Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/332661
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Ajuste de histórico por ciclos sob diferentes abordagens para atualizar as incertezas dos atributos de reservatórios
Title Alternative: History matching by cycles under different approaches to update uncertainties of reservoir attributes
Author: Cruz, William Chalub, 1987-
Advisor: Maschio, Célio
Abstract: Resumo: Geralmente, a pouca quantidade de informações acerca do reservatório pode acarretar a geração de modelos que não representam de forma precisa o comportamento do reservatório real. Uma maneira de corrigir este problema é a incorporação de dados dinâmicos de produção (dados observados) em um processo denominado ajuste de histórico (AH), fundamental para aumentar a confiabilidade das previsões de produção e melhorar o processo decisório. O processo de AH é um problema inverso de múltiplas soluções, em que se conhece a resposta, mas não os atributos corretos que a reproduzem. Por ser um problema mal posto, diferentes soluções podem gerar bons ajustes com previsões da produção distintas, sendo essencial encontrar o máximo de soluções possíveis para aumentar a confiabilidade nas previsões. Este processo é aplicado à medida que novos dados (ciclos) se encontrem disponíveis. Ao realizar o ajuste de histórico por ciclos (AHC), os modelos são atualizados em cada ciclo para aumentar o conhecimento acerca do reservatório e apoiar as tomadas de decisões. Inúmeros métodos podem ser empresados para realizar o AHC e dentre eles há o Conjunto Suavizado com Múltiplas Assimilações de Dados (Ensemble Smoother wth Multiple Data Assimilation ¿ ES-MDA) que possui a capacidade de lidar com uma grande quantidade de atributos incertos e gerar múltiplos modelos ajustados. Este trabalho propõe testar o método ES-MDA com localização em um processo de AHC sob diferentes abordagens para atualizar as incertezas dos atributos entre os ciclos. O principal propósito é avaliar a influência da quantidade de dados observados na qualidade do ajuste e da previsão da produção. Os resultados mostraram que ao utilizar os atributos a priori (original do modelo) como entrada do ciclo seguinte, a maior quantidade de dados observados dificultou o ajuste em alguns ciclos e consequentemente resultou em divergência da resposta real na previsão da produção. No entanto, ao utilizar os atributos a posteriori de um determinado ciclo como entrada no ciclo seguinte, o ajuste dos dados melhorou consideravelmente e também a previsão da produção ao longo dos ciclos. Sendo que, a maior quantidade de dados observados contribuiu diretamente para o aumento da qualidade do ajuste dos dados, principalmente para a vazão de água

Abstract: Usually, the limited reservoir data available is able to generate models which, most part of the time, do not reproduce accurately the behavior of the real reservoir. One way to overcome this problem is to incorporate dynamic data (observed data) in a process called history matching (HM), essential to generate good production forecast and to improve the decision analysis process. The HM process is an inverse problem of multiple solutions, in which the answer is known, but correct attributes that reproduce the answer are unknown. Another important factor is that different solutions can generate good matches with different production forecasts, and it is essential to find as many solutions as possible to increase reliability in forecasting. This process is applied as new data (cycles) becomes available. When applying history matching by cycles (HMC), reservoir simulation models are updated in each cycle to support decision analysis. Several methodologies can be used to perform the HMC. Among the methodologies, there is the Ensemble Smoother with Multiple Data Assimilations (ES-MDA), which has the ability to handle a large number of attributes and generate multiple adjusted models. The aim of this study is to test the ES-MDA method with localization in a HMC workflow under different approaches to update the uncertainties of the attributes between the cycles. The main purpose is to evaluate the influence of the amount of observed data on the quality of the HM and the production forecast. The results showed that using the prior attributes (original model) as input to the next cycles, the larger amount of observed data can hinder the quality of the HM in some cycles, and consequently result in a divergence of the real response in the production forecast. However, by using the posteriori attributes of a given cycle as input in the next cycle, the quality of the data matches has improved considerably, as well as, the production forecast over the cycles. As a result, the greater amount of observed data contributed directly to the increase the quality of the data matches, mainly for water rate
Subject: Engenharia de petróleo
Reservatórios (Simulação)
Calibração
Kalman, Filtragem de
Assimilação contínua de dados
Language: Português
Editor: [s.n.]
Date Issue: 2018
Appears in Collections:FEM - Tese e Dissertação

Files in This Item:
File SizeFormat 
Cruz_WilliamChalub_M.pdf7.96 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.