Tesis de Marcela PDF

Universidade Federal de Pernambuco
Centro de Tecnologia e Geocincias

Ps-Graduao em Engenharia Civil
Dissertao de Mestrado
Otimizao Seqencial Aproximada

Aplicada a Mtodos de Recuperao
Suplementar em Reservatrios de Petrleo
Apresentada por:
Marcela Gomes Seixas
Orientador: Leonardo Jos do Nascimento Guimares

Co-orientador: Bernardo Horowitz
Recife PE
Agosto de 2010
Otimizao Seqencial Aproximada

Aplicada a Mtodos de Recuperao
Suplementar em Reservatrios de Petrleo

Dissertao de Mestrado submetida ao Corpo Docente do Curso
de Ps-Graduao em Engenharia Civil da Universidade Federal
de Pernambuco, como parte dos requisitos necessrios
obteno do grau de Mestre em Cincias em Engenharia Civil.
rea de Concentrao: Engenharia de Reservatrios
Orientador: Leonardo Jos do Nascimento Guimares

Recife, Pernambuco, Brasil

Agosto de 2010
Catalogao na fonte
Bibliotecria Margareth Malta, CRB-4 / 1198
S462o
Seixas, Marcela Gomes.

Otimizao seqencial aproximada aplicada a mtodos de recuperao
suplementar em reservatrios de petrleo / Marcela Gomes Seixas.
Recife: O Autor, 2010.
xii, 101 folhas, il., grfs., tabs.
Orientador: Prof. Dr. Leonardo Jos do Nascimento Guimares.
Co-Orientador: Prof. Dr. Bernardo Horowitz.
Dissertao (Mestrado) Universidade Federal de Pernambuco. CTG.
Programa de Ps-Graduao em Engenharia Civil, 2010.
Inclui Referncias Bibliogrficas.
1. Engenharia Civil. 2. Mtodos de recuperao suplementar. 3.
Estratgias de aproximao. 4. Modelos substitutos. 5. Otimizao. I.
Ttulo.
UFPE
624 CDD (22. ed.)
BCTG/2011-180
Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo
2010
Pgina iv
2010
Dedicatria
A minha querida av Dborah, que

sempre se orgulhou de mim e onde quer
que esteja est feliz pelo meu sucesso.
Pgina v
2010
Agradecimentos
A Deus, por ter posto em meu caminho essa maravilhosa oportunidade de cursar meu
mestrado e por ter me dado foras para completar essa misso, mesmo tendo que estar um
pouco longe da minha famlia.
Aos professores Leonardo Guimares e Bernardo Horowitz, por todos os
ensinamentos, explicaes e orientaes to importantes para a realizao e concluso desta
dissertao.
Aos meus pais, Aurineide e Luiz Carlos, e minha irm Renata por todo o amor e
estmulo que me deram para que eu pudesse comear e concluir o meu mestrado.
A meu av Antnio e minha amada av Edneide por todo amor e apoio que me
dedicou nesses ltimos anos.
A Isaac, meu companheiro e amigo, por ter aparecido em minha vida e ter me dado
amor, alegria e incentivo para eu terminar de escrever minha dissertao.
A todos os meus amigos do LMCG, Julliana, Igor, Nayra, Inaldo, Vincius, Thiago,
Jonathan e Luciana pela constante companhia, amizade e incentivo, e em especial s minhas
queridas amigas e confidentes Leila, por compartilhar a casa comigo, e Dbora, que me
incentivou e me ajudou a fazer o mestrado na UFPE.
A Carlos Vitor que me ajudou muito no incio do meu mestrado, compartilhando
comigo os seus conhecimentos de programador.
Aos professores da UFPE, Lcia, Ivaldo, Ramiro e Silvana com quem pude aprender
bastante ao longo do mestrado.
E ao IBP pelo apoio financeiro oferecido durante a elaborao da minha pesquisa.
Pgina vi
2010
Resumo
OTIMIZAO SEQENCIAL APROXIMADA APLICADA A MTODOS DE

RECUPERAO SUPLEMENTAR EM RESERVATRIOS DE PETRLEO
Agosto/2010
Orientador: Leonardo Jos do Nascimento Guimares,
Os mtodos especiais de recuperao so empregados com o intuito de extrair parte do

leo deixado pelos mtodos convencionais, melhorando os fatores de eficincia e diminuindo
a saturao residual do leo. A otimizao de projetos que envolvem o uso desses mtodos
relevante porque define as condies ideais para viabilizar o seu emprego em um campo. A
elaborao de projetos otimizados de recuperao implica na resoluo de problemas que
envolvem fenmenos complexos e de grande esforo computacional, exigindo a aplicao de
tcnicas de aproximao que reduzam o custo computacional envolvido. Este trabalho utiliza
uma estratgia denominada Otimizao Seqencial Aproximada para otimizar a recuperao
do leo em campos sintticos, nos quais se empregam dois dos mtodos de recuperao
avanada: a injeo de polmeros e a injeo de CO2. Nos casos de injeo de polmeros, as
variveis de projeto so o incio e a durao dos bancos de injeo de polmeros e a funo
objetivo a diferena entre os valores presentes lquidos (VPL) do caso base, que usa a
injeo de gua sem adio de polmeros, e do caso com injeo otimizada de polmeros. J
nos casos de injeo de CO2, as variveis so as vazes de injeo e a funo objetivo o
VPL da operao. O comportamento fsico do reservatrio em funo da aplicao otimizada
dos mtodos especiais de recuperao, bem como o desempenho computacional da estratgia
de otimizao empregada so analisados e discutidos.
Palavras-chave: Mtodos de recuperao suplementar, estratgias de aproximao, modelos
substitutos, otimizao.
Pgina vii
2010
Abstract
SEQUENTIAL APPROXIMATE OPTIMIZATION APPLIED TO ENHANCED OIL

RECOVERY METHODS
August/2010
Advisors: Leonardo Jos do Nascimento Guimares,
Bernardo Horowitz
Special recovery methods are employed in order to extract part of the oil left by
conventional methods, improving efficiency and decreasing the residual oil saturation.
Optimization of projects involving the use of these methods is important because it defines
the ideal conditions to facilitate their employment in a field. The development of optimized
recovery projects implies in the resolution of problems involving complex phenomena and
large computational effort, requiring the application of approximation techniques that reduce
the computational cost involved. This work uses the Sequential Approximate Optimization
technique to optimize oil recovery in synthetic fields, where we employ two enhanced oil
recovery methods: polymers injection and CO2 injection. In the polymers injection cases, the
design variables are the start and duration of slug injection and the objective function is the
difference between the net present values (NPV) of the optimal solution and base case,
without polymer injection. In the CO2 injection cases, the variables are the injection rates and
the objective function is the NPV of the operation. The physical behavior of the reservoir
according to the optimized application of the special recovery methods and the computational
performance of the optimization strategy employed are analyzed and discussed.
Keywords: Supplementary recovery methods, approximation strategies, surrogate models,
optimization.
Pgina
viii
2010
Lista de Figuras
Captulo 2
Figura 2.1: Classificao dos mtodos especiais de recuperao............................................................ 5
Figura 2.2 : Exemplo de amostra LCVT ............................................................................................... 15
Figura 2.3: Representao da estratgia de otimizao SAO ................................................................ 21
Captulo 3
Figura 3.1: Arquivos de entrada e sada do simulador IMEX ............................................................... 27
Figura 3.2: Arquivos de entrada e sada do simulador GEM ................................................................ 28
Figura 3.3: Esquema do acoplamento entre o DAKOTA e o simulador ............................................... 30
Captulo 4
Figura 4.1: Distribuio e completao dos poos produtores e Injetores ............................................ 33
Figura 4.2: Mapas de porosidade do modelo do caso 2 para as camadas 1, 2 e 3 ................................. 35
Figura 4.3: Mapas de permeabilidade do modelo do caso 2 nas direes I e J para as camadas 1, 2 e 3
............................................................................................................................................................... 35
Figura 4.4: Mapas de permeabilidade do modelo do caso 2 na direo K para as camadas 1, 2 e 3 ... 35
Figura 4.5: Massa de polmero injetada em funo do valor do leo para o caso 1.............................. 44
Figura 4.6: Produo de leo e produo de gua em funo do valor do leo para o Caso 1 ............. 44
Figura 4.7: Lucro em funo do valor do leo para o Caso 1 ............................................................... 45
Figura 4.8: Produo de leo em funo do valor do leo e da estratgia de otimizao para o Caso 1
............................................................................................................................................................... 46
Figura 4.9: Massa de Polmero Injetada em funo do valor do leo e da estratgia de otimizao para
o Caso 1 ................................................................................................................................................. 46
Figura 4.10: Produo acumulada de gua em funo do valor do leo e da estratgia de otimizao
para o Caso 1 ......................................................................................................................................... 47
Figura 4.11: Lucro em funo do valor do leo e da estratgia de otimizao para o Caso 1 ............. 47
Figura 4.12: Bancos de injeo de polmeros em funo da estratgia de otimizao e para valores de
leo iguais a US$20,00/bbl, US$30,00/bbl e US$40,00/ bbl para o Caso 1 ......................................... 48
Pgina ix
2010
leo iguais a US$50,00/bbl, US$60,00/bbl, e US$70,00/bbl para o Caso 1 ......................................... 48
leo iguais a US$80,00/bbl, US$90,00/bbl e US$100,00/bbl para o Caso 1 ........................................ 49
Figura 4.15: Fator de Recuperao em funo do valor do leo e da estratgia de otimizao para o
Caso 1 .................................................................................................................................................... 49
Figura 4.16: Distribuio das Presses para o caso 1 (US$ 20,00/bbl) ................................................. 50
Figura 4.17: Distribuio das presses para o caso 1 (US$ 100,00/bbl) ............................................... 51
Figura 4. 18: Distribuio dos poos injetores e produtores e influncia dos injetores sobre os
produtores.............................................................................................................................................. 52
Figura 4.19: BSW do poo produtor 8 para as simulaes do caso 1 ................................................... 52
Figura 4.21: BSW do poo produtor 10 para as simulaes do caso 1 ................................................. 53
Figura 4.23: BSW de gua do poo produtor 7 para as simulaes do caso 1 ...................................... 55
Figura 4.26: Efeito da injeo de polmero no comportamento da presso de fundo de poo do poo
injetor 1 do caso 1 (US$20,00/bbl) ....................................................................................................... 57
injetor 1 do caso 1 (US$100,00/bbl) ..................................................................................................... 57
Figura 4.28: Massa de polmero injetada em funo do valor do leo para o Caso 2 ........................... 60
Figura 4.29: Produo de leo e produo de gua em funo do valor do leo para o Caso 2 ........... 61
Figura 4.30: Lucro em funo do valor do leo para o Caso 2 ............................................................. 61
Figura 4.31: Bancos de injeo de polmeros para valores de leo iguais a US$50,00/bbl,
US$60,00/bbl e US$70,00/bbl para o Caso 2........................................................................................ 62
US$90,00/bbl e US$100,00/bbl para o Caso 2...................................................................................... 62
Figura 4.33: Distribuio das presses para o caso 2 (US$50,00/bbl) .................................................. 63
Figura 4.34: Distribuio das presses para o caso 2 (US$100,00/bbl) ................................................ 63
Figura 4.35: Distribuio das presses para os caso 1 e 2 (US$100,00/bbl)......................................... 64
Pgina x
2010

injetor 1 do caso 2 (US$20,00/bbl) ....................................................................................................... 66
injetor 1 do caso 2 (US$100,00/bbl) ..................................................................................................... 67
Figura 4.40: Adsoro de polmeros para a simulao cujo valor do leo US$70,00/bbl.................. 68
Figura 4.41: Concentrao de polmeros para a simulao cujo valor do leo US$70,00/bbl ........... 68
Figura 4. 42: Adsoro de polmeros para a simulao cujo valor do leo US$70,00/bbl................. 69
Figura 4.43: Concentrao de polmeros para a simulao cujo valor do leo US$70,00/bbl ........... 69
Figura 4.44: Lucro em funo do valor do leo para as simulaes dos casos 1 e 2 ............................ 70
Figura 4.45: Massa de polmero injetada com e sem taxa de desconto em funo do valor do leo para
as simulaes do caso 1......................................................................................................................... 72
Figura 4.46: Massa de polmero injetada com e sem taxa de desconto em funo do valor do leo para
as simulaes do caso 2......................................................................................................................... 72
Figura 4.47: Lucro em funo do valor do leo para as simulaes (com e sem taxa de desconto) do
caso 1..................................................................................................................................................... 73
caso 2..................................................................................................................................................... 73
Captulo 5
Figura 5.1: Distribuio e completao dos poos produtores e Injetores ............................................ 75
Figura 5.2: Distribuio dos poos ........................................................................................................ 80
Figura 5.3: Representao esquemtica do avano do gs injetado no poo 5 ..................................... 85
Figura 5.4: Avano da saturao do gs em funo do tempo no caso base ......................................... 86
Figura 5.5: Vazes de injeo timas para a simulao com 1 ciclo de controle ................................. 87
Figura 5.6: Vazes de injeo timas para a simulao com 2 ciclos de controle ................................ 87
Figura 5.7: Avano da saturao do gs em funo do tempo no caso com 1 ciclo de controle........... 88
Figura 5.8: Avano da saturao do gs em funo do tempo no caso com 1 ciclo de controle........... 89
Figura 5.9: Avano da saturao do gs em funo do tempo no caso com 2 ciclos de controle ......... 90
Figura 5.10: Variao do VPL em funo do preo do leo e dos crditos de carbono ....................... 91
Pgina xi
2010
Lista de Tabelas
Captulo 4
Tabela 4.1: Condies iniciais e propriedades do reservatrio e propriedades do leo e da gua ........ 34
Tabela 4.2: Propriedades do polmero................................................................................................... 36
Tabela 4.3: Fator de recuperao para todas as simulaes .................................................................. 43
Tabela 4.4: Solues obtidas com a estratgia SAO para todas as simulaes do caso 1 ..................... 43
Tabela 4.5: Comparao do nmero de avaliaes do modelo real das estratgias SAO e EGO para as
simulaes do caso 1 ............................................................................................................................. 58
Tabela 4.8: Resultados obtidos com as estratgias SAO e EGO para o caso 2 com valor do leo a
U$70,00 ................................................................................................................................................. 67
Tabela 4.9: Produes acumuladas de leo e gua para as simulaes (com e sem taxa de desconto) do
caso 1..................................................................................................................................................... 71
Tabela 4.10: Produes acumuladas de leo e gua para as simulaes (com e sem taxa de desconto)
do caso 2................................................................................................................................................ 71
Captulo 5
Tabela 5.1: Condies iniciais e propriedades do reservatrio ............................................................. 76
Tabela 5.2: Fator de recuperao para todas as simulaes .................................................................. 83
Tabela 5.3: Solues com o mtodo de otimizao SAO para todas as simulaes ............................. 84
Pgina xii
2010
Sumrio
Captulo 1- Introduo ............................................................................................................... 1
1.1
Motivao .................................................................................................................... 1
1.2
Objetivos ...................................................................................................................... 2
1.3
Organizao dos captulos ........................................................................................... 3
Captulo 2 - Fundamentos Tericos .......................................................................................... 4

2.1 Mtodos de Recuperao Avanada ................................................................................. 4
2.1.1 Injeo de Polmeros .................................................................................................. 6
2.1.2 Injeo de CO2 ........................................................................................................... 9
2.2 Estratgias de Aproximao para Otimizao ................................................................ 12
2.2.1 Classificao das Aproximaes .............................................................................. 13
2.2.2 Construo de Metamodelos .................................................................................... 14
2.2.2.1 Plano de Amostragem.......................................................................................13
2.2.2.2 Kriging..............................................................................................................14
2.2.3 Estratgia SAO ......................................................................................................... 19
2.2.3.1 Formulao Matemtica....................................................................................18
2.2.3.2 Aspectos Computacionais.................................................................................18
2.2.3.3 Atualizao da Regio de Confiana................................................................20
2.2.3.4 Critrios de Convergncia.................................................................................22
Captulo 3 - Metodologia: Acoplamento do Simulador de Reservatrios com o Otimizador 25

3.1 Simuladores de Reservatrios: IMEX e GEM ................................................................ 25
3.2 Otimizador: DAKOTA ................................................................................................... 29
Captulo 4 - Casos de Injeo de Polmeros: Modelo de Simulao, Definio do Problema

de Otimizao e Anlises dos Resultados obtidos.................................................................... 32
4.1 Caracterizao dos Casos Bases ..................................................................................... 33
4.2 Caracterizao para os Casos de Injeo de Polmero .................................................... 36
Pgina xiii
2010
4.3 Definio do Problema de Otimizao ........................................................................... 36

4.3.1 Objetivo .................................................................................................................... 37
4.3.2 Variveis de projeto ................................................................................................. 40
4.3.3 Restries ................................................................................................................. 41
4.4 Anlises dos Resultados Obtidos .................................................................................... 42
4.4.1 Validao do mtodo SAO....................................................................................... 42
4.4.1.1 Caso 1: modelo de simulao menos heterogneo............................................41
4.4.1.2 Caso 2: modelo de simulao mais heterogneo...............................................57
4.4.2 Casos 1 e 2: Aplicao de Taxa de Desconto sobre o Lucro ................................... 70
Captulo 5 - Casos de Injeo de CO2: Modelo de Simulao, Definio do Problema de

Otimizao e Anlises dos Resultados obtidos ........................................................................ 75
5.1 Caracterizao do Caso Base .......................................................................................... 75
5.2 Caracterizao para os Casos otimizados de Injeo de CO2 ......................................... 76
5.3 Definio do Problema de Otimizao ........................................................................... 77
5.3.1 Objetivo .................................................................................................................... 77
5.3.2 Variveis de projeto ................................................................................................. 79
5.3.3 Restries ................................................................................................................. 81
5.4 Anlises dos Resultados Obtidos .................................................................................... 82
5.4.1 Casos com 1 e 2 ciclos de controle: Anlise do VPL com preo do leo e valor dos
crditos de carbono fixos................................................................................................... 83
5.4.2 Anlise de Sensibilidade: VPL em funo da variao do preo do leo e do valor
dos crditos de carbono. .................................................................................................... 91
Captulo 6 - Concluses e Sugestes para Trabalhos Futuros ................................................. 93

6.1 Concluses ...................................................................................................................... 93
6.2 Sugestes para Trabalhos Futuros .................................................................................. 96
Pgina xiv
2010
Captulo 1
Introduo
1.1 Motivao
Os mtodos de recuperao suplementar ou avanada podem desempenhar um papel

importante no cenrio de campos em explotao, j que o grau de complexidade de novas
descobertas maior e a revitalizao de campos j descobertos e que possuem alto grau de
explotao fundamental para o crescimento contnuo da indstria.
Mesmo com a grande descoberta das reservas do pr-sal, que devero levar alguns
anos para se desenvolverem plenamente, a Petrobras, por exemplo, vem investindo em
programas de revitalizao de campos que j passaram pelo pico de produo, mas que ainda
contm leo in place em quantidade suficiente para garantir a viabilidade do projeto, como o
Recage (Revitalizao de Campos com Alto Grau de Explotao) e o PRAVAP (Programa de
Recuperao Avanada de Petrleo) (FARIA, 2008).
Um dos objetivos desses programas subsidiar projetos que justifiquem o
investimento na aplicao dos mtodos de recuperao avanada, e a otimizao dessas
tcnicas de recuperao uma das estratgias usadas na busca da viabilidade econmica para
a continuidade e melhoria da explotao dos campos maduros.
A elaborao de projetos otimizados de recuperao de um campo implica na
resoluo de problemas com elevado grau de no-linearidade, que envolvem fenmenos
complexos e com muitas variveis que podem ser combinadas de inmeras formas diferentes.
Intuitivamente, com base em experincia e julgamento, difcil se obter um projeto que
defina as condies timas de operao de um campo de petrleo, j que vrios fatores devem
ser considerados para se obter um projeto confivel que garanta a maximizao dos lucros e a
minimizao dos riscos.
O presente estudo tem como objetivo otimizar a aplicao de mtodos de recuperao
avanada em campos de petrleo, fazendo uso da simulao numrica de reservatrios para a
construo de uma metodologia de otimizao automtica dos casos. O maior desafio de se
Pgina 1
2010
usar a simulao numrica para auxiliar na otimizao o grande esforo computacional

exigido para a resoluo dos problemas e por isso, o uso de alguns algoritmos ou tcnicas
podem elevar demasiadamente o custo computacional do processo de otimizao, tornando
invivel a obteno do projeto timo.
Visando reduzir esse custo, este trabalho prope o uso de uma estratgia de
aproximao local para a otimizao dos casos de aplicao, denominada Otimizao
Seqencial Aproximada (Sequential Approximate Optimization SAO), que decompe o
problema original de otimizao em vrios subproblemas confinados a uma sub-regio do
espao de projeto, e usa funes aproximadas ou simplificadas na otimizao dos subproblemas ao invs das funes computacionalmente mais caras (AFONSO et al., 2005).
A estratgia SAO usada em dois casos de aplicao. A primeira aplicao se refere
ao problema de otimizao da injeo de polmeros empregada em um caso sinttico de
recuperao de um campo de petrleo, onde as variveis so o incio e a durao dos bancos
de injeo de polmeros e a funo objetivo a diferena entre os valores presentes lquidos
(VPL) do caso base, que usa a injeo de gua sem adio de polmeros, e do caso com
injeo otimizada de polmeros. J a segunda se refere ao problema de otimizao da injeo
de CO2, usada em um caso sinttico de recuperao de um campo, cujas variveis de projeto
so as vazes de injeo e a funo objetivo o VPL da operao. O problema de otimizao
de cada caso de aplicao ser detalhado mais adiante.
1.2 Objetivos
O objetivos desse estudo so:
1.
Usar a estratgia de Otimizao Seqencial Aproximada (Sequential Approximate

Optimization SAO) para otimizar a recuperao do leo em campos sintticos,
nos quais se empregam dois dos mtodos de recuperao avanada, a injeo de
polmeros e a injeo de CO2, definindo as condies timas para a viabilizao da
aplicao de cada um e maximizando os lucros da operao de recuperao;
Pgina 2
2010
2. Entender o comportamento fsico dos problemas estudados, onde os mtodos de

recuperao avanada so aplicados, avaliando-se o efeito de cada um sobre o
comportamento do reservatrio;
3. Avaliar a influncia de parmetros econmicos, tais como preo do leo, no
comportamento das solues obtidas;
4. Avaliar o desempenho computacional do mtodo de otimizao usado.
1.3 Organizao dos captulos
Os demais captulos desse trabalho esto organizados da seguinte maneira:

No Captulo 2, faz-se uma descrio de aspectos tericos necessrios para o
desenvolvimento desse estudo, tais como os conceitos que definem o que um mtodo de
recuperao avanada, quais os tipos de mtodo e o mecanismo de funcionamento dos
mesmos, bem como os princpios e a formulao da estratgia Otimizao Seqencial
Aproximada (SAO) e todos os passos necessrios para a sua construo.
No Captulo 3, so descritas as caractersticas de funcionamento dos simuladores
comerciais IMEX (Implicit Explicit Black Oil Simulator) e GEM (Implicit Explicit
Compositional Simulator), ambos do CMG (Computer Modelling Group Ltd), e do programa
no-comercial DAKOTA (Design Analysis Kit for Optimization and Terascale Applications)
da Sandia National Laboratory usado na otimizao dos problemas propostos. Para o uso da
estratgia SAO foi necessria criar uma interface de acoplamento entre o software do
DAKOTA e o simulador (IMEX ou GEM), a depender do caso de aplicao), composta de
diversas sub-rotinas programadas na linguagem de programao OCTAVE. Todos os detalhes
desse acoplamento tambm so expostos nesse captulo.
O Captulo 4 descreve o modelo de simulao, a formulao do problema de
otimizao e as discusses a cerca dos resultados obtidos para o caso de aplicao de injeo
de polmeros. J para o caso de aplicao de injeo de CO2, esses mesmos itens so descritos no
Captulo 5.
E por fim, o Captulo 6 traz as principais concluses desse trabalho, bem como
algumas recomendaes para trabalhos futuros no contexto dessa linha de pesquisa.
Pgina 3
2010
Captulo 2
Fundamentos Tericos
Os fundamentos tericos esto divididos em dois tpicos principais. O primeiro aborda
os mtodos de recuperao avanada tambm conhecidos por mtodos especiais de
recuperao secundria ou de recuperao suplementar (Improved Oil Recovery - IOR). O
segundo aborda os mtodos aproximados de otimizao e descreve detalhadamente toda a
estratgia Otimizao Seqencial Aproximada (SAO)
2.1 Mtodos de Recuperao Avanada
O principal mtodo de recuperao secundria convencional, a injeo de gua,

usado a mais de 100 anos e no Brasil comeou a ser usado a partir dos anos 50. A aplicao
desse mtodo se tornou mais difundida porque a gua mais barata para se obter e para se
injetar, e possui um bom desempenho na recuperao de leo. Porm, muitos campos nos
quais se inicia a injeo de gua h algum tempo acabam atingindo estgios avanados de
recuperao (ROSA et al., 2006). Esse estgio se inicia com o decaimento da eficincia de
recuperao do leo, o que implica na reduo da produo do mesmo.
Com o decaimento da produo de leo, aplicaes de tecnologias capazes de
aumentar o fator de recuperao dos campos so necessrias. Ou seja, a aplicao dos
mtodos avanados de recuperao se apresenta como uma possvel resposta para as
necessidades do estgio avanado de recuperao, atuando na explotao do leo residual
deixado pelos mtodos convencionais.
Segundo CERQUEIRA et al. (2009), a recuperao primria de petrleo, onde a
produo ocorre pela presso natural do reservatrio, e a recuperao secundria, na qual a
produo se d pela injeo de fluidos existentes no sistema natural do reservatrio, so
responsveis pela recuperao de 30%, em mdia, do total do oil in place. A parcela de leo
remanescente no reservatrio, em torno de 70%, o alvo dos mtodos de recuperao
Pgina 4
2010
avanada de petrleo. A recuperao avanada considerada em geral como a terceira, ou

ltima, fase de produo til de leo, tambm chamada de produo suplementar
(CERQUEIRA et al. apud DONALDSON et al., 1989).
Vrios mtodos foram desenvolvidos para atender as necessidades especiais da
recuperao avanada de petrleo. A Figura 2.1 extrada de CERQUEIRA et al. (2009)
detalha a classificao de alguns mtodos especiais de recuperao secundria ou mtodos de
recuperao avanada.
Figura 2.1: Classificao dos mtodos especiais de recuperao

Fonte: CERQUEIRA et al., 2009
A diferena entre os mtodos est no mecanismo de deslocamento de hidrocarbonetos.

Os mtodos trmicos so processos de recuperao avanada que atuam na diminuio da
viscosidade do fluido pelo aumento da temperatura do reservatrio. A aplicao desses
mtodos adequada em reservatrios que contm leo de alta viscosidade (VALE, 2009).
Dentre os mtodos trmicos o que mais de destaca a injeo de vapor, sendo, de acordo com
matria da revista Petro & Qumica (FARIA, 2008), o mais usado pela Petrobras e aplicado
com sucesso em vrios campos terrestres, como Fazenda Alegre, no Esprito Santo, Fazenda
Belm, Estreito e Alto do Rodrigues, no Rio Grande do Norte.
Os mtodos qumicos de recuperao atuam pela interao qumica entre o fluido
injetado e o fluido do reservatrio (VALE, 2009; CERQUEIRA et al., 2009). Dos mtodos
qumicos existentes, destaca-se o de injeo de polmero, que est diretamente relacionado
com a eficincia de varrido pela reduo da razo de mobilidade. Nos anos 90 a aplicao
desse mtodo era pouco vivel economicamente, porque o custo dos produtos qumicos era
alto e o preo do petrleo era cotado abaixo dos U$20,00. Na atualidade, porm, com o
Pgina 5
2010
aumento do preo do petrleo e com a evoluo da performance dos produtos qumicos, a

aplicao do mtodo se tornou atrativa (FARIA, 2008).
J os mtodos miscveis so processos de recuperao de leo caracterizados pela
ausncia de interface entre os fluidos deslocante e deslocado. A importncia deste processo
est relacionada com a sua habilidade em reduzir as foras capilares e interfaciais que do
contrrio causariam reteno do leo no reservatrio. Dentre os mtodos miscveis, destaca-se
a injeo de CO2 (CERQUEIRA et al., 2009) que, alm de se mostrar o mais promissor para
reservatrios com leo leve, tem um forte apelo ambiental por contribuir com a reduo da
emisso do CO2 na atmosfera (FARIA, 2008).
A opo pelo uso de algum dos mtodos de recuperao avanada deve ser
acompanhada por um estudo das propriedades petrofsicas, qumicas, geolgicas, ambientais e
dos fluidos de cada caso. Isso porque os custos dos fluidos injetados e os custos operacionais
so geralmente altos para a maioria dos mtodos e, portanto esse estudo geolgico e de
engenharia detalhado do reservatrio candidato aplicao de um determinado mtodo
muito importante para determinar sua viabilidade tcnica e econmica.
Neste trabalho, dois mtodos de recuperao so estudados nos casos de aplicao.
So eles o mtodo qumico de injeo de polmeros e o mtodo miscvel de injeo de CO2. O
mecanismo de recuperao desses mtodos, bem como suas principais vantagens e
desvantagens so descritos a seguir.
2.1.1 Injeo de Polmeros
A injeo de polmeros um mtodo de recuperao avanada de leo que melhora a

varredura do reservatrio e reduz a quantidade de fluido de injeo necessrio para recuperar
uma determinada quantidade de leo (KAMINSK et al., 2007). A eficincia de varrido em um
reservatrio est diretamente relacionada com a razo de mobilidades entre o fluido
deslocante e o deslocado.
Como descreve ROSA et al. (2006), quando o mtodo de injeo de gua usado em
um projeto de recuperao, a razo de mobilidades dada pela relao entre a mobilidade da
gua injetada, medida na saturao residual do leo, e a mobilidade do leo, medida na
saturao de gua conata como formulado a seguir:
Pgina 6
M =
w k w / w k rw / w
=
=
o
ko / o
k ro / ro
2010
(2.1)
Sendo:
w - Mobilidade da gua injetada;

o - Mobilidade do leo;
k w - Permeabilidade efetiva gua;
k o - Permeabilidade efetiva ao leo;
k rw - Permeabilidade relativa da gua;
k ro - Permeabilidade relativa do leo;
w - Viscosidade da gua;
o - Viscosidade do leo.
Quanto maior a razo de mobilidades, menor ser a eficincia de varrido do leo.

Razes de mobilidades menores ou igual a 1 (um) so consideradas favorveis, portanto ao se
reduzir a razo de mobilidades para um valor em torno de 1 aumenta-se a eficincia de
varrido (DANTAS et al., 2009; ROSA et al., 2006).
De acordo com a equao (2.1) acima, nota-se que a razo de mobilidades pode se
tornar mais favorvel se houver a reduo da permeabilidade efetiva gua (k w ) (ou reduo
da permeabilidade relativa da gua) ou da viscosidade do leo ( o ) , e se houver o aumento da
viscosidade da gua injetada ( w ) ou da permeabilidade efetiva ao leo ( k o ) (ou aumento da
permeabilidade relativa do leo).
Os polmeros compem uma classe de produtos qumicos que possuem alta massa
molecular que quando adicionados a gua injetada aumentam sua viscosidade, reduzindo sua
permeabilidade no meio poroso e, por conseguinte sua mobilidade. A gua ento passa a se
deslocar no meio poroso com uma mobilidade semelhante a do leo e por isso, em vez de
escolher caminhos preferenciais e se dirigir rapidamente aos poos de produo, se difunde
mais no meio poroso, aumentado a eficincia de varrido (VALE, 2009 apud KESSEL, 1989).
ROSA et al. (2006) demonstra que ao se reduzir a mobilidade da gua em um sistema
gua-leo uma rea maior varrida antes que a produo de gua comece, o que provoca uma
antecipao da produo de leo nesse perodo. Isso significa que para se produzir uma
Pgina 7
2010
determinada quantidade de leo, com a adio de polmeros uma menor quantidade de gua
injetada necessria.
Alguns fenmenos ocorrem quando a soluo polimrica (solues de polmero em
gua) percola o reservatrio e causam alteraes em alguns parmetros.
Em funo do seu alto peso molecular, os polmeros tm sua passagem restrita nos
pequenos poros do meio. Esses espaos porosos inacessveis s molculas de polmeros so os
que constituem o volume poroso inacessvel (DANTAS, 2008 apud DAWSON E LANTZ,
1972). Algumas molculas podem tambm ficar retidas na superfcie da rocha ou em alguns
poros, originando um fenmeno chamado de adsoro de polmeros. Segundo DANTAS
(2008), a existncia do volume poroso inacessvel (IPV ) provoca uma reduo da porosidade
original do meio ( ) . A nova porosidade ( p ) ser equivalente a uma frao da porosidade
original, conforme a equao a seguir:
p = (1 IPV )
(2.2)
J a adsoro do polmero na superfcie da rocha ( Ad ) funo da concentrao de

polmeros (C p ) no reservatrio, como descrito na equao abaixo:
Ad = f (C p )
(2.3)
medida que se injeta a soluo polimrica e a concentrao de polmeros cresce no

reservatrio, a permeabilidade do meio se reduz porque a adsoro de polmeros na superfcie
da rocha favorece ao surgimento de zonas que oferecem resistncia ao fluxo da prpria
soluo polimrica, desencadeando a reduo da sua mobilidade dentro do reservatrio.
Aps um determinado perodo, em que a soluo polimrica j tenha se deslocado pelo
meio poroso, as molculas de polmeros que continuam adsorvidas na rocha-reservatrio
passam a oferecer uma resistncia residual ao fluxo da gua que vai sendo injetada, cuja
mobilidade passa a ser menor do que a do fluxo de gua anterior a passagem dos polmeros no
meio poroso.
Em resumo, pode-se afirmar que este mtodo indicado para leos no pesados que
possua mobilidade (SILVA SEGUNDO, 2007), ou seja, para leos do tipo leve ou mdio. A
principal vantagem da aplicao desse mtodo que os polmeros podem mudar a viscosidade
Pgina 8
2010
da gua injetada com concentraes relativamente baixas. A alterao na viscosidade da gua

reduz sua mobilidade, aumentando a recuperao do leo pelo aumento da eficincia de
varrido. Alm disso, o uso de polmeros reduz as razes gua/leo de produo. Portanto mais
leo produzido enquanto se manuseia menos gua, e isso pode ser significativo na reduo
de custos operacionais (ROSA et al., 2006). Como desvantagens, podemos citar custos e a
sensibilidade do polmero gua salgada da formao e temperatura (SILVA SEGUNDO,
2007).
2.1.2 Injeo de CO2
A injeo de CO2 um mtodo avanado de recuperao de leo bastante conhecido e

usado que melhora a eficincia de deslocamento do leo em funo da reduo ou eliminao
das tenses interfaciais entre os fludos. Como descrito em ROSA et al. (2006), o CO2, nas
condies de reservatrio, tem uma forte atrao pelo leo, dissolvendo-se bem no mesmo,
causando vaporizao e inchamento, e conseqentemente deslocamento do mesmo no interior
do reservatrio. Em suma, o CO2 atua como uma espcie de solvente que altera as
propriedades do petrleo e facilita o escoamento pelos poros da rocha-reservatrio.
A injeo de CO2 pode ser imiscvel ou miscvel. A baixas presses, o CO2 desloca
leo sem se misturar, formando uma nica fase, empurrando o leo para fora dos poros. Este
processo conhecido como deslocamento imiscvel e considerado como um mtodo
convencional de recuperao. Apesar de no haver uma miscibilidade significativa entre o gs
e o leo, a recuperao tambm melhorada com a reduo da viscosidade do leo e por
expanso, quando alguma frao de CO2 se dissolve no leo (RAVAGNANI, 2008). Essa
aplicao indicada quando no h condies favorveis para a miscibilidade entre o leo o
CO2, ou seja, quando o leo pouco viscoso (maior que 30 API) e quando a presso do
reservatrio baixa (BRESSAN, 2008).
J no processo miscvel, mtodo de recuperao avanada que indicado para a
recuperao de leos viscosos (BRESSAN, 2008), abaixo de 25 API, o CO2 injetado a uma
presso suficientemente alta para provocar uma vaporizao do leo e a formao de uma
zona miscvel obtida por mltiplos contatos da frente CO2 com o leo do reservatrio, e
Pgina 9
2010
composta de gs enriquecido com componentes (C2-C30) que so transferidos do leo para o

CO2.
A zona miscvel comea a se formar quando as condies de temperatura e presso se
tornam favorveis. De um modo geral, para que haja a transferncia de componentes do leo
para o CO2 so necessrias presses em torno de 1500 psi que vo at um limite superior
prtico de 6000 psi, pois acima dessa presso os custos operacionais do compressor e dos
equipamentos se tornam excessivos (ROSA et al., 2006).
O mecanismo de recuperao do leo funciona da seguinte maneira: Aps o alcance
da miscibilidade, em que a interface entre o gs e leo desaparece e os fluidos se misturam
originado uma frente de fludo miscvel, que a princpio se concentra ao redor do poo de
injeo como um anel. Uma injeo posterior de gs desloca a frente miscvel atravs do
reservatrio, deslocando tambm o leo. No seu movimento, afastando-se do poo injetor, o
gs pode percorrer apenas alguns metros, antes que a frente miscvel se forme de novo.
proporo que o anel miscvel se expande ele continuamente quebrado. Cada vez que isso
ocorre, o processo de mltiplos contatos se repete at que se obtenha a miscibilidade
novamente.
Em sntese, como principal vantagem desse mtodo pode-se ressaltar a alta eficincia
de deslocamento alcanada, sendo a saturao de leo reduzida para 5% do volume poroso na
regio contatada. E como principais desvantagens podem ser citadas a difcil obteno e o
custo da injeo do CO2 (ROSA et al., 2006).
Vale ressaltar ainda que ultimamente o uso do mtodo de injeo de CO2 vem sendo
considerada como uma das melhores alternativas para a reduo da emisso do CO2 na
atmosfera, atravs da tecnologia de seqestro geolgico.
Segundo RAVAGNANI (2007), a indstria de petrleo possui as ferramentas
necessrias para ajudar na conteno do crescimento das emisses do CO2. A preocupao
crescente com questes ambientais, principalmente no que se refere emisso de gases de
efeito estufa, como o CO2, na atmosfera, tem conduzido diversos estudos que consideram a
injeo e o armazenamento de CO2 em reservatrios depletados como a melhor alternativa
para a reduo da emisso desse gs.
Reservatrios de petrleo possuem as melhores condies geolgicas e econmicas
para o armazenamento do CO2, porque os reservatrios vm sendo investigados durante todo
o perodo de explorao, o que pode confirmar se ser realmente adequado para armazenar o
CO2. Alm disso, j possuem toda a infra-estrutura subterrnea e de superfcie, como poos de
Pgina 10
2010
injeo, equipamentos e oleodutos, que pode ser usada para a injeo do CO2 fazendo-se
pequenas ou at nenhuma modificao, o que reduz o custo do processo de armazenamento
caso tivesse que se montar toda a infra-estrutura necessria do zero.
A exemplo disso, em 1991 a Petrobras implantou no campo de Buracica, na bacia
Recncavo, um projeto de injeo de CO2 a baixas presses. Esse projeto foi muito bem
sucedido, resultando na manuteno parcial da produo de petrleo do campo por cerca de
20 anos. Adicionalmente, com essa tcnica foram retiradas da atmosfera cerca de 600 mil
toneladas de CO2, pelo mtodo de seqestro geolgico (FARIA, 2008).
O Protocolo de Kyoto, que surgiu em 1997 e foi designado para estabilizar as
emisses de gases de efeito estufa (RAVAGNANI, 2007) atravs de parceria entre mais de
140 pases desenvolvidos e em desenvolvimento, tem o objetivo de funcionar como incentivo
para que as empresas invistam em projetos de seqestro de carbono, j que podem ganhar o
que se chama de crditos de carbono. O mercado funciona da seguinte maneira: uma empresa
de um pas desenvolvido, que libera grandes quantidades de CO2 na atmosfera, pode continuar
a poluir se pagar para que um pas em desenvolvimento como o Brasil diminua as emisses de
CO2 em seu lugar, atravs de projetos ambientais.
Porm o projeto do mercado de carbono se encontra ainda em estgio embrionrio e
em muitos projetos de recuperao no oferece nenhum lucro a mais para que se empregue o
mtodo de recuperao de injeo de CO2. Isso porque ainda hoje no existem padres que
regularizem o sistema de troca de carbono e os preos dos crditos de CO2, que alm de no
serem to convidativos variam extensamente, pois dependem fortemente das suposies que
so feitas, como o tamanho das redues de emisses a serem realizadas, a disponibilidade de
opes de mitigao e os tipos de mercado (RAVAGNANI, 2007 apud KALLBEKKEN e
TORVANGER, 2004).
Segundo GODOY e PRADO JR. (2007), apesar de ainda no existir uma
regulamentao que torne o mercado de carbono oficial, muitas empresas possuem projetos
ambientais para a negociao com empresas compradoras dos crditos de carbono, atravs de
transaes que podem ou no obedecer aos parmetros impostos pelo protocolo de Kyoto.
Geralmente essas transaes ocorrem atravs de acordos particulares e utilizando contratos e
preos muitas vezes confidenciais e sem registro pblico, o que dificulta a obteno de
informaes. Mesmo assim sabe-se que o mercado de carbono vem evoluindo, pois a cada
ano vem aumentando os registros das Redues Certificadas de Emisses (RCEs). Alm
disso, h uma tendncia de crescimento desses preos que tm variado de U$ 2 U$ 7 desde
Pgina 11
2010
2003 at meados de 2005, e em 2006 j atingiu patamares de US$ 24/ tCO2 (GODOY e
PRADO JR., 2007).
Para a indstria de petrleo, mesmo sem o incentivo de preos de crditos de carbono
convidativos, alguns projetos de recuperao de campos maduros podem ser associados ao
seqestro de CO2 e serem rentveis, pois os custos de armazenagem, por exemplo, so
mitigados ou at mesmo totalmente cobertos pela receita da produo de petrleo ou gs
extra.
2.2 Estratgias de Aproximao para Otimizao
Os problemas de otimizao envolvem diversas atividades de engenharia de petrleo.

Em todas as etapas da cadeia de trabalho possvel dedicar-se a problemas que necessitam de
otimizao, em maior ou menor escala, com maior ou menor complexidade (OLIVEIRA,
2006). Em geral os problemas de engenharia so complexos e envolvem muitas variveis, e o
que se deseja sempre combinar essas variveis de forma mais eficiente e econmica
possvel. O problema que devido a essa complexidade, obter um projeto timo
intuitivamente invivel e muitos mtodos se tornam computacionalmente muito caros.
Na indstria do petrleo sabe-se que o gerenciamento de campos est geralmente
ligado a simulao numrica, sendo esta uma das ferramenta que prev o comportamento do
reservatrio ao longo de um determinado tempo de operao. A otimizao cada vez mais
vem sendo aplicada aos problemas de engenharia do petrleo, e associada simulao
numrica torna-se uma poderosa ferramenta para a obteno de projetos mais eficientes e
vantajosos financeiramente.
Porm, a otimizao com simulao uma tcnica que exige um grande esforo
computacional, j que a simulao representa um sistema complexo com funes altamente
no-lineares, e no processo de otimizao simulaes so executadas repetidamente com
respostas necessrias ao algoritmo de otimizao (OLIVEIRA, 2006). Neste caso, a aplicao
de tcnicas de otimizao tradicionais para a resoluo destes sistemas no adequada,
principalmente para problemas cujo nmero de variveis de projeto e restries grande
porque a otimizao se torna invivel e cara (RODRGUEZ, 2001), sendo necessrio o uso de
tcnicas ou estratgias de aproximao para uma otimizao eficiente e de menor custo
Pgina 12
2010
computacional. Segundo MENDONA (2009 apud FORRESTER et al., 2008), estratgias

de aproximao so apontadas como uma poderosa ferramenta para superar problemas de
otimizao prticos de engenharia.
As estratgias de aproximao criam modelos substitutos (ou metamodelos)
construdos a partir da simplificao das funes reais ou modelo real. A otimizao ento
realizada usando-se a funo aproximada ou modelo substituto ao invs da real, que
computacionalmente mais cara.
2.2.1 Classificao das Aproximaes
No processo de se obter uma resposta aproximada de uma dada funo cara e/ou no
suave do ponto de vista computacional, um grande nmero de aproximaes est disponvel
(SILVA, 2009 apud TOROPOV, 1989; BARTHELEMY e HAFTKA, 1993; ALEXANDROV
et al., 1997).
As aproximaes so classificadas, segundo SILVA (2009 apud BARTHELEMY e
HAFTKA, 1993), de acordo com o seu intervalo de aplicabilidade dentro do espao de
projeto, podendo ser:
1. Aproximaes locais, em que so validadas apenas em uma vizinhana prxima de

onde as funes foram criadas;
2. Aproximaes globais, em que so validadas em todo o espao de projeto;
3. Aproximaes de mdio alcance, onde se enquadra entre ambos os tipos e tenta dar
um aspecto global s aproximaes do tipo local.
Neste trabalho, para a otimizao dos casos de estudo foi usada uma estratgia de
aproximao local denominada Otimizao Seqencial Aproximada (Sequential Approximate
Optimization - SAO), cuja construo ser detalhada adiante.
Pgina 13
2010
2.2.2 Construo de Metamodelos
A construo de metamodelos envolve uma das seguintes estratgias: Tcnicas de

ajustamento de superfcies, expanses de srie de Taylor e Base reduzida (GUIMARES et
al., 2008). Dentre estas, tcnicas de ajustamento de superfcie tm sido extensivamente usadas
para a construo de metamodelos em problemas prticos de engenharia, por ser uma
estratgia adequada para problemas complexos, que envolvem um alto custo computacional e
funes com tendncias oscilatrias (HOROWITZ et al., 2009).
A tcnica de ajustamento de superfcie, em um contexto global ou local, envolve
interpolao ou regresso polinomial de uma amostra de dados, gerada a partir um modelo
real (high-fidelity model). Uma superfcie de resposta gerada a partir da anlise do modelo
real realizada nos pontos amostrais, gerados por uma tcnica ou plano de amostragem
(tambm conhecida como Design of Experiments DOE) (AFONSO et al., 2008).
A construo de metamodelos comea com a criao do plano de amostragem (DOE).
Nessa etapa definido um grupo de pontos amostrais que melhor representem o espao de
projeto. Para isto, vrias tcnicas podem ser usadas, tais como a do Hipercubo Latino (Latin
Hipercube Sampling - LHS), Quase-Monte Carlo (QMC), Vetor Ortogonal (Orthogonal Array
AO) e Ladrilhamento Centroidal de Voronoi Latinizado (Latin Centroidal Voronoi
Tesselation - LCVT).
A prxima etapa selecionar uma tcnica de ajustamento de superfcie para
desenvolver a estimativa de preditores e expresses de erro para avaliar as funes nos pontos
amostrais. Tcnica de Kriging ou Krigagem, Processo Gaussiano (Gaussian Process GP) so
algumas das alternativas disponveis (MENDONA et al., 2009; AFONSO et al., 2008).
No estudo realizado por AFONSO et al. (2008) que avaliou diversas tcnicas de
amostragem e de construo de metamodelos por ajustamento de superfcies , a combinao
LCVT-Kriging foi a que apresentou as melhores solues, e baseado neste resultado, no
presente estudo os modelos substitutos so construdos utilizando-se a tcnica LCVT para a
gerao de amostras, e a tcnica de ajustamento de superfcies atravs do procedimento de
Krigagem, que sero brevemente descritas a seguir.
Pgina 14
2010
2.2.2.1 Plano de amostragem
A escolha da tcnica para a gerao de pontos bem importante para a construo de

um bom modelo substituto. Uma amostra adequada uma que possui o nmero mnimo de
pontos, porm que assegure a preciso do metamodelo com relao ao modelo real (SILVA,
2009; HOROWITZ et al., 2009). Neste trabalho, para a gerao de amostras foi utilizada a
tcnica de Ladrilhamento Centroidal de Voronoi Latinizado (LCVT). Nos casos de aplicao
estudados os metamodelos so construdos usando-se a combinao LCVT-Kriging.
Na tcnica LCVT, a principal caracterstica do conjunto de pontos que eles tm boa
distribuio volumtrica. Os pontos tendem a organizar-se em um padro de clulas que tem
mais ou menos a mesma forma. Para produzir este conjunto de pontos, um conjunto arbitrrio
de pontos inicial escolhido e, em seguida, um conjunto interno de iteraes realizado.
Estas iteraes vo substituindo repetidamente o conjunto de pontos amostrais por uma
estimativa dos centrides das sub-regies de Voronoi correspondentes. Cada ponto movido
para dentro de uma partio do domnio, e para cada projeo unidimensional, haver apenas
uma amostra em cada partio (SANDIA NATIONAL LABORATORY, 2008).
A Figura 2.2, extrada de SAKA et al. (2007), mostra um exemplo da gerao de um
conjunto de pontos LCVT. esquerda, 10 pontos so escolhidos aleatoriamente no domnio,
e as correspondentes sub-regies de Voronoi (polgonos) so geradas com os seus respectivos
centrides (crculos). direita, a gerao do conjunto de 10 pontos LCVT do domnio, em
que os crculos so simultaneamente os geradores e os centrides das sub-regies de Voronoi.
Figura 2.2 : Exemplo de amostra LCVT
Pgina 15
2010
2.2.2.2 Kriging
O modelo de kriging de forma geral pode ser expresso (HOROWITZ et al., 2009) por:
f ( x) = j N j ( x) + Z (x )
(2.5)
j =1
Como descrito em SILVA (2009) e HOROWITZ et al. (2009), a primeira parte da

expresso (2.5) uma regresso linear dos dados com k regresses, e Z(x), o erro, uma
funo aleatria, que em geral segue uma distribuio normal Gaussiana. O primeiro termo
(determinstico) representa o modelo global construdo em funo de uma amostra, no qual as
funes polinomiais so usadas para a construo do termo N j (x) . Diferentemente, o
segundo termo Z (x ) responsvel por criar um desvio localizado no modelo global, no qual
considera uma funo aleatria.
O termo aleatrio Z (x ) construdo assumindo mdia igual a zero, varincia 2 e
covarincia igual a:
cov Z ( xi ), Z ( x j ) = 2 R R(xi , x j )
(2.6)
onde R a matriz de correlao e R(x i , x j ) a funo de correlao.
Quando a hiptese acima tem mdia desconhecida, porm constante e o somatrio dos
pesos igual a um, o modelo de kriging recebe a denominao de ordinrio.
A matriz de correlao R definida por:
R ( , xi , x j ) = R (k) ( ( k ) , xi( k ) , x (jk ) )
(2.7)
k =1
onde R uma matriz m n de correlao com valores unitrios em sua diagonal principal, na
qual correlaciona os pontos xi e x j da amostra a partir do tipo de funo de correlao
Pgina 16
2010
escolhida e depende do parmetro de correlao inicialmente desconhecido. O mesmo

posteriormente usado no processo de regresso do modelo.
Existem diferentes funes de correlao (GIUNTA e WATSON, 1998 apud SACKS
et al., 1989) que podem ser usadas. Neste trabalho considerada a funo de correlao
Gaussiana dada por:
2
ns
R(xi , x j ) = exp k xi( k ) x (jk )
k =1
(2.8)
A Equao (2.9) permite estimar o valor fk ( x) em qualquer ponto no espao de

projeto, no qual considera as respostas da funo real f (x ) .
fk ( x) = E ( f ( x), f ( x1 ),...., f ( xm ))
(2.9)
Em estatsticas esta equao lida como o valor esperado de f (x ) , dado os eventos

em f ( x1 ),...., f ( x m ) que ocorrero.
A medida do erro pode ser calculada ao se introduzir o conceito do Erro Mdio
Quadrado (MSE - Mean Square Error), no qual mede a diferena entre a funo aproximada
pelo modelo de krigagem fk ( x) e a funo real f (x ) em todo o espao de projeto.
MSE = E ( fk ( x) f ( x)) 2
(2.10)
A partir da minimizao do MSE, a equao (2.5) permite estimar o valor de fk ( x)

em qualquer ponto no espao de projeto, a partir da seguinte relao:
fk ( x) = N( x) + r T ( x)R 1 (f s )
(2.11)
onde N( x ) = N1 ( x) L N k ( x ) representa o vetor contendo os polinmios da regresso, so

os coeficientes do modelo de regresso, f s = [ f1 ,... f m ] contm o valor da funo real
T
calculada nos pontos da amostra S = [ x1 L x m ] e uma matriz m k , que contm os

Pgina 17
2010
polinmios para a criao do modelo de regresso numrica, definida de acordo com

AFONSO et. al. (2005) por:
N1 ( x1 ) L N k ( x1 )
O
M
= M
N1 ( xm ) L N k ( xm )
(2.12)
A equao (2.13) requer o clculo do vetor de correlao r(x) , o qual correlaciona os

pontos da amostra com qualquer ponto dentro de espao de projeto.
r(x) = [R(x, x 1 )L R(x, x m )]
(2.13)
Os coeficientes da regresso e a covarincia 2 so obtidos usando o mtodo dos

mnimos quadrados, onde:
= ( T R 1 ) 1 T R 1f S
(2.14)
(f S )T R 1 (f S )
=
m
(2.15)
e
2
Na equao (2.11) ambos r e R dependem do parmetro (k ) desconhecido. No

entanto, para determin-los necessrio utilizar a estimativa da mxima verossimilhana, no
qual obtida minimizando o problema definido abaixo com k variveis (GIUNTA e
WATSON, 1998).
Minimizar
1
2
(m ln ) + ln R
2
Sujeito a:
0 (k )
(2.16)
Enfim, ao resolver este problema de otimizao, o modelo de krigagem est completo.
Pgina 18
2010
2.2.3 Estratgia SAO
Segundo GIUNTA e ELDRED (2000), a estratgia de Otimizao Sequencial

Aproximada (SAO) decompe o processo de otimizao em uma seqncia de subproblemas,
com cada um deles confinado a uma pequena regio do espao de projeto. Em cada subregio denominada regio de confiana, a otimizao feita em funes aproximadas que
substituem as funes objetivo e de restries reais, computacionalmente mais caras.
2.2.3.1 Formulao Matemtica
Cada subproblema da estratgia SAO matematicamente definido como:
Maximize
f k ( x )
Sujeito :
g ik ( x) 0 ,
i=1,...,m (m nmero de restries)
(2.17)
xl xlk ( x ) xuk xu , k = 0,1,2,..., k max
Onde:
xlk = xck k
xuk = x ck + k
Na formulao acima, f k e g ik so respectivamente as funes objetivo e de restrio

substitutas, x ck o ponto central da regio de confiana, k o tamanho da regio de
confiana e x lk e x uk so respectivamente os limites inferiores e superiores da sub-regio do
espao de projeto para a k-sima iterao da estratgia SAO (GIUNTA e ELDRED, 2000)
Pgina 19
2010
2.2.3.2 Aspectos Computacionais
Como descrito em AFONSO et al. (2005), SILVA (2009) e HOROWITZ et al. (2009),
cada subproblema descrito pela formulao (2.17) descreve uma iterao k da estratgia
SAO, onde o nmero mximo de iteraes definido por k max .
Para a primeira iterao k = 0 se faz necessrio assumir o tamanho da regio de
confiana k e o ponto central inicial x 0k da regio de confiana. Aps a resoluo do
subproblema o ponto candidato a timo x*k encontrado e usado para o clculo da funo
real. A convergncia checada de acordo com os critrios adotados. Se alcanada, o problema
de otimizao est resolvido, caso contrrio o processo prossegue e nova iterao se inicia
aps a atualizao da regio de confiana, cuja metodologia ser detalhada adiante.
Ento, computacionalmente a estratgia SAO procede de acordo com as seguintes

etapas:
1. O tamanho e o ponto central inicial da regio de confiana so definidos; Obteno
de um pequeno nmero de amostras a partir das funes objetivo e de restries
reais (computacionalmente mais caras);
2. Os valores das funes objetivo e de restrio so computados no ponto central da
regio de confiana;
3. Funes substitutas ou aproximadas das funes reais so construdas e assumem a
forma de uma superfcie de resposta que se ajusta aos dados amostrais obtidos na
etapa 1;
4. A otimizao feita usando-se as funes substitutas, sendo as variveis de projeto
limitadas pelas fronteiras da regio de confiana;
5. Os valores das funes objetivo e de restrio reais so computados no ponto
candidato a timo identificado na etapa anterior;
6. A convergncia checada;
7. A regio de confiana se move, encolhe ou se expande de acordo com a acurcia
das superfcies de aproximao comparadas aos valores das funes objetivo e de
restrio reais;
Pgina 20
2010
8. Retorna ao incio em uma nova iterao, aps a atualizao da regio de confiana

e das variveis de projeto.
A Figura 2.3 representa a evoluo da estratgia SAO, onde cada subproblema

resolvido at a obteno do ponto timo.
Figura 2.3: Representao da estratgia de otimizao SAO

Fonte: DAKOTA users manual
2.2.3.3 Atualizao da Regio de Confiana
Como mencionado anteriormente, na estratgia SAO a regio de confiana

atualizada a cada iterao de acordo com a medida da acurcia das funes substitutas com
relao s reais no ponto timo local e no ponto central da regio de confiana. A
metodologia para a atualizao da regio de confiana adotado neste trabalho semelhante
empregada por GIUNTA e ELDRED (2000) e ELDRED et al. (2004), a qual baseada na
metodologia inicialmente aplicada por RODRGUES (1998).
k
O mtodo se inicia com o clculo do termo , que mede a acurcia das funes
substitutas com relao s reais no ponto candidato a timo, dado por:
Pgina 21
2010
k = min( kf , gik ) , com i = 1...m (m nmero de restries)

(2.18)
Onde:
k - ndice da iterao da estratgia SAO

kf - Termo que mede a acurcia entre a funo objetivo substituta e a real, definido
por:
kf
f ( xck ) f ( x*k )
=
f ( xck ) f ( x*k )
(2.19)
gik - Termo que mede a acurcia entre as funes de restrio substitutas e as reais,
definido por:
gik
gi( xck ) gi( x*k )

=
gi( xck ) gi( x*k )
(2.20)
Com x ck e x*k sendo o ponto central e o ponto timo da regio de confiana da

iterao k respectivamente e f e g sendo as funes objetivo e de restries reais
respectivamente.
Baseado no valor de k , o tamanho da regio de confiana, k , atualizado de
acordo com os seguintes critrios:
1. k 0 - As funes substitutas no so acuradas. O resultado da iterao
rejeitado e o tamanho da regio de confiana reduzido;
2. 0 < k 0,25 - As funes substitutas so razoavelmente acuradas. O resultado da
iterao aceito e o tamanho da regio reduzido pela metade;
Pgina 22
2010
3. 0,25 < k < 0,75 - As funes substitutas so moderadamente acuradas. O

resultado da iterao aceito e o tamanho da regio mantido;
4. k 0,75 - As funes substitutas so acuradas. Se o ponto timo se encontrar
dentro das fronteiras da regio confiana o resultado da iterao aceito e o
tamanho da regio mantido. Se o ponto timo se encontrar sobre as fronteiras
que delimitam a regio de confiana o resultado aceito e o tamanho da regio
aumentado.
O procedimento para a atualizao da regio de confiana descrito pelos critrios

acima podem ser resumidos pelas seguintes equaes:
k +1
0,5 k
= k
k
, se k 0,25
, se 0,25 < k < 0,75
(2.21)
, se 0,75
k
onde:
k
k
1 , se x* xc
k
k
1,5 , se x* xc
< k
= k
O novo ponto central xck +1 da nova regio de confiana definido por:

x k , se k < 0
x ck +1 = ck
k
x* , se 0
(2.22)
2.2.3.4 Critrios de Convergncia
Dois tipos de critrios de convergncia so considerados na estratgia SAO. O

primeiro deles definido a partir da convergncia local durante o processo de otimizao do
subproblema confinado a sub-regio (regio de confiana) do espao de projeto. O outro se
refere convergncia global, que determina o final do processo de otimizao (SILVA,
2009).
Pgina 23
2010
Segundo AFONSO et al. (2005), primeiramente, um aspecto importante na checagem

k
da convergncia a aceitao ou no do ponto timo x* de um determinado subproblema
k +1
para ser o novo centro xc da regio de confiana do subproblema seguinte. Para este
propsito, trs critrios so considerados:
1. Ambos
os
projetos
so
viveis
funo
objetivo
f*k melhorou
significativamente;
k
2. xc se mostrou vivel , a restrio g* no foi to violada e a funo objetivo f*
melhorou significativamente;
3. Ambos os projetos so viveis, e g* mostra violao de restrio menos

significativa.
k
Se um dos critrios acima for atendido, o ponto x* aceito. Para cada ponto aceito,
antes de uma nova iterao o procedimento da estratgia SAO verifica se a varivel convergiu
para a soluo estacionria.
O segundo aspecto diz respeito convergncia global do processo de otimizao
seqencial. O trmino do processo ocorre quando um dos critrios abaixo atingido.
1. Aps ao nmero prescrito de subseqentes iteraes do processo de otimizao

com a estratgia SAO, o resultado obtido no demonstrou nenhuma melhoria;
2. A convergncia atingida. A equao abaixo busca representar matematicamente

essa condio.
tol =
f ( x*k ) f ( x*k )
10 4
k
f ( x* )
(2.23)
Pgina 24
2010
Captulo 3
Metodologia: Acoplamento do Simulador de
Reservatrios com o Otimizador
Na otimizao automtica dos casos de estudo deste trabalho, foram usados os
simuladores de reservatrios IMEX (Implicit Explicit Black Oil Simulator) e GEM (Implicit
Explicit Compositional Simulator) acoplados ao programa DAKOTA (Design Analysis Kit for
Optimization and Terascale Applications), no qual a estratgia de otimizao SAO, descrita
no captulo anterior, foi usado.
O acoplamento entre o simulador de reservatrio e o DAKOTA se d por meio de subrotinas programadas no OCTAVE, linguagem de programao usada em Linux semelhante ao
MATLAB. Na otimizao dos casos de aplicao de injeo de polmeros usou-se o
simulador IMEX acoplado ao DAKOTA. J nos casos de injeo de CO2, discutidos apenas
no captulo seguinte, o simulador usado foi o GEM.
A seguir sero apresentadas de forma bem objetiva as caractersticas de cada
programa, bem como mais detalhes do acoplamento entre os mesmos.
3.1 Simuladores de Reservatrios: IMEX e GEM
Os simuladores de sistemas podem ser classificados em fsicos ou matemticos. Os

simuladores fsicos so os simuladores analgicos e os prottipos, j os matemticos podem
ser analticos ou numricos (ROSA et al., 2006).
Os programas IMEX e GEM, ambos do Grupo CMG (Computer Modelling Group
Ltd.), usados neste trabalho so simuladores numricos, os quais resolvem numericamente
modelos que representam o fluxo de fluidos no reservatrio de petrleo. O escoamento de
fludos (leo, gua e/ou gs) representado por equaes diferenciais, baseadas nas leis de
Pgina 25
2010
conservao de massa e na lei de Darcy (fluxo de fluido no meio poroso), que em geral no
podem ser resolvidas analiticamente (PRATA, 2001).
De forma geral, um simulador numrico do problema de fluxo de fluidos (gua, leo,
gs ou qualquer outro fluido) em reservatrios de petrleo regido por equaes formuladas
atravs: da aplicao das leis bsicas (conservao de massa, de energia e de momentum-2
lei de Newton), da descrio matemtica dos fenmenos de transporte (fluxo viscoso de fluido
pelo meio poroso e transferncia de calor) e da utilizao de equaes de estados dos fluidos
(compressibilidade dos lquidos e dos gases) e do slido (compressibilidade da rocha) (ROSA
et al., 2006).
A associao de todas estas equaes forma uma equao diferencial que rege o
problema de fluxo de fluido no reservatrio. Esta equao resolvida, tanto no IMEX e no
GEM quanto na maioria dos simuladores comerciais, pelo mtodo numrico das diferenas
finitas para volumes adjacentes (blocos ou clulas) e intervalos de tempos discretizados
(timesteps).
Tanto o GEM quanto o IMEX suportam malhas cartesianas, malhas cilndricas,
malhas regulares com profundidade e espessura variveis, e malhas de vrtices, com
configuraes em duas ou trs dimenses. Porm diferem um do outro pelo tratamento
matemtico dado ao comportamento fsico das fases presentes no reservatrio.
O IMEX um simulador trifsico que utiliza o modelo black-Oil (COMPUTER
MODELLING GROUP Ltd., 2009a). Neste modelo o tratamento matemtico envolve funes
de presso e temperatura do reservatrio admitindo que cada uma das vrias fases (leo, gs
e/ou gua) seja constituda de um nico componente. Neste caso, por exemplo, a fase leo
formada por um nico componente denominado leo apesar do mesmo ser constitudo por
diversos hidrocarbonetos (ROSA et al., 2006).
J o GEM usa um modelo composicional que considera, alm de funes de presso e
temperatura, as composies das diversas fases presentes no meio poroso. Isso significa que a
fase leo no formada por um nico componente e sim pelos vrios hidrocarbonetos como
C1, C2, C3, etc. que podem ser agrupados formando os pseudocomponentes. Por exemplo, o
leo de um reservatrio pode ser representado por trs grupos: C1, C2-6, C7+ o que significa
que os hidrocarbonetos C2, C3, C4, C5 e C6 esto representados pelo pseudocomponente C2-6 e
os componentes com pesos moleculares maiores que o do C6 esto no pseudocomponente C7+
(ROSA et al., 2006).
Pgina 26
2010
Neste estudo os simuladores de reservatrio GEM e IMEX fornecem as produes de

leo, gs e gua ao longo do tempo de operao do campo para o clculo da funo objetivo a
ser otimizada em cada caso de estudo. Para a otimizao automtica dos mtodos de
recuperao suplementar estudados neste trabalho, os simuladores de fluxo foram acoplados
ao programa DAKOTA (Design Analysis Kit for Optimization and Terascale Applications)
no qual a estratgia de otimizao SAO foi adotada.
Nos casos de injeo de polmeros estudados neste trabalho o simulador IMEX foi
usado por ter entre as suas caractersticas uma opo especfica para a simulao de
recuperao de campos atravs do mtodo avanado de injeo de polmeros. Esta opo
modela os fenmenos decorrentes da injeo dos polmeros no reservatrio como a adsoro
de polmeros na rocha, volume poroso inacessvel e disperso, entre outros (COMPUTER
MODELLING GROUP Ltd., 2009a).
Nos casos de injeo de CO2 o simulador GEM foi usado por poder simular todos os
mecanismos importantes de um processo de injeo miscvel de gs tais como vaporizao e
inchao do leo, condensao do gs, reduo da viscosidade e da tenso interfacial, e a
formao de um banco solvente miscvel com vrios contatos (COMPUTER MODELLING
GROUP Ltd., 2009b).
Como indicados nas Figuras 3.1 e 3.2 abaixo, os simuladores so alimentados com um
arquivo de entrada (DATA SET) de extenso .DAT que possuem todas as condies iniciais e
caractersticas fsicas do reservatrio e dos fluidos que esto nele, alm de dados de poos e
histrico de produo, se houver. Aps a simulao so gerados arquivos de sada que
fornecer o comportamento do reservatrio a cada passo de tempo ou timestep. No caso
especfico do IMEX e do GEM, alm do arquivo de sada OUT ou OUTPUT FILE mais dois
ou trs arquivos de sada so gerados como mostra as figuras seguintes.
Figura 3.1: Arquivos de entrada e sada do simulador IMEX
Pgina 27
2010
Figura 3.2: Arquivos de entrada e sada do simulador GEM
No IMEX, os arquivos .OUT e .IRF contm os resultados globais da simulao, isto ,

valores de produo e injeo dos fluidos (leo, gua, gs, etc.) ao longo do perodo de
operao. O arquivo .IRF contm o ndice dos resultados e o arquivo .OUT contm os
resultados numricos em si. Se a simulao for com recorrncia dever existir o arquivo .RRF
e a entrada seguinte dever ser composta pelos arquivos .DAT, .IRF, .MRF e .RRF da ltima
execuo (VALDVIA, 2005). Os arquivos .IRF e .MRF so usados para a construo do
display grfico dos resultados.
O simulador GEM tem exatamente a mesma estrutura que o IMEX. No esquema de
funcionamento acima, a sigla SFR (Simulation Results File) est representando os arquivos
.IRF e .MRF e a sigla RST (output restart file) corresponde ao arquivo de restart (caso a
simulao seja com recorrncia), assim como o arquivo de sada .RRF gerado no IMEX.
Ambos os simuladores IMEX e GEM possuem um aplicativo, usado neste estudo,
denominado results report. Os arquivos de sada .OUT e .IRF contm todos os resultados da
simulao porm geralmente os dados interessantes so os de produo e injeo do campo.
Este aplicativo muito til porque permite escolher apenas os dados necessrios para a
aplicao desejada, que no caso deste trabalho o clculo da funo objetivo dos problemas
de otimizao de cada caso estudado. Essa funo est tipicamente associada a parmetros
financeiros, como o valor presente lquido do fluxo de caixa da operao e dependente das
receitas e custos gerados pelas produes e injees de fluido no reservatrio.
Pgina 28
2010
3.2 Otimizador: DAKOTA
O DAKOTA (Design Analysis Kit for Optimization and Terascale Applications) um

software que possui um conjunto de mtodos de anlise e otimizao desenvolvido pela
Sandia National Laboratories. Esse software fornece uma estrutura flexvel para a realizao
de estimativa de parmetros, anlise de sensibilidade, quantificao de incerteza, amostragem
de dados e otimizao de variveis (GIUNTA e ELDRED, 2000). Essas capacidades podem
ser usadas individualmente ou como blocos agrupados para a construo de estratgias mais
sofisticadas como, por exemplo otimizao hibrida, otimizao com modelos substitutos ou
metamodelos e otimizao sob incerteza (DAKOTA USERS MANUAL, 2008).
Os mtodos de anlise e otimizao contidos no DAKOTA so projetados para se
explorar massivamente a computao paralela, e neste trabalho todos os casos de estudo
foram simulados em uma mquina de oito processadores, reduzindo-se consideravelmente o
tempo gasto nas otimizaes.
Como o software contm diversos algoritmos de vrios mtodos para cada uma de
suas capacidades, ele fornece a infra-estrutura necessria para a implementao da estratgia
de otimizao SAO, tendo em sua biblioteca mtodos de modelagem de metamodelos,
incluindo os de regresso polinomial, redes neurais artificiais, splines de regresso
multivariada e interpolao por krigagem, e mtodos de amostragem de dados, como a tcnica
do hipercubo Latino, a amostragem de matriz ortogonal e amostragem aleatria pura
(GIUNTA e ELDRED, 2000).
Alm das citadas acima, mais uma de suas vantagens que o DAKOTA oferece um
fcil acesso a esses mtodos iterativos atravs de uma interface flexvel e relativamente
simples entre o mesmo e o simulador que ir se usar. A Figura 3.3 abaixo representa o
acoplamento entre o DAKOTA e o simulador.
Pgina 29
2010
Figura 3.3: Esquema do acoplamento entre o DAKOTA e o simulador

(Fonte: DAKOTA Users Manual)
A interface entre o DAKOTA e o simulador feita atravs de sub-rotinas programadas

para gerar arquivos de dados de pr e ps-processo. A troca de dados entre o DAKOTA e o
simulador feita pela leitura e escrita desses arquivos, no precisando, portanto se fazer o
acesso ao cdigo fonte do simulador.
O DAKOTA executado atravs de um arquivo de entrada, de extenso .IN, que
contm vrias informaes a cerca da anlise a ser efetuada (otimizao, anlise de incerteza,
etc) atravs de palavras-chaves ou comandos que so implementados seguindo uma sintaxe
prpria do programa. Juntamente com os comandos, esto os nomes das sub-rotinas
associadas ao cdigo do simulador. Durante essa operao o DAKOTA executa
automaticamente o cdigo de simulao criando um processo a parte, ou seja, a execuo da
simulao ocorre externamente ao DAKOTA.
Para os casos de estudo deste trabalho foram programadas vrias sub-rotinas em
OCTAVE, que uma linguagem de programao usada no sistema operacional LINUX. Cada
uma delas possui uma funo no processo.
Uma sub-rotina principal criada para o gerenciamento dos arquivos de transferncia
de dados de parmetros e respostas entre o DAKOTA e o simulador, arquivos estes gerados
pelas sub-rotinas de pr e ps-processo.
A etapa de pr-processo vai desde a leitura do arquivo de parmetros, gerado pelo
DAKOTA, que contm os valores das variveis de projeto at a substituio desses valores no
Pgina 30
2010
arquivo de entrada do simulador (TEMPLATE). O objetivo do pr-processo justamente a

reposio dos valores das variveis no TEMPLATE, que vo mudando ao longo do processo
de otimizao.
A cada novo TEMPLATE (ou arquivo de entrada) o simulador executado e gera
arquivos de sada contendo vrias informaes, inclusive os valores de produo e injeo
necessrias para o clculo da funo objetivo do problema. Essa leitura dos dados de
produo e injeo dos fluidos, o clculo da funo objetivo e o repasse dessas informaes
para o DAKOTA so atribuies das sub-rotinas que compem o ps-processo.
Esse processo de transferncia de dados entre o DAKOTA e o simulador e vice-versa
continua at resoluo do problema de otimizao, ou seja, at a obteno dos valores timos
das variveis.
Para cada caso de aplicao estudado foram programadas aproximadamente nove subrotinas, incluindo a principal, as de pr e ps-processo.
Pgina 31
2010
Captulo 4
Casos de Injeo de Polmeros: Modelo de
Simulao, Definio do Problema de Otimizao
e Anlises dos Resultados obtidos
Para a validao do mtodo de otimizao SAO (Sequential approximate
Optimization) foram usados os casos de aplicao de injeo de polmeros estudados por
DANTAS (2008), cujo problema de otimizao tem como objetivo a maximizao do lucro
calculado de forma bem simplificada. Estes casos so denominados de caso1 e caso 2 em que
o modelo de simulao do segundo difere do primeiro por ser mais heterogneo. Para cada
caso foram feitas simulaes variando-se o valor do barril de petrleo, com o intuito de
estudar a sensibilidade do lucro em funo deste parmetro econmico. Para a otimizao do
lucro DANTAS (2008) usou em seu estudo o algoritmo de buscas globais EGO (Efficient
Global Optimization) (GUIMARES et al., 2008) acoplado ao simulador de reservatrios
IMEX da CMG que fornece as produes e injees de fludo.
O mtodo de otimizao local SAO empregado no estudo dos casos de aplicao deste
trabalho tm sua eficincia confirmada por apresentar solues semelhantes s encontradas
por DANTAS (2008) com o mtodo global de otimizao EGO para os mesmos casos. A
influncia da injeo de polmeros sobre o comportamento das produes e injees de fluido,
da funo objetivo lucro e de outros parmetros como presses bem como a eficincia
computacional de ambos os mtodos sero discutidos ao longo deste captulo.
Posteriormente, uma segunda anlise financeira dos casos 1 e 2 feita. Nessa segunda
anlise discutido o efeito provocado pela implementao de uma taxa de desconto diria
sobre o VPL (Valor presente lquido) da operao tanto nos casos bases quanto nos casos
otimizados, resultando em uma funo objetivo lucro com taxa de desconto. Essa taxa
representa a desvalorizao que o capital envolvido no projeto de recuperao est sujeito e
provoca uma perda no lucro, que pode ou no comprometer a viabilizao do emprego do
mtodo de recuperao.
Pgina 32
2010
4.1 Caracterizao dos Casos Bases
Os casos usados para a validao do mtodo de Otimizao SAO extrados de

DANTAS (2008) so baseados no exemplo mxspr005 do tutorial do IMEX com modificaes
feitas de acordo com o artigo 89387 da SPE de ZERPA e QUEIPO (2004), e diferem um do
outro pela heterogeneidade do modelo de simulao.
Os dois casos tratam da recuperao de um campo que possui 4 (quatro) poos
injetores canhoneados na ltima camada e 9 (nove) produtores completados na primeira
camada. Nos casos bases, a recuperao do leo feita aplicando-se o mtodo de injeo de
gua sem a adio do polmero durante todo o perodo de concesso (10 anos).
A malha que define os dois modelos de simulao possui 19x19x3 clulas.
Figura 4.1: Distribuio e completao dos poos produtores e Injetores (DANTAS, 2008)
Para ambos os casos, a vazo de injeo mxima de gua durante toda a anlise (10
anos) foi fixada em 10.000 STB/dia (1.590 mstd/dia) sob a restrio de uma presso de fundo
de poo mxima de 9.000 psi (632,76 kgf/cm2). J o poo produtor opera com uma vazo de
produo mxima de leo de 2.500 STB/dia (397,47 mstd/dia) sob uma presso de fundo de
poo mnima de 1.500 psi ou (105,46 kgf/cm2).
A princpio, o reservatrio encontra-se na condio sub-saturada, com saturao inicial
de leo igual a 0,80 e saturao inicial de gua igual a 0,20. A Tabela 4.1 abaixo, cujos
valores foram extrados de DANTAS (2008), especifica as propriedades fsicas e condies
iniciais do reservatrio e as propriedades da gua e do leo, que so as mesmas para ambos os
Pgina 33
2010
casos, exceto pela porosidade e permeabilidades que sero diferentes do exposto abaixo para
o segundo caso com modelo de simulao mais heterogneo.
Tabela 4.1: Condies iniciais e propriedades do reservatrio e propriedades do leo e da gua
(DANTAS, 2008)
Propriedades do Reservatrio
Tamanho das clulas (ft)
350
350
20,30 e 50
Permeabilidades 1 camada (mD)
500
500
200
50
50
200
200
200
19,2
Porosidade constante
0,30
Profundidade de referncia (ft)
4.150
-6
Compressibilidade da rocha (1/psi)
3,0x10
Presso inicial do reservatrio (psi)
3000
Presso de ponto de bolha (psi)
2.500
Propriedades dos fluidos
leo
Densidade (lbm/ft)
46,244
Compressibilidade (1/psi)
gua
62,238
-5
-6
1,3687x10
3,04x10
Fator Vol. de Formao (RB/STB)
1,50
1,04
Viscosidade (cp)
1,04
0,31
O segundo modelo de simulao que caracteriza o caso 2 foi construdo a partir da

modificao do primeiro, atravs do programa BUILDER da CMG (Computer Modelling
Group Ltd.).
As modificaes foram feitas com a aplicao da Simulao Geoestatstica de Gauss
(Gaussian Geostatistical Simulations) (DANTAS, 2008 apud COMPUTER MODELLING
GROUP, 2007). Para a realizao desse mtodo de simulao, inicialmente foram atribudos
valores de porosidade para os blocos da malha onde os poos produtores e injetores esto
localizados e canhoneados. Em seguida foi modificada a permeabilidade na direo I,
seguindo o critrio de que com o aumento da porosidade h o aumento da permeabilidade e
com a diminuio da porosidade h a reduo da permeabilidade (DANTAS, 2008). Aps a
definio desses valores, feita a simulao geoestatstica, gerando-se mapas de porosidade e
de permeabilidade com valores conhecidos clula a clula da malha que sero usados em um
novo arquivo de dados de entrada para o IMEX.
Pgina 34
2010
As Figuras 4.2, 4,3 e 4.4 abaixo apresentam os mapas de porosidade e permeabilidade

do modelo de simulao do caso 2, para cada uma das trs camadas da malha nas direes I, J
e K.
Figura 4.2: Mapas de porosidade do modelo do caso 2 para as camadas 1, 2 e 3 respectivamente
Figura 4.3: Mapas de permeabilidade do modelo do caso 2 nas direes I e J para as camadas 1, 2 e
3 respectivamente
Figura 4.4: Mapas de permeabilidade do modelo do caso 2 na direo K para as camadas 1, 2 e 3

respectivamente
Pgina 35
2010
4.2 Caracterizao para os Casos de Injeo de Polmero
Os casos otimizados obviamente tm as mesmas caractersticas dos seus respectivos

casos bases, ou seja, possuem as mesmas condies iniciais e propriedades fsicas para o
reservatrio, e propriedades dos fluidos leo e gua, porm neles, diferentemente dos bases,
usada a injeo de gua com adio de polmeros para a recuperao do leo. O instante em
que o polmero ser injetado ou a durao da injeo so as variveis a se determinar na
otimizao desses casos, com ser detalhado adiante.
O polmero injetado do tipo Poliacrilamida Parcialmente Hidrolisada (HPAM). A
Tabela 4.2 abaixo apresenta a variao da permeabilidade em funo da variao da mxima
adsoro residual do polmero.
Tabela 4.2: Propriedades do polmero (DANTAS, 2008)
Perm
Max_ad
Res_ad
p_pore
Rrf
10,0
0,30
0,15
0,95
1,20
1000,0
0,20
0,10
1,0
1,20
O polmero injetado com uma concentrao constante igual a 0,7 lb/bbl (2,00 kg/m).
A viscosidade de referncia do polmero adotada pelo problema de 2,44 cp para uma
concentrao de 0,70 lb/bbl.
A vazo de injeo de gua constante e a mesma nos casos bases e nos casos
otimizados.
4.3 Definio do Problema de Otimizao
Para os casos em questo podemos, de uma forma geral, formular o problema de

otimizao como:
Maximize
f ( x p ,t )
x p ,t
Pgina 36
Sujeito :
2010
x lp ,t x p ,t x up ,t
C ( x p ,t ) 0
onde:
f a funo objetivo
x p ,t so as variveis de projeto do problema para o poo no intervalo de
tempo ;
x lp ,t e x up ,t so respectivamente os limites inferiores e superiores das variveis
de projeto;
C ( x p ,t ) representa as restries lineares e no lineares.
Especificamente para os casos de injeo de polmeros estudados, os elementos

Objetivo, variveis de projeto e Restries do problema de otimizao esto descritos a
seguir.
4.3.1 Objetivo
O objetivo nos casos de injeo de polmeros estudados o lucro obtido da diferena

entre o valor presente lquido (VPL) da operao de recuperao de um campo do caso
otimizado (injeo de gua com polmero) e o do caso base (injeo de gua sem adio de
polmeros). De modo geral, o VPL do fluxo de caixa da operao de um campo dado por:
T
1
VPL ( x p ,t ) =
t = 0 (1 + d )
F ( x p ,t )
(4.1)
onde:
d a taxa de desconto aplicada ao capital;
T o tempo final ou tempo de concesso do projeto;
F o fluxo de caixa da operao no tempo dado por:

Pgina 37
F = R (Opex + Capex + GT )
2010
(4.2)
Em que:
R = l =o, g Pl ql t (Receita)
Opex = l =o, g ,w, wi , pol Cl ql t (Custos operacionais)
Capex = N w C w + Cf UEP + CvUEP Qmax , (Custo de investimentos iniciais)
GT (Government take) = Tributaes aplicada ao projeto no tempo .
Sendo:
P l o preo de venda do leo ou gs;

q l a vazo de produo de leo ou gs para as Receitas , gua
produzida , gua injetada

e polmero injetado para os custos;
C l o custo de manuseio do leo , gs , gua produzida , gua injetada

e polmero injetado ;
N w o nmero de poos perfurados;
C w o custo de perfurao de um poo, podendo variar para dierentes tipos de
poos;
Cf UEP o custo fixo da Unidade Estacionria de Produo (UEP);
Cv UEP o custo varivel da UEP;
Q max a vazo mxima que a UEP suporta;
t o intervalo de tempo considerado.

Nos casos estudados (casos 1 e 2), o fluxo de caixa da operao do campo calculado
de forma mais simplificada (eq. 4.3), considerando-se apenas a receita proveniente do leo
produzido e os custos de injeo da gua e do polmero (este ltimo apenas para os casos com
injeo otimizada de polmeros). O fluxo de caixa se a reduz a:
F = R Opex
(4.3)
Pgina 38
2010
onde:
R = o Po qo t
Opex = wi Cwi qwi t
(casos bases)
Opex = wi Cwi qwi t + pol Cpol qpol t
(casos otimizados)
Neste estudo o VPL foi abordado sob duas condies diferentes. Na primeira no se
aplicou nenhuma taxa de desconto sobre o capital envolvido na operao, o que torna o VPL
igual ao fluxo de caixa (equao 4.3).
T
VPL ( x p ,t ) = [F ( x p ,t )
t =0
(4.4)
Na segunda, o clculo do VPL inclui a aplicao de um desconto dirio sobre o fluxo

de caixa da operao referente desvalorizao diria do capital. Logo o VPL do fluxo de
caixa :
T
1
VPL ( x p ,t ) =
t = 0 (1 + d )
F ( x p ,t )
(4.5)
Finalmente, a funo objetivo lucro definida por:

L ( x p ,t ) = VPL ( x p,t ) otm VPL ( x p ,t ) base
(4.6)
Onde:
VPL ( x p ,t ) otm o VPL do caso com injeo otimizada de polmeros ;

VPL ( x p ,t ) base o VPL do caso base injeo de gua sem adio de
polmeros.
Pgina 39
2010
Para a segunda anlise financeira, como o fator de desconto aplicado tanto no caso
base quanto no otimizado, tambm podemos definir a funo lucro como descrito na Equao
(4.7).
L ( x p ,t ) =
1
VPL ( x p,t ) otm VPL ( x p ,t ) base
(1 + d )
(4.7)
A parcela referente ao +,-./ foi considerada nula, pois se refere aos custos do
investimento inicial para a montagem e desenvolvimento da UEP e esta constante tanto para
o caso base quanto para o otimizado com um mesmo modelo de simulao.
Por ter sido adotado uma verso mais simplificada de VPL, no foram considerados os
tributos que na prtica so aplicados ao projeto, como Royalties e outros.
4.3.2 Variveis de projeto
As variveis de projeto so o tempo de inicio e a durao da injeo de polmeros em

cada poo injetor:
x
x p ,t = 2i 1
x 2i
i = 1..n, onde n o nmero de poos injetores
sendo:
x 2 i 1 - tempo do incio da injeo de polmeros no poo injetor i

x 2 i - durao da injeo de polmeros no poo injetor i
Como j mencionado anteriormente, o campo dos casos de injeo de polmeros

possuem 4 (quatro) poos injetores, o que totaliza 8 (oito) variveis de projeto.
Pgina 40
2010
4.3.3 Restries
A operao de recuperao do leo em reservatrios est sujeita a inmeras

limitaes, que podem ser chamadas de restries operacionais. A mxima produo de
lquidos que uma unidade de produo pode receber, por exemplo, uma restrio
relacionada capacidade da plataforma. Segundo OLIVEIRA (2006), ainda podem ser
definidas restries de limites como mxima ou mnima presso de fundo de poo, por
motivos de segurana industrial, e mxima ou mnima vazo de produo ou injeo de fluido
para cada poo.
As restries consideradas no problema de otimizao aplicado aos casos de injeo
de polmeros impem o tempo inicial mnimo e durao mnima de injeo nos poos, bem
como o mximo tempo final de injeo de polmero em cada poo, dado pelo instante do
incio da injeo mais o perodo de injeo, que no pode ser maior que o perodo de
concesso.
x 2 i 1 + x 2 i pc
x 2i 1 0 e x 2i 0
sendo pc o perodo de concesso, igual a 10 anos.
Para os casos em questo podemos formular o problema de otimizao como:
Maximize
L ( x p ,t )
x p ,t
Sujeito :
x 2 i 1 + x 2 i pc
x 2i 1 0 e x 2i 0
com:
0 1. . 2, onde 2 o num. de poos

4 -56 6- 424-77 0 10 ,27
Pgina 41
2010
4.4 Anlises dos Resultados Obtidos
A seguir sero apresentadas e discutidas as solues obtidas da otimizao de todos os

casos simulados atravs da estratgia de otimizao local SAO. As solues evidenciam o
comportamento do reservatrio sob a influncia da injeo de polmeros que provoca
mudana nas produes de fluido e interfere nas condies de distribuio de presses, no
BSW dos produtores e nas presses de fundo de poo dos injetores. Todos esses efeitos
decorrentes da injeo de polmeros so discutidos adiante.
O comportamento da estratgia SAO tambm foi analisado, com sua eficincia
avaliada atravs da comparao entre as solues obtidas neste trabalho e as extradas do
estudo de DANTAS (2008), que usou a estratgia global EGO para a otimizao dos mesmos
casos de aplicao.
4.4.1 Validao do mtodo SAO
4.4.1.1 Caso 1: modelo de simulao menos heterogneo
Foram realizadas nove simulaes para o caso com modelo menos heterogneo, com a
variao do preo do barril de petrleo em U$20,00, U$30,00, U$40,00, U$50,00, U$60,00,
U$70,00, U$80,00, U$90,00 e U$100,00. A seguir so apresentadas as solues obtidas com a
estratgia SAO (Tabelas 4.3 e 4.4).
Pgina 42
2010
Tabela 4.3: Fator de recuperao para todas as simulaes

* Caso base (injeo de gua sem adio de polmeros)
Caso
Fator de
Recuperao do
leo
Ganho no fator de
Recuperao do leo
FR%
(US$/bbl)
(%)
BASE*
48,48
(%)
-
20
49,52
1,04
30
50,32
1,84
40
50,78
2,30
50
50,96
2,48
60
51,09
2,61
70
51,28
2,80
80
51,35
2,87
90
51,42
2,94
100
51,46
2,98
Tabela 4.4: Solues obtidas com a estratgia SAO para todas as simulaes do caso 1
Caso
Consumo
de
Polmero
Produo
Acumulada
de leo
Aumento
da
Produo
Acumulada
de leo
Produo
Acumulada
de gua
Reduo
da
Produo
Acumulada
de gua
Lucro
em
milhes
de
dlares
(US$/bbl)
BASE*
(kg)
0
(m)
6
8,00x10
(m)
0
(m)
6
23,21 x10
(m)
0
(%)
-
20
1,15x10
11,24
4,07
30
2,47x10
11,37
19,68
11,45
42,07
11,50
66,92
11,54
93,38
11,63
121,90
11,66
151,80
11,71
182,65
11,74
212,31
40
50
60
70
80
90
100
8,17x10
8,31x10
3,51x10
4,06x10
4,57x10
5,81x10
5,72x10
6,09x10
6,45x10
0,17x10
0,31x10
8,38x10
8,41x10
8,44x10
8,47x10
8,48x10
8,49x10
8,50x10
11,97 x10
11,84 x10
0,38x10
0,41x10
0,44x10
0,47x10
0,48x10
0,49x10
0,50x10
11,76 x10
11,71 x10
11,67 x10
11,59 x10
11,55 x10
11,51 x10
11,47 x10
Inicialmente, observa-se que a massa de polmero injetada cresce em funo do

aumento do valor do leo, efeito que pode ser melhor visualizado na Figura 4.5.
Pgina 43
2010
Massa de polmero injetado (kg)
7,00E+06
6,00E+06
5,00E+06
4,00E+06
3,00E+06
2,00E+06
1,00E+06
0,00E+00
0
20
40
60
80
100
120
Preo do petrleo (US$/bbl)

Figura 4.5: Massa de polmero injetada em funo do valor do leo para o caso 1
Com o aumento da massa de polmero injetada h o aumento da produo de leo e a

reduo da produo de gua medida que o valor do leo aumenta, causando o aumento do
fator de recuperao e do lucro. A Figura 4.6 evidencia esse efeito, em que a produo de leo
8,55E+06
1,20E+07
8,50E+06
1,19E+07
8,45E+06
1,18E+07
8,40E+06
8,35E+06
1,17E+07
8,30E+06
1,16E+07
8,25E+06
1,15E+07
8,20E+06
8,15E+06
1,14E+07
0
20
40
60
80
100
Produo Acumulada de gua (m3)
Produo Acumulada de leo (m3)
cresce e a de gua diminui em funo do aumento do preo do petrleo.
120

Produo de leo
Produo de gua
Figura 4.6: Produo de leo e produo de gua em funo do valor do leo para o Caso 1
Pgina 44
2010
O aumento da produo de leo causa o crescimento do lucro em funo do aumento
Funo Lucro em milhes de dlares

(106 US$)
do preo do petrleo (Figura 4.7).
2,50E+02
2,00E+02
1,50E+02
1,00E+02
5,00E+01
0,00E+00
0
20
40
60
80
100
120

Figura 4.7: Lucro em funo do valor do leo para o Caso 1
Os efeitos comentados acima tambm foram detectados por DANTAS (2008) e as

Figuras 4.8 a 4.11 evidenciam as semelhanas entre as solues obtidas pela estratgia de
otimizao local SAO e as encontradas por DANTAS (2008) com a estratgia global EGO.
A Figura 4.8 a seguir mostra o comportamento da produo acumulada de leo em
funo do preo do petrleo e da estratgia de otimizao usada. De um modo geral, nas
solues de ambas as estratgias, nota-se o crescimento da produo do leo com o aumento
do preo do leo.
Pgina 45
2010
8,55E+06
8,50E+06
8,45E+06
8,40E+06
8,35E+06
8,30E+06
8,25E+06
8,20E+06
8,15E+06
0
20
40
60
80
100
120

Produo de leo (SAO)
Produo de leo (EGO)
Figura 4.8: Produo de leo em funo do valor do leo e da estratgia de otimizao para o Caso 1
Esse crescimento decorrente tanto do aumento da massa de polmero injetada quanto

da reduo da produo de gua (Figuras 4.9 e 4.10).
Massa de Pomero Injetado (kg)
8,00E+06
7,00E+06
6,00E+06
5,00E+06
4,00E+06
3,00E+06
2,00E+06
1,00E+06
0,00E+00
0
20
40
60
80
100
120

Massa de Polimero (SAO)
Massa de Polimero (EGO)
Figura 4.9: Massa de Polmero Injetada em funo do valor do leo e da estratgia de otimizao
para o Caso 1
Pgina 46
Produo Acumulada de gua (m3 )
2010
1,20E+07
1,19E+07
1,18E+07
1,17E+07
1,16E+07
1,15E+07
1,14E+07
0
20
40
60
80
100
120

Produo de gua (SAO)
Produo de gua (EGO)
Figura 4.10: Produo acumulada de gua em funo do valor do leo e da estratgia de otimizao
para o Caso 1
A Figura 4.11 evidencia o crescimento do lucro em funo do aumento do valor do

leo e confirma a viabilidade do emprego do mtodo de injeo de polmeros decorrente da
Funo Lucro em Milhes de Dlares

(106 US$)
otimizao dos casos.
2,50E+02
2,00E+02
1,50E+02
1,00E+02
5,00E+01
0,00E+00
0
20
40
60
80
100
120

Funo Objetivo Lucro (SAO)
Funo Objetivo Lucro (EGO)
Figura 4.11: Lucro em funo do valor do leo e da estratgia de otimizao para o Caso 1
Pgina 47
2010
Os bancos de injeo de polmeros dos poos injetores em funo do valor do petrleo

so apresentados nas Figuras de 4.12 a 4.14. Nas solues de ambas as estratgias de
otimizao nota-se que quanto maior o valor do petrleo maior a quantidade de polmero
injetado, ocasionando o aumento no fator de recuperao do leo (Figura 4.15). Com o
aumento do valor do petrleo, a otimizao viabiliza a injeo de maior massa de polmeros
para que haja o aumento da produo e a maximizao do lucro.
Figura 4.12: Bancos de injeo de polmeros em funo da estratgia de otimizao e para valores
de leo iguais a US$20,00/bbl, US$30,00/bbl e US$40,00/ bbl para o Caso 1
Figura 4.13: Bancos de injeo de polmeros em funo da estratgia de otimizao e para

valores de leo iguais a US$50,00/bbl, US$60,00/bbl, e US$70,00/bbl para o Caso 1
Pgina 48
2010
Figura 4.14: Bancos de injeo de polmeros em funo da estratgia de otimizao e para valores
de leo iguais a US$80,00/bbl, US$90,00/bbl e US$100,00/bbl para o Caso 1
Fator de Recuperao (%)
52,00
51,50
51,00
50,50
50,00
49,50
49,00
0
20
40
60
80
100
120
Preo do leo (US$/bbl)

FR% (SAO)
FR% (EGO)
Figura 4.15: Fator de Recuperao em funo do valor do leo e da estratgia de otimizao
para o Caso 1
Efeitos decorrentes da injeo de polmeros no comportamento da presso do

reservatrio, do BSW e da presso de fundo de poo tambm foram detectados por DANTAS
(2008).
Sobre a presso no reservatrio, assim como em DANTAS (2008), nota-se que com o
aumento da massa de polmeros injetada h um aumento das presses no reservatrio.
Pgina 49
2010
As Figuras 4.16 e 4.17 mostram esse efeito atravs da comparao entre o caso com
valor do leo igual a U$20,00/bbl e o caso com valor do leo igual a U$ 100,00/bbl.
Figura 4.16: Distribuio das Presses para o caso 1 (US$ 20,00/bbl)

A: Incio da simulao; B: 3 anos de simulao; C: 5 anos de simulo e D: 10 anos de simulao
O polmero viscosifica a gua tornando menor sua mobilidade dentro do reservatrio.

Como a vazo de injeo de gua constante durante o tempo de simulao e igual para todos
os casos, quanto mais polmero for injetado maior ser a presso dentro do reservatrio para
que a vazo de injeo permanea constante. Logo as presses no reservatrio no caso 1 com
o preo do barril do leo a U$20,00/bbl so menores que as presses no de U$100,00/bbl
porque neste ltimo uma massa maior de polmeros foi injetada.
Pgina 50
2010
Figura 4.17: Distribuio das presses para o caso 1 (US$ 100,00/bbl)

A: Incio da simulao; B: 3 anos de simulao; C: 5 anos de simulo e D: 10 anos de simulao
J no BSW, o efeito da injeo de polmeros encontrado por DANTAS (2008) e

confirmado tambm por este estudo, que com a adio do polmero h uma interferncia na
produo de gua no perodo em que o polmero est sendo injetado no reservatrio. Essa
interferncia em alguns poos mais acentuada que em outros, dependendo da proximidade
do mesmo com os poos injetores, ou seja, dependendo da influncia de injeo a que esto
submetidos. Observando a distribuio dos poos na Figura 4.18, podemos dizer que os
produtores 8, 9 e 10 devem ter uma produo mais elevada de gua que os demais, pois esto
localizados prximos de dois ou mais poos injetores. As setas da figura indicam a influncia
de cada injetor sobre os produtores mais prximos.
Pgina 51
2010
Figura 4. 18: Distribuio dos poos injetores e produtores e influncia dos injetores sobre os
produtores
Ento, como comprovado pelas Figuras de 4.19 a 4.21, nos poos 8, 9 e 10 a injeo
de polmero provoca pouca interferncia na produo de gua, reduzindo-a apenas levemente
durante o perodo de injeo de polmeros no reservatrio.
BSW
Produtor 8
1,00
Bancos de pol.
0,80
BSW
0,60
0,40
U$20,00/bbl
U$30,00/bbl
U$40,00/bbl
U$50,00/bbl
U$60,00/bbl
U$70,00/bbl
U$80,00/bbl
U$90,00/bbl
U$100,00/bbl
0,20
0,00
0
500
1.000
1.500
2.000
Tempo (day)
2.500
3.000
3.500
4.000
Figura 4.19: BSW do poo produtor 8 para as simulaes do caso 1
Pgina 52
BSW
Produtor 9
1,00
Bancos de pol.
0,80
BSW
0,60
0,40
U$20,00/bbl
U$30,00/bbl
U$40,00/bbl
U$50,00/bbl
U$60,00/bbl
U$70,00/bbl
U$80,00/bbl
U$90,00/bbl
U$100,00/bbl
0,20
0,00
0
500
1.000
1.500
2.000
Tempo (day)
2.500
3.000
3.500
4.000
BSW
Produtor 10
1,00
Bancos de pol.
0,80
BSW
0,60
0,40
U$20,00/bbl
U$30,00/bbl
U$40,00/bbl
U$50,00/bbl
U$60,00/bbl
U$70,00/bbl
U$80,00/bbl
U$90,00/bbl
U$100,00/bbl
0,20
0,00
0
500
1.000
1.500
2.000
Tempo (day)
2.500
3.000
3.500
4.000
Pgina 53
2010
2010
Nos produtores mais distantes ou nos que recebem uma menor influncia dos poos
injetores, como os poos 5, 7, 11 e 13, o BSW sofre uma interferncia mais acentuada no
perodo de injeo do polmero, como pode ser visto nas Figuras de 4.22 a 4.25. O
comportamento do BSW para os poos 6 e 12 so semelhantes aos dos anteriores,
descartando-se a necessidade de apresentar suas curvas.
BSW
Produtor 5
1,00
Bancos de pol.
0,80
BSW
0,60
0,40
U$20,00/bbl
U$30,00/bbl
U$40,00/bbl
U$50,00/bbl
U$60,00/bbl
U$70,00/bbl
U$80,00/bbl
U$90,00/bbl
U$100,00/bbl
0,20
0,00
0
500
1.000
1.500
2.000
Tempo (day)
2.500
3.000
3.500
4.000
Pgina 54
BSW
Produtor 7
1,00
Bancos de pol.
0,80
BSW
0,60
0,40
U$20,00/bbl
U$30,00/bbl
U$40,00/bbl
U$50,00/bbl
U$60,00/bbl
U$70,00/bbl
U$80,00/bbl
U$90,00/bbl
U$100,00/bbl
0,20
0,00
0
500
1.000
1.500
2.000
Tempo (day)
2.500
3.000
3.500
4.000
Figura 4.23: BSW de gua do poo produtor 7 para as simulaes do caso 1
BSW
Produtor 11
1,00
Bancos de pol.
0,80
BSW
0,60
0,40
U$20,00/bbl
U$30,00/bbl
U$40,00/bbl
U$50,00/bbl
U$60,00/bbl
U$70,00/bbl
U$80,00/bbl
U$90,00/bbl
U$100,00/bbl
0,20
0,00
0
500
1.000
1.500
2.000
Tempo (day)
2.500
3.000
3.500
4.000
Pgina 55
2010
2010
BSW
Produtor 13
1,00
Bancos de pol.
0,80
BSW
0,60
0,40
U$20,00/bbl
U$30,00/bbl
U$40,00/bbl
U$50,00/bbl
U$60,00/bbl
U$70,00/bbl
U$80,00/bbl
U$90,00/bbl
U$100,00/bbl
0,20
0,00
0
500
1.000
1.500
2.000
Tempo (day)
2.500
3.000
3.500
4.000
Durante o perodo de injeo de polmeros no reservatrio h um efeito sobre a

presso de fundo poo (BHP) dos poos injetores. Esse efeito foi mencionado por DANTAS
(2008) e as solues obtidas neste estudo com o uso da estratgia de otimizao local SAO
corroboram a existncia dessa interferncia no BHP devido injeo de polmeros.
As Figuras 4.26 e 4.27 mostram o comportamento da presso de fundo de poo do
poo injetor 1 para os casos com valor do leo a U$ 20,00/bbl e U$100,00/bbl. A curva de
presso cresce no comeo da simulao at comear a declinar devido chegada da gua nos
produtores. A trajetria de declnio interrompida no momento em que injetado polmero
no reservatrio, havendo neste instante a formao de um pico de presso necessria para
manter constante a injeo da gua, agora mais viscosa com a adio do polmero. Quanto
mais polmero injetado, mais viscosa a gua e maior ser a presso exigida par se manter a
vazo de injeo, por isso observamos um pico de presso maior no caso de U$100,00.
Pgina 56
2010
BHP x Vazo de Injeo de Polmero

Injetor 1
45.000
4.000
Presso de Fundo de Poo (kPa)
40.000
3.000
35.000
2.000
30.000
1.000
25.000
20.000
0
500
1.000
1.500
2.000
2.500
Tempo (day)
3.000
3.500
Vazo de Injeo de Polmeros (kg/day)

Vazo de Injeo de Polmero (kg/dia)
0
4.000
injetor 1 do caso 1 (US$20,00/bbl)

Injetor 1
Caso 1 (U$100.00/bbl)
4.000
Presso
deFundo
Fundo
Poo
(kPa)
Presso de
dede
Poo
(kPa)

40.000
3.000
35.000
2.000
30.000
1.000
25.000
20.000
0
500
1.000
1.500
2.000
2.500
Tempo
(dias)
Tempo (day)
3.000
3.500
Vazo de
de Injeo
Polmeros
(kg/day)
Vazo
Injeodede
Polmeros
(kg/dia)
45.000
0
4.000
Pgina 57
2010
Esse mesmo comportamento do BHP detectado nos demais poos injetores (2, 3 e 4),
exatamente como encontrado no estudo de DANTAS (2008).
Como os resultados e anlises dispostos at o presente momento deste estudo esto
plenamente de acordo com aqueles encontrados por DANTAS (2008), temos a confirmao
da eficincia da estratgia SAO usada para a otimizao da injeo de polmero nos casos
apresentados.
Em termos computacionais, uma comparao entre as estratgias SAO e EGO
apresentada na Tabela 4.5. Verifica-se que o nmero de avaliaes das funes reais (ou
modelo de alta fidelidade, computacionalmente caro) menor em todos os casos simulados
com a estratgia local SAO, o que indica uma vantagem desta ltima sobre a estratgia global
com o algoritmo EGO. Por gerar menor esforo computacional nos processos de otimizao, a
estratgia SAO pode ser mais adequada para problemas mais complexos.
Tabela 4.5: Comparao do nmero de avaliaes do modelo real das estratgias SAO e EGO para
as simulaes do caso 1
Caso
N de avaliaes
do modelo real
N de avaliaes do
modelo real
(US$/bbl)
20
SAO
163
EGO
440
30
181
1296
40
127
360
50
181
192
60
91
296
70
127
168
80
109
296
90
199
504
100
181
568
A seguir sero apresentados os resultados e anlises do segundo caso com modelo de

simulao mais heterogneo.
Pgina 58
2010
4.4.1.2 Caso 2: modelo de simulao mais heterogneo
Em geral, os reservatrios reais apresentam grande heterogeneidade em suas

propriedades fsicas. H regies de maior e menor permeabilidade formando assim canais ou
barreiras para o fluxo no meio. Com intuito de reproduzir o fluxo no meio poroso de forma
mais realista, DANTAS (2008) estudou esse caso criado a partir do primeiro (caso 1) j
descrito anteriormente. A diferena entre os dois casos est nas propriedades porosidade e
permeabilidade, que foram atribudas clula a clula da malha de simulao nesse segundo
caso de injeo de polmeros. Para criar os mapas de porosidade e permeabilidade do modelo
o programa BUILDER 2007.10 da CMG foi usado (Ver Item 4.1 e Figuras 4.2, 4,3 e 4.4).
DANTAS (2008) estudou os efeitos da injeo de polmeros neste caso, fixando o
valor do barril em U$70,00. Para este trabalho, foram realizadas novas simulaes variandose o valor do barril de petrleo em U$50,00, U$60,00, U$70,00, U$80,00, U$90,00 e
U$100,00, usando a estratgia de otimizao SAO, com intuito de analisar melhor o
comportamento do reservatrio.
Nas Tabelas 4.6 e 4.7, seguem as solues obtidas com a estratgia de otimizao
SAO para todas as simulaes do caso 2.
Caso
Fator de
Recuperao
do leo
Ganho no fator
de Recuperao
do leo FR%
(US$/bbl)
BASE*
(%)
45,60
(%)
-
50
46,60
1,00
60
46,92
1,32
70
47,70
2,10
80
47,92
2,32
90
48,06
2,46
100
48,64
3,04
Pgina 59
2010
Caso
Consumo
de
Polmero
Produo
Acumulada
de leo
Aumento
da
Produo
Acumulada
de leo
Produo
Acumulada
de gua
Reduo
da
Produo
Acumulada
de gua
Lucro
em
milhes
de
dlares
(US$/bbl)
BASE*
(kg)
-
(m)
6
7,04 x10
(m)
-
(m)
6
13,65 x10
(m)
-
(%)
-
50
1,88x10
11,50
19,7
11,54
29,56
11,63
42,11
11,66
62,41
11,71
84,15
11,74
113,20
60
70
80
90
100
6
6
3,11x10
6,59x10
7,71x10
8,52x10
11,93x10
7,19 x10
7,24 x10
7,36 x10
7,40 x10
7,42 x10
7,51 x10
0,15x10
0,20x10
0,32x10
0,36x10
0,38x10
0,47x10
13,33 x10
13,16 x10
12,76 x10
12,68 x10
12,62 x10
12,43 x10
Exatamente como no caso 1 apresentado anteriormente, nota-se que o ganho no fator

de recuperao e a massa de polmero injetada aumentam em funo do aumento do preo do
petrleo (Figura 4.28).
1,40E+07
1,20E+07
1,00E+07
8,00E+06
6,00E+06
4,00E+06
2,00E+06
0,00E+00
40
60
80
100
120
Figura 4.28: Massa de polmero injetada em funo do valor do leo para o Caso 2
Pgina 60
2010
Quanto maior a massa de polmero injetada, menor a produo de gua e maior a

produo de leo (Figura 4.29) acarretando o crescimento do lucro em funo do aumento do
7,55E+06
1,34E+07
1,33E+07
7,50E+06
1,32E+07
7,45E+06
1,31E+07
7,40E+06
1,30E+07
1,29E+07
7,35E+06
1,28E+07
7,30E+06
1,27E+07
7,25E+06
1,26E+07
1,25E+07
7,20E+06
1,24E+07
7,15E+06
1,23E+07
40
60
80
100
Produo Acumulada de gua (m3)
valor do leo (Figura 4.30).
120

Produo de leo
Produo de gua
Funo Lucro em milhes de Dlares

(106 US$)
Figura 4.29: Produo de leo e produo de gua em funo do valor do leo para o Caso 2
120
100
80
60
40
20
0
40
60
80
100
120
Figura 4.30: Lucro em funo do valor do leo para o Caso 2
Pgina 61
2010
Os bancos de polmeros obtidos com a otimizao dos casos com modelo de

simulao mais heterogneo, demonstram o mesmo comportamento dos bancos dos casos que
possuem modelo mais permevel. Para cada aumento no valor de leo, a otimizao viabiliza
a injeo de bancos maiores aumentando a produo de leo e o lucro (Figuras 4.31 e 4.32).
US$60,00/bbl e US$70,00/bbl para o Caso 2
US$90,00/bbl e US$100,00/bbl para o Caso 2
Os efeitos da injeo de polmeros sobre a distribuio de presso no reservatrio,

sobre o BSW e sobre a presso de fundo de poo encontrados nas simulaes do caso 1
tambm foram detectados nas simulaes do caso 2.
Pgina 62
2010
Assim como nas simulaes do caso 1, nas do caso 2 a distribuio da presso

funo da quantidade de polmeros injetada no reservatrio. Sabe-se que com o aumento do
valor do leo, a massa de polmeros injetada maior, diminuindo a mobilidade da gua e
exigindo presses maiores para manter a vazo de injeo constante e igual em todas as
simulaes, como se pode observar na Figuras 4.33 e 4.34 abaixo.
Figura 4.33: Distribuio das presses para o caso 2 (US$50,00/bbl)

A: 4 anos de simulao; B:10 anos de simulao
Figura 4.34: Distribuio das presses para o caso 2 (US$100,00/bbl)

A: 4 anos de simulao; B:10 anos de simulao
As presses no reservatrio para uma simulao do caso 1 so menores que para uma
simulao do caso 2 para um mesmo valor de leo. Isso porque nas simulaes do caso 2, que
tm modelo mais heterogneo, a gua misturada com o polmero ir percolar pelo reservatrio
com mais dificuldades exigindo presses maiores para que tenha a mesma vazo de injeo
que as simulaes do caso 1. Os grficos da distribuio de presso dos casos 1 e 2 para a
Pgina 63
2010
simulao cujo valor do leo U$100,00 (Figura 4.35) so apresentados abaixo e ilustram
esse efeito, sendo observado presses maiores para o caso 2 ao final de 10 anos de simulao.
Figura 4.35: Distribuio das presses para os caso 1 e 2 (US$100,00/bbl)

A: 10 anos de simulao do caso 1; B:10 anos de simulao do caso 2
Com relao ao BSW, as simulaes do caso 2 apresentam mesmo comportamento

que as do caso 1, em que se percebe uma reduo na produo de gua no perodo de injeo
de polmeros. Dependendo da localizao do poo produtor a reduo da produo de gua
pode ser mais ou menos significativa. As Figuras 4.36 e 4.37 mostram o comportamento da
curva do corte de gua dos poos produtores 5 e 10 em que este ltimo est sujeito a
desenvolver uma produo mais elevada que o primeiro por estar entre mais poos injetores
(ver Figura 4.18). Logo a reduo da produo de gua devido injeo de polmeros no poo
10 bem menos acentuada que no poo 5.
Pgina 64
BSW
Produtor 5
1,00
0,80
Bancos de pol.
BSW
0,60
0,40
U$50,00/bbl
U$60,00/bbl
U$70,00/bbl
U$80,00/bbl
U$90,00/bbl
U$100,00/bbl
0,20
0,00
0
500
1.000
1.500
2.000
Tempo (day)
2.500
3.000
3.500
4.000
BSW
Produtor 10
1,00
0,80
Bancos de pol.
BSW
0,60
0,40
U$50,00/bbl
U$60,00/bbl
U$70,00/bbl
U$80,00/bbl
U$90,00/bbl
U$100,00/bbl
0,20
0,00
0
500
1.000
1.500
2.000
Tempo (day)
2.500
3.000
3.500
4.000
Pgina 65
2010
2010
As curvas dos demais poos produtores no sero apresentadas por possurem

comportamento semelhante aos dos anteriores, seguindo a mesma tendncia relacionada com
a localizao e proximidade com os poos injetores.
O ltimo efeito da injeo de polmeros a ser discutido para o caso 2 a deformidade
das curvas de presso de fundo de poo (BHP). No caso 1, foi visto que existe uma
deformidade nas curvas de BHP dos poos injetores. Analogamente para o caso 2, picos de
presso se formam no perodo da injeo do polmero no reservatrio e aumentam em funo
da quantidade de polmero injetada, como mostram as Figuras 4.38 e 4.39.

Injetor 1
Caso 2 (U$50,00/bbl)
45.000
4.000
40.000
3.000
35.000
2.000
30.000
1.000
25.000
20.000
0
500
1.000
1.500
2.000
2.500
Tempo (day)
3.000
3.500
Vazo de Injeo de Polmeros (kg/day)

Vazo de Injeo Polmero (kg/dia)
0
4.000
Pgina 66
2010

Injetor 1
Caso 2 (U$100,00/bbl)
45.000
4.000
40.000
3.000
35.000
2.000
30.000
1.000
25.000
0
500
1.000
1.500
2.000
2.500
Tempo (day)
3.000
3.500
Vazo de Injeo de Polmero (kg/day)

0
4.000
No caso 2, especificamente para a simulao cujo valor do leo U$70,00/bbl, a

soluo tima da funo lucro obtida por DANTAS (2008) com a estratgia EGO e a
encontrada pela estratgia SAO so semelhantes: 38,24 milhes de dlares e 42,11 milhes
respectivamente (Tabela 4.8). A otimizao realizada com o algoritmo EGO mostra um
consumo menor de polmeros e tambm uma menor produo de leo que a otimizao com o
do SAO. Alm disso, com o EGO, a otimizao viabilizou um menor consumo de polmeros
no caso 2 (5x106 kg - ver Tabela 4.3) que no caso 1.
Tabela 4.8: Resultados obtidos com as estratgias SAO e EGO para o caso 2 com valor do leo a
U$70,00
Caso
Consumo
de Polmero
Produo
Acumulada
de leo
Aumento da
Produo
Acumulada
de leo
Lucro em
milhes de
dlares
(U$70/bbl)
BASE
(kg)
-
(m)
6
7,04 x10
(m)
-
(%)
-
SAO
6,59x10
EGO
6
6
1,97x10
7,36 x10
7,19 x10
42,11
38,24
0,32x10
0,15x10
Pgina 67
2010
J a soluo obtida pelo mtodo SAO mostra que apesar de apresentar menor
produo de leo, o caso 2 apresenta um maior consumo de polmero que no caso 1 para a
simulao cujo valor do leo U$70,00/bbl. A explicao para esse fato que no caso 2
houve uma maior adsoro de polmero no reservatrio e possivelmente o aprisionamento de
polmeros em pequenos espaos porosos (Figura 4.40). Ao final da simulao observa-se uma
concentrao maior de polmero no modelo de simulao do caso 2 (Figura 4.41), o que
representa que houve uma perda maior de polmeros no reservatrio, prejudicando a eficincia
que o polmero injetado deveria ter na produo de leo.
Figura 4.40: Adsoro de polmeros para a simulao cujo valor do leo US$70,00/bbl
A: Caso 1; B: Caso 2 (10 anos de simulao)
Figura 4.41: Concentrao de polmeros para a simulao cujo valor do leo US$70,00/bbl
A: Caso 1; B: Caso 2 (10 anos de simulao)
Pgina 68
2010
Nota-se que a produo de leo obtida com o EGO bem semelhante produo de
leo obtida com o SAO para a simulao do caso 2 de U$70,00/bbl, apesar do consumo de
polmero deste ltimo ser bem maior. Isso porque com uma massa menor de polmero
injetada no caso otimizado com o algoritmo do EGO, a adsoro e a concentrao de
polmero no modelo ao final da simulao bem menor que no caso otimizado com o SAO,
indicando uma menor perda de polmeros no reservatrio e melhor eficincia da injeo na
produo de leo (Figuras 4.42 e 4.43).
Figura 4. 42: Adsoro de polmeros para a simulao cujo valor do leo US$70,00/bbl
A: Caso 2 EGO; B: Caso 2 SAO (10 anos de simulao)
Figura 4.43: Concentrao de polmeros para a simulao cujo valor do leo US$70,00/bbl
A: Caso 2 EGO; B: Caso 2 SAO (10 anos de simulao)
Pgina 69
2010
De modo geral, nos casos simulados com modelo mais heterogneo a produo de
leo relevantemente menor do que nos casos com modelo mais permevel e isso impactou
no valor da funo objetivo lucro (Figura 4.44) porque a heterogeneidade do reservatrio
representa uma barreira para a percolao dos fluidos no meio.
Funo Lucro em milhes de Dlares

(106 US$)
220,00
200,00
180,00
160,00
140,00
120,00
100,00
80,00
60,00
40,00
20,00
0,00
40
60
80
100
120
Preo do Petrleo (US$/bbl)

Lucro - caso 1
Lucro - caso 2
Figura 4.44: Lucro em funo do valor do leo para as simulaes dos casos 1 e 2
4.4.2 Casos 1 e 2: Aplicao de Taxa de Desconto sobre o Lucro
Como dito anteriormente, a funo objetivo lucro foi abordada sob duas perspectivas
financeiras diferentes. Na primeira, o VPL dos casos otimizados e dos respectivos casos bases
no faz nenhuma considerao a desvalorizao do capital que envolve a operao de
recuperao do campo (ver Equao 4.4). As discusses dos casos 1 e 2 apresentadas
anteriormente se referem a esta anlise financeira mais simplificada. Logo de acordo com
essas anlises poderamos ter resultados superestimados, j que ao longo do tempo
equipamentos sofrem desgaste e at a prpria moeda pode se desvalorizar devido a flutuaes
econmicas.
Pgina 70
2010
Com o intuito de avaliar o efeito de uma anlise financeira mais realista sobre a
viabilidade do emprego do mtodo de injeo de polmeros no campo estudado, fatores de
desconto dirios foram aplicados no VPL dos casos, resultando em uma funo lucro com
taxa de desconto (Equao 4.7). O fator de desconto dirio funo de uma taxa mdia anual
de desconto, considerada neste estudo igual a 9,3% (OLIVEIRA, 2006). As Figuras de 4.45 a
4.48 fazem uma comparao entre solues obtidas para os dois cenrios financeiros (com e
sem taxa de desconto sobre o capital) nas simulaes com o valor do barril igual a U$50,00,
U$60,00, U$70,00 e U$100,00 para os casos 1 e 2.
As solues obtidas evidenciam uma reduo na produo de leo e um aumento na
produo de gua (Tabelas 4.10 e 4.11) em todas as simulaes com aplicao da taxa de
desconto. Isso ocorre porque nestas simulaes h uma reduo na massa injetada de
polmeros, como mostram as Figuras 4.45 e 4.46.
Tabela 4.9: Produes acumuladas de leo e gua para as simulaes (com e sem taxa de desconto)
do caso 1
Simulaes Caso 1
(US$/bbl)
50
60
70
100
sem taxa
Com taxa
sem taxa
Com taxa
sem taxa
Com taxa
sem taxa
Com taxa
Produo Acumulada de
leo
(m)
6
8,40x10
6
8,38x10
6
8,44x10
6
8,40x10
6
8,47x10
6
8,43x10
6
8,50x10
6
8,47x10
Produo Acumulada de
gua
(m)
7
3,35 x10
7
3,36 x10
7
3,32 x10
7
3,35 x10
7
3,31 x10
7
3,33 x10
7
3,27 x10
7
3,30 x10
Tabela 4.10: Produes acumuladas de leo e gua para as simulaes (com e sem taxa de
desconto) do caso 2
Simulaes Caso 2
(US$/bbl)
50
60
70
100
sem taxa
Com taxa
sem taxa
Com taxa
sem taxa
Com taxa
sem taxa
Com taxa
Produo Acumulada de
leo
(m)
6
7,18x10
6
7,16x10
6
7,26x10
6
7,23x10
6
7,36x10
6
7,31x10
6
7,48x10
6
7,43x10
Produo Acumulada de
gua
(m)
7
3,82 x10
7
3,84 x10
7
3,73 x10
7
3,77 x10
7
3,64 x10
7
3,70 x10
7
3,57 x10
7
3,60 x10
Pgina 71
2010
6,50E+06
6,00E+06
5,50E+06
5,00E+06
4,50E+06
4,00E+06
3,50E+06
3,00E+06
40
60
80
100
120

Caso 1 (sem taxa)
Caso 1 (com taxa)
Figura 4.45: Massa de polmero injetada com e sem taxa de desconto em funo do valor do leo
para as simulaes do caso 1
1,10E+07
9,00E+06
7,00E+06
5,00E+06
3,00E+06
1,00E+06
40
60
80
100
120

Caso 2 (sem taxa)
Caso 2 (com taxa)
Figura 4.46: Massa de polmero injetada com e sem taxa de desconto em funo do valor do leo
para as simulaes do caso 2
Pgina 72
2010
Em decorrncia da reduo da massa injetada de polmero e da conseqente queda na

produo h a diminuio do lucro nas simulaes com a taxa de desconto (Figuras 4.47 e

(106 U$)
4.48).
240
200
160
120
80
40
0
40
50
60
70
80
90
100
110
120

Lucro Caso 1 (sem taxa)
Lucro Caso 1 (com taxa)

(106 U$)
caso 1
120
100
80
60
40
20
0
40
50
60
70
80
90
100
110
120

Lucro Caso 2 (sem taxa)
Lucro Caso 2 (com taxa)
caso 2
Pgina 73
2010
Mesmo com a reduo do lucro, para os casos simulados com a aplicao da taxa de
desconto a otimizao viabiliza o emprego do mtodo, com comportamento semelhante ao
encontrado nos demais casos estudados, em que o lucro cresce com o aumento do preo do
leo.
De um modo geral, esta anlise que considera a taxa de desvalorizao do capital foi
realizada para evidenciar que muitas vezes os indicadores financeiros e econmicos atuais
podem inviabilizar um projeto. Mesmo no obtendo prejuzo em nenhuma das simulaes
realizadas com o emprego do mtodo de injeo de polmeros, observamos a queda do lucro
em todas. Este fato indica que para casos em que o preo do leo menor que o considerado
ou para taxas de descontos maiores o resultado pode ser diferente e o emprego do mtodo
pode no ser to atraente.
Com isso, conseguimos ressaltar a importncia de uma anlise financeira, pois quanto
mais realista mais acurado o estudo da viabilidade e lucratividade de um projeto.
Pgina 74
2010
Captulo 5
Casos de Injeo de CO2: Modelo de Simulao,
Definio do Problema de Otimizao e Anlises
dos Resultados obtidos
5.1 Caracterizao do Caso Base
Este caso trata da recuperao de um campo que possui 5 (cinco) poos injetores e 2
(dois) produtores. A malha do modelo de simulao possui 7x7x3 clulas e a localizao dos
poos apresentada na Figura 5.1 abaixo.
Figura 5.1: Distribuio e completao dos poos produtores e Injetores
Os poos produtores so completados nas trs camadas e os injetores na camada

superior como indicado na Figura 5.1. A saturao inicial de leo igual a 0,80 e saturao
inicial de gs igual a 0,20. A Tabela 5.1 apresentada a seguir especifica as propriedades
fsicas e condies iniciais do reservatrio
Pgina 75
2010
Tabela 5.1: Condies iniciais e propriedades do reservatrio

Propriedades do Reservatrio
Tamanho das clulas (ft)
500
500
20,30 e 50
Permeabilidades 1 camada (md)
500
500
50
50
50
50
200
200
25
Porosidade constante
0,30
Profundidade de referncia (ft)
935
-6
Compressibilidade da rocha (1/psi)
5,0x10
Presso de referncia do reservatrio (psi)
1100
Temperatura do Reservatrio (C)
90
Os componentes do hidrocarboneto so identificados no arquivo de dados de entrada

como C1, C2, C3, C4, C5, C6, C7-13, C14-20, C21-28, C+29, cada um com peso molecular
diferenciado e com parmetros como presso crtica, volume crtico e temperatura crtica
definidos.
Individualmente, tanto os poos injetores quanto os produtores esto sujeitos a
restries operacionais. Os injetores operam com uma vazo de injeo mxima de 1,2x107
SCF/dia (339.802 m/dia). J o poo produtor opera com uma vazo de produo livre porm
sob uma presso de fundo de poo mnima de 2.000 psi ou (13.790 kPa). Apesar de se adotar
um esquema de injeo contnua de gs em todo o perodo de operao, existe uma restrio
que limita o volume dirio de gs a ser injetado, que 3,0x107 SCF/dia (849.505 m/dia). No
caso base esse volume distribudo igualmente entre os poos injetores, o que resulta em uma
vazo de injeo igual a 0,6x107 SCF/dia (169.901 m/dia) para cada poo injetor.
5.2 Caracterizao para os Casos otimizados de Injeo de

CO2
Os casos a serem otimizados possuem as mesmas condies iniciais e propriedades

fsicas para o reservatrio e propriedades dos fluidos leo e gs que o caso base, inclusive as
restries operacionais a que os poos esto submetidos, individual e conjuntamente.
Pgina 76
2010
A diferena dos casos otimizados para o base que o volume de gs mximo a ser
injetado (3,0x107 SCF/dia) no ser distribudo igualmente entre os poos, pois a otimizao
se encarregar de distribuir esse volume de forma tima entre os injetores, para a melhoria da
produo de leo. O item subseqente detalha melhor as condies para essa distribuio.
5.3 Definio do Problema de Otimizao
Especificamente para os casos de injeo de CO2 estudados, os elementos Objetivo,

variveis de projeto e Restries do problema de otimizao esto descritos a seguir.
5.3.1 Objetivo
O objetivo nos casos de injeo de CO2 o valor presente lquido (VPL) do fluxo de
caixa da operao do campo, que neste caso dado por:
T
1
VPL =
t = 0 (1 + d )
F ( x p ,t )
(5.1)
onde:
d a taxa de desconto aplicada ao capital;
T o tempo final ou tempo de concesso do projeto;
F o fluxo de caixa da operao no tempo dado por:

F = R + RC (CO 2) (Opex + Capex + GT )
(5.2)
Onde:
R = l =o, g Pl ql t
(Receita)
Pgina 77
RC (CO 2) = l = gi, gp VC (CO 2) (q gi q gp ) t

Opex = l =o, g , gi , gp Cl ql t
2010
(Crditos de carbono)
(Custos operacionais)
Capex = N p C p + Cf UEP + CvUEP Qmax ,
(Custo de investimentos
iniciais)
GT (Government take) = Tributaes aplicada ao projeto no tempo .
Sendo:
P l o preo de venda do leo ou gs;

q l a vazo de produo de leo ou gs para as Receitas , vazo de
produo CO2 , vazo de injeo de CO2

para os custos;
VC (CO 2) o valor dos crditos de carbono ganhos com a massa de CO2 que deixa
de ser jogada na atmosfera (CO2 armazenado no reservatrio);

C l o custo de manuseio do leo , gs , CO2 produzido e CO2
injetado
;
N p o nmero de poos perfurados;
C p o custo de perfurao de um poo, podendo variar para diferentes tipos de
poos;
Cf UEP o custo fixo da Unidade Estacionria de Produo (UEP);
Cv UEP o custo varivel da UEP;
Q max a vazo mxima que a UEP suporta;
t o intervalo de tempo considerado.

Nos casos de injeo de CO2 estudados, o fluxo de caixa da operao do campo foi
calculado de forma mais simplificada (eq. 5.3), considerando-se apenas as receitas
provenientes do leo produzido e dos crditos de carbono e os custos de injeo e produo
de CO2. O fluxo de caixa se a reduz a:
F = R + RC (CO 2 ) (Opex )
(5.3)
Pgina 78
2010
onde:
R = o Po qo t
RC (CO 2) = gi , gp VC (CO 2) (q gi q gp ) t
Opex = gp Cgp qgp t + gi Cgi qgi t
A parcela referente ao Capex/ foi considerada nula, pois se refere aos custos do
investimento inicial para a montagem e desenvolvimento da UEP e esta constante tanto para
o caso base quanto para os otimizados.
Por ter sido adotado uma verso mais simplificada de VPL, no foram considerados os
tributos que na prtica so aplicados ao projeto como Royalties e outros.
5.3.2 Variveis de projeto
Para o caso de injeo de CO2 em estudo, as variveis de projeto so tambm

denominadas variveis de controle. Isso porque cada simulador de reservatrios possui
estruturas que permitem controlar os poos do modelo. Pode-se fazer esse controle
estabelecendo limites inferiores ou superiores para as vazes de fluxo, presses de fundo de
poo (bottom hole presure BHP) e aes como trmino da simulao, ou fechamento do
poo quando estas restries de limite so violadas (COMPUTER MODELLING GROUP
Ltd., 2009b).
Como na prtica no existe uma maneira de controlar diretamente a presso de fundo
de fundo de poo, sendo esta apenas passvel de medio (OLIVEIRA, 2006), as vazes de
injeo em diferentes tempos ao longo do perodo de simulao foram adotadas como
variveis de controle no problema de otimizao do caso de injeo de CO2 estudado. Devido
tecnologia de campos inteligentes, emergente a nvel mundial e que envolve diversos
sistemas que permitem o gerenciamento integrado de produo e reservatrio, as vazes
podem ser controladas diretamente em tempo real da operao dos poos.
Pgina 79
2010
Apesar de usualmente se controlar tanto as vazes de injeo quanto as de produo,

neste estudo apenas as vazes de injeo so consideradas como variveis de controle, porm
para que os poos produtores no produzam livremente, foi estabelecido um limite mnimo
para a presso de fundo de poo destes.
Como descrito no item 5.1 deste captulo, o campo do caso em questo possui 5 poos
injetores, porm 4 deles esto distribudos simetricamente pela malha do modelo. Os poos
simtricos se destacam com um circulo na Figura 5.2 abaixo.
Figura 5.2: Distribuio dos poos
Em razo desta simetria, optou-se por considerar apenas 2 variveis a cada intervalo
de tempo ou ciclo de controle, uma correspondente a vazo do poo central 5 e a outra
correspondente a vazo de um dos poos simtricos localizados na borda na malha, sendo a
vazo dos outros iguais a esta.
Pgina 80
2010
Podemos enfim definir as variveis de controle como:

x p ,t = q p ,t , t
onde:
q p ,t a vazo do poo no ciclo de controle ;
Com:
0 1. . 24
(24 = nmero de ciclos de controle)
0 1. . 2
(2
= nmero de poos injetores no-simtricos)
5.3.3 Restries
Nos casos otimizados de injeo de CO2, foram impostas restries de limite, com
>
no permite que as
valores mximos e mnimos para as variveis. O limite inferior .<,=
variveis assumam valores negativos, assumindo um valor mnimo muito baixo que
?
representa o fechamento do poo, e o limite mximo .<,=
restringe as mesmas a terem
valores compatveis com a capacidade de injeo individual dos poos.

Ento, temos que:
x lp ,t x p ,t x up ,t
Para o caso em questo, os limites inferior e superior so, respectivamente:

x lp ,t = 0,001 10 7 SCF / dia
x up ,t = 1,2 10 7 SCF / dia
Pgina 81
2010
Logo:
0,001 10 7 SCF / dia x p ,t 1,2 10 7 SCF / dia
H tambm uma restrio que limita o volume de gs a ser injetado diariamente. Esse
volume distribudo entre os injetores de modo que a soma das vazes de injeo dos poos
seja igual a esse volume mximo dirio.
4 x1,t + x 5 ,t 3,0 10 7 SCF / dia
O termo 4 x1,t representa a soma das vazes dos poos injetores simtricos (poos 1, 2,
3 e 4 ver Figura 5.2), e o termo x5,t se refere a vazo de injeo do poo central (5).
O problema de otimizao formulado conforme a seguir:
Maximize
VPL ( x p ,t )
x p ,t
Sujeito :
0,001 10 7 SCF / dia x p ,t 1,2 10 7 SCF / dia

4 x1,t + x5,t 3,0 10 7 SCF / dia
5.4 Anlises dos Resultados Obtidos
Alm da simulao do caso base, foram realizadas mais duas, uma em que o caso de
injeo de CO2 possui um nico ciclo de controle equivalente ao tempo total de simulao (10
anos) e outra que possui 2 ciclos, cada um com durao de 5 anos.
Como j mencionado anteriormente, no caso base a vazo de injeo distribuda
igualmente para todos os poos injetores e igual em todo o tempo de simulao (10 anos).
Nas simulaes com otimizao, com 1 e 2 ciclos de controle, as vazes se distribuem de
forma tima, provocando mudana nas produes de fluido e interferncia no comportamento
do varrido do leo.
Pgina 82
2010
O objetivo do problema de otimizao no caso de injeo de CO2 o valor presente

lquido (VPL) do fluxo de caixa da operao. O clculo do VPL considera as receitas geradas
pela produo de leo e pelos crditos de carbono (ver equao 5.3). A seguir sero
apresentadas e discutidas as solues obtidas da otimizao de todos os casos simulados
atravs da estratgia de otimizao SAO.
Num primeiro momento os casos foram simulados e analisados considerando um valor
fixo para preo do leo e para os crditos de carbono. Posteriormente sero apresentados e
discutidos resultados de uma anlise de sensibilidade da funo objetivo VPL em funo da
variao do preo do leo e tambm do valor dos crditos de carbono.
5.4.1 Casos com 1 e 2 ciclos de controle: Anlise do VPL com preo

do leo e valor dos crditos de carbono fixos
Em todas as simulaes (caso base, com 1 e com 2 ciclos de controle) considerou-se o

preo do barril de petrleo fixo e igual a U$50,00 e o valor dos crditos de carbono igual a
U$10,00 por tonelada de CO2 armazenada no reservatrio, lembrando que a massa de CO2
armazenada dada pela diferena entre a massa de CO2 injetada e a produzida (item 5.3.1).
As Tabelas 5.2 e 5.3 abaixo apresentam as solues encontradas para os casos
simulados.
Tabela 5.2: Fator de recuperao para todas as simulaes
Caso
Fator de
Recuperao do
leo
Ganho no fator de
Recuperao do
leo FR%
(US$50)
BASE
(%)
51,36
(%)
-
1 ciclo
53,66
2,30
2 ciclos
53,78
2,42
De modo geral, nota-se que a otimizao da injeo de CO2 ocasionou o aumento do

fator de recuperao em relao ao do caso base, tanto no caso com 1 ciclo de controle quanto
no caso com 2 ciclos. A melhora do fator de recuperao se d por conta do aumento da
produo de leo e da reduo da produo de gs (Tabela 5.3).
Pgina 83
2010
Tabela 5.3: Solues com o mtodo de otimizao SAO para todas as simulaes
Caso
Consumo
de CO2
Produo
Acumulada
de leo
Aumento da
Produo
Acumulada
de leo
Produo
Acumulada
de Gs
Reduo da
Produo
Acumulada
de Gs
VPL em
milhes de
dlares
(US$50)
BASE
(kg)
9
5,80x10
(m)
6
3,81x10
(m)
-
(m)
9
2,11 x10
(m)
-
(%)
789,35
1 ciclo
5,80x10
1,95 x10
0,16
826,10
5,80x10
1,94 x10
0,17
832,16
2 ciclos
3,98x10
3,99x10
0,17x10
0,18x10
O VPL do fluxo de caixa da operao maior nos casos otimizados, j que o aumento
da produo de leo e a reduo da produo de gs ocasionam seu crescimento em funo do
aumento da receita gerada pela venda do leo, da receita gerada pelos crditos de carbono
ganhos e da reduo dos custos advindo da re-injeo do gs produzido.
Esse aumento de produo, como mostrado na Tabela 5.3, no decorre em funo da
quantidade de gs injetado j que em todos os casos houve um consumo de CO2 praticamente
igual. A melhora da produo decorre claramente da otimizao da distribuio da vazo total
de injeo entre os poos e tambm do controle dessa vazo ao longo do tempo de operao.
No caso base, apesar de se injetar mesma massa de CO2 que nos casos otimizados, a
produo de leo foi menor porque o rateio da vazo total de injeo entre os poos injetores
foi feito de modo a comprometer a eficincia de varrido do leo. A localizao dos poos
injetores com relao aos produtores interfere na frente de saturao do gs dentro do
reservatrio e conseqentemente o gs injetado em poos mais prximos dos produtores tende
a eclodir mais rapidamente atrapalhando a produo de leo. Como no caso base a vazo
igual para todos os poos injetores (0,6 x 107 SCF/dia item 5.1), o gs injetado no poo
central 5, localizado bem mais prximo dos produtores que os demais, tende a chegar
primeiro como indicado no esquema da Figura 5.3, sendo produzido prematuramente,
reduzindo a produo acumulada do leo e favorecendo a produo acumulada do gs.
Pgina 84
P1
2010
Gs
Gs
P2
Figura 5.3: Representao esquemtica do avano do gs injetado no poo 5
O comportamento da frente de saturao no caso base confirmado pela Figura 5.4

abaixo. A Figura 5.4B destaca que por volta de 1 ano da simulao o gs injetado no poo
central se encontra bem prximo dos poos produtores. O gs injetado nos poos das bordas
percorre um caminho maior para alcanar os produtores, o que ocorre apenas entre o segundo
e o terceiro ano de simulao.
Pgina 85
2010
Figura 5.4: Avano da saturao do gs em funo do tempo no caso base

A: inicio da simulao; B: 1 ano de simulao; C: 2 anos de simulao; D: 3 anos de simulao
Com a otimizao, as vazes de injeo so definidas de modo que a taxa de varrido

do leo seja o mais uniforme possvel, evitando que o gs injetado nos poos mais prximos
dos produtores chegue neste bem mais cedo. As Figuras 5.5 e 5.6 mostram o comportamento
das vazes timas para os casos com 1 e 2 ciclos de controle respectivamente.
Pgina 86
VAZES DE INJEO
1 Ciclo de controle
2,50e+5
Vazo de Gs (m3/day)
2,00e+5
1,50e+5
Vazo inj. gs
Vazo inj. gs
Vazo inj. gs
Vazo inj. gs
Vazo inj. gs
Vazo inj. gs
1,00e+5
I-1
I-2
I-3
I-4
I-5
base I-1, I-2, I-3, I-4, I-5
5,00e+4
0,00e+0
0
500
1.000
1.500
2.000
Tempo (day)
2.500
3.000
3.500
4.000
Figura 5.5: Vazes de injeo timas para a simulao com 1 ciclo de controle
VAZES DE INJEO
2 Ciclos de controle
2,50e+5
Vazo de Gs (m3/day)
2,00e+5
1,50e+5
Vazo inj. gs I-1

Vazo inj. gs I-2
Vazo inj. gs I-3
Vazo inj. gs I-4
Vazo inj. gs I-5
Vazo inj. gs I-1, I-2, I-3, I-4 e I-5
1,00e+5
5,00e+4
0,00e+0
0
500
1.000
1.500
2.000
Tempo (day)
2.500
3.000
3.500
4.000
Figura 5.6: Vazes de injeo timas para a simulao com 2 ciclos de controle
Pgina 87
2010
2010
As figuras demonstram que para evitar a chegada prematura do gs aos produtores, a

resposta da otimizao definir uma vazo de injeo menor no poo central em relao
vazo definida para os poos injetores mais distantes e com isso o leo varrido de forma
mais uniforme, favorecendo o aumento da produo.
Para os casos com 1 e 2 ciclos de controle o comportamento o mesmo: a vazo de
injeo do poo central 5 bem menor que as dos demais poos. No caso com 2 ciclos, nos
primeiros cincos anos (primeiro ciclo), o consumo de CO2 injetado diminui at chegar ao
limite mnimo de vazo, o que representa o fechamento do poo no perodo. Esse fechamento
ocorre justamente para que a chegada do gs seja ainda mais retardada se comparado ao caso
com apenas 1 ciclo e apresentando por isso, uma discreta melhora no VPL (Tabela 5.3).
A frente de saturao para os casos otimizados se comportam diferente da apresentada
no caso base, como mostram as Figuras 5.7 e 5.8.
Figura 5.7: Avano da saturao do gs em funo do tempo no caso com 1 ciclo de controle
A: inicio da simulao; B: 1 ano de simulao; C: 2 anos de simulao; D: 3 anos de simulao
Pgina 88
2010
No caso com 1 ciclo de controle, a Figura 5.7 demonstra que at o terceiro ano de
simulao o gs injetado nos poos das bordas varre o reservatrio uniformemente, enquanto
que a vazo de injeo definida para o poo central, por ser bem menor, no permite que gs
injetado no mesmo avance durante esse perodo. Nota-se o incio do avano do gs injetado
no poo 5 apenas ao final do sexto ano de simulao, como visto na Figura 5.8.
Figura 5.8: Avano da saturao do gs em funo do tempo no caso com 1 ciclo de controle
A: 5 anos de simulao; B: 6 anos de simulao
Para o caso com 2 ciclos, a Figura 5.9 confirma que nos primeiros 5 anos, perodo do
primeiro ciclo, o poo central permanece fechado, e apenas o gs injetado nos demais poos
avana uniformemente pelo reservatrio. No segundo ciclo, ou seja, no inicio do sexto ano de
simulao o poo central aberto, mas ainda assim com vazo de injeo bem inferior as
demais para que devido a sua grande proximidade com os produtores no haja a produo
demasiada de gs.
Pgina 89
2010
Figura 5.9: Avano da saturao do gs em funo do tempo no caso com 2 ciclos de controle
A: inicio da simulao; B: 2 anos de simulao; C: 5 anos de simulao; D: 6 anos de simulao
De um modo geral, ainda pode-se afirmar que a melhora do VPL obtida no caso com 2
ciclos com relao ao caso com apenas 1 ciclo, apesar de ser discreta, insinua a importncia
da quantidade de ciclos de controle para a obteno de vazes que ao longo do tempo controla
a frente de saturao do gs no reservatrio, tornando a produo de leo cada vez mais
eficiente.
Pgina 90
2010
5.4.2 Anlise de Sensibilidade: VPL em funo da variao do preo

do leo e do valor dos crditos de carbono.
Como j descrito anteriormente, esse trabalho faz, nos casos de aplicao de injeo
de CO2, a associao da recuperao do leo com o seqestro de carbono, considerando tanto
a receita proveniente dos crditos de carbono, quanto os custos de aquisio e de reutilizao
do gs no clculo do VPL. Estimulada pela incerteza no valor dos crditos de carbono, foi
realizada uma anlise de sensibilidade do VPL da operao em funo do aumento do preo
dos crditos de carbono, e tambm do preo do leo, com intuito de detectar a influncia
desses parmetros na lucratividade do projeto.
A Figura
igura 5.10 a seguir mostra valores presentes lquidos para preos do leo variando
entre US$20/bbl e US$100/bbl e preos de crditos de carbono variando entre US$5/ tCO2 e
US$25/ tCO2.
VPL
(106 US$)
1800
1600
1400
1200
1000
800
600
400
200
05
1600-1800
1400-1600
1200-1400
1000-1200
800-1000
600-800
10
400-600
15
preo dos crditos
de carbono
(US$/tCO2)
200-400
20
25
20
40
50
70
100
0-200
Preo do barril de petrleo

(US$/bbl)
Figura 5.10:: Variao do VPL em funo do preo do leo e dos crditos de carbono
A Figura 5.10 indica um crescimento do VPL em funo do aumento tanto do preo

do leo quanto do preo dos crditos
cr
de carbono. Dos dois parmetros econmicos, o preo
do leo o que causa mais impacto no VPL. O aumento do preo do leo causa um
Pgina 91
2010
crescimento mais brusco no VPL, enquanto que o aumento do valor dos crditos de carbono
provoca um crescimento bem suave no VPL.
Ento, de um modo geral, a anlise de sensibilidade indica a importncia do preo e da
produo do leo para a viabilidade do projeto de recuperao associado ao seqestro de
carbono. Quanto mais alto o preo do leo, maior o incentivo para investimentos no seqestro
de CO2 combinados com projetos de recuperao avanada. Isso porque, apesar dos valores
dos crditos de CO2 utilizados nesta anlise serem considerados baixos no apresentando
grande efeito no VPL, observa-se que a recuperao avanada de leo torna, mesmo sem
grandes incentivos de crditos, o seqestro de CO2 economicamente vivel.
Tambm se pode visualizar que valores mais altos de crditos de CO2 poderiam causar
um significativo impacto no projeto. Um projeto de recuperao associado com o seqestro de
CO2 poderia ser extremamente rentvel se os preos dos crditos aumentassem
substancialmente.
Pgina 92
2010
Captulo 6
Concluses e Sugestes para Trabalhos Futuros
6.1 Concluses
A seguir esto resumidas as principais concluses do presente estudo.

No que se refere ao comportamento fsico das solues timas do problema de
otimizao da injeo de polmeros, podemos ressaltar que:
1. Todos os casos com injeo de polmeros otimizada apresentaram ganhos no VPL

com relao ao obtido no caso base (que usa a injeo de gua sem polmeros), o
que indica que todos apresentaram lucro;
2. Individualmente, as solues obtidas para todos os casos otimizados (caso 1 e caso

2, com e sem taxa de desconto) apresentaram comportamento semelhante, no qual
ao se aumentar o preo do barril de petrleo:
A otimizao viabiliza a injeo de uma quantidade maior de polmeros, ou
seja, a cada aumento no valor do leo bancos de polmeros maiores so injetados
nos poos. O aumento da massa injetada provoca uma crescente melhora na
eficincia de varrido do reservatrio, e em decorrncia disso h o aumento da
produo acumulada de leo e a reduo da produo acumulada de gua, que
resulta no crescimento do VPL e, por conseguinte no crescimento do lucro obtido
com a injeo de polmeros;
3. Foram identificadas alteraes na presso de fundo (BHP) de poo dos injetores e

tambm nas curvas de BSW durante o perodo de injeo de polmeros no
reservatrio. Durante o perodo de injeo, a curva de BHP apresenta um pico de
presso, entendida como necessria para manter a vazo de injeo de gua
Pgina 93
2010
constante. J a curva de corte de gua decai, durante a injeo, o que significa a

reduo da produo de gua no perodo;
4. Em se tratando dos casos de aplicao de injeo de polmeros, simulaes com
modelo mais heterogneo (caso 2), apesar de tambm obterem um ganho no fator
de recuperao, apresentaram uma queda no rendimento da recuperao de leo se
comparado com as do caso 1, o que pode indicar que em determinados casos com
valor do leo mais baixo do que os simulados, a viabilidade da injeo de
polmeros pode ser comprometida;
5. O efeito da desvalorizao do capital envolvido tambm tende a comprometer a

viabilidade do emprego do mtodo em casos cujo valor do petrleo seja menor, j
que este reduziu em quase 50% o valor do lucro nos casos simulados.
Referente ao comportamento fsico das solues timas do problema de otimizao da

injeo de CO2, podemos ressaltar que tanto na simulao com 1 ciclo de controle quanto na
simulao com 2 ciclos:
1. A distribuio tima das vazes de injeo provoca aumento no fator de

recuperao com relao ao encontrado no caso base, cujas vazes so igualmente
distribudas para os poos injetores. A melhora do fator de recuperao se d por
conta do aumento da produo de leo e da reduo da produo de gs, que por
sua vez acarreta o aumento do VPL em funo do aumento da receita gerada pela
venda do leo, da receita gerada pelos crditos de carbono ganhos e da reduo
dos custos advindo da re-injeo do gs produzido;
2. As vazes de injeo so distribudas em cada ciclo de controle de modo a fazer o

gs varrer o reservatrio de forma mais uniforme, ou seja, evitando que o gs
proveniente de poos injetores mais prximos de poos produtores chegue nestes
muito mais rpido, prejudicando a produo de leo.
Verificou-se que o caso com 2 ciclos de controle apresentou maior fator de

recuperao e conseqentemente maior VPL que o caso apenas 1 ciclo. Pode-se afirmar que a
melhora do VPL obtida no caso com 2 ciclos com relao ao caso com apenas 1 ciclo, apesar
Pgina 94
2010
de ser discreta, insinua a importncia da quantidade de ciclos de controle para a obteno de

vazes que ao longo do tempo controle a frente de saturao do gs no reservatrio, tornando
a produo de leo cada vez mais eficiente.
Os resultados da anlise de sensibilidade do VPL em funo da variao do preo do
leo e do valor dos crditos de carbono mostram que:
1. H um crescimento do VPL em funo do aumento do preo do leo e do valor
dos crditos de carbono;
2. Dos dois parmetros econmicos, o preo do leo o que causa mais impacto no
VPL. O aumento do preo do leo causa um crescimento mais brusco no VPL,
enquanto que o aumento do valor dos crditos de carbono provoca um crescimento
bem suave no VPL.
De modo geral, as solues obtidas para ambos os casos de aplicao, o de injeo de

polmeros e o de injeo de CO2, evidenciam a influncia de parmetros econmicos, a
exemplo do valor do leo e custos com a injeo de fluidos, sobre o ganho econmico do
projeto, reforando-se a idia de que ao se considerar a viabilidade de um projeto de
recuperao, estudos devem ser feitos levando em considerao a variao que esses
parmetros podem sofrer ao longo do tempo de operao do campo.
E por fim, a cerca do desempenho computacional da tcnica de otimizao usada,

pode-se afirmar que:
1. O software DAKOTA, no qual a estratgia de Otimizao Seqencial Aproximada

foi usada, apresentou um timo desempenho, pois o seu acoplamento ao simulador
de reservatrios e a execuo da otimizao apresentou um perfeito
funcionamento;
2. Todas as simulaes foram realizadas em tempo hbil, graas estratgia de

otimizao usada, que comprovadamente reduz o esforo computacional exigido
para a resoluo dos problemas, e tambm possibilidade oferecida pelo
DAKOTA de se explorar massivamente a computao paralela;
Pgina 95
2010
3. De um modo geral, o mtodo local SAO (Sequential Approximate Optimization)

usado para a otimizao dos casos estudados mostrou-se eficiente por apresentar
um comportamento que favorece a melhora do fator de recuperao do leo e o
aumento no ganho econmico do projeto e com razovel nmero de iteraes.
6.2 Sugestes para Trabalhos Futuros
Para dar continuidade linha de pesquisa apresentada nesse estudo e enriquecer os

resultados obtidos, prope-se as seguintes atividades adicionais:
1. Aplicar a metodologia aqui usada em problemas que representem situaes com

dimenses, complexidade e esforo computacionais iguais as vivenciadas nos
estudos de reservatrios reais;
2. Considerar outras variveis de projeto importantes, alm das que foram
consideradas nesse estudo como, por exemplo: a concentrao de polmeros e as
vazes de injeo de gua e de produo de leo (para o caso de aplicao de
injeo de polmeros); e vazes de produo de leo (para o caso de aplicao de
injeo de CO2);
3. Acoplar a quantificao de incertezas (geolgicas, qumicas, etc.) aos problemas
estudados;
4. Incorporar um pacote completo de anlise econmica para a avaliao das funes
objetivo, no lugar da verso simplificada em uso nesse estudo;
Pgina 96
2010
Referncias Bibliogrficas
AFONSO, S. M. B.; HOROWITZ, B.; SILVA, M. F. Design of Space Trusses Using
Multifidelity Models. In: 6th World Congresses of Structural and Multidisciplinary
Optimization, 2005, Rio de Janeiro. Proceedingd of the 6th World Congresses of Structural
and Multidisciplinary Optimization. Rio de Janeiro : International Society for Structural and
Multidisciplinary Optimization, 2005. v. 1. p. 1-9.
AFONSO, S. M. B.; HOROWITZ, B.; WILLMERSDORF, R.B. Comparative Study of

Surrogate Models for Engineering Problems. In: ASMO_UK/ISSMO International
Conference on Engineering Design Optimization, 7th, 2008, Bath-UK.
ALEXANDROV, N. et al. A Trust Region Framework for Managing the Use of

Approximation Models in Optimization. NASA/CR-201745. [S.l.]. 1997.
BARTHELEMY, J. F. M.; HAFTKA, R. T. Approximation concepts for optimum structural

design - a review. Structural Optimization, v. 5, p. 129-144, 1993.
BRESSAN, L. W. Recuperao Avanada de Petrleo. Centro de Excelncia em Pesquisa

sobre Armazenamento de Carbono. Material de apoio usado em apresentaes diversas no
CEPAC: 2008. Disponvel em: <http://www.pucrs.br/cepac/?p=apresentacoes>. Acesso em:
28 Ago. 2010.
CERQUEIRA, F. C.; CORBI, H. C.; SILVA, E. B.; GOMES, L. G. D.; FOLIOCO, P.

Mtodos Especiais de Recuperao de Petrleo Aplicados em Meio Offshore.Santos Offshore
Conference 2009. Santos, So Paulo. 21-23 Outubro. 2009. p. 1-12.
COMPUTER MODELLING GROUP Ltd. Builder Users guide Version 2007. 2007.
COMPUTER MODELLING GROUP Ltd. Imex Users guide Version 2009. 2009a.
COMPUTER MODELLING GROUP Ltd. Gem Users guide Version 2009. 2009b.
DANTAS, V. Otimizao da injeo de polmeros em reservatrios de petrleo. 130f.

Dissertao (mestrado em Engenharia Civil) CTG, Universidade Federal de Pernambuco.
Recife. 2008.
Pgina 97
2010
DANTAS, V.; GUIMARES, L. J. N.; HOROWITZ, H.; COSTA, A. P. A. Recuperao

Avanada em Reservatrios de Petrleo Usando o Mtodo Qumico de Injeo de Polmero
com Otimizao. 5 Congresso Brasileiro de P & D em Petrleo e Gs - 5 PDPETRO.
Fortaleza, Cear. 15-22 Outubro. 2009. p 1-8.
DAWSON, R., LANTZ, R. B. Inaccessible Pore Volume in Polymer Flooding, Trans. AIME,
Vol.253, 1972.
DONALDSON E.C; CHILINGARIN G.V.; YEN T.P.: Enhanced Oil Recovery II - Processes
and Operations., 1989.
ELDRED, M. S.; GIUNTA, A. A.; COLLIS, S. S. Second-Order corrections for SurrogateBased Optimization with Model Hierarchies. 10th AIAA/ISSMO Multidisciplinary Analysis
and Optimization Conference, AIAA 2004-4457. Albany, NY: [s.n.]. 2004.
FARIA, S. 55 anos em 5. Petro & Qumica, So Paulo, ed. 308, Agosto. 2008
FORRESTER, A.; SOBESTER A.; KEANE A. Engineering Design Via Surrogate
Modelling: A Practical Guide. United Kingdom: Wiley, 2008. 218p.
GIUNTA, A. A., ELDRED, M. S. Implementation of a Trust Region Model Management

Strategy in the DAKOTA Optimization Toolkit. 8th AIAA/USAF/NASA/ISSMO Symposium
on Multidisciplinary Analysis and Optimization, AIAA-2000-4935. Long Beach, CA: [s.n.].
2000.
GIUNTA, A. A.; WATSON, L. T. A Comparison of Approximation Modeling Techniques:

Polynomial Versus Interpolating Models. 7th AIAA/USAF/NASA/ISSMO Symposium on
Multidisciplinary Analysis and Optimization, AIAA-98-4758. St. Louis, MO: [s.n.]. 1998.
GODOY, S. G. M.; PRADO JR., F. A. A. Panorama Mundial do Mercado de Crdito de

Carbono. 2007. Disponvel em: < http://www.pensa.org.br/Biblioteca.aspx?tipo=13>. Acesso
em: Junho de 2010.
GUIMARES, L. J. N.; HOROWITZ, B.; AFONSO, S. M. B. Global Optimal Solutions for

Reservoir Engineering Applications. In: EngOpt 2008 - International Conference on
Engineering Optimization, 2008, Rio de Janeiro. EngOpt 2008 - International Conference on
Engineering Optimization, 2008. p. 1-10.
Pgina 98
2010
HOROWITZ, B ; AFONSO, S. M. B. ; WILLMERSDORF, R. B. ; GUIMARES, L. J. N.

Local and Global Strategies Applied to Waterflooding Optimization. In: Twelfth International
Conference on Civil, Structural and Environmental Engineering Computing, 2009, Funchal,
Madeira, Portugal. Proceeding of the Twelfth International Conference on Civil, Structural
and Environmental Engineering Computing, 2009. v. 1. p. 1-20.
KALLBEKKEN, S. TORVANGER, A. Can Geological carbon storage be competitive?.
Center for International Climate and Environmental Research Oslo. CICERO working
paper. 2004.- p. 1-13;
KAMINSKY, R.D.; WATTENBARGER, R.C.; SZAFRANSKI, R.C.; COUTEE, A.S.

guidelines for polymer flooding evaluation and development. International Petroleum
Technology Conference. Dubai, U.A.E. 4-6 December 2007.
KESSEL, D. G.; Chemical flooding Status report. Journal of Petroleum Science and
Engineering. V-2. p. 81-101. 1989.
MENDONA, C. V. P.; CARVALHO, N. F. P.; AFONSO, S. M. B.; HOROWITZ, B.
Estratgia local para otimizao do gerenciamento de injeo de gua. 5 Congresso
Brasileiro de P & D em Petrleo e Gs - 5 PDPETRO. Fortaleza, Cear. 15-22 Outubro.
2009. p 1-9.
OLIVEIRA, D. F. B. Tcnicas de otimizao da produo para reservatrios de petrleo:

abordagens sem uso de derivadas para alocao dinmica das vazes de produo e injeo.
2006. 116 f. Dissertao (mestrado em Engenharia Civil) CTG, Universidade Federal de
Pernambuco. Recife. 2006.
PRATA, F. G. M. Modelagem numrica do processo de migrao de hidrocarbonetos e

preenchimento de um reservatrio sob variaes trmicas. 2001. 132 f. Dissertao
(mestrado) Centro de Cincia e Tecnologia, Universidade Estadual do Norte Fluminense.
Maca. 2001.
RAVAGNANI, A. T. F. S. G. Modelagem tcnico-econmica de seqestro de CO2

considerando injeo em campos maduros. Tese (Doutorado). Universidade Estadual de
Campinas Faculdade de Engenharia Mecnica e Instituto de Geocincias. Campinas, So
Paulo. 2007.
RAVAGNANI, A. T. F. S. G.; SUSLICK, S. B. Modelo dinmico de seqestro geolgico de

CO2 em reservatrios de petrleo. Revista Brasileira de Geocincias, v.38, n.1, supl.1, p. 3960. So Paulo, 2008.
Pgina 99
2010
RODRGUES, J. F.; PREZ, V. M.; PADMANABHAN, D.; RENAUD, J. E. Sequential

approximate optimization using variable fidelity response surface approximations. 41-st
AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics and Materials Conference.
Atlanta, GA. 2001.
RODRGUEZ, J. F.; RENAUD, J. E.; WATSON, L. T. Trust Region Augmented Lagrangian

Methods for Sequential Response Surface Approximation and Optimization. Journal of
Mechanical Design, v. 120, n. 1, p. 58-67, 1998.
ROSA, A. J., CARVALHO, R. S., XAVIER, J. A. D. Engenharia de reservatrios de

petrleo. Ed. Intercincia.Rio de Janeiro.2006.
SAKA, Y.; GUNZBURGER, M.; BURKARDT, J. Latinized, improved LHS, e CVT point sets
in hypercube. Institute for Scientific Computing and Information. International Journal of
Numerical Analysis and Modeling. Vol. 4. Number 3-4. p. 729-743. 2007.
SANDIA NATIONAL LABORATORY. Reference Manual of DAKOTA, A Multilevel

Parallel
Object-Oriented
Framework
for
Design
Optimization,
Parameter
Estimation,Uncertainy Quantification, and Sensitivity Analysis. Albuquerque - USA, 2008.
157p.
SACKS, J.; WELCH, W. J.; MITCHELL, T. J.; WYNN, H. P. Design and Analysis of
Computer Experiments. Statistical Science, v. 4, n. 4, p. 409-435, 1989.
SANTOS, F. K. G.; ALVES, J. V. A.; DANTAS, T. N. C.; DANTAS NETO, A. A.; DUTRA
JR., T. V.; BARROS NETO, E. L. seleo de tensoativos no inicos para uso na
recuperao avanada de petrleo. 4 PDPETRO. Campinas, So Paulo. 21-24 Outubro.
2007. p 1-9.
SILVA, M. F. Estratgias de aproximao para a otimizao estrutural.123f. Dissertao
(mestrado) Universidade Federal de Pernambuco. CTG. Engenharia Civil. 2009.
SILVA SEGUNDO, A. R. S.; SILVA, W. C.; VALENTIM, A. C. M.; MEDEIROS, A. C. R.;

GARCIA R. B. Caracterizao de poliacrilamidas comerciais visando sua aplicao na
recuperao avanada de petrleo. 4 Congresso Brasileiro de P & D em Petrleo e Gs - 4
PDPETRO. Campinas, So Paulo. 21-24 Outubro. 2007. p 1-6.
TOROPOV, V. V. Simulation approach to structural optimization. Structural Optimization, v.

1, p. 37-46, 1989.
Pgina 100
2010
VALDVIA, Y. J. T. Sistema inteligente de otimizao de alternativas de desenvolvimento de

campos petrolferos. 2005. 163 f. Tese (doutorado em Engenharia Eltrica) Pontifcia
Universidade Catlica do Rio de Janeiro. Rio de Janeiro. 2005.
VALE, T. Y. F. Desenvolvimento de tensoativos e sistemas microemulsionados para a

recuperao de petrleo. 2009. 120 f. Tese (Doutorado em Engenharia Qumica) Centro de
Tecnologia, Universidade Federal do Rio Grande do Norte. Natal. 2009.
ZERPA, L.E.; QUEIPO, N.V. Optimization Methodology of Alkaline-Surfactant-Polymer

Flooding Processes Using Field Scale Numerical Simulation and Multiple Surrogates.
Fourteenth Symposium on Improved Oil Recovery held in Tulsa. SPE 89387. Oklahoma,
2004.
Pgina 101

Tesis de Marcela PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Tesis de Marcela PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Universidade Federal de Pernambuco

Centro de Tecnologia e Geocincias

Otimizao Seqencial Aproximada

Orientador: Leonardo Jos do Nascimento Guimares

Otimizao Seqencial Aproximada

Marcela Gomes Seixas

Orientador: Leonardo Jos do Nascimento Guimares

Recife, Pernambuco, Brasil

Seixas, Marcela Gomes.

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

A minha querida av Dborah, que

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

OTIMIZAO SEQENCIAL APROXIMADA APLICADA A MTODOS DE

Os mtodos especiais de recuperao so empregados com o intuito de extrair parte do

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

SEQUENTIAL APPROXIMATE OPTIMIZATION APPLIED TO ENHANCED OIL

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

Figura 4.37: BSW do poo produtor 10 para as simulaes do caso 2 ................................................. 65

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

Organizao dos captulos ........................................................................................... 3

Captulo 2 - Fundamentos Tericos .......................................................................................... 4

Captulo 3 - Metodologia: Acoplamento do Simulador de Reservatrios com o Otimizador 25

Captulo 4 - Casos de Injeo de Polmeros: Modelo de Simulao, Definio do Problema

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

4.3 Definio do Problema de Otimizao ........................................................................... 36

Captulo 5 - Casos de Injeo de CO2: Modelo de Simulao, Definio do Problema de

Captulo 6 - Concluses e Sugestes para Trabalhos Futuros ................................................. 93

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

Os mtodos de recuperao suplementar ou avanada podem desempenhar um papel

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

usar a simulao numrica para auxiliar na otimizao o grande esforo computacional

O objetivos desse estudo so:

Usar a estratgia de Otimizao Seqencial Aproximada (Sequential Approximate

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

2. Entender o comportamento fsico dos problemas estudados, onde os mtodos de

1.3 Organizao dos captulos

Os demais captulos desse trabalho esto organizados da seguinte maneira:

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

2.1 Mtodos de Recuperao Avanada

O principal mtodo de recuperao secundria convencional, a injeo de gua,

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

avanada de petrleo. A recuperao avanada considerada em geral como a terceira, ou

Figura 2.1: Classificao dos mtodos especiais de recuperao

A diferena entre os mtodos est no mecanismo de deslocamento de hidrocarbonetos.

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

aumento do preo do petrleo e com a evoluo da performance dos produtos qumicos, a

2.1.1 Injeo de Polmeros

A injeo de polmeros um mtodo de recuperao avanada de leo que melhora a

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

w - Mobilidade da gua injetada;

Quanto maior a razo de mobilidades, menor ser a eficincia de varrido do leo.

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

J a adsoro do polmero na superfcie da rocha ( Ad ) funo da concentrao de

medida que se injeta a soluo polimrica e a concentrao de polmeros cresce no

Otimizao Seqencial Aproximada Aplicada a Mtodos de Recuperao Suplementar em Reservatrios de Petrleo

da gua injetada com concentraes relativamente baixas. A alterao na viscosidade da gua

2.1.2 Injeo de CO2

A injeo de CO2 um mtodo avanado de recuperao de leo bastante conhecido e