Dissertao de Mestrado
Recife PE
Agosto de 2010
Catalogao na fonte
Bibliotecria Margareth Malta, CRB-4 / 1198
S462o
BCTG/2011-180
2010
Pgina iv
2010
Dedicatria
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
Pgina vii
2010
Abstract
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
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 ......................................... 48
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$100,00/bbl para o Caso 1 ........................................ 49
Figura 4.15: Fator de Recuperao em funo do valor do leo e da estratgia de otimizao para o
Caso 1 .................................................................................................................................................... 49
Figura 4.16: Distribuio das Presses para o caso 1 (US$ 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 4.20: BSW do poo produtor 9 para as simulaes do caso 1 ................................................... 53
Figura 4.21: BSW do poo produtor 10 para as simulaes do caso 1 ................................................. 53
Figura 4.22: BSW do poo produtor 5 para as simulaes do caso 1 ................................................... 54
Figura 4.23: BSW de gua do poo produtor 7 para as simulaes do caso 1 ...................................... 55
Figura 4.24: BSW do poo produtor 11 para as simulaes do caso 1 ................................................. 55
Figura 4.25: BSW do poo produtor 13 para as simulaes do caso 1 ................................................. 56
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
Figura 4.27: Efeito da injeo de polmero no comportamento da presso de fundo de poo do poo
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
Figura 4.32: Bancos de injeo de polmeros para valores de leo iguais a US$80,00/bbl,
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
Figura 4.36: BSW do poo produtor 5 para as simulaes do caso 2 ................................................... 65
Pgina x
2010
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 4.6: Solues obtidas com a estratgia SAO para todas as simulaes do caso 2 ..................... 59
Tabela 4.7: Solues obtidas com a estratgia SAO para todas as simulaes do caso 2 ..................... 60
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
2010
Pgina xiv
2010
Captulo 1
Introduo
1.1 Motivao
2010
1.2 Objetivos
1.
Pgina 2
2010
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)
2010
2010
M =
w k w / w k rw / w
=
=
o
ko / o
k ro / ro
2010
(2.1)
Sendo:
w - Viscosidade da gua;
o - Viscosidade do leo.
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)
(2.3)
2010
2010
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.
2010
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:
Pgina 13
2010
Pgina 14
2010
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
cov Z ( xi ), Z ( x j ) = 2 R R(xi , x j )
(2.6)
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:
(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
(2.8)
fk ( x) = E ( f ( x), f ( x1 ),...., f ( xm ))
(2.9)
MSE = E ( fk ( x) f ( x)) 2
(2.10)
fk ( x) = N( x) + r T ( x)R 1 (f s )
(2.11)
2010
N1 ( x1 ) L N k ( x1 )
O
M
= M
N1 ( xm ) L N k ( xm )
(2.12)
(2.13)
= ( T R 1 ) 1 T R 1f S
(2.14)
(f S )T R 1 (f S )
=
m
(2.15)
e
2
Minimizar
1
2
(m ln ) + ln R
2
Sujeito a:
0 (k )
(2.16)
Pgina 18
2010
Maximize
f k ( x )
Sujeito :
g ik ( x) 0 ,
(2.17)
Onde:
xlk = xck k
xuk = x ck + k
Pgina 19
2010
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.
Pgina 20
2010
Pgina 21
2010
Onde:
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
(2.20)
Pgina 22
2010
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
(2.22)
2010
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;
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.
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.
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
Pgina 27
2010
Pgina 28
2010
Pgina 29
2010
2010
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
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
350
350
20,30 e 50
500
500
200
50
50
200
200
200
19,2
Porosidade constante
0,30
4.150
-6
3,0x10
3000
2.500
leo
Densidade (lbm/ft)
46,244
Compressibilidade (1/psi)
gua
62,238
-5
-6
1,3687x10
3,04x10
1,50
1,04
Viscosidade (cp)
1,04
0,31
Pgina 34
2010
Figura 4.3: Mapas de permeabilidade do modelo do caso 2 nas direes I e J para as camadas 1, 2 e
3 respectivamente
Pgina 35
2010
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.
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.
4.3.1 Objetivo
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 = 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:
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;
(4.3)
Pgina 38
2010
onde:
R = o Po qo t
Opex = wi Cwi qwi t
(casos bases)
(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)
t = 0 (1 + d )
F ( x p ,t )
(4.5)
(4.6)
Onde:
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.
x
x p ,t = 2i 1
x 2i
sendo:
Pgina 40
2010
4.3.3 Restries
x 2i 1 0 e x 2i 0
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:
2010
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$100,00. A seguir so apresentadas as solues obtidas com a
estratgia SAO (Tabelas 4.3 e 4.4).
Pgina 42
2010
Fator de
Recuperao do
leo
Ganho no fator de
Recuperao do leo
FR%
(US$/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 base (injeo de gua sem adio de polmeros)
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
Pgina 43
2010
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
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
120
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
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
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
Figura 4.8: Produo de leo em funo do valor do leo e da estratgia de otimizao para o Caso 1
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
Figura 4.9: Massa de Polmero Injetada em funo do valor do leo e da estratgia de otimizao
para o Caso 1
Pgina 46
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
Figura 4.10: Produo acumulada de gua em funo do valor do leo e da estratgia de otimizao
para o Caso 1
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 4.11: Lucro em funo do valor do leo e da estratgia de otimizao para o Caso 1
Pgina 47
2010
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
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
52,00
51,50
51,00
50,50
50,00
49,50
49,00
0
20
40
60
80
100
120
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.
Pgina 50
2010
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
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
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
Pgina 56
2010
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
0
4.000
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)
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
Figura 4.27: Efeito da injeo de polmero no comportamento da presso de fundo de poo do poo
injetor 1 do caso 1 (US$100,00/bbl)
Pgina 57
2010
Esse mesmo comportamento do BHP detectado nos demais poos injetores (2, 3 e 4),
exatamente como encontrado no estudo de DANTAS (2008).
Como os resultados e anlises dispostos at o presente momento deste estudo esto
plenamente de acordo com aqueles encontrados por DANTAS (2008), temos a confirmao
da eficincia da estratgia SAO usada para a otimizao da injeo de polmero nos casos
apresentados.
Em termos computacionais, uma comparao entre as estratgias SAO e EGO
apresentada na Tabela 4.5. Verifica-se que o nmero de avaliaes das funes reais (ou
modelo de alta fidelidade, computacionalmente caro) menor em todos os casos simulados
com a estratgia local SAO, o que indica uma vantagem desta ltima sobre a estratgia global
com o algoritmo EGO. Por gerar menor esforo computacional nos processos de otimizao, a
estratgia SAO pode ser mais adequada para problemas mais complexos.
Tabela 4.5: Comparao do nmero de avaliaes do modelo real das estratgias SAO e EGO para
as simulaes do caso 1
Caso
N de avaliaes
do modelo real
N de avaliaes do
modelo real
(US$/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
Pgina 58
2010
Tabela 4.6: Solues obtidas com a estratgia SAO para todas as simulaes do caso 2
* Caso base (injeo de gua sem adio de polmeros)
Caso
Fator de
Recuperao
do leo
Ganho no fator
de Recuperao
do leo FR%
(US$/bbl)
BASE*
(%)
45,60
(%)
-
50
46,60
1,00
60
46,92
1,32
70
47,70
2,10
80
47,92
2,32
90
48,06
2,46
100
48,64
3,04
Pgina 59
2010
Tabela 4.7: Solues obtidas com a estratgia SAO para todas as simulaes do caso 2
* Caso base (injeo de gua sem adio de polmeros)
Caso
Consumo
de
Polmero
Produo
Acumulada
de leo
Aumento
da
Produo
Acumulada
de leo
Produo
Acumulada
de gua
Reduo
da
Produo
Acumulada
de gua
Lucro
em
milhes
de
dlares
(US$/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
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
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
120
Produo de gua
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
Pgina 61
2010
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
Figura 4.32: Bancos de injeo de polmeros para valores de leo iguais a US$80,00/bbl,
US$90,00/bbl e US$100,00/bbl para o Caso 2
Pgina 62
2010
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.
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
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
0
4.000
Figura 4.38: Efeito da injeo de polmero no comportamento da presso de fundo de poo do poo
injetor 1 do caso 2 (US$20,00/bbl)
Pgina 66
2010
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
0
4.000
Figura 4.39: Efeito da injeo de polmero no comportamento da presso de fundo de poo do poo
injetor 1 do caso 2 (US$100,00/bbl)
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.
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
Lucro - caso 2
Figura 4.44: Lucro em funo do valor do leo para as simulaes dos casos 1 e 2
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
1,10E+07
9,00E+06
7,00E+06
5,00E+06
3,00E+06
1,00E+06
40
60
80
100
120
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
4.48).
240
200
160
120
80
40
0
40
50
60
70
80
90
100
110
120
Figura 4.47: Lucro em funo do valor do leo para as simulaes (com e sem taxa de desconto) do
caso 1
120
100
80
60
40
20
0
40
50
60
70
80
90
100
110
120
Figura 4.48: Lucro em funo do valor do leo para as simulaes (com e sem taxa de desconto) do
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.
Pgina 75
2010
500
500
20,30 e 50
500
500
50
50
50
50
200
200
25
Porosidade constante
0,30
935
-6
5,0x10
1100
90
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.
5.3.1 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;
(5.2)
Onde:
R = l =o, g Pl ql t
(Receita)
Pgina 77
2010
(Crditos de carbono)
(Custos operacionais)
(Custo de investimentos
iniciais)
GT (Government take) = Tributaes aplicada ao projeto no tempo .
Sendo:
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;
(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.
Pgina 79
2010
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
onde:
q p ,t a vazo do poo no ciclo de controle ;
Com:
0 1. . 24
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
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).
Maximize
VPL ( x p ,t )
x p ,t
Sujeito :
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
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
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
Pgina 85
2010
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
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
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
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
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
Pgina 93
2010
2010
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.
2010
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.
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.
Pgina 97
2010
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.
Pgina 98
2010
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.
Pgina 99
2010
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.
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.
2010
Pgina 101