Resumo: Este trabalho propõe uma metodologia de ajuste de histórico probabilístico em tempo real a fim de melhorar a previsão do reservatório ao longo do tempo. A metodologia proposta utiliza uma avaliação rigorosa nos modelos sincronizada com a frequência de aquisição de dados históricos. Esta avaliação contínua permite uma rápida identificação de deficiência do modelo e reação para iniciar um processo de recaracterização conforme necessário. Além disso, a metodologia inclui uma técnica de quantificação de incertezas utilizando os dados dinâmicos para reduzir as incertezas do reservatório, e um passo para incluir erros de medição e margens de tolerância para os dados históricos. O fluxo de trabalho da metodologia é composto por nove etapas. O fluxo começa com um conjunto de modelos representativos selecionados através de uma abordagem probabilística, as incertezas do reservatório, e um intervalo de aceitação dos dados históricos. Os modelos são simulados e os resultados comparados com os dados históricos. Os passos seguintes são a redução da incerteza e uma segunda avaliação do modelo para garantir um melhor ajuste de histórico. Depois, os modelos são filtrados para descartar aqueles que estejam fora da faixa de aceitação e, em seguida, usados para fazer previsões do reservatório. O último passo é a verificação de novos dados observados, que é sincronizada com a aquisição de dados. O método também apresenta uma maneira inovadora e eficiente para apoiar o monitoramento do reservatório através de indicadores gráficos da qualidade do ajuste. Um modelo de reservatório sintético foi usado em todo o trabalho a fim de controlar os resultados de todos os métodos que apoiam a metodologia proposta. Além disso, a metodologia foi aplicada no modelo UNISIM-IH, baseado no campo de Namorado, localizado na Bacia de Campos, Brasil. Os estudos de caso realizados mostraram que a metodologia proposta assimila continuamente os dados observados do reservatório, avalia o desempenho do modelo, e mantém um conjunto de modelos de reservatórios calibrados em tempo real Ver menos

Abstract: This work focuses on probabilistic real-time history matching to improve reservoir forecast over time. The proposed methodology uses a rigorous model evaluation, which is synchronized with history data acquisition frequency. A continuous model evaluation allows a quick model deficiency identification and reaction to start a model reparametrization process as needed. In addition, the methodology includes an uncertainty quantification technique, which uses the dynamic data to reduce reservoir uncertainties, and a step to include measurement errors and observed data tolerance margin. The real-time history matching workflow is composed of nine steps. It starts with a set of representative models selected through a probabilistic approach, the uncertainties of the reservoir and an acceptance history data range. The models are run and the results compared with the history data. The following steps are uncertainty reduction and a second model evaluation to guarantee an improved history matching. The models are then filtered to discard any model outside the acceptance range, and then used to make reservoir forecast. In the final step, the workflow searches for new data observed. The methodology also presents a novel and efficient way to support reservoir surveillance through graphical indicators of matching quality. To better control the results of all the methods, which supports the proposed methodology, a synthetic reservoir model was used in the entire work. In addition, the proposed methodology was applied in the UNISIM-I-H model, which is based on the Namorado field, located in the Campos Basin, Brazil. The performed study cases were shown that the proposed history matching procedure assimilates continuously the observed reservoir data, evaluates the model performances through quality indicators and maintains a set of calibrated reservoir models in real-time Ver menos