Aplicación de técnicas computacionales en Ingeniería de Petróleo

Transcrição

Aplicación de técnicas computacionales en
Ingeniería de Petróleo: Casos en Petrobras
D.Sc. Yván Jesús Túpac Valdivia
Universidad San Pablo
17 de Noviembre de 2012
Dr. Yván Túpac (UCSP)
Aplicación de técnicas computacionales en Ingeniería
17 de
deNoviembre
Petróleo: Casos
de 2012
en Petrobras
1 / 70
Contenido
1
Ingeniería de Petróleo
Definición
Áreas de actuación
Empresa PETROBRAS
2
Proyectos en Ingeniería de Petróleo
Proyecto ANEPI
Proyecto ANEPI-CI
Proyecto SMART-E&P
Proyecto CONFPETRO
3
Producción académica obtenida
4
Bibliografía
17 de
deNoviembre
Petróleo: Casos
de 2012
en Petrobras
2 / 70
Definición
Definición
Área de estudio interdisciplinar que combina métodos científicos y
prácticos orientándolos al desarrollo y aplicación de técnicas para
descubrir, explotar, desarrollar, transportar, procesar y tratar los
hidrocarburos desde su estado natural (en el yacimiento), hasta los
productos finales o derivados.
Están involucradas entre otras, las siguientes áreas de conocimiento:
Ingeniería Mecánica
Ingeniería Civil
Geología e Ing. Geológica
Ingeniería Eléctrica, electrónica
Computación
Ingeniería Industrial
17 de
deNoviembre
Petróleo: Casos
de 2012
en Petrobras
3 / 70
Se tienen las siguientes áreas de actuación:
1
Ingeniería de Yacimientos
2
Ingeniería de pozos
3
Proceso de producción
4
Análisis económico
17 de
deNoviembre
Petróleo: Casos
de 2012
en Petrobras
4 / 70
Definición
Ingeniería de Yacimientos
El desafío principal es poder desplazar los fluidos desde el interior de las
rocas tal que puedan llevarse hacia la superficie.
Algunas de sus áreas de estudio son:
Caracterización de los yacimientos
Propiedades geológicas de rocas
Propiedades de fluidos
Modelamiento y simulación de yacimientos
History Matching
17 de
deNoviembre
Petróleo: Casos
de 2012
en Petrobras
5 / 70
Definición
Ingeniería de Pozos
Todo lo relacionado a la construcción de pozos petroleros
Sondas de perforación
Cementaciones
Estructuras
Estabilidad de pozos
Perforación off-shore
Completaciones (conexión entre pozo y yacimiento)
Pozos sensoriados (inteligentes)
17 de
deNoviembre
Petróleo: Casos
de 2012
en Petrobras
6 / 70
Definición
Proceso de Producción
Garantizar que el óleo fluya hasta la superficie. Existe elevación natural
(suficiente presión) y elevación artificial:
Gas lift
Bombeo centrífugo inverso
Bombeo mecánico
Inyección de agua
Inyección de gas.
Recuperación mejorada: uso de polímeros, agentes biológicos,
solventes, vapor
17 de
deNoviembre
Petróleo: Casos
de 2012
en Petrobras
7 / 70
Definición
Análisis Económico
Analizar la factibilidad económica de un proyecto petrolífero, auxiliando en
la toma de decisión de explorar un yacimiento petrolífero o expandir el
proyecto:
Modelos de precios de commodities
Análisis de incertidumbre y riesgo
Optimización de alternativas de E&P
Opciones de expansión
Inversión en información
Optimización de producción y operación de pozos
17 de
deNoviembre
Petróleo: Casos
de 2012
en Petrobras
8 / 70
Empresa PETROBRAS
Empresa PETROBRAS
Sociedad Anónima de Capital Abierto, cuyo accionista mayoritario es
el Gobierno Brasileño1 .
Actuación como empresa de Energía con los siguientes rubros:
Exploración y Produción (E&P)
Refinería
Comercialización y transporte de óleo y gas natural
Petroquímica
Distribuición de derivados
Electricidad
Biocombustibles y outras fontes renováveis de energia.
1
www.petrobras.com.br
17 de
deNoviembre
Petróleo: Casos
de 2012
en Petrobras
9 / 70
Sistema de Producción
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
10 / 70
1
ANEPI: Análise Econômica de Projetos de Exploração e Produção
E&P de Petróleo sob Incerteza (F1, F2, F3)
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
11 / 70
1
2
ANEPI-CI: Análise Econômica de Projetos de Exploração e Produção
E&P de Petróleo em Campos Inteligentes
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
11 / 70
1
2
3
CONFPETRO: Sistema de Caracterização da Confiabilidade
Humana para a Área de Petróleo
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
11 / 70
1
2
3
CONFPETRO: Sistema de Caracterização da Confiabilidade
Humana para a Área de Petróleo
4
SMART-E&P: Sistemas e Modelos Inteligentes Aplicados a
Reservatórios com Tecnologia de Malha Fechada para a Exploração e
Produção de Petróleo e Gás
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
11 / 70
Proyecto ANEPI
Proyecto ANEPI
ANEPI: Análise Econômica de Projetos de E&P de Petróleo sob Incerteza
Objetivo:
Desarrollo de tecnologías para el Análisis de Alternativas de Desarrollo
de Campos de Petróleo bajo Incertidumbre Técnica y de Mercado
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
12 / 70
Proyecto ANEPI
Proyecto ANEPI
Objetivo:
de Campos de Petróleo bajo Incertidumbre Técnica y de Mercado
Reservorio Petrolı́fero
Alternativa de Desarrollo
Optimización
(Algoritmo Evolutivo)
Evaluación
Económica
(VPN)
Simulación de
Reservorio
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
12 / 70
Proyecto ANEPI
Proyecto ANEPI
Este proyecto constó de los siguientes módulos:
1
Optimización de alternativas en condiciones de certeza
2
Análisis de Alternativas de Desarrollo de Campos Petrolíferos bajo
incertidumbres técnicas y de mercado
3
Cálculo del Valor de Opción considerando incertidumbre técnica y de
Mercado
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
13 / 70
Proyecto ANEPI
Proyecto ANEPI
Encontrar una o más alternativas iniciales de desarrollo óptimas: número,
localización, tipo, orden de perforación y dimensión de pozos petroliferos.
Aplicación de Computación Evolutiva [1, 2, 3, 4].
Alternative
Wells
layout
Evolutionary
Model
Objective
function
Expert
knowledge
Reservoir
simulator
Production
curve
CapEx
NPV
compute
NP V = V − D
Reservoir
model
OpEx
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
14 / 70
Proyecto ANEPI
Proyecto ANEPI
Modelo evolutivo:
1
Representación: uso de un modelo de cromosoma con tamaño
variable (para soportar alternativas con cantidades diferentes de
pozos) y usando las estrategias de cromosoma creciente y cromosoma
oscilante [5]
Máscara de activación mi
0
1
0
1
1
0
1
0
Genotipo gi
Verticales
i, j
i, j
Inyectores
i, j
Horizontales
i, j
Productores
i, j, k i, j, k i, j, k i, j, k
dir, l
dir, l
Inyectores
dir, l
dir, l
Productores
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
15 / 70
Proyecto ANEPI
Proyecto ANEPI
Modelo evolutivo:
2 Evaluación: que consta de dos etapas:
i Simulación de la producción para la alternativa de pozos de cromosoma:
para obtener las curvas de producción de óleo, gas y agua. Uso de un
simulador de fluidos para modelo blackoil.
ii Cálculo del Valor Presente Neto de la alternativa del cromosoma a partir
de la producción, información geométrica y datos de mercado. Uso de
ecuaciones para el flujo de caja descontado.
Se hace uso de la arquitectura master-slave para evaluaciones en
paralelo [3, 6]
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
16 / 70
Proyecto ANEPI
Proyecto ANEPI
Modelo evolutivo: Simulación de producción
Alternativa
(Cromosoma)
AE
Evaluación de
la alternativa
Parámetros de
mercado,
inversión
y operación
Script de pozos
Información de
malla y pozos
VPN
Geometrı́a de
la malla
INCLUDE
Información de la
geologı́a de rocas
parámetros
PVT
,
,
info de pozos
Datos de producción:
óleo, gas, agua y pasos
de simulación
Simulador
blackoil
(CMG/IMEX)
Archivos de
salida (.OUT
.MRF .IRF)
Filtro de
salida
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
17 / 70
Proyecto ANEPI
Proyecto ANEPI
Modelo evolutivo: Cálculo del VPN
NPV = PV − D
nw
D = ( fhw a + r)nw + b + ∑ |p j − p plat |c
PV = (PVInc − PVOp ) (1 − I)
T
PVInc = ∑ Inc(ti )e−ρti
i=1
G(t)
Poil (t)
Inc(t) = Q(t) +
1000
j=1
T
PVOp = ∑ Op(ti )e−ρti
i=1
Op(ti ) = mnw +Vc Q(ti ) + Ry Inc(ti ) + Fc +WcW (ti )
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
18 / 70
Proyecto ANEPI
Proyecto ANEPI
Ejemplo de Aplicación:
Se usó un modelo de campo petrolífero homogéneo que consiste en una
malla de 30 × 30 × 1 con los siguientes parámetros geológicos:
Parámetro
Permeabilidad
Porosidad
Presión inicial
Saturación agua
Valor
1000.00
0.20
100.00
0.2
Unidad
md
kg
cm 2
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
19 / 70
Proyecto ANEPI
Proyecto ANEPI
Ejemplo de Aplicación – Experimento 01 (Aleatorio):
Respuesta ante una inicialización totalmente aleatoria.
La respuesta encontrada es la siguiente:
VINJ
VINJ
VINJ
VINJ
VPRO
HPRO1
Parámetro
VPN
Petróleo
Valor
1699.122
364.075
Unidad
(MUS$)
(Barriles)
VPRO
VPRO
VPRO
VPRO
HINJ
VPRO
VPRO
HINJ
VPRO
VINJ
VPRO
VINJ
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
20 / 70
Proyecto ANEPI
Proyecto ANEPI
Ejemplo de Aplicación – Experimento 02 (S. Inicial):
Alternativa optimizada:
Alternativa “five-spot” original
HINJ1
HINJ8
HPRO3
HINJ2
HINJ7
HPRO4
HINJ13
HINJ8
HPRO3
HPRO4
VINJ3
VINJ4
HINJ5
HINJ4
HINJ6
HINJ10
VINJ1
VINJ6
HINJ11
VINJ5
HPRO2
HPRO1
HPRO2
HPRO1
VINJ2
HINJ3
Parámetro
VPN
Petróleo
HINJ7
Valor
1397.981
297.025
HINJ9
Unidad
(MUS$)
(Barriles)
HINJ9
Parámetro
VPN
Petróleo
HINJ12
Valor
1667.821
359.100
HINJ14
Unidad
(MUS$)
(Barriles)
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
21 / 70
Proyecto ANEPI
Proyecto ANEPI
Análisis de Alternativas de desarrollo de campos petrolíferos bajo incertidumbres
Análisis de Alternativas de Desarrollo de Campos Petrolíferos bajo
incertidumbres técnicas y de mercado. Regla de Decisión Óptima
Uso de Algoritmos Genéticos [7]
GENETIC ALGORITHM
Decision Rule
(Threshold Curve)
Handling
Linear
Constraints
Evaluation
Option Value
Sim. Monte Carlo
(Oil Price)
Decisi on Rule by Genetic Algorithm
Stochastic Process
for a Commodity
34
Re g io n of Al te rna t ive 3
32
30
28
Geometric Brownian Motion
Mean Reversion Process
Waiting Regi on
26
24
Reg io n o f Alt er n a tiv e 2
Oil Price (US $)
22
20
18
Waiting Regi on
16
Re gi on of
Alt ern at iv e 1
14
12
10
8
6
Pseudo Random
Latin Hypercubic Sampling
4
2
73
1.
89
1.9
4
1.
15
1
1
.23
3
1 .3
1
5
1.3
9
7
1.4
79
1.5
62
1.
64
4
1
.72
6
1 .8
08
2
68
1.0
4
86
0.7
0.9
0
0.9
75
0.
65
8
0 .8
2
9
1
93
0.5
0.3
2
0.4
0.4
1
0
.24
7
0
0.0
00
0.0
82
0.
164
Generator and sampler
of random numbers
Ti me (ye ars )
A lter native 1
Waiting 1
Alte rna tive 2
Wait in g 2
A lter native 3
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
22 / 70
Proyecto ANEPI
Proyecto ANEPI
Modelo evolutivo:
Para decidir qué alternativa será aplicada se usa una “curva de disparo”
por cada alternativa, que suele aproximarse mediante una curva
logarítmica más un punto libre
a + b log(τ )
y para periodos de espera (sin tomar decisión), se definen curvas de espera
de la forma
aW + bW log(τ )
donde los parámetros (a, b, aW , bW ) y los puntos libres son obtenidos por
el modelo evolutivo por cada alternativa
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
23 / 70
Proyecto ANEPI
Proyecto ANEPI
Modelo evolutivo:
Representación: cada gen del cromosoma almacena los parámetros de
una curva logarítmica más su punto libre
Punto
Libre1
Punto
Libre2
Punto
Libre3
Punto
LibreN
b1
b2
b3
bN
a1
a2
a3
aN
Gen1
Gen2
Gen3
...
GenN
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
24 / 70
Proyecto ANEPI
Proyecto ANEPI
Modelo evolutivo:
Evaluación: Simular con Montecarlo varios caminos de precio de petróleo
y calcular el valor de opción de las alternativas ejercidas
Precio
Commodity
Ejercer
Curva de
disparoo
Esperar
Tiempo
t1
T
Expiración
Luego, calcular el valor medio de todas las simulaciones
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
25 / 70
Proyecto ANEPI
Proyecto ANEPI
Modelo evolutivo: Experimento
Dadas las siguientes alternativas:
Tamaño estimado de
reserva (B)
Calidad de reserva (q)
Inversión de desarrollo
(D)
Alternativa
400 M(bbl)
Alternativa 2
400 M(bbl)
Alternativa 3
400 M(bbl)
8%
400 (MUS$)
16%
1000 (MUS$)
22%
1700 (MUS$)
Considerar dos funciones estocásticas de precio de petróleo:
Movimiento Genométrico Browniano
Regresión a la media
Comparar con la metodología “clásica” con Ecuaciones Diferenciales
Parciales y evaluar el VPN de la alternativa escogida
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
26 / 70
Proyecto ANEPI
Proyecto ANEPI
Modelo evolutivo: resultados
Modelo Evolutivo
325.063
305.840
MGB
MRM
E.D.P.
323.340
313.860
Curvas de disparo para precio con MGB
Decision Rule by Genetic Algorithm
Decision Rule by D.P.E.
34
36
Region of Alternative 3
34
30
32
30
28
28
24
20
18
Waiting Region
16
Region of
Alternative 1
14
12
20
18
Waiting Region
16
Region of
Alternative 1
14
12
10
10
8
8
6
6
4
22
Oil Price (US$)
22
4
2
2
0
9
73
1.8
1.9
44
08
1.8
62
26
1.7
79
1.6
15
97
1.5
1.4
1.3
1.3
68
33
1.2
86
51
1.1
04
1.0
0.9
0.9
58
22
0.7
4
0.8
0.6
11
75
0.5
29
93
0.4
0.4
0.3
82
64
47
0.2
0.1
00
0.0
Time (years)
0.0
00
2.
70
80
60
40
50
90
1.
1.
1.
1.
1.
1.
20
30
1.
1.
90
00
80
70
10
1.
1.
0.
0.
0.
50
30
40
20
60
0.
0.
0.
0.
0.
10
0
0.
Oil Price (US$)
24
00
Waiting Region
26
Waiting Region
26
0.
32
Time (years)
Alternative 1
W aiting 1
Alternative 2
W aiting 2
Alternative 3
Alternative 1
Waiting 1
Alternative 2
Waiting 2
Alternative 3
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
27 / 70
Proyecto ANEPI
Proyecto ANEPI
Cálculo del Valor de Opción considerando incertidumbre
Cálculo del Valor de Opción bajo incertidumbre técnica y de mercado
Uso de Opciones Reales y Números Fuzzy [8, 9, 10]
Market Uncertainty
Stochactic Process
for a Commodity
Geometric Brownian Motion
Mean Reversion Process
Mean Reversion Process with jumps
Generator and sampler
of random numbers
Calculation of the
Threshold Curve:
Algorithm of
Grant, Vora and
Weeks Modified for
Fuzzy Numbers
Pseudo-random
Quasi Monte Carlo
Monte Carlo
Simulation
to Determine the
Real Option Value
(Fuzzy Number)
Real Option
Value
(Fuzzy Mean)
Fuzzy Numbers
Technical Uncertainty
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
28 / 70
Proyecto ANEPI
Proyecto ANEPI
Cálculo del Valor de Opción considerando incertidumbre
Sea un campo, no desarrollado con intertidumbre en el tamano de reserva
B y calidad económica q (vistas como una distribución triangular).
Se puede reducir el riesgo invirtiendo en obtener nueva información de
la reserva
Se debe evaluar cuál es la mejor opción de invertir en información y si
vale la pena esta inversión si el precio del petróleo sigue un proceso
estocástico (MRM o MGB).
Para k alternativas concosto de desarrollo D(Bk ), el VPN se calcula:
NPV(P)k = V (P)k − D(B)k
= qk PBk − D(Bk )
(1)
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
29 / 70
Proyecto ANEPI
Proyecto ANEPI
Integración [11, 12]
GENETIC ALGORITHM
Experts’
knowledge
Decision Rule
(Thr esho ld Cur ve)
Ha nd li ng
L ine ar
Co n st ra in ts
Evol ution ar y
Alg orithm
Genet ic operators
Evalu ation
Option Value
Sim. Monte Car lo
( Oil Pri ce)
Sto ch as ti c Pr o ces s
fo r a Co m mo di ty
D e c is i o n R u le
Objective
Function
b y G e n e ti c A lg o r it h m
3 4
3 2
R e g io n o f A lt e
r n a ti v
e3
3 0
2 8
W
C APEX
Parame ters
R e g io n o f A lt e rn a ti v e 2
2 2
2 0
1 8
W
a it n g R e g io n
1 6
Re
g i o nof
1 4
A lte r n a
t iv e 1
1 0
8
6
4
2
OPEX
Parame ters
9
6
9
8
8.
4
NPV = V − D
73
4
72
0
62
1
47
.
1.
NPV
Com puting
9.
6.
5.
8.
Optimized
alternatives
1
1
1
1
1
4
4
7
5
9
31
1.
3.
1
8
51
8
3
2
7.
75
90
5
6
2
1.
3
86
0
1
0.
8.
9.
0.
2.
6.
0
1
0
1
0
1
3
9
2
64
4
1
49
8
0
32
1.
0
5.
4.
2.
0.
0.
0.
.
0
0
0
0
0
7
0
0
o f r a nd o m nu m b er s
Production
C ur ve
a it n g R e g io n
2 4
1 2
Gen e ra to r an d sa m ple r
Wells
La yout
R eser voir
Model
2 6
O i lP r ic e (U S $ )
Geom etri c Br ownia n Mot ion
Mean Rev ersio n Pr ocess
Reservoir
Simulator
(or Proxy)
Alter nativ e
T
i me (y e a rs )
A tl e
r n a
t v
i e 1
Wa n
ti g 1
A tl e
r n
a ti e
v 2
W a
i n
ti g 2
A te
l r n
a ti e
v 3
Pse udo Ran dom
Lati n Hyper cubic Samp ling
Decision Rule
M ark et Unc ertaint y
Stochactic Process
for a Comm odi ty
Ge om et ric B ro wnia n M o tion
Me an Re ve rsio n Pr oc ess
Me an Re ve rsio n Pr oc ess with jum p s
Generator and samp ler
of r an dom num bers
Option value considering
the value of the expansion
option or investment in
information
Pse u do - ra n do m
Q ua si Mo n te Ca r lo
Cal culati on of th e
Thresho ld Cu rve:
Algo rithm of
Grant, Vo ra and
Weeks Modi fied for
F uzzy Num bers
M onte Carlo
S im ulatio n
to Deter mine the
Real Op ti on Value
(F u zzy Nu m be r )
Real Op ti on
Valu e
( F uz zy Me an )
Fu zzy Num bers
Technic al Unc ert ainty
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
30 / 70
Proyecto ANEPI
Proyecto ANEPI
Otros productos
Se implementó una herramienta de evaluaciones en paralelo usando
CORBA para la evaluación de individuos del modelo evolutivo [6, 4]
Envia
Arquivo .DAT e .INC
Parâmetros para o VPL:
Parâmetros do campo e poços
Requisição de inicialização
Requisição de status
Envia
Requisição de simulação
Retorna
VPL (Avaliação),
Custo de Desenvolvimento,
Óleo Acumulado,
ACK da avaliação
Retorna
ACK da inicialização
Módulo Avaliador
Módulo de Dados
Cenário de Avaliação
Retorna
Status atual do
cenário
Módulo de Serviços
Motor Simulador
Estrutura Dados
Retorna
Status atual do
avaliador
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
31 / 70
Proyecto ANEPI
Proyecto ANEPI
Otros productos
Esta estructura también fue utilizada por otros modelos de búsqueda
desarrollados por el Centro de Pesquisas de Petrobras [13]
Envia
Parâmetros para o VPL:
Retorna
ACK da inicialização
Retorna
Status atual do
módulo
simulador
Envia
Requisição de simulação
Requisição para Arquivos de
Simulador
Retorna
VPL (Avaliação),
Custo de Desenvolvimento,
Óleo Acumulado,
ACK da avaliação
Módulo Simulador
Módulo de Dados
Módulo de Serviços
Cenário de Avaliação
Motor de Simulação
Estrutura Dados
Envia
Arquivos para Simulação
(.DAT, .INC) compactados
Retorna
Arquivos com respostas
da simulação (.RWO)
TFTP
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
32 / 70
Proyecto ANEPI-CI
Proyecto ANEPI-CI
ANEPI-CI: Análise Econômica de Projetos de Exploração e Produção E&P de
Petróleo em Campos Inteligentes
de Campos de Petróleo Inteligentes
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
33 / 70
Proyecto ANEPI-CI
Proyecto ANEPI-CI
Objetivos
Objetivo 1: Investigar y proponer un sistema de optimización bajo
incertidumbre geológica y de confiabilidad a emplear en el desarrollo
y gestión de un reservorio inteligente de petróleo.
Determinar estrategias óptimas de producción y apoyar en la decisión
de usar o no pozos inteligentes
Uso de Computación Evolutiva y Simulación Monte Carlo [14, 15]
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
34 / 70
Proyecto ANEPI-CI
Proyecto ANEPI-CI
Objetivos
Objetivo 1: Investigar y proponer un sistema de optimización bajo
incertidumbre geológica y de confiabilidad a emplear en el desarrollo
y gestión de un reservorio inteligente de petróleo.
Determinar estrategias óptimas de producción y apoyar en la decisión
de usar o no pozos inteligentes
Uso de Computación Evolutiva y Simulación Monte Carlo [14, 15]
Objetivo 2: Perfeccionamiento de las herramientas desarrolladas en
el proyecto ANEPI (F1,F2,F3)
STarWeb: Sistema de Distribuição de Tarefas em Redes
Herramienta ANEPI
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
34 / 70
Proyecto ANEPI-CI
Proyecto ANEPI-CI
Campos Inteligentes
Apoyo a la decisión de uso de pozos inteligentes
Estrategias óptimas de producción y apoyo a la decisión de usar pozos
inteligentes.
Este sistema debe ser capaz de:
Evaluar el uso de completaciones inteligentes en presencia de falla en
válvulas
Optimizar una configuración de operación de válvulas (de tipo on/off
o continuas) cuando se usa pozos inteligentes.
Determinar la mejor estrategia de operación de válvulas cuando existe
incertidumbre geológica.
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
35 / 70
Proyecto ANEPI-CI
Proyecto ANEPI-CI
Campos Inteligentes
Se modeló e implementó el siguiente sistema [14, 16, 17, 15]:
Sistema de Otimização do Controle de Válvulas de Poços Inteligentes sob Incertezas
Módulo Otimização do
Controle de Válvulas
On/Off ou
Abertura Contínua
(Algoritmos Genéticos)
VPL
Otimizado
Condição das
Válvulas
Valor
Módulo Função Objetivo
IMEX
(Simulador de
Reservatório)
Módulo Tratamento de
Incerteza Geológica
do VPL
Cenário de falha
das válvulas
Cenários Geológicos
Curva de
Produção
Cenário Financeiro
para Cálculo do VPL
Módulo Tratamento de
Incerteza de Falha
(MC,QMC)
Cálculo do VPL
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
36 / 70
Proyecto ANEPI-CI
Proyecto ANEPI-CI
StarWeb: Sistema de distribución de Tareas en Red
Simulación paralelizada de alternativas de producción (usando
simulador de flujos)
Uso de una arquitectura en estrella y recursiva para distribuir las
tareas a lo largo de ejecutores y otros distribuidores
Uso de WEB Services que aplican comunicación en http:// y
facilidad de distribución inter-redes
Uso de XML para especificación de tareas
Multiplataforma
Puede ser usado con otros sistemas
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
37 / 70
Proyecto ANEPI-CI
Proyecto ANEPI-CI
StarWeb y Herramienta ANEPI
StarWeb: Sistema de distribución de Tareas en Red
Aplicativo Web
de Comando e
Administração
Executor
Executor
Executor
Distribuidor
Aplicação
Cliente
Distribuidor
Facilidade de
transposição de
firewalls
Rede 1
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
0000000000000000000
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
Executor
Rede 2
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
38 / 70
Proyecto ANEPI-CI
Proyecto ANEPI-CI
StarWeb y Herramienta ANEPI
Herramienta ANEPI [18]
ANEPI
GACom
BD local
Executor
(WebService)
Facilidade de
transposição
0de
0 0 0 0 0 0firewalls
00000000000000
Rede 1
Executor
Distribuidor
(WebService)
(WebService)
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000
Rede 2
Distribuidor
(WebService)
Executor
Executor
(WebService)
(WebService)
STarWeb
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
39 / 70
Proyecto ANEPI-CI
Visión Integrada del Proceso E&P
Extraído de [19, 20]
Perfurações,
construção e
operação
Sistema
produtor
Monitoração
Planta de tratamento e
compressão
Sistema
injetor
Otimização da
produção
Controle
Caracterização
no subsolo
Área de
drenagem
Atualização de
modelo
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
40 / 70
Proyecto ANEPI-CI
Visión Integrada de la Gestión E&P
Nanotecnologia
EOR
Opções
Reais
Novas
Tecnologias
Análise
Econômica
e de Risco e
Otimização
Novos materiais
BD
Alternativa de
desenvolvimento
Sensoriamento,
monitoração
real-time
Análise Integrada
de Dados
Controle e
Otimização
(Campo Inteligente)
Inversão
Sísmica
Ajuste
Histórico
Modelo do Sistema
Modelo de
reservatório
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
41 / 70
Proyecto SMART-E&P
Visión Integrada de la Gestión E&P
Nanotecnologia
EOR
Opções
Reais
Novas
Tecnologias
Análise
Econômica
e de Risco e
Otimização
Novos materiais
BD
Alternativa de
desenvolvimento
• Módulo 1 – Otimização de
Alternativas com Poços Multilaterais
Sensoriamento,
monitoração
real-time
Inversão
Sísmica
Módulo 4 – Ajuste
Análise Integrada
Histórico
Inteligente
Ajuste
Histórico
de Dados
Controle e
Otimização
(Campo Inteligente)
Modelo do Sistema
• Módulo 2 – Controle Pró-Ativo:
Otimização de Posicionamento e
Controle de Válvulas
• Módulo 3 – Controle Reativo
Modelo de
• Módulo 5 – Proxy de Reservatório
reservatório
Usando Caos Polinomial
• Módulo 6 – Estimação dinâmica do
modelo de reservatório
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
42 / 70
Proyecto SMART-E&P
Proyecto SMART E&P
SMART E&P: Sistemas e Modelos Inteligentes Aplicados a Reservatórios com
Tecnologia de Malha Fechada para a Exploração e Produção de Petróleo e Gás
Proyecto que integra varios frentes de investigación en el área de E&P
organizados como módulos de acuerdo a su área de aplicación:
1
Otimização de Alternativas com Poços Multilaterais
2
Controle Pró-Ativo: Otimização de Posicionamento e Controle de
Válvulas
3
Controle Reativo da produção
4
Estimação dinâmica do modelo de reservatório sob incertezas
5
Inversão Sísmica 3D
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
43 / 70
Proyecto SMART-E&P
Proyecto SMART E&P
Optimización de Alternativas con pozos Multilaterales
Comp. Evolutiva para optimizar alternativas con pozos multilaterales [21]
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
44 / 70
Proyecto SMART-E&P
Proyecto SMART E&P
Optimización de localización y operación de válvulas
Se optimiza:
Cantidad y localización de las válvulas
Considera incertidumbre técnica y geológica usando simulación Monte
Carlo
Estudio de expansiones para modelar las incertidumbres
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
45 / 70
Proyecto SMART-E&P
Proyecto SMART E&P
Control reactivo de la producción
Modelo de control lazo cerrado de producción a corto y medio plazo
Identificación del modelo de reservorio: Neuronal, Lineal, no lineal
Optimización: Reinf. Learning, MPC, Algoritmos Evolutivos [22, 23]
Tratamiento de incertidumbre del modelo de reservorio: QIEA-R.
a * (t )
OSP
GSP
WSP
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 ˆ
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 a(t )
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 Otimização
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000da
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00estratégia
0 0 0 0 0 0 0 0 0 0 0 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00de
0 0 0 0 0 0 0 0 0Controle
0 0 0 0 0 0 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 ˆ
00 00 00 00 00 00 00 00 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 O(t + 1)
Gˆ (t + 1)
Wˆ (t + 1)
O (t + 1)
Reservatório
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00P00 00 00(00 t00 00 00+00 00 00100 00)00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
Modelo proxy do
000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00Reservatório
000000000000000000000000000000000000000000000000000000000
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
G (t + 1)
W (t + 1)
Nova
informação
Modelo de Incertezas
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
46 / 70
Proyecto SMART-E&P
Proyecto SMART E&P
Control de waterflooding usando Reinforcement Learning
Incrementar factor de recuperación controlando el watercut por
presión de fondo (BHP) o water injection rate (STW)
ti
VPLi
AGENTE
- Matriz Q(a, s)
- Q-learning
Ação
ai = STWa,i
- Polı́tica
Prêmio
- CAPEX/OPEX
VPLi+1 - Mercado
- Cálculo VPL
ti+1
Oi+1
Gi+1
Wi+1
AMBIENTE
- Rotina de RESTART
- Simulador IMEX
- Results Report
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
47 / 70
Proyecto SMART-E&P
Proyecto SMART E&P
Control de waterflooding usando Reinforcement Learning
Incrementar factor de recuperación controlando el watercut por
presión de fondo (BHP) o water injection rate (STW)
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
48 / 70
Proyecto SMART-E&P
Proyecto SMART E&P
Proxy de reservorio con característica recursiva
J
BHPIN
t−1
ROD
BHPP
t−1
Entradas Recursivas
Av.Pressuret−1
Oilt−1
MODELO DE
RESERVORIO
Watert−1
(Recursivo)
Av.Pressuret
Oilt
Watert
Gast−1
Gast
Watercutt−1
Watercutt
Reservorio
Control
Modelo de Reservorio cuyas saidas pueden ser reaprovechadas para un
próximo paso de previsión (multistep forecasting) [22].
Estimación de modelo clásica y neuronal
Aplicabilidad en el control de producción
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
49 / 70
Proyecto SMART-E&P
Proyecto SMART E&P
Estimación dinámica del modelo de reservorio bajo incertidumbre
Estimación de los Parámetros geológicos del modelo de reservorio bajo
incertidumbre usando [24]
Expansión de PCA Karhunen-Loève para actualizar los parámetros
Inversión bayesiana para auxiliar en la actualización.
Ruído
Entrada
Algoritmo
de Controle
Sistema
Real
Otimização
Saída
Ruído
Sensores
Modelo
aproximado do
reservatório
Algoritmo de
Atualização
(Expansão K-L)
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
50 / 70
Proyecto SMART-E&P
Proyecto SMART E&P
Inversión Sísmica 3D – Estimación dinámica del modelo de reservorio bajo
incertidumbre
Desarrollo de un método de estimación de parámetros sísmicos para un
modelo de capas en 3D con baja inclinación a partir de datos de reflexión
sísmica usando Computación Evolutiva Híbrida [25]
Receptores
Malla
Fuentes
V1
V2
y
x
z
V3
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
51 / 70
Proyecto SMART-E&P
Proyecto SMART E&P
Gestión Integrada y Soporte a la Decisión E&P
Sistema de Gerência de Arquivos
Sistema ANEPI
Módulo de
Otimização de Alternativas
de Exploração
Poços Multilaterais
Módulo de
Análise de Decisão
de Alternativas por
Opções Reais sob
Incertezas
Módulo de
Modelos de
Reservatórios
Servidor BD
Módulo de
Análise de Decisão do Uso de Poços
Inteligentes
• Otimização de Localização e
Controle de Válvulas sob Incertezas
Campos
Alternativas
Poços
Proxy
Sistema de Controle de Produção
Módulo de
Otimização
Waterflood
Módulo de
Controle
Reativo de
Válvulas
Gerador de
Modelo de
Reservatório
Sistema de Modelagem
Dinâmica de Reservatórios
Simuladores
IMEX
Módulo de
Dados
Sísmicos
Simulador com
Incertezas
Módulo de
Estimação dos
parâmetros sob Incerteza
Sistema Real
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
52 / 70
Proyecto CONFPETRO
Proyecto CONFPETRO
Sistema de Caracterização da Confiabilidade Humana para a Área de Petróleo
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
53 / 70
Proyecto CONFPETRO
Proyecto CONFPETRO
Sistema de Caracterização da Confiabilidade Humana para a Área de Petróleo
Crear un sistema basado en lógica Fuzzy para reduir las posibilidades de
error humano en el Area de Petróleo [26, 27].
Para las actividades de operación, mantenimiento e inspección de
trasferencia y almacenamiento en la REDUC (Refinaria Duque de
Caxias – RJ)
Unidad de Producción de Gas en Pólo Cacimbas – (Unidade de
Negócios – ES)
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
53 / 70
Proyecto CONFPETRO
Proyecto CONFPETRO
1. Caracterização da Confiabilidade Humana em um Processo
Caracterizada por el grado de cumplimiento de un conjunto de atributos:
Performance Shaping Factors (PSFs) humanos técnico o ambientales
Se requiere la opinion de expertos sobre la influencia de cada factor
en la confiabilidad humana.
Determinando un grado de importancia de cada especialista se
obtiene el grado de influencia ajustado de cada PSF.
Se conoce la opinión de cada operador y con esto se obtiene opiniones
normalizadas al máximo.
Se obtiene un grado de atencion consensual por cada PSF.
Se puede determinar un grado de atención global.
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
54 / 70
Proyecto CONFPETRO
Proyecto CONFPETRO
Caracterización de Confiabilidad Humana: Proceso
Proceso con k PSFs, M expertos y N operadores.
Para um procedimento com K PSFs, e contando com M especialistas e N operadores
PSFs (K)
graus de influência
padrão (K)
Questionários (M)
Opiniões sobre graus de
influência (M x K)
atendimento (N x K)
Caracterização da
Confiabilidade
Humana em um
Processo
graus de atendimento
consensual (K)
graus de atendimento por
operador (N)
grau de atendimento global
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
55 / 70
Proyecto CONFPETRO
Proyecto CONFPETRO
Caracterización de Confiabilidad Humana: Procedimiento
Procedimiento con A acciones, k factores cognitivos, M expertos y N
operadores.
Para um procedimento com A ações, considerando K fatores cognitivos, contando com M especialistas e N operadores
Opiniões sobre possibilidades de
falha (M x A)
possibilidades de falha nas ações e
incertezas associadas (A x 2)
dependência (M x A)
transtorno(M x A x A)
incerteza(M x A)
Opiniões sobre graus de influência
de fatores cognitivos (M x K)
Caracterização da
Confiabilidade
Humana em um
Procedimento
graus de influência de fatores
cognitivos (K)
graus de atendimento dos
operadores (N x K)
Testes Cognitivos (N x K)
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
56 / 70
Proyecto CONFPETRO
Proyecto CONFPETRO
PSF (Performance Shaping Factors)
Conjunto de atributos que caracterizan confiabilidad humana para un
procedimiento dentro de un proceso. Son 64 factores agrupados en:
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
57 / 70
Proyecto CONFPETRO
Proyecto CONFPETRO
Factores Internos: entrenamiento, experiencia del trabajador,
prácticas, patrones de desempeño, stress, personalidad, estado físico,
cultura del trabajador.
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
57 / 70
Proyecto CONFPETRO
Proyecto CONFPETRO
Características Situacionales: Arquitectura, ambiente de trabajo,
horarios, turnos, equipos, personas, organización, reglamentos,
políticas.
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
57 / 70
Proyecto CONFPETRO
Proyecto CONFPETRO
Características Situacionales: Arquitectura, ambiente de trabajo,
horarios, turnos, equipos, personas, organización, reglamentos,
políticas.
Procedimientos: Procedimientos escritos, no escritos, comunicación,
cuidados advertencias, métodos de trabajo, equipo de trabajo,
necesidades de: previsión, toma de decisiones, complejidad, memoria,
cálculos y físicas, feedback, interfaz del hardware, repetitividad
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
57 / 70
Proyecto CONFPETRO
Proyecto CONFPETRO
Stress Psicológico: inicio inesperado, presión, vigilancia, monotonía,
exposición, amenazas de empleo, conflictos, sensibilidad humana,
distracciones, recompensas, reconocimiento.
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
58 / 70
Proyecto CONFPETRO
Proyecto CONFPETRO
Stress Psicológico: inicio inesperado, presión, vigilancia, monotonía,
exposición, amenazas de empleo, conflictos, sensibilidad humana,
distracciones, recompensas, reconocimiento.
Stress Fisiológico: duración del stress, fatiga, incomodidad, hambre,
sed, temperatura, radiaciones, falta de oxígeno, exposición química,
vibraciones, limitación y repetición de movimientos, ejercicio físico,
ritmo circadiano
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
58 / 70
Proyecto CONFPETRO
Sistema CONFPETRO
64
n
k
k
1
1
Atributos de
Confiabilidade
Humana
Procedimentos de
Operação,
Manutenção e
Inspeção
Contexto de indução ao erro
Construção de seqüência de
ações humanas em função
de PF; Dep; GT, para cada
procedimento.
Construtor de regras fuzzy
Identificação das demandas
Cognitivas em cada
procedimento.
Aplicação de testes
psicológicos aos trabalhadores
operários
Modelo Fuzzy
1. Pes o do especialista
IF...PSF... and...Aç ão...
2. Matriz de concordância
Then Confiabilidade Humana.... 3. Teoria de Consenso
Módulo:
Módulo de:
• Construtor da Árvore
Fuzzy de falhas humanas
• Criação do Padrão de Qualidade
• Determinação dos Graus de:
atendimento ao PQ
Inclusão
doPQ
PQn os
nos
operários
Inclusão do
t rabalhadores
• Cálculo da possibilidade
de erro humano.
Sistema de Caracterização da Confiabilidade
Humana para a Área de Petró leo
Alterações nos procedimentos.
Aplicação de novas estratégias
de treinamento.
Exigências de novas normas.
Legenda:
PF: Probabilidades de falha humana
Dep: Dependência entre ações.
G T: Grau de Tr anstorno
PQ: Padrão de Qualidade
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
59 / 70
Producción académica obtenida
Producción académica
Investigación en Ing. Petróleo – Producción Académica
Se los siguientes productos:
Proyectos tecnológicos I&D:
- ANEPI,F2,F3, ANEPI-CI, SMART-E&P, CONFPETRO
Premios ganados:
- Prêmio Petrobras de Tecnologia ediciones 2005, 2007, 2008, 2011
Producción Bibliográfica:
- LIBRO Análise Econômica de Projetos de Desenvolvimento de Campos
de Petróleo sob Incerteza, Ed. Interciência/PUC-Rio, maio 2007.
- LIBRO Oil Field Development under Uncertainty. Ed. Heidelberg:
Springer Berlin, 2009.
Capítulos en libros; aprox. 50 Artículos en proceedings, 7 artículos en
revistas indexadas.
Tesis de Doctorado, Disertaciones de Maestría, trabajos de pregrado.
Congresos: CITARE 2007
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
60 / 70
Bibliografía
Bibliografía I
Y. J. Túpac, M. M. Vellasco, and M. A. C. Pacheco, “Selection of
Alternatives for Oil field Development by Genetic Algorithms,” Revista
Engenharia Térmica, Edição Especial, vol. 2, pp. 51–54, may 2002.
L. F. Almeida, “Otimização de alternativas para desenvolvimento de campo
de petróleo usando computação evolucionária,” Master’s thesis,
Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do
Rio de Janeiro, Rio de Janeiro, Brasil, 2003, (In Portuguese).
Y. J. T. Valdivia, “Sistema inteligente de otimização de alternativas de
desenvolvimento de campos petrolíferos,” Ph.D. dissertation, Departamento
de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro,
Rio de Janeiro, RJ, Brasil, 2005, (In Portuguese).
L. F. Almeida, Y. T. Valdivia, M. M. B. R. Vellasco, and M. A. C. Pacheco,
“Otimização de alternativas para o desenvolvimento de campos de petróleo,”
Gestão & Produção, vol. 14, pp. 489–503, 12 2007.
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
61 / 70
Bibliografía
Bibliografía II
R. S. Zebulum, M. A. Pacheco, and M. M. B. R. Vellasco, Evolutionary
Electronics: Automatic Design of Electronic Circuits and Systems by Genetic
Algorithms. CRC Press, 2002.
Y. J. Túpac and L. Faletti, “Parallel evolutionary algorithms applied to
optimize the oilfields development,” in Proceedings del Encuentro Chileno de
Computación, Curicó, Chile, 2011. [Online]. Available:
http://jcc2011.utalca.cl/actas/ECC/jcc2011_submission_170.pdf
J. Lazo, M. Pacheco, and M. Vellasco, “Real options and genetic algorithms
to approach of the optimal decision rule for oil field development under
uncertainties,” in Theoretical Advances and Applications of Fuzzy Logic and
Soft Computing, ser. Advances in Soft Computing, O. Castillo, P. Melin,
O. Ross, R. Sepúlveda Cruz, W. Pedrycz, and J. Kacprzyk, Eds. Springer
Berlin / Heidelberg, 2007, vol. 42, pp. 445–454,
10.1007/978-3-540-72434-6_44. [Online]. Available:
http://dx.doi.org/10.1007/978-3-540-72434-6_44
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
62 / 70
Bibliografía
Bibliografía III
J. G. L. Lazo, “Determinação do valor de opções reais por simulação monte
carlo com aproximação por números fuzzy e algoritmos genéticos,” Ph.D.
dissertation, Departamento de Engenharia Elétrica, Pontifícia Universidade
Católica do Rio de Janeiro, Rio de Janeiro, RJ, Brasil, 2004, (In Portuguese).
J. G. Lazo Lazo, M. M. B. R. Vellasco, and M. A. C. Pacheco,
“Determination of real options value by monte carlo simulation and fuzzy
numbers,” in Proceedings of the Fifth International Conference on Hybrid
Intelligent Systems, ser. HIS’05. Washington, DC, USA: IEEE Computer
Society, 2005, pp. 488–496. [Online]. Available:
http://dx.doi.org/10.1109/ICHIS.2005.35
J. G. L. Lazo, M. M. B. R. Vellasco, M. A. C. Pacheco, , and M. A. G. Dias,
“Real options value by monte carlo simulation and fuzzy numbers,”
International Journal of Business, vol. 12, may 2007.
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
63 / 70
Bibliografía
Bibliografía IV
Y. J. Túpac, L. Faletti, J. G. Lazo, M. M. R. Vellasco, and M. A. Pacheco,
“Decision support system for economic analysis of E&P projects under
uncertainties,” in SPE Intelligent Energy Conference and Exhibition.
Amsterdam, The Netherlands: Society of Petroleum Engineers, 2008.
M. A. Pacheco and M. M. Vellasco, Eds., Intelligent Systems in Oil Field
Development under Uncertainty. Springer Berlin / Heidelberg, January
2009.
A. A. Emerick and R. C. M. P. Portella, “Production optimization with
intelligent wells,” in SPE Latin American & Caribbean Petroleum Engineering
Conference. Buenos Aires, Argentina: Society of Petroleum Engineers, 2007.
L. F. Almeida, “Sistema híbrido de otimização de estratégias de controle de
válvulas de poços inteligentes sob incertezas,” Ph.D. dissertation,
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
64 / 70
Bibliografía
Bibliografía V
L. Faletti, M. M. Vellasco, and M. A. C. Pacheco, “Optimization system for
valve control in intelligent wells under uncertainties,” Journal of Petroleum
Science and Engineering, vol. 73, pp. 129–140, may 2010.
L. Almeida, Y. Valdivia, J. Lazo, M. Pacheco, and M. Vellasco,
“Evolutionary computation for valves control optimization in intelligent wells
under uncertainties,” in Theoretical Advances and Applications of Fuzzy
Logic and Soft Computing, ser. Advances in Soft Computing, O. Castillo,
P. Melin, O. Ross, R. Sepúlveda Cruz, W. Pedrycz, and J. Kacprzyk, Eds.
Springer Berlin / Heidelberg, 2007, vol. 42, pp. 425–434,
10.1007/978-3-540-72434-6_42. [Online]. Available:
http://dx.doi.org/10.1007/978-3-540-72434-6_42
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
65 / 70
Bibliografía
Bibliografía VI
L. F. Almeida, Y. J. Túpac, M. A. C. Pacheco, M. M. B. R. Vellasco, and
J. G. L. Lazo, “Evolutionary optimization of smart-wells control under
technical uncertainties,” in SPE Latin American & Caribbean Petroleum
Engineering Conference. Buenos Aires, Argentina: Society of Petroleum
Engineers, 2007.
A. A. Emerick, E. Silva, B. Messer, L. F. Almeida, D. Szwarcman, M. A. C.
Pacheco, and M. M. B. R. Vellasco, “Well placement optimization using a
genetic algorithm with nonlinear constraints,” in SPE Reservoir Simulation
Symposium. The Woodlands, Texas, USA: Society of Petroleum Engineers,
2009.
M. Nikolaou, A. Stan Cullick, L. A. Saputelli, G. Mijares, S. Sankaran, and
L. C. Reis, “A consistent approach toward reservoir simulation at different
time scales,” in SPE Intelligent Energy Conference and Exhibition.
Amsterdam, The Netherlands: Society of Petroleum Engineers, 2006.
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
66 / 70
Bibliografía
Bibliografía VII
M. Nikolaou, A. Stan Cullick, and L. A. Saputelli, “Production
optimization–a moving-horizon approach,” in SPE Intelligent Energy
Conference and Exhibition. Amsterdam, The Netherlands: Society of
Petroleum Engineers, 2006.
B. Messer, “Projeto de Poços multilaterais em Reservatórios de Petróleo
otimizados por Algoritmos Genéticos,” Master’s thesis, Departamento de
Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio
de Janeiro, Brasil, 2009, (In Portuguese).
Álvaro Gustavo Talavera, “Controle Preditivo com Aprendizado por Reforço
para Produção de Óleo em Poços Inteligentes,” Master’s thesis,
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
67 / 70
Bibliografía
Bibliografía VIII
A. G. Talavera, Y. J. Túpac, and M. M. R. Vellasco, “Controlling oil
production in smart wells by MPC strategy with reinforcement learning,” in
SPE Latin American and Caribbean Petroleum Engineering Conference.
Lima, Peru: Society of Petroleum Engineers, 2010.
S. de Carvalho Miyoshi, “Modelo kernel PCA-genético para ajuste de
histórico,” Master’s thesis, Departamento de Engenharia Elétrica, Pontifícia
Universidade Católica do Rio de Janeiro, Rio de Janeiro, Brasil, 2010, (In
Portuguese).
S. G. B. Huamán, “Inversão de Parâmetros Geofísicos em Três Dimensões a
partir de Dados de Reflexão sísmica por Algoritmos genéticos Híbridos,”
Master’s thesis, Departamento de Engenharia Elétrica, Pontifícia
Universidade Católica do Rio de Janeiro, Rio de Janeiro, Brasil, 2008, (In
Portuguese).
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
68 / 70
Bibliografía
Bibliografía IX
J. More, R. Tanscheit, M. Vellasco, M. Pacheco, and D. Swarcman, “A fuzzy
approach to the study of human reliability in the petroleum industry,” in
Theoretical Advances and Applications of Fuzzy Logic and Soft Computing,
ser. Advances in Soft Computing, O. Castillo, P. Melin, O. Ross,
R. Sepúlveda Cruz, W. Pedrycz, and J. Kacprzyk, Eds. Springer Berlin /
Heidelberg, 2007, vol. 42, pp. 415–424, 10.1007/978-3-540-72434-6_41.
[Online]. Available: http://dx.doi.org/10.1007/978-3-540-72434-6_41
J. D. Moré, “Análisis de la Confiabilidad humana en una Refinería de
petróleo. Uso de metodología borrosa,” Cuadernos del CIMBAGE, vol. 12,
pp. 71–84, 2010.
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
69 / 70
Bibliografía
¿Preguntas?
17 dede
Noviembre
Petróleo:de
Casos
2012en Petrobras
70 / 70

Aplicación de técnicas computacionales en Ingeniería de Petróleo

Transcrição

Documentos relacionados

Precios de Hidrocarburos Cuenca Sedimentaria Brasileña Plantas

4.- Evolución de la industria del Ve, en occidente

La energía en la política sudamericana - NIPE

geologia del petróleo

edicion en pdf - Voces del Periodista

` ` INFORME DE EVALUACIÓN DE ACTIVOS v PASIVOS

4° Edición: Las nuevas ofensivas petroleras

américa latina: transformaciones geopolíticas y

libro la batalla petroleo

Noticiero Institucional de Petroecuador Martes, 17 de septiembre de

mercosul / sgt nº 11 “saúde” / cps / grupo ad hoc xxxx / acta n

Facultad De Filosofía y Letras Facultad de Ciencias Políticas y

cuestion PDVSA corr.pmd