Metodologia de otimização robusta para gerenciamento e redesenvolvimento de reservatórios de petróleo utilizando técnicas de aprendizagem de máquina

Resumo

Os processos de desenvolvimento e gerenciamento de reservatórios usualmente possuem um alto custo computacional e de tempo, demandando assim, a utilização de metodologias práticas e eficientes. A metodologia em malha fechada proposta por Schiozer et al. (2019) denominada de CLRDM pode ser promissora para reservatórios com alta complexidade, inseridos em diferentes fases de produção, à medida que esta metodologia propõe a utilização de 12 passos para auxiliar no processo de decisão. No entanto, a integração de incertezas durante o processo de otimização robusta de reservatórios naturalmente fraturados pode ser um desafio a mais durante a etapa 10 do CLRDM. Portanto, a utilização de métodos de otimização e de técnicas de aprendizado de máquina podem acelerar o processo e considerar todas as incertezas relevantes. Este projeto está localizado na etapa 10 do processo CLRDM, e possui o principal objetivo de desenvolver uma metodologia de otimização robusta focando nas variáveis de controle de longa duração (G2L) e nas variáveis de redesenvolvimento (ou revitalização, G3). O caso de aplicação será o modelo sintético UNISIM-II-D-CO (adaptado de Correia et al., 2015), o qual é um reservatório carbonático fraturado de óleo leve semelhante aos encontrados no pré-sal brasileiro. (AU)