[pt] AJUSTE DE HISTÓRICO EM MODELOS DE SIMULAÇÃO DE RESERVATÓRIOS POR ALGORITMOS GENÉTICOS E GEOESTATÍSTICA DE MÚLTIPLOS PONTOS

Detalhes bibliográficos
Autor(a) principal: EUGENIO DA SILVA
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