Orientadores: Denis José Schiozer, Célio Maschio

Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica e Instituto de Geociências

Resumo: As incertezas geológicas influenciam diretamente a previsão de comportamento de reservatórios de petróleo, podendo, muitas vezes, tornar mais complexo o uso de ferramentas como simuladores de fluxo. A integração de técnicas de redução de incertezas e ajuste de histórico ganha um importante...

Resumo: As incertezas geológicas influenciam diretamente a previsão de comportamento de reservatórios de petróleo, podendo, muitas vezes, tornar mais complexo o uso de ferramentas como simuladores de fluxo. A integração de técnicas de redução de incertezas e ajuste de histórico ganha um importante destaque neste processo, principalmente devido às limitações apresentadas pelas técnicas tradicionais de ajuste de histórico, sobretudo em campos com poucos dados de produção e maiores incertezas. O objetivo principal desse trabalho é obter um ajuste de histórico probabilístico a partir da redução das incertezas do modelo de reservatório. A proposta desse estudo é apresentar contribuições a uma metodologia existente, com o objetivo de possibilitar o tratamento de um elevado número de atributos incertos e aumentar a eficiência do processo. O método consiste em um procedimento dinâmico de calibração de propriedades do reservatório, utilizando dados observados e técnicas de amostragem. Os atributos considerados, discretizados em níveis de incertezas (com uma probabilidade associada), são submetidos a um processo de amostragem, com o método de Hipercubo Latino e, posteriormente combinados estatisticamente. Cada combinação entre níveis dos diferentes atributos resulta em um modelo de simulação e, após realizadas as simulações, novas probabilidades são estimadas, para cada nível, a partir de um procedimento que utiliza a diferença entre os dados observados e simulados, relativos a cada modelo. A qualidade do ajuste obtido pode ser avaliada a partir das curvas de incertezas, compostas por modelos representativos das probabilidades iniciais e finais de cada atributo e através dos indicadores propostos nesse trabalho, como variabilidade das probabilidades e afastamentos por poço. Os resultados obtidos indicam um método capaz de fornecer resultados confiáveis no processo de mitigação de incertezas, quando há dados de histórico disponíveis. O aumento na qualidade dos resultados com esse método, para as situações onde os atributos possuem mais níveis discretos que o convencional (normalmente são 3 níveis), depende do esforço computacional (em termos do número de simulações). Contudo, não há um aumento expressivo do número de simulações, como ocorre na técnica de árvore de derivação usada em trabalhos anteriores

Abstract: The geological uncertainties influence directly the prediction of reservoir behavior, making more complex the use of tools such as flow simulators. The integration between mitigation uncertainties techniques and history matching gains an important emphasis in this process, mainly due to...

Abstract: The geological uncertainties influence directly the prediction of reservoir behavior, making more complex the use of tools such as flow simulators. The integration between mitigation uncertainties techniques and history matching gains an important emphasis in this process, mainly due to the limitations presented by history matching traditional techniques, especially in areas with little observed data and greater uncertainties. The main objective of this work is to set a probabilistic history matching from the mitigation of reservoir uncertainty. The purpose of this study is to provide input to an existing methodology, in order to allow treatment of a large number of uncertain attributes and increase process efficiency. The method involves a dynamic procedure of global and local calibration of the geological model, using observed data and sampling techniques. The considered attributes, discretized into uncertainty levels (with an associated probability), are undergoing a sampling process, with Latin Hypercube method and then statistically combined. Each combination among levels of different attributes results in a complete simulation model, and after the simulations are performed, new probabilities are estimated for each level, from a procedure that uses the difference between observed and simulated data for each model. The quality of the history matching process can be evaluated from the uncertainty curves, composed of representative models of initial and final probabilities of each attribute, and using the indicators proposed in this work, as probabilities variability and the difference between observed and simulated data by well. The results obtained with this methodology indicate a tool capable of providing reliable results in the uncertainty mitigation process, when there is observed data available. The increase in quality of results with this method, for situations where the attributes has a number of discrete levels higher than the conventional technique (3 levels) depends on the computational effort (in terms of simulations number), but without the significant increase in the simulations number, as in the derivation tree technique used in previous works