Simplificações para fazer uma prática de gerenciamento de reservatórios em malha-fechada considerando o tempo disponível

• Processo: 24/10547-1
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de setembro de 2024
• Data de Término da vigência: 31 de agosto de 2028
• Área de conhecimento: Engenharias - Engenharia Mecânica
• Acordo de Cooperação: Equinor (antiga Statoil)
• Pesquisador responsável: Denis José Schiozer
• Beneficiário: Marx Vladimir de Sousa Miranda
• Instituição Sede: Faculdade de Engenharia Mecânica (FEM). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Empresa: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Mecânica (FEM)
• Vinculado ao auxílio: 17/15736-3 - Centro de Pesquisa em Engenharia em Reservatórios e Gerenciamento de Produção de Petróleo, AP.PCPE
• Assunto(s): Otimização Engenharia de petróleo
• Palavra(s)-Chave do Pesquisador: Gerenciamento de reservatório | otimização | simulação numérica de reservatórios | engenharia de petróleo

Resumo

Embora avanços contínuos no domínio computacional tenham sido observados nas últimas décadas, a simulação numérica ainda é um desafio quando aplicada para alguns tipos de campos, devido a algumas características: nível de heterogeneidade, tamanho do campo, necessidade de utilização de simulação composicional, entre outras. Ao realizar procedimentos probabilísticos que demandam elevado número de execuções de simulações, o tempo gasto para análise de decisão baseada em modelos pode se tornar muito alto, inviabilizando a aplicação destes procedimentos em aplicações práticas.Para minimizar os riscos envolvidos no projeto, Schiozer et al. (2019) propuseram uma metodologia baseada em modelo de 12 etapas para lidar com incertezas para auxiliar a tomada de decisão durante a fase de desenvolvimento e produção de campos de petróleo (desenvolvimento e gerenciamento de campo em circuito fechado - CLFDM). A metodologia envolve simulações de reservatórios, análise de risco, assimilação de dados, técnicas de redução de incerteza, seleção de modelos representativos e seleção de estratégias de produção sob incerteza, em 12 etapas que podem ser repetidas à medida que novas informações são adquiridas e inseridas nos estudos. Embora seja um processo promissor, pode consumir muito tempo para aplicações práticas, dependendo da complexidade dos modelos de simulação e do número de execuções de simulação.Assim, o objetivo deste projeto é avaliar possíveis simplificações a serem feitas no processo ou nos modelos de simulação para agilizar o processo de análise de decisão, sem perder precisão nos resultados e sem afetar as decisões finais. (AU)