1e-5
PINCHOUTARRAY CON 1
SECTORARRAY 'OilReg' ALL
454*0 5*1 25*0 5*1 25*0 5*1 25*0 5*1 25*0 5*1 775*0 6*1 24*0 6*1
24*0 6*1
24*0 6*1 24*0 6*1 774*0 5*1 25*0 5*1 25*0 5*1 25*0 5*1 25*0 5*1
321*0
SECTORARRAY 'PureOil' ALL
516*0 1 899*0 3*1 897*0 1 383*0
145 Apêndice A
MODEL BLACKOIL
TRES 70
PVT ZG 1
**$ p Rs Bo z viso visg
1.033512 0.691811 1.060850 0.295734 8.992717 0.005464
4.145154 1.69268 1.063113 0.295735 8.521406 0.009372
7.256797 2.81248 1.065657 0.295732 8.047870 0.013086
10.368439 4.01557 1.068402 0.290511 7.593067 0.017240
13.480081 5.28406 1.071312 0.288967 7.164903 0.021652
16.591722 6.60696 1.074363 0.287436 6.766004 0.026501
19.703363 7.97673 1.077538 0.285907 6.396483 0.031845
22.815006 9.38785 1.080827 0.284395 6.055212 0.037734
25.926649 10.8361 1.084220 0.282885 5.740470 0.044220
29.038292 12.3181 1.087711 0.281404 5.450296 0.051357
32.149937 13.8311 1.091293 0.279908 5.182682 0.059201
35.261578 15.3728 1.094963 0.27845 4.935676 0.067809
38.373219 16.9413 1.098715 0.277004 4.707439 0.077242
41.484859 18.5349 1.102548 0.27559 4.496269 0.087568
44.596500 20.1521 1.106457 0.274182 4.300607 0.098854
47.708141 21.7918 1.110441 0.272759 4.119039 0.111174
136.559021 84.4437 1.25 0.25 1.769343 1.352840
225.409882 212.712 1.425471 0.251771 1.104641 5.967701
314.260773 401.762 1.630924 0.277693 0.804184 14.028974
403.111633 644.233 1.861210 0.311312 0.634863 23.863567
BWI 1.033549
CO 0.000379
CVO 0.007112
CVW 0.000254
PTYPE CON 1
CW 0.000039
DENSITY OIL 915.857605
DENSITY WATER 1071.860840
REFPW 44.599998
VWI 0.433018
GRAVITY GAS 0.800000
*ROCKFLUID
*RPT 1
*SWT
0.200000 0.000000 0.800000 0.000000
0.225000 0.000750 0.722000 0.000000
0.250000 0.003000 0.648000 0.000000
0.275000 0.006750 0.578000 0.000000
0.300000 0.012000 0.512000 0.000000
0.325000 0.018750 0.450000 0.000000
0.350000 0.027000 0.392000 0.000000
0.375000 0.036750 0.338000 0.000000
0.400000 0.048000 0.288000 0.000000
0.425000 0.060750 0.242000 0.000000
0.450000 0.075000 0.200000 0.000000
0.475000 0.090750 0.162000 0.000000
0.500000 0.108000 0.128000 0.000000
0.525000 0.126750 0.098000 0.000000
0.550000 0.147000 0.072000 0.000000
0.575000 0.168750 0.050000 0.000000
0.600000 0.192000 0.032000 0.000000
0.625000 0.216750 0.018000 0.000000
0.650000 0.243000 0.008000 0.000000
0.700000 0.300000 0.000000 0.000000
*SLT
0.300000 0.900000 0.000000 0.000000
146 Apêndice A
0.370000 0.238864 0.008000 0.000000
0.405000 0.210906 0.018000 0.000000
0.440000 0.184687 0.032000 0.000000
0.475000 0.160207 0.050000 0.000000
0.510000 0.137468 0.072000 0.000000
0.545000 0.116468 0.098000 0.000000
0.580000 0.097207 0.128000 0.000000
0.615000 0.079687 0.162000 0.000000
0.650000 0.063905 0.200000 0.000000
0.685000 0.049864 0.242000 0.000000
0.720000 0.037562 0.288000 0.000000
0.755000 0.027000 0.338000 0.000000
0.790000 0.018178 0.392000 0.000000
0.825000 0.011095 0.450000 0.000000
0.860000 0.005751 0.512000 0.000000
0.895000 0.002148 0.578000 0.000000
0.930000 0.000284 0.648000 0.000000
0.965000 0.000000 0.722000 0.000000
1.000000 0.000000 0.800000 0.000000
*INITIAL
USER_INPUT
PRES KVAR
98.3 100.9 103.5
44.6
PB CON 44.6
SO ALL
454*0.01 5*0.3 25*0.01 5*0.3 25*0.01 2*0.3 0.95 2*0.3 25*0.01
5*0.3
25*0.01 5*0.3 775*0.01 6*0.3 24*0.01 6*0.3 24*0.01 2*0.3 3*0.95
0.3
24*0.01 6*0.3 24*0.01 6*0.3 774*0.01 5*0.3 25*0.01 5*0.3 25*0.01
2*0.3
0.95 2*0.3 25*0.01 5*0.3 25*0.01 5*0.3 321*0.01
SW ALL
454*0.99 5*0.7 25*0.99 5*0.7 25*0.99 2*0.7 0.05000001 2*0.7
25*0.99
5*0.7 25*0.99 5*0.7 775*0.99 6*0.7 24*0.99 6*0.7 24*0.99 2*0.7
3*0.05000001
0.7 24*0.99 6*0.7 24*0.99 6*0.7 774*0.99 5*0.7 25*0.99 5*0.7
25*0.99
2*0.7 0.05000001 2*0.7 25*0.99 5*0.7 25*0.99 5*0.7 321*0.99
*NUMERICAL
*AIM *STAB
*NCUTS 10
*DTMIN 5.0
*RUN
*DATE 2001 1 1
*DTWELL 5.0
*TIME 7201.0
Livros Grátis( http://www.livrosgratis.com.br )
Milhares de Livros para Download: Baixar livros de AdministraçãoBaixar livros de AgronomiaBaixar livros de ArquiteturaBaixar livros de ArtesBaixar livros de AstronomiaBaixar livros de Biologia GeralBaixar livros de Ciência da ComputaçãoBaixar livros de Ciência da InformaçãoBaixar livros de Ciência PolíticaBaixar livros de Ciências da SaúdeBaixar livros de ComunicaçãoBaixar livros do Conselho Nacional de Educação - CNEBaixar livros de Defesa civilBaixar livros de DireitoBaixar livros de Direitos humanosBaixar livros de EconomiaBaixar livros de Economia DomésticaBaixar livros de EducaçãoBaixar livros de Educação - TrânsitoBaixar livros de Educação FísicaBaixar livros de Engenharia AeroespacialBaixar livros de FarmáciaBaixar livros de FilosofiaBaixar livros de FísicaBaixar livros de GeociênciasBaixar livros de GeografiaBaixar livros de HistóriaBaixar livros de Línguas
Baixar livros de LiteraturaBaixar livros de Literatura de CordelBaixar livros de Literatura InfantilBaixar livros de MatemáticaBaixar livros de MedicinaBaixar livros de Medicina VeterináriaBaixar livros de Meio AmbienteBaixar livros de MeteorologiaBaixar Monografias e TCCBaixar livros MultidisciplinarBaixar livros de MúsicaBaixar livros de PsicologiaBaixar livros de QuímicaBaixar livros de Saúde ColetivaBaixar livros de Serviço SocialBaixar livros de SociologiaBaixar livros de TeologiaBaixar livros de TrabalhoBaixar livros de Turismo