[pt] AJUSTE DE HISTÓRICO EM MODELOS DE SIMULAÇÃO DE RESERVATÓRIOS POR ALGORITMOS GENÉTICOS E GEOESTATÍSTICA DE MÚLTIPLOS PONTOS
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da PUC-RIO (Projeto Maxwell) |
Texto Completo: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=19629&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=19629&idi=2 http://doi.org/10.17771/PUCRio.acad.19629 |
Resumo: | [pt] Na área de Exploração e Produção (EeP) de petróleo, o estudo minucioso das características de um reservatório é imperativo para a criação de modelos de simulação que representem adequadamente as suas propriedades petrofísicas. A disponibilidade de um modelo adequado é fundamental para a obtenção de previsões acertadas acerca da produção do reservatório, e isso impacta diretamente a tomada de decisões gerenciais. Devido às incertezas inerentes ao processo de caracterização, ao longo da vida produtiva do reservatório, periodicamente o seu modelo de simulação correspondente precisa ser ajustado. Todavia, a tarefa de ajustar as propriedades do modelo se traduz em um problema de otimização complexo, onde o número de variáveis envolvidas é tão maior quanto maior for a quantidade de blocos que compõem a malha do modelo de simulação. Na maioria das vezes esses ajustes envolvem processos empíricos que demandam elevada carga de trabalho do especialista. Esta pesquisa investiga e avalia uma nova técnica computacional híbrida, que combina Algoritmos Genéticos e Geoestatística Multiponto, para a otimização de propriedades em modelos de reservatórios. Os resultados obtidos demonstram a robustez e a confiabilidade da solução proposta, uma vez que, diferentemente das abordagens tradicionalmente adotadas, é capaz de gerar modelos que não apenas proporcionam um ajuste adequado das curvas de produção, mas também que respeitam as características geológicas do reservatório. |
id |
PUC_RIO-1_65cd9a958b0e59666c3c922ead255ec3 |
---|---|
oai_identifier_str |
oai:MAXWELL.puc-rio.br:19629 |
network_acronym_str |
PUC_RIO-1 |
network_name_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository_id_str |
534 |
spelling |
[pt] AJUSTE DE HISTÓRICO EM MODELOS DE SIMULAÇÃO DE RESERVATÓRIOS POR ALGORITMOS GENÉTICOS E GEOESTATÍSTICA DE MÚLTIPLOS PONTOS [en] HISTORY MATCHING IN RESERVOIR SIMULATION MODELS BY GENETIC ALGORITHMS AND MULTIPLE-POINT GEOSTATISTICS [pt] GEOESTATISTICA[pt] AJUSTE[pt] ALGORITMO GENETICO[en] GEOSTATISTICS[en] ADJUSTMENT[en] GENETIC ALGORITHM[pt] Na área de Exploração e Produção (EeP) de petróleo, o estudo minucioso das características de um reservatório é imperativo para a criação de modelos de simulação que representem adequadamente as suas propriedades petrofísicas. A disponibilidade de um modelo adequado é fundamental para a obtenção de previsões acertadas acerca da produção do reservatório, e isso impacta diretamente a tomada de decisões gerenciais. Devido às incertezas inerentes ao processo de caracterização, ao longo da vida produtiva do reservatório, periodicamente o seu modelo de simulação correspondente precisa ser ajustado. Todavia, a tarefa de ajustar as propriedades do modelo se traduz em um problema de otimização complexo, onde o número de variáveis envolvidas é tão maior quanto maior for a quantidade de blocos que compõem a malha do modelo de simulação. Na maioria das vezes esses ajustes envolvem processos empíricos que demandam elevada carga de trabalho do especialista. Esta pesquisa investiga e avalia uma nova técnica computacional híbrida, que combina Algoritmos Genéticos e Geoestatística Multiponto, para a otimização de propriedades em modelos de reservatórios. Os resultados obtidos demonstram a robustez e a confiabilidade da solução proposta, uma vez que, diferentemente das abordagens tradicionalmente adotadas, é capaz de gerar modelos que não apenas proporcionam um ajuste adequado das curvas de produção, mas também que respeitam as características geológicas do reservatório.[en] In the Exploration and Production (EeP) of oil, the detailed study of reservoir characteristics is imperative for the creation of simulation models that adequately represent their petrophysical properties. The availability of an appropriate model is fundamental to obtaining accurate predictions about the reservoir production. In addition, this impacts directly the management decisions. Due to the uncertainties inherent in the characterization process, along the productive period of the reservoir, its corresponding simulation model needs to be matched periodically. However, the task of matching the model properties represents a complex optimization problem. In this case, the number of variables involved increases with the number of blocks that make up the grid of the simulation model. In most cases these matches involve empirical processes that take too much time of an expert. This research investigates and evaluates a new hybrid computer technique, which combines Genetic Algorithms and Multipoint Geostatistics, for the optimization of properties in reservoir models. The results demonstrate the robustness and reliability of the proposed solution. Unlike traditional approaches, it is able to generate models that not only provide a proper match of the production curves, but also satisfies the geological characteristics of the reservoir.MAXWELLMARCO AURELIO CAVALCANTI PACHECOMARCO AURELIO CAVALCANTI PACHECOMARCO AURELIO CAVALCANTI PACHECOEUGENIO DA SILVA2012-06-13info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=19629&idi=1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=19629&idi=2http://doi.org/10.17771/PUCRio.acad.19629porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2024-09-06T00:00:00Zoai:MAXWELL.puc-rio.br:19629Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342024-09-06T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false |
dc.title.none.fl_str_mv |
[pt] AJUSTE DE HISTÓRICO EM MODELOS DE SIMULAÇÃO DE RESERVATÓRIOS POR ALGORITMOS GENÉTICOS E GEOESTATÍSTICA DE MÚLTIPLOS PONTOS [en] HISTORY MATCHING IN RESERVOIR SIMULATION MODELS BY GENETIC ALGORITHMS AND MULTIPLE-POINT GEOSTATISTICS |
title |
[pt] AJUSTE DE HISTÓRICO EM MODELOS DE SIMULAÇÃO DE RESERVATÓRIOS POR ALGORITMOS GENÉTICOS E GEOESTATÍSTICA DE MÚLTIPLOS PONTOS |
spellingShingle |
[pt] AJUSTE DE HISTÓRICO EM MODELOS DE SIMULAÇÃO DE RESERVATÓRIOS POR ALGORITMOS GENÉTICOS E GEOESTATÍSTICA DE MÚLTIPLOS PONTOS EUGENIO DA SILVA [pt] GEOESTATISTICA [pt] AJUSTE [pt] ALGORITMO GENETICO [en] GEOSTATISTICS [en] ADJUSTMENT [en] GENETIC ALGORITHM |
title_short |
[pt] AJUSTE DE HISTÓRICO EM MODELOS DE SIMULAÇÃO DE RESERVATÓRIOS POR ALGORITMOS GENÉTICOS E GEOESTATÍSTICA DE MÚLTIPLOS PONTOS |
title_full |
[pt] AJUSTE DE HISTÓRICO EM MODELOS DE SIMULAÇÃO DE RESERVATÓRIOS POR ALGORITMOS GENÉTICOS E GEOESTATÍSTICA DE MÚLTIPLOS PONTOS |
title_fullStr |
[pt] AJUSTE DE HISTÓRICO EM MODELOS DE SIMULAÇÃO DE RESERVATÓRIOS POR ALGORITMOS GENÉTICOS E GEOESTATÍSTICA DE MÚLTIPLOS PONTOS |
title_full_unstemmed |
[pt] AJUSTE DE HISTÓRICO EM MODELOS DE SIMULAÇÃO DE RESERVATÓRIOS POR ALGORITMOS GENÉTICOS E GEOESTATÍSTICA DE MÚLTIPLOS PONTOS |
title_sort |
[pt] AJUSTE DE HISTÓRICO EM MODELOS DE SIMULAÇÃO DE RESERVATÓRIOS POR ALGORITMOS GENÉTICOS E GEOESTATÍSTICA DE MÚLTIPLOS PONTOS |
author |
EUGENIO DA SILVA |
author_facet |
EUGENIO DA SILVA |
author_role |
author |
dc.contributor.none.fl_str_mv |
MARCO AURELIO CAVALCANTI PACHECO MARCO AURELIO CAVALCANTI PACHECO MARCO AURELIO CAVALCANTI PACHECO |
dc.contributor.author.fl_str_mv |
EUGENIO DA SILVA |
dc.subject.por.fl_str_mv |
[pt] GEOESTATISTICA [pt] AJUSTE [pt] ALGORITMO GENETICO [en] GEOSTATISTICS [en] ADJUSTMENT [en] GENETIC ALGORITHM |
topic |
[pt] GEOESTATISTICA [pt] AJUSTE [pt] ALGORITMO GENETICO [en] GEOSTATISTICS [en] ADJUSTMENT [en] GENETIC ALGORITHM |
description |
[pt] Na área de Exploração e Produção (EeP) de petróleo, o estudo minucioso das características de um reservatório é imperativo para a criação de modelos de simulação que representem adequadamente as suas propriedades petrofísicas. A disponibilidade de um modelo adequado é fundamental para a obtenção de previsões acertadas acerca da produção do reservatório, e isso impacta diretamente a tomada de decisões gerenciais. Devido às incertezas inerentes ao processo de caracterização, ao longo da vida produtiva do reservatório, periodicamente o seu modelo de simulação correspondente precisa ser ajustado. Todavia, a tarefa de ajustar as propriedades do modelo se traduz em um problema de otimização complexo, onde o número de variáveis envolvidas é tão maior quanto maior for a quantidade de blocos que compõem a malha do modelo de simulação. Na maioria das vezes esses ajustes envolvem processos empíricos que demandam elevada carga de trabalho do especialista. Esta pesquisa investiga e avalia uma nova técnica computacional híbrida, que combina Algoritmos Genéticos e Geoestatística Multiponto, para a otimização de propriedades em modelos de reservatórios. Os resultados obtidos demonstram a robustez e a confiabilidade da solução proposta, uma vez que, diferentemente das abordagens tradicionalmente adotadas, é capaz de gerar modelos que não apenas proporcionam um ajuste adequado das curvas de produção, mas também que respeitam as características geológicas do reservatório. |
publishDate |
2012 |
dc.date.none.fl_str_mv |
2012-06-13 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=19629&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=19629&idi=2 http://doi.org/10.17771/PUCRio.acad.19629 |
url |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=19629&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=19629&idi=2 http://doi.org/10.17771/PUCRio.acad.19629 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
MAXWELL |
publisher.none.fl_str_mv |
MAXWELL |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell) instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) instacron:PUC_RIO |
instname_str |
Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
instacron_str |
PUC_RIO |
institution |
PUC_RIO |
reponame_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
collection |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository.name.fl_str_mv |
Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
repository.mail.fl_str_mv |
|
_version_ |
1817789457141596160 |