IBP1649_12 UTILIZAO DE MTODOS COMBINADAS PARA OTIMIZAO DA PRODUO DE RESERVATRIOS DE PETRLEO Leonardo C. Oliveira1, Silvana M. B.

Afonso2, Bernardo Horowitz3

Copyright 2012, Instituto Brasileiro de Petrleo, Gs e Biocombustveis - IBP Este Trabalho Tcnico foi preparado para apresentao na Rio Oil & Gas Expo and Conference 2012, realizado no perodo de 17 a 20 de setembro de 2012, no Rio de Janeiro. Este Trabalho Tcnico foi selecionado para apresentao pelo Comit Tcnico do evento, seguindo as informaes contidas no trabalho completo submetido pelo(s) autor(es). Os organizadores no iro traduzir ou corrigir os textos recebidos. O material conforme, apresentado, no necessariamente reflete as opinies do Instituto Brasileiro de Petrleo, Gs e Biocombustveis, Scios e Representantes. de conhecimento e aprovao do(s) autor(es) que este Trabalho Tcnico seja publicado nos Anais da Rio Oil & Gas Expo and Conference 2012.

Resumo
Na Engenharia de Reservatrios, a definio de estratgias de produo uma etapa de grande importncia, uma vez que o sucesso do projeto bastante influenciado pela mesma, e em muitas situaes a utilizao de simuladores de reservatrios auxilia na definio de tais estratgias atravs da modelagem do comportamento dos mesmos. Um problema de grande interesse nesta rea a otimizao dinmica da produo considerando as restries da plataforma. No entanto, os problemas que envolvem essa temtica so bastante complexos devido ao grande nmero de variveis envolvidas e devido as no linearidades inerentes ao problema. Para tentar resolver este problema, a considerao de um mtodo de otimizao global o mais indicado. Porm, a aplicao de mtodos globais para resolver o problema de gerenciamento do reservatrio limitada devido ao comportamento da convergncia dos mesmos. Na tentativa de lidar com tal inconveniente, o algoritmo gentico (Genetic Algorithm - GA) combinado a um mtodo de busca local em uma nica ferramenta. A ideia explorar os pontos fortes dos diferentes algoritmos e evitar suas deficincias. Alm disso, como a busca da melhor soluo exigir mltiplas simulaes numricas de elevado custo, modelos substitutos so construdos utilizando a metodologia da krigagem. Com tais consideraes feitas, o mtodo de otimizao local selecionado foi a otimizao sequencial por aproximao (Sequential Approximation Optimization - SAO). Este trabalho tem como foco a considerao de estudos em problemas que envolvem reservatrios com caractersticas semelhantes s situaes reais objetivando a verificao da ferramenta aqui proposta para a otimizao de tais problemas. As simulaes necessrias para construo dos modelos substitutos sero conduzidas atravs de um simulador comercial do tipo Black Oil.

Abstract
In Reservoir Engineering, the definition of production strategies is a very importance step, since the success of the project is greatly influenced by it, and in many situations the use of reservoir simulators helps to define such strategies modeling its behavior. A problem of great interest is the dynamic optimization of oil production considering the constraints on oil platform. Such problems are very complex due to the large number of variables involved and also to the nonlinearities inherent on this. In order to try to solve this problem, a global optimization strategy is most suitable. However, the use of global search methods to solve the problem of reservoir management is limited to the convergence behavior of such algorithms. Trying to overcome that here, the Genetic Algorithm (GA) is combined with a local search strategy in a unique tool. The idea is to exploit the strengths of different algorithms and avoid their weakness. Moreover, as the search for the best solution requires multiples high costs numerical simulations, surrogate models are built using the kriging methodology. Under such considerations, the local search strategy chosen is the Sequential Approximation Optimization (SAO). This work focuses on studies on problems involving reservoir with characteristics similar to real situations, aiming to verify the proposed tool for solve such problems. The simulations considered to build the surrogate modes are conducted by a Black Oil simulator.

______________________________ 1 Mestre, Engenheiro Civil Universidade Federal de Pernambuco (UFPE) 2 PhD, Engenheiro Civil Universidade Federal de Pernambuco (UFPE) 3 PhD, Engenheira Civil Universidade Federal de Pernambuco (UFPE)

Rio Oil & Gas Expo and Conference 2012

1. Introduo
A simulao de reservatrios amplamente utilizada para identificar oportunidades de aumentar a produo petrleo. Neste cenrio, a injeo de gua o mtodo mais comumente utilizado para melhorar a recuperao de petrleo aps a depleo primria. O gerenciamento do reservatrio pode ser formulado como um problema de otimizao no qual as taxas de produo so obtidas obedecendo algumas condies impostas. Do ponto de vista da economia do projeto, a lucratividade usualmente escolhida como objetivo do problema, onde se pode buscar a maximizao do valor presente lquido (VPL), por exemplo. Na formulao do problema, normalmente, o perodo de concesso dividido em um nmero de ciclos de controle, cujas taxas de vazo de cada poo (percentual referente vazo total permitida naquele poo) so ajustadas nos tempos fixados ao longo desse perodo, tal como apresentado em (Horowitz et. al., 2009). Esse tipo de problema apresenta uma caracterstica multimodal, e para resolv-lo, um mtodo de otimizao global seria o mais indicado, o que leva a uma escolha natural de algoritmos evolucionrios para conduzir o processo de otimizao. Porm, alguns problemas surgem na considerao de tais algoritmos, entre eles o excesso de simulaes necessrias para se obter o resultado timo, bem como a convergncia lenta do mtodo. Na tentativa de superar tais inconvenientes, a combinao com algoritmos de programao matemtica seria algo que poderia trazer grandes proveitos, pois poderia proporcionar uma convergncia rpida ao redor de um ponto inicial pr-especificado. Outra maneira de diminuir o nmero de simulaes a serem realizadas no processo a considerao de um mtodo de aproximao. Tais mtodos so apontados na literatura como um instrumento poderoso para superar um alto custo computacional. A ferramenta resultante da combinao dos mtodos citados proporciona um equilbrio entre um processo global de otimizao e a eficincia de um processo de busca local atuando em um modelo substituto simples (Forrester et. al., 2008) que fornece uma viso geral sobre as tendncias da funo objetivo. Como mtodo global, o algoritmo gentico (Genetic Algorithm GA) (Goldberg, 1989) foi selecionado e combinada ao mtodo local de otimizao com aproximao seqencial (Sequential Approximation Optimization SAO) (Eldered et. al., 2004). O modelo substituto construdo baseado na tcnica de krigagem. Quando se trata da etapa onde o GA utilizado, o modelo substituto aplicado a toda a regio de busca, podendo ou no ser atualizado, j na etapa da busca local com o SAO, o modelo substituto incorporado em um processo iterativo, que decompe o problema original em vrios subproblemas de otimizao sequenciadas, e cada subproblema confinado em uma regio de confiana do espao de projeto.

2. Definio do Problema
A injeo de gua em reservatrios de petrleo de longe o mtodo mais comumente utilizado para melhorar a recuperao aps a depleo primria. Apesar de muitas caractersticas favorveis, como a heterogeneidade do reservatrio, em particular, o contraste de permeabilidade, pode afetar negativamente no que diz respeito ao desempenho do mecanismo de produo. Alm disso, sabido que a presena de canais de alta permeabilidade, em relao gua, pode reduzir severamente a eficincia de varredura, e causando o surgimento prematuro da gua nos poos produtores. Uma maneira de contrabalanar o impacto da heterogeneidade e melhorar a eficincia de varredura dada atravs da alocao adequada das taxas de vazo para os poos injetores e produtores. Um problema de grande interesse a otimizao dinmica da produo agendada, considerando o valor presente lquido (VPL) como funo objetivo e limitaes nas taxas totais da plataforma. O clculo do VPL considerado neste trabalho feito com uma expresso bastante simplificada onde so computados para o fluxo de caixa apenas os custos com a gua injetada e com a gua produzida, e o lucro obtido com o leo produzido. O valor do barril adotado com um valor abaixo do mercado e com uma correo peridica com uma taxa fixa, que no leva em considerao as oscilaes no mercado. importante destacar que qualquer software de anlise financeira para obteno do VPL pode ser acoplado no processo de otimizao. Matematicamente, este problema pode ser formulado da seguinte forma:

Rio Oil & Gas Expo and Conference 2012

T 1 Maximizar: VPL = f ( x p ,t , u) = Ft ( x p ,t , u) t t = 0 (1 + d ) sujeito : x p ,t 1 , t = 1...nt pP

x
pI pP l p ,t

p ,t

1 , t = 1...nt
pI

(1)

x
x

x p ,t

p ,t

u p ,t

x p ,t , t = 1...nt
pP

x p ,t x

Nas equaes acima, d a taxa de desconto aplicada ao capital, T o tempo de concesso do projeto, e Ft o fluxo de caixa no tempo t, os ndices P e I se referem aos poos produtores e injetores, respectivamente, o vetor u representa parmetros que no podem ser controlados como propriedades das rochas e dos fluidos no reservatrio, preo do leo e inflao, entre outras, e por fim, tem-se xp,t como as varivel de projeto. A varivel xp,t a razo alocada no poo p no tempo t, e dada por:
x p ,t = q p ,t Qprod ,max , p P ; x p ,t = q p ,t Q prod ,max , pI (2)

onde qp,t a vazo do poo p no tempo t, Qprod,max a vazo mxima permitida de fludo no poo produtor e a razo determinada entre o leo produzido e a gua injetada, como apresentado a seguir:

Q prod ,max Qinj ,max

(3)

onde Qinj,max a vazo mxima permitida de gua injetada no poo injetor.

3. Ferramentas Consideradas na Otimizao

Nos estudos a serem apresentados neste trabalho, os tempos associados aos ciclos de controle so estabelecidos a priori. A condio de operao imposta a de regime topado, ou seja, o somatrio das vazes dos poos produtores e das vazes dos poos injetores igual a capacidade mxima da plataforma. No intuito de resolver o problema formulado na seo anterior, foi utilizada uma metodologia que combina mtodos globais e locais de otimizao, tambm conhecida como metodologia hbrida de otimizao. A considerao de combinao de algoritmos, visando explorar os pontos positivos de cada metodologia e evitar os aspectos negativos das mesmas, j vem sendo considerada h alguns anos. Um exemplo que pode ser citado foi apresentado por Andrade (Andrade, 1997). Porm, a metodologia considerada neste trabalho realiza o processo de otimizao em duas etapas. Na primeira etapa realizada uma otimizao por um algoritmo de busca global, com o intuito de encontrar a regio mais promissora do espao de projeto (onde se encontra o candidato a ponto timo global), em seguida realizada uma otimizao com um algoritmo de busca local para refinar a busca, melhorando o resultado encontrado na etapa anterior. Como j antecipado, o algoritmo selecionado para realizar a busca global foi o algoritmo gentico (Genetic Algorithm GA), e para realizao da busca local, o algoritmo selecionado foi o da otimizao por aproximao sequencial (Sequential Approximation Optimization SAO). caracterstico de um problema de otimizao do gerenciamento das vazes do reservatrio estar associado a um alto custo computacional devido s simulaes numricas exigidas. O emprego de modelos substitutos apontado na literatura como um instrumento poderoso para superar esse tipo de problema. Dentre as tcnicas de aproximao existentes, foi utilizada a tcnica de krigagem (Forrester et. al., 2004) (Valente, 1982). Na metodologia hbrida, o modelo substituto aplicado de maneira diferente em cada etapa do processo de otimizao. Quando o modelo substituto aplicado na primeira etapa, os pontos selecionados (amostra) podem ser escolhidos em qualquer localizao no domnio de projeto, criando assim uma aproximao para toda a regio. O modelo criado para a primeira etapa pode ser atualizado antes do resultado que servir de ponto inicial para a segunda etapa ser 3

Rio Oil & Gas Expo and Conference 2012 definido. Quando o modelo substituto aplicado na segunda etapa, o mesmo faz a aproximao por regio de confiana, seguindo os procedimentos padres do SAO (Eldered et. al., 2004).

3.1. Construo do Modelo Substituto Para a criao do modelo substituto via a tcnica de krigagem, o primeiro passo a gerao de pontos de amostragem que efetivamente preencham o espao de projeto do problema de otimizao, porm, seria interessante que a amostragem pertena de forma razovel regio vivel do problema. Os mtodos para gerar amostras para modelos de ajuste so conhecidos coletivamente como plano de experimentos (Desing of Experiment - DOE) (Forrester et. al., 2008). Verificou-se que, para o problema especfico de gerenciamento de injeo de gua, abordado neste trabalho, a tcnica de diagramao centralizada de Voronoi latinizada (Latinized Centroidal Voronoi Tessellation LCVT) supera os outros em geral (Afonso et. al., 2008). Essa tcnica uma verso criada a partir da combinao das tcnicas de diagramao centralizado de Voronoi (Centroidal Voronoi Tessellation CVT) e de hipercubo latino (Latin Hypercube Sampling LHS) (Romero et. al., 2006). Uma vez gerada a amostra, expresses de predio so desenvolvidas para avaliar a funo em pontos no avaliados do domnio. Essa funo baseada num modelo comum de krigagem que modela a funo real (Forrester et. al., 2008) como:

f ( x) = + Z ( x)

(4)

onde uma constante desconhecida e Z(x) uma funo gaussiana aleatria com mdia nula, desvio padro 2, e covarincia no nula. A matriz de covarincia dada por:
COV Z ( xi ), Z ( x j ) = 2 R R ( xi , x j ) (5)

onde xi e xj so pontos da amostra, e a funo de correlao R dada por:

2 ndv ( ( R( xi , x j ) = exp xki ) xk j ) k =i

(6)

Minimizando o quadrado da mdia e usando uma estimativa de mxima probabilidade (Forrester et. al., 2008) que leva a um valor timo de e ao melhor predito imparcial, dado por:

f ( x) = + rT ( x)R 1 (f s f )

(7)

onde fs = [f1, ..., fm] que so os valores reais da funo dos m pontos amostrais, f um vetor com m elementos 1, e:

r ( x) = [ R ( x, x1 ), ..., R( x, xm )] e = (f T R 1f ) 1 f T R 1f s

(8)

3.2. Busca Global Como citado anteriormente, o mtodo considerado na busca global no processo de otimizao foi o GA. Este algoritmo faz parte da caixa de ferramentas que faz parte do pacote de otimizao global do MATLAB (Otto and Denier, 2005). Uma caracterstica encontrada no GA, assim como na maioria dos algoritmos evolucionrios, a grande dificuldade em lidar com problemas restritos. Como todo algoritmo evolucionrio, para o processo de otimizao necessria a criao de uma populao inicial de indivduos a serem avaliados. Para melhorar a eficincia do GA, a presena de indivduos da regio vivel dentro da populao inicial bastante recomendada, porm o processo de gerao de indivduos de forma aleatria no garante a presena de indivduos na regio vivel, ao contrrio do que se imagina, com as restries apresentadas no problema proposto, encontrar um indivduo vivel de forma aleatria no algo simples. Para garantir que h indivduos viveis na gerao inicial, uma tcnica de viabilizao atravs de uma parametrizao aqui utilizada.

Rio Oil & Gas Expo and Conference 2012 A tcnica de viabilizao citada ser utilizada tanto na determinao da populao inicial na etapa de busca global, como tambm ser considerada na viabilizao de pontos amostrais criados para criao do modelo substituto. A considerao dessa viabilizao vem da necessidade de uma melhor definio da regio vivel para que o algoritmo possa desempenhar a busca pela regio onde o timo global est localizado de maneira mais eficiente. Para os problemas estudados, a parametrizao facilitada devido ao fato de que todas as restries impostas so lineares. Outra considerao feita na primeira etapa a atualizao do modelo substituto quando necessrio. A descrio sucinta desses dois procedimentos apresentada a seguir.

3.2.1. Parametrizao para Viabilizao dos Pontos Aleatrios Inicialmente feita a gerao dos indivduos de forma aleatria. Aps gerao destes pontos, verificada a violao dos mesmos em relao s restries de desigualdade impostas pelo problema definido na Equao 1. A partir dessa verificao criado uma parmtro l, aqui chamado de parmetro de ativao inferior, que remete o indivduo pertencente regio invivel condio ativa das restries pelo limite inferior, como descrito na equao a seguir: A ( l x ) = b l

(9)

De forma semelhante, criado um parmetro u, aqui chamado de parmetro de ativao superior, que remete o indivduo pertencente regio invivel condio ativa das restries pelo limite superior, tal como apresentado na equao a seguir:
A ( u x ) = bu

(10)

De posse dos parmetros de ativao, gerado um nmero aleatrio , aqui chamado de parmetro de viabilizao, compreendido entre os dois parmetros definidos anteriormente (l, u), que garante que as restries no sero violadas quando o mesmo for aplicado. Porm, no correto dizer que o indivduo est viabilizado, uma vez que o parmetro corrige o indivduo apenas para que o mesmo obedea s restries impostas e no contempla os limites das variveis para ser definido. Aps a correo feita com a aplicao do parmetro de viabilizao feita uma verificao para a correo das coordenadas que violam os limites do domnio de projeto. Para correo realizada a classificao das coordenadas em ordem decrescente. Caso alguma coordenada esteja fora dos limites do espao de projeto, realizada uma redistribuio para que todas passem a pertencer ao domnio de projeto. No caso onde o limite superior excedido, depois da classificao, feita uma redistribuio do excedente. Quando se tem mais de uma coordenada ultrapassando os limites superiores, os excessos so acumulados para redistribuio nas demais coordenadas de maneira ordenada, seguindo a ordem da classificao, ou seja, a redistribuio comea a partir da primeira coordenada que no apresenta excedente, caso o excesso no possa ser locado por completo na mesma, a distribuio segue para a coordenada seguinte, e assim sucessivamente at que todo o excesso tenho sido distribudo. O caso onde o limite inferior violado, uma complementao feita e o que falta retirado das demais. Com a distribuio realizada, as coordenadas so realocadas s posies originais. Essa considerao de classificao para distribuio faz com que as coordenadas que apresentem valor elevado, continuem elevados e as que foram geradas com valor mais baixo continuem com seus valores baixos em relao s demais. A considerao dos pontos viabilizados de fundamental importncia para a criao da populao inicial, uma vez que o GA apresenta dificuldades em resolver os problemas focados neste trabalho quando o mesmo foi utilizado sem pontos viveis na populao inicial. Em muitos dos testes realizados ocorreu a finalizao do processo sem que uma soluo vivel fosse encontrada. Vale ressaltar que a viabilizao da amostra considerada apenas para o modelo substituto criado para otimizao realizada pelo GA (primeira etapa do processo). Isso porque a aproximao nesta fase construda para todo o domnio de projeto.

3.2.2. Atualizao do Modelo Substituto Aps a criao do modelo substituto, com o percentual de amostras pertencentes ao conjunto vivel prdeterminado, executado o GA para otimizao do problema. Com a finalizao da otimizao feita uma verificao do ponto encontrado pelo GA como soluo tima. O ponto encontrado no modelo substituto avaliado na funo real e se verifica o erro entre os valores. Caso o erro seja maior do que a tolerncia previamente definida, o modelo reajustado

Rio Oil & Gas Expo and Conference 2012 considerando o acrscimo de mais pontos. Os pontos considerados nessa atualizao so: o ponto timo encontrado pelo GA; e um novo ponto aleatrio (pertencente ao conjunto vivel). A razo de se considerar mais pontos viveis na definio da funo substituta se deve justamente ao fato de ter uma aproximao mais refinada na regio onde o ponto timo est localizado. Com o novo modelo criado, o GA executado novamente. O ciclo de atualizaes do modelo substituto feito at que o erro entre o valor encontrado pelo no GA no modelo substituto e na funo real seja menor do que a tolerncia ou at se atingir um limite de pontos adicionados para atualizao do modelo.

3.2. Busca Local O SAO considerado no processo de busca local. O algoritmo realiza a otimizao atravs da decomposio do problema original em uma sequncia de subproblemas de otimizao, restritos a uma pequena sub-regio do espao de projeto. Um mtodo de regio de confiana usado e a atualizao do espao das variveis de projeto de cada subproblema (iterao do SAO). Diferente da busca global, os pontos gerados no precisam ser alterados para garantir a no violao das restries. Para atualizar o tamanho da regio de confiana, considerado o esquema descrito em (Eldred et. al., 2004) (Horowitz et. al., 2009), que leva em considerao a preciso da funo obtida no modelo substituto diante da funo real.

4. Resultados e Discusses
Objetivando validar a ferramenta desenvolvida para um problema mais prximo de um caso real, foi estudado um problema, no qual o VPL considerado como objetivo da otimizao a ser maximizado. Este problema tem como base o problema que foi estudado por Oliveira (2006), e em consequncia do avano nas pesquisas sofreu algumas modificaes em relao formulao original. Os valores considerados como referncia para comparao nos estudos realizados so os melhores resultados encontrados com o SAO, quando o mesmo foi considerado atuando isoladamente para a otimizao do problema, onde foram adotados vrios pontos de partida. O modelo criado para este reservatrio bastante complexo e constitudo a partir de tcnicas de geoestatstica e dados de afloramento. O modelo gerado reproduz um sistema deposicional turbidtico, tpico de formaes em guas profundas, que so caractersticas comumente encontradas nas bacias sedimentares da costa brasileira. O modelo numrico constitudo de uma malha de 43x55x6 blocos. Na Figura 1 pode ser vista a disposio dos poos no reservatrio (5 poos injetores e 7 produtores) j as caractersticas de permeabilidade da rocha reservatrio podem ser vistas na Figura 2, onde cada quadro representa o mapa de permeabilidade de uma das camadas do reservatrio.

Rio Oil & Gas Expo and Conference 2012

Figura 1 Reservatrio considerado para os estudos (mapa de permeabilidade).

(camada 1 - superfcie)

(camada 2)

(camada 3)

(camada 4)

(camada 5)

(camada6)

Figura 2 Mapa de permeabilidade das camadas do reservatrio. Como pode ser visto na Figura 1, o modelo apresenta doze poos, dos quais sete so poos produtores e cinco so injetores (cujas posies no so modificadas). A vazo individual de cada um dos sete poos produtores no pode exceder o valor de 900 m/dia, e o somatrio das vazes dos mesmos no pode ultrapassar os 5000 m/dia. Para os poos injetores, a mxima vazo individual limitada ao valor de 1500 m/dia, e o somatrio das vazes dos mesmos no pode ultrapassar o valor de 5750 m/dia. A Tabela 1 apresenta as principais caractersticas do reservatrio. Tabela 1: Resumo das caractersticas do modelo estudado. Malha de simulao Porosidade Permeabilidade vertical (kv) Permeabilidade vertical (kh) Compressibilidade da rocha a 1019 kgf/cm Contato entre fluidos Presso de saturao (Psat) Viscosidade a Tres, Psat Razo gs-leo de formao (RGOF) 43 (4300 m) x 55 (5500 m) x 6 (var) Variando entre 16% e 28% Figura 2 30% de kv 2 . 10-7 (kgf/cm)-1 Sem contatos WOC e GOC 101,97 kgf/cm 0,77 cp 78,1 m/m std

Devido complexidade deste caso, como j mencionado, apenas uma configurao foi considerada, a situao onde a operao era realizada em capacidade topada com um, dois e seis ciclos de controle, associando respectivamente 10, 20 e 60 variveis de projeto. O perodo de concesso de 24 anos, e as operaes de alterao das razes de vazo no poos realizada nos pontos definidos ao longo desse perodo (os ciclos de controle so definidos igualmente espaados ao longo do perodo de concesso). Foi utilizada a abordagem hbrida GLFLLF, que indica o GA sendo executado num modelo substituto seguido pelo SAO, devido ao tempo computacional despendido para realizao em uma simulao e devido ao fato dos testes realizados anteriormente (com as demais combinaes hbridas) (Oliveira et al, 2011) terem 7

Rio Oil & Gas Expo and Conference 2012 apresentado resultados bastante satisfatrios para esta combinao. Os resultados para o caso estudado esto apresentados nas tabelas a seguir. Tabela 2: Resultado encontrado considerando 1 ciclo de controle.

Referncia GLFLLF

VPL (106 U.M.) 313,34900 313,30180

Avaliaes de funo 485 382

Tabela 3: Resultado encontrado considerando 2 ciclos de controle.

Referncia GLFLLF

VPL (106 U.M.) 317,06300 316,38650

Avaliaes de funo 883 818

Tabela 3: Resultado encontrado considerando 6 ciclos de controle.

Referncia GLFLLF

VPL (106 U.M.) 319,32300 317,70220

Avaliaes de funo 2892 2210

Nas tabelas anteriores, a coluna com o nmero de avaliaes de funo est associada s chamadas do simulador de reservatrios que foram exigidas no processo de otimizao. As simulaes foram realizadas na fase de gerao dos pontos amostrais que serviriam para criar os modelos substitutos e na fase de avaliao de consistncia dos mesmos, tanto nas atualizaes do modelo substituto para o processo de busca global quanto na fase de busca local para as iteraes do SAO. Pelos resultados apresentados se percebe que a metodologia hbrida apresentou um resultado satisfatrio uma vez que o erro mximo em relao ao valor de referncia (citada no incio da descrio dos exemplos) foi menor do que 1%, e destacando-se que as solues foram obtidas como menos avaliaes de funes.

5. Concluses
Com os resultados apresentados no tpico anterior, se percebe que a metodologia hbrida de importante considerao uma vez que apresenta resultados com erros pequenos em relao referncia. Porm, deve ser ressaltado que os resultados utilizados como referncia so frutos de vrios testes realizados com diferentes pontos de partida para o SAO, e consequentemente, um elevado nmero de simulaes considerando o modelo de alta fidelidade. Para se ter uma ideia dos custos com a otimizao realizada apenas com o SAO, para o caso apresentado na Tabela 2, com apenas um ciclo de controle em todo o processo exploratrio do reservatrio, foram considerados dez diferentes pontos de partida. Foram necessrias 20 iteraes, em mdia, onde cada iterao fez uso de 21 avaliaes de funo, o que resultou em aproximadamente 4200 avaliaes de funo. O GA apresentou dificuldades em resolver os problemas focados neste trabalho quando o mesmo foi utilizado sem a garantia de indivduos viveis na populao inicial. Em muitos dos testes realizados ocorreu a finalizao do processo sem que uma soluo vivel fosse encontrada. Para a amostra gerada para a criao do modelo substituto, o procedimento proposto, onde o nvel da no violao imposto, no apresentou um diferencial notvel nos testes realizados. Novos testes, com as configuraes adotando as diferentes estratgias de gerenciamento apresentadas em (Oliveira et. al., 2011) esto sendo direcionadas para definir a aplicabilidade da metodologia em problemas reais da engenharia de reservatrios.

6. Agradecimentos
Os autores agradecem ao apoio financeiro para a pesquisa dado pelo PRH-26, da ANP (Agncia Nacional do Petrleo), CNPq (Conselho Nacional de Pesquisa), FACEPE, PETROBRAS, Foundation CMG, e UFPE.

Rio Oil & Gas Expo and Conference 2012

8. Referncias
AFONSO, S. M. B., HOROWITZ, B., WILLMERSDORF, R. B. Comparative Study of Surrogate Models for Engineering Problems. In: ASMO_UK/ISSMO International Conference On Engineering Design Optimization, 7th, Bath-UK, 2008. ANDRADE FILHO, A. C. B. Optimizing Hydrocarbon Field Development Using a Genetic Algorithm Based Approach. PhD Thesis submitted to the Department of Petroleum Engineering and Committee on Graduate Studies of Stanford University, Stanford, CA, 1997. ELDERED, M. S., GIUNTA, A. A., COLLIS, S. S. Second-Order Corrections for Surrogate-Based Optimization with Model Hierarchies. Paper AIAA-2004-4457 in Proceedings of the 10th AIAA/ISSMO Multidisciplinary Analysis and Optimization Conference, Albany, NY, 2004. FORRESTER, A., SOBESTER, A., KEANE, A. Engineering Design via Surrogate Modelling: A Practical Guide. Wiley, 2008. GLDBERG, D. E. Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley, 1989. HOROWITZ, B., AFONSO, S. M. B., MENDONA, C. V. P., WILLMERSDORF, R. B. Rate Control Optimization Of Waterflodding Management. In XXX CILAMCE Congresso Ibero Latino Americano de Mtodos Computacionais em Engenharia, 2009. LITTLEFIELD, B., HANSELMAN, D. MATLAB 5: Verso do Estudante Guia do Usurio, Makron Books, 1999. OLIVEIRA, D. F. B. Tcnicas de Otimizao da Produo para Reservatrios de Petrleo Abordagens Sem Uso de Derivadas para Alocao Dinmica das Vazes de Produo e Injeo. Dissertao de Mestrado. Universidade Federal de Pernambuco, Recife, PE, 2006. OLIVEIRA, L. C., AFONSO, S. M. B., HOROWITZ, B. Production Optimization of Petroleum Reservoir Using Hybrid Strategies, In: Proceedings of the Second International Conference on Soft Computing Technology in Civil, Structural and Environmental Engineering, Chania, Crete - Grece, 2011. OTTO, S. R., DENIER, J. P. An Introduction to Programming and Numerical Methods in MATLAB. Springer-Verlag London Limited, 2005. ROMERO, V. J., BURKARDT, J. V., GUNZBURGER, M. D. PETERSON, J. S. Comparison of Pure and Latinized Centroidal Voronoi Tessellation Against Various Other Statistical Sampling Methods, Reliability Engineering and System Safety 91, p. 1266-1280, 2006. VALENTE, J. Geomatemtica: lies de geoestatstica. Fundao Gorceix. Ouro Preto MG, 1982.