Metodologia de otimização probabilistica de estrategias de produção baseada em algoritmos geneticos
Pedro de Brito Nogueira
DISSERTAÇÃO
Português
T/UNICAMP N689m
[Methodology of production strategy optimization based on genetic algorithms]
Campinas, SP : [s.n.], 2009.
[151 p.] : il.
Orientador: Denis Jose Schiozer
Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica e Instituto de Geociencias
Resumo: Os altos níveis de incerteza e riscos associados a projetos de exploração e produção de alguns campos de petróleo sugerem a utilização de estratégias de produção otimizadas probabilisticamente. Desta forma, uma estratégia de produção adequada deve ser selecionada considerando vários cenários...
Ver mais
Resumo: Os altos níveis de incerteza e riscos associados a projetos de exploração e produção de alguns campos de petróleo sugerem a utilização de estratégias de produção otimizadas probabilisticamente. Desta forma, uma estratégia de produção adequada deve ser selecionada considerando vários cenários econômicos e geológicos. Neste trabalho, uma nova abordagem para otimização é proposta onde a estratégia de produção é otimizada simultaneamente em todos os cenários econômicos e modelos geológicos representativos (MGR) considerados. Diferentemente das metodologias convencionais de otimização, onde os valores presentes líquidos das estratégias são otimizados independentemente para cada MGR considerando um único cenário econômico, esta nova abordagem considera todos os MGR e cenários econômicos adotados simultaneamente. Isto permite disponibilizar mais informações a respeito do desempenho da estratégia nos diversos cenários permitindo que se realize uma melhor tomada de decisão. Além disso, a estratégia de produção definida pela abordagem proposta tende a ser mais adaptável às incertezas geológicas e econômicas. Contudo, geralmente, uma complexa superfície de resposta é gerada no processo de otimização da quantidade e posicionamento dos poços. O elevado potencial de geração de valores extremos locais justifica a utilização de técnicas robustas de busca como os algoritmos genéticos. Neste caso, o espaço solução é mais bem explorado conduzindo a resultados mais confiáveis. Entretanto, técnicas de busca dispersas tendem a ser mais caras computacionalmente que técnicas baseadas no cálculo dos gradientes da função-objetivo. Neste trabalho é proposta uma metodologia de otimização probabilística de estratégias de produção baseadas em algoritmos genéticos que visa reduzir o número de simulações necessárias para maximizar o valor monetário esperado. A idéia principal é controlar o tamanho do espaço solução através de uma representação cromossômica apropriada e implementar etapas específicas de otimização, otimizando todos os MGR para todos os cenários econômicos considerados simultaneamente através de uma técnica de simulação desenvolvida com este propósito. O presente trabalho visa dar uma abordagem mais rigorosa às incertezas que as metodologias geralmente utilizadas conduzindo a melhores resultados e permitindo que se realize uma análise completa dos impactos das incertezas geológicas e econômicas. Além disso, este trabalho pretende propiciar um avanço com relação à redução do número de simulações necessárias para se otimizar uma estratégia de produção através de algoritmo genético conduzindo a resultados mais rápidos permitindo dar dinâmica ao processo decisório.
Ver menos
Abstract: High levels of uncertainty and associated risks in the exploration and production of some oil fields suggest the use of probabilistic optimized production strategies. Therefore, an appropriate production strategy should be chosen considering various geological and economic scenarios. In...
Ver mais
Abstract: High levels of uncertainty and associated risks in the exploration and production of some oil fields suggest the use of probabilistic optimized production strategies. Therefore, an appropriate production strategy should be chosen considering various geological and economic scenarios. In this work, a new approach for the optimization is proposed where the production strategy is optimized for selected geological representative models (GRM) and under selected economic scenarios simultaneously. Differently from conventional optimization methodologies where each representative geological model has a net present value (NPV) optimized under a specific economic model, this new approach considers all alternatives simultaneously, providing more information about the production performance of all scenarios, allowing a better decision-making process. Moreover, production strategy defined by the new approach tends to be more adaptable to geological and economic uncertainties. However, in the optimization process of wells quantity and placement, a very complex topology is normally produced. The potential of generation of local extreme values is high, therefore, it is appropriate to employ a robust search technique such as genetic algorithms. In this case, the solution space is better explored, yielding more confident results. However, random based techniques tend to be more expensive computationally than gradient based techniques. In this work, a methodology is proposed for production strategy optimization under uncertainties, based on genetic algorithms, that aims to reduce the number of simulations necessary to maximize the expected monetary value (EMV). The main idea is to control the size of the solution space through an appropriated conception of chromosomes structures and the implementation of specifics optimizations stages optimizing every GRM for every economic scenario simultaneously through a simulation technical developed for this purpose. The present work aims to provide an improvement with respect to uncertainty handling of the conventional optimization methodologies, yielding better results and providing a complete analysis of geological and economic uncertainties. Moreover, its intends to provide an advance with respect to the number of simulations necessary to optimize a production strategy through genetic algorithms, yielding faster results, speeding up the decision-making process.
Ver menos
Schiozer, Denis José, 1963-
Orientador
Trevisan, Osvair Vidal, 1952-2018
Avaliador
Reis, Leandro Costa
Avaliador
Metodologia de otimização probabilistica de estrategias de produção baseada em algoritmos geneticos
Pedro de Brito Nogueira
Metodologia de otimização probabilistica de estrategias de produção baseada em algoritmos geneticos
Pedro de Brito Nogueira
Exemplares
Nº de exemplares: 2
Não existem reservas para esta obra