Surrogate flow model in petroleum reservoir risk analysis

Resumo: Uma análise adequada dos riscos de um estudo de desenvolvimento de um campo de petróleo pode exigir um grande número de simulações de fluxo, o que pode levar a tempo de máquina considerável. Algumas técnicas foram desenvolvidas para reduzir o número de corridas, como o planejamento experimental com superfície de resposta. Um problema geralmente associado a estas técnicas é a menor confiabilidade associada a problemas complexos e a pouca flexibilidade a alterações nas variáveis de incerteza. Uma alternativa é proposta neste trabalho com do uso de modelos de simulação substitutos rápidos que geram resultados semelhantes ao modelo completo. O modelo de simulação substituto tem os mesmos dados que o modelo de simulação de completo, mas a malha de simulação é muito mais grosseira. Os parâmetros da nova malha de simulação são ajustados automaticamente com um algoritmo de otimização numérica, minimizando a diferença entre as respostas dos modelos completo e substituto. Modelos de simulação foram construídos para testar os resultados gerados com a metodologia proposta. Análises de risco foram realizadas com ambos os modelos completo e substituto, e os resultados gerados com os modelos substitutos foram próximos aos dos modelos completos. No geral, o tempo gasto no ajuste do modelo substituto e geração da curva de análise de risco com o mesmo foi menor do que utilizar a técnica de planejamento de experimentos para gerar uma análise de risco do modelo completo.Abstract: An accurate risk analysis for a field development study can demand a large number of flow simulation runs, which can lead to considerable computer time. Some techniques have been developed to reduce the number of runs, such as experimental design with surface response methodology. One problem usually associated with these techniques is the lower reliability associated with complex problems, and small flexibility to changes in the uncertain variables. An alternative is proposed in this work through the use of fast surrogate simulation models that generate results similar to the base model. The surrogate simulation model has the same data as the base simulation model, but the grid is much coarser. The coarse grid parameters are adjusted with a numerical optimization algorithm, minimizing the difference between the responses from the base and the surrogate models. Simulation models were constructed to test the results generated with the proposed surrogate model methodology. Risk analyses were conducted with both surrogate and base models, and the results generated with the surrogate models were close to those with the base models. Overall, the time spent in adjusting the surrogate model and generating a risk analysis with it was smaller than using experimental design to construct a risk analysis with the base model