Otimização de alternativas para o desenvolvimento de campos de petróleo Selection of alternatives for the development of oil fields

• Main Authors: Luciana Faletti Almeida, Yván Túpac Valdivia, Marley Maria Bernardes Rebuzzi Vellasco, Marco Aurélio Cavalcanti Pacheco
• Format: Article
• Language: Portuguese
• Published: Universidade Federal de São Carlos 2007-12-01
• Series: Gestão & Produção
• Subjects: Algoritmo genético; Algoritmos culturais; Coevolução; Otimização; Desenvolvimento de campos petrolíferos; Engenharia de reservatório; Algoritmos genético distribuídos; Computação paralela; Genetic algorithms; Cultural algorithms; Co-evolution; Optimization; Petroleum reservoir development; Reservoir engineering; Distributed genetic algorithm; Parallel computing
• Online Access: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0104-530X2007000300006

Este artigo apresenta um sistema de suporte à decisão para a otimização de alternativas de desenvolvimento de campos de petróleo. O desenvolvimento de um campo de petróleo consiste na escolha de uma alternativa para a explotação de um reservatório petrolífero, conhecido e delimitado, que permita produzir a maior quantidade de hidrocarboneto possível, dentro dos limites físicos e econômicos existentes, isto é, maximizar o valor presente líquido (VPL). O VPL é calculado a partir da produção de óleo, a qual é obtida com o uso de um simulador de reservatório. Cada execução do simulador pode demorar desde alguns segundos até várias horas, dependendo da complexidade do reservatório modelado. Isto reduz o número de alternativas que podem ser geradas e avaliadas pelo especialista na busca da melhor solução. Deste modo, o objetivo deste trabalho é propor e avaliar um sistema inteligente de otimização que emprega: algoritmos genéticos (AGs), algoritmos culturais (ACs) e coevolução para a busca de uma alternativa de desenvolvimento ótima; e um ambiente de computação paralela para a simulação de reservatório e cálculo do VPL das alternativas. O sistema resultante permite que o especialista obtenha, em tempo hábil, a alternativa ótima (ou quase-ótima) para o desenvolvimento de um campo de petróleo conhecido. Os resultados obtidos nos estudos de casos apresentados demonstram que o sistema proposto, baseado em técnicas inteligentes, obtém boas alternativas de desenvolvimento de campos petrolíferos com uma grande redução do tempo computacional, redução esta obtida a partir do aproveitamento do poder computacional de um ambiente de computação paralela e do aproveitamento de conhecimento do especialista, por meio das sementes iniciais.<br>This paper presents an optimization system for the development of petroleum fields. Developing a petroleum field consists of choosing an alternative exploitation of an already known and delimited petroleum reservoir allowing the maximum hydrocarbon production within the physical and economical limitations i.e., maximizing the net present value (NPV). The net present value is calculated according to the oil production, which is obtained with the use of a reservoir simulator. Each reservoir simulation can take from few seconds to several hours, depending on the complexity of the reservoir being modeled. This reduces the total number of configurations that can be generated and evaluated by the user in search for the best solution. Therefore, this work proposes and evaluates a new intelligent, optimization system that employs genetic algorithms (GA), cultural algorithms (CA), and co-evolution in order to search for an optimal development alternative in a parallel computing environment for reservoir simulations and NPV calculation. The proposed system provides the user, in a reasonable time, with the optimum (or sub-optimum) configuration for the development of the petroleum field. The results obtained in the case studies demonstrate that the proposed system, based on intelligent techniques, enable good configurations for the development of petroleum fields with a great reduction in computational time. This reduction is obtained from the computational power of the parallel computing environment and from the expert knowledge, through the initial configuration of the optimizing system (initial seed).