Resumo: Apesar de ser considerada uma ferramenta essencial para projetos de produção de petróleo, a simulação numérica de reservatórios está sujeita a incertezas relacionadas à carência de informações sobre as propriedades do sistema em estudo e limitações típicas de modelos, que neste caso são críticas pelas atuais restrições de capacidade computacional. Os dados de vazão e pressão oriundos dos poços são usados para mitigar tais incertezas, mas eles são escassos espacialmente. Neste contexto, dados de sísmica com lapso de tempo tornam-se importantes no processo de calibração dos modelos, por proverem informações dinâmicas ricas espacialmente, sendo complementares aos dados de produção. Contudo, a assimilação de dados sísmicos para melhorar a capacidade preditiva de modelos de fluxo em reservatórios apresenta alguns desafios, dentre os quais podemos destacar dois. Primeiramente, a modelagem sísmica necessária para assimilação de dados comumente apresenta imperfeições capazes de afetar a comparação com os dados observados, levando a atualizações inconsistentes dos parâmetros. Além disso, os grandes conjuntos de dados provenientes das aquisições sísmicas elevam os requisitos computacionais, especialmente em casos com reservatórios de grandes dimensões. Portanto, o objetivo deste trabalho é propor metodologias para assimilar dados sísmicos em cenários complexos, onde tais dificuldades estão presentes. O trabalho está estruturado em quatro estudos científicos. O primeiro estudo aborda uma metodologia para assimilar dados dinâmicos de poços e de sísmica com lapso de tempo na presença de erros de modelagem espacialmente correlacionados. O segundo estudo apresenta um método de assimilação baseado em conjuntos com análise local para grandes quantidades de dados sísmicos. No terceiro, é proposto um modelo de fluido para a simulação de dados sísmicos com variações composicionais, reduzindo os erros de modelagem em casos em que tais mudanças podem ocorrer no meio poroso. Estes dois últimos estudos viabilizam a aplicação final, no quarto estudo, em que é avaliada a assimilação de dados sísmicos num caso sintético com desafios semelhantes aos campos do pré-sal brasileiro. Foi possível mitigar os efeitos dos erros de modelagem correlacionados espacialmente através de uma abordagem de condicionamento fraco dos modelos aos dados, através do acréscimo de parâmetros relacionados ao erro no processo de assimilação. Além disso, o suavizador por conjunto iterativo proposto com análise local reduziu as limitações decorrentes da assimilação de grandes conjuntos de dados oriundos da sísmica. O modelo composicional de fluidos para a modelagem petroelástica também contribuiu para a redução de erros de modelagem na assimilação de dados sísmicos, ao melhorar a descrição dos processos físicos relacionados a produção de fluidos voláteis com injeção miscível de gás no meio poroso. Finalmente, o método eficiente de assimilação de dados proposto, juntamente com o modelo de fluidos, se mostrou uma solução viável para um processo de assimilação de dados sísmicos em reservatórios que apresentam desafios semelhantes aos de campos de petróleo do pré-sal brasileiro Ver menos

Abstract: voir flow simulation is an essential tool for upstream projects. Nevertheless, uncertainties related to the lack of information regarding the reservoir properties and model limitations, critical due to the current computational capabilities, influence its results. The assimilation of fluid rates and pressure data from the wells can mitigate these uncertainties, but they are scarce in space. Therefore, time-lapse seismic data become essential because it can provide dynamical information distributed in space, complementing the production data. However, time-lapse seismic data assimilation has some significant challenges, among which we can highlight two. First, the forward models are imperfect, and their errors can lead to unphysical parameter updates. Furthermore, the large data sets provided by seismic increases the computational costs, particularly in applications related to big reservoirs. From this perspective, this work aims to propose methodologies to assimilate seismic data in cases where these difficulties are relevant. The work comprises four scientific studies. The first study proposes a methodology to assimilate time-lapse seismic data handling significant spatially-correlated errors related to the forward model and the observed data. The second study presents an ensemble-based data assimilation method with local analysis capable of dealing with big seismic data sets. In the third study, we propose a fluid model to simulate seismic data, reducing model errors when there are significant compositional changes in the porous media. These last two studies allowed for the last application, where we evaluate the seismic data assimilation in a synthetic case with similar challenges to a Brazilian pre-salt case. The weak-constraint methodology enabled the mitigation of the spatially correlated model error effects by including error-related parameters in the data assimilation workflow. Moreover, the proposed iterative ensemble smoother with local analysis reduced the limitations related to the assimilation of time-lapse seismic big data sets. The compositional fluid model for petroelastic models contributed to the model error reduction by providing a physically consistent representation of the volatile fluid production with miscible gas injection. Finally, the efficient iterative ensemble smoother and the fluid modeling methodology were viable solutions to assimilate time-lapse seismic data from reservoirs with similar challenges to a Brazilian pre-salt field Ver menos