Caracterização de reservatorios com tecnicas de otimização combinatorial

A modelagem estocástica vem recebendo interesse crescente na indústria do petróleo, consolidando-se como ferramenta cada vez mais rotineira na elaboração de planos de explotação em reservatórios produtores. Técnicas de otimização combinatorial, como o "simulated annealing", permitem gerar modelos equiprováveis de variáveis do reservatório, reproduzindo a princípio qualquer característica que possa ser expressa como uma função objetivo, além do histograma e variograma, que podem ser honrados com os métodos tradicionais da geoestatística. Nesta dissertação, a capacidade do algoritmo de "annealing" em aproveitar informações geológicas e de produção (testes de formação), diminuindo as incertezas dos modelos gerados é revista. Conclusões de trabalhos recentes (Pérez, 1991; Deutsch, 1992) são confirmadas e extendidas para casos mais abrangentes. Um algoritmo recentemente desenvolvido, denominado evolução estocástica, é introduzido na modelagem probabilística, sendo comparado com o "simulated annealing" em termos de tempo de execução e capacidade de reproduzir características com niveis de complexidade diversos, em problemas de diferentes dimensões. A qualidade dos modelos simulados também é analisada com alguns critérios apresentados (tempos, tolerâncias, coeficiente de correlação entre as imagens simulada e real e comportamentos de fluxo). É verificada a capacidade dos algoritmos em simular seções verticais de reservatórios com diferentes niveis de informação. São analisados o efeito da inclusão do variograma global, de variogramas e médias de regiões do reservatório e finalmente, aproximações da permeabilidade equivalente obtidas de testes de formação por dois métodos existentes.Stochastic modeling has received increasing attention in the oil industry, being established as a ordinary tool for helping the elaboration of development plans in producing reservoirs. Combinatorial optimization techniques, such as simulated annealing, allow to produce equiprobable models of reservoir variables, reproducing a priori any characteristic that can be stated as an objective function, besides the histogram and the variogram, which can be honored with traditional geostatistics methods. In this thesis, the ability of the simulated annealing algorithm to incorporate geological and production (well test) data, reducing uncertainties in simulated models is reviewed. Recent works resuIts (Pérez, 199] j Deutsch, ]992) are reinforced and extended for a wider range of properties. Stochastic evolution, a newly developed algorithm, is introduced in probabilistic modeling. A comparison between this technique and annealing is performed, taking into account computing times and capacity of reproducing several complexity levels characteristics for different size problems. The quality of simulated models is also studied using some cri teria, such as CPU time, tolerances, correlation coefficients between simulated and real images, and flow performance. The algorithms ability for generating reservoir vertical cross sections with several constraining information levels is verified. The effect of inc1uding global (whole reservoir) variogram, local variograms, local averages and well test derived permeability with two approximations methods is analyzed