Agradecimentos
ii
Resumo
Mtodos de elevao artifical so muito utilizados em campos de petrleo semidepletados, quando a presso esttica dos reservatrios no suficiente para assegurar uma elevao natural do fluido. Entre tais mtodos, encontra-se o gas-lift contnuo,
que consiste na injeo contnua de gs na base do tubo de produo a fim de gaseificar o fluido e facilitar a elevao. Poos que operam por esse mtodo so mais
frequentes em campos offshore em ativos superprodutores. Devido aos altos custos
envolvidos e o elevado ganho econmico resultante da produo de leo e gs, fazemse necessrias tcnicas avanadas de controle e otimizao desse tipo de processo.
Nesse trabalho feita uma abordagem matemtica para a formalizao das caractersticas do processo, bem como de suas restries, resultando numa formulao
geral para o problema de otimizao de gas-lift. Apesar dos fenmenos envolvidos
nesse processo serem bastante estudados na rea de tecnologia de escoamento e
elevao, modelos analticos das relaes de desempenho para os poos so difceis de serem obtidos. Portanto, so apresentadas tcnicas para a identificao dos
poos e so utilizadas ferramentas computacionais para a implementao de algoritmos de ajuste de curvas e otimizao global e local. Ferramentas proprietrias para a
execuo de algoritmos e procedimentos sistematizados so utilizadas. Por fim, so
apresentados resultados interpretados das tcnicas aplicadas em modelos simulados
a partir de uma plataforma de testes desenvolvida, simulando o manifold de gs e o
comportamento dos poos.
iii
Abstract
Artificial lift methods are widely applied in semi-depleted oil fields when the
reservoir static pressure is not enough to ensure the fluid natural flow. Continuous
gas-lift is one of these methods, it consists in continuous gas injection in the base of
the production tube, in order to gasify the fluid, reducing the hydrostatic pressure and
facilitating the fluid lifting. Gas-lifted wells are frequently found in offshore fields, where
oil production rates are very high. Due to the elevated costs involved and the high profitability resulting from oil and gas production, advanced control and optimization techniques are made necessary. In this work, a mathematical approach is used to formalize
general characteristics of the process, as well as its constraints, resulting in a general
formulation for the gas-lift optimization problem. Although the process phenomena are
widely studied in the flow technology area, analytical models for performance relations
are hard to be obtained. Therefore, well performance curves identification techniques
are presented, within the utilization of software tools for curve fitting and global/local
optimization. Proprietary tools for algorithms and procedures execution are used. Finally, interpreted results of the developed techniques are presented, using a testing
platform to simulate the gas-lift manifold and the wells behavior.
iv
Sumrio
1 Introduo
1.1 Motivao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Problemtica
12
13
15
17
19
20
2.4 Resumo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
3 Sistema de Otimizao
22
Sumrio
22
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
24
24
3.2.2 Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
3.2.3 OPC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
28
33
35
36
37
37
38
38
3.7 Concluso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
4 Plataforma de Testes
44
44
46
4.2 OLGA-OPC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
47
5 Estudo de Casos
50
50
51
53
6 Concluses e Perspectivas
6.1 Interpretao dos Resultados Obtidos . . . . . . . . . . . . . . . . . . .
59
59
Sumrio
6.2 Perspectivas e Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . .
Referncias
vi
60
62
vii
Lista de Figuras
24
25
26
27
. . . . . . . . . . . . . . . . . . . . . . . .
27
28
29
30
. . . . . . . . . . . . . . . .
42
43
45
46
46
48
Sumrio
viii
48
51
52
52
53
54
55
56
56
57
57
58
ix
Lista de Tabelas
29
Captulo
Introduo
Este projeto surgiu no contexto da rede temtica GeDIg - Gerenciamento Digital
Integrado de Campos de Petrleo - que visa a gradual implantao de elementos de
automao, controle, otimizao e superviso em campos de petrleo com a filosofia
dos Campos Inteligentes (Smart Fields). O objetivo aumentar o grau de automao
em campos produtores com a finalidade de melhorar a eficincia de processos de
elevao e processamento dos fluidos.
O processo comea com novas tcnicas de completao inteligente de poos,
onde so instalados sensores de fibra ptica durante a fase de completao dos
poos, permitindo que sejam incorporadas novas medies s tcnicas de controle e
otimizao atuais. Um exemplo disso a instalao de sensores de presso e temperatura no fundo dos poos, agregando muito valor ao conhecimento do funcionamento
do processo.
No CENPES, o Centro de Pesquisa e Desenvolvimento Leopoldo Amrico Miguez de Mello da Petrobras (Petrleo Brasileiro S/A), so conduzidas atividades de
pesquisa e desenvolvimento relacionadas a todas as atividades fins da empresa,
desde a prospeco distribuio de derivados de petrleo, alm linhas de pesquisa
em alternativas energticas ligadas eficincia de seus processos.
O Departamento de Automao e Sistemas (DAS-UFSC) possui uma parceria com o CENPES atravs dessa rede temtica GeDIg, abrindo as portas para a
transferncia mtua de conhecimento, desenvolvendo a cultura do petrleo dentro da
Universidade e, por outro lado, contribuindo com a indstria utilizando o know-how em
otimizao e controle existente dentro do Departamento.
1. Introduo
GeDIg
DAS
Projeto
CENPES
1.1 Motivao
Em vista das grandes somas de dinheiro envolvidas no processo, altos custos
de produo, alto valor do petrleo no mercado e campos com poos superprodutores,
tornam-se interessantes tcnicas que so capazes de otimizar a produo, com a
possibilidade de aumentar substancialmente o ganho econmico.
Atualmente, a maior parte do leo produzido no Brasil proveniente do mtodo
de elevao artificial conhecido como gas-lift (elevao por injeo contnua de gs),
com uma fatia de 71% da produo total, seguida pela produo de poos surgentes
(15%). Campos que possuem poos operados por gas-lift e surgentes entraro na formulao geral, pois compartilham instalaes de superfcie e recursos, caracterizando
restries.
Os reservatrios possuem dinmicas (causadas at pela sua depleo) que
provocam mudanas de parmetros [1] como a sua presso esttica, o seu ndice de
produtividade, o BSW, o GOR, as caractersticas fluidodinmicas do fluido produzido,
1. Introduo
1. Introduo
Nesse trabalho, sero abordados os casos onde os campos operam com elevao por injeo contnua de gs, ou gas-lift contnuo.
Qliq + Qgas
Anular
Tubo Prod.
1111111
0000000
0000000
1111111
0000000
1111111
Canhoneados
Pwf
Figura 1.2: Esquemtico de poo operando via gas-lift.
Pwf
Psat
0, 8
Pwf
Psat
2 #
(1.1)
1. Introduo
Onde Qsat a vazo quando Pwf = Psat e Qmax a vazo mxima do poo.
A vazo de leo Qoil obtida a partir do conhecimento de BSW (Basic Sediments and Water - frao de gua e sedimentos do lquido), sendo:
(1.2)
Qmax
oil
min
Pwf
Qinj
(a) Curva Pwf tpica.
Qinj
Qinj
1. Introduo
volvida uma plataforma de simulao para testes com interface semelhante encontrada na indstria, garantindo uma portabilidade do sistema desenvolvido.
Podem ser enumerados alguns objetivos especficos:
Um levantamento das caractersticas do processo e uma formulao geral do
problema;
Um sistema portvel de otimizao em tempo real implementado para as ferramentas j disponveis na empresa;
Uma plataforma de simulao para validao, calibrao e testes de algoritmos.
1.4 Metodologia
Como as atividades foram desenvolvidas em laboratrio (Laboratrio de Otimizao da Produo), trabalhou-se com modelos de simulao no OLGA, leitura de
dados histricos de historiadores e simulaes de modelos simplificados no Matlab.
Para o desenvolvimento da plataforma de simulao, foram estudadas tecnologias de integrao de simuladores, com a implementao de algumas camadas de
protocolos [3] para realizar a interface do OLGA com o restante do sistema.
O desenvolvimento do projeto proposto inclui a implementao de diversos sistemas em linguagens diferentes. Especificamente, so utilizadas as seguintes linguagens: Lua 1 , para a implementao dos blocos de funo do MPA; C/C++, para a
implementao de algoritmos de otimizao; Java2 , para a integrao de sistemas e
implementao de protocolos de rede; e Matlab3 , para a implementao de modelos
de simulao e prototipagem de controles locais.
As atividades foram ordenadas de forma lgica, algumas ocorrendo em paralelo.
Inicialmente, deveria ser implementada a plataforma de simulao, para que fossem
realizados testes e a posterior implementao definitiva dos algoritmos.
1
Lua - http://www.lua.org
Java Technology - http://java.sun.com
3
Mathworks Matlab - http://www.mathworks.com
2
1. Introduo
Captulo
Problemtica
Este captulo traa os desafios inerentes ao problema de otimizao de gaslift, expondo todos os problemas a serem resolvidos e o equacionamento envolvido.
Posteriormente, no Captulo 3, sero expostas as ferramentas computacionais e os
mtodos de soluo para a problemtica aqui desenvolvida.
A Seo 2.1 apresenta a modelagem matemtica do problema de otimizao de
gas-lift, sendo esta baseada em modelos. A Seo 2.2 apresenta possveis mtodos
para a obteno de modelos de curvas de desempenho de poos para utilizao na
soluo do problema de otimizao. Por fim, a Seo 2.3 expe a questo do ajuste
de curvas, tcnica utilizada nesse projeto para a obteno de modelos de WPCs a
partir de um conjunto de pontos experimentais.
2. Problemtica
Qoil
R.E.
Pwf
Qinj
Figura 2.1: Regio econmica de operao de um poo.
2. Problemtica
10
P: Maximize
Gip (Qiinj ) +
iSp
Sujeito a:
jSe
Qiinj +
iSp
Gje (Qjexp )
(2.1a)
Qjexp 6 Qdisp
(2.1b)
jSe
Qi,min
6 Qiinj 6 Qi,max
inj
inj
i Sp
(2.1c)
Qj,min
6 Qjexp 6 Qj,max
exp
exp
X
Qkoil (Qkinj ) 6 Qmax
Qmin
oil
oil 6
j Se
(2.1d)
(2.1e)
kP
Qmin
gas 6
(2.1f)
lE
Qkwat (Qkinj )
6 Qmax
wat
(2.1g)
kP
Qdisp a vazo disponvel para otimizao, sendo que Qdisp Qdisp a vazo
total sob operao forada:
Qdisp = Qdisp
Qkinj +
kP Sp
Qlexp
(2.2)
lESe
Onde:
P o conjunto dos ndices dos poos;
E o conjunto das linhas de exportao;
Sp o conjunto dos poos com liberdade de ao, tal que Sp P ;
Se o conjunto das linhas de exportao com liberdade de ao, tal que Se E;
Gip o ganho econmico com a produo do poo i;
Gje o ganho econmico com a exportao na linha j;
Qi,min
e Qi,max
so os limites operacionais do poo i;
inj
inj
Qj,min
e Qj,max
so os limites operacionais da linha de exportao j;
exp
exp
2. Problemtica
11
max
max
Qmax
oil , Qgas e Qwat so as capacidades de processamento (handling) de leo,
gs e gua, respectivamente;
min
Qmin
oil e Qgas so valores mnimos estabelecidos para produo de leo e de gs,
(2.3)
(2.4)
2. Problemtica
12
2. Problemtica
13
2. Problemtica
14
m
X
2
Minimize
f (Qjinj ) Qjoil
(2.5)
j=1
d2 Qoil
< 0, Qinj [Q1inj , Qm
inj ]
2
d(Qinj )
(2.6)
Para cada tipo de ajuste, a formulao da funo objetivo e das restries possuem caractersticas diferentes. Os casos particulares sero tratados a seguir. Alguns dos casos podem ser tratados como problemas de programao quadrtica.
As restries de concavidade assumem diferentes caractersticas, de acordo com
Qoil = f (Qinj ).
No entanto, nesse projeto tambm considerado um caso de ajuste de curvas para a funo Pwf (Qinj ), que ser bastante til na inferncia das vazes de leo
atravs da curva IPR. Nesse caso, o problema de ajuste bastante semelhante,
minimizando-se o erro quadrtico dos pontos curva:
Minimize
m
X
j 2
Pwf (Qjinj ) Pwf
(2.7)
j=1
2. Problemtica
15
d2 Pwf
> 0, Qinj [Q1inj , Qm
inj ]
2
d(Qinj )
(2.8)
O problema de ajuste de curvas Pwf (Qinj ) tratado de forma bastante especfica, sendo sua soluo apresentada no captulo 3.
(Q1inj )
(Q1inj )2
(Q1inj )3
1
..
.
(Q2inj )
(Q2inj )2
(Q2inj )3
..
.
..
.
m 2
1 (Qm
inj ) (Qinj )
a
0
a
1
=
..
a2
.
m 3
a
(Qinj )
3
Q1o
Q2o
..
.
Qm
o
(2.9)
Minimize
1
k Ax b k2
2
(2.10)
1
1
k Ax b k2 =
(Ax b)T (Ax b)
2
2
1 T T
(x A bT )(Ax b)
=
2
1 T T
=
(x A Ax xT AT b bT Ax + bT b)
2
1
1 T T
x A Ax bT Ax + bT b
=
2
2
(2.11a)
(2.11b)
(2.11c)
(2.11d)
(2.11e)
2. Problemtica
16
(2.12)
(2.13)
(2.14)
cente ou sempre crescente nesse intervalo (por ser de primeira ordem), no existem razes (mudana de sinal) de fp (Qinj ) em [Q1inj , Qm
inj ]. Portanto, 6a3 Qinj + 2a2 <
0, Qinj [Q1inj , Qm
inj ].
Por consequncia, podemos impor a restrio de concavidade apenas no primeiro e no ltimo ponto no ajuste da curva polinomial. No entanto, do ponto de vista
numrico, no podemos aplicar a restrio <, somente 6. Mas podemos fazer a
aproximao < 0
= 6 , para suficientemente pequeno.
2. Problemtica
17
Portanto, :
1
Minimize xT Qx + cT x
2
Sujeito a: 6a3 Q1inj + 2a2 6
(2.15b)
6a3 Qm
inj + 2a2 6
(2.15c)
(2.15a)
Onde: Q = AT A, cT = bT A e x = [ x0 x1 x2 x3 ]T = [ a0 a1 a2 a3 ]T .
Esta formulao desenvolvida aplicar-se-ia no caso da utilizao de algoritmos de
programao quadrtica. A formulao geral para o problema seria:
Minimize
m
X
fp (Qjinj ) Qjoil
j=1
2
(2.16a)
(2.16b)
6x3 Qm
inj + 2x2 6 0
(2.16c)
a0
Q1o
a Q2
1 o
a2 ...
m
m
a3
ln (Qinj )
Qo
(2.17)
2a2 a3
1
6 0, Qinj [Q1inj , Qm
inj ]
(1 + Qinj )2
(2.18)
2. Problemtica
18
1
Minimize xT Qx + cT x
2
1
Sujeito a: 2a2 a3
60
(1 + Q1inj )2
1
60
2a2 a3
2
(1 + Qm
inj )
(2.19a)
(2.19b)
(2.19c)
Onde: Q = AT A, cT = bT A e x = [ x0 x1 x2 x3 ]T = [ a0 a1 a2 a3 ]T .
Agora, A a matriz do sistema (2.17). Assim como no caso da curva polinomial,
tambm pode-se estabelecer uma formulao mais geral para o problema, tornandose:
Minimize
m
X
fl (Qjinj ) Qjoil
j=1
2
1
60
(1 + Q1inj )2
1
60
2a2 a3
2
(1 + Qm
inj )
Sujeito a: 2a2 a3
(2.20a)
(2.20b)
(2.20c)
2. Problemtica
19
m
m
X
X
j
j
j
j 2
Minimize
[fe (Qinj ) Qoil ] =
[a0 (2 ea1 Qinj ) a2 ea3 Qinj Qjoil ]2
j=1
(2.21)
j=1
Conforme j especificado, a funo fe (Qinj ) deve ser cncava em todo o intervalo [Q1inj , Qm
inj ]. Para tal, a sua derivada segunda deve ser menor ou igual a zero em
todo o intervalo, conforme (2.22):
a0 a21 ea1 Qinj a2 a23 ea3 Qinj 6 0
(2.22)
(2.23)
2. Problemtica
20
Minimize
m
X
fe (Qjinj ) Qjoil
j=1
2
(2.24a)
(2.24b)
a0 > 0
(2.24c)
a2 > 0
(2.24d)
(2.25)
2.4 Resumo
Este captulo especificou os problemas a serem resolvidos nesse projeto atravs
do desenvolvimento de solues computacionais. Deve-se utilizar ferramentas para a
2. Problemtica
21
implementao de algoritmos de otimizao global na alocao de gas-lift em plataformas, atravs da utilizao de modelos obtidos em procedimentos de otimizao e
ferramentas de ajuste de curvas.
O captulo subsequente descreve em detalhes as ferramentas utilizadas e as
implementaes dos algoritmos e procedimentos.
22
Captulo
Sistema de Otimizao
Este captulo descreve em detalhes o sistema para otimizao implementado,
traando um paralelo com o estado da arte em otimizao.
3. Sistema de Otimizao
23
3.1.1 Equal-Slope
O algoritmo de equal-slope bastante simples, mas muito utilizado na indstria.
Ele utilizado para resolver problemas de alocao de gas-lift para a maximizao da
produo de leo, sob a restrio de gs disponvel, ou seja:
P: Maximize
n
X
Qioil (Qiinj )
(3.1a)
Qiinj = Qdisp
(3.1b)
i=1
Sujeito a:
n
X
i=1
dQ2oil (Q2inj )
dQnoil (Qninj )
dQ1oil (Q1inj )
=
= ... =
=
dQ1inj
dQ2inj
dQninj
n
X
Qiinj = Qdisp
(3.2)
(3.3)
i=1
3. Sistema de Otimizao
dQoil
dQinj
24
dQ1oil
dQ1inj
dQ2oil
dQ2inj
dQ3oil
dQ3inj
Q1inj (1 )
Q2inj (1 )
Q3inj (1 )
3. Sistema de Otimizao
25
Procurar referncia.
3. Sistema de Otimizao
26
3.2.2 Laplace
Como parte de um projeto para controle de plantas em refinarias, o Laplace
foi desenvolvido com o objetivo de tornar-se uma ferramenta para a aplicao de algoritmos de controle avanado e otimizao. Sua principal vantagem a de permitir
a implementao de algoritmos complexos em DLLs, podendo ser programadas em
linguagens como C, C++ ou Fortran.
O Laplace foi projetado de forma a permitir a execuo de mltiplos algoritmos
em paralelo, sendo todos processos diferentes e concorrentes. Dessa forma, a m execuo de um algoritmo em fase de testes no prejudica a execuo de um algoritmo
que est funcionando normalmente.
Sua interface com o processo se d via OPC DA, de forma a poder ser integrado com os demais elementos do sistema de otimizao e da plataforma de simulao, sendo facilmente conectado a processos reais, atravs de servidores OPC de
sistemas supervisrios, SDCDs e CLPs.
3. Sistema de Otimizao
27
3. Sistema de Otimizao
28
3.2.3 OPC
OPC (OLE para controle de processos) um conjunto de especificaes padro
que define a comunicao entre equipamentos de diferentes fornecedores, de dados
de tempo-real de uma planta. O OPC funciona como uma ponte entre os programas de
aplicao e os hardwares e softwares para controle de processos. Os servidores OPC
coletam dados de dispositivos de comunicao de disponibilizam esses dados atravs
de uma interface padro, enquanto os clientes OPC conectam-se a esses servidores
para buscar as informaes coletadas nos dispositivos. Na Figura 3.6 podemos visualizar um exemplo do funcionamento da comunicao OPC, onde o servidor coleta
os dados do equipamento que opera junto ao processo e os disponibiliza a diversos
clientes OPC para operaes de leitura, escrita e atualizao.
3. Sistema de Otimizao
29
timas para cada poo, conforme ser descrito na Seo 3.4. Portanto, a Otimizao
Local s pode ser aplicada quando no existem restries no fornecimento de gs.
Um primeiro mtodo consiste em dar consecutivos degraus de tamanho fixo no
valor da taxa de injeo Qinj (passos de tamanho p), a cada vez lendo o valor da
presso Pwf e inferindo a sua tendncia de aumento ou diminuio. Baseando-se na
Tabela 3.1, tomada a deciso para o sentido do passo de Qinj . Caso a variao de
Pwf observada seja muito pequena, menor que uma tolerncia (Pwf < ), o valor que
Qinj mantido, pois considera-se que est atingida a regio de Pwf mnima (Pwf
0).
Caso
0
1
2
3
4
Qinj
Pwf
Qualquer kPwf k <
Qinj > 0 Pwf < 0
Qinj > 0 Pwf > 0
Qinj < 0 Pwf < 0
Qinj < 0 Pwf > 0
Deciso
No se altera Qinj
Qinj = Qinj + p (incrementa-se Qinj )
Qinj = Qinj p (decrementa-se Qinj )
Qinj = Qinj p (decrementa-se Qinj )
Qinj = Qinj + p (incrementa-se Qinj )
4
3
0
Pwf
Figura 3.7: Situaes do algoritmo de otimizao local com passo fixo.
Esse procedimento sistematizado a seguir, em pseudocdigo:
- Para todos os poos da configurao de plantas:
Inicializa variveis (passo, tolerncia)
L Qinj atual
L Pwf atual
Diminui Qinj
3. Sistema de Otimizao
30
3. Sistema de Otimizao
31
em torno de seu valor timo. Por outro lado, se o critrio de parada for muito grande
(para garantir uma parada do procedimento), pode ser que este pare em um ponto
sub-timo.
Em vista dos possveis problemas que podem surgir no procedimento de passo
fixo, foi feita uma investigao no sentido de encontrar um procedimento mais eficiente,
capaz de encontrar o ponto de operao timo de forma mais precisa e mais eficiente,
atravs da aplicao de degraus de tamanho varivel em Qinj .
O mtodo de passos variveis consiste em constantemente serem calculadas
i
aproximaes quadrticas com base nas medies de Pwf . Trs pontos (Qiinj , Pwf
)
1 (Q1inj ) (Q1inj )2
a0
1
Pwf
1 (Q2 ) (Q2 )2 a1 = P 2
inj
inj
wf
3
2
3
3
Pwf
a2
1 (Qinj ) (Qinj )
(3.4)
1
2
3
Sendo os pontos (Q1inj , Pwf
), (Q2inj , Pwf
) e (Q3inj , Pwf
) os pontos utilizados para
a aproximao da curva.
Um bom passo em direo ao ponto de Pwf mnima pode ser calculado fazendo
dPwf /dQinj = 0, ou seja, Pwf mnima quando a sua derivada igual a zero. Generalizando o problema, pode-se especificar um slope (uma inclinao) para a curva,
baseando-se em objetivos econmicos, caso seja desejado um ponto de operao
ligeiramente esquerda do ponto de Pwf mnima.
Ou seja, atingir um ponto de inclinao , calcula-se dPwf /dQinj = . Derivando
o polinmio quadrtico, tem-se que dPwf /dQinj = a1 + 2a2 Qinj = . Portanto, um chute
razovel para o prximo valor de Qinj :
Qk+1
inj =
a1
2a2
(3.5)
Qk+1
inj
3. Sistema de Otimizao
p=
32
Qk+1
inj
Qkinj
a1
Qkinj
2a2
(3.6)
Fazendo 0 < < 1, os passos sero mais conservadores, absorvendo problemas com o fato da curva no ser quadrtica e com possveis rudos de medio, que
podem afetar consideravelmente o formato da curva aproximada.
Portanto, dados trs pontos iniciais (obtidos atravs de um passo fixo, por exemplo), so feitas sucessivas aproximaes quadrticas e so dados passos em direo
ao ponto desejado (dPwf /dQinj = ). Os trs pontos utilizados para a aproximao
so os trs ltimos pontos visitados. A fim de conceder uma maior robustez ao procedimento, o passo p deve ser limitado por um valor mximo pmax . O procedimento deve
parar quando o passo calculado menor que um passo mnimo pmin . Em resumo, so
dados passos p tal que pmin 6 p 6 pmax , sendo que p = 0 se o passo calculado for
menor que pmin ou p = pmax se o passo calculado for maior que pmax .
A Figura 3.9 ilustra o funcionamento do algoritmo descrito, atravs de sucessivas aproximaes quadrticas at ser atingido o ponto timo de operao.
15
14
13
12
Pwf
11
10
9
8
7
6
5
Qinj
3. Sistema de Otimizao
33
3. Sistema de Otimizao
34
P: Maximize
s.a.:
f (x)
(3.7)
g(x) 6 0
(3.8)
3. Sistema de Otimizao
35
injeo Qiinj pode ser estabelecida pelo usurio ou por algum procedimento do MPA,
por exemplo. O restante do gs disponvel (Qdisp Qiinj ) distribudo para os demais
poos.
Essa constante redistribuio do gs disponvel garante uma flexibilidade na
aplicao do algoritmo. Motivos diversos podem levar os operadores da plataforma a
forar a operao de um conjunto de poos, fazendo com que o algoritmo otimize o
restante deles. No caso do MPA estar aplicando algum algoritmo local em algum poo
(otimizao local ou identificao de modelos, ver Seo 3.5), a aplicao no Laplace
garante a redistribuio tima do gs.
Minimize f (x)
(3.9a)
Sujeito a: gi (x) 6 0
i = 1, . . . , p
(3.9b)
gi (x) = 0
i = p + 1, . . . , q
(3.9c)
(3.10)
3. Sistema de Otimizao
36
(3.11)
3. Sistema de Otimizao
37
tolvar_var .
Quando o regime permanente verificado, retornado o valor da mdia mvel
i
}.
de {Pwf
3. Sistema de Otimizao
38
mdulo da discrepncia seja superior a uma dada tolerncia, esse poo sinalizado
com um flag que indica que uma identificao necessria.
inicial de Qinj para a identificao obtido atravs de uma aproximao do ponto que
resulta em um valor de mnima Pwf , a partir do modelo antigo. Tal suposio razovel
se for considerado que a degenerao do modelo ocorre de forma lenta. Um mtodo
de Newton aplicado para que seja encontrado tal ponto.
A partir desse ponto, so dados passos fixos e negativos em Qinj , ou seja:
Qk+1
inj
3. Sistema de Otimizao
39
Tambm foi utilizado o pacote CFSQP para a implementao do ajuste de curvas, generalizando a soluo para todos os tipos de curvas. As formulaes propostas
na Seo 2.3 consideram os casos particulares de cada tipo de modelo, em alguns
casos sendo aplicveis algoritmos de programao quadrtica. No entanto, como alguns deles so mais complexos e no possuem todos os coeficientes lineares, estes
so resolvidos por programao quadrtica sequencial. A fim de simplificar a implementao, todos foram implementados com SQP.
A funo objetivo a seguinte:
Minimize
m
X
f (Qinj ) y j
j=1
2
(3.12)
(3.13)
3. Sistema de Otimizao
40
Qgas gas
Qgas gas + Qliq liq
(1 BSW )RGOgas
x =
RGOgas + oil + BSW (wat oil RGOgas )
x =
(3.14a)
(3.14b)
Ficou definido que m = f (x), em funo da anlise feita por Plucnio [15] que
mostra os valores de m que melhor extrapolam a curva em funo de x.
1
2
Para o ajuste, fornecido um conjunto de n pontos S = {(Q1inj , Pwf
), (Q2inj , Pwf
)...
n
(Qninj , Pwf
)}, alm da constante m, obtida a partir do conhecimento do fluido do poo.
Minimize
n
X
j 2
[Pwf (Qjinj ) Pwf
] =
j=1
n
X
j 2
[1 e2 (Qinj ) + 3 + 4 Qjinj Pwf
]
(3.15)
j=1
3. Sistema de Otimizao
41
do ponto mdio de Qinj e de Pwf . A identificao dos parmetros feita em cima dos
Qinj = q Qinj
(3.16)
Pwf
= p Pwf
(3.17)
Para que a normalizao seja feita com relao aos valores mdios de Qinj e
de Pwf , estes devem ser divididos pelas suas respectivas mdias, ou seja:
q = (Qinj )1 = Pn
j=1
p = (Pwf )1 = Pn
Qjinj
j
j=1 Pwf
(3.18)
(3.19)
Pwf
= 1 e2 (Qinj ) + 3 + 4 Qinj
m
1
p
m (Q
m
inj )
e2 q
3
p
+ 4 pq Qinj
(3.20a)
(3.20b)
(3.20c)
Por comparao:
1 = 1 /p
(3.21a)
2 = 2 qm
(3.21b)
3 = 3 /p
(3.21c)
4 = 4 q /p
(3.21d)
3. Sistema de Otimizao
42
3.7 Concluso
Todas as ferramentas descritas nesse captulo devem cooperar para garantir o
bom funcionamento da plataforma de otimizao. O algoritmo de otimizao global
(aplicao GLOPTIM no Laplace) deve ficar constantemente rodando, por garantir o
balano de massa no manifold. Ou seja, a vazo de gs disponvel deve ser totalmente
direcionada para os poos e a linha de exportao, conforme a Figura 3.10.
GLOPTIM
Qdisp
Otimizao
Global
...
Q1inj
Q2inj
Qninj
Qexp
3. Sistema de Otimizao
43
44
Captulo
Plataforma de Testes
Para situar as ferramentas de otimizao desenvolvidas, foi criada uma plataforma de simulao capaz de representar os fenmenos a serem observados por tais
ferramentas, tornando possvel uma avaliao do seu funcionamento e servindo como
uma forma de validao dos algoritmos e procedimentos propostos.
Foi feita uma modelagem do gas-lift manifold (GLM) no Matlab-Simulink, com
os controles locais aplicados e o funcionamento bsico dos poos modelado. Tambm
houve um esforo no sentido de integrar o simulado OLGA plataforma de testes. Tais
elementos so detalhados nas sees a seguir.
1
(Qcomp Qdisp ) = kp Pman
s
1
Qdisp = kp Pman + Qcomp
s
(4.1a)
(4.1b)
4. Plataforma de Testes
45
DQe
Controlador
FF(s)
C(s)
+
+
Modelo do
processo
-qs
e
(svs+1)
-kp
s
DP
4. Plataforma de Testes
46
Qinj Pwf
prp
wf
H(z)
Pwf
Procurar referncia
4. Plataforma de Testes
47
qualquer ponto de operao Qinj dada pela interpolao linear entre as dinmicas
correspondentes.
k
ham k+1
Ou seja, para Qinj situado no intervalo [(Qham
], a dinmica H(z)
inj ) , (Qinj )
(4.2a)
k
Qinj (Qham
inj )
k+1 (Qham )k
(Qham
inj
inj )
(4.2b)
Este modelo representa bem o comportamento de um poo em sua faixa operacional, por incorporar a curva esttica Qinj Pwf e por variar a sua dinmica de
acordo com o ponto de operao. Com a finalidade com que apresentado, representar o comportamento bsico de um poo para a realizao de testes de otimizao, o
modelo cumpre com a proposta.
O bloco apresentado foi implementado em forma de S-Function no Simulink.
4.2 OLGA-OPC
Desejava-se poder incluir o simulador OLGA na plataforma de testes, como
forma de se ter um elemento mais representativo incorporado ao conjunto apresentado. O OLGA um simulador de escoamento multifsico, neste projeto utilizado para
a modelagem de poos produtores.
Para tal, foi especificada uma ferramenta que fizesse transao dos dados da
simulao para um servidor OPC e vice-versa. A simulao feita atravs do servidor
de simulao do OLGA, que possui uma interface TCP/IP. Portanto, a aplicao consiste em um cliente TCP/IP para comunicao com o OLGA e um cliente OPC para
comunicao com o servidor OPC da simulao. Sua arquitetura bsica representada na Figura 4.4.
Para o estabelecimento dos enlaces entre as variveis da simulao e os dados
do servidor OPC, foi projetada uma interface grfica intuitiva, capaz de ler o arquivo
de simulao do OLGA, interpretar as entradas e sadas, organizar as informaes de
forma coerente e permitir a associao com as tags do servidor OPC.
Tal interface visualizada na Figura 4.5. Note que a navegao entre os dados
4. Plataforma de Testes
48
4. Plataforma de Testes
49
em forma de arquivos XML, que podem garantir uma futura interoperabilidade desse
sistema. Planeja-se integrar mesma ferramenta outros simuladores, como o HYSYS
(simulador de processos) e algum simulador de reservatrio, fazendo com que todo o
processo de gas-lift possa ser modelado e considerado na simulao.
O Linker permite a execuo da simulao em tempo real, ou seja, a simulao
visualizada atravs do servidor OPC como se houvesse um poo real operando
por trs de um supervisrio. O potencial de uma ferramenta como essas bastante
grande, dadas todas as suas possveis aplicaes: testes de algoritmos de otimizao local e global, integrao com algoritmos de controle avanado implementados
em ferramentas proprietrias como o Laplace, integrao com supervisrios via OPC,
permitindo o treinamento de operadores em situaes simuladas, etc.
50
Captulo
Estudo de Casos
Este captulo exemplifica a aplicao das ferramentas de otimizao desenvolvidas, atravs da utilizao da plataforma de simulao descrita no captulo anterior.
Tambm feita uma anlise dos efeitos da aplicao de mltiplas restries no algoritmo de otimizao global.
5. Estudo de Casos
51
5. Estudo de Casos
52
6790
6785
6780
6775
6770
6765
6
9
t(h)
10
11
12
5. Estudo de Casos
53
e aciona o servio de ajuste de curvas que est rodando no Laplace, que executa o
ajuste e escreve o modelo atualizado nas respectivas tags.
A distribuio percentual de gs entre os poos e a linha de exportao no
perodo da identificao visualizada na Figura 5.4.
14
12
% gas
10
2
10
12
14
16
18
20
t(h)
22
24
26
28
30
5. Estudo de Casos
54
350
Well 1
Well 2
Well 3
Well 4
Well 5
Well 6
Well 7
Well 8
Gas Distribution
300
250
200
150
100
800
1000
1200
1400
1600
1800
2000
Gas Disponibility
2200
2400
2600
2800
3000
5.6 um caso em que, a partir dum dado momento, a restrio de separao de gua
torna-se ativa, fazendo com que o sistema calcule novos pontos timos de operao
sem violar tal restrio. Nota-se que um dos poos mais prejudicado com a nova
condio. Isto se d porque ele possui o maior BSW do conjunto de poos, sendo mais
economicamente vivel priorizar os demais poos, que possuem uma razo leo/gua
maior.
5. Estudo de Casos
55
Allocation Table
400
350
Well 1
Well 2
Well 3
Well 4
Well 5
Well 6
Well 7
Well 8
Restrio
Gas Distribution
300
250
200
150
100
800
1000
1200
1400
1600
1800
2000
Gas Disponibility
2200
2400
2600
2800
3000
De forma semelhante restrio de separao de gua, na Figura 5.7 aplicada uma restrio de separao de leo no sistema. Nesse caso, o trabalho do algoritmo resume-se a encontrar um ponto factvel de operao, ou seja, alterar a poltica
de distribuio de gs de forma a limitar a produo total de leo. Esta situao no
observada na prtica, visto que nunca estabelecido um limite para a vazo de leo,
tendo essa restrio sido removida do algoritmo definitivo.
Para generalizar o algoritmo, considerando a realidade da plataforma, incluiu-se
uma linha de exportao de gs no modelo. O gs comprimido para injeo tambm
pode vir a ser exportado, caso haja excesso ou seja mais econmico vend-lo ao
invs de utiliz-lo todo para injeo nos poos. A Figura 5.8 mostra um caso onde
o excedente de gs exportado. Foi considerado um preo baixo para a venda do
gs, fazendo com que ele comece a ser exportado somente quando todos os poos j
atingiram seus pontos de operao timos.
Repetindo o mesmo ensaio, mas aumentando o preo do gs para exportao,
nota-se que a linha de exportao passa a ganhar prioridade com relao aos poos
num determinado momento, conforme pode ser observado na Figura 5.9. O gs
exportado antes que os poos atinjam seus pontos timos de operao. Assim que
atingido o limite imposto para a exportao, o gs volta a ser distribudo entre os
poos.
5. Estudo de Casos
56
Allocation Table
400
350
Well 1
Well 2
Well 3
Well 4
Well 5
Well 6
Well 7
Well 8
Restrio
Gas Distribution
300
250
200
150
100
800
1000
1200
1400
1600
1800
2000
Gas Disponibility
2200
2400
2600
2800
3000
Allocation Table
500
450
400
Well 1
Well 2
Well 3
Well 4
Well 5
Well 6
Well 7
Well 8
Exportation
Exportao
350
Gas Distribution
300
250
200
150
100
50
1000
1500
2000
2500
3000
3500
Gas Disponibility
A Figura 5.10 mostra um caso onde h restrio de separao de gua e exportao de gs. Alm disso, agora tambm est sendo considerado o custo de compresso de gs, fazendo com que os pontos timos para os poos correspondam a
taxas de injeo de gs menores.
5. Estudo de Casos
57
Allocation Table
500
450
400
Well 1
Well 2
Well 3
Well 4
Well 5
Well 6
Well 7
Well 8
Exportation
Exportao
350
Gas Distribution
300
250
200
150
100
50
1000
1500
2000
2500
3000
3500
Gas Disponibility
Allocation Table
400
350
Well 1
Well 2
Well 3
Well 4
Well 5
Well 6
Well 7
Well 8
Exportation
300
Gas Distribution
250
200
Exportao
150
Restrio
100
50
1000
1500
2000
Gas Disponibility
2500
3000
5. Estudo de Casos
58
esse deve ser distribudo aos poos, sendo eles forados a operarem em pontos subtimos.
Allocation Table
400
350
300
Well 1
Well 2
Well 3
Well 4
Well 5
Well 6
Well 7
Well 8
Exportation
Exportao
Gas Distribution
250
Excesso
de gs
200
150
Restrio
100
50
1000
1500
2000
Gas Disponibility
2500
3000
59
Captulo
Concluses e Perspectivas
Este captulo traz uma sntese das atividades realizadas, destacando a importncia e a aplicao de cada resultado obtido. Alm disso, ressalta alguns aspectos que podem ser melhorados ou incrementados nesse trabalho. Algumas propostas
para possveis trabalhos futuros na rea so expostas.
6. Concluses e Perspectivas
60
6. Concluses e Perspectivas
61
62
Referncias
Referncias
63