[en] MULTILATERAL WELLS DESIGN IN OIL RESERVOIR THROUGH GENETIC ALGORITHMS OPTIMIZATION

[pt] PROJETO DE POÇOS MULTILATERAIS EM RESERVATÓRIOS DE PETRÓLEO OTIMIZADOS POR ALGORITMOS GENÉTICOS

[pt] BRUNO MESSER

[pt] ALGORITMO GENETICO

[pt] RESERVATORIO DE PETROLEO

[pt] OTIMIZACAO

[en] GENETIC ALGORITHM

[en] RESERVOIR

[en] OPTIMIZATION

[pt] 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.

[en] 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.

MARCO AURELIO CAVALCANTI PACHECO

LUCIANA FALETTI ALMEIDA

MARCO AURELIO CAVALCANTI PACHECO

LUCIANA FALETTI ALMEIDA

LEANDRO COSTA REIS

CARLOS FERNANDO FONTENELLE DUMANS

2009-12-18

2009-08-31

[pt] TEXTO

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14734@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14734@2

https://doi.org/10.17771/PUCRio.acad.14734