SantosJ A M

81,9(56,'$'((67$'8$/'(&$03,1$6
)$&8/'$'('((1*(1+$5,$0(&1,&$
,167,7872'(*(2&,1&,$6
(VWXGRGD,QIOXrQFLDGD(VWUDWpJLDGH3URGXomR
HP$QiOLVHGH5LVFR$SOLFDGDDR'HVHQYROYLPHQWR
GH&DPSRVGH3HWUyOHR
Autor :-RVp$XJXVWR0DUWLQVGRV6DQWRV
Orientador:3URI'U'HQLV-RVp6FKLR]HU

81,9(56,'$'((67$'8$/'(&$03,1$6
)$&8/'$'('((1*(1+$5,$0(&1,&$
,167,7872'(*(2&,1&,$6
GH&DPSRVGH3HWUyOHR
Curso: Cincias e Engenharia de Petrleo.
Dissertao de mestrado apresentada Subcomisso de Ps Graduao Interdisciplinar

de Cincias e Engenharia de Petrleo (FEM e IG), como requisito para obteno do ttulo de
Mestre em Cincias e Engenharia de Petrleo.
Campinas, 2002
SP Brasil
ii
FICHA CATALOGRFICA ELABORADA PELA

BIBLIOTECA DA REA DE ENGENHARIA - BAE - UNICAMP
Santos, Jos Augusto Martins dos

Sa59e
Estudo da influncia da estratgia de produo em anlise de

risco aplicada ao desenvolvimento de campos de petrleo / Jos
Augusto Martins dos Santos.--Campinas, SP: [s.n.], 2002.
Orientador: Denis Jos Schiozer.
Dissertao (mestrado) - Universidade Estadual de
Campinas, Faculdade de Engenharia Mecnica e Instituto de
Geocincias.
1. Engenharia de petrleo. 2. Engenharia de reservatrio
de leo. 3. Incerteza. 4. Modelos matemticos. 5. Modelos e
construo de modelos. I. Schiozer, Denis Jos.
II.
Universidade Estadual de Campinas. Faculdade de Engenharia
Mecnica. III. Instituto de Geocincias. IV. Ttulo.
iii
81,9(56,'$'((67$'8$/'(&$03,1$6
)$&8/'$'('((1*(1+$5,$0(&1,&$
,167,7872'(*(2&,1&,$6
',66(57$d2'(0(675$'2
GH&DPSRVGH3HWUyOHR
Banca Examinadora:
_______________________________________________
3URI'U'HQLV-RVp6FKLR]HU3UHVLGHQWH
81,&$03'(3)(0
BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
3URI'U0DUFHOR&XU]LR6DORPmR
3(752%566$
BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
3URI'U6DXO%DULVQLN6XVOLFN
81,&$03,*
Campinas, 07 de Junho de 2002
iv
'HGLFDWyULD
Dedico este trabalho minha esposa Rita de Cssia, aos meus filhos Hugo e Raquel e s
minhas tias Maria, Celeste e Margarida (LQ0HPRULDQ).
$JUDGHFLPHQWRV
Expresso meus agradecimentos:
Petrobrs, por ter me propiciado todas as condies possveis para participao neste
Mestrado.
Ao Engenheiro M.Sc. Armando de Almeida Ferreira, pelo seu empenho pessoal em

defender a aprovao do meu nome para participar deste Mestrado.
Ao Prof. Dr. Denis Jos Schiozer, pelo seu papel de condutor-mor, que permitiu a
realizao e concluso deste trabalho.
A todos os professores do DEP e tambm do Instituto de Geocincias, que contriburam

para o meu aprendizado nestes dois anos de estudos.
A Giselle e a todos os estagirios de informtica que passaram pelo DEP, pelo suporte
computacional prestado.
A Ftima, Dlcio e Alice, por todo o suporte administrativo fornecido.
vi
'HYDJDUVHYDLDRORQJH
(autoria desconhecida, mas muito usado em Famlia)
vii
5HVXPR
SANTOS, Jos Augusto Martins.
(VWXGR GD ,QIOXrQFLD GD (VWUDWpJLD GH 3URGXomR HP $QiOLVH
GH 5LVFR GH 3URMHWRV GH ( 3
. Campinas: Faculdade de Engenharia Mecnica e Instituto

de Geocincias, Universidade Estadual de Campinas, 2002, 140p., Dissertao de
Mestrado.
A anlise de risco de reservatrios em fase de avaliao/delimitao usualmente
conduzida utilizando uma simples estimativa do fator de recuperao devido ao grande nmero
de realizaes necessrias para quantificar incertezas e avaliar riscos. Os recentes avanos em
computao permitem quantificar as incertezas utilizando simulao numrica de fluxo. Porm,
usualmente considera-se estratgia de produo fixa j que o uso de estratgia varivel consome
muito tempo e recursos computacionais. Neste trabalho almeja-se estudar o impacto da
estratgia de produo em processos de anlise de risco. A metodologia de risco utilizada
consiste em definir os atributos incertos, montar um Modelo Base para simulao, selecionar os
atributos crticos via anlise de sensibilidade, simular todos os modelos possveis, expressar o
risco do projeto utilizando o Valor Presente Lquido (VPL) como funo objetivo e escolher
alguns dos modelos simulados para representar a incerteza geolgica. Procedimentos de
otimizao so aplicados tanto ao Modelo Base quanto aos representativos. Por fim, as variaes
de VPL so medidas e listadas algumas concluses e recomendaes. Dois casos so analisados:
inicialmente, um reservatrio turbidtico da Bacia de Campos e em seguida um outro bastante
heterogneo com forte incerteza quanto ao modelo estrutural e quanto conectividade hidrulica
entre seus blocos. Em ambos considera-se mecanismo de gs em soluo e injeo de gua.
Verifica-se que o ganho no VPL com a otimizao pequeno em relao s incertezas presentes
e que as alteraes na estratgia de produo otimizada e nos investimentos do projeto no
chegam a ser importantes, levando a concluso de que o procedimento de otimizao pode ser
aplicado somente ao Modelo Base e estendido aos casos pessimista e otimista. O uso de uma
nica estratgia de produo numa anlise de risco em muito reduz o esforo computacional
envolvido. Tambm se verifica que a otimizao dos modelos representativos apenas j conduz
a resultados bastante acurados.

3DODYUDV&KDYH
Anlise de Risco, Estratgia de Produo, Incerteza, Previso de Produo, Simulao

Numrica de Reservatrio
viii
$EVWUDFW
SANTOS, Jos Augusto Martins.
6WXG\ RI WKH ,QIOXHQFH RI WKH 3URGXFWLRQ 6WUDWHJ\ LQ 5LVN
$QDO\VLV $SSOLHG WR 3HWUROHXP )LHOG 'HYHORSPHQW
. Campinas: Faculdade de Engenharia

Mecnica e Instituto de Geocincias, Universidade Estadual de Campinas, 2002, 140p.,
Dissertao de Mestrado.
Risk analysis applied to reservoirs in the appraisal phase is usually conducted using a
simple recovery factor prediction due to the high number of realizations. Recent computer
developments allow the quantification of geological and physical uncertainties using numerical
flow simulation. However, such a process is normally performed with a fixed production
strategy because a variable strategy is very time consuming. The objective of this work is to
study the impact of the production strategy in the risk analysis process. That risk analysis
methodology comprises: (1) definition of the uncertain attributes, (2) construction of a base
simulation model, (3) selection of the most critical attributes using sensitivity analysis, (4)
simulation of all possible models, (5) risk calculation using the Net Present Value (NPV) as the
objective function, and (6) choice of a few simulation models that represent the geological
uncertainty. The optimization procedure is applied to both base and representative models.
Finally, the changes in the target function are measured and some conclusions and
recommendations are made. In this work, two examples are analyzed. In the first case, the study
is applied to a real turbidite offshore reservoir in Brazil. In the second one, it is considered a
very heterogeneous reservoir with a greater uncertainty in the structural model and in the
hydraulic connectivity between reservoir blocks. Both cases are solution gas drive reservoirs
with water injection. In the cases studied, the variation in the NPV due to optimization
procedure was very small, compared with the uncertainty in the geological model, and changes
in the optimized production strategy and investments are not important, leading to the
conclusion that the optimization procedure can be applied only to the base model and extended
to the pessimist and optimist cases. The use of a unique production strategy in the whole process
can reduce significantly the computational effort. It is also shown that a very accurate result can
be obtained by optimizing only the representative models.

.H\:RUGV
Risk Analysis, Production Strategy, Uncertainty, Production Forecast, Numerical Flow

Simulation
ix
QGLFH
'HGLFDWyULD Y
$JUDGHFLPHQWRV YL
5HVXPR YLLL
$EVWUDFW L[
QGLFH [
/LVWDGH)LJXUDV [LLL
/LVWDGH7DEHODV [Y

,QWURGXomR

5HYLVmR%LEOLRJUiILFD

7UDWDPHQWRGH,QFHUWH]DVH$QiOLVHGH5LVFR

7UDWDPHQWRGDV,QFHUWH]DV

$QiOLVHGHVHQVLELOLGDGH

6LPXODomRGRV0RGHORVGH5HVHUYDWyULR

&XUYDGH5LVFRGR3URMHWR

(VFROKDGRV0RGHORV5HSUHVHQWDWLYRV

(VWUDWpJLDGH3URGXomR

0HWRGRORJLD3URSRVWD

'HILQLomRGD(VWUDWpJLDGH3URGXomRGR0RGHOR%DVH

2WLPL]DomRGD(VWUDWpJLDGH3URGXomRGR0RGHOR%DVH

9DOLGDomRGD0DOKDGH'UHQDJHPGRV0RGHORV5HSUHVHQWDWLYRV

2WLPL]DomRGD(VWUDWpJLDGRV0RGHORV5HSUHVHQWDWLYRV
$SOLFDomR

([HPSOR
6.1.1
Descrio do Reservatrio ............................................................................... 43
6.1.2
Modelagem do Reservatrio ............................................................................ 45
6.1.3
Atributos Incertos............................................................................................. 46
6.1.4
Estratgia de Produo Inicial e Parmetros de Operao dos Poos.............. 48
6.1.5
Parmetros para Anlise Econmica................................................................ 50

([HPSOR
6.2.1
Descrio/Modelagem do Reservatrio ........................................................... 52
6.2.2
Atributos Incertos............................................................................................. 54
6.2.3
Estratgia de Produo Inicial e Parmetros de Operao dos Poos.............. 56
6.2.4
Parmetros para Anlise Econmica................................................................ 56
5HVXOWDGRV

([HPSOR
7.1.1
Definio da Estratgia Inicial de Produo do Modelo Base ......................... 58
7.1.2
Otimizao da Estratgia de Produo do Modelo Base.................................. 67
7.1.3
Definio dos Atributos Crticos...................................................................... 68
7.1.4
Definio dos Modelos Representativos .......................................................... 70
7.1.5
Validao da Malha de Drenagem dos Modelos Representativos ................... 74
7.1.6
Otimizao da Estratgia dos Modelos Representativos.................................. 75
7.1.6.1
Modelos de VPL Otimista P10................................................................. 75
7.1.6.1.1
Modelo Kh otim .................................................................................. 75
7.1.6.1.2
Modelo Vpor otim + Bloco1............................................................... 76
7.1.6.2
Modelos de VPL Mdio P50 .................................................................... 77
7.1.6.2.1
Modelo Bloco1.................................................................................... 77
7.1.6.2.2
Modelo Vpor otim + PVT3 + Bloco1 ................................................. 78
7.1.6.3
Modelos de VPL Pessimista P90.............................................................. 79

xi
7.1.6.3.1
Modelo Vpor pess + Bloco1 ............................................................... 79
7.1.6.3.2
Modelo Kh pess + Bloco1................................................................... 81
7.1.6.3.3
Modelo Vpor otim + Kh pess + PVT3................................................ 82

([HPSOR
7.2.1
Definio da Estratgia Inicial de Produo do Modelo Base ......................... 84
7.2.2
Otimizao da Estratgia de Produo do Modelo Base.................................. 92
7.2.3
Definio dos Atributos Crticos...................................................................... 94
7.2.4
Definio dos Modelos Representativos .......................................................... 95
7.2.5
Validao da Malha de Drenagem dos Modelos Representativos ................. 100
7.2.6
Otimizao da Estratgia dos Modelos Representativos................................ 101
7.2.6.1
7.2.6.1.1
Modelo Barr Tot + Vpor otim + Kh otim ......................................... 101
7.2.6.1.2
Modelo Kh otim ................................................................................ 102
7.2.6.2

Modelos de VPL Mdio P50 .................................................................. 102
7.2.6.2.1
Modelo Bloco1.................................................................................. 102
7.2.6.2.2
Modelo PVT3 + Barr Tot + Vpor otim ............................................. 103
7.2.6.3

Modelos de VPL Otimista P10............................................................... 101
Modelos de VPL Pessimista P90............................................................ 104
7.2.6.3.1
Modelo Bloco1 + Vpor pess ............................................................. 104
7.2.6.3.2
Modelo PVT3 + Barr Tot + Vpor otim + Kh pess ............................ 105
$QiOLVHGRV5HVXOWDGRV
&RQFOXV}HVH5HFRPHQGDo}HV

&RQFOXV}HV

5HFRPHQGDo}HV
5HIHUrQFLDV%LEOLRJUiILFDV

$SrQGLFH$3URSULHGDGHVGH5HVHUYDWyULR
xii
/LVWDGH)LJXUDV
)LJXUD([HPSORGH'LVWULEXLomRGH9DULiYHLVDGDSWDGRGH1HZHQGRUS BBBBBBBB

)LJXUD([HPSORGH$QiOLVHGH6HQVLELOLGDGH BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD&XUYDGH5LVFRGR93/3DUDXP'HWHUPLQDGR3HUtRGRGH3URGXomR BBBBBBBBBB
)LJXUD2EWHQomRGRV9DORU3UHVHQWH/tTXLGRSDUDXP3HUFHQWLO'HVHMDGRBBBBBBBBBBBB
)LJXUD'HWHUPLQDomRGRV0RGHORV5HSUHVHQWDWLYRVHP*UiILFR(VSHFLDOL]DGR BBBBBBBB
)LJXUD&RPSDUDomRHQWUHHVWUDWpJLDVGHSURGXomRSDUDRPHVPRUHVHUYDWyULR BBBBBBBB
)LJXUD(VERoR(VWUXWXUDOHGD*HRPHWULD([WHUQDGR&DPSRPRGLILFDGRGH
6WHDJDOO BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD0DSDGH7RSRPGD0DOKDGH6LPXODomR BBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD&RPSDUDomR(QWUH0RGHORV(VWUXWXUDLV3DUDRV'RLV([HPSORV BBBBBBBBBBBBB
)LJXUD'HILQLomRGDV%DUUHLUDVGH3HUPHDELOLGDGHGR6HJXQGR([HPSOR BBBBBBBBBBBB
)LJXUD'LVSRVLomR2ULJLQDOGRV3RoRVQR5HVHUYDWyULRBBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD3HUILOGH3URGXomR0DOKDGH'UHQDJHP2ULJLQDOH&URQRJUDPD2WLPL]DGR BBB
)LJXUD(VTXHPDGH/LQKDVGH3URGXWRUHVH,QMHWRUHV BBBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD3HUILOGH3URGXomR3RoRV2ULJLQDLV[/LQKDV3URGXomR,QMHomR BBBBBBBBBBBB
)LJXUD(VTXHPD)LYH6SRW(VSDUVRSRoRV BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD3HUILOGH3URGXomR&RPSDUDomRGRV7UrV$UUDQMRV BBBBBBBBBBBBBBBBBBBBBB
)LJXUD(VTXHPD)LYH6SRW$GHQVDGRSRoRV BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD3HUILOGH3URGXomR&RPSDUDomRGRV4XDWUR$UUDQMRV BBBBBBBBBBBBBBBBBBBB
)LJXUD3UHVVmR0pGLDGR5HVHUYDWyULR&RPSDUDomRGRV$UUDQMRV BBBBBBBBBBBBBBBB
)LJXUD*DQKRV'HFRUUHQWHVGD$PSOLDomRGR&DQKRQHLRGR3RoRV,QMHWRUHV BBBBBBBB
)LJXUD3UHVVmR0pGLDGR5HVHUYDWyULR&RPSDUDomRGRV$UUDQMRV$SyV$PSOLDomRGRV
&DQKRQHDGRVGRV3RoRV,QMHWRUHV BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD*UiILFRSDUD$QiOLVHGH6HQVLELOLGDGHGRV$WULEXWRV,QFHUWRV BBBBBBBBBBBBBBB
xiii
)LJXUD&XUYDGH93/GR3URMHWR&RP5LVFR$VVRFLDGRBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD(VFROKDGRV0RGHORV5HSUHVHQWDWLYRVBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD(VTXHPD)LYH6SRWFRP3RoRV BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD3HUILOGH3URGXomR(VTXHPD)LYH6SRWFRP3RoRV BBBBBBBBBBBBBBBBBBBB
)LJXUD(VTXHPD6WDJJHUHG/LQH'ULYHFRP3RoRV BBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD3HUILOGH3URGXomR(VTXHPD6WDJJHUHG/LQH'ULYHFRP3RoRVHP
FRPSDUDomRFRPRDQWHULRU BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD(VTXHPD'LUHFW/LQH'ULYHFRP3RoRV BBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD3HUILOGH3URGXomR&RPSDUDomR(QWUHRV7UrV$UUDQMRV BBBBBBBBBBBBBBBBB
)LJXUD(VTXHPD)LYH6SRWFRP3RoRV BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD3HUILOGH3URGXomR&RPSDUDomR(QWUHRV4XDWUR$UUDQMRV BBBBBBBBBBBBBBB
)LJXUD(VTXHPD'LUHFW/LQH'ULYHFRP3RoRV BBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD3HUILOGH3URGXomR&RPSDUDomR)LQDO(QWUHRV$UUDQMRVBBBBBBBBBBBBBBBBB
)LJXUD3HUILOGH3UHVVmR&RPSDUDomR(QWUHRV$UUDQMRV BBBBBBBBBBBBBBBBBBBBBBB
)LJXUD*UiILFRSDUD$QiOLVHGH6HQVLELOLGDGHGRV$WULEXWRV,QFHUWRV BBBBBBBBBBBBBBB
)LJXUD&XUYDGH93/GR3URMHWR&RP5LVFR$VVRFLDGRBBBBBBBBBBBBBBBBBBBBBBBBBB
)LJXUD(VFROKDGRV0RGHORV5HSUHVHQWDWLYRVBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
xiv
/LVWDGH7DEHODV
7DEHOD([SUHVVmRGD,QFHUWH]DGH$WULEXWRV&RQWtQXRV BBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD([SUHVVmRGD,QFHUWH]DGH$WULEXWRV'LVFUHWRV BBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD$WULEXWRV,QFHUWRVGH'LVWULEXLomR&RQWtQXD6WHDJDOO BBBBBBBBBBBBBBBB
7DEHOD$WULEXWRV,QFHUWRVGH'LVWULEXLomR'LVFUHWD6WHDJDOO BBBBBBBBBBBBBBBBB
7DEHOD&RPSDUDomR3HUFHQWXDO(QWUH9ROXPHVGHOHRGRV0RGHORV(VWUXWXUDLV BBBBBB
7DEHOD$WULEXWRV,QFHUWRV&RQVLGHUDGRVQR6HJXQGR([HPSOR BBBBBBBBBBBBBBBBBBBBB
7DEHOD2WLPL]DomRGR0RGHOR%DVH BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD5HVXOWDGRVGD6LPXODomR&RP,QFHUWH]DBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD93/3DUD&DGD3HUFHQWLO BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD0RGHORV5HSUHVHQWDWLYRV6HOHFLRQDGRV BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD4XDGUR&RPSDUDWLYR3DUD9DOLGDomRGD0DOKDGH'UHQDJHP BBBBBBBBBBBBBBB
7DEHOD2WLPL]DomRGR0RGHOR.KRWLP BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD2WLPL]DomRGR0RGHOR9SRURWLP%ORFR BBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD2WLPL]DomRGR0RGHOR%ORFR BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD2WLPL]DomRGR0RGHOR9SRURWLP397%ORFR BBBBBBBBBBBBBBBBBBBBBBB
7DEHOD2WLPL]DomRGR0RGHOR9SRUSHVV%ORFR BBBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD2WLPL]DomRGR0RGHOR.KSHVV%ORFR BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD2WLPL]DomRGR0RGHOR9SRURWLP.KSHVV397BBBBBBBBBBBBBBBBBBBBBB
7DEHOD2WLPL]DomRGR0RGHOR%DVH BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD5HVXOWDGRVGD6LPXODomRFRP,QFHUWH]D BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD93/3DUD&DGD3HUFHQWLO BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD0RGHORV5HSUHVHQWDWLYRV BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD4XDGUR&RPSDUDWLYR3DUD9DOLGDomRGD0DOKDGH'UHQDJHP BBBBBBBBBBBBB
7DEHOD2WLPL]DomRGR0RGHOR%DUU7RW9SRURWLP.KRWLP BBBBBBBBBBBBBBBBBB
xv
7DEHOD2WLPL]DomRGR0RGHOR.KRWLP BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB

7DEHOD2WLPL]DomRGR0RGHOR%ORFR BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD2WLPL]DomRGR0RGHOR397%DUU7RW9SRURWLP BBBBBBBBBBBBBBBBBBBB
7DEHOD2WLPL]DomRGR0RGHOR%ORFR9SRUSHVV BBBBBBBBBBBBBBBBBBBBBBBBBBBB
7DEHOD2WLPL]DomRGR0RGHOR397%DUU7RW9SRURWLP.KSHVV BBBBBBBBBBB
7DEHOD([HPSOR(VWUDWpJLD,QLFLDOH2WLPL]DomRGR&DVR%DVH86PLOK}HV BBBB
7DEHOD([HPSOR2WLPL]DomRGRV0RGHORV5HSUHVHQWDWLYRV86PLOK}HV BBBBBBBB
7DEHOD([HPSOR(VWUDWpJLD,QLFLDOH2WLPL]DomRGR0RGHOR%DVH86PLOK}HV BB
7DEHOD([HPSOR2WLPL]DomRGRV0RGHORV5HSUHVHQWDWLYRV86PLOK}HV BBBBBBBB
xvi
,QWURGXomR
No aproveitamento econmico de uma jazida de hidrocarbonetos, o nvel de conhecimentos

acumulados permite a diviso de sua vida til em diversas fases: explorao,
avaliao/delimitao, desenvolvimento, produo (primria, secundria e terciria) e abandono.
O nmero de poos perfurados, o volume de investimentos j aplicados ou a aplicar, a
expectativa de lucros futuros e outros tambm servem como critrios de caracterizao para
essas fases.
Durante a fase de avaliao/delimitao do campo ou reservatrio torna-se necessrio, em

algum momento, avaliar a continuidade dos investimentos visando definir o desenvolvimento da
sua explotao. Entretanto, o conhecimento acumulado sobre o prospecto ainda limitado
devido ao pequeno nmero de poos perfurados e testes realizados e ausncia de um histrico
de produo. O tomador de decises se v frente a trs possibilidades:
Optar pelo abandono do horizonte produtor. Deciso tomada quando os dados

disponveis indicam que se trata de um horizonte com pouca ou nenhuma atratividade
econmica. Diversos fatores podem se somar para essa deciso ser adotada: pouco
volume de leo LQVLWX, leo de viscosidade elevada, lmina de gua profunda, ausncia
de infra-estrutura de produo prxima, baixa produtividade dos poos, etc.;
Investir na coleta de informaes adicionais sobre o reservatrio: novos levantamentos

ssmicos, novos processamentos, perfurao de mais poos de delimitao, realizao
de testes mais detalhados, implantao de plano piloto de produo, etc. Nesse caso h
que se avaliar a relao entre o custo de obteno da informao e sua importncia na
reduo das incertezas.
Definir e implantar um plano de explotao do reservatrio, individualmente ou em

conjunto com outra companhia. Neste caminho, grandes investimentos sero definidos
e alocados ao projeto numa fase em que o conhecimento sobre a jazida ainda
reduzido.
Os poucos dados existentes nessa fase de delimitao no permitem quantificar com a

preciso desejada importantes informaes de caracterizao do reservatrio: dimenses,
volumes de fludos
LQ VLWX
, propriedades de rocha e fludos, conectividade hidrulica entre
regies e comportamento de fluxo dos poos.
Conseqentemente, no adequado obter uma previso determinista do comportamento

futuro da jazida em termos de potencial de produo e resultados econmicos. O panorama de
suporte deciso nesse ponto passa a ser constitudo de um leque de cenrios probabilsticos,
obtidos de modelos de reservatrio construdos a partir das combinaes de valores estimados
para os atributos de reservatrio tidos como incertos. A tomada de deciso sob esse quadro de
incertezas configura-se numa situao de risco, j que a expectativa de resultados criada a partir
de uma deciso pode no se concretizar.
So diversas as fontes de incerteza que resultam em uma tomada de deciso sob risco:
valor de preos de venda e custos futuros, disponibilidade de servios e equipamentos,
comportamento
do
mercado,
conflitos
internacionais,
variao
de
regulamentaes
governamentais, riscos ambientais, necessidade de desenvolvimento de tecnologia, etc. Neste

trabalho o enfoque restrito ao risco oriundo das incertezas geolgicas, referentes
2
quantificao das propriedades do meio poroso e dos fludos nele contidos, mas que pode servir
de base para um processo de tomada de deciso que envolva outros tipos de risco.
A quantificao do risco associado a um projeto fundamental para a tomada de deciso.

Metodologias de anlise de risco visam expressar o grau de incerteza, ou risco, de um projeto,
atravs da atribuio de probabilidades de ocorrncia aos possveis resultados esperados
(Newendorp, 1975). Para uma empresa, a adoo de uma metodologia padro de anlise de risco
torna-se til, pois:
Facilita e agiliza o processo de deciso;

Padroniza a comparao entre campos ou projetos diferentes;
Padroniza informaes entre empresas e agncias reguladoras;
Permite a preparao de um plano de desenvolvimento flexvel.
Alm do prvio conhecimento do valor dos atributos de rocha e fludos, a previso do
desempenho futuro de uma jazida depende tambm do conjunto de tcnicas e procedimentos de
drenagem aplicadas ao reservatrio, aqui chamado de HVWUDWpJLD GH SURGXomR. Esse conjunto de
procedimentos exerce fundamental importncia nos resultados verificados em um processo de
previso. Para o mesmo modelo geolgico de reservatrio, o emprego de estratgias de
produo diferentes leva a resultados de produo e econmicos diferenciados.
Quanto anlise de risco de um projeto, cada modelo de reservatrio envolvido pode ter
definida uma estratgia de produo individual e otimizada ou, em outro extremo, pode-se
utilizar uma nica estratgia em todo o estudo. No primeiro caso a tarefa complexa, com
grande consumo de tempo e recursos. No segundo caso, h uma simplificao que pode levar a
3
um sub-aproveitamento econmico do projeto, j que de se esperar que os demais modelos

envolvidos na anlise no tenham uma estratgia de produo otimizada.
A proposta deste trabalho quantificar as variaes decorrentes do acoplamento de um

procedimento de otimizao de estratgia de produo a uma metodologia de anlise de risco,
buscando estabelecer um procedimento adequado para tratamento da estratgia de produo em
anlises de risco em projetos de E&P.
Para atingir esse objetivo foi desenvolvida uma metodologia de aplicao de tcnicas de
otimizao da estratgia de produo nos vrios modelos envolvidos num estudo de risco, e
avaliado o impacto resultante do emprego dessas tcnicas de otimizao na expresso do risco
do projeto. Foi utilizada uma metodologia de anlise de risco disponvel na literatura e efetuadas
medies de ganhos no valor da funo objetivo escolhida.
A metodologia de anlise de risco utilizada neste trabalho foi desenvolvida por Steagall
(2001). Nessa metodologia destacam-se, entre outros aspectos:
Reduo do nmero de variveis incertas em considerao atravs de anlise de

sensibilidade. Nesta metodologia, todos os atributos incertos so considerados
independentes entre si;
Gerao da curva de risco do projeto para qualquer funo objetivo desejada, seja
econmica ou de produo;
Escolha de modelos numricos representativos das expectativas de realizao otimista,

mais provvel e pessimista da funo objetivo;
Extenso uso de simulao numrica de fluxo, com computao paralela, como

ferramenta de previso de desempenho;
Adoo de estratgia de produo fixa em todos os modelos simulados.

Neste trabalho as previses de comportamento do reservatrio foram obtidas com o uso de
simulao numrica de fluxo. Atualmente, esta a ferramenta de previso mais utilizada na
Engenharia de Reservatrios, a despeito da facilidade e rapidez do emprego de mtodos
analticos de previso como, por exemplo, curvas de declnio e balano de materiais.
Dentre as vantagens do uso do simulador numrico, destacam-se sua poderosa caracterstica

de equacionar simultaneamente todos os parmetros de caracterizao do reservatrio associado
a quaisquer condies operacionais, a facilidade de alterao de atributos para novas simulaes
e a possibilidade de obteno de variadas sadas em variados formatos grficos ou textuais.
Apesar de se utilizar como base de estudos um reservatrio real bem conhecido, foram
considerados neste trabalho somente os dados disponveis na sua fase de delimitao: nove
linhas ssmicas, oito poos perfurados e avaliados com perfil eltrico, quatro anlises PVT e
dados de testemunhos e de testes de formao. O mesmo reservatrio serviu de base para dois
exemplos de aplicao, diferenciados quanto a alguns dos seus atributos julgados mais
importantes.
Neste trabalho, a funo objetivo a ser maximizada foi o Valor Presente Lquido (VPL) para
um perodo de produo de 20 anos. Essa escolha se deve ao fato desse parmetro econmico
ser largamente utilizado na indstria e por ter a caracterstica de associar valor de benefcios e
custos com sua ocorrncia no tempo, na presena de uma taxa de retorno especificada. Na
apresentao dos resultados, para cada clculo do VPL tambm apresentado o respectivo Fator
de Recuperao (FR), a ttulo de varivel de anlise adicional.
Foi utilizado o simulador comercial
%ODFN2LO
IMEX da CMG. Os valores de custos e
preos utilizados foram considerados sem incerteza e baseados em estimativas reais. Estudos de
incerteza econmicos podem ser desenvolvidos a partir de resultados como os apresentados
nesse trabalho.
Esta dissertao foi organizada em oito captulos. No Captulo 2, apresentada uma reviso
bibliogrfica envolvendo os temas Anlise de Risco e Otimizao de Estratgia. No Captulo 3,
aborda-se o tratamento de incertezas e a anlise de risco em projetos de E&P. No Captulo 4,
apresentam-se aspectos da importncia da estratgia de produo na previso de desempenho de
um reservatrio. No Captulo 5, descreve-se a metodologia adotada neste trabalho para
quantificao do impacto da otimizao da estratgia de produo na anlise de risco de
projetos. No Captulo 6, so descritos os dois exemplos nos quais foi aplicada a metodologia de
avaliao de impacto da estratgia de produo. No Captulo 7, apresentam-se os resultados
obtidos com essa metodologia nos dois exemplos estudados. No Captulo 8, apresentam-se as
concluses e recomendaes deste trabalho.
5HYLVmR%LEOLRJUiILFD
Nos ltimos anos, a indstria do petrleo tem demonstrado um notvel interesse tcnico e
acadmico em caracterizar as incertezas inerentes avaliao de projetos de E&P. Busca-se
integrar, atravs de formulaes variadas, as diversas informaes oriundas das reas de
geofsica, geologia e engenharia de modo a compor um cenrio de resultados esperados ao invs
de uma nica viso determinstica do projeto.
Analogamente, observa-se uma profuso de publicaes tratando de meios e

procedimentos para a otimizao da explotao de reservatrios de petrleo, com enfoque na
definio do padro de drenagem a ser usado em cada situao, ou seja, a definio das
melhores combinaes de poos, das melhores locaes e dos mais adequados critrios
operacionais de produo.
A mola propulsora dessas linhas de estudo a necessidade de se obter avaliaes

econmicas mais consistentes atravs da reduo das incertezas e maximizao do retorno
financeiro dos projetos. Como fator comum tem-se a utilizao sistemtica do simulador
numrico de fluxo como ferramenta bsica de gerao de resultados, permitindo anlise e
comparao entre estes. A seguir so comentados alguns recentes trabalhos de interesse.
Damsleth HWDO (1992) apresentaram os conceitos bsicos do Planejamento de Experimentos

aplicando-os previso de comportamento sob incertezas de um reservatrio.
De modo sucinto, esta metodologia permite a construo de um simulador de reservatrio

simplificado capaz de substituir um simulador numrico de fluxo convencional e completo. Esse
pseudo-simulador na realidade um polinmio cujos coeficientes so estimados por regresso a
partir de um pequeno nmero de execues do simulador real, obtidas atravs de combinaes
adequadas dos atributos incertos. Sua validade restringe-se faixa de variao desses atributos e
funo objetivo considerada.
O polinmio pode ter a forma:
= 5 ( [1 ,....., [ ) = E0 + E1.[1 + E2 .[2 + ...... + E12 .[1.[2 + E13 .[1.[3 + ....... + E11.[12 + E22 .[22 + ....... + H
sendo
a funo objetivo,
os coeficientes a estimar e
[
os valores possveis dos atributos
incertos, tratados de maneira codificada por +1, 0 e 1, representando, respectivamente, os

valores otimistas, mdio e pessimistas desses atributos.
Os termos do tipo
E [
respondem pelos efeitos principais dos atributos incertos na
representao. Os termos do tipo E

[ [
reproduzem as interaes entre as variveis e, por fim,
os termos quadrticos reproduzem os efeitos de curvatura, quando a resposta do simulador aos

nveis extremos de um atributo incerto no varia simetricamente ao redor do Caso Base (nvel
mdio). O coeficiente E o valor da funo objetivo para o Caso Base e Ho termo de erro.
Inicialmente pode ser adotada uma forma simples do polinmio com o uso somente dos
termos dos efeitos principais e, de acordo com os resultados, incluir mais termos para melhorar a
preciso da estimativa dos coeficientes ou remover termos caso se verifique uma pequena
influncia destes nos resultados.
Programas estatsticos especficos podem fornecer: as combinaes de atributos que

permitam a estimativa dos coeficientes com um mnimo de simulaes reais, o valor desses
8
coeficientes e uma medida de qualidade ou preciso dessa estimativa, atravs do seu desvio
padro.
Foi mostrada uma aplicao do Planejamento de Experimentos a um caso real de um

campo do Mar do Norte. A funo objetivo considerada foi a produo acumulada de leo. Todo
o processo de obteno do pseudo-simulador foi detalhadamente mostrado. O nmero de
variveis com incerteza a considerar no experimento foi definido previamente atravs de uma
anlise de sensibilidade parmetro-a-parmetro e, ao final do estudo, apenas trs parmetros
restaram. Ao longo da anlise foram includos termos de interao e curvatura. Em seguida, o
polinmio gerado foi utilizado numa simulao de Monte Carlo para obter uma aproximao da
distribuio de probabilidades da produo acumulada do projeto.
Aanonsen
HW DO
(1995) fizeram uso de Planejamento de Experimentos e de Superfcies de
Resposta na otimizao sob incerteza de locaes de poos em reservatrios de petrleo.
O polinmio a considerar tem a forma

numrico real (funo objetivo),
\
= 5 ( [, \ ) , onde
a resposta do simulador
representa o conjunto de atributos incertos, cada um deles
expresso por uma distribuio de valores, e
o conjunto de atributos determinsticos a serem
otimizados. Para cada atributo [ define-se um conjunto de valores possveis (possveis solues).
Como exemplo,
pode assumir os valores das coordenadas possveis para cada poo que
necessite ser alocado otimamente.
O Planejamento de Experimentos permite a gerao da superfcie de resposta para
com
um mnimo de execues do simulador real. Os valores esperados para 5, 5 = 5 ( [ ) , so ento

1
aproximados por 5 ( [ ) = 5 ( [, \ ) , cujos mximos fornecem os valores timos de [
=1
Foram apresentados trs exemplos de aplicao, todos relacionados obteno das

melhores locaes de poos. Todos os casos mostrados envolvem situaes simples, tais como
locar um s produtor e/ou um s injetor. No so tecidos comentrios sobre complexidades ou
9
esforos computacionais necessrios para situaes reais de aplicao da metodologia, quando

muitos poos, de caractersticas diversas, podem estar envolvidos.
Beckner e Song (1995) apresentaram um exemplo de aplicao de um mtodo de

otimizao, no caso VLPXODWHGDQQHDOLQJ, na definio do desenvolvimento de um campo. Todo
o processo foi automatizado tendo por base um simulador de reservatrios no comercial, ao
qual foi anexado o algoritmo de otimizao e um mdulo de clculo econmico.
O problema apresentado consiste na determinao de timas locaes e ordem de entrada

em operao de poos. Foi fixado previamente: o nmero e tipo de poos a considerar (12 poos
horizontais exclusivamente produtores), um leque de 36 locaes possveis para os poos e a
freqncia de perfurao e completao dos poos (1 poo a cada 3 meses). A malha de
simulao utilizada foi de 36 x 3 x 3 blocos. O enfoque da otimizao foi o VPL do projeto,
tendo sido analisadas diversas situaes combinadas de custo de poo, permeabilidade e presso
variveis em funo da regio do reservatrio.
No entanto, o trabalho no aborda a determinao de dois importantes parmetros relativos

ao desenvolvimento de um campo, quais sejam, o nmero timo de poos a perfurar e as
respectivas locaes, j que houve pr-definio dos mesmos. Por outro lado, os prprios
autores admitem que o esforo computacional requerido pode ser grande quando modelos de
simulao mais complexos forem considerados. Outro ponto mencionado no trabalho que no
h garantia absoluta de que a soluo otimizada encontrada seja realmente um timo absoluto.
Bittencourt e Horne (1997) propuseram um algoritmo hbrido e o aplicaram na otimizao

da explotao de um campo real, visando a maximizao do VPL do projeto.
O algoritmo de otimizao proposto tem como mtodo principal de busca um algoritmo

gentico, auxiliado por outros mtodos, principalmente busca Politopo. Para gerao de uma
distribuio/populao para incio do processo foi utilizado o algoritmo de Fang. O programa foi
construdo com uma interface que permite o acoplamento com simuladores de reservatrio
10
comerciais e com mdulos de clculo econmico. A idia de usar um algoritmo hbrido ,

segundo os autores, tirar proveito dos pontos fortes e contornar as limitaes individuais de cada
mtodo componente.
O exemplo apresentado de um campo martimo real no qual um time de especialistas da

companhia indicou a perfurao de 17 poos produtores, entre horizontais e verticais, e de 16
injetores (idem) como plano inicial de explotao (Caso Base). O objetivo do trabalho era obter
a melhor realocao desse mesmo total de 33 poos em qualquer ponto do reservatrio. Variouse tambm a proporo entre horizontais e verticais e, se horizontais, foi permitida a variao da
direo de cada um dentro da mesma camada. Foi adotado um modelo de simulao com
40x80x3 blocos e dois casos foram estudados. No primeiro caso a soluo inicialmente
proposta, que carrega consigo o conhecimento dos especialistas sobre o campo, no foi includa
na populao inicial do algoritmo hbrido. No segundo caso, essa estratgia de explotao do
Caso Base foi includa como um indivduo na populao inicial.
Como resultados, no primeiro caso, desconhecendo qualquer soluo inicial, o algoritmo

hbrido gerou uma alternativa de explotao com acrscimo de 4,82% em relao ao VPL do
Caso Base. No segundo caso, a incluso de uma informao de boa qualidade (o conhecimento
dos especialistas, expresso pelo Caso Base), gerou um ainda maior ganho no VPL do projeto:
6,08% de acrscimo em relao ao prprio Caso Base.
Novamente, observa-se que o procedimento de otimizao partiu da definio prvia do

nmero de poos. Provavelmente, a utilizao de 33 poos no deve ser a condio tima de
nmero de poos para este caso.
Outro ponto a considerar que o uso deste algoritmo demanda conhecimento especializado
no assunto, j que necessrio definir
D SULRUL
diversos parmetros genticos, como por
exemplo, probabilidade de mutao, probabilidade de cruzamento gentico, elitismo, etc. A

definio do valor de cada parmetros requereu, para este caso, a conduo de testes prvios
com funes puramente matemticas. Finalmente h que se observar que, pelo menos no
11
exemplo mostrado e para as duas situaes analisadas, os ganhos percentuais no VPL do projeto
foram bastante contidos em relao soluo proposta pelos especialistas da empresa.
Cruz
HW DO
(1999) desenvolveram o conceito de Mapa de Qualidade como forma de
quantificar incertezas, fornecer um critrio de comparao entre reservatrios ou entre imagens

estocsticas de um mesmo horizonte ou fornecer as melhores locaes para poos em um
modelo de reservatrio.
O mapa de qualidade uma representao da distribuio areal do potencial de produo

esperado de cada ponto ou rea de um modelo de reservatrio. Fazendo uso de um simulador
numrico de fluxo, obtida a produo acumulada de leo de um poo completado em todas as
camadas com leo, alocado em somente uma clula da malha horizontal do modelo de
simulao, aps um determinado perodo de produo. O processo repetido individualmente
nas demais clulas do modelo. Dispondo do mapa de qualidade de todas as realizaes de um
reservatrio, pode-se obter um mapa de qualidade mdio e um mapa de incerteza da qualidade
do reservatrio. Esses dois mapas finais permitem, entre outras possibilidades, escolher uma boa
locao para um poo produtor: um ponto com alta qualidade mdia e baixa incerteza.
O trabalho apresenta exemplos de como aplicar esse novo conceito em cinco diferentes
problemas de engenharia: incorporao da incerteza em processo de tomada de deciso, escolha
de uma realizao representativa dentre todas disponveis, ordenao das realizaes pela
qualidade para um determinado cenrio de produo, comparao entre reservatrios e locao
de poos produtores. Neste ltimo caso, so escolhidos diferentes nmeros de poos totais para
o reservatrio e, para cada uma dessas situaes, um algoritmo de otimizao escolhe as
melhores locaes baseado num mapa de qualidade. Com este procedimento possvel escolher
um nmero timo de poos a perfurar em um projeto de explotao. A metodologia foi
desenvolvida contemplando somente poos produtores verticais. Como trabalho futuro foi
indicada a considerao de poos no verticais e poos injetores, bem como a utilizao de outra
medida de qualidade que no a produo acumulada de leo, como o VPL do projeto.
12
Pedroso e Schiozer (2000) propuseram metodologia automatizada para otimizar locaes de

poos em um campo, fazendo uso de computao paralela para acelerar o processo.
O modelo numrico do reservatrio, j com um espaamento entre poos definido,

submetido ao simulador. Com os resultados da simulao os poos so ordenados de acordo
com uma funo objetivo, no caso a produo acumulada de leo de cada poo. Os piores poos
so retirados do modelo e nova simulao feita. O processo repetido enquanto houver ganho
na economicidade do projeto. Em seguida, voltando-se malha original de poos, um dos poos
transladado para uma clula ao seu redor, em qualquer direo, e todos os demais poos
sofrem o mesmo deslocamento, de maneira que a malha de poos translada integralmente para
aquela posio/direo, sendo que s so mantidos os poos que ocupem clulas ativas.
Novamente todo o processo de retirada de poos executado. Depois de esgotadas todas as
possibilidades de movimentao da malha, considera-se novo espaamento entre poos e todo os
processo repetido. No final podem ser traados diversos grficos de resultados econmicos ou
de reservatrio para comparao dos cenrios obtidos e escolha do mais adequado segundo os
interesses da empresa.
A metodologia no de difcil implementao, uma vez que no demanda nenhum

conhecimento especfico. O nmero de simulaes requerido grande mas o uso de
processamento paralelo automatizado minimiza o tempo do processo. O resultado obtido um
leque de opes de desenvolvimento otimizado para facilitar o processo de deciso gerencial,
muito embora no sejam consideradas situaes de incerteza nos dados de entrada. A
metodologia foi desenvolvida contemplando apenas poos verticais e sem injeo de fludos.
Mezzomo (2001) apresentou um procedimento de fcil implementao para a estimativa do

nmero timo de poos e respectivas locaes. Tambm forneceu metodologia para a escolha de
novas locaes em um campo j desenvolvido, incluindo a a considerao de injeo de fludos
como recuperao suplementar. Em ambos os casos os procedimentos podem ser automatizados.
13
Na primeira situao, partindo-se de um modelo de simulao j pronto, define-se uma

malha de produtores com espaamento inicial pequeno. Em seguida roda-se o simulador e
calcula-se a funo objetivo escolhida para o campo como um todo e para cada poo
individualmente. Os poos so, ento, ordenados pela funo objetivo e os 20% piores poos
dessa ordenao so retirados da prxima simulao, ressalvando-se que poos adjacentes no
devem ser retirados simultaneamente. O processo repetido at que o valor da funo objetivo
do campo decresa. O procedimento no aplicvel a reservatrios onde necessria a injeo
de gua ou gs visto que no considerada a utilizao de poos injetores.
Para definio de novas locaes em um campo j desenvolvido, primeiro obtm-se, via

simulador de fluxo, um mapa de saturao de leo residual do arranjo original aps cinco anos
de produo. Com base nessa mapa, escolhida uma possvel locao para um produtor ou para
um injetor ou para quaisquer combinaes de produtores e injetores. Todas as possibilidades so
submetidas ao simulador. A melhor possibilidade escolhida com base nos valores calculados
da funo objetivo.
Guedes HWDO (2000) apresentaram uma metodologia conceitual para definio de cenrios de
desenvolvimento de projetos de explotao sob incerteza e em guas profundas.
A premissa bsica a de que o volume de leo LQ VLWX o atributo mais importante quando
se trata de um projeto de explotao. Desse modo, so definidos trs cenrios, representando as
expectativas mxima, mnima e mdia para esse volume e, para cada um destes, adotada uma
malha de drenagem, envolvendo inclusive, se necessrio, poos injetores. Tambm so definidos
o sistema de produo e o arranjo submarino. A escolha da malha de drenagem pode ser feita a
partir de diversos arranjos oriundos da experincia dos profissionais da engenharia e geologia de
reservatrios da empresa. Um simulador de fluxo permite selecionar a malha de maior retorno
para o projeto. Ento, para cada cenrio de volume de leo
LQ VLWX
, so calculados indicadores
econmicos e de reservatrio que serviro para balizar a deciso por uma das seguintes opes:
investir em informaes adicionais como forma de reduzir as incertezas do projeto ou iniciar o
14
desenvolvimento da rea ou ento desenvolver a rea e investir em informaes

simultaneamente.
Caso o caminho escolhido seja desenvolver o projeto, so elaborados pelo menos trs
concepes de projeto completas do sistema de produo. feita a anlise econmica de cada
opo levando-se em conta as incertezas presentes nos demais atributos econmicos e de
reservatrio. A concepo adotada aquela que apresente os melhores indicadores econmicos.
Por fim, feita uma otimizao adicional do projeto de desenvolvimento, no qual se busca
reavaliar o nmero timo de poos definido na malha base anterior pelo acrscimo ou retirada
gradativos de poos na simulao. Para ordenar os poos a retirar ou novas locaes a
acrescentar no modelo de simulao, foi proposto um ndice de Aproveitamento. Esse ndice a
razo entre um Fator de Confiana (emprico e adimensional, associado locao) e o Custo
Relativo do poo, sendo este calculado pela razo entre os investimentos feitos no poo e sua
produo acumulada, ambos atualizados para a data de incio dos investimentos. O investimento
gasto em eventuais poos injetores rateado e includo no custo dos produtores.
Em outro trabalho, Guedes
HW DO
(2001) mostraram um exemplo de desenvolvimento da
explotao de um campo martimo real, enfocando a otimizao da malha de drenagem e

tambm do sistema de produo.
O campo possui vrios reservatrios turbidticos pouco espessos, em lmina de gua

profunda e ultraprofunda e com grande extenso territorial. Alm disso, h incerteza quanto ao
volume de leo LQ VLWX. Tudo isso implica num projeto de explotao complexo, tendo sido, por
conta disso, dividido em quatro mdulos de produo. O trabalho restringe-se a somente um dos
mdulos. Foi aplicada a metodologia descrita em Guedes
HW DO
(2000) tendo como ponto de
destaque o uso de Mapas de Qualidade [Cruz HWDO, 1999] para escolha de possveis locaes de
poos. Esses mapas permitiram que um time multidisciplinar de especialistas da empresa
propusesse malhas de drenagem para os horizontes envolvidos. Posteriormente, tanto a malha de
15
poos de cada horizonte quanto o sistema de produo do campo foram otimizados at se chegar
ao projeto definitivo.
Para definio da linha de ao deste trabalho, optou-se pelo uso de procedimentos

simplificados para definio de uma estratgia de produo adequada a cada situao. Algumas
das metodologias j citadas envolvem conhecimentos e prticas elaboradas, que fogem ao
escopo proposto aqui. De modo simplificado, a definio da melhor malha de poos feita entre
um leque de opes clssicas e de uso extenso na indstria. A escolha recai sobre aquela que
fornecer o melhor valor da funo objetiva considerada. No se espera com isso obter um timo
absoluto na drenagem do reservatrio, mas sim uma opo adequada que satisfaa os objetivos
propostos neste trabalho.
16
7UDWDPHQWRGH,QFHUWH]DVH$QiOLVHGH5LVFR
Durante a vida de um reservatrio ou campo de petrleo, da etapa exploratria at o

abandono da jazida, o volume de informaes adquiridas caracterizado por um contnuo
crescimento. Inversamente, as incertezas sobre a caracterizao do reservatrio vo sendo
paulatinamente eliminadas. Mesmo no abandono, no se pode dizer que o conhecimento total
ou que as incertezas foram eliminadas.
Incerteza aqui entendida como a incapacidade de atribuir um nico valor ou distribuio

de probabilidade razoavelmente precisos a uma propriedade ou atributo de caracterizao da
rocha ou dos fludos nele presentes.
A elaborao de uma previso do comportamento futuro de produo ou econmico de

uma jazida a premissa bsica para o suporte deciso quanto a investimentos e aes a
realizar. Por sua vez, essa previso dependente, dentre outros fatores, do conhecimento dos
atributos do reservatrio em questo, muito embora previses possam ser feitas pela simples
utilizao de valores obtidos de reservatrios correlatos. As incertezas presentes na
quantificao desses atributos implicam em risco para o processo decisrio, na medida em que
no se tem uma previso exata dos resultados futuros do projeto.
A metodologia de anlise de risco aqui adotada como ferramenta para verificao do

impacto da estratgia de produo nas previses de produo com risco foi desenvolvida por
Steagall (2001). Essa metodologia consta dos seguintes passos:
17
Tratamento das incertezas existentes, com a definio dos atributos de reservatrio

tidos como incertos, seus valores e probabilidades de ocorrncia associadas;
Definio dos atributos mais crticos atravs de uma anlise de sensibilidade parmetro
a parmetro, a partir do modelo de reservatrio mais provvel;
Simulao de todos os modelos probabilsticos possveis obtidos da combinao dos

atributos crticos e clculo da funo objetivo para cada modelo. Na montagem dos
modelos de simulao os atributos crticos so tratados como independentes entre si. A
funo objetivo escolhida para este trabalho foi o Valor Presente Lquido (VPL);
Obteno da curva de risco do projeto atravs da tabulao dos resultados de VPL

contra probabilidades de ocorrncia acumuladas;
Obteno de modelos de simulao representativos das expectativas de realizao

otimista, mais provvel e pessimista do VPL atravs de grfico especializado.
A seguir feita uma descrio mais detalhada dessa metodologia, realando os pontos de
maior destaque.
7UDWDPHQWRGDV,QFHUWH]DV
Na ausncia de um valor definido, a expresso da incerteza de um determinado atributo

pode ser feita pelo estabelecimento de um conjunto de valores estimados, associados a
probabilidades de ocorrncia individuais.
18
A identificao do conjunto de atributos sobre os quais repousa incerteza e o conseqente

estabelecimento de valores e probabilidades para cada um deles cabe ao grupo de especialistas,
gelogos e engenheiros, envolvidos na avaliao do reservatrio em estudo.
Do universo de atributos incertos presentes num estudo devem ser selecionados somente
aqueles julgados de significativa influncia na previso de comportamento do reservatrio, de
maneira a reduzir a complexidade do trabalho sem reduzir sua qualidade. Quando possvel, a
agregao de vrios atributos incertos num nico representante tambm contribui para a reduo
do nmero de variveis em questo. Isso ocorre, por exemplo, com a anlise PVT do leo,
quando as diversas propriedades do leo so tratadas de maneira conjunta.
Para atributos que se caracterizam por uma distribuio contnua de probabilidade de

ocorrncia (Figura 3.1), muito embora possam ser adotados mais nveis de incerteza, usual a
adoo de trs nveis (Jensen, 1998; Salomo e Grell, 2001), representando os valores otimista,
pessimista e mais provvel. Os dois primeiros valores podem, se necessrio, ser definidos de
maneira direta pela multiplicao, diviso ou translao do valor mais provvel.
Os atributos representativos das propriedades da rocha necessitam ter especificadas suas

distribuies espaciais. Nesse caso podem ser selecionadas imagens estocsticas (Ballin
HW DO
1993 e Loschiavo, 2000) representando os trs nveis de incerteza. Na ausncia destas, pode ser
utilizado um mapa com uma modelagem determinstica do atributo como o nvel mais provvel
e a adoo de fatores multiplicadores ou de translao para os nveis pessimista e otimista.
Para atributos que se caracterizam por uma distribuio discreta de probabilidades (Figura
3.1), como anlises PVT ou curvas de permeabilidade relativa, o nmero de nveis de incerteza a
ser adotado definido pela quantidade de anlises confiveis e representativas disponveis.
Nestes casos pode no ser possvel definir quais so os nveis otimista e pessimista sem o uso de
simulao de fluxo.
19

- .

0,1
0,08
+ ,
*+ ,
0,06
0,04
0,02
Xmn
! " # $ % & ' (! )
Xmx
/103234653718193:1;<0 /=0 0>0 2=0 4

! " # $ % & ' (! )
)LJXUD([HPSORGH'LVWULEXLomRGH9DULiYHLVDGDSWDGRGH1HZHQGRUS
Seguindo essas recomendaes, a Tabela 3.1 apresenta, de maneira apenas simblica, um

agrupamento de atributos de distribuio contnua e a Tabela 3.2 os de distribuio discreta.
7DEHOD([SUHVVmRGD,QFHUWH]DGH$WULEXWRV&RQWtQXRV
$WULEXWRV
Atributo A
Atributo B
Atributo C
Atributo D
1tYHLV
3UREDELOLGDGH
A1
A2
A3
B1
B2
B3
C1
C2
C3
D1
D2
D3
P otimista
20
P mais provvel
P pessimista
P otimista
P mais provvel
P pessimista
P otimista
P mais provvel
P pessimista
P otimista
P mais provvel
P pessimista
7DEHOD([SUHVVmRGD,QFHUWH]DGH$WULEXWRV'LVFUHWRV
$WULEXWRV
1tYHLV
Atributo E
E1
E2
F1
Atributo F
F2
F3
F4
G1
Atributo G
G2
G3
Atributo H
H1
H2
(*) nveis mais provveis.
3UREDELOLGDGH
PE1*
P E2
P F1
P F2
P F3*
P F4
P G1
P G2*
P G3
P H1
P H2*
A combinao de todos os nveis ou valores dos atributos incertos em modelos de

reservatrio para simulao cobre todo o universo de incertezas presentes no estudo. No entanto
isso representa, na maioria das vezes, um elevado nmero de modelos a simular. Como
ilustrao, tomando-se como exemplo a representao simblica das anterioresseriam:
cinco atributos com trs nveis cada;

dois atributos com dois nveis cada;
um atributo com quatro nveis.
Isso representaria um total de:
1
modelos
= 35 2 2 41 = 3888 modelos
21
$QiOLVHGHVHQVLELOLGDGH
Para reduzir a quantidade de modelos possveis a um nmero razovel, feita uma anlise
de sensibilidade dos parmetros com o uso de simulao numrica de fluxo.
A anlise de sensibilidade permite que cada um dos valores de cada atributo incerto seja
classificado, segundo sua relevncia no desempenho do reservatrio, em
Assume-se neste trabalho que os nveis
FUtWLFR
ou
QmR FUtWLFR
QmR FUtWLFRV
, sejam eles de distribuio contnua ou
discreta, possam ser eliminados sem prejuzo da qualidade da anlise de risco do projeto. Esse
ponto investigado por Costa e Schiozer (2002). Os atributos incertos
FUtWLFRV
passam, ento, a
representar toda a incerteza presente no projeto. O ganho da anlise de sensibilidade a reduo

do nmero total de modelos a simular, decorrente do menor nmero de variveis a combinar.
Esta etapa demanda o uso de um modelo numrico de reservatrio completo para as

simulaes. Neste ponto do estudo, o modelo utilizado aquele constitudo pelo conjunto de
todos os nveis mais provveis dos atributos incertos e aqui nomeado de 0RGHOR%DVH ou &DVR
%DVH
Para esse Modelo Base deve ser definida uma estratgia de produo otimizada, atravs da
escolha de uma malha de drenagem adequada e definio de condies ou limites operacionais
para a produo do reservatrio. Nesta metodologia de anlise de risco, essa estratgia definida e
otimizada para o Modelo Base mantida para todos os demais modelos de reservatrio.
22
A anlise de sensibilidade , ento, feita com cada nvel de atributo crtico sendo inserido
no Modelo Base em substituio ao respectivo nvel mais provvel. So feitas tantas simulaes
quantos forem esses nveis e os resultados mostrados num grfico em comparao com a
simulao do Modelo Base. A Figura 3.2 apresenta um exemplo desse grfico, ainda usando
como referncia Tabela 3.1 e Tabela 3.2.

93/

;<
&:2

&94
3

&5

67
#8
&342

"!#$%"&"'
!
(&"'))
* + , -. / + 0 1
)LJXUD([HPSORGH$QiOLVHGH6HQVLELOLGDGH
Esse grfico permite uma fcil visualizao da importncia relativa de cada nvel de
atributo em relao ao Modelo Base. A eliminao dos nveis menos influentes se d pela
escolha de um valor de variao relativa abaixo da qual se considera desprezvel a influncia de
um nvel de atributo. Se adotado que variaes de at, por exemplo, 10% em relao ao VPL do
Modelo Base no so relevantes, seriam eleitos como crticos os Atributos C e E, os Nveis 1 e 2
do Atributo F e o Nvel 1 do Atributo G. De um total inicial de oito atributos incertos com 33
nveis de incerteza restariam:
Atributo C com trs nveis de incerteza;

Atributo E com dois nveis;
23
Atributo F agora com trs nveis (quatro anteriormente);

Atributo G com dois nveis (trs anteriormente).
A quantidade total de modelos a simular cairia de 3.888 para
= 31 21 31 21 = 36 modelos ,
modelos
o que representa uma enorme vantagem em termos de economia de recursos computacionais e

rapidez do processo de anlise de risco.

6LPXODomRGRV0RGHORVGH5HVHUYDWyULR
Aps a anlise de sensibilidade, os atributos discretos que sofreram eliminao de nveis

devem ter a probabilidade de seus valores remanescentes redistribuda. So ento gerados todos
os modelos de simulao possveis com a combinao de todos os nveis dos atributos crticos.
Cada um desses modelos tem sua probabilidade de ocorrncia calculada a partir das
probabilidades individuais dos nveis usados na sua construo:
modelo
e, tambm
=3
3
24
modelo
......
=1
Todos os modelos so, ento, submetidos ao simulador numrico e geradas as respectivas

curvas de fludos produzidos e injetados. Utilizando um programa ou planilha de anlise
econmica, so calculados os VPL individuais de cada modelo. Cada VPL possui a
probabilidade de ocorrncia do modelo que o gerou.
&XUYDGH5LVFRGR3URMHWR
Os VPL calculados so tabulados em ordem decrescente e computada uma coluna

adicional com as probabilidades acumuladas. Pode-se, ento, construir a curva de risco do VPL
do projeto para o perodo de produo considerado. A Figura 3.3 um exemplo dessa curva.

3UREDELOLGDGH$FXPXODGD
&859$'(5,6&2$662&,$'2
93/
)LJXUD&XUYDGH5LVFRGR93/3DUDXP'HWHUPLQDGR3HUtRGRGH3URGXomR
25
Como subsdio a um processo de tomada de deciso usual a expresso do risco de um

projeto pela apresentao de valores do VPL associados aos percentis de 10%, 50% e 90% de
probabilidade de ocorrncia. Um VPL associado ao percentil P90 significa que existem 90 % de
chances do VPL do projeto ser igual ou superior a esse nmero. Esta , portanto, a estimativa
pessimista para o VPL real do projeto. Analogamente, o VPL associado ao percentil P10 a
estimativa otimista e o VPL associado ao P50, a estimativa mdia. A obteno desses valores a
partir da curva de risco pode ser vista na Figura 3.4.
&859$'(5,6&2$662&,$'2

$93/#3

%93/#3

&93/#3

&
%

93/
)LJXUD2EWHQomRGRV9DORU3UHVHQWH/tTXLGRSDUDXP3HUFHQWLO'HVHMDGR
26
(VFROKDGRV0RGHORV5HSUHVHQWDWLYRV
Um dos destaques desta metodologia perante outras anlises de incerteza encontradas na

literatura, a possibilidade de se escolher, dentre todos os modelos numricos simulados,
aqueles que possam ser tomados como representativos das estimativas otimista, pessimista e
moderada da funo objetivo.
Estes modelos representativos so mais um subsdio tomada de deciso por permitirem,

por exemplo, dimensionamento de instalaes de produo, detalhamento posterior dos planos
de desenvolvimento e avaliar a flexibilidade entre esses planos para cada uma das expectativas
de realizao.
No critrio proposto pelo autor, grafa-se o valor do VPL contra o FR para cada modelo
simulado num grfico como o da Figura 3.5. Desta maneira pode-se realizar a anlise dos
modelos com relao a duas caractersticas muito importantes do reservatrio e que sintetizam
muitas das propriedades dos atributos, o volume de leo original e o fator de recuperao, que
expressa a eficincia da drenagem, e decorrente das propriedades de fluxo de fluidos associado
ao esquema de produo, (Steagall, 2001).
27
O prximo passo marcar, no grfico, linhas para os percentis de expectativa do VPL

desejados, conforme mostrado na mesma figura. Para cada expectativa de VPL so escolhidos
aqueles modelos mais prximos da sua respectiva linha. Mais de um modelo pode ser escolhido
para cada percentil, permitindo a apreciao entre modelos de caractersticas fsicas diferentes
para uma mesma expectativa de VPL. No exemplo mostrado est indicada a escolha de seis
modelos ao todo, sendo dois modelos para a estimativa otimista, trs para a mediana e somente
um para a pessimista.
No exemplo apresentado por Steagall (2001), ocorre o agrupamento dos pontos em famlias
de VOIS, o que representa uma situao particular que facilita o processo de escolha dos
modelos. No abordado um procedimento de definio do nmero de modelos a escolher para
situaes de disperso dos pontos pelo grfico. Esse aspecto analisado por Costa e Schiozer
(2002).
(6&2/+$'2602'(/265(35(6(17$7,926

93/

)5
)LJXUD'HWHUPLQDomRGRV0RGHORV5HSUHVHQWDWLYRVHP*UiILFR(VSHFLDOL]DGR
28
(VWUDWpJLDGH3URGXomR
Para a previso de desempenho de um campo de petrleo, to importante quanto ter uma

metodologia para lidar com as incertezas do reservatrio, a definio do conjunto de
procedimentos e tcnicas a serem empregados na sua drenagem, isto , a sua estratgia de
produo.
Restringindo o enfoque sub-superfcie, estipular uma estratgia de produo significa

definir os seguintes itens:
Nmero, tipo e localizao dos poos produtores e injetores;

Cronograma e seqncia de entrada em operao dos poos;
Poltica de canhoneios, recompletaes e converses;

Implantao de tcnicas de recuperao suplementar;
Condies e limites de operao dos poos: vazes de produo/injeo por poo,
limitao das presses de fundo, controle da produo de gua e gs, etc.;
Mtodo de elevao artificial de fludos.

29
A definio da estratgia de produo funo, dentre outros, dos seguintes critrios:
Caractersticas do reservatrio: volume e tipo de hidrocarbonetos presentes,

dimenses, forma e propriedades da rocha, necessidade de recuperao suplementar,
conectividade
hidrulica
do
meio
poroso,
presena
de
aqfero,
produtividade/injetividade esperada dos poos, etc.;
Consideraes tcnicas e tecnolgicas: lmina de gua, viscosidade do leo, etc.;

Consideraes econmicas: disponibilidade de caixa da empresa, metas de
lucratividade, custos de poos e de instalaes, etc..
Levando-se em conta os critrios anteriores, a estratgia de produo a implantar deve

buscar a maximizao do retorno econmico do reservatrio e, dentro do possvel, da
recuperao final de hidrocarbonetos. Outro aspecto importante que, num processo de anlise
de risco de um projeto com incertezas, a definio da estratgia deve levar em conta o fator
flexibilidade, no sentido de, dentro de um cenrio probabilstico, poder atender a um variado
espectro de realizaes esperadas sem grande acrscimo ou desperdcio de recursos.
Diferentes estratgias de produo aplicadas a um modelo de reservatrio a simular

conduzem a diferentes comportamentos e resultados para o mesmo reservatrio. A Figura 4.1
mostra um exemplo de acentuada diferena na produo acumulada de leo para o mesmo
modelo de reservatrio, onde o Plano
possui maior quantidade de poos, mas as mesmas
condies operacionais dos poos do Plano $.
30
352'8d2$&808/$'$'(/(2

1S 1P
3ODQR$
3ODQR%

DQRV
)LJXUD&RPSDUDomRHQWUHHVWUDWpJLDVGHSURGXomRSDUDRPHVPRUHVHUYDWyULR
O processo de busca da estratgia de produo tima para cada caso pode ser invivel ou
conduzir a vrias solues equivalentes devido complexidade do problema e
interdependncia entre os fatores que definem o desempenho de um reservatrio.
Diversos autores, entre eles Beckner e Song (1995), Bittencourt e Horne (1997) e
Pedroso Jr. e Schiozer (1999), tm proposto metodologias para o lanamento de malhas de
poos, certamente o mais importante aspecto da drenagem de um reservatrio. Na prtica,
quando na anlise de um reservatrio em particular, podem ser formuladas algumas estratgias
de drenagem baseadas na experincia e/ou uso de tcnicas consagradas e escolhida aquela que
maximiza o objetivo desejado. A estratgia escolhida pode, ento, passar por algum processo de
otimizao com a inteno de obter ganhos adicionais nos resultados do projeto. Com este
procedimento, mesmo que no se atinja a drenagem ideal, pode-se ter confiana em ter
garantido uma eficiente alternativa de produo.
Para uma estratgia de produo j definida, pode-se otimiz-la atravs de um estudo de

realocao de poos, reviso do cronograma de entrada em operao, remoo de poos de
menor influncia, verificao da melhor condio de injeo, etc.
31
A aplicao de uma metodologia de anlise de risco a um projeto otimizando

individualmente a estratgia de produo de cada modelo envolvido fornece um cenrio de
deciso com todos os seus possveis resultados econmicos e de produo maximizados. Mas,
devido ao nmero freqentemente elevado de modelos envolvidos e complexidade que cada
otimizao de estratgia pode ter, essa uma tarefa que consome uma enorme quantidade de
trabalho e tempo. Adicionalmente, esse procedimento pode implicar num cenrio de deciso
com estratgias de produo muito diferentes entre as possveis realizaes do projeto,
aumentado o risco de uma ou outra deciso j que algumas definies so irreversveis, como
por exemplo, o dimensionamento de plataforma e dutos de transporte. O processo de deciso em
si torna-se mais difcil e envolve maior risco.
Num outro extremo, a anlise de risco pode ser feita utilizando-se uma nica estratgia
de produo, otimizada para o modelo de reservatrio mais provvel. Nesse caminho tem-se a
vantagem da reduo do trabalho e tempo envolvidos e a facilidade da implantao de uma
nica definio de projeto, mas no se deve esperar que essa estratgia otimizada para um s
modelo propicie o mximo em termos de retorno econmico ou de produo para as demais
possveis realizaes do projeto.
Entre esses dois extremos, outras possibilidades podem ser vislumbradas. No caso da
metodologia de risco utilizada neste trabalho, que considera estratgia de produo nica para o
modelo mais provvel, o prprio autor sugere as seguintes alternativas:
A utilizao de uma estratgia de produo para cada modelo estrutural do

reservatrio, quando este for um dos parmetros incertos do reservatrio;
Utilizao de diversas estratgias de produo combinadas aos modelos incertos do

reservatrio, o que, no caso de um grande nmero de modelos, ocasiona um brutal
aumento do nmero de simulaes;
32
Partindo-se de uma estratgia nica, selecionar modelos representativos otimista,

mdio e pessimista e para cada um destes modelos otimizar a estratgia de drenagem
atravs de novos estudos por simulao numrica de fluxo;
Automatizao da estratgia de produo para todos os modelos a partir de premissas

bsicas, possibilitando uma anlise das previses de produo em iguais condies
entre os diversos modelos.
Dessa forma, a questo que se coloca saber se possvel trabalhar com um nmero
reduzido de otimizaes num estudo do risco sem perda de qualidade. Alm da economia de
recursos na anlise em si, um menor nmero de opes de explotao implica em menor chance
de ocorrer sub ou sobre-dimensionamento do sistema de produo a implantar, facilitando a
tomada de deciso.
33
0HWRGRORJLD3URSRVWD
Os principais passos deste trabalho esto descritos abaixo. Parte destes pertencem
metodologia de anlise de risco adotada e j foram abordados na seo anterior. Somente os
demais passos sero explicados, na seqncia.
Definio dos atributos incertos, seus valores e probabilidades de ocorrncia;

Montagem do modelo de simulao usando os nveis mais provveis de todos os
atributos incertos;
Escolha de uma estratgia de produo adequada e posterior otimizao da mesma;

Anlise de sensibilidade parmetro a parmetro para definio dos atributos crticos;
Montagem e simulao de todos os modelos possveis com os atributos incertos
crticos e clculo do VPL de cada modelo. No so levadas em conta interaes entre
atributos;
Gerao da curva de risco do projeto e definio dos VPL otimista, mais provvel e
pessimista;
Escolha dos modelos representativos para cada expectativa de VPL;

34
Verificao da validade, para cada modelo representativo, da manuteno da malha de

drenagem herdada do Modelo Base;
Otimizao da estratgia de cada modelo representativo e verificao dos resultados.

'HILQLomRGD(VWUDWpJLDGH3URGXomRGR0RGHOR%DVH
Para definir uma estratgia de produo inicial para o Modelo Base so selecionadas e
testadas algumas configuraes usuais de malhas de drenagem regulares, incluindo-se a
diferentes espaamentos. A configurao que maximizar o VPL do projeto passa a ser a adotada
nos prximos passos.
A definio de um cronograma inicial de entrada em operao dos poos foi obtida a partir
da priorizao dos mesmos pelo VPL. Mezzomo (2001) adotou um procedimento simples que
consiste em simular o reservatrio com todos os poos produtores, e somente estes, entrando em
operao simultaneamente. Posteriormente calculado o VPL individual dos poos. A
ordenao decrescente dos produtores pelo seu VPL passa a ser a ordem inicial de entrada em
operao dos mesmos.
35
Deve ser adotada uma taxa de entrada de poos em operao de acordo com a
disponibilidade estimada de sondas de perfurao e completao. Concomitantemente ou aps a
entrada em operao de um produtor escolhe-se o melhor injetor disponvel ao seu redor, de
modo a compensar a queda de presso da rea drenada desse produtor. Como meio de avaliar a
qualidade de um injetor, usado um procedimento anlogo ao utilizado para os produtores, isto
, simula-se o reservatrio com todos os injetores entrando simultaneamente em operao e
calculam-se os VPL individuais. Poos injetores no geram receitas diretamente e, j que todos
os injetores tm o mesmo custo inicial, o melhor injetor aquele que apresenta o VPL mais
negativo (ou o maior em valores absolutos), pois isso indica que o mesmo injetou maior volume,
e mais cedo, que os demais. Em outras palavras, trata-se de ordenar os injetores pela sua injeo
atualizada.
As condies e limites operacionais poos devem ser fixadas de acordo com expectativas
passveis de realizao, mas sempre visando a maximizao do retorno do projeto: poltica de
canhoneios e de recompletaes, esquema de completao dos poos, mxima vazo de produtor
ou injetor, limites operacionais de presso de fundo dos poos, mxima razo gs-leo
admissvel, etc. Uma vez definidos, estes valores devem ser mantidos durante todo o processo.

Aps a definio da estratgia inicial do Modelo Base, o prximo passo a otimizao de

sua estratgia de produo. Se fossem considerados todos os parmetros envolvidos, o problema
seria complexo e possivelmente com muitas solues aceitveis. O procedimento adotado foi o
de escolher de um leque de aes capaz de melhorar o VPL do projeto quando aplicado ao
modelo de simulao. Estes passos de otimizao so os seguintes:
1) Remover poos produtores que apresentem VPL negativo;
2) Reordenar cronograma de entrada em operao a partir do VPL individual dos poos;

36
3) Avaliar a possibilidade de realocao de poos produtores ou injetores;
4) Remover os injetores menos importantes;
5) Desativar canhoneados com produo de leo desprezvel;
6) Remover produtores de menor expresso;
7) Converter produtores em injetores.
A escolha desses passos de otimizao baseada em experincia segundo critrios

testados ao longo deste trabalho. Para padronizao dos critrios de otimizao, os passos so
sempre aplicados conforme ordenados na lista. Igualmente, outros passos poderiam ser
propostos, testados e includos na lista ou substituir alguns dos selecionados. A proposta deste
trabalho no determinar uma metodologia de otimizao absoluta mas usar um mtodo
adequado ao problema considerado.
Se, ao aplicar um passo, ocorrer ganho no valor da funo objetivo, a modificao

preservada no modelo de simulao e o passo seguinte executado. Caso contrrio, o modelo
mantido e o passo seguinte executado. Como forma de maximizar a otimizao, cada modelo
submetido ao conjunto de passos de otimizao uma segunda vez, ao fim da qual considera-se
que a otimizao foi concluda. A aplicao de uma terceira ou quarta rodada considerada
desnecessria dado que, conforme testes efetuados, os ganhos passam a ser progressivamente
menores e pouco significativos.
37
Para aplicao do Passo 1 feita uma simulao e os VPL individuais calculados.

Havendo algum produtor com VPL negativo ele removido do Modelo Base. Dois aspectos
devem ser ressaltados: a) no clculo do VPL individual no esto sendo considerados os custos
do sistema de produo, somente os custos de realizao e operacionais do poo e b) a malha de
drenagem j escolhida e agora em otimizao , se no a melhor, pelo menos uma boa
estratgia. Com isso, um poo que apresente VPL negativo nessas condies encarado
realmente como um poo de mau desempenho, no se esperando que a aplicao dos outros
passos de otimizao do modelo possam melhorar seu desempenho.
Caso mais de um poo apresente VPL negativo, testada a combinao da retirada

conjunta desses poos, sendo ento feita uma nova simulao com o produtor mais indicado
(aquele de menor VPL) retirado juntamente com o segundo mais indicado. Se houver aumento
no VPL do campo, o terceiro mais indicado tambm removido em conjunto com os outros dois
e assim por diante at que no haja mais ganho de VPL. So ento retirados do Modelo Base
todos os poos resultantes desse teste.
Para o Passo 2, feita nova simulao e os poos produtores ordenados pelo seu VPL.
Essa ordenao comparada com a seqncia de entrada em operao do prprio modelo. Se
diferentes, a ordenao do VPL passa a ser a nova ordenao do modelo. Este procedimento
aplicado at que ou o VPL do novo modelo seja menor que o anterior ou que as duas seqncias
- pr e ps ordenao por VPL - sejam iguais.
O Passo 3 faz uso do mapa de volume de leo no drenado para avaliar visualmente a
possibilidade de realocao de poos produtores visando melhorar a drenagem do modelo e
aumentar seu VPL. Procuram-se reas do reservatrio que permaneam com elevada quantidade
de leo ao final da simulao. Inicialmente, numa malha regular adensada no haveria como
realocar poos a menos de pequenos deslocamentos. No entanto, essa possibilidade pode ocorrer
caso sejam retirados poos em algum dos outros passos de otimizao ou que um poo tenha
sido alocado inicialmente num ponto de muito baixa qualidade de reservatrio.
38
O Passo 4 busca eliminar do Modelo Base os injetores cuja contribuio ao desempenho

econmico do campo inferior ao seu custo de realizao e manuteno. Este passo consiste em
efetuar simulaes desativando um poo injetor de cada vez. O poo cuja retirada resultou em
aumento de VPL do campo candidato retirada do modelo. Para mais de um candidato,
testada a combinao da retirada conjunta de injetores de maneira anloga ao explicado no Passo
1.
O Passo 5 consiste em verificar a produo de leo dos poos por trecho canhoneado. So
selecionados aqueles poos que apresentam uma camada, usualmente a ltima, com uma curva
de produo que possa ser considerada de pouca influncia para o desempenho econmico do
poo. Para cada um desses poos feita uma simulao com essa camada desativada e o VPL do
campo comparado. Se houve aumento para um poo, este poo a ser candidato a ter seu
canhoneado desativado. Havendo mais de um candidato, o mesmo critrio de teste do Passo 1
aplicado.
O critrio de se considerar pouco influente uma curva de produo pode ser feito
adotando-se um limite de vazo de leo to baixo quanto se queira. Estando abaixo desse limite
a curva passa a ser considerada desprezvel. O ganho advindo dessa atitude pode ser entendido
pelo fato de que, associado a uma baixa produo de leo, h, na maioria das vezes, uma
sensvel produo de gua. A desativao do trecho canhoneado responsvel implica em
reduo de custos de tratamento da gua produzida, podendo tambm contribuir para retardar a
queda de presso da rea drenada ao redor.
A execuo do Passo 6 busca eliminar aqueles produtores que, apesar do VPL individual
positivo, tm contribuio inexpressiva no VPL do campo. Com a retirada de um poo nessa
situao, deixa-se de realizar seus custos de perfurao e completao. O leo que deixar de ser
produzido pode s-lo atravs de outro poo. A execuo deste passo totalmente anloga do
Passo 4.
39
O Passo 7 tem sua execuo feita em duas aes no excludentes. Em primeiro lugar so
selecionados os produtores que apresentam o pior desempenho em termos de VPL individual.
Esses poos passam a ser testados como injetores desde o incio de sua operao. Roda-se o
simulador individualmente com cada um destes poos atuando como injetor. Havendo ganho em
mais de um caso, aplica-se o critrio do Passo 1. Em seguida, a segunda ao consiste em
converter para injetor aqueles poos que tenham encerrado sua vida produtiva prematuramente
em relao aos demais. No h de se esperar ganho expressivo neste ltimo procedimento j que
os eventuais benefcios da converso so, na maioria das vezes, em data distante da qual se
calcula o valor presente do fluxo de caixa. Novamente, havendo mais de um poo aplica-se o
critrio do Passo 1.
Cada um dos modelos representativos apresenta caractersticas de desempenho

diferenciadas entre si e tambm em relao ao Modelo Base. Por outro lado, esses mesmos
modelos herdaram a malha de drenagem que foi escolhida e empregada especificamente no
Caso Base. Pode-se ento questionar se essa malha de poos ainda permanece como a mais
adequada para cada modelo representativo. Como resposta a esse questionamento, verifica-se a
possibilidade de que alguma das demais malhas anteriormente testadas no Modelo Base venha
agora a apresentar melhores resultados nos modelos representativos.
Basicamente, as mesmas configuraes de malhas de drenagem testadas no Modelo Base

so aplicadas a cada modelo representativo e seus resultados comparados. Aquela que apresentar
melhor desempenho passa a ser adotada nos passos seguintes. Apesar de considerado em
separado, este item pode ser entendido como uma etapa de otimizao dos modelos
representativos, j que algum ganho pode ser obtido caso uma nova e melhor malha de
drenagem venha a ser adotada em algum dos modelos.
40

Aps a definio da estratgia de produo inicial do Modelo Base foi eleito um leque de
sete aes visando otimizar essa estratgia. A aplicao dessas aes foi feita em duas rodadas
consecutivas. O mesmo procedimento de otimizao aplicado a cada um dos modelos
representativos e avaliado o ganho decorrente.
41

$SOLFDomR
A metodologia desenvolvida neste trabalho foi aplicada e testada em dois exemplos. No

primeiro exemplo, o modelo numrico de reservatrio utilizado apresenta fraca heterogeneidade,
sem presena de barreiras de permeabilidade localizadas ou forte contraste nas suas
propriedades. Alm disso, este modelo apresenta modesta diferenciao entre os volumes de
leo
LQ VLWX
para cada modelo estrutural, tendo sido considerada plena comunicao entre os
blocos que o compem
A partir de uma anlise qualitativa dos resultados observados no primeiro exemplo e

considerando-se a inteno de tornar as concluses deste trabalho mais abrangentes, decidiu-se
avaliar a influncia de aspectos como heterogeneidade mais acentuada, maior incerteza quanto
aos volumes dos modelos estruturais considerados e tambm incerteza quanto conectividade
hidrulica entre os blocos que compem o reservatrio. Para isso, um novo modelo de simulao
foi construdo tendo como base o exemplo anterior.
42
([HPSOR
'HVFULomRGR5HVHUYDWyULR
O estudo foi inicialmente conduzido tendo como base um reservatrio marinho da Bacia
de Campos, situado em lmina de gua mdia de 170 m e com volume original
LQ VLWX
de
aproximadamente 100 milhes de m3 de leo de 28 graus API.
Esse reservatrio formado por arenitos turbidticos de boa permeabilidade, confinados

por falhas normais a W, S e SE e por adelgaamento N e NE, conforme pode ser visto na
Figura 6.1. Essas falhas dividiram o reservatrio em trs blocos. H aqfero presente porm
suas dimenses so contidas e sua influncia, em termos de manuteno de presses, limitada.
Decorre da a necessidade de um sistema suplementar para manuteno de presses, no caso foi
adotada a injeo de gua no reservatrio. Originalmente no havia capa de gs j que a presso
inicial era cerca de 110 kgf/cm2 acima da presso de saturao do leo.
A explotao desse reservatrio j dura 22 anos. Atualmente so 30 poos produtores, 8

poos injetores de gua e 1 poo injetor de gs distribudos a partir de duas plataformas fixas de
produo. J foram produzidos cerca de 48 milhes de Nm3 de leo, 58 bilhes de Nm3 de gs e
21 milhes de Nm3 de gua. A injeo de gua j conta com cerca de 69 milhes de Nm3
injetados e a de gs com cerca de 38 milhes de Nm3.
43
1
%ORFR
%ORFR

%ORFR
Falhas
Limite por Adelgaamento
)LJXUD(VERoR(VWUXWXUDOHGD*HRPHWULD([WHUQDGR&DPSRPRGLILFDGRGH
6WHDJDOO
Devido ao contnuo acmulo de informaes obtidas nesses 22 anos de explotao, podese afirmar que este um reservatrio bem conhecido. No entanto, este trabalho reporta-se sua
fase de delimitao, quando as informaes disponveis eram limitadas e carregadas de
incerteza. Para se ter esta condio, os dados utilizados foram somente os disponveis nessa
poca em particular.
44
0RGHODJHPGR5HVHUYDWyULR
A base de dados utilizada para montagem dos modelos de simulao foi a mesma
elaborada por Steagall (2001). Igualmente, so mantidos os mesmos procedimentos de
levantamento e preparo dos dados usados na modelagem do reservatrio pelo autor.
Para o modelo numrico foi adotado uma malha de 51x28x6, resultando num total de
8.568 blocos, dos quais cerca de 60% ativos conforme o modelo. Cada bloco tem as dimenses
areais de 150 x 150 m, com espessura e topo variveis. As camadas foram lanadas de acordo
com a diviso estratigrfica do reservatrio: primeira camada corresponde Subzona I, as
Camadas 2 e 3 correspondem Subzona II e as Camadas 4, 5 e 6 Subzona III. A Figura 6.2
apresenta uma viso tridimensional do reservatrio.
)LJXUD0DSDGH7RSRPGD0DOKDGH6LPXODomR
45
$WULEXWRV,QFHUWRV
Os atributos incertos, seus nveis e probabilidades de ocorrncia considerados para este

modelo de reservatrio esto relacionados na Tabela 6.1 e na Tabela 6.2. Foi admitida total
independncia entre os atributos, ou seja, so possveis todas as combinaes de atributos na
construo de um modelo de reservatrio.
O atributo volume poroso agrega a incerteza no s quanto porosidade mas tambm

quanto ao volume de rocha do reservatrio.
Para a permeabilidade horizontal foi elaborado um mapa determinstico, considerado

como o mais provvel. Os demais nveis so obtidos por fatores multiplicadores aplicados todo
o mapa. Com esse procedimento no est sendo considerada, para este exemplo, a incerteza
quanto distribuio espacial dessas propriedades. O mesmo vale para a permeabilidade
vertical.
A compressibilidade da rocha foi tratada como uniforme para todo o reservatrio e o seu
valor mais provvel foi de 50x10-6 (kgf/cm2)-1.
O atributo modelo estrutural expressa a incerteza quanto presena de leo nos Blocos
estruturais 2 e 3, bem como quanto comunicao entre estes e o Bloco principal 1. O nvel
pessimista presume a no existncia dos Blocos 2 e3. Nesse caso, em termos de simulao
numrica, os blocos de malha dos Blocos estruturais 2 e 3 so desativados. O nvel mais
provvel supe a existncia dos Blocos 1 e 2 somente, ambos com contato leo-gua nico. A
mesma suposio se aplica ao caso otimista com relao aos trs blocos.
Os dados das anlises PVT e as curvas de permeabilidade relativa podem ser vistos no
Apndice A.
46
7DEHOD$WULEXWRV,QFHUWRVGH'LVWULEXLomR&RQWtQXD6WHDJDOO
$WULEXWRV
Volume Poroso
Permeabilidade
Horizontal
Permeabilidade
Vertical
Compressibilidade
da Rocha
1tYHLV
3UREDELOLGDGH
Vpor (base)
Vpor * 1.4
Vpor * 0.7
Kh (base)
Kh * 1,5
Kh * 0.67
Kv (base)
Kv * 2
Kv * 0.5
Cpor (base)
Cpor * 1.2
Cpor * 0.9
0.70
0.15
0.15
0.70
0.15
0.15
0.70
0.15
0.15
0.70
0.15
0.15
7DEHOD$WULEXWRV,QFHUWRVGH'LVWULEXLomR'LVFUHWD6WHDJDOO
$WULEXWRV
1tYHLV
3UREDELOLGDGH
Modelo
Estrutural
Bloco 1+2 (base)

Bloco 1+2+3
Bloco 1
PVT 1 (base)
PVT 2
PVT 3
Krow 1 (base)
Krow 2
Krow 3
Krog 1 (base)
Krog 2
Krog 3
0.50
0.20
0.30
0.40
0.40
0.20
0.34
0.33
0.33
0.34
0.33
0.33
Anlise PVT
Curva de Krow
Curva de Krog
47
Ressalta-se que o Modelo Base a ser considerado nas simulaes posteriores engloba os
Blocos 1 e 2, por ser este o nvel mais provvel do atributo modelo estrutural.
(VWUDWpJLDGH3URGXomR,QLFLDOH3DUkPHWURVGH2SHUDomRGRV3RoRV
Foram analisadas quatro configuraes de distribuio de poos at a definio da malha

final, considerada de drenagem adequada e utilizada no prosseguimento da anlise. A
apresentao dessas configuraes e a argumentao pertinente encontram-se no Captulo
seguinte.
Foram fixados os seguintes limites e condies na operao dos poos produtores:
Mxima vazo de produo de 1.500 m3/dia de lquido;

Elevao artificial por injeo de gs no anular (JDVOLIW).
Mnima vazo de leo de 50 m3/dia;
Mnima presso de operao no fundo do poo de 170 kgf/cm2;
Mxima razo gs-leo de produo de 200 m3 std/m3 std, com conseqente
fechamento do canhoneado de maior produo de gs;
Mxima produo de gua de 90% da vazo total, com conseqente fechamento do

canhoneado de maior produo de gua;
48
Completao nas trs camadas superiores, com canhoneio efetivo de 50% da espessura
da camada;
E para os poos injetores:
Mxima vazo de injeo de gua de 1.500 m3/dia;

Mxima presso de operao no fundo do poo de 300 kgf/cm2;
Completao nas trs camadas inferiores, com canhoneio efetivo de 50% da espessura
da camada. Durante o processo de avaliao da malha mais adequada, os poos
injetores passaram a ter completao em todas as camadas. Os comentrios pertinentes
a isso esto no Captulo Resultados.
Apesar de no ser necessrio avaliar cada parmetro com o propsito de maximizar a

funo objetivo, a fixao de completao total (canhoneio em todas as camadas) para os poos
injetores revelou-se um fator de grande importncia para uma melhor drenagem do reservatrio,
com conseqente majorao do VPL do campo e foi objeto de anlise em separado, apresentada
na seo seguinte.
49
3DUkPHWURVSDUD$QiOLVH(FRQ{PLFD
Para o clculo do valor presente lquido foi elaborada uma planilha econmica
simplificada capaz de fornecer, a partir da insero dos dados de produo e injeo dos poos,
o VPL individual dos mesmos, o VPL do campo e tambm o volume acumulado dos fludos
produzidos/injetados.
Foi considerada uma vida til de 20 anos para este projeto de explotao. Por simplicidade
no foram includos os custos de abandono de poos e instalaes, j que esses valores, se
levados em conta a valor presente, seriam reduzidos em mais de 90%. No fluxo de caixa foi
considerada concentrao de vetores no meio de cada perodo.
No o objetivo deste estudo trabalhar com incerteza nos parmetros econmicos. Os

valores aqui usados so fixos e se encontram prximos de valores praticados no mercado.
O investimento em sistema de produo, plataforma e facilidades, foi tratado como

imutvel ao longo deste trabalho. Isto equivale situao de uma empresa que pretende explotar
uma nova rea mas que j conta com um sistema de produo disponvel, pronto para uso e
capaz de atender ao nmero mximo de poos e vazo previstos na situao mais otimista
possvel. Por outro lado, eventuais redues do nmero de poos ou vazes no implicaro em
diminuio do sistema de produo ou em economia de custos, desde que razoveis.
Na prtica, esse tipo de custo varia em patamares de preo. Se assim fosse tratado,
pequenas alteraes na estratgia de produo em decorrncia do processo de otimizao da
estratgia de produo poderiam resultar em grandes saltos de VPL, levando a concluses
fortemente dependentes dos valores considerados para esse investimento.
50
9DORUHVDGRWDGRV
Preo de venda do leo: US$ 18,00 / bbl;

Preo de venda do gs: US$ 113,00 / Mm3;
Custo de produo do leo: US$ 3,20 / bbl;
Custo de produo da gua: US$ 0,31 / bbl;
Custo de injeo da gua: US$ 0,31 / bbl;
Custo de plataforma de produo: US$ 360 milhes;
Custo de perfurao, completao e interligao de cada poo: US$ 12 milhes;
Taxa de atratividade econmica: 15% ao ano;
Tributao global mdia: 45%, aplicada sobre a receita lquida.
51
([HPSOR
'HVFULomR0RGHODJHPGR5HVHUYDWyULR
Para este segundo exemplo, o reservatrio do caso anterior foi severamente modificado
com as seguintes medidas, aplicadas diretamente ao modelo de simulao:
Maior variao de volume de rocha/fludo entre os trs modelos estruturais

considerados no estudo;
Considerao de incerteza quanto eficincia da comunicao hidrulica entre blocos;

Incluso de barreiras de permeabilidade nas trs direes de fluxo;
Considerao de incerteza quanto eficincia das barreiras de permeabilidade criadas.
Para obter maior variao de volume de rocha e fludos entre os modelos estruturais,
efetuou-se uma redefinio dos contornos de cada bloco sem mudar as dimenses globais do
reservatrio. O bloco central teve reduo de volume de leo enquanto os demais sofreram
aumento de seus volumes. Na Tabela 6.3 consta uma comparao percentual da variao de
volume de leo para cada modelo estrutural em cada um dos exemplos. J na Figura 6.3 vm-se
os novos contornos dos blocos, bem como os anteriores.
52
7DEHOD&RPSDUDomR3HUFHQWXDO(QWUH9ROXPHVGHOHRGRV0RGHORV(VWUXWXUDLV
Exemplo 1
Exemplo 2
Bloco 1
93
77
Modelo Estrutural
Bloco 1 + 2
99
90
Bloco 1 + 2 + 3

)LJXUD&RPSDUDomR(QWUH0RGHORV(VWUXWXUDLV3DUDRV'RLV([HPSORV
Outro aspecto includo no modelo de simulao deste exemplo foi a incerteza na

comunicao hidrulica entre seus blocos. Trs possibilidades so consideradas para a eficincia
da comunicao: plena, parcial e inexistente. O controle dessa comunicao feito atravs de
alterao da transmissibilidade entre os blocos da malha que separam os blocos estruturais. Para
a situao de comunicao parcial entre blocos estruturais, alguns valores de reduo da
transmissibilidade foram testados, tendo sido adotado um redutor de 90%, por ser este um valor
j suficiente para causar impacto no desempenho do reservatrio. Valores da ordem de 50% ou
menos praticamente no afetam o comportamento do campo como um todo.
Para tornar o modelo de simulao heterogneo, foram includas diversas barreiras de

permeabilidade nas trs direes principais de fluxo. Cada barreira constituda por uma parede
de blocos, perpendicular direo desse fluxo, nos quais foi aplicado um fator multiplicador
permeabilidade. Foram imputadas 86 barreiras ao todo nos trs blocos, distribudas
aleatoriamente. A ttulo de ilustrao, a Figura 6.4 mostra como foram definidas essas barreiras.
53
)LJXUD'HILQLomRGDV%DUUHLUDVGH3HUPHDELOLGDGHGR6HJXQGR([HPSOR
A eficincia dessas barreiras de permeabilidade foi tambm considerada como um

atributo incerto, com trs possibilidades: barreira total ao fluxo, parcial e inexistente. Para o caso
parcial foi atribudo, aps testes anlogos aos anteriores, um redutor de 90%.
$WULEXWRV,QFHUWRV
Os atributos incertos, seus nveis e probabilidades de ocorrncia utilizados neste segundo

exemplo so os mesmos do exemplo anterior acrescidos dos dois novos atributos incertos agora
considerados, conforme consta na Tabela 6.4. Novamente foi mantida total independncia entre
atributos na construo de cada modelo de simulao.
54
7DEHOD$WULEXWRV,QFHUWRV&RQVLGHUDGRVQR6HJXQGR([HPSOR
$WULEXWRV
Volume Poroso
Permeabilidade
Horizontal
Permeabilidade
Vertical
Efetividade das barreiras
de permeabilidade
Modelo
Estrutural
Conectividade
entre blocos
estruturais
Compressibilidade
da Rocha
Anlise PVT
Curva de Krow
Curva de Krog
1tYHLV
3UREDELOLGDGH
Vpor (base)
Vpor * 1.4
Vpor * 0.7
Kh (base)
Kh * 1,5
Kh * 0.67
Kv (base)
Kv * 2
Kv * 0.5
Parcial - 10% (base)
Inexistentes (0%)
Atuao total (100%)
Bloco 1+2 (base)
Bloco 1+2+3
Bloco 1
Parcial - 10% (base)
Total (100%)
Inexistente (0%)
Cpor (base)
Cpor * 1.2
Cpor * 0.9
PVT 1 (base)
PVT 2
PVT 3
Krow 1 (base)
Krow 2
Krow 3
Krog 1 (base)
Krog 2
Krog 3
0.70
0.15
0.15
0.70
0.15
0.15
0.70
0.15
0.15
0.70
0.15
0.15
0.50
0.20
0.30
0.70
0.15
0.15
0.70
0.15
0.15
0.40
0.40
0.20
0.34
0.33
0.33
0.34
0.33
0.33
55
(VWUDWpJLDGH3URGXomR,QLFLDOH3DUkPHWURVGH2SHUDomRGRV3RoRV
No processo de definio da malha de drenagem inicial do Modelo Base, foram testadas

cinco configuraes regulares de distribuio de poos, com variaes no espaamento entre
poos e tambm na relao produtores/injetores. A apresentao dessas configuraes encontrase no captulo seguinte.
Foram mantidos os mesmos limites e condies operacionais utilizados no caso anterior.

Apenas a presso mxima de fundo dos poos injetores foi elevada para 350 kgf/cm2.
3DUkPHWURVSDUD$QiOLVH(FRQ{PLFD
Mantidos os mesmos valores e consideraes do caso anterior.
56
5HVXOWDGRV
Neste captulo so apresentados os resultados obtidos com os dois exemplos estudados.

Cada passo da metodologia proposta explicitado em um sub-item prprio. Para propiciar uma
viso global do assunto, a anlise dos resultados engloba os dois exemplos e encontra-se aps a
apresentao dos mesmos.
([HPSOR
Seguem os resultados do primeiro exemplo, obtido de um reservatrio martimo real,

apresentando fraca heterogeneidade e sem barreiras ou compartimentao entre seus blocos.
57
'HILQLomRGD(VWUDWpJLD,QLFLDOGH3URGXomRGR0RGHOR%DVH
Como explicado anteriormente, para definio da estratgia inicial do Modelo Base, so

testadas diferentes configuraes de malha de poos e escolhida aquela que apresenta maior
VPL. Como ponto de partida foi utilizada a disposio inicial de poos efetivamente implantada
no campo, conforme mostra a Figura 7.1. So inicialmente 35 poos produtores e oito injetores.
Essa disposio reflete o grau de conhecimento sobre o reservatrio e recursos disponveis em
cada poca da explotao do campo, no tendo sido executada a partir de um plano inicial
definido e completo.
)LJXUD'LVSRVLomR2ULJLQDOGRV3RoRVQR5HVHUYDWyULR
58
Pelos mesmos motivos, o cronograma original de entrada em operao dos poos, no

otimizado. Adotou-se, ento, um cronograma inicial otimizado no qual a prioridade de entrada
em operao pelo VPL individual do poo, obtido a partir de uma simulao com todos os
poos produtores entrando em operao simultaneamente. Procedimento anlogo foi feito para
os poos injetores, como comentado anteriormente.
Foi considerada uma disponibilidade de sondas tal que permita a entrada em operao de
dois poos a cada dois meses. Cada produtor entra em operao junto com um injetor enquanto
houver injetores, j que o nmero destes menor que o de produtores. Os primeiros injetores a
entrar em operao foram os do flanco esquerdo do campo, regio que apresentou a mais rpida
queda de presso nessa simulao inicial. Em seguida entraram em operao os injetores do
flanco direito e, por ltimo, os da rea central.
O perfil de produo obtido na simulao para este modelo est na Figura 7.2. O VPL
calculado foi de US$ 261,55 milhes com um FR final de 26,98%.

8 & 9 & ':& ; < = < % $ < '
56/7 334 )
)12
./0
+,
)*(

! " #

$%&'
)LJXUD3HUILOGH3URGXomR0DOKDGH'UHQDJHP2ULJLQDOH&URQRJUDPD2WLPL]DGR
59
Na busca de uma malha de poos de melhor drenagem que a distribuio original, foi
analisado um esquema baseado em linhas de produo e injeo, cujos padres regulares mais
conhecidos so
'LUHFW /LQH 'ULYH
6WDJJHUHG /LQH 'ULYH
. Desta feita com menor nmero total
de poos que a situao anterior.
Foram lanadas duas linhas de produtores, com total de 12 poos, e trs linhas de
injetores, com total de 11 poos. A Figura 7.3apresenta a disposio dos poos.
)LJXUD(VTXHPDGH/LQKDVGH3URGXWRUHVH,QMHWRUHV
A entrada em operao dos poos seguiu os critrios descritos em captulo anterior.

Desta feita, mesmo com cerca de metade dos poos da situao original, o VPL subiu para US$
378,95 milhes (+45%) com um novo FR final de 34,07% (+7,09%).
60
A Figura 7.4 mostra a comparao entre o perfil de produo atual e o anterior. Nota-se
que, apesar do arranjo anterior apresentar maiores vazes iniciais, o esquema de linhas de
injeo/produo predomina por maior tempo. Esse fato, associado ao menor volume de
investimentos decorrente do menor nmero de poos, resulta em maior VPL do projeto.

56/7 -
8 & 9 & ':& ; < = < % $ < '

< % $ '8 ; & < % 9 &
334 )
)12
./0 -
+,
)*(

! " " " #

$%&'
)LJXUD3HUILOGH3URGXomR3RoRV2ULJLQDLV[/LQKDV3URGXomR,QMHomR
A prxima anlise foi para um esquema regular
ILYHVSRW
, ainda com reduzido nmero de
poos como mostra a Figura 7.5. Nesse novo arranjo permanecem 12 poos produtores, mas o
nmero de injetores passou para 13 poos.
Apesar
de
praticamente
mesma
quantidade
total
de
poos
proporo
injetores/produtores, o VPL para esta condio foi menor em relao ao esquema de linhas de
injeo/produo: US$ 350,39 milhes (-7,5%) e FR de 33,81% (-0,3%).
A comparao dos trs perfis de produo est na Figura 7.6.
61
)LJXUD(VTXHPD)LYH6SRW(VSDUVRSRoRV

8 & 9 & ':& ; < = < % $ < '

< % $ '8 ; & < % 9 &
' 8 & ' 8 $ ;' &
56/7 3-
34 )
)12
./0
+,
)*(

# " !

$%&'
)LJXUD3HUILOGH3URGXomR&RPSDUDomRGRV7UrV$UUDQMRV
62
A ltima anlise foi para um arranjo ILYHVSRW adensado, agora com um total de 45 poos,
nmero praticamente igual quantidade de poos original, sendo 23 produtores e 22 injetores,
conforme mostra a Figura 7.7.
)LJXUD(VTXHPD)LYH6SRW$GHQVDGRSRoRV
O VPL aumentou sensivelmente, indo para US$ 570,88 milhes (+63% em relao ao
caso anterior). Igualmente, o FR tambm aumentou, indo para 44,93% (+ 11%, idem). A
comparao final entre os quatro arranjos analisados est na Figura 7.8, onde se pode notar a
aprecivel diferena no perfil de produo deste caso com os anteriores.
63

8 & 9 & ':&

< % $ '8
' 8&
' 8& $

/756

-
3
34 )
)12
./0
+,

; <= < % $ <'
; & < % 9 &
' 8 $ ;' &
%'$&
)*(

# " !

$%&'
)LJXUD3HUILOGH3URGXomR&RPSDUDomRGRV4XDWUR$UUDQMRV
Na Figura 7.9 est o comportamento da presso mdia do reservatrio para os casos

analisados. Observa-se que o arranjo original o que apresenta a maior queda de presso,
decorrente da menor relao injetores/produtores. Adicionalmente, em comparao com as
outras malhas consideradas, a situao de pior retorno financeiro dado que esse arranjo foi o
resultado de decises tomadas em situaes de diferentes nveis de conhecimento do
reservatrio.

8 97
45 63
12
/ 0.
.
+,-

:;<;= ;
C ? A D B =E:
K L= : ; M I
K L= : ; M B

> ?@ ? A B ?=
> ; F G ?A HI < J ;
= : B >= ;
FIA=BF;
!" # $ # % & # % # !# &
'()*
)LJXUD3UHVVmR0pGLDGR5HVHUYDWyULR&RPSDUDomRGRV$UUDQMRV
64
A poltica de canhoneios adotada no projeto tem grande influncia na efetividade da

drenagem e na recuperao final de um reservatrio. Como forma de incrementar ainda mais a
drenagem do modelo, foi avaliada a influncia do canhoneio dos poos injetores. Para isso os
quatro tipos de arranjo foram simulados com todos os poos injetores canhoneados em todas as
camadas, inclusive nas saturadas de leo. Os ganhos so notveis e esto apresentados na Figura
7.10.

93/86PLOK}HV

DQWHV
DSyV

SRoRV
OLQKDSURG
VSRW
VSRW
RULJLQDLV
LQMHomR
HVSDUVR
DGHQVDGR

)5ILQDO

DQWHV
DSyV

SRoRV
OLQKDSURG
VSRW
VSRW
RULJLQDLV
LQMHomR
HVSDUVR
DGHQVDGR
)LJXUD*DQKRV'HFRUUHQWHVGD$PSOLDomRGR&DQKRQHLRGR3RoRV,QMHWRUHV
65
Devido ao incremento no volume de gua injetada, o canhoneio integral dos poos

injetores mostrou ser uma medida que maximiza ainda mais o VPL e a recuperao do projeto
seja qual for a malha de poos escolhida. Em termos de recuperao, o menor ganho percentual
ocorreu para o ltimo modelo testado, sugerindo que este se encontra num estgio de drenagem
mais elevado que os demais.
O arranjo
ILYHVSRW
adensado com ampliao dos canhoneados foi, ento, escolhido como
o mais adequado para o Modelo Base, no s por ter apresentado os maiores VPL e FR final,
mas tambm por ser um arranjo de maior eficincia de drenagem em comparao com os
demais.
O novo comportamento das presses do reservatrio est apresentado na Figura 7.11, onde
se nota a maior re-pressurizao em todos os arranjos conseguida com o aumento das cotas de
injeo devido ampliao dos canhoneados desses poos.

B : =B : C ? B < J ;F ; B A D ; A I ? ;F ; =: ; < ; =E? A H I M ; > I =
8 97
45 63
12
/ 0.
.
+,-

: ; < ; =; > ? @ ? A B ? =

C ? A D B =E: > ; F G ? A H I < J ;
K L= : ; M I = : B >= ;
K L= : ; M B F I A = B F ;
! # # $ # & # & !& #

'()*
)LJXUD3UHVVmR0pGLDGR5HVHUYDWyULR&RPSDUDomRGRV$UUDQMRV$SyV$PSOLDomR
GRV&DQKRQHDGRVGRV3RoRV,QMHWRUHV
66
Definida a estratgia inicial do Modelo Base, os passos de otimizao definidos no Item

5.2 so aplicados seqencialmente e em duas rodadas.
Para este modelo, o primeiro passo que resultou em aumento da funo objetivo foi a
remoo de poos injetores, ainda na primeira rodada. Foi avaliada a retirada individual de cada
injetor. Dois injetores aumentaram o VPL do modelo quando retirados, em virtude da pequena
contribuio face seus custos de execuo e operao. Foi ento feita uma segunda simulao
com os dois poos retirados simultaneamente. O resultado foi inferior ao da retirada individual
de qualquer um desses dois poos. Conseqentemente, o modelo numrico passou a ter somente
um injetor a menos, aquele que resultou em maior VPL. Com este passo, o VPL passou de US$
830,15 para US$ 832,48 milhes e o FR de 49,77 para 49,72%.
O prximo e ltimo ganho foi obtido com a reordenao da entrada em operao dos
poos, j na segunda rodada de otimizao. Uma nova ordenao foi obtida a partir do VPL
individual anterior e resultou num VPL do projeto de US$ 835,93 milhes e recuperao final
mantida em 49,72%. Neste caso, a reordenao fez com que houvesse uma antecipao da
produo, sem contudo alterar a recuperao final do reservatrio.
A Tabela 7.1 mostra um panorama do processo de otimizao da estratgia de produo do

Modelo Base. Nota-se que o ganho percentual no VPL decorrente da otimizao foi inferior a
1%.
67
7DEHOD2WLPL]DomRGR0RGHOR%DVH
93/
)5
(US$ milhes)
(%)

0RGHOR,QLFLDO
Rod. 1 - Eliminao de injetores
+ 2,33
- 0,05
Rod. 2 - Reordenao do cronograma
+ 3,45
0RGHOR2WLPL]DGR

,QFUHPHQWR

$OWHUDo}HVQD(VWUDWpJLDGH3URGXomRFRPD2WLPL]DomR
- eliminao de um injetor
- cronograma de entrada em operao alterado

,QYHVW7RWDO$WXDOL]DGR86PLOK}HV
1~PHURGHSRoRV
,QLFLDO
2WLPL]DGR
739,79
731,33 (-1,1%)
43
42 (-2,2%)
'HILQLomRGRV$WULEXWRV&UtWLFRV
Para a anlise de sensibilidade do projeto aos atributos incertos, cada um dos nveis
definidos na Tabela 6.1 e na Tabela 6.2 foi substitudo no Modelo Base otimizado, feita a
simulao e calculado o respectivo VPL. Na Figura 7.12 pode ser vista a influncia de cada
nvel em comparao com o VPL do Modelo Base.
68
93/9$5,$d2(05(/$d2$202'(/2%$6(

.URJ
.URJ
&SRU3HVV
&SRU2WLP
.Y2WLP
%ORFR
$WULEXWRV
.Y3HVV
.UR
.UR
397
%ORFR
.K2WLP
397
.K3HVV
9SRU2WLP

9SRU3HVV
9DULDomR5HODWLYD
SHUtRGRGHSURGXomRGHDQRV
)LJXUD*UiILFRSDUD$QiOLVHGH6HQVLELOLGDGHGRV$WULEXWRV,QFHUWRV
Para a simulao com o modelo estrutural Bloco 1 todos os poos localizados no Bloco 2
deixam de existir. Foram ao todo seis os poos eliminados, sendo trs produtores e trs injetores.
No caso da simulao com o nvel Bloco 1+2+3, foram acrescidos apenas dois poos
injetores, em respeito ao padro de drenagem adotado. Esses poos foram colocados em
produo imediatamente aps o ltimo poo do cronograma adotado no Modelo Base.
Definindo-se que somente uma variao maior que 5% seria representativa, os atributos
inicialmente escolhidos como crticos so o volume poroso e a permeabilidade horizontal.
Quanto ao atributo anlise PVT, somente seu nvel PVT3 relevante. Com a eliminao do
nvel PVT2, as probabilidades de ocorrncia foram recalculadas em 67% para o nvel base
PVT1 e em 33% para o nvel PVT3. Quanto ao atributo modelo estrutural, foi eliminado o nvel
Bloco 1+2+3 e as probabilidades remanescentes recalculadas para 60% para o nvel Bloco 1+2 e
40% para o nvel Bloco 1.
69
'HILQLomRGRV0RGHORV5HSUHVHQWDWLYRV
Com os nveis e atributos selecionados no item anterior, possvel a montagem de 36

modelos de simulao a partir da combinao dos mesmos. Na Tabela 7.2 esto listados todos
esses modelos com suas respectivas probabilidades. O Modelo Base o de maior probabilidade
individual, visto que constitudo dos nveis de atributo com maior chance de ocorrncia. O
modelo BL1 tambm apresenta alta probabilidade j que a chance de ocorrncia desse nvel de
atributo prxima da chance do nvel mais provvel (40% e 60%, respectivamente). Com esses
dados foi construda a curva de risco associado ao projeto, Figura 7.13. Desse grfico foram
obtidos os VPL correspondentes aos percentis P10, P50 e P90 conforme Tabela 7.3.
7DEHOD5HVXOWDGRVGD6LPXODomR&RP,QFHUWH]D
93/
0RGHOR
92,6
)5
(x10 US$) (x10 Nm ) (%)

Vpor otim + Kh otim
1.235
135.70
49.75
Vpor otim + Kh otim + BL1
1.158
127.29
49.19
Vpor otim + Kh otim + PVT3
1.068
137.41
44.89
Vpor otim
1.039
135.70
46.25
Vpor otim + Kh otim + PVT3 +BL1
1.021
128.89
44.66
Vpor otim + BL1
997
127.29
46.16
Kh otim
971
96.93
51.48
Kh otim + BL1
909
90.92
50.97
Kh otim + PVT3
846
98.15
47.62
CASOBASE
836
96.93
49.71
Vpor otim + PVT3
831
137.41
39.98
Vpor otim + PVT3 + BL1
809
128.89
40.30
Kh otim + PVT3 + BL1
805
92.07
47.21
BL1
798
90.92
49.21
Vpor otim + Kh pess
775
135.70
40.42
Vpor otim + Kh pess + BL1
756
127.29
40.82
Vpor pess + Kh otim
693
67.85
51.57
PVT3
673
98.15
44.53
PVT3 + BL1
653
92.07
44.49
Vpor pess + Kh otim + BL1
650
63.64
51.40
70
3UREDELOLGDGH
(%)
,QGLYLGXDO $FXPXODGD
0.90
0.60
0.45
4.22
0.30
2.81
4.22
2.81
2.08
19.70
2.08
1.39
1.39
13.13
0.90
0.60
0.90
9.70
6.47
0.60
0.90
1.51
1.95
6.17
6.47
9.29
13.51
16.32
18.40
38.10
40.18
41.56
42.95
56.08
56.98
57.59
58.49
68.19
74.66
75.27
5HVXOWDGRVGD6LPXODomR&RP,QFHUWH]DFRQWLQXDomRGDWDEHODDQWHULRU
93/
92,6
(x106 US$) (x106 Nm3 )

Kh pess
641
96.93
Kh pess + BL1
623
90.92
Vpor pess
609
67.85
Vpor pess + Kh otim + PVT3
605
68.71
Vpor pess + BL1
580
63.64
Vpor pess + Kh otim + PVT3 +BL1
575
64.45
Vpor otim + Kh pess + PVT3
529
137.41
Vpor otim + Kh pess + PVT3 +BL1
527
128.89
Vpor pess + PVT3
491
68.71
Vpor pess + Kh pess
480
67.85
Vpor pess + PVT3 + BL1
476
64.45
Vpor pess + Kh pess + BL1
465
63.64
Kh pess + PVT3
441
98.15
Kh pess + PVT3 + BL1
440
92.07
Vpor pess + Kh pess + PVT3
333
68.71
Vpor pess + Kh pess + PVT3 + BL1
332
64.45
0RGHOR
3UREDELOLGDGH
)5
(%)
45.90
46.00
51.48
48.46
50.92
48.09
32.39
33.33
47.22
49.57
46.85
49.22
38.76
39.58
43.97
44.40
,QGLYLGXDO $FXPXODGD
4.22
2.81
4.22
0.45
2.81
0.30
0.45
0.30
2.08
0.90
1.39
0.60
2.08
1.39
0.45
0.30
79.49
82.30
86.52
86.97
89.78
90.08
90.52
90.82
92.90
93.80
95.19
95.79
97.87
99.26
99.70

352%$%,/,'$'($&808/$'$[93/

3

!93/
0086
!93/
0086
!93/
0086

93/008V
)LJXUD&XUYDGH93/GR3URMHWR&RP5LVFR$VVRFLDGR
71
(%)

7DEHOD93/3DUD&DGD3HUFHQWLO

93/
(US$ milhes)
993
802
3
578
Para escolha dos modelos foi construda a Figura 7.14. Neste caso particular ocorreu o
agrupamento de pontos em trs famlias de volume de leo LQVLWX (VOIS). A causa desse evento
foi a preponderncia do atributo
YROXPH SRURVR
como fator controlador do VOIS de cada
modelo. O fato de existirem trs nveis desse atributo determinou o agrupamento dos modelos
em tambm trs famlias de VOIS. Com bem menor importncia na composio do VOIS
aparecem os atributos
PRGHOR HVWUXWXUDO
DQiOLVH 397
, que determinam sub-agrupamentos
dentro de cada famlia de VOIS.
Para uma outra situao em que no haja agrupamento dos valores do VOIS, disperso
essa causada pela inexistncia de um atributo dominante, espera-se que os pontos apaream
dispersos numa regio do grfico na forma de uma nuvem de pontos.
Para a escolha dos modelos, foram selecionados aqueles prximos da interceptao das
linhas de VPL com cada agrupamento de VOIS. No caso de mais de um modelo em cada famlia
prximo linha do percentil, tomado aquele modelo de maior probabilidade de ocorrncia
individual. Os sete modelos escolhidos esto assinalados nessa Figura e explicitados na Tabela
7.4.
72
5(35(6(17$d293/[)5

!

93/0086

3

)5
)LJXUD(VFROKDGRV0RGHORV5HSUHVHQWDWLYRV
7DEHOD0RGHORV5HSUHVHQWDWLYRV6HOHFLRQDGRV
0RGHORV5HSUHVHQWDWLYRV93/SDUDDQRV
2WLPLVWD3
0pGLR3
3HVVLPLVWD3
Kh otim
Vpor otim + BL1
BL1
Vpor otim + PVT3 + BL1
Vpor pess + BL1

Kh pess + BL1
Vpor otim + Kh pess + PVT3
73
Na Tabela 7.5 v-se um comparativo entre os quatro arranjos usados na etapa de seleo
de malha para o Caso Base, agora aplicados a cada modelo representativo. O arranjo
ILYH VSRW
adensado aqui mencionado no foi submetido aos passos de otimizao e, devido a isso, pode
ser diretamente comparado com os demais arranjos, que tambm no foram otimizados. Ainda
para esse arranjo, os valores herdados do Modelo Base otimizado esto na Tabela 7.2.
Nesse quadro comparativo observa-se que o arranjo
ILYH VSRW
adensado sempre o de
maior VPL, habilitando-o a ser mantido como o esquema de drenagem de cada modelo
representativo.
7DEHOD4XDGUR&RPSDUDWLYR3DUD9DOLGDomRGD0DOKDGH'UHQDJHP
93/GR3URMHWR86PLOK}HV
3RoRV
/LQKDV
)LYH6SRW
)LYH6SRW
2ULJLQDLV
3URG,QM
(VSDUVR
$GHQVDGR
Kh otim
Vpor otim + BL1
571,40
804,11
751,37

480,07
697,05
648,14

BL1
PorOT+PVT3+BL1
373,96
611,30
577,04

467,30
533,68
478,18

PorPE+BL1
278,77
500,28
476,66

KhPE+BL1
300,86
413,57
383,38

Por otim + Kh pess + PVT3
400,39
314,86
256,74

0RGHOR5HSUHVHQWDWLYR
74

A aplicao dos passos de otimizao de estratgia de produo descritos anteriormente

apresentada sucintamente a seguir, modelo a modelo. A anlise dos resultados segue em captulo
posterior.

0RGHORVGH93/2WLPLVWD3
0RGHOR.KRWLP
*DQKRVYHULILFDGRVQD URGDGD
Foram possveis duas reordenaes de cronograma consecutivas com sucesso;

Fechamento do ltimo canhoneio de trs dos poos apresentou melhoria no VPL,
individualmente. Testando a retirada progressiva desses poos, foi possvel obter o
maior incremento no VPL para o fechamento simultneo da ltima camada de dois dos
poos.
nenhum.
75
7DEHOD2WLPL]DomRGR0RGHOR.KRWLP
93/
)5
(US$ milhes)
(%)

0RGHOR,QLFLDO
Rod. 1 - Reordenao de cronograma
+ 0,91
+ 0,03
Rod. 1 - Desativao de canhoneios
+ 1,05
- 0,03
0RGHOR2WLPL]DGR

,QFUHPHQWR


- isolamento da ltima camada de dois produtores

1~PHURGHSRoRV
,QLFLDO
2WLPL]DGR
731,33
731,33 (0%)
42
42 (0%)
0RGHOR9SRURWLP%ORFR
Somente uma reordenao de cronograma com sucesso.

nenhum.
76
7DEHOD2WLPL]DomRGR0RGHOR9SRURWLP%ORFR
93/
)5
(US$ milhes)
(%)

0RGHOR,QLFLDO
+ 1,10
0RGHOR2WLPL]DGR

,QFUHPHQWR
+ 0,01


1~PHURGHSRoRV

0RGHORVGH93/0pGLR3
,QLFLDO
2WLPL]DGR
681,50
682,77 (+0,2%)
36
36 (0%)
0RGHOR%ORFR

nenhum.
77
7DEHOD2WLPL]DomRGR0RGHOR%ORFR
93/
)5
(US$ milhes)
(%)

0RGHOR,QLFLDO
+ 0,80
0RGHOR2WLPL]DGR

,QFUHPHQWR


1~PHURGHSRoRV
,QLFLDO
2WLPL]DGR
681,50
681,50 (0%)
36
36 (0%)
0RGHOR9SRURWLP397%ORFR

nenhum.
78
7DEHOD2WLPL]DomRGR0RGHOR9SRURWLP397%ORFR
93/
)5
(US$ milhes)
(%)

0RGHOR,QLFLDO
+ 0,71
0RGHOR2WLPL]DGR

,QFUHPHQWR
+ 0,01


1~PHURGHSRoRV

0RGHORVGH93/3HVVLPLVWD3
,QLFLDO
2WLPL]DGR
681,50
682,77 (+0,2%)
36
36 (0%)
0RGHOR9SRUSHVV%ORFR
Somente uma reordenao de cronograma com sucesso;
79
A eliminao de dois dos poos injetores resultou em aumento do VPL. A retirada

desses dois injetores em conjunto aumentou ainda mais o VPL;
A eliminao de um dos poos produtores gerou incremento no VPL.

nenhum.
7DEHOD2WLPL]DomRGR0RGHOR9SRUSHVV%ORFR
93/
)5
(US$ milhes)
(%)

0RGHOR,QLFLDO
+ 2,87
+ 0,05
+ 1,31
- 0,17
Rod. 1 - Eliminao de produtores
+ 0,18
- 0,16
0RGHOR2WLPL]DGR

,QFUHPHQWR


- eliminao de dois injetores e um produtor

1~PHURGHSRoRV
80
,QLFLDO
2WLPL]DGR
681,50
657,05 (-3,6%)
36
33 (-8%)
0RGHOR.KSHVV%ORFR
Somente uma reordenao de cronograma com sucesso;

A eliminao de um dos poos injetores aumentou o VPL.
nenhum.
7DEHOD2WLPL]DomRGR0RGHOR.KSHVV%ORFR
93/
)5
(US$ milhes)
(%)

0RGHOR,QLFLDO
+ 0,18
+ 0,29
- 0,30
0RGHOR2WLPL]DGR

,QFUHPHQWR



1~PHURGHSRoRV
81
,QLFLDO
2WLPL]DGR
681,50
675,41 (-0,9%)
36
35 (-3%)
0RGHOR9SRURWLP.KSHVV397
nica situao em que ocorreram produtores com VPL negativo. Dois dos poos
estavam nessa situao. A retirada conjunta desses foi a situao de maior incremento
no VPL.

Onze dos injetores melhoravam o VPL quando retirados individualmente. A
verificao da eliminao progressiva desses poos resultou em aumento do VPL para
a retirada simultnea de seis injetores.
A eliminao de um dos poos produtores gerou incremento do VPL.

nenhum.
82
7DEHOD2WLPL]DomRGR0RGHOR9SRURWLP.KSHVV397
93/
)5
(US$ milhes)
(%)

0RGHOR,QLFLDO
Rod. 1 - Elim. produtores VPL negativo
+ 4,35
- 0,09
+ 0,64
+ 11,17
- 0,65
Rod. 1 - Eliminao de produtores
+ 0,31
- 0,19
0RGHOR2WLPL]DGR

,QFUHPHQWR


- eliminao de seis injetores e trs produtores

1~PHURGHSRoRV
,QLFLDO
2WLPL]DGR
731,33
658,15 (-10,0%)
42
33 (-21%)

A anlise dos resultados verificados encontra-se em item prprio, aps a apresentao do

segundo exemplo.
83
([HPSOR
Seguem os resultados do segundo exemplo, obtido a partir de alteraes imputadas ao

modelo de reservatrio do exemplo anterior, tornando-o notavelmente heterogneo, com maior
diferenciao entre os volumes dos modelos estruturais e considerando incerteza quanto
compartimentao entre seus blocos.
'HILQLomRGD(VWUDWpJLD,QLFLDOGH3URGXomRGR0RGHOR%DVH
Para o processo de seleo da malha de drenagem a ser adotado no Caso Base foram
testadas cinco malhas regulares. Foi mantido o mesmo critrio anterior de disponibilidade de
sondas de perfurao e completao, permitindo que dois poos entrem juntos em operao a
cada dois meses, sendo um deles produtor e o outro injetor. Tambm se manteve o critrio
anterior de definio do cronograma de entrada em operao a partir dos VPL individuais.
Inicialmente foi testado um esquema
ILYHVSRW
com 22 poos ao todo, sendo a metade
composta por produtores, conforme pode ser visto na Figura 7.15. Para esse caso o VPL chegou
a US$ 547,28 milhes, com um FR final de 42,64%. O perfil de produo para esta situao
encontra-se na Figura 7.16.
84
)LJXUD(VTXHPD)LYH6SRWFRP3RoRV

45.6 ,
2,
/
23 (

(01
(
-./ ,
*+
()'

7 8 & 9 % : ; < <=9 % > % & ?

! "

#$%&
)LJXUD3HUILOGH3URGXomR(VTXHPD)LYH6SRWFRP3RoRV
85
O prximo padro a ser testado foi um esquema VWDJJHUHGOLQHGULYH com um total de 31

poos, 14 produtores e 17 injetores. A Figura 7.17 mostra essa disposio. Para este arranjo, o
VPL teve aprecivel incremento, passando para US$ 678,49 milhes, com o FR final atingindo
46,45%.
Na Figura 7.18 v-se o novo perfil de produo, em conjunto com o anterior. Observa-se
que ocorreu notvel antecipao da produo, e receitas, com este novo arranjo. Em
contrapartida, j que as recuperaes finais so relativamente prximas, h maior declnio na
produo de maneira que ocorre inverso nos perfis a partir do nono ano de produo.
)LJXUD(VTXHPD6WDJJHUHG/LQH'ULYHFRP3RoRV
86

.645
7 8 & 9 % : ; < <=9 % > % & ?
9 % > % & ?
;
2,
/

23 (

(01
(
-./ ,
*+
()'

#$%&
)LJXUD3HUILOGH3URGXomR(VTXHPD6WDJJHUHG/LQH'ULYHFRP3RoRVHP
FRPSDUDomRFRPRDQWHULRU
Em seguida foi montada uma configurao do tipo
GLUHFW OLQH GULYH
, com maior nmero
de poos, 40 ao todo, sendo metade de produtores (Figura 7.19). Houve discreto aumento do
VPL, indo para US$ 693,87 milhes, com o FR final praticamente igual ao arranjo anterior,
46,53%.
A comparao entre este perfil de produo e os anteriores est na Figura 7.20.

Novamente ocorreu antecipao da produo em relao ao caso anterior, com inverso nos
perfis ocorrendo a partir do oitavo ano de produo.
87
)LJXUD(VTXHPD'LUHFW/LQH'ULYHFRP3RoRV

7 8& 9 % : ;< < 9 % > % & ?
; 9 % > % & ?
; 9% >%&?

)LJXUD3HUILOGH3URGXomR&RPSDUDomR(QWUHRV7UrV$UUDQMRV
88
Variando-se agora o tipo do arranjo, foi testada uma configurao
ILYHVSRW
com 41
poos, sendo 19 produtores e 22 injetores, conforme Figura 7.21. O VPL do projeto passou para
US$ 744,57 milhes, com FR final de 47,80%.
Os quatro perfis de produo esto na Figura 7.22, com nova antecipao da produo
em relao ao esquema anterior.
)LJXUD(VTXHPD)LYH6SRWFRP3RoRV
89

: ; ; < <=9 9 % % > > % % & & ? ?

; =9 % > % & ?
:; 9% >%&?
7 8& 9 %

7 8& 9 %

,
2,
/
23 (

(01
(
-./ ,

*+
()'

.645

#$%&
)LJXUD3HUILOGH3URGXomR&RPSDUDomR(QWUHRV4XDWUR$UUDQMRV
Por fim, o ltimo arranjo analisado foi um direct line drive com 45 poos, sendo 18
produtores e 27 injetores (
Figura 7.23). Desta feita ocorreu queda de valores, tanto no VPL quanto no FR,
respectivamente: US$ 680,19 milhes e 44,38%.
A ltima comparao entre perfis de produo est na Figura 7.24. Apesar de novamente
ter havido antecipao da produo, esta foi de pequena monta. A inverso de perfis ocorre
cedo, fazendo com que durante um longo tempo de produo este novo arranjo tenha produo
menor que o anterior.
A Figura 7.25 mostra como se comporta a presso mdia do reservatrio ao longo do

tempo para todos os casos analisados. Para os dois ltimos esquemas analisados o
comportamento de presso praticamente idntico.
90
)LJXUD(VTXHPD'LUHFW/LQH'ULYHFRP3RoRV

7 8& 9 %

7 8& 9 %

: ; ; < <=9 9 % % > > % % & & ? ?

; =9 % > % & ?
:; 9% >%&?
; 7 9 % > % & ?

45.6 ,
2,
/
23 (

(01
(
-./ ,

*+
()'

#$%&
)LJXUD3HUILOGH3URGXomR&RPSDUDomR)LQDO(QWUHRV$UUDQMRV
91
8 97
45 63
12
/ 0.
.
+,-

: ;< = > ? @A A = > B > < C

DE D D @F G = > B > < C
D E D D @ H I= > B > < C
: ;< = > ? @H G = > B > < C
D E D D @ H := > B > < C
! !" # # $ % $ # % & # %
'()*
)LJXUD3HUILOGH3UHVVmR&RPSDUDomR(QWUHRV$UUDQMRV
De todos os casos analisados, o arranjo ILYHVSRW com 41 poos, com VPL de US$ 744,57
milhes e FR de 47,80%, foi o que produziu melhor resultado para o projeto, sendo, ento, o
adotado como estratgia de produo inicial para o Caso Base deste exemplo.
O Modelo Base foi submetido aos passos de otimizao j descritos anteriormente. A

Tabela 7.13 a seguir mostra os ganhos obtidos nesta etapa.
92
7DEHOD2WLPL]DomRGR0RGHOR%DVH
93/
)5
(US$ milhes)
(%)

0RGHOR,QLFLDO
+ 3,01
+0,08
Rod. 1 Realocao de poos
+22,98
+0,57
Rod. 1 Eliminao de injetores
+10,65
+0,40
Rod. 1 Desativao de canhoneios
+4,97
-0,06
Rod. 1 Converso para injetor (ao 1)
+2,08
-0,08
+ 1,21
+0,01
+4,55
-0,16
0RGHOR2WLPL]DGR

,QFUHPHQWR


- reposicionamento de cinco poos produtores
- eliminao de cinco injetores
- desativao de canhoneio de trs poos produtores
- converso de um poo para injetor

1~PHURGHSRoRV
93
,QLFLDO
2WLPL]DGR
725,07
686,08 (-5,4%)
41
36 (-12%)
'HILQLomRGRV$WULEXWRV&UtWLFRV
Cada um dos nveis incertos relacionados na Tabela 6.4 foi substitudo no Modelo Base
otimizado e sua influncia no desempenho do projeto pode ser vista na Figura 7.26.
93/9$5,$d2(05(/$d2$202'(/2%$6(
SHUtRGRGHSURGXomRGHDQRV
9DULDomR5HODWLYD

$WULEXWRV

)LJXUD*UiILFRSDUD$QiOLVHGH6HQVLELOLGDGHGRV$WULEXWRV,QFHUWRV
Para simulao dos modelos estruturais Bloco 1 e Bloco 1+2+3 foram, respectivamente,
retirados e acrescidos poos, sempre em respeito ao padro de malha de drenagem usado. Os
poos acrescidos relativos ao bloco 3 no participaram do processo de otimizao do Caso Base,
o que representa uma situao desvantajosa para o atributo Bloco 1+2+3 perante os demais.
Como compensao, foi feita uma reordenao da ordem de entrada em operao de todos os
poos deste modelo estrutural.
Novamente, tomando-se como pouco influente nos resultados do projeto uma variao
inferior a 5% no seu VPL, tem-se como crticos os seguintes atributos: volume poroso com seus
nveis pessimista e otimista, permeabilidade horizontal tambm com estes dois nveis,
efetividade das barreiras de permeabilidade com somente seu nvel Barr Tot (barreiras 100%
94
eficientes), modelo estrutural com seu nvel Bloco1 somente e, por ltimo, o atributo anlise
PVT com seu nvel PVT3.
Os atributos que sofreram eliminao de algum de seus nveis tiveram as probabilidades
de ocorrncia remanescentes recalculadas. Para o atributo efetividade das barreiras de
permeabilidade, o nvel mais provvel passou a ter 85% e o nvel Barr Tot ficou com 15%. Para
a anlise PVT, os nveis PVT1 e PVT3 ficaram respectivamente com 80% e 20%. E para o
modelo estrutural, os nveis foram 70% e 30%, respectivamente, para os nveis Bloco1+2 e
Bloco1.
'HILQLomRGRV0RGHORV5HSUHVHQWDWLYRV
Os atributos definidos como crticos permitem a montagem de 72 modelos de simulao,

os quais esto apresentados na Tabela 7.14, j com os resultados das suas simulaes e suas
probabilidades individuais e acumuladas. Como esperado, o Modelo Base o de maior
probabilidade individual.
7DEHOD5HVXOWDGRVGD6LPXODomRFRP,QFHUWH]D
93/
0RGHOR
Vpor otim + Kh otim

Vpor otim
PVT3 + Vpor otim + Kh otim
BL1 + Vpor otim + Kh otim
Barr Tot + Vpor otim + Kh otim
Kh otim
BL1 + Vpor otim
BL1 + PVT3 + Vpor otim + Kh otim
PVT3 + Vpor otim
Vpor otim + Kh pess
92,6
)5
(x10 US$) (x10 Nm ) (%)

1.123,85
122,37
48,24
1.007,88
122,37
46,25
1.000,94
123,92
43,99
946,58
104,54
48,05
882,22
122,37
37,63
874,81
87,41
49,42
848,31
104,54
46,15
839,85
105,87
43,69
825,59
123,92
40,80
803,28
122,37
42,45
95
3UREDELOLGDGH
(%)
,QGLY
$FXP
1,07
5,00
0,27
0,46
0,19
5,00
2,14
0,11
1,25
1,07
1,07
6,07
6,34
6,80
6,98
11,98
14,12
14,24
15,49
16,56
5HVXOWDGRVGD6LPXODomRFRP,QFHUWH]DFRQWLQXDomRGDWDEHODDQWHULRU
93/
0RGHOR
CASOBASE
Barr Tot + Vpor otim
PVT3 + Barr Tot + Vpor otim + Kh otim
PVT3 + Kh otim
BL1 + Kh otim
BL1 + Barr Tot + Vpor otim + Kh otim
BL1 + PVT3 + Vpor otim
BL1 + Vpor otim + Kh pess
BL1
Barr Tot + Kh otim
PVT3
BL1 + PVT3 + Kh otim
Kh pess
PVT3 + Barr Tot + Vpor otim
BL1 + Barr Tot + Vpor otim
Barr Tot + Vpor otim + Kh pess
BL1+PVT3+Barr Tot+Vpor otim+Kh otim
Vpor pess + Kh otim
PVT3 + Vpor otim + Kh pess
Barr Tot
PVT3 + Barr Tot + Kh otim
Vpor pess
BL1 + Kh pess
BL1 + PVT3
PVT3 + Vpor pess + Kh otim
BL1 + Barr Tot + Kh otim
BL1 + Vpor pess + Kh otim
BL1 + PVT3 + Barr Tot + Vpor otim
BL1 + PVT3 + Vpor otim + Kh pess
BL1 + Barr Tot + Vpor otim + Kh pess
PVT3 + Kh pess
PVT3 + Barr Tot
Barr Tot + Kh pess
BL1 + Vpor pess
Vpor pess + Kh pess
BL1 + Barr Tot
92,6
)5
(x10 US$) (x10 Nm ) (%)

794,02
87,41
48,56
785,57
122,37
35,97
784,75
123,92
34,21
777,18
88,51
45,71
735,34
74,67
49,95
726,62
104,54
37,52
697,01
105,87
40,91
687,07
104,54
42,90
667,31
74,67
49,05
654,81
87,41
39,02
653,33
88,51
43,99
649,99
75,62
46,16
647,64
87,41
46,26
645,47
123,92
31,97
632,57
104,54
35,52
628,41
122,37
33,41
625,99
105,87
33,82
619,90
61,19
49,78
594,73
123,92
35,86
588,19
87,41
37,96
577,57
88,51
35,57
566,25
61,19
49,17
550,86
74,67
46,69
547,93
75,62
44,19
545,34
61,96
46,21
537,19
74,67
39,09
515,97
52,27
50,42
510,65
105,87
31,47
506,68
105,87
36,39
502,16
104,54
33,08
483,48
88,51
40,65
479,87
88,51
34,17
477,21
87,41
35,94
472,32
52,27
49,89
471,86
61,19
48,64
471,42
74,67
37,81
96
3UREDELOLGDGH
(%)
,QGLY
$FXP
23,32
0,88
0,05
1,25
2,14
0,08
0,54
0,46
10,00
0,88
5,83
0,54
5,00
0,22
0,38
0,19
0,02
1,07
0,27
4,12
0,22
5,00
2,14
2,50
0,27
0,38
0,46
0,09
0,11
0,08
1,25
1,03
0,88
2,14
1,07
1,76
39,88
40,77
40,81
42,06
44,20
44,29
44,82
45,28
55,28
56,16
61,99
62,52
67,52
67,74
68,12
68,31
68,33
69,40
69,67
73,79
74,01
79,00
81,15
83,64
83,91
84,29
84,75
84,84
84,96
85,04
86,29
87,32
88,20
90,34
91,41
93,18
5HVXOWDGRVGD6LPXODomRFRP,QFHUWH]DFRQWLQXDomRGDWDEHODDQWHULRU
93/
0RGHOR
PVT3 + Barr Tot + Vpor otim + Kh pess

PVT3 + Vpor pess
BL1 + PVT3 + Barr Tot + Kh otim
BL1 + PVT3 + Vpor pess + Kh otim
Barr Tot + Vpor pess + Kh otim
BL1 + PVT3 + Kh pess
BL1 + Vpor pess + Kh pess
Barr Tot + Vpor pess
BL1 + PVT3 + Vpor pess
BL1 + Barr Tot + Kh pess
BL1 + PVT3 + Barr Tot
PVT3 + Barr Tot + Vpor pess + Kh otim
BL1+PVT3+Barr Tot+Vpor otim+Kh pess
PVT3 + Barr Tot + Kh pess
PVT3 + Vpor pess + Kh pess
BL1 + Barr Tot + Vpor pess + Kh otim
BL1 + PVT3 + Barr Tot + Kh pess
Barr Tot + Vpor pess + Kh pess
PVT3 + Barr Tot + Vpor pess
BL1 + Barr Tot + Vpor pess
BL1 + PVT3 + Vpor pess + Kh pess
BL1+PVT3+Barr Tot+Vpor pess+Kh otim
BL1 + Barr Tot + Vpor pess + Kh pess
BL1 + PVT3 + Barr Tot + Vpor pess
PVT3 + Barr Tot + Vpor pess + Kh pess
BL1+PVT3+Barr Tot+Vpor pess+Kh pess
92,6
)5
(x10 US$) (x10 Nm ) (%)

468,74
123,92
28,88
464,75
61,96
45,58
459,26
75,62
35,64
451,52
52,93
46,80
433,14
61,19
39,31
409,46
75,62
41,22
397,04
52,27
49,44
390,31
61,19
38,75
386,24
52,93
46,40
378,03
74,67
35,92
376,43
75,62
34,03
374,59
61,96
35,97
355,40
105,87
28,15
352,55
88,51
31,86
350,84
61,96
43,84
350,23
52,27
39,69
327,13
75,62
33,05
323,02
61,19
38,19
311,43
61,96
35,48
306,98
52,27
38,94
293,06
52,93
44,59
292,32
52,93
36,23
246,01
52,27
38,02
237,60
52,93
35,56
227,26
61,96
34,05
161,03
52,93
33,80
3UREDELOLGDGH
(%)
,QGLY
$FXP
0,05
1,25
0,09
0,11
0,19
0,54
0,46
0,88
0,54
0,38
0,44
0,05
0,02
0,22
0,27
0,08
0,09
0,19
0,22
0,38
0,11
0,02
0,08
0,09
0,05
0,02
93,22
94,47
94,57
94,68
94,87
95,41
95,87
96,75
97,28
97,66
98,10
98,15
98,17
98,39
98,66
98,74
98,83
99,02
99,24
99,62
99,74
99,76
99,84
99,93
99,98

Os dados da tabela anterior permitem construir a curva de risco para o projeto, vista na
Figura 7.27. Desta figura obtm-se os valores de VPL para as expectativas de realizao de
10%, 50% e 90%, mostrados na Tabela 7.15.
97

352%$%,/,'$'($&808/$'$[ 93/
3
!93/
0086
3
!93/
0086
3
!93/
0086
93/008V
)LJXUD&XUYDGH93/GR3URMHWR&RP5LVFR$VVRFLDGR
7DEHOD93/3DUD&DGD3HUFHQWLO

93/
(US$ milhes)
875
680
470
A escolha dos modelos representativos foi feita com base na Figura 7.28. Da nuvem de
pontos observada foram selecionados, para cada percentil, dois pontos (modelos) prximos da
linha desse percentil mas que apresentassem caractersticas de drenagem (FR) bem
diferenciadas. Desse modo, para cada expectativa de realizao do VPL do projeto, tm-se dois
modelos representativos diferenciados, permitindo uma boa representao das incertezas
envolvidas. Os modelos selecionados esto na Tabela 7.16.
98
5(35(6(17$d293/[)5

M OD E L OS R E P R E S E N T A T IVOS

93/0086

3

3

3

)5

)LJXUD(VFROKDGRV0RGHORV5HSUHVHQWDWLYRV
7DEHOD0RGHORV5HSUHVHQWDWLYRV
0RGHORV5HSUHVHQWDWLYRV93/SDUDDQRV
2WLPLVWD3
0pGLR3
3HVVLPLVWD3
Bloco1
Bloco1 + Vpor pess
PVT3 + Barr Tot +
PVT3 + Barr Tot +
+ Vpor otim
+ Vpor otim + Kh pess
Barr Tot + Vpor otim +

+ Kh otim
Kh otim
99
A Tabela 7.17 apresenta uma comparao entre os cinco arranjos, anteriormente testados
no Caso Base, aplicados a cada um dos modelos representativos. Para efeito de comparao,
todos os arranjos no passaram pelos passos de otimizao. Particularmente para o arranjo
VSRW
ILYH
com 41 poos, os valores herdados do Modelo Base otimizado esto na Tabela 7.14.
Para todos os modelos representativos, o arranjo ILYHVSRW com 41 poos o que propicia
maior VPL e, por isso, fica mantido como o esquema de drenagem de cada modelo
representativo.
7DEHOD4XDGUR&RPSDUDWLYR3DUD9DOLGDomRGD0DOKDGH'UHQDJHP
93/GR3URMHWR86PLOK}HV
VSRW
6/'
'/'
VSRW
'/'
SRoRV
SRoRV
SRoRV
SRoRV
SRoRV
Barr Tot + Vpor otim + Kh otim

Kh otim
696,66
747,48
674,98

744,15
639,76
776,07
787,19

762,42
Bloco 1
444,71
498,17
591,79

521,65
PVT3 + Barr Tot + Vpor otim
456,88
511,05
555,93

500,36
Bloco1 + Vpor pess

PVT3 + Barr Tot + Vpor otim + Kh pess
354,33
370,03
419,17

353,14
282,21
321,25
362,62

331,21
0RGHOR5HSUHVHQWDWLYR
100
Os resultados da otimizao sero apresentados de forma sucinta nas tabelas a seguir.

0RGHORVGH93/2WLPLVWD3
0RGHOR%DUU7RW9SRURWLP.KRWLP
7DEHOD2WLPL]DomRGR0RGHOR%DUU7RW9SRURWLP.KRWLP
93/
)5
(US$ milhes)
(%)

0RGHOR,QLFLDO
+ 9,99
+ 1,92
+0,01
+ 0,14
+0,01
Rod. 2 Converso para injetor
+0,36
-0,23
0RGHOR2WLPL]DGR

,QFUHPHQWR

- eliminao de dois injetores

- isolamento das duas ltimas camadas de um produtor
- converso de um produtor em injetor

1~PHURGHSRoRV
101
,QLFLDO
2WLPL]DGR
686,08
667,88 (-2,7%)
36
34 (-6%)
0RGHOR.KRWLP
7DEHOD2WLPL]DomRGR0RGHOR.KRWLP
93/
)5
(US$ milhes)
(%)

0RGHOR,QLFLDO
Rod. 1 Reordenao de cronograma
+ 0,43
+0,01
+ 1,00
-0,03
+ 0,93
+0,01
+0,69
-0,01
0RGHOR2WLPL]DGR

,QFUHPHQWR


- isolamento da ltima camada de trs produtores

1~PHURGHSRoRV

0RGHORVGH93/0pGLR3
0RGHOR%ORFR
102
,QLFLDO
2WLPL]DGR
686,08
686,08 (0%)
36
36 (0%)
7DEHOD2WLPL]DomRGR0RGHOR%ORFR
93/
)5
(US$ milhes)
(%)

0RGHOR,QLFLDO
+ 5,85
0RGHOR2WLPL]DGR
-0,04

,QFUHPHQWR


1~PHURGHSRoRV
0RGHOR397%DUU7RW9SRURWLP
103
,QLFLDO
2WLPL]DGR
631,50
621,77 (-1,5%)
30
29 (-3%)
7DEHOD2WLPL]DomRGR0RGHOR397%DUU7RW9SRURWLP
93/
)5
(US$ milhes)
(%)

0RGHOR,QLFLDO
+ 0,40
+0,01
+ 12,21
-0,13
0RGHOR2WLPL]DGR

,QFUHPHQWR


- eliminao de trs injetores

1~PHURGHSRoRV

0RGHORVGH93/3HVVLPLVWD3
0RGHOR%ORFR9SRUSHVV
104
,QLFLDO
2WLPL]DGR
686,08
660,53 (-3,7%)
36
33 (-8%)
7DEHOD2WLPL]DomRGR0RGHOR%ORFR9SRUSHVV
93/
)5
(US$ milhes)
(%)

0RGHOR,QLFLDO
+ 7,97
+0,17
+ 0,50
+ 0,05
-0,26
0RGHOR2WLPL]DGR

,QFUHPHQWR

- eliminao de trs injetores

- isolamento da ltima camada de um produtor

1~PHURGHSRoRV
,QLFLDO
2WLPL]DGR
631,50
603,22 (-4,5%)
30
27 (-10%)
0RGHOR397%DUU7RW9SRURWLP.KSHVV
105
7DEHOD2WLPL]DomRGR0RGHOR397%DUU7RW9SRURWLP.KSHVV
93/
)5
(US$ milhes)
(%)

0RGHOR,QLFLDO
+ 1,38
-0,02
+ 14,02
-0,58
0RGHOR2WLPL]DGR

,QFUHPHQWR


- eliminao de seis injetores

1~PHURGHSRoRV
,QLFLDO
2WLPL]DGR
686,08
631,15 (-8,0%)
36
30 (-20%)
A seguir feita uma anlise conjunta dos resultados obtidos com os dois exemplos
estudados.
106
$QiOLVHGRV5HVXOWDGRV
Na Tabela 7.24 e na Tabela 7.25 esto apresentados os principais resultados obtidos com o
primeiro exemplo e nas Tabela 7.26 e na Tabela 7.27 esto os do segundo exemplo.
Para o Exemplo 1, o ponto de destaque em todos os modelos considerados o mnimo

incremento percentual no valor da funo objetivo em decorrncia da otimizao da estratgia
de produo. Igualmente, observam-se pequenas variaes no nmero total de poos, na
recuperao final de leo, expressa pelo fator de recuperao (FR), e no valor dos investimentos
totais do projeto.
Em praticamente todos os modelos representativos, as alteraes na estratgia de produo

decorrentes do processo de otimizao foram de pequena monta, envolvendo basicamente
redefinies de cronograma de entrada em operao e eliminao de poucos poos. Esse
resultado, associado s pequenas variaes no valor dos investimentos totais, e tambm do VPL,
sugere que a otimizao da estratgia de produo de modelos representativos no altera de
maneira significativa o risco no cenrio de deciso em relao situao no otimizada. Apenas
um dos modelos representativos pessimistas (Vpor pess + Kh pess + PVT3) teve uma alterao
mais notvel no nmero de poos e nos investimentos com a otimizao, que no chega a
invalidar essa afirmao, j que se considera a disponibilidade de um nico sistema de produo.
107
Tabela 7.24: Exemplo 1 - Estratgia Inicial e Otimizao do Caso Base (US$ milhes)
0DOKDV$YDOLDGDV
93/
93/
&$62%$6(
,QLFLDO
2WLPL]DGR
498
645
600
-------

(+0,7 %)
Original
Linhas Prod./Inj.
)LYH6SRW Esparso
)LYH6SRW$GHQVDGR
3ULQFLSDLV5HVXOWDGRVGD2WLPL]DomR
---------------- nmero de poos reduzido de 43 para 42

- FR passa de 49,77 para 49,72%
- reduo de 1,1% nos investimentos
(*) j considerando ampliao do canhoneado dos injetores.

7DEHOD([HPSOR2WLPL]DomRGRV0RGHORV5HSUHVHQWDWLYRV86PLOK}HV
27,0,67$6
0RGHOR
93/
93/
5HSUHVHQWDWLYR
,QLFLDO
2WLPL]DGR
Vpor otim + Bloco 1
997
998
(+0,1 %)
- nmero de poos mantido em 36

- incremento de 0,2% nos investimentos
971
973
(+0,2 %)

- investimentos sem alteraes
- FR mantido em 51,48%
809
809
(+0,1 %)

- incremento de 0,2% nos investimentos
Bloco 1
798
799
(+0,1 %)

- FR mantido em 49,22%
Kh pess + Bloco 1
623
624
(+0,1 %)
- nmero de poos reduzido de 36 para 35

580
584
(+0,8 %)

529
545
(+3,1 %)

Kh otim
3(66,0,67$6
0e',26
Vpor otim + PVT3 +

Bloco 1
Vpor pess + Bloco 1
Vpor otim + Kh pess

+ PVT3
108
7DEHOD([HPSOR(VWUDWpJLD,QLFLDOH2WLPL]DomRGR0RGHOR%DVH86PLOK}HV
0DOKDV$YDOLDGDV
93/
93/
&$62%$6(
,QLFLDO
2WLPL]DGR
22 poos
S.L.D.31 poos
D.L.D.40 poos
547
678
694
-------
)LYH6SRWSRoRV

680
(+6,6 %)
---
)LYHVSRW
D.L.D. 45 poos
---------------- nmero de poos reduzido de 41 para 36

------
7DEHOD([HPSOR2WLPL]DomRGRV0RGHORV5HSUHVHQWDWLYRV86PLOK}HV
0e',26
27,0,67$6
0RGHOR
93/
93/
5HSUHVHQWDWLYR
,QLFLDO
2WLPL]DGR
882
895
(+1,4 %)

Kh otim
875
878
(+0,4 %)

Bloco 1
667
673
(+0,9 %)

645
658
(+2,0 %)

472
481
(+1,8 %)

469
484
(+3,3 %)

Barr Tot + Vpor

otim + Kh otim
PVT3 + Barr Tot

+ Vpor otim
3(66,0,67$6
Vpor pess + Bloco1
PVT3 + Barr Tot +

Vpor otim + Kh pess
109
Nas condies do exemplo adotado, e para a funo objetivo considerada, seria suficiente a
otimizao da estratgia de produo do Caso Base somente, podendo-se prescindir das etapas
de otimizao dos modelos representativos na execuo da anlise de risco, sem prejuzo da sua
qualidade. Alm disso, a otimizao do Caso Base reduz a possibilidade de ganhos posteriores
na otimizao dos modelos representativos. A otimizao da estratgia de um nico modelo
representa, ento, uma grande simplificao na aplicao da metodologia de anlise de risco,
com economia de tempo e recursos.
Ressalta-se que este modelo de reservatrio pode ser caracterizado como sendo de baixo
grau de heterogeneidade, sem compartimentaes e com pouca diferenciao de volumes no
importante atributo modelo estrutural. Alm disso, o processo de definio da malha inicial de
poos levou a uma boa drenagem do reservatrio. A conjuno desses fatores pode ter, numa
primeira anlise, minimizado a possibilidade de ganhos/variaes com o posterior processo de
otimizao da estratgia de produo para todos os modelos mostrados.
No entanto, ao observar os resultados do Exemplo 2, constata-se que as caractersticas

comportadas do primeiro caso no foram relevantes para a obteno de variaes discretas dos
parmetros calculados, j que agora se trata de um modelo de reservatrio radicalmente oposto
ao caso 1, ou seja, bastante heterogneo, compartimentado e com grande diferenciao entre
seus blocos. Este segundo exemplo apresenta os mesmos resultados qualitativos anteriores, com
pequenos incrementos percentuais no VPL do projeto com a otimizao para todos os modelos
analisados. E novamente foram anotadas pequenas variaes no nmero total de poos, no fator
de recuperao e nos investimentos do projeto. Mas, comum aos dois casos, h a implementao
de uma boa drenagem do reservatrio, este sim um fator tido como determinante na obteno de
resultados semelhantes em ambas as situaes.
De modo geral, observa-se que este segundo exemplo sofreu maiores alteraes durante o
processo de otimizao, notadamente no Modelo Base. Beckner e Song (1995) afirmam que
malhas regulares no so as opes ideais de explotao para reservatrios heterogneos. De
fato, no caso do Modelo Base, quase metade do ganho total no VPL (3,1 % dos 6,6 % totais) foi
110
justamente com a realocao de produtores inicialmente posicionados em pontos de m

qualidade do reservatrio. Mas, mesmo assim, a malha de poos escolhida levou a uma boa
drenagem do reservatrio e, em vista das incertezas envolvidas num estudo de risco, o ganho de
cerca de 6,6 % no VPL pode ser considerado baixo.
Quanto s alteraes na estratgia de produo dos modelos representativos devido

otimizao, estas foram, novamente, discretas. Pequenas variaes no nmero total de poos e
nos investimentos no alteraram o perfil de risco do projeto em relao uma situao no
otimizada.
Novamente um dos modelos pessimistas (PVT3 + Barr Tot + Vpor otim + Kh pess) sofreu
uma maior alterao na estratgia de produo e nos investimentos com a otimizao em relao
aos demais modelos representativos, sem, no entanto, invalidar os aspectos comentados.
Como no primeiro exemplo, e para a funo objetivo adotada, apenas a otimizao do Caso
Base poderia ser feita, dispensando-se as repetitivas e trabalhosas etapas de otimizao dos
modelos representativos, simplificando a anlise de risco sem prejuzo da sua qualidade.
Em termos de estratgia de produo, as maiores variaes ocorreram em modelos

representativos pessimistas, nos dois casos estudados. Por conta disso, um procedimento mais
abrangente a ser adotado consiste na otimizao dos modelos pessimistas inicialmente. Se
grandes variaes ocorrerem, aplica-se a otimizao aos demais modelos.
Quanto recuperao final de petrleo, os procedimentos de otimizao da estratgia de

produo no provocaram acrscimos ou redues superiores a 1% do volume de leo LQVLWX de
cada modelo de reservatrio nos dois exemplos analisados.
111
&RQFOXV}HVH5HFRPHQGDo}HV
&RQFOXV}HV
Foi apresentada uma abordagem para o problema de otimizao da estratgia de

produo em anlises de risco em projetos de E&P. Partindo-se de uma metodologia de
risco disponvel na literatura, foi elaborado um procedimento para otimizao da
estratgia de produo ao longo dessa anlise. O enfoque ficou restrito s incertezas
quanto aos parmetros de reservatrio;
Dois exemplos de modelos de reservatrio bem diferenciados foram estudados,

obtendo-se resultados equivalentes. Nos dois casos a otimizao da estratgia de
produo implicou num discreto aumento no valor do VPL do projeto, contidas
alteraes na estratgia de produo inicialmente adotada em cada exemplo e nos
investimentos totais requeridos. Credita-se a responsabilidade por tais resultados boa
drenagem inicial do reservatrio, obtida com o processo de seleo de malhas de poos
utilizado;
112
No segundo exemplo, mais heterogneo, a presena de barreiras no meio poroso,

grande incerteza quanto ao volume do modelo estrutural e dvidas quanto
conectividade hidrulica entre os blocos do mesmo reservatrio propiciou maiores
ganhos no VPL e maiores alteraes na estratgia de produo devido ao processo de
otimizao do que no primeiro exemplo, isento dessas caractersticas. Porm pode-se
afirmar que, em termos qualitativos, foram verificados os mesmos resultados nos dois
casos, inclusive quanto recuperao final de leo, que muito pouco variou em
qualquer situao;
Nos dois exemplos, a otimizao da estratgia de produo dos modelos

representativos gerou contidas variaes no nmero de poos, nos investimentos e no
VPL em relao uma situao de no otimizao, no alterando o perfil de risco do
projeto;
O processo de otimizao da estratgia de produo, conforme proposto aqui, deve ser

aplicado pelo menos ao modelo mais provvel do reservatrio (Caso Base), sem
prejuzo da qualidade da anlise de risco. Porm, j que foram observados maiores
variaes na estratgia de produo de alguns modelos representativos pessimistas,
recomenda-se otimizar tambm esses modelos e, na ocorrncia de grandes alteraes,
estender a otimizao para os demais modelos representativos envolvidos. A
otimizao da estratgia do Modelo Base somente, ou deste e de mais alguns modelos
representativos, representa uma grande simplificao na aplicao da metodologia de
anlise de risco;
Em um cenrio de pouca flexibilidade de mudana da estratgia originalmente

escolhida, a otimizao apenas do Caso Base permite que se tenha uma boa estimativa
das perdas ou lucros no alcanados que um desenvolvimento sub-otimizado possa
representar nas situaes de realizao da hiptese pessimista ou otimista,
respectivamente;
113
Em um cenrio de maior flexibilidade, a otimizao apenas do Caso Base resulta em

valores de P10 e P90 conservativos, isto , um pouco abaixo dos valores que seriam
obtidos se todos os modelos fossem otimizados;
A otimizao de todos os modelos no parece necessria j que resultados mais

acurados podem ser obtidos somente com a otimizao dos modelos representativos.
Entretanto, se a otimizao dos representativos resultar em variaes muito grandes,
recomenda-se avaliar a otimizao de outros modelos selecionados para avaliar o
impacto na curva de risco;
Numa anlise de risco, de grande importncia a definio de uma boa malha de

drenagem inicial como forma de, ao reduzir a possibilidade de ganhos futuros com
qualquer procedimento de otimizao, permitir que seja mantida uma nica definio
de projeto para qualquer resultado do campo.
5HFRPHQGDo}HV
Este estudo deve ser estendido a um maior leque de situaes atravs da anlise de
mais e variados exemplos. Igualmente, diferentes passos de otimizao devem ser
propostos e testados nesses exemplos;
Tambm se recomenda a utilizao de metodologias automatizadas para otimizao de

nmero, locao e ordem de entrada em operao de poos, como forma de economia
de tempo e recursos;
114
A princpio, a metodologia desenvolvida neste trabalho pode ser aplicada utilizando-se

outra funo objetivo, como, por exemplo, o coeficiente de retorno do projeto, o fator
de recuperao ou a produo acumulada de leo;
Para aplicaes de anlise de risco a projetos reais, deve ser considerado custo varivel
para o sistema de produo a implantar, situao esta mais prxima da prtica. Porm,
podem ser obtidas variaes apreciveis do VPL de um modelo de reservatrio em
decorrncia de pequenas mudanas oriundas da aplicao dos passos de otimizao.
115
5HIHUrQFLDV%LEOLRJUiILFDV
Aanonsen, S. I., Eide, A. L., Holden, L. and Aasen, J. O., Optimizing Reservoir Performance
Under Uncertainty with Application to Well Location. In: SPE Annual Technical
Conference and Exhibitions, Dallas, USA, SPE 30710, outubro de 1995.
Ballin, P.R., Aziz, K. and Journel, A.G., Quantifying the Impact of Geological Uncertainty on
Reservoir Performing Forecast. In: SPE Symposium on Reservoir Simulation, New
Orleans, USA, SPE 25238, fevereiro de 1993.
Beckner, B. L., and Song, X., Field Development Planning Using Simulated Annealing
Optimal Economic Well Scheduling and Placement. In: SPE Annual Technical
Conference and Exhibitions, Dallas, USA, SPE 30650, outubro de 1995.
Bittencourt, A. C. B. and Horne, R. N., Reservoir Development and Design Optimization. In:
SPE Annual Technical Conference and Exhibitions, San Antonio, USA, SPE 38895,
outubro de 1997.
Bobar, A. R., Reservoir Engineering Concepts on Well Spacing, SPE 15338, janeiro de 1985.
Corbishley, D. W.,Guedes, S. S., Pinto, A. C. C. and Cor C. A., Optimizing the Development
of a Giant Deepwater Multireservoir Oil Field through Reservoir Simulation. In: SPE
Reservoir Simulation Symposium, Houston, USA, SPE 51925, fevereiro de 1999.
116
Costa A.P.A., Schiozer, D.J.: Escolha de Atributos na Anlise de Risco em Campos de Petrleo
na Fase de Desenvolvimento, ENCIT, Caxambu, MG, 15-18 de outubro de 2002.
.
Cruz, P. S., Horne, R. N. and Deutsch, C. V., The Quality Map: A Tool for Reservoir
Uncertainty Quantification and Decision Making. In: SPE Annual Technical Conference
and Exhibitions, Houston, USA, SPE 56578, outubro de 1999.
Damsleth, E., Hage A. and Volden, R., Maximum Information at Minimum Cost: A North Sea
Field Development Study with an Experimental Design. Journal of Petroleum Technology,
pgs 1350-1356, dezembro de 1992.
Demirmen, F., Subsurface Appraisal: The Road From Reservoir Uncertainty to Better
Economics. In: SPE Hydrocarbon Economics and Evaluation Symposium, Dallas, USA,
SPE 68603, abril de 2001.
Garb, F. A., Assessing Risk in Estimating Hydrocarbon Reserves and in Evaluating

Hydrocarbon Producing Properties. Journal of Petroleum Technology, p.765-778, junho de
1988.
Guedes, S.S., Pinto, A.C.C., Cora, C.A.G., Pizarro, J.O.S., e Bittencourt, A.C., Aplicao de
Anlise de Incertezas no Desenvolvimento de Acumulaes Petrolferas Marginais em
guas Profundas In: Rio Oil & Gas Expo and Conference, IBP29600, Rio de Janeiro,
outubro de 2000.
Guedes, S.S., Pinto, A.C.C. e Cora, C.A.G., Otimizao da Malha de Drenagem com Foco na
Rentabilidade Uma Aplicao em Marlim Sul. In: III Seminrio de Reservas e
Reservatrio da Petrobrs, Rio de Janeiro, novembro de 2001.
117
Jensen, T. B., Estimation of Production Forecast Uncertainty for a Mature Production License.
In: SPE Annual Technical Conference and Exhibitions, New Orleans, USA, SPE 49091,
setembro de 1998.
Loschiavo, R.,
(VWLPDWLYD GH ,QFHUWH]DV QD 3UHYLVmR GH &RPSRUWDPHQWR GH 5HVHUYDWyULRV
Campinas: Departamento de Engenharia de Petrleo, Unicamp, 1999, 86 p., Dissertao

(Mestrado).
Mezzomo, C.C.,
2WLPL]DomR GH (VWUDWpJLDV GH 5HFXSHUDomR SDUD &DPSRV GH 3HWUyOHR
Campinas: Departamento de Engenharia de Petrleo, Unicamp, 2001, 105 p., Dissertao

(Mestrado).
Newendorp, P. D.
'HFLVLRQ $QDO\VLV IRU 3HWUROHXP ([SORUDWLRQ
Penn Well Publishing Co.,
Tulsa, Oklahoma, 1975.
vreberg, O., Damsleth, E. and Haldorsen, H. H., Putting Error-Bars on Reservoir Engineering
Forecast. In: SPE Symposium on Reservoir Simulation, New Orleans, USA, SPE 20512,
setembro de 1990.
Pedroso Jr., C., e Schiozer, D.J., Otimizao de Locaes de Poos usando Simulao Numrica
de Reservatrios e Computao Paralela (PVM). In: Rio Oil & Gas Expo and Conference,
IBP06200, Rio de Janeiro, outubro de 2000.
Prais, F. e Rodrigues, J.R.P., Utilizao de Tcnicas de Otimizao na rea de Reservatrios.

In: II Seminrio de Reservas e Reservatrio da Petrobrs, Rio de Janeiro, agosto de 1998.
Salomo, M.C. and Grell, A.P., Uncertainty in Production Profiles on the Basis of Geostatistic
Characterization and Flow Simulation. In: SPE Latin American and Caribbean Petroleum
Engineering Conference, Buenos Aires, Argentina, SPE 69477, maro de 2001.
118
Satter, A. and Ganesh, T.,
,QWHJUDWHG 3HWUROHXP 5HVHUYRLU 0DQDJHPHQW $ 7HDP $SSURDFK
Tulsa, USA, PennWell, 1994.
Seifert, D., Lewis, J. J. M., Hern, C.Y. and Steel, N. C. T., Well Placement Optimisation and
Risking using 3-D Sthocastic Reservoir Modelling Techniques. In: SPE European 3-D
Reservoir Modelling Conference, Stavanger, Norway, SPE 35520, abril de 1996.
Steagall, D.E., $QiOLVHGH5LVFRQDV3UHYLV}HVGH3URGXomRFRP6LPXODomR1XPpULFDGH)OX[R

([HPSOR GH XP &DPSR QD )DVH GH 'HOLPLWDomR
. Campinas: Departamento de
Engenharia de Petrleo, Unicamp, 2000. 89 p. Dissertao (Mestrado).
Steagall, D.E. and Schiozer, D.J., Uncertainty Analysis in Reservoir Production Forecast during
the Appraisal and Pilot Production Phases. In: SPE Reservoir Simulation Symposium,
Dallas, USA, SPE 66399, fevereiro de 2001.
119
$SrQGLFH$3URSULHGDGHVGH5HVHUYDWyULR
&XUYDVGH3HUPHDELOLGDGH5HODWLYD
6LVWHPDOHRJXD
0,8
Krw1
Kro1
Krw2
Kro2
Krw3
Kro3
0,7
.UHODWLY D
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0,0
0,2
0,4
6Z
120
0,6
0,8
1,0
6LVWHPD*iVOHR
0,6
Krg1
Krog1
Krg2
Krog2
Krg3
Krog3
0,5
.UHODWLY D
0,4
0,3
0,2
0,1
0,0
0,0
0,2
0,4
6J
121
0,6
0,8
7DEHODVGH$QiOLVH397

7DEHODGR1tYHO397IRUPDWRGHHQWUDGDSDUDRVLPXODGRU
Propriedades do leo
Presso
Razo de
Solubilidade
Fator Volume
Fator Volume
Viscosidade Compressibilidade
Viscosidade
de Formao
de Formao
(kgf/cm2) (m3 std/m3 std) (m3 res/m3 std)

36
46
53
68
81
112
132
145
163
190
211
212
232
250
250
266
275
283
293
306
318
348
361
32,8
38,2
42,1
50,1
60,6
72,3
81,3
87,3
94,9
106,0
113,5
118,2
127,3
136,0
136,1
143,5
147,9
151,6
156,5
162,6
168,5
182,6
188,8
Propriedades do Gs
1,199
1,211
1,220
1,238
1,262
1,291
1,314
1,330
1,351
1,384
1,408
1,410
1,433
1,455
1,455
1,474
1,485
1,499
1,507
1,522
1,537
1,572
1,588
(cp)
(kgf/cm2)-1
(m3 res/m3 std)
(cp)
2,05
1,92
1,83
1,68
1,55
1,34
1,24
1,16
1,09
1,00
0,94
0,90
0,81
0,72
0,72
0,65
0,61
0,57
0,53
0,47
0,41
0,27
0,21
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
1,40E-04
0,0336
0,0261
0,0223
0,0171
0,0129
0,0100
0,0085
0,0077
0,0069
0,0060
0,0054
0,0053
0,0049
0,0045
0,0045
0,0042
0,0041
0,0040
0,0038
0,0037
0,0035
0,0032
0,0031
0,0112
0,0118
0,0125
0,0136
0,0146
0,0153
0,0163
0,0171
0,0178
0,0188
0,0200
0,0212
0,0222
0,0231
0,0231
0,0239
0,0243
0,0247
0,0252
0,0259
0,0265
0,0280
0,0286

122
Propriedades do leo
Presso
Razo de
Solubilidade
Fator Volume
Fator Volume
Viscosidade
de Formao
de Formao

35
42
49
60
69
81
94
106
122
134
148
166
193
213
219
230
248
283
317
353
360
31,8
34,7
38,0
42,8
46,9
52,5
58,5
64,1
71,6
77,2
83,8
92,5
105,4
115,0
117,6
122,2
130,8
147,2
163,1
179,8
183,2
Propriedades do Gs
1,198
1,210
1,210
1,230
1,240
1,250
1,270
1,280
1,300
1,320
1,330
1,350
1,390
1,410
1,420
1,430
1,450
1,500
1,540
1,580
1,590
(cp)
(kgf/cm2)-1
(m3 res/m3 std)
(cp)
2,05
1,99
1,91
1,81
1,73
1,62
1,52
1,43
1,32
1,25
1,17
1,09
1,00
0,96
0,94
0,91
0,85
0,75
0,65
0,54
0,52
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
1,62E-04
0,0346
0,0291
0,0245
0,0199
0,0172
0,0144
0,0123
0,0108
0,0093
0,0084
0,0076
0,0067
0,0058
0,0053
0,0051
0,0049
0,0045
0,0040
0,0035
0,0032
0,0031
0,0109
0,0113
0,0117
0,0123
0,0128
0,0134
0,0142
0,0148
0,0157
0,0164
0,0172
0,0182
0,0197
0,0208
0,0211
0,0217
0,0227
0,0246
0,0265
0,0285
0,0289

123
Propriedades do leo
Presso
Razo de
Solubilidade
Fator Volume
Fator Volume
Viscosidade
de Formao
de Formao

16
36
61
71
107
142
177
194
213
226
230
247
251
282
301
317
324
351
360
20,3
32,2
46,5
50,0
67,9
85,7
103,6
112,5
122,0
128,6
130,4
139,3
141,3
157,1
166,7
175,0
178,5
192,0
196,6
Propriedades do Gs
1,134
1,161
1,206
1,207
1,254
1,300
1,347
1,370
1,395
1,412
1,417
1,440
1,445
1,487
1,511
1,533
1,542
1,578
1,589
(cp)
(kgf/cm2)-1
(m3 res/m3 std)
(cp)
2,38
1,95
1,67
1,60
1,32
1,32
1,32
1,31
1,30
1,29
1,29
1,27
1,27
1,25
1,24
1,22
1,22
1,20
1,19
1,56E-04
1,56E-04
1,56E-04
1,56E-04
1,56E-04
1,56E-04
1,56E-04
1,56E-04
1,56E-04
1,56E-04
1,56E-04
1,56E-04
1,56E-04
1,56E-04
1,56E-04
1,56E-04
1,56E-04
1,56E-04
1,56E-04
0,0753
0,0321
0,0185
0,0154
0,0101
0,0075
0,0060
0,0055
0,0050
0,0047
0,0046
0,0043
0,0042
0,0037
0,0035
0,0033
0,0032
0,0030
0,0029
0,0119
0,0126
0,0141
0,0144
0,0161
0,0179
0,0196
0,0205
0,0215
0,0221
0,0223
0,0232
0,0234
0,0249
0,0259
0,0267
0,0270
0,0284
0,0288

124

SantosJ A M

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

SantosJ A M

Caricato da

Copyright:

Formati disponibili

81,9(56,'$'((67$'8$/'(&$03,1$6

Curso: Cincias e Engenharia de Petrleo.

Dissertao de mestrado apresentada Subcomisso de Ps Graduao Interdisciplinar

FICHA CATALOGRFICA ELABORADA PELA

Santos, Jos Augusto Martins dos

Estudo da influncia da estratgia de produo em anlise de

Campinas, 07 de Junho de 2002

Expresso meus agradecimentos:

Ao Engenheiro M.Sc. Armando de Almeida Ferreira, pelo seu empenho pessoal em

A todos os professores do DEP e tambm do Instituto de Geocincias, que contriburam

A Ftima, Dlcio e Alice, por todo o suporte administrativo fornecido.

(autoria desconhecida, mas muito usado em Famlia)

SANTOS, Jos Augusto Martins.

(VWXGR GD ,QIOXrQFLD GD (VWUDWpJLD GH 3URGXomR HP $QiOLVH

GH 5LVFR GH 3URMHWRV GH ( 3

. Campinas: Faculdade de Engenharia Mecnica e Instituto

Anlise de Risco, Estratgia de Produo, Incerteza, Previso de Produo, Simulao

SANTOS, Jos Augusto Martins.

$QDO\VLV $SSOLHG WR 3HWUROHXP )LHOG 'HYHORSPHQW

. Campinas: Faculdade de Engenharia

Risk Analysis, Production Strategy, Uncertainty, Production Forecast, Numerical Flow

Descrio do Reservatrio ............................................................................... 43

Modelagem do Reservatrio ............................................................................ 45

Estratgia de Produo Inicial e Parmetros de Operao dos Poos.............. 48

Parmetros para Anlise Econmica................................................................ 50

Descrio/Modelagem do Reservatrio ........................................................... 52

Estratgia de Produo Inicial e Parmetros de Operao dos Poos.............. 56

Parmetros para Anlise Econmica................................................................ 56

Definio da Estratgia Inicial de Produo do Modelo Base ......................... 58

Otimizao da Estratgia de Produo do Modelo Base.................................. 67

Definio dos Atributos Crticos...................................................................... 68

Definio dos Modelos Representativos .......................................................... 70

Validao da Malha de Drenagem dos Modelos Representativos ................... 74

Otimizao da Estratgia dos Modelos Representativos.................................. 75

Modelos de VPL Otimista P10................................................................. 75

Modelo Kh otim .................................................................................. 75

Modelo Vpor otim + Bloco1............................................................... 76

Modelos de VPL Mdio P50 .................................................................... 77

Modelo Vpor otim + PVT3 + Bloco1 ................................................. 78

Modelos de VPL Pessimista P90.............................................................. 79

Modelo Vpor pess + Bloco1 ............................................................... 79

Modelo Kh pess + Bloco1................................................................... 81

Modelo Vpor otim + Kh pess + PVT3................................................ 82

Definio da Estratgia Inicial de Produo do Modelo Base ......................... 84

Otimizao da Estratgia de Produo do Modelo Base.................................. 92

Definio dos Atributos Crticos...................................................................... 94

Definio dos Modelos Representativos .......................................................... 95

Validao da Malha de Drenagem dos Modelos Representativos ................. 100

Otimizao da Estratgia dos Modelos Representativos................................ 101

Modelo Barr Tot + Vpor otim + Kh otim ......................................... 101

Modelo Kh otim ................................................................................ 102

Modelos de VPL Mdio P50 .................................................................. 102

Modelo Bloco1.................................................................................. 102

Modelo PVT3 + Barr Tot + Vpor otim ............................................. 103

Modelos de VPL Otimista P10............................................................... 101

Modelos de VPL Pessimista P90............................................................ 104

Modelo Bloco1 + Vpor pess ............................................................. 104

Modelo PVT3 + Barr Tot + Vpor otim + Kh pess ............................ 105

&RQFOXV}HVH5HFRPHQGDo}HV  

&RQFOXV}HV  

5HFRPHQGDo}HV  

5HIHUrQFLDV%LEOLRJUiILFDV  

)LJXUD([HPSORGH'LVWULEXLomRGH9DULiYHLV DGDSWDGRGH1HZHQGRUS BBBBBBBB 

&RQFOXV}HVH5HFRPHQGDo}HV

&RQFOXV}HV

5HFRPHQGDo}HV

5HIHUrQFLDV%LEOLRJUiILFDV

)LJXUD([HPSORGH'LVWULEXLomRGH9DULiYHLVDGDSWDGRGH1HZHQGRUS BBBBBBBB

7DEHOD2WLPL]DomRGR0RGHOR.KRWLP BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB