TESE SUBMETIDA AO CORPO DOCENTE DA … · O problema de fluxo neste tipo de completação foi...
Transcript of TESE SUBMETIDA AO CORPO DOCENTE DA … · O problema de fluxo neste tipo de completação foi...
APLICAÇÃO DE ALGORITMOS GENÉTICOS PARA A OTIMIZAÇÃO DA
PRODUÇÃO EM POÇOS DE PETRÓLEO CANHONEADOS
Patrícia dos Santos Matta
TESE SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DOS
PROGRAMAS DE PÓS-GRADUAÇÃO DE ENGENHARIA DA UNIVERSIDADE
FEDERAL DO RIO DE JANEIRO COMO PARTE DOS REQUISITOS
NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE DOUTOR EM CIÊNCIAS
EM ENGENHARIA CIVIL.
Aprovada por:
________________________________________________ Prof. Breno Pinheiro Jacob, D.Sc.
________________________________________________ Prof. Beatriz de Souza Leite Pires de Lima, D.Sc.
________________________________________________ Prof. Webe João Mansur, D.Sc.
________________________________________________ Prof. Paulo Batista Gonçalves, D.Sc.
________________________________________________ Prof. Andrea Ferreira Borges, D.Sc.
RIO DE JANEIRO, RJ - BRASIL
JUNHO DE 2007
ii
MATTA, PATRÍCIA DOS SANTOS
Aplicação de Algoritmos Genéticos
para a Otimização da Produção em Poços
de Petróleo Canhoneados [Rio de Janeiro] 2007
XIV, 175 p. 29,7 cm (COPPE/UFRJ, D.Sc.,
Engenharia Civil, 2007)
Tese - Universidade Federal do Rio de
Janeiro, COPPE
1. Algoritmo Genético
2. Canhoneio
3. Otimização
4. Elementos Finitos
5. Fluxo em Meio Poroso
I. COPPE/UFRJ II. Título ( série )
iii
A Minha linda e companheira filha, Maria
Alice pelo apoio e carinho.
iv
AGRADECIMENTOS
A Deus, por tudo.
Eu agradeço, primeiramente, ao Professor Breno Jacob por ter me aceitado como
aluna orientada, pelo amplo apoio e por proporcionar ambiente propício para o
desenvolvimento da Tese.
Ao engenheiro e coordenador Sérgio Murilo dos Santos Freitas pelas discussões
e ensinamentos sobre a teoria de Canhoneio, um dos alicerces centrais desta Tese e por
proporcionar o meu trabalho no projeto de Canhoneio.
Ao professor Carl Horst Albrecht pelo apoio com os métodos evolutivos.
Agradeço a todos os amigos que conviveram comigo no Laboratório de Métodos
Computacionais em Sistemas Offshore (LAMCSO) da COPPE/UFRJ, pelo clima de
companheirismo e respeito mútuo, requisitos importantes na criação de condições de
trabalho adequadas. Dentre todos, gostaria de ressaltar, em especial, a secretária Mônica
de Biase.
Aos membros da Banca, Beatriz de Souza Leite Pires de Lima, Webe João
Mansur, Paulo Batista Gonçalves e Andrea Ferreira Borges, por aceitarem o convite
para compô-la.
À PETROBRAS, pela bolsa de estudo.
Aos meus pais Jahir e Alice, por além de serem o que são, sempre apoiaram os
meus estudos e deram todo o apoio necessário nos momentos mais difíceis.
Gostaria de agradecer, em especial, ao Maurício Lamego pelo carinho, amplo
apoio e dedicação proporcionadas não só nos momentos felizes, mas, principalmente,
nas dificuldades enfrentadas no término desta Tese. Sua Tranqüilidade, incentivo e o
ambiente familiar proporcionados foram fundamentais. Além disso, contribuiu
decisivamente na revisão e correção desta Tese.
v
Resumo da Tese apresentada à COPPE/UFRJ como parte dos requisitos necessários
para a obtenção do grau de Doutor em Ciências (D.Sc.)
ALGORITMOS GENÉTICOS NA OTIMIZAÇÃO DA PRODUÇÃO EM
POÇOS DE PETRÓLEO CANHONEADOS
Patrícia dos Santos Matta
Junho/2007
Orientador: Breno Pinheiro Jacob
Programa: Engenharia Civil
Este trabalho apresenta o desenvolvimento e aplicação de uma ferramenta
baseada em algoritmos genéticos para a otimização da produção de petróleo em poços
canhoneados. O problema de fluxo neste tipo de completação foi otimizado através da
aplicação integrada do programa de otimização implementado neste trabalho com o
aplicativo de geração automática de modelos de poços canhoneados desenvolvido pela
Petrobras e com o programa comercial MSC.Marc. Na otimização, foram utilizadas as
diversas variáveis que compõem o problema de fluxo, que descrevem a geometria dos
poços e as propriedades dos materiais, e custo das operações de canhoneio em poços de
terra e de mar. Os resultados obtidos mostram a eficiência das ferramentas
computacionais empregadas no que se refere às soluções dos problemas de fluxo e de
otimização.
vi
Abstract of Thesis presented to COPPE/UFRJ as a partial fulfillment of the
requirements for the degree of Doctor of Science (D.Sc.)
GENETIC ALGORITHMS FOR THE OPTIMIZATION OF OIL PRODUCTION IN
PERFORATED WELL
Patrícia dos Santos Matta
June/2007
Advisor: Breno Pinheiro Jacob
Department: Civil Engineering
This work presents the development and implementation of a computational
tool, based in genetic algorithms, for the optimization of oil production in perforated
wells. The computational tool integrates the developed optimization program with a
commercial finite element code for the analysis of the flow problem. The optimization
process considers several variables that comprises the flow problem, including the
geometry of the well and the properties of the materials, and also the cost of the
operations. The results obtained demonstrate the efficiency of the computational tools
regarding the analysis of the flow problem and the optimization process.
vii
INDICE
1 Introdução _______________________________________________________ 1
1.1 Motivação e Objetivos _______________________________________________ 1
1.2 Histórico e Revisão Bibliográfica ______________________________________ 8
1.3 Organização do Texto_______________________________________________ 12
2 Aspectos teóricos de Canhoneio _____________________________________ 14
2.1 Introdução ________________________________________________________ 14
2.2 Classificação ______________________________________________________ 15
2.2.1 Overbalance____________________________________________________________15
2.2.2 Underbalance___________________________________________________________16
2.2.3 Extreme Overbalance (EOB)_______________________________________________16
2.3 Cargas Explosivas__________________________________________________ 17
2.4 Processo __________________________________________________________ 18
2.5 Eficiência de Canhoneio _____________________________________________ 21
2.5.1 Limpeza dos Orifícios ____________________________________________________21
2.5.2 Fatores Geométricos do Canhoneio__________________________________________21
2.5.3 Efeitos de Película (Skin effect) _____________________________________________25
2.5.4 Evidências Empíricas ____________________________________________________26
2.6 Características da Formação que afetam o desempenho do Canhoneio ______ 28
2.7 Segurança ________________________________________________________ 29
3 Fluxo em meio poroso _____________________________________________ 31
3.1 Introdução ________________________________________________________ 31
3.2 Conceitos Sobre os Fluidos___________________________________________ 31
3.2.1 Petróleo _______________________________________________________________31
3.2.2 Óleo e Gás Natural ______________________________________________________32
3.2.3 Propriedades Básicas dos Fluidos ___________________________________________32
3.2.4 Propriedades das Misturas Líquidas de Hidrocarbonetos _________________________34
3.2.5 Comportamento de Fases__________________________________________________36
3.2.6 Tipos de Reservatórios de Petróleo __________________________________________36
3.3 Conceitos Sobre as Rochas___________________________________________ 39
3.3.1 Porosidade _____________________________________________________________39
3.3.2 Saturação de Fluidos _____________________________________________________41
viii
3.3.3 Permeabilidade _________________________________________________________42
3.3.4 Mobilidade_____________________________________________________________44
3.3.5 Compressibilidade _______________________________________________________44
3.3.6 Rochas-Reservatórios ____________________________________________________46
3.4 Fluxo de Líquidos em Meios Porosos __________________________________ 47
3.4.1 Equação da Difusividade Hidráulica _________________________________________47
3.4.2 Equação da Continuidade _________________________________________________49
3.4.3 Equação de Darcy _______________________________________________________51
3.4.4 Equação de Estado_______________________________________________________56
3.4.5 Fluxo Radial ___________________________________________________________57
3.4.6 Fluxo Radial Permanente__________________________________________________60
3.4.7 Pressupostos de Modelagem _______________________________________________61
3.4.8 Produtividade de Poços em Regimes Estabilizados de Fluxo ______________________63
4 Estudos Paramétricos _____________________________________________ 65
4.1 Introdução ________________________________________________________ 65
4.2 Procedimento de Solução ____________________________________________ 65
4.2.1 Características do Modelo Numérico ________________________________________68
4.3 Gradação da malha_________________________________________________ 73
4.4 Parâmetros Relevantes; Índice de Produtividade ________________________ 74
4.5 Generalização dos Estudos de Refinamento da Malha ____________________ 75
4.5.1 Introdução _____________________________________________________________75
4.5.2 Características Físicas do Problema _________________________________________76
4.5.3 Características Geométricas________________________________________________77
4.5.4 Malhas Geradas _________________________________________________________78
4.5.5 Resultados _____________________________________________________________85
4.5.6 Validação do Modelo de Fluxo _____________________________________________87
4.6 Resultados dos Estudos Paramétricos__________________________________ 87
4.6.1 Modelo Padrão__________________________________________________________88
4.6.2 Anisotropia ____________________________________________________________91
4.6.3 Variação da Profundidade do Túnel (Lp) _____________________________________95
4.6.4 Permeabilidade do Dano da Formação _______________________________________99
4.6.5 Relação entre o raio externo do reservatório e o raio interno do poço_______________103
5 Conceitos de Otimização por ALgoritmos Genéticos ____________________ 115
5.1 Introdução _______________________________________________________ 115
5.2 Otimização_______________________________________________________ 118
ix
5.2.1 Otimização Analítica e Otimização Numérica ________________________________122
5.2.2 Métodos Aleatórios _____________________________________________________123
5.3 Método de Algoritmos Genéticos_____________________________________ 123
5.3.1 Definições Básicas______________________________________________________124
5.3.2 Estrutura dos Algoritmos Genéticos ________________________________________125
5.3.3 Aspectos Principais dos Algoritmos Genéticos ________________________________127
5.3.4 Vantagens dos Algoritmos Genéticos _______________________________________136
6 Implementação Computacional ____________________________________ 137
6.1 Introdução _______________________________________________________ 137
6.2 Parâmetros de Acompanhamento da Evolução _________________________ 140
6.3 Síntese e Otimização de Canhoneio___________________________________ 142
6.3.1 Variáveis livres ________________________________________________________142
6.3.2 Função Objetivo e Restrição ______________________________________________144
6.3.3 Algoritmo de Otimização ________________________________________________146
7 Aplicações – Casos Estudados _____________________________________ 147
7.1 Introdução _______________________________________________________ 147
7.1.1 Estudo de Caso n° 1_____________________________________________________148
7.1.2 Estudo de Caso n° 2_____________________________________________________152
7.1.3 Estudo de Caso n° 3_____________________________________________________156
7.1.4 Estudo de Caso n° 4_____________________________________________________161
8 Conclusões _____________________________________________________ 165
8.1 Introdução _______________________________________________________ 165
8.2 Conclusões dos Estudos Paramétricos ________________________________ 165
8.3 Conclusões sobre o comportamento dos algoritmos genéticos no canhoneio _ 167
8.4 Sugestões para Trabalhos Futuros ___________________________________ 169
8.5 Referências Bibliográficas __________________________________________ 170
x
ÍNDICE DE FIGURAS
Figura 1 – Esquema de uma sonda rotativa. Fonte: THOMAS [63]. _____________2
Figura 2 – Métodos de completação: a) poço aberto, b) revestimento (liner) rasgado e c) revestimento canhoneado. Fonte: [64].___________________________3
Figura 3 – Poço sendo canhoneado. Fonte: [65].______________________________6
Figura 4 – Poço sendo canhoneado. Fonte: [64].______________________________6
Figura 5 – Detonação da carga de um perfurador e a formação de jato. Fonte: [66]. ___________________________________________________________19
Figura 6 – Carga de um perfurador. Fonte: [66].____________________________19
Figura 7 – Geometria típica de um poço canhoneado. Fonte: [66].______________23
Figura 8 – Efeito da densidade do canhoneio e da profundidade do túnel no índice de produtividade. Fonte: [66].______________________________________24
Figura 9 – Efeito do diâmetro e da profundidade do túnel no índice de produtividade. Fonte: [66]. ______________________________________________24
Figura 10 – Efeito da anisotropia de permeabilidade no índice de produtividade dos poços. Fonte: [66].______________________________________29
Figura 11 – Reservatório de óleo com capa de gás. Modificado de ROSA [26]. _________________________________________________________________37
Figura 12 – Reservatório de gás. Modificado de ROSA [26].___________________38
Figura 13 – Seção transversal de uma amostra de rocha. Fonte: ROSA [26]._____41
Figura 14 – Rocha-reservatório contendo três fluidos: água, óleo e gás. Fonte: ROSA [26]. _____________________________________________________42
Figura 15 –Efeito da compactação natural sobre a porosidade. Fonte: ROSA [26]. ___________________________________________________________45
Figura 16 – Esquema do experimento de Henry Darcy sobre fluxo de água através de filtro de areia. Modificado [26]._________________________________52
Figura 17 – Superfícies equipotenciais no fluxo radial. Modificado [26]._________57
Figura 18 –Fluxo Radial. Modificado [26]. _________________________________60
Figura 19 – Desenho esquemático da geometria de um cubo elementar e suas cargas. Fonte: ROSA [26].___________________________________________63
xi
Figura 20 – Desenho esquemático dos elementos hexaédricos de 8 e 20 nós_______68
Figura 21 –Desenho esquemático. Fonte: [3]._______________________________70
Figura 22 –Desenho esquemático do túnel do canhoneio. Fonte: [3]. ____________71
Figura 23 – Perspectiva da região central do modelo. Fonte: [3]. _______________71
Figura 24 – Matriz de Refinamento._______________________________________73
Figura 25 – Refinamento da malha do túnel em um poço canhoneado.__________74
Figura 26 –Desenho esquemático das propriedades dos materiais.______________77
Figura 27 – PC_ER_4spf_r1gd41._________________________________________80
Figura 28 – PC_ER_4spf_r2gd41._________________________________________80
Figura 29 – PC_ER_4spf_r3gd41._________________________________________81
Figura 30 – PC_ER_4spf_r4gd41._________________________________________81
Figura 31 – PC_ER_4spf_r5gd41._________________________________________82
Figura 32 – PC_ER_4spf_r6gd41._________________________________________82
Figura 33 – PC_ER_4spf_r7gd41._________________________________________83
Figura 34 – PC_ER_4spf_r8gd41._________________________________________83
Figura 35 – PC_ER_4spf_r9gd41._________________________________________84
Figura 36 – PC_ER_4spf_r10gd41.________________________________________84
Figura 37 – Gráfico Vazão versus Número de Nós.__________________________86
Figura 38 – Gráfico da anisotropia vs razão de produtividade._________________93
Figura 39 - Mapa de pressão para a carga de 1 spf: (a) kz/kxy igual a 0,1 e (b) kz/kxy igual a 1. ____________________________________________________94
Figura 40 – Gráfico Razão de Índices de Produtividade versus comprimento do túnel (Lp).______________________________________________97
Figura 41 - Mapa de pressão, caso PC_EP_1spf_LP3_r6gd1, 1spf, Lp = 3”, vista isométrica. _______________________________________________________98
Figura 42 - Mapa de pressão, caso PC_EP_1spf_LP80_r6gd1, 1spf, Lp = 80”, vista isométrica. ___________________________________________________98
Figura 43 – Gráfico Razão de Índices de Produtividade versus Variação da Permeabilidade do Dano da Formação (kf)._______________________________101
xii
Figura 44 - Mapa de pressão, caso PC_EP_1spf_K25_r6gd1, 1spf, kf = 25, vista isométrica. ______________________________________________________102
Figura 45 - Mapa de pressão, caso PC_EP_1spf_K1000_r6gd1, 1spf, kf = 1000, vista isométrica._________________________________________________102
Figura 46 - Razão de Produtividade (PR) vs razão do raio do reservatório por raio do poço.______________________________________________________110
Figura 47 – Distribuição em espiral das cargas na parede do poço.____________116
Figura 48 – Classificação dos métodos de otimização. _______________________121
Figura 49 – Pseudocódigo básico de um Algoritmo Genético._________________126
Figura 50 – Exemplos de representação de um cromossomo de genes binários._____________________________________________________________132
Figura 51 – Exemplos de representação de Pontos de Cruzamento.____________132
Figura 52 – Esquema gráfico de ocorrência de Mutação._____________________133
Figura 53 – Opções para seleção do Método de Otimização e parâmetros_______138
Figura 54 – Gráfico de acompanhamento da evolução.______________________141
Figura 55 – Legenda.__________________________________________________141
Figura 56 – Relatório de acompanhamento._______________________________141
Figura 57 – Desenho esquemático do túnel.________________________________144
Figura 58 – Variáveis livres.____________________________________________146
Figura 59 – Parâmetros do Algoritmo Genético do Caso n° 1. ________________148
Figura 60 – Histórico do Melhor Indivíduo do Caso n° 1. ____________________149
Figura 61 – Convergência do Algoritmo Genético Caso n° 1. _________________150
Figura 62 – Figura representativa de 6 SPF com Lp de 65”.__________________151
Figura 63 – Parâmetros do Algoritmo Genético do Caso n° 2. ________________152
Figura 64 – Parâmetros do Algoritmo Genético do Caso n° 2. ________________154
Figura 65 – Convergência do Algoritmo Genético caso n°2. __________________155
Figura 66 – Parâmetros do Algoritmo Genético do Caso n° 3. ________________156
Figura 67 – Histórico do Melhor Indivíduo do Caso n° 3. ____________________157
xiii
Figura 68 – Dados de entrada dos parâmetros de síntese de otimização Caso n° 3. ________________________________________________________________158
Figura 69 – Convergência Algoritmo Genético caso n°3._____________________159
Figura 70 – Esquema de um poço canhoneado com as configurações do melhor indivíduo. _____________________________________________________160
Figura 71 – Parâmetros do Algoritmo Genético do Caso n° 4. ________________162
Figura 72 – Desenho Esquemático de um Poço.____________________________162
Figura 73 – Histórico do Melhor Indivíduo do Caso n° 4. ____________________163
Figura 74 – Dados de entrada dos parâmetros de síntese de otimização Caso n° 4_________________________________________________________________164
Figura 75 – Convergência Algoritmo Genético caso n°4._____________________164
xiv
ÍNDICE DE TABELAS
Tabela 1 – Características geométricas do modelo _____________________________72
Tabela 2 – Propriedades do reservatório _____________________________________77
Tabela 3 – Características do refinamento das malhas___________________________79
Tabela 4 – Parâmetros geométricos do modelo padrão __________________________88
Tabela 5 – Propriedades do reservatório _____________________________________90
Tabela 6 – Valores de pressão aplicados no modelo padrão ______________________90
Tabela 7 – Vazão do poço canhoneado para diferentes valores de anisotropia em in3/s__________________________________________________________________92
Tabela 8 – Razão de Produtividade para diferentes valores de anisotropia ___________93
Tabela 9 – Vazão do poço canhoneado para diferentes valores de profundidade do túnel (in) ___________________________________________________________95
Tabela 10 – Valores de razão de índices de produtividade variando com a penetração para as cargas estudadas_________________________________________96
Tabela 11 – Vazão do poço canhoneado para diferentes valores de permeabilidade do dano da formação________________________________________99
Tabela 12 – Valores de razão de índices de produtividade variando com a permeabilidade do dano da formação para as cargas estudadas___________________100
Tabela 13 – Comparativo entre resposta da simulação numérica e solução analítica______________________________________________________________104
Tabela 14 – Comparativo entre resposta da simulação numérica e solução
analítica para malhas com razão (rwre ) acima de 200 _________________________105
Tabela 15 – Comparativo entre resposta da simulação numérica e solução analítica para malhas ___________________________________________________105
Tabela 16 – Comparativo entre resposta da simulação numérica e solução
analítica para malhas com razão (rwre ) 500_________________________________106
Tabela 17 – Comparativo entre resposta da simulação numérica e solução analítica______________________________________________________________107
Tabela 18 – Efeito da razão entre o raio do reservatório e raio do poço sobre a vazão para diferentes densidades de carga ___________________________________108
xv
Tabela 19 – Efeito da razão entre o raio do reservatório e raio do poço sobre a razão PR para diferentes densidades de carga ________________________________109
Tabela 20 – Características do refinamento das malhas para 1spf_________________112
Tabela 21 – Características do refinamento das malhas para 2spf_________________112
Tabela 22 – Características do refinamento das malhas para 3spf_________________113
Tabela 23 – Características do refinamento das malhas para 4spf_________________113
Tabela 24 – Características do refinamento das malhas para 5spf_________________114
Tabela 25 – Características do refinamento das malhas para 6spf_________________114
Tabela 26 – Exemplo de Roleta – “Rank” hipotético de indivíduos _______________131
Tabela 27 – Variáveis livres (variáveis de projeto)____________________________143
Tabela 28 – Dados Invariáveis ____________________________________________144
Tabela 29 – Valores de permeabilidade _____________________________________153
1
1 INTRODUÇÃO
1.1 Motivação e Objetivos
A perfuração de um poço de petróleo é realizada através de uma sonda. A
sonda de perfuração é o conjunto de equipamentos e acessórios que possibilitam a
perfuração do poço. Uma sonda é formada por diversos sistemas que permitem o
fornecimento de energia, a sustentação de cargas, a rotação de brocas, o bombeamento
de líquidos, a segurança do poço e o monitoramento constante de diversas condições no
processo de perfuração, conforme ilustrado na Figura 1. Na perfuração rotativa, as
rochas são perfuradas pela ação da rotação e peso aplicado a uma broca existente na
extremidade de uma coluna de perfuração, a qual consiste basicamente de comandos
(tubos de paredes espessas) e tubos de perfuração (tubos de paredes finas). Os
fragmentos da rocha são removidos continuamente através da circulação de um fluido
de perfuração ou lama. O fluido é injetado por bombas para o interior da coluna de
perfuração através da cabeça de injeção, ou swivel, e retorna à superfície através do
espaço anular formado pelas paredes do poço e a coluna. Ao atingir determinada
profundidade, a coluna de perfuração é retirada do poço e uma coluna de revestimento
de aço, de diâmetro inferior ao da broca, é descida no poço. O espaço anular entre os
tubos do revestimento e as paredes do poço é cimentado com a finalidade de isolar as
rochas atravessadas, permitindo então o avanço da perfuração com segurança. Após a
operação de cimentação, a coluna de perfuração é novamente descida no poço, tendo na
sua extremidade uma nova broca de diâmetro menor do que a do revestimento para o
prosseguimento da perfuração. Do exposto, percebe-se que um poço é perfurado em
diversas fases, caracterizadas pelos diferentes diâmetros das brocas.
2
Figura 1 – Esquema de uma sonda rotativa. Fonte: THOMAS [63].
Ao terminar a perfuração de um poço, é necessário deixá-lo em condições
de operar, de forma segura e econômica, durante toda a sua vida produtiva. Ao conjunto
de operações destinadas a equipar o poço para produzir óleo ou gás (ou ainda injetar
fluidos nos reservatórios) denomina-se completação.
Ao completar o poço para a produção, é preciso revesti-lo com tubos de aço.
Coloca-se em torno dele uma camada de cimento, para impedir a penetração de fluidos
indesejáveis e o desmoronamento de suas paredes. A operação seguinte é o canhoneio:
um canhão especial desce pelo interior do revestimento e, acionado da superfície,
provoca perfurações no aço e no cimento, abrindo furos nas zonas portadoras de óleo ou
gás, permitindo o escoamento desses fluidos para o interior do poço. Outra tubulação,
3
de menor diâmetro (coluna de produção), é introduzida no poço para conduzir os fluidos
até a superfície. Instala-se na boca do poço um conjunto de válvulas conhecido como
"árvore-de-natal", para controlar a produção.
Quanto aos aspectos técnico e operacional, deve-se buscar otimizar a vazão
de produção (ou injeção) e tornar a completação a mais permanente possível, ou seja,
aquela que minimize a necessidade de intervenções futuras para a manutenção do poço
(as chamadas operações de workover).
Considerando que a completação tem reflexos em toda a vida produtiva do
poço e envolve altos custos, faz-se necessário um planejamento criterioso das operações
e uma análise econômica cuidadosa.
As reservas petrolíferas brasileiras ficam localizadas em áreas terrestres e
marítimas. As reservas marítimas ocorrem em lâminas d’água rasas e profundas. Disto
resultam diferenças importantes na perfuração e completação dos poços.
Quanto ao revestimento de produção, a completação pode ser a poço aberto,
com revestimento canhoneado ou rasgado e com revestimento canhoneado (Figura 2).
Figura 2 – Métodos de completação: a) poço aberto, b) revestimento
(liner) rasgado e c) revestimento canhoneado. Fonte: [64].
4
a) A poço aberto
Quando a perfuração atinge o topo da zona produtora, uma tubulação de
revestimento é descida no poço e cimentada no espaço anular. Em seguida, conclui-se a
perfuração até a profundidade final, e o poço é colocado em produção com a(s) zona(s)
produtora(s) totalmente aberta(s) (Figura 2a). Se houver necessidade, um revestimento
de produção, ou liner, poderá ser descido posteriormente. A completação a poço aberto
somente é utilizada em formações muito bem consolidadas, com pouco risco de
desmoronamentos. Suas principais vantagens são a maior área aberta ao fluxo e a
redução dos custos do revestimento e do canhoneio. Em reservatórios naturalmente
fraturados ela deve ser utilizada para evitar o dano à formação (parágrafo 2.5.3) causado
pelo cimento. A principal desvantagem da completação a poço aberto é a falta de
seletividade, que impede futuras correções quando há produção de fluidos indesejáveis,
como, por exemplo, excessiva produção de gás ou água nos poços de óleo.
b) Com liner rasgado ou canhoneado
O liner (revestimento) pode ser descido previamente rasgado, posicionando
os tubos rasgados em frente às zonas produtoras (Figura 2b), ou então cimentado e
posteriormente canhoneado nas zonas de interesse (Figura 2c).
As principais vantagens e desvantagens da completação com revestimento
rasgado são similares às do poço aberto. Podem ser acrescidas as vantagens de sustentar
as paredes do poço em frente à zona produtora e a desvantagem do custo adicional.
Embora em desuso nos poços convencionais, pode encontrar uma boa aplicação em
poços horizontais.
No caso de revestimento canhoneado, as vantagens e desvantagens são
similares às do revestimento canhoneado. Podem ser acrescidos as vantagens do menor
custo com revestimento e a desvantagem da mudança de diâmetros dentro do poço,
gerando dificuldades para passagem de equipamentos.
c) Com revestimento canhoneado
É o tipo de completação mais utilizado atualmente. O poço é perfurado até a
profundidade final e, em seguida, é descido o revestimento de produção até o fundo do
poço, sendo posteriormente cimentado o espaço anular entre os tubos de revestimento e
5
a parede do poço. Finalmente, o revestimento é canhoneado criando condições para
passagem do fluido para o interior do revestimento. Uma destas condições é a criação
de túneis, com o uso de cargas explosivas, que atravessam o revestimento e a
cimentação e formam túneis ligando a rocha-reservatório ao interior do revestimento.
Estes túneis são gerados através de uma operação denominada de canhoneio, que
produz uma série de perfurações ao longo do revestimento, com diâmetro e
profundidade dependentes das características do reservatório (Figura 2c).
Para comunicar o interior do poço com a formação produtora, perfura-se o
revestimento utilizando-se cargas explosivas, especialmente moldadas para esta
finalidade. A explosão dessas cargas gera jatos de alta energia que atravessam o
revestimento, o cimento e ainda podem penetrar até cerca de um metro na formação,
criando os canais de fluxo da formação para o poço (ou vice-versa).
As cargas moldadas são descidas no poço dentro dos canhões, que são
cilindros de aço com furos nos quais se alojam as cargas. Estando o canhão posicionado
em frente do intervalo desejado, um mecanismo de disparo é acionado para detonar as
cargas. Os canhões podem ser descidos dentro do revestimento, através de um cabo
(Figuras 3 e 4).
6
Figura 3 – Poço sendo canhoneado. Fonte: [65].
Figura 4 – Poço sendo canhoneado. Fonte: [64].
7
As principais vantagens da completação a poço revestido estão na
seletividade da produção (ou injeção de fluidos) em diversos intervalos de interesse e na
maior facilidade das operações de restauração ou estimulação. O diâmetro único do
revestimento em todo o poço também evita alguns problemas operacionais. A principal
desvantagem é o custo adicional do revestimento e do canhoneio, além da possibilidade
de dano à formação que a operação de cimentação pode causar.
A tecnologia do canhoneio tem evoluído muito nas últimas duas décadas,
com impactos comprovados na produtividade. A bibliografia especializada mostra
investimentos feitos, tanto em projeto de novos canhões e nos tipos de carga, como
também na área de modelagem física e numérica, voltada para subsidiar o
dimensionamento das operações de canhoneio. Tradicionalmente no Brasil e na
Petrobras, as atividades de canhoneio sempre ficaram condicionadas às opções
oferecidas pelas companhias prestadoras de serviços, e nunca se desenvolveu
conhecimento próprio.
Pouco ou quase nenhum investimento de pesquisa foi realizado na área de
canhoneio, particularmente no que diz respeito à adequação e otimização dos
canhoneios, levando-se em conta às características das rochas e dos fluidos existentes
nos reservatórios brasileiros. Dentro desse contexto, considera-se importante o
desenvolvimento de pesquisa voltado para a tecnologia de canhoneio. Modelagens
realizadas com simuladores das companhias prestadoras de serviços indicam ganhos
potenciais de até 40% nas situações em que os canhoneios mostram-se adequados aos
tipos de reservatórios e fluidos.
Este trabalho tem por objetivo desenvolver um conjunto de ferramentas
numéricas para representar e otimizar o problema de fluxo em poços canhoneados,
levando-se em consideração a complexa distribuição em espiral das cargas na parede do
poço, a adoção de uma forma não cilíndrica para os túneis, a anisotropia de
permeabilidade e a consideração dos danos da formação e do canhoneio. As ferramentas
numéricas aqui apresentadas visam a adequação do canhoneio às formações e aos
poços, através da otimização das variáveis que compõem o problema de fluxo em poços
canhoneados verticais, assim como a produção máxima dos poços com custos
operacionais baixos.
8
1.2 Histórico e Revisão Bibliográfica
Os primeiros trabalhos publicados que envolvem o estudo de fluxo em
poços canhoneados, também conhecidos como completados, datam da década de 40,
quando começaram a surgir as primeiras cargas moldadas. Companhias prestadoras de
serviço de petróleo como Schlumberger e Halliburton desenvolveram os primeiros
canhões a partir de cargas com fins de uso militar, durante a segunda guerra mundial, e
a partir de então, ocorreram progressões contínuas no sentido de melhorar o
desempenho destas cargas, produzindo assim a grande maioria dos trabalhos
encontrados hoje na literatura. Outras companhias de serviço e universidades, na sua
maioria americanas, também contribuíram muito para o desenvolvimento da tecnologia
de canhoneio.
Os primeiros trabalhos numéricos nesta área datam da década de 1960,
quando programas e computadores passaram a ser ferramentas disponíveis. HARRIS
(1966) [6], através do método de diferenças finitas, determinou a produtividade de
poços canhoneados, simplificando a geometria das perfurações para uma forma de
cunha. HONG (1975) [7], aprimorando o processo de HARRIS, obteve resultados para
cargas com diversos ângulos de fase, inclusive considerando a região de dano ao redor
do poço. KLOTZ (1974) [8], implementando o método de elementos finitos, avaliou a
produtividade das perfurações considerando um dano causado pelo canhoneio. LOCKE
(1981) [9], realizou estudos considerando a geometria tridimensional do canhoneio,
dano na formação e do canhoneio. TARIQ (1987) [10], por meio de um estudo
paramétrico numa geometria tridimensional, elaborou soluções semi-analíticas para o
fluxo em poços canhoneados. ANSAH (2002) [2], utilizando elementos finitos, realizou
estudos paramétricos envolvendo túneis com geometria complexa e reservatórios de
grandes dimensões.
A aplicação de algoritmo genético para a otimização do problema de fluxo
em poços canhoneados é algo novo. Apesar dos grandes avanços no sentido de se
otimizar a produção dos poços, até o momento não se tem nenhum registro da aplicação
9
de ferramentas matemáticas de otimização para este fim. Os desenvolvimentos feitos
foram no sentido de melhorar o desempenho do canhoneio, otimizando
operacionalmente parâmetros como profundidade de penetração da carga e diâmetro de
entrada no revestimento, e por fim, estudando técnicas que reduzam o dano da
compactação da rocha ao redor dos túneis, ou seja, uma otimização através da melhoria
de parâmetros operacionais de forma individualizada.
A seguir, são apresentados os resumos de alguns trabalhos publicados.
Muitos destes forneceram exemplos e modelos que podem ser vistos nas aplicações, e
portanto, contribuíram com informações relevantes para a qualidade desta dissertação.
Em 2006, FREITAS et al. [3] apresentaram um artigo com um estudo
paramétrico com três das principais variáveis do problema de fluxo em poços
canhoneados: profundidade do túnel, dano do canhoneio e anisotropia da
permeabilidade. Este trabalho foi realizado com a aplicação de programas comerciais
baseados em elementos finitos e mostrou a eficiência das ferramentas computacionais
empregadas e do modelo 3D concebido.
Em 2004, FREITAS et al. [1] publicaram um relatório sobre a aplicação de
elementos finitos para o estudo do fluxo em poços canhoneados. Esse trabalho mostrou
o desenvolvimento de um modelo 3D envolvendo as principais características que
compõem o problema. Nesse trabalho, foi desenvolvido um aplicativo para geração
automática do modelo de elementos finitos, através da customização do pré e pós-
processador PATRAN [19]. A solução do problema foi obtida com o programa
comercial MSC.Marc [20]. A eficiência deste desenvolvimento foi comprovada através
da comparação com outros trabalhos reconhecidamente importantes e de um amplo
estudo paramétrico.
Em 2002, ANSAH et al. [2] apresentaram um modelo numérico 3D para o
tratamento do problema de fluxo em poços canhoneados. Nesse trabalho, mostrou-se
que o fluxo deste tipo de completação é influenciado por uma complexa interação de
fatores como comprimento dos túneis, diâmetro de entrada no revestimento, densidade
do canhão, ângulo de fase entre as cargas, e danos dentro e ao redor dos túneis
provocados pelo canhoneio. O modelo numérico apresentado contemplou todos estes
fatores, produzindo resultados com alta precisão. O modelo de túnel foi cuidadosamente
10
estudado, confrontando o modelo numérico com resultados experimentais. Os
resultados do modelo 3D foram validados através de comparações com outros autores.
Por fim, foi realizado um amplo estudo paramétrico envolvendo as principais variáveis
do problema de fluxo.
Em 2002, FOLSE et al. [14] apresentaram um panorama da tecnologia atual
de canhoneio, discutindo aspectos como penetração, desempenho, equipamentos de
operação, canhões e testes de fluxo em laboratório. Este trabalho apresenta resultados
experimentais de penetração de carga e fluxo em diversas condições de pressão para
avaliação dos índices de produtividade. Os testes foram realizados com amostras dos
arenitos Berea e Castlegate.
Em 1998, BROOKS et al. [15] publicaram um artigo relatando a influência
do tamanho dos grãos no desempenho do canhoneio. Usualmente o comprimento dos
túneis é função da resistência ao cisalhamento da rocha. Neste trabalho, foi verificado
que estes parâmetros têm influência na resistência da rocha. Foi realizada uma grande
quantidade de testes em corpos-de-prova de concreto e de areia, abrangendo uma larga
faixa de tamanho de grãos. Este estudo mostrou uma grande variação nos resultados. O
artigo é concluído com a discussão de uma aplicação prática destes resultados e seus
efeitos nos poços.
Em 1998, DOGULU [13] publicou um artigo propondo um modelo
numérico para estimar a produção em poços canhoneados. Neste trabalho foram
estudados parâmetros como profundidade dos túneis, ângulo de fase e anisotropia da
permeabilidade. Também foi feito um estudo de refinamento, procurando definir
quando os modelos deveriam ser refinados na proximidade do poço.
Em 1996, BEHRMANN [16] publicou um artigo discutindo critérios de
canhoneio sub-balanceado visando a minimização do skin (parágrafo 2.5.3). Ele propõe
que, a partir de uma simples equação de arrasto de forças viscosas aplicadas a dados
experimentais, obtidos em um laboratório de fluxo, pode-se obter uma relação entre skin
e uma condição sub-balanceada. Esta equação é aplicada a poços em rochas
consolidadas, não arenosas, e suas variáveis são: porosidade, permeabilidade e diâmetro
do túnel perfurado. Estas equações são dependentes da viscosidade e da
compressibilidade do fluido. A dependência do diâmetro do túnel sugere que as cargas
11
big hole (BH) causam mais dano que as cargas deep penetration. Estas equações podem
ser usadas para otimizar a operação de canhoneio sub-balanceada, causando menor
dano.
Em 1991, PUCKNELL e BEHRMANN [12] fizeram uma investigação
sobre o dano provocado pelo canhoneio. Estes autores fizeram uma série de
experimentos em condições sub-balanceado com rochas provenientes de reservatórios e
afloramentos. Após o disparo das cargas, as rochas foram submetidas a exame de
tomografia e a porosímetro de mercúrio. Foi também investigada a permeabilidade na
direção radial, com intuito de se verificar o alcance e a redução do volume poroso. Este
trabalho mostrou os efeitos do dano na produção de óleo.
HOLLAND [33] dedicou-se ao estudo de processos naturais adaptáveis,
tendo inventado os algoritmos genéticos em meados da década de 60. Ele desenvolveu
os algoritmos genéticos em conjunto com seus alunos e colegas da Universidade de
Michigan nos anos 60 e 70, com o objetivo de estudar formalmente o fenômeno da
adaptação como ocorre na natureza e desenvolver modelos em que os mecanismos da
adaptação natural pudessem ser importados para os sistemas computacionais. Como
resultado do seu trabalho, Holland edita Adaptation in Natural and Artificial Systems
[33] e, em 1989, David Goldberg edita Genetic Algorithms in Search, Optimization and
Machine Learning [37], hoje considerados os livros mais importantes sobre algoritmos
genéticos.
12
1.3 Organização do Texto
Este trabalho está dividido em oito capítulos, os quais mostram os aspectos
teóricos, aplicações e conclusões.
O capítulo 2 apresenta um breve resumo sobre os aspectos teóricos do
Canhoneio.
A seguir, no capítulo 3, são abordadas as soluções matemáticas para os
casos em que os reservatórios são produzidos através de poços verticais. Apesar do
crescente uso dos poços horizontais no desenvolvimento de campos de petróleo, os
poços verticais ainda são maioria, porque muitos dos campos de petróleo atualmente em
produção foram desenvolvidos antes do advento dos poços horizontais. Assim, neste
capítulo, serão apresentados conceitos sobre as propriedades e o comportamento das
rochas e dos fluidos em um meio poroso.
O capítulo 4 apresenta um estudo paramétrico, que não se trata de um estudo
de otimização, mas da determinação de como algumas características do poço e
propriedades da rocha-reservatório afetam a produção.
No capítulo 5, além da conceituação fundamental inerente a qualquer
problema de otimização, é apresentado também um breve resumo sobre as técnicas de
otimização mais comumente utilizadas. Sendo a técnica dos algoritmos genéticos eleita
como a ferramenta de otimização para o problema proposto, seus conceitos e definições
fundamentais são apresentados em um item deste capítulo separadamente.
No capítulo 6, mencionam-se aspectos da Implementação Computacional.
No capítulo 7, serão mostrados os casos estudados a partir do
desenvolvimento e aplicação de ferramentas numéricas para a otimização do fluxo em
poços canhoneados. O programa de otimização é baseado em algoritmo genético
integrado a um pré-processador customizados e a um solver de elementos finitos.
13
O capítulo 8 contém as conclusões referentes à aplicabilidade das
ferramentas numéricas desenvolvidas, com comentários acerca da sua robustez e
precisão. Além disso, são colocadas sugestões para continuação deste trabalho.
14
2 ASPECTOS TEÓRICOS DE CANHONEIO
2.1 Introdução
Depois de finalizada a fase de perfuração de um poço, é necessário deixá-lo
em condições de operar, de forma segura e econômica, durante toda a sua vida
produtiva. O conjunto de operações destinadas a equipar o poço para produzir óleo ou
gás (ou ainda injetar fluidos nos reservatórios) chama-se completação.
Quanto aos aspectos técnico e operacional, deve-se buscar otimizar a vazão
de produção (ou de injeção) e tornar a completação a mais permanente possível, ou seja,
aquela que minimize a necessidade de intervenções futuras para a manutenção do poço
(as chamadas operações de workover).
Considerando que a completação tem reflexos em toda a vida produtiva do
poço e envolve altos custos, faz-se necessário um planejamento criterioso das operações
e uma análise econômica cuidadosa. Normalmente, um poço de petróleo é revestido
com um tubo metálico e cimentado, criando assim um obstáculo ao fluxo de fluido da
rocha-reservatório em direção ao poço. Sendo assim, é necessário criar condições para
permitir a percolação do fluido. Uma forma de se criar esta condição é através da
perfuração de túneis com o uso de cargas explosivas, que atravessam o revestimento e a
cimentação ligando a rocha-reservatório ao poço.
Estes túneis são gerados através de uma operação denominada de
canhoneio, que produz uma série de perfurações ao longo do revestimento, geralmente
distribuídas em forma de espirais, com características geométricas e físicas dependentes
das características do reservatório. Esta operação geralmente é caracterizada também
por deixar danos na rocha que envolve os túneis. Este dano é prejudicial ao fluxo, pois
cria regiões de baixa permeabilidade devido à redução do volume poroso, resultante da
energia dispensada pelos jatos das cargas durante a abertura dos túneis. Este aspecto tem
grande influência na produção dos poços e será tratado em detalhe neste capítulo. O
15
método de canhoneio também apresenta inúmeras vantagens, dentre as mais conhecidas
destacam-se:
• Em poços que se encontram já revestidos, aumenta a viabilidade de produção de
fluido;
• Seletividade na produção, devido aos diversos níveis da formação onde ocorrem os
disparos do canhão.
2.2 Classificação
Quanto ao sistema de classificação do canhoneio, este se dá em função da
pressão exercida junto à formação. O processo pode ser caracterizado como sobre-
balanceado (Overbalance), sub-balanceado (Underbalance) ou ainda Extreme
Overbalance.
2.2.1 Overbalance
O processo de Overbalance acontece quando o fluido presente no poço
(fluido de completação) exerce uma diferença de pressão positiva no sentido do poço
para a formação. Devido a esse diferencial de pressão, logo após o poço ser canhoneado
ocorre uma invasão do fluido de completação dentro da área canhoneada. Neste tipo de
processo pode ocorrer um problema que é a compactação dos detritos da explosão nos
poros da formação. O fluxo que se inicia após o disparo acaba por empurrar os resíduos
dos explosivos, do cimento e do revestimento, assim como outras partículas existentes
na lama ou no fluido de completação, em direção aos poros da formação. Este fenômeno
é chamado tamponamento, e pode vir a dificultar o fluxo de fluido da formação em
direção ao poço, implicando em queda de produtividade.
No processo Overbalance, não é necessário usar as válvulas de fechamento
de emergência do poço (BOP) durante o canhoneio, tornando favorável que os disparos
ocorram antes que a completação do poço esteja totalmente finalizada, ou seja, os fluxos
dos fluidos são controlados de acordo com as seções do poço.
16
2.2.2 Underbalance
No processo de Underbalance, acontece o inverso do processo
Overbalance, ou seja, a diferença de pressão exercida é no sentido da formação para o
poço.
Uma vantagem deste método é que, se o fluxo tende a ser da formação para
o poço, então também não deve haver contaminação da formação pelo fluido do poço. O
diferencial oposto de pressão passa a ser, neste novo caso, favorável à limpeza dos
detritos do canhoneio, imediatamente após a explosão, prevenindo assim o
tamponamento.
A principal vantagem do processo Underbalance é ter capacidade de início
imediato à produção, devido à diferença de pressão negativa no poço em relação à
formação, indica que logo que os disparos ocorram, o poço dará início à produção do
fluido da formação. Neste caso, é necessário que o poço esteja totalmente completado
antes de se iniciar o processo.
Em geral a técnica de Underbalance é considerada a mais adequada para a
completação. Apesar de bastante conhecida, está técnica não pode ser tida como
totalmente dominada. Inúmeros problemas já foram constatados, envolvendo
deformação nos revestimentos, instabilidade e colapso dos furos canhoneados com
conseqüente produção de areia. Portanto deve-se estudar cautelosamente os impactos
deste tipo de canhoneio na formação. De um modo geral, o Underbalance é mais
utilizado, devido à limpeza dos detritos da explosão, o que desobstrui as vias para
escoamento do fluido da formação. Porém, algumas pesquisas indicam que, para
reservatórios de gás altamente pressurizados, o canhoneio com Overbalance pode obter
melhores resultados que aquele com Underbalance.
2.2.3 Extreme Overbalance (EOB)
No processo Extreme Overbalance acontece uma variação do Overbalance
que se baseia numa altíssima diferença de pressão no sentido do poço para a formação,
tendo como principal objetivo limpar os túneis canhoneados dos resíduos sólidos ou
depositados, resultantes do disparo das cargas, e criar fraturas de pequena penetração e
17
alta condutividade que ultrapassem a região danificada pelo fluido de perfuração e pelo
próprio canhoneio, ampliando o raio de drenagem do poço.
Em 1992, a Oryx registrou duas patentes [27], [28] e [29] também escreveu
sobre a utilização dessa técnica que, a partir daí, foi disseminada pelas diversas
companhias de serviços. Para a efetivação dessas técnicas, é necessário que haja a
combinação de dois processos, onde o primeiro é o grande excesso de pressão e a ação
do fluxo de fluido e gás pelos canhoneados que, no momento do disparo das cargas,
asseguram a completa remoção de quaisquer resíduos que possam bloquear a entrada
dos canhoneados, forçando-os para o fundo dos túneis, e o segundo processo é a alta
pressão no poço, que pode resultar em ruptura abrupta da formação, criando fraturas
radiais de pequena penetração, a partir do túnel canhoneado, cuja extensão ultrapassa a
zona danificada pelo fluido de perfuração e pelo próprio canhoneio do poço.
2.3 Cargas Explosivas
Existem dois tipos de cargas explosivas. Os primeiros canhoneios
utilizavam como carga balas de munição (gun perforation), e com o advento da
tecnologia empregada, apareceram os canhoneios a jato com cargas moldadas (jet
perforation), que foram objeto de estudo neste trabalho.
Em 1888, Munroe [32] observou que explosivos potentes (no caso, o
algodão explosivo), com recortes em formato de letras, deixavam impressas estas letras
quando detonado próximo a placas de metal. Experiências posteriores, com diferentes
recortes ou cavidades, permitiam penetrações maiores que a metade do diâmetro da
cavidade. O efeito de cavidade de Munroe não foi significante até meados dos anos
1930, quando então o suíço Mohaupt descobriu a enorme penetração em metais dos
explosivos com cavidade revestida por metal. Esta descoberta formou o embasamento
da moderna teoria de carga moldada.
As cargas moldadas foram inicialmente desenvolvidas e usadas na II guerra,
como arma antitanque. Depois da guerra, em 1948, a tecnologia de carga moldada foi
estendida para aplicação comercial no canhoneio de poços de petróleo. Muitas
melhorias foram feitas no projeto e fabricação das cargas moldadas, com o uso de
técnicas de fotografia de alta velocidade e mais recentemente de simulações de
18
computador. No entanto, os conceitos básicos sobre cargas moldadas, desenvolvidos por
Munroe/Mohaupt, permaneceram inalterados.
As cargas moldadas apresentam algumas vantagens em relação às cargas a
bala, como maior penetração e menor risco de destruição da formação. As suas
desvantagens são:
• Os túneis sofrem colmatação, sendo preenchidos por uma “cenoura”, formada por
resíduos sólidos da detonação do explosivo, restos do metal do liner (revestimento) e
outras partículas existentes na lama ou do fluido presente no poço, a partir do
disparo;
• Sofre plugueamento também a matriz da formação com partículas finas de resíduos
da detonação, partículas finas de areia quebradas e fluido de perfuração;
• Ocorre um esmagamento e compactação dos grãos de areia ao redor do túnel e
plugueamento do túnel com areia da formação.
2.4 Processo
O processo convencional de canhoneio é baseado fundamentalmente no
emprego de cargas explosivas instaladas em uma estrutura tubular de aço (canhões). O
canhão é então descido no poço, tensionado por um cabo elétrico que, por sua vez,
conduz um pulso acionador das cargas.
Bartusiak et al [4] descreveram o mecanismo destas cargas, que consistem
de um revestimento de metal, carga explosiva e um cone metálico pressionado contra a
carga explosiva. Durante a detonação, o explosivo impulsiona partículas do cone contra
a rocha, formando um jato de metal. O jato consiste em uma rajada de partículas de
metal deslocando-se a grande velocidade: a ponta deste jato atinge velocidades de
aproximadamente 7 Km/s, e a porção final algo em torno de 1 Km/s, atingindo uma
pressão de aproximadamente 20.000.000 psi na saída do jato. A Figura 5 mostrará
esquematicamente uma carga e o seu processo de detonação em 4 tempos.
19
Figura 5 – Detonação da carga de um perfurador e a formação de jato.
Fonte: [66].
Uma carga moldada para canhoneio à jato é constituída por um invólucro
externo (Case), uma carga principal de alto explosivo, uma carga iniciadora (Primer) e
um liner (revestimento). Como pode ser observado na Figura 6:
Figura 6 – Carga de um perfurador. Fonte: [66].
O invólucro externo é um vaso de contenção projetado para suportar as
forças de detonação da carga durante a formação do jato. Este invólucro é também
Tempo 1
Tempo 2
Tempo 3
Tempo 4
Cordão detonante Case Liner Primer Explosivo
Frente de detonação (30 GPa)
Tip (7 Km/s)
Tail (0.5 Km/s)
Jato
Partículas do tail
20
importante na prevenção de interferências com as cargas adjacentes, ao longo da
seqüência de disparos. Pode ser fabricado com aço, zinco ou alumínio e a precisão nas
tolerâncias de projeto e fabricação são parâmetros importantes no desempenho dos
disparos.
A carga principal de explosivo deve ser compatível com a temperatura da
operação. O explosivo é prensado mecanicamente no interior do invólucro externo pelo
cone metálico. Quanto mais homogênea a distribuição da mistura de explosivos sob o
cone metálico e mais uniforme sua espessura, melhor a formação do jato e maior a
penetração.
O iniciador realiza a ligação entre o cordão detonante e a carga principal de
explosivo. É geralmente composto do mesmo material explosivo da carga principal, mas
com maior sensibilidade ao menor tamanho da partícula.
O liner, revestimento cônico metálico, ou ainda simplesmente cone, é
colapsado sob a força de detonação da carga principal, contribuindo assim para a
formação do jato. Inicialmente, os liners eram fabricados de metal sólido. Estas cargas
produziam com sucesso, jatos de alta densidade, mas tendendo a tampar o túnel
canhoneado com grande quantidade de resíduos. Nas cargas mais modernas os liners
são fabricados com uma mistura de metais pulverizados, que produzem jatos com
densidade suficiente para uma grande penetração na formação, com uma razoável
redução na quantidade de resíduos. Liners de metal pulverizado são utilizados na
maioria das cargas, exceto nas do tipo big hole (BH). Neste tipo de carga, a
profundidade de penetração é menos importante do que o diâmetro de entrada e os
liners sólidos são utilizados, por produzirem furos com diâmetros maiores em
revestimentos e cimento. Os materiais que comumente compõem os liners podem ser
cobre, zinco, tungstênio, estanho e chumbo. Apartir de alguns estudos realizados, como
poderá ser visto no capítulo 5, foi observado que, quanto maior a penetração, maior a
produtividade do poço, sendo que a penetração depende diretamente da consolidação da
formação.
21
2.5 Eficiência de Canhoneio
As técnicas e equipamentos empregados na completação de poços têm como
objetivo principal maximizar a produtividade dos mesmos, como já foi mencionado
anteriormente, reduzindo ao mínimo as restrições ao fluxo entre o reservatório e o poço.
Diversos fatores durante a fase de perfuração e completação contribuem
para que haja restrição ao fluxo, sendo alguns relacionados ao canhoneio e às condições
em que o mesmo foi efetuado. Há três conjuntos de parâmetros que devem ser
controlados a fim de maximizar a vazão de um poço:
• Limpeza dos orifícios;
• Fatores geométricos do canhoneio;
• Efeito de película (“skin effect”).
2.5.1 Limpeza dos Orifícios
Independentemente do método de completação empregado, a desobstrução
dos orifícios produzidos pela carga do canhão é de vital importância. Nos canhoneios
em que o diferencial de pressão é positivo (pressão hidrostática no interior do poço
maior que a da formação), usando-se canhões, torna-se necessário induzir surgência no
poço através de uma operação de pistoneio. Ao se aliviar a pressão hidrostática, apenas
alguns orifícios serão desobstruídos, permanecendo outros tamponados.
2.5.2 Fatores Geométricos do Canhoneio
Várias formulações numéricas complexas foram feitas, representando uma
geometria ideal do canhoneio. Em termos de elementos finitos: Tariq [10], Klotz et al
[8] e Tariq et al [11], e utilizando diferenças finitas: Harris [6] e Hong [7]. A partir
dessas formulações, pode-se observar que os fatores geométricos mais relevantes para o
estudo da eficiência de canhoneio são:
Densidade efetiva dos furos (nº de furos por unidade de comprimento) - A vazão e a
queda da pressão através dos orifícios do canhoneio são profundamente afetadas pela
densidade de tiros. Estudos mostram que, ao aumentar-se a densidade de tiros por
unidade de comprimento, consegue-se um aumento da vazão do poço, desde que haja
22
um direcionamento adequado dos tiros, a fim de se evitarem efeitos de interferência de
fluxo. Devem-se levar em consideração os danos causados ao revestimento pela alta
densidade de tiros;
Profundidade do túnel na formação - A profundidade de penetração dos tiros é muito
importante pois, para que seja efetivo, o canhoneio necessita ultrapassar a zona
danificada ao redor do poço durante a perfuração. Experimentalmente, pode-se verificar
a ocorrência de um aumento significativo da produtividade quando o disparo ultrapassa
a zona danificada;
Defasagem entre os tiros (ângulo de fase) - A defasagem entre os tiros é causada pela
distribuição angular das cargas no canhão. Um mesmo número de tiros por pé, quando
disparados em diferentes direções, produz maior relação de profundidade. Assim, um
canhão com defasagem não nula deve ter diâmetro suficientemente grande para evitar
que algumas cargas fiquem muito distantes do revestimento;
Distância entre o canhão e o revestimento - A distância que separa o canhão do
revestimento deve ser a menor possível a fim de não comprometer a penetração do
disparo. No caso do canhão ser do tipo multidirecional, seu diâmetro deve ser o maior
possível, compatível com o do revestimento, para que o efeito contrário acima
relacionado seja desprezível e a técnica efetiva. Caso use um canhão de pequeno
diâmetro through tubing gun, o afastamento pode ser muito grande se os tiros forem
disparados ao acaso. Por isso, com este tipo de canhão, deve-se utilizar tiros em linha
(ou unidirecional). O canhão dispõe de um posicionador magnético alinhado com a
direção dos disparos que garante um perfeito posicionamento do canhão;
Diâmetro dos túneis - Em circunstâncias normais, o diâmetro do orifício de canhoneio
afeta muito pouco a vazão do poço. Entretanto, se um filtro de areia gravel pack for
utilizado, deve-se fazer uso do maior orifício de entrada possível, pois, quanto maior o
seu diâmetro, menor a perda de carga. O valor da perda de pressão através dos orifícios
do canhoneio deve ser minimizado para evitar-se a produção de areia em formações
pouco consolidadas, devendo-se optar por um grande diâmetro de orifício ou uma alta
densidade de jatos.
A seguir, a Figura 7 mostrará a geometria do canhoneado para uma
completação típica.
23
Figura 7 – Geometria típica de um poço canhoneado. Fonte: [66].
Os fatores geométricos influenciam no índice de produtividade de poços
canhoneados. Para reservatórios isotrópicos podemos citar alguns fatores:
1 – À medida que a densidade dos furos é incrementada, a produtividade aumenta
(Figura 8 e Figura 9);
2 - À medida que aumenta a profundidade do túnel, a produtividade cresce (Figura 8 e
Figura 9);
3 – O efeito do incremento de penetração é maior nas baixas penetrações do que nas
altas penetrações (Figura 8 e Figura 9);
4 – Ângulos de fase diferentes de 0° incrementam a produtividade, reduzindo a
interferência do poço no fluxo (Figura 8 e Figura 9).
24
Figura 8 – Efeito da densidade do canhoneio e da profundidade do
túnel no índice de produtividade. Fonte: [66].
Figura 9 – Efeito do diâmetro e da profundidade do túnel no índice de
produtividade. Fonte: [66].
25
2.5.3 Efeitos de Película (Skin effect)
O efeito de skin, inicialmente foi concebido como uma fina camada de
formação danificada no entorno do poço. Mais tarde, a zona de permeabilidade ao redor
do canhoneado foi considerada como um skin adicional. Em ambas as situações, o skin
descreve um fenômeno físico. Há trinta anos atrás, o skin começou a ser considerado no
tratamento matemático de queda de pressões anormais. Examinando os elementos de
skin, incluindo efeitos não-Darcianos de fluxo, penetração parcial de uma zona
produtiva e geometrias não-radiais, o conceito físico de skin perde um pouco de sentido.
Contudo, a representação matemática da queda de pressão por efeitos de skin é uma
ferramenta poderosa para a análise do poço. De fato, o conceito matemático é essencial
para adequar a análise e o projeto da completação. Evidências experimentais são, na sua
maioria, observações das quedas de pressão resultantes do poço, dano pelo canhoneio,
plugueamento dos túneis, fluxo não-radial, efeitos geométricos da completação,
características da formação, ambiente de canhoneio e outros.
Para projetar ou analisar a completação dos poços, deve ser feito um estudo
individual para cada caso e todas as informações possíveis deverão ser consideradas (ex:
testemunhos, perfis e teste de poços) para poder obter um bom resultado. Geralmente,
essas informações não estão disponíveis ou não apresentam dados suficientes. Quando
se dispõe dos dados necessários, as ferramentas matemáticas produzem bons resultados
nas estimativas da performance dos poços.
O efeito de película resulta da redução da permeabilidade da formação nas
vizinhanças do mesmo, causada pelas operações de perfuração, completação e produção
do poço. Essa restrição ao fluxo pode ser detectada em testes de formação pelo skin que,
na maioria dos casos, pode ser subdividido em três fatores relacionados à causa do
dano:
- Dano devido ao fluxo convergente: causado pelas mudanças de direção do fluxo,
quando os fluidos do reservatório atingem os furos do canhoneio; assume um papel
significativo nos casos de altas vazões;
26
- Dano da formação propriamente dito: causado na maioria das vezes pela invasão de
fluidos incompatíveis com a formação, presença de reboco e cimento, e expansão de
argilas;
- Dano devido à compactação: resultante da ação compressiva dos jatos durante o
canhoneio, originando uma zona de permeabilidade reduzida ao redor do furo; segundo
estudos de laboratório, esta zona tem uma espessura média de ½” e permeabilidade de
10 a 20% da original.
Mediante um correto planejamento da operação, é possível minimizar o
efeito de película, escolhendo de forma mais adequada os parâmetros geométricos, o
fluido do poço e promovendo uma efetiva limpeza dos orifícios. O ambiente e a
geometria do canhoneio podem ser controlados de diversas maneiras. Um fator que não
é tão bem controlável é o efeito negativo da região danificada pelo canhoneio. Este
efeito é significativo e necessita um cuidado muito grande no projeto de completação.
Nos capítulos 5 e 6 serão mostrados um estudo paramétrico e uma
implementação de um código de algoritmo genético escrito em linguagem de
programação orientada a objetos, que irá simular as variáveis que se referem às
propriedades da rocha original dos reservatórios e das rochas danificadas durante as
fases de perfuração e produção do poço e pelo canhoneio. Serão considerados os danos
do canhoneio e da formação.
2.5.4 Evidências Empíricas
Testes de laboratório e de campo mostram que existe uma zona danificada
ao redor dos canhoneados. Pesquisas de laboratório indicam que a permeabilidade na
zona danificada pode ser de 10 a 20% da permeabilidade da formação não-danificada,
mesmo em casos com operações sub-balanceadas.
O grau de dano, aparentemente, é influenciado pelas seguintes
características:
• Pressão diferencial: Canhoneio sub-balanceado facilita a remoção dos detritos
deixados pela carga, e em alguns casos, remove parte do dano proveniente da
compactação da rocha. Canhoneio sobre-balanceado pode reduzir, em alguns casos, a
27
produtividade do poço. O nível e o diferencial de pressão entre o poço e a formação têm
grande importância na eficiência do fluxo.
• Fluido de Completação: O uso de fluido limpo e compatível com a formação pode
gerar bons índices de produtividade, principalmente se for acoplado com adequados
níveis de sub-balanceamento. O uso de fluido de perfuração pode provocar o
plugueamento dos poros da rocha, principalmente em canhoneio sobre-balanceado,
reduzindo a produtividade.
• Desvio do poço: Em alguns casos, a penetração da carga não ocorre
perpendicularmente à direção de fluxo da formação. Pode existir um ângulo entre o
plano normal à formação e o eixo do poço, ou o poço ser horizontal, por exemplo. Neste
caso, junto com as características da formação, existe um incremento de produtividade
devido à maior área exposta ao fluxo. Este incremento de produtividade resulta num
efeito skin negativo.
• Penetração parcial: Em alguns poços, apenas uma parte do intervalo produtor é
aberta ao fluxo. Por exemplo, se existe uma capa de gás, o intervalo aberto deve ficar
localizado abaixo do contato gás/óleo, para prevenir a entrada de gás no poço.
Obviamente uma completação não intencional deste tipo também pode existir. Nestes
casos, a produção fica limitada.
• Fluxo Turbulento: Simulações numéricas e experimentos mostraram a influência da
turbulência na eficiência do fluxo. Este efeito pode ser reduzido com uma maior área
exposta ao fluxo (aplicação de cargas de alta densidade, cargas de alta penetração).
28
2.6 Características da Formação que afetam o desempenho do
Canhoneio
O ambiente de canhoneio é o terceiro item mais importante na hora de se
avaliar a produtividade de um poço. Além dos fatores geométricos, características da
formação também devem ser consideradas. Alguns destes fatores são:
• Propriedades físicas;
• Permeabilidade;
• Fluido da formação;
• Anisotropia da permeabilidade;
• Laminação de folhelhos
• Fraturas naturais.
Propriedades Físicas - Tipo de formação, resistência ao cisalhamento e estado de
tensão in-situ influenciam na penetração das cargas, no dano (tanto na extensão quanto
no grau) e na característica de limpeza dos túneis.
Permeabilidade e Fluido da Formação - Este dois fatores determinam o nível de
diferencial de pressão requerido para uma limpeza eficiente dos túneis. Para poços de
gás, são requeridos diferenciais de pressões maiores que em poços de óleo. O efeito de
redução da permeabilidade nas paredes dos túneis é amplificado pela turbulência do
fluxo.
Anisotropia da Permeabilidade - A Figura 10 mostra o efeito da permeabilidade na
eficiência do canhoneio. Aumentos significativos no índice de produtividade acontecem
com o aumento da densidade da carga, principalmente quando a anisotropia diminui. O
efeito do comprimento do túnel não é tão significativo quanto o da densidade.
29
Figura 10 – Efeito da anisotropia de permeabilidade no índice de
produtividade dos poços. Fonte: [66].
Laminação de folhelhos - Os efeitos são similares ao da anisotropia da permeabilidade.
Fraturas Naturais - A rede de fraturas naturais é um eficiente meio de transporte dos
fluidos da formação. Em poços canhoneados, é fundamental a comunicação da rede de
fraturas com os túneis.
2.7 Segurança
A questão da segurança é crítica quando se trata de operações onde se
emprega o uso de explosivos, e o canhoneio é uma delas. Portanto, a atenção dispensada
a este item deve ser extrema e cumprida à risca.
Todos os procedimentos da legislação vigente na localidade devem ser
seguidos, no que se refere ao manuseio de explosivos. Além disso, cada companhia
operadora possui suas próprias normas internas de segurança.
Em relação ao poço, como o canhão é acionado por pulso elétrico em alguns
casos, são terminantemente proibidas as transmissões de rádio nas proximidades da
30
operação. Para aumentar a segurança na área, utiliza-se um BOP de cabo. É
imprescindível que se observe atentamente o comportamento do poço logo após o
disparo, para não correr riscos de manobras precipitadas de retirada do canhão. O
mesmo deve ser retirado lentamente para evitar pistoneio (caso ainda haja cargas
carregadas, existe certo risco de que elas sejam acidentalmente acionadas). Somente
com a total retirada do canhão do poço e a verificação de que todas as cargas foram
detonadas é seguro retomar as transmissões de rádio. Finalmente, é preciso assegurar-se
antes do disparo que há fluido de completação em quantidade suficiente para o
amortecimento do poço no pós-canhoneio.
31
3 FLUXO EM MEIO POROSO
3.1 Introdução
Neste capítulo será apresentada uma descrição resumida dos conceitos
referentes aos fluidos e as rochas existentes nos reservatórios de petróleo. Estes
conceitos apresentam importantes informações para o estudo do problema de fluxo em
poços canhoneados. Os profissionais que atuam na área de engenharia de petróleo
utilizam esses conceitos para poder inferir no comportamento futuro desses
reservatórios. Os técnicos buscam como objetivos principais identificar o potencial de
produção das rochas portadoras de petróleo e adaptar métodos que possam maximizar
os ganhos obtidos na exploração de campos petrolíferos. Neste capítulo, também será
apresentado um conceito da teoria fundamental do fluxo de fluidos em meios porosos,
que é essencial para a compreensão e utilização das técnicas atualmente disponíveis
para estimar reservas e prever o comportamento de reservatórios de petróleo.
3.2 Conceitos Sobre os Fluidos
3.2.1 Petróleo
O Petróleo é o nome dado às misturas de hidrocarbonetos que, dependendo
da pressão e temperatura em que estejam submetidas, podem ser encontradas em três
estados distintos: sólido, líquido ou gasoso.
Outro ponto importante é que as condições de pressão variam com a posição
dentro do reservatório, ou seja, em uma mesma acumulação de petróleo, as
características dos fluidos variam de ponto a ponto.
A análise química completa dos hidrocarbonetos envolve técnicas caras e
complexas. Costuma-se usar o artifício da análise composicional resumida, que nada
32
mais é que juntar em um mesmo grupo os compostos que contém o mesmo número de
átomos de carbono. As propriedades físico-químicas dependem de sua composição, que
pode ser determinada por análises.
3.2.2 Óleo e Gás Natural
Quando predominam nas misturas os hidrocarbonetos mais leves da série
das parafinas, ou seja, o metano em abundância, a mistura de hidrocarbonetos se
apresenta em forma gasosa, recebendo o nome de gás ou gás natural e, quando
apresentado em forma líquida, o petróleo é chamado de óleo cru ou óleo.
De acordo com [26] óleo e gás natural são definidos da seguinte maneira:
Óleo – é a parte que permanece no estado líquido quando uma mistura
líquida de hidrocarbonetos é levada das condições de reservatório para as condições de
superfície.
Gás natural – é o nome dado às misturas de hidrocarbonetos que, quando
estão nas condições de superfície, se apresentam na forma gasosa. No reservatório, estas
misturas podem se apresentar tanto na forma gasosa como dissolvida no óleo.
3.2.3 Propriedades Básicas dos Fluidos
Nesta seção serão apresentadas algumas propriedades básicas dos fluidos
em geral, enquanto que nas próximas serão abordados casos específicos.
Massa específica - A massa específica de uma mistura líquida ou de uma substância é
definida pela equação 1 como a relação entre a sua massa e o seu volume:
V
m=ρ ( 1)
O volume específico é a relação entre o volume e a massa:
m
V=ν ( 2)
Ou seja, a massa específica é o inverso do volume específico:
33
νρ 1= ( 3)
Densidade - A densidade é definida como a razão entre a massa específica de uma
substância e a massa específica de uma outra usada como referência (a água é
geralmente empregada como referência), ambas medidas na mesma condição de pressão
e em condições de temperatura preestabelecidas. No caso dos gases, para definir a
densidade utiliza-se como massa específica de referência o ar.
Quando aumenta a temperatura de um determinado fragmento de matéria,
ocorre um aumento do volume fixo desta, pois haverá a dilatação ocasionada pela
separação dos átomos e moléculas. Ao contrário, ao se diminuir a temperatura, haverá
uma diminuição deste volume fixo. A quantidade de massa existente num dado volume
é chamada de massa volumétrica.
Quando a matéria se expande, sua massa volumétrica diminui e, quando a
matéria se contrai, sua massa volumétrica aumenta. No caso dos gases, sua massa
volumétrica difere da dos líquidos e dos sólidos. Nos gases, suas moléculas estão
separadas devido à temperatura que está acima da temperatura de ebulição do líquido
correspondente. Microscopicamente, isto corresponde dizer que, nos gases, a atração
entre as moléculas e/ou átomos que os compõem não são suficientemente intensas frente
à energia cinética desses mesmos constituintes para mantê-los próximos. Nos líquidos e
nos sólidos, contudo, as moléculas e átomos estão muitíssimo próximos.
A densidade é a razão entre a massa específica da substância e a massa
específica de referência. Por exemplo, a densidade do óleo é dada por:
w
odρρ= ( 4)
Onde oρ e wρ são as massas específicas, respectivamente, do óleo e da água a 4°C e a
pressão em atm.
Compressibilidade isotérmica - É definida como a variação fracional de volume do
fluido por variação unitária de pressão, onde se admite que a temperatura do fluido seja
constante. A equação 5 é geral e aplica-se a qualquer fluido, exceto a um gás ideal ou a
um gás real, pois estes permitem a obtenção de expressões específicas para o cálculo da
34
compressibilidade isotérmica. Esta equação vai ser utilizada no desenvolvimento da
equação de estado, que será determinada nos próximos itens.
pc
∂∂= ρ
ρ1
( 5)
Grau API - Grau API do American Petroleum Institute (ºAPI) é a forma de expressar a
densidade relativa de um óleo ou derivado. A escala API, medida em graus, varia
inversamente à densidade relativa, isto é, quanto maior a densidade relativa, menor o
grau API. O grau API é maior quando o petróleo é mais leve. Petróleos com grau API
maior que 30 são considerados leves; entre 22 e 30 graus API, são médios; abaixo de 22
graus API, são pesados; com grau API igual ou inferior a 10, são petróleos extra
pesados. Quanto maior o grau API, maior o valor do petróleo no mercado.
5,1315,141 −=°
dAPI ( 6)
3.2.4 Propriedades das Misturas Líquidas de Hidrocarbonetos
No interior da rocha reservatório ocorrem diversas misturas de
hidrocarbonetos, devido às diferentes condições de temperatura e pressão. Estas oscilam
de forma que acarretam algumas mudanças como: estado físico de uma parte da mistura,
variações de viscosidade, variações de densidade, alteração na composição. Os fluidos,
ao serem produzidos, são submetidos ao longo do seu trajeto, que começa no interior do
reservatório e finaliza na cabeça do poço, a diferentes condições de pressão e
temperatura. Tanto os fluidos produzidos durante os processos produtivos quanto os
fluidos que permanecem no reservatório sofrem alterações. À medida que vão escoando
os fluidos do interior do reservatório, a pressão do mesmo vai caindo.
3.2.4.1 Razão de solubilidade
É o volume de gás dissolvido na fase óleo, medido nas condições padrão,
dividido pelo volume de óleo, medido também nas condições padrão. O parâmetro que
representa a quantidade de gás presente no líquido é a razão de solubilidade (sR ) ou
comumente chamado de solubilidade de uma mistura líquida de hidrocarbonetos em
35
certa condição de pressão e temperatura. Esta razão pode ser representada pela seguinte
equação:
( )( )Padrãocondiçõestanquenoóleodevolume
PadrãocondiçõesdissolvidogásdevolumeRs −
−= ( 7)
3.2.4.2 Viscosidade
A viscosidade dos líquidos vem do atrito interno, isto é, das forças de
coesão entre moléculas relativamente juntas. Desta maneira, enquanto que a viscosidade
dos gases cresce com o aumento da temperatura, nos líquidos ocorre o oposto. Com o
aumento da temperatura, aumenta a energia cinética média das moléculas, diminui (em
média) o intervalo de tempo que as moléculas passam umas junto das outras, e menos
efetivas se tornam as forças intermoleculares e menor a viscosidade.
Para entender a natureza da viscosidade nos líquidos, considera-se que ela é
afetada pelas variações de temperatura e de pressão, ou seja, a viscosidade decresce com
a temperatura e cresce com a pressão. No caso dos hidrocarbonetos líquidos, a
viscosidade também decresce com o aumento da quantidade de gás em solução.
A viscosidade de uma mistura pode ser estimada pela expressão da equação
( 8), onde se admite uma solução ideal, ou seja, onde o comportamento da viscosidade
das misturas líquida varia com a pressão, com a temperatura e com a sua própria
composição.
∑=
=0
1
n
iiix µµ
( 8)
Onde ix e iµ são a fração molar e a viscosidade do componente i, respectivamente.
36
3.2.5 Comportamento de Fases
As formas em que uma substância podem-se apresentar chamam-se estados
físicos ou fases. A variação de pressão e temperatura em que a substância está
submetida influencia diretamente nas mudanças de fases. Ao estudo das mudanças de
fases das substâncias dá-se o nome de comportamento das fases.
Na produção de um reservatório de petróleo, existem mudanças de fases
durante todo o tempo. Devido ao processo produtivo, as acumulações de petróleo
sofrem variações de pressão e temperatura, o que acarreta na mudança de fases. Tanto
no material retirado do interior da jazida e trazido para a superfície como no material
retido no interior da rocha ocorrem mudanças de fases. Daí a importância do estudo do
comportamento de fases.
3.2.6 Tipos de Reservatórios de Petróleo
A classificação dos reservatórios se baseia no tipo de fluido que é produzido
na superfície, ou seja, um fluido que se encontra no estado líquido em condições de
reservatório geralmente produz óleo na superfície e só em condições especiais isso não
ocorre. Assim, as formações portadoras de misturas líquidas são conhecidas como
reservatório de óleo e as formações portadoras de misturas gasosas são conhecidas
como reservatórios de gás, que podem produzir uma certa quantidade de líquido na
superfície, porém a produção maior é de gás.
Também podem ocorrer na natureza acumulações de petróleo numa forma
mista, ou seja, parte da mistura de hidrocarbonetos se encontra numa fase líquida e outra
parte numa fase gasosa, sendo que as duas partes no início ficam em equilíbrio entre si.
Visto que o gás é muito menos denso que o líquido, o gás ocupa a parte superior da
formação enquanto o líquido fica na parte inferior. É importante ressaltar que o
reservatório, além do gás da capa que é conhecido como gás livre, tem também certa
quantidade de gás dissolvido no óleo. A Figura 11 mostra esquematicamente um
reservatório em forma mista.
37
Figura 11 – Reservatório de óleo com capa de gás. Modificado de ROSA [26].
Quando existe uma pequena quantidade de hidrocarbonetos líquidos no
reservatório que resulta numa produção de óleo pequena, a quantidade de gás será muito
maior que a de líquido, ou seja, o interesse econômico principal será a explotação de
gás. Esse reservatório não poderá mais ser classificado como reservatório de óleo e
deverá ser classificado como reservatório de gás. A Figura 12 apresenta o esquema de
um reservatório de gás.
38
Figura 12 – Reservatório de gás. Modificado de ROSA [26].
39
3.3 Conceitos Sobre as Rochas
O tipo de rocha onde o óleo ou gás são gerados é determinado pelo tipo de
matéria orgânica depositada junto com os sedimentos há milhões de anos atrás. O óleo
gerado e migrado é depositado em uma rocha reservatório. Esta rocha pode ser de
qualquer natureza, desde que apresente espaços vazios no seu interior (porosidade), e
que existam entre os poros, espaços para o fluido percolar, conferindo-lhes as
características de permeabilidade.
As rochas reservatórios têm geralmente dois ou mais fluidos. Os volumes dos
fluidos contidos nas rochas, a percolação dos fluidos através delas e outras
propriedades, serão o objeto de estudo neste tópico.
3.3.1 Porosidade
Uma das características que a rocha possui é a porosidade, pelo fato de
armazenar fluidos em seus espaços interiores, chamados poros. A rocha é descontínua,
Isso quer dizer que existem espaços (poros) entre as partículas que a formam. Esses
espaços podem ser maiores ou menores, tornando a rocha mais ou menos densa.
Porosidade pode ser contrastada com permeabilidade: nem sempre uma rocha que
contém fluidos em seu interior vai permitir que o mesmo se desloque.
A porosidade tem como definição a relação entre o volume de vazios de
uma rocha e o volume total da mesma, ou seja:
t
st
t
p
V
VV
V
V −==φ
( 9)
onde:
φ → porosidade da rocha;
40
pV → volume poroso;
sV → volume de sólidos;
tV → volume total da rocha.
O volume de vazios é geralmente conhecido como volume poroso da rocha
e determinado pelo símbolo pV . Existem dois tipos distintos de porosidade: porosidade
absoluta e porosidade efetiva.
A Figura 13 apresenta um exemplo de seção transversal de uma amostra de
rocha, onde se observam dois tipos de poros: interconectados e isolados. A soma dos
volumes porosos interconectados com os volumes porosos isolados representa o volume
total de poros, utilizado na definição da porosidade absoluta da rocha. O volume poroso
interconectado define a porosidade efetiva.
Para a engenharia de reservatórios, o parâmetro realmente importante é a
porosidade efetiva, pois representa o volume máximo de fluido que pode ser extraído da
rocha.
Para se medir a porosidade nas bacias sedimentares brasileiras, geralmente
são utilizados perfis elétricos (medem a porosidade absoluta) executados nos poços ou
ensaios de laboratório (medem a porosidade efetiva) em amostras da rocha.
41
Figura 13 – Seção transversal de uma amostra de rocha. Fonte: ROSA [26].
3.3.2 Saturação de Fluidos
Além de hidrocarbonetos, os poros de uma rocha-reservatório contêm água.
Assim sendo, o conhecimento do volume poroso não é suficiente para se estabelecer as
quantidades de óleo e/ou gás contido nas formações. Para que essas quantidades sejam
estimadas, é necessário se estabelecer que percentual do volume poroso é ocupado por
cada fluido. Esses percentuais recebem o nome de Saturação.
A saturação de um determinado fluido em um meio poroso é definida como
sendo a fração ou a porcentagem do volume de poros ocupada pelo fluido.
p
ff V
VS = ( 10)
onde:
fS → é a saturação do fluido;
fV → o volume do fluido;
pV → o volume poroso.
42
Os poros de uma rocha-reservatório podem estar parcialmente
preenchidos por um determinado líquido e os espaços remanescentes por um gás. Ou
ainda, dois ou três líquidos imiscíveis podem preencher todo o espaço vazio. A seguir, a
Figura 14 ilustra uma situação em que os poros da rocha-reservatório estão saturados
com três fluidos: água, óleo e gás.
Figura 14 – Rocha-reservatório contendo três fluidos: água, óleo e gás. Fonte:
ROSA [26].
3.3.3 Permeabilidade
A permeabilidade de um meio poroso é determinada pela medida de sua
capacidade em permitir ser atravessada por fluidos, ou seja, representa o inverso da
resistência que o material apresenta ao fluxo de fluidos.
Mesmo que uma rocha contenha uma quantidade apreciável de poros e
dentro desses poros existam hidrocarbonetos em uma quantidade razoável, não há a
garantia de que eles possam ser extraídos. Para que isto ocorra, é necessário que a rocha
permita o fluxo de fluidos através dela.
43
A medida da capacidade de uma rocha permitir o fluxo de fluidos é
chamada permeabilidade (K). Quando existe apenas um único fluido saturando a rocha,
esta propriedade recebe o nome de “permeabilidade absoluta”.
Uma rocha reservatório contém sempre dois ou mais fluidos, de modo que a
permeabilidade absoluta não é suficiente para se medir a facilidade com que
determinado fluido se move no meio poroso. No caso da existência de mais de um
fluido, a facilidade com que cada um se move é chamada “permeabilidade efetiva” ao
fluido considerado. Por exemplo, se em um meio poroso estão fluindo água e óleo, tem-
se permeabilidade efetiva da água e permeabilidade efetiva do óleo.
O símbolo da permeabilidade efetiva é a letra “K” com um subscrito
correspondente ao fluido em questão. Assim, as permeabilidades efetivas ao óleo, ao
gás e à água têm por símbolos oK , gK e wK , respectivamente. As permeabilidades
efetivas dependem das saturações de cada um dos fluidos no meio poroso. A cada valor
de saturação de um fluido corresponde um valor de permeabilidade efetiva àquele
fluido.
Nos estudos de reservatórios, costuma-se utilizar os valores de
permeabilidade após submetê-los a um processo de normalização (nada mais é do que
dividir todos os valores de permeabilidade efetiva por um mesmo valor de
permeabilidade escolhido como base). Ao resultado da normalização dá-se o nome de
“permeabilidade relativa”. O valor de permeabilidade mais utilizado como base é a
permeabilidade absoluta. Assim, pode-se definir:
- Permeabilidade relativa ao óleo: K
KK o
ro =
- Permeabilidade relativa ao gás: K
KK g
rg =
- Permeabilidade relativa à água: K
KK w
rw =
44
3.3.4 Mobilidade
Define-se mobilidade de um fluido como sendo a relação entre a sua
permeabilidade efetiva e a sua viscosidade. Por exemplo, a mobilidade do óleo (fluido
deslocado) é dada por o
oo
K
µλ = e a água (fluido injetado) por
w
ww
K
µλ = . Assim como
as permeabilidades efetivas, as mobilidades também dependem das saturações.
A razão de mobilidades é definida pela razão o
w
λλ
. Observe que quanto
maior for a razão de mobilidades, menor será a eficiência de deslocamento de óleo, uma
vez que, devido à sua maior mobilidade, o fluido injetado tenderá a “furar” o banco de
óleo criando caminhos preferenciais entre os poços injetores e os produtores.
3.3.5 Compressibilidade
De acordo com a arrumação dos grãos e a profundidade em que se
encontram, podemos analisar a sua compressibilidade, ou seja, a porosidade das rochas
sedimentares é função do grau de compactação das mesmas, e as forças de compactação
são funções da máxima profundidade em que a rocha já se encontrou. Os sedimentos
que já estiveram a grandes profundidades apresentam menores valores de porosidade
que aqueles que nunca foram tão profundamente enterrados. A Figura 15 mostra o efeito
da compactação natural sobre a porosidade.
45
Figura 15 –Efeito da compactação natural sobre a porosidade. Fonte: ROSA [26].
A extração de fluidos de uma rocha-reservatório faz com que exista uma
variação da pressão interna da rocha. Com isso, ela fica sujeita a tensões resultantes
diferentes. Essa variação de tensões provoca deformações nos grãos, nos poros e no
volume total da rocha.
A variação do volume poroso ocorre devida à conhecida compressibilidade
efetiva da formação ou dos poros, definida como:
p
V
Vc p
pf ∂
∂= 1
( 11)
onde:
→pV é o volume poroso da rocha;
→p é a pressão interna.
46
3.3.6 Rochas-Reservatórios
Existem diversos tipos de rocha-reservatório. Geralmente os depósitos
comerciais de petróleo ocorrem em reservatórios formados por rochas sedimentares.
Nas bacias sedimentares brasileiras produtoras de petróleo, os reservatórios
são de arenitos e calcarenitos. Portanto, existem exemplos de acumulações de
hidrocarbonetos em rochas tanto sedimentares quanto ígneas e metamórficas não
convencionais, como os folhelhos fraturados na Bacia do Recôncavo, BA, os basaltos
na Bacia de Campos, RJ, e metamórficas fraturadas na Bacia Sergipe-Alagoas. A seguir,
serão apresentados alguns tipos de rochas que apresentam porosidades distintas e que
são encontradas nos reservatórios Brasileiros.
a) Arenitos
Os arenitos são os tipos de rocha-reservatório mais encontrados,
normalmente atingem várias centenas de metros de espessura, e possuem grande
continuidade lateral. As dimensões de um corpo de arenito dependem das condições de
sua sedimentação. A maioria se apresenta em forma lenticular.
b) Rochas carbonatadas
As rochas carbonatadas podem ter seus poros muito maiores que os de
arenitos, proporcionando-os uma grande permeabilidade. Como exemplos deste tipo de
rocha, temos os calcários, as dolomitas e as intermediárias entre as duas.
A porosidade das rochas carbonatadas difere das rochas de arenitos, sendo a
porosidade localizada, tanto lateral como verticalmente, dentro de cada camada.
c) Outras rochas
Encontramos vários outros tipos de rochas com porosidade significativas
para tornarem localmente reservatórios de Petróleo, por possuírem porosidade
intersticial ou presença de fissuras. Como rochas-reservatórios, encontramos:
conglomerados e brechas, folhelhos fraturados, siltes, arcósios e rochas ígneas ou
metamórficas fraturadas.
47
3.4 Fluxo de Líquidos em Meios Porosos
A área da engenharia de reservatórios que estuda a maneira como os fluidos
se movimentam em um meio poroso recebe o nome de Fluxo de Fluidos em Meios
Porosos. Estudos nesta área são desenvolvidos através de modelos matemáticos, a partir
de equações básicas do estudo do fluxo em meios porosos, tendo como objetivo obter
dados relacionados com o aspecto físico do reservatório.
O grau de complexidade dos modelos depende dos diversos aspectos que se
deseja considerar no estudo do fluxo e do grau que se deseja simplificar o modelo. Para
as diversas situações em que os reservatórios se encontram são desenvolvidas soluções
que se baseiam em uma equação conhecida como equação da difusividade hidráulica ou
simplesmente equação da difusividade. A equação da difusividade hidráulica é obtida a
partir da associação de três equações básicas: a equação da continuidade, que é uma
equação de conservação de massa, a lei de Darcy, que é uma equação de transporte de
massa, e uma equação de estado, que tanto pode ser uma lei dos gases como a equação
da compressibilidade para o caso de líquidos.
Será considerado o caso particular em que se admite que o fluido seja
incompressível.
3.4.1 Equação da Difusividade Hidráulica
Para o desenvolvimento da equação da difusividade hidráulica são
consideradas as seguintes hipóteses:
• Meio poroso homogêneo e isotrópico;
• Fluxo estritamente horizontal isotérmico;
• Poço penetrando totalmente a formação;
• Permeabilidade constante;
• Pequenos gradientes de pressão;
• Fluido com compressibilidade pequena e constante e viscosidade constante;
48
• Rocha com compressibilidade pequena e constante;
• Forças gravitacionais desprezíveis;
• Fluidos e rochas não reagentes entre si.
Primeiro será mostrada a equação da continuidade, na qual será inserida a
equação de Darcy. Em seguida, serão mostradas as equações de estados apropriadas.
49
3.4.2 Equação da Continuidade
A equação da continuidade, na Hidrodinâmica, representa o princípio de
conservação da massa, ou seja, quando em um meio poroso há movimentação de
fluidos, consideramos que há entrada e saída de fluido em suas faces. A equação da
continuidade descreve a variação de massa dentro do meio poroso devida a esse fluxo.
A variação de massa dentro do elemento de meio poroso é a diferença entre a massa
existente no meio poroso no final do intervalo de tempo e a massa existente no começo
do intervalo, está diferença resulta na massa acumulada durante o intervalo de tempo
t∆ .
O caso mais geral é aquele em que ocorre a movimentação do fluido nas três
direções, x, y e z. O fluido penetra em um volume elementar no meio poroso através de
uma face perpendicular a cada uma das direções e sai pela face oposta.
As vazões de entrada e de saída nas três direções são representadas por qx,
qy e qz acompanhada dos subscritos, que indicam respectivamente, as posições de
entrada e de saída do fluido. O primeiro subscrito indica a direção considerada.
Como q representa a vazão volumétrica, isto é, volume por unidade de
tempo, deve ser multiplicada pela massa específica, “ρ”, para se obter a vazão expressa
em termos de massa, uma vez que se deseja trabalhar com conservação de massa.
Como o fluxo está ocorrendo nas três direções, a massa total acumulada é
igual à soma das três parcelas, onde cada parcela representa a diferença entre a massa
que entrou e a massa que saiu nessa direção. Dessa maneira, como pode ser observado
na equação ( 12) a massa total acumulada é igual à:
Massa total acumulada = ( ) ( ) ][ xxxxx qqt ∆+−∆ ρρ + ( ) ( ) ][yyyyy qqt
∆+−∆ ρρ +
( ) ( ) ][ zzzzz qqt ∆+−∆ ρρ
( 12)
A variação de massa dentro do elemento de meio poroso pode ser obtida
também por meio de um balanço de materiais, e quaisquer que sejam os caminhos
escolhidos para o cálculo da massa acumulada, os resultados obtidos devem ser iguais.
50
Considerando-se que o início do intervalo de tempo seja um instante t qualquer, o final
do intervalo será (t+∆t).
O quociente entre a vazão “q” e a área através da qual o fluxo está
ocorrendo, por definição, é chamada de velocidade aparente do fluido.
Utilizando-se a definição de derivada, obtém-se finalmente a chamada
equação da continuidade:
( ) ( ) ( ) ( )ρφρρρt
vz
vy
vx zyx ∂
∂−=∂∂+
∂∂+
∂∂
( 13)
A Equação ( 13), apesar da sua aparente sofisticação, é apenas um balanço
de massa que pode ser expresso em palavras do seguinte modo: “A diferença entre a
massa que entra e a massa que sai nas três direções de fluxo é igual à variação de massa
dentro do meio poroso”.
51
3.4.3 Equação de Darcy
A lei de Darcy que será mostrada resumidamente a seguir, é a lei que rege o
transporte no meio poroso. A etapa seguinte na dedução da equação da difusividade é a
associação da equação da continuidade com a lei de Darcy.
Em 1856, em Dijon, França, Henry Darcy a partir de uma das suas
experiências apresentou uma relação matemática que se tornou a base para a
compreensão do fenômeno do escoamento de fluidos através de meios porosos. Darcy
investigou o fluxo de água através de filtros de areia com a finalidade de purificá-la. O
seu aparelho experimental é mostrado esquematicamente na Figura 16 e todo o
desenvolvimento das equações matemáticas estão muito bem demonstradas em Rosa
[26], onde foi observado que os resultados da experiência seguiam a equação ( 14).
L
∆hKAq=
( 14)
52
Figura 16 – Esquema do experimento de Henry Darcy sobre fluxo de água através
de filtro de areia. Modificado [26].
Onde q é a vazão volumétrica através do leito poroso, K é uma constante de
proporcionalidade que depende do meio poroso e também leva em consideração a
viscosidade µ e o peso específico γ do fluido utilizado, sendo conhecida como
condutividade hidráulica ou coeficiente de permeabilidade do meio, A é a área
transversal do meio poroso, L é o comprimento do leito poroso e ∆h = ( 21 hh − ) é a
diferença de carga d’água associada à vazão obtida (perda de carga do fluxo).
A Lei de Darcy é válida apenas para escoamentos laminares, onde se
verifica uma relação linear entre a velocidade de Darcy e o gradiente hidráulico. Para
verificar se os escoamentos são laminares ou turbulentos, utilizam-se limites definidos
pelo número de Reynolds.
No âmbito da Mecânica dos Solos, interessa apenas o escoamento laminar,
no qual as partículas do fluido se movem em camadas segundo trajetórias retas e
paralelas. O escoamento laminar fica determinado por uma velocidade crítica, abaixo da
qual toda a tendência à turbulência é absorvida pela viscosidade do fluido.
53
A equação ( 14) de Darcy foi determinada de acordo com as seguintes
condições:
• Fluxo isotérmico, “laminar” e permanente.
• Fluido incompressível, homogêneo e de viscosidade invariável com a
pressão.
• Meio poroso homogêneo, que não reage com o fluido.
Na engenharia de petróleo, a lei de Darcy generalizada tem sido muito
utilizada, obtendo resultados satisfatórios. De modo geral, pode-se escrever a equação
como:
dl
dAKq
φµ
γ=
( 15)
De modo que, A é a área total da seção transversal e não a área real aberta
ao fluxo. Devido ao fato de o fluxo ser no sentido de potenciais decrescentes, o que faz
com que a velocidade aparente e o gradiente de potencial
dl
dφ tenham sinais opostos,
a equação passa a ter o sinal negativo.
O potencial de um fluido é definido pela seguinte expressão:
( )0
0
zzdp
p
p
−+= ∫ γφ ( 16)
onde z e 0z são alturas em relação a um nível de referência arbitrário, e p
e 0p são pressões atuantes nos níveis z e 0z . Para um fluido estático, não existe
diferença de potencial entre os vários pontos desse fluido.
54
A trajetória do fluxo deve ser orientada. Quando se deseja que a vazão seja
positiva, deve-se orientar a trajetória do escoamento no mesmo sentido da velocidade
aparente do fluido. Observou-se que a gravidade auxilia o escoamento.
A lei de Darcy, representada pela equação ( 14), pode ser escrita em termos
de potencial como:
LA
Kq
φγµ
∆= ( 17)
onde:
21 φφφ −=∆ ( 18)
os índices 1 e 2 representam a entrada e a saída do meio poroso,
respectivamente. É importante observar que o potencial na entrada do meio poroso é
maior que o potencial na saída do mesmo, ou seja, o fluxo se processa no sentido de
potenciais decrescentes.
Através da equação ( 19), que relaciona a velocidade aparente do fluido com
os gradientes de potencial, serão introduzidas as expressões das velocidades na equação
da continuidade.
s
Kv s
s ∂∂−= φ
µγ
( 19)
Onde o índice “s” é uma trajetória de fluxo qualquer, sK a permeabilidade
do meio poroso na direção do fluxo, γ o peso específico do fluido, µ a viscosidade do
fluido e φ o potencial de fluxo, que é o agente responsável e propulsor do deslocamento
do fluido no meio poroso. Utilizando-se a equação ( 19), foram desenvolvidas as
velocidades aparentes nas três direções de fluxo. Ao se introduzir as expressões das
55
velocidades na equação da continuidade, Equação ( 13), obtém-se uma nova forma para
a equação diferencial do escoamento que será mostrada a seguir:
( )ρφφµ
γρφµ
γρφ
µγρ
tz
k
zy
k
yx
k
xzyx
∂∂−=
∂∂
∂∂+
∂∂
∂∂+
∂∂
∂∂
( 20)
A Equação ( 20) está apresentada de forma geral, onde é necessário a
introdução de simplificações e condições de contorno para reproduzir as diferentes
situações em que os reservatórios brasileiros se encontram.
56
3.4.4 Equação de Estado
Na equação diferencial do escoamento, são introduzidas as equações de
estado, que são as equações que representam as compressibilidades dos fluidos e da
rocha. Para o caso de fluxo de líquidos, pode-se usar a equação geral da
compressibilidade dos fluidos, definida de acordo com Rosa [26], na Equação ( 5).
A Equação ( 5) pode ser escrita em função de x, y, z e t para poder ser
inserida na Equação ( 20). Como é comum se medirem as pressões dos fluidos no
reservatório em vez da sua massa específica, é conveniente escrever a equação em
termos da pressão. Tanto a compressibilidade do líquido como os gradientes de
elevação são, em geral, valores muito pequenos, de modo que, quando elevados ao
quadrado, resultam em termos muito menores ainda e, portanto, desprezíveis quando
comparados com os outros termos da equação, o que está de acordo com o
desenvolvimento deste trabalho, onde se considera o fluido incompressível. Assim, a
equação da difusividade hidráulica pode ser escrita de forma mais compacta como:
t
P
z
P
y
P
x
P
∂∂=
∂∂+
∂∂+
∂∂
η1
2
2
2
2
2
2
( 21)
A Equação ( 21) é conhecida como equação da difusividade hidráulica. O
termo η é chamado de constante de difusividade hidráulica e P é a pressão do fluido.
Para poder obter a solução da equação da difusividade, para os diversos
tipos de sistemas lineares e radiais, em meios porosos horizontais, sujeitos aos regimes
de fluxo permanentes, pseudopermanente e transiente, deve-se adequar a Equação ( 21)
para cada caso.
57
3.4.5 Fluxo Radial
Nesta geometria de fluxo radial, a velocidade aparente do fluido em um
ponto qualquer do meio poroso pode ser determinada como:
dr
dkv
φµγ−=
( 22)
adotando-se a vazão como número positivo,
dr
dk
A
q φµγ=
( 23)
No caso de fluxo radial, A é a área transversal aberta ao fluxo que varia com
a posição no meio poroso. Logo, para um sistema radial homogêneo e isotrópico,
considera-se que as linhas de fluxo convergem para o eixo central do poço, gerando
superfícies equipotenciais concêntricas, como é mostrado na Figura 17 a seguir:
Figura 17 – Superfícies equipotenciais no fluxo radial. Modificado [26].
58
Para uma dada superfície equipotencial, a área transversal aberta ao fluxo é:
hrA θ= ( 24)
onde θ é o ângulo (radiano) formado pelos limites laterais do meio poroso,
“r” a distância da superfície ao centro do poço e “h” é a espessura (uniforme) do meio.
Sendo assim, a equação genérica para fluxo radial incompressível torna-se:
dr
dr
hkq
φγµ
θ= ( 25)
A definição de potencial é:
dr
dz
dr
dp
dr
d +=γ
φ 1 ( 26)
Então a equação genérica para o fluxo passa a ser:
+=dr
dz
dr
dpr
hkq γ
µθ
( 27)
Para um reservatório radial ( πθ 2= ), de raio interno “wr ” e raio externo
“ er ”, a equação de fluido incompressível pode ser integrada de acordo com a equação a
seguir:
∫ ∫∫ +=e
w
e
w
e
w
p
p
z
z
r
r
dzdpr
dr
kh
q γπµ
2 ( 28)
resultando:
59
( )wewew
e zzppr
r
hk
q −+−=
γ
πµ
ln2
( 29)
onde:
( ) ( )[ ]wewewe
zzpprr
hkq −+−= γ
µπ
/ln
2 ( 30)
Para o caso de fluxo horizontal, a expressão da vazão se reduz a:
( )( )we
we
rr
pphkq
/ln
2
µπ −
= ( 31)
Os conceitos apresentados anteriormente também podem ser utilizados para
outras geometrias de fluxo, como por exemplo, o fluxo esférico.
60
3.4.6 Fluxo Radial Permanente
Para representar o fluxo dos fluidos do reservatório para dentro do poço,
utiliza-se uma equação de fluxo radial. A Figura 18 mostra esquematicamente as
características do problema.
Figura 18 –Fluxo Radial. Modificado [26].
De acordo com a Figura 18:
wr → raio do poço;
er → raio externo ou raio da formação;
wp → pressões no poço;
ep → pressões no raio externo;
h → altura do sistema.
Para um fluido incompressível, considerando uma coroa de raio “r” e
espessura “dr”, a lei de Darcy em coordenadas cilíndricas pode ser escrita como:
61
dr
dpK
A
qVr µ
−==
( 32)
onde:
→rV é o que se chama de velocidade aparente na direção radial; A é igual a hrπ2 e,
integrando entre os limites, obtém-se:
( )( )we
we
rr
pphKq
/ln
2
µπ −
−= ( 33)
Normalmente, trabalha-se com valores positivos da vazão de produção. O
sinal negativo expressa que o fluxo ocorre no sentido contrário do crescimento do valor
da coordenada r.
3.4.7 Pressupostos de Modelagem
Para se resolver uma equação diferencial, é necessário se traduzir para a
linguagem matemática as diversas imposições associadas a cada problema físico
específico. Estas restrições são denominadas condições de contorno e permitem a
determinação dos limites de integração da equação diferencial.
O número de condições de contorno necessárias para a resolução de uma
equação diferencial depende da quantidade de variáveis independentes envolvidas,
sendo que, para cada uma destas variáveis independentes, são necessárias tantas
condições de contorno quanto for o maior grau da derivada em relação a esta variável.
Portanto, a solução da equação da difusividade para o fluxo radial exige uma condição
de contorno em relação ao tempo, denominada condição inicial, e duas condições de
contorno em relação à distância radial, condições de contorno interna e externa
respectivamente.
A percolação de fluidos em um meio poroso obedece basicamente à equação
do balanço de massa e a uma “lei constitutiva” do fluido, representada, aqui, pela Lei de
Darcy. Considerando estas duas equações, pode-se obter a taxa de volume de fluido
62
produzido por um poço e, conseqüentemente, seu desempenho para diversas situações.
A equação diferencial parcial, Equação ( 34), rege o problema de fluxo em um meio
poroso.
t
Pc
z
PK
zy
PK
yx
PK
x tzzyyxx ∂∂=
∂∂
∂∂+
∂∂
∂∂+
∂∂
∂∂ φ
( 34)
Os termos na Equação ( 34), têm o seguinte significado:
x, y e z – coordenadas espaciais;
t – tempo;
xxK , yyK e zzK – permeabilidade nas direções x, y e z;
P – poro-pressão;
φ – porosidade;
ct – compressibilidade do reservatório;
A Equação ( 34), análoga ao processo de difusão térmica, permite que a
equação de difusividade térmica seja aplicada na representação do problema.
Admite-se, neste trabalho, que o escoamento 3D segue a equação ( 34),
conforme mostrado na Figura 19.
63
Figura 19 – Desenho esquemático da geometria de um cubo elementar e suas
cargas. Fonte: ROSA [26].
As condições de contorno do problema são dadas por uma pressão interna
no túnel e uma pressão externa, igual à pressão estática, aplicada em um raio
suficientemente distante do eixo do poço, no caso 100 vezes o raio externo do poço, de
tal forma que a esta distância a pressão no reservatório não seja perturbada pelo
escoamento linear incompressível.
3.4.8 Produtividade de Poços em Regimes Estabilizados de Fluxo
Existem dois tipos de regimes estabilizados de fluxo, o permanente e o
pseudopermanente. Geralmente, encontra-se uma equação para o cálculo da vazão em
função das pressões estática e de fluxo em um determinado momento da vida produtiva
do poço. Essa equação permite a estimativa da produtividade do poço em um regime
estabilizado de fluxo, como será mostrado em ( 35). Neste trabalho, o simulador atende
ao estudo do poço canhoneado, que considera o fluxo de fluido em regime permanente.
Quando chega à superfície, o fluido produzido passa por equipamentos
reguladores de fluxo, que podem ser fixos ou ajustáveis. As vazões e as pressões na
cabeça do poço são controladas pela restrição imposta ao fluxo. Portanto, por si só, não
64
caracteriza a capacidade de fluxo do poço, que é caracterizada pelo índice de
produtividade (IP), definido por:
we
w
PP
qIP
−=
( 35)
Onde “ wq ” é a vazão do poço, eP a pressão estática do reservatório e wP é a
pressão de fluxo no poço. O índice de produtividade pode ser utilizado para estimar a
vazão do poço para diferentes pressões de fluxo, correspondentes a diferentes aberturas
nos reguladores de fluxo.
A vazão de produção que aparece na equação está relacionada às condições
de pressão e temperatura do reservatório. No caso de fluxo permanente, a pressão
estática, isto é, aquela que o reservatório atingiria se mantido o poço fechado por um
tempo muito grande, difere da pressão média no instante do fechamento.
65
4 ESTUDOS PARAMÉTRICOS
4.1 Introdução
A busca da obtenção do máximo de eficiência de um sistema, quer seja uma
máquina ou uma estrutura, utilizando a menor quantidade possível de recursos, sempre
foi um objetivo da engenharia.
Na produção de poços de petróleo, este tema tem sido muito debatido nas
últimas décadas. Em especial, a definição de quais fatores poderiam ser manipulados de
forma a alcançar uma maior produção de poços canhoneados.
Neste contexto, vale ressaltar que, neste capítulo, será apresentado um
estudo paramétrico, que não se trata de um estudo de otimização, mas da determinação
de como algumas características do poço e propriedades da rocha-reservatório afetam a
produção.
4.2 Procedimento de Solução
Procedimentos de solução numérica têm sido propostos para modelar o problema
de fluxo em poços canhoneados. Os primeiros trabalhos envolvendo modelagem
numérica foram publicados na década de 80. Autores como Locke [9] e Tariq [10]
foram os pioneiros na aplicação de elementos finitos. Tariq [11], a partir de várias
simulações, estudou a influência de diversos parâmetros relacionados a geometria do
canhoneio e da rocha reservatório sobre a produção dos poços. Procedimentos baseados
no MEF (método dos elementos finitos) são também descritos em Tariq [10], Klotz et
al.[8]; aqueles baseados no Método das Diferenças Finitas são descritos em Harris [6] e
Hong [7].
Recentemente, Ansah [2] deu uma importante contribuição na construção
geométrica de poços canhoneados. Por meio de elementos finitos, reproduziu com
66
maior fidelidade a geometria do poço canhoneado, como por exemplo, a distribuição
espiral e a forma cônica dos túneis.
Dada à existência da analogia mencionada no Capítulo 3, e considerando a
ampla capacidade dos programas comerciais em simularem o problema de transferência
de calor, selecionou-se o programa comercial MSC.Marc, como especificado em [20].
A geração das malhas feita no pré-processador MSC.Patran [19] em conjunto com o
aplicativo Acumen [25], permitiu a rápida construção de modelos com diferentes
cenários de produção.
MSC.Patran
O MSC.Patran [19] é um programa CAE, Computer Aided Engineering, que
permite, de uma forma interativa, a modelagem tridimensional e a visualização de
resultados de aplicações em elementos finitos. Através de uma interface de fácil
interpretação, o programa disponibiliza várias ferramentas CAD e de customização.
O MSC.Patran possui, como parte integral, a linguagem PCL, PATRAN
Command Language. Esta linguagem permite escrever aplicações, criar comandos
específicos, executar modelagens parametrizadas e integrar programas comerciais ou
desenvolvidos pelo próprio usuário ao pré-processador. O PCL é uma linguagem
estruturada de alto nível com muitas características semelhantes a programas
tradicionais. Essas características incluem:
- operadores aritméticos e relacionais, expressões string;
- funções intrínsecas de matemática e string;
- alocação dinâmica de strings e arrays;
- estruturas de controle e condição lógica;
Baseado nestas características, foi construído o aplicativo ACUMEN para
geração automática de malhas em poços canhoneados, introduzindo no MSC.Patran a
parametrização da geometria do canhoneio. Após definir as funções dentro da
linguagem PCL, que comandam forma, dimensão e propriedades do material de poço
67
canhoneado, uma interface html foi desenhada para que o usuário visualizasse e
fornecesse os parâmetros necessários à construção do modelo.
MSC.Marc
Segundo a documentação da MSC.Software, o solver MSC.Marc [20] pode
ser utilizado em análises mecânicas lineares e não-lineares em regime estático ou
dinâmico, transferência de calor e eletromagnetismo.
O sistema de equações algébricas, criado a partir das equações diferenciais
que regem o fenômeno, é solucionado para casos lineares através dos métodos de Gauss
e Newton-Raphson. Para o caso não-linear, além do Newton-Raphson, existem o
Newton-Raphson Modificado e o método Iterativo. Este último é apontado como o mais
eficiente para alguns casos, devido à rápida solução do sistema de equações.
No que se refere à transferência de calor, o MSC.Marc possui um sólido
arcabouço na simulação de problemas lineares e não-lineares, em regime transiente e
permanente, para uma, duas ou três dimensões. A não-linearidade no problema térmico
inclui considerações como propriedade de material dependente da temperatura, efeito do
calor latente (mudança de fase) e condições de contorno não lineares (convecção e
radiação). Estas características do simulador atendem ao estudo do poço canhoneado,
que considera o fluxo de fluido em um regime permanente. Isto é importante porque o
programa resolve a equação da difusividade hidráulica como a equação da difusividade
térmica.
68
Tipos de Elementos
O MSC.Marc dispõe de elementos hexaédricos com 8 e 20 nós (Figura 20) que
podem ser utilizados para a solução de fluxo. Os trabalhos realizados pela Petrobras [1]
indicaram que o elemento de 8 nós, apesar de utilizar interpolação linear, é mais
adequado para o tipo de problema. A aplicação de elementos de 20 nós eleva o custo
computacional sem ganhos significativos na solução.
Figura 20 – Desenho esquemático dos elementos hexaédricos de 8 e 20 nós
4.2.1 Características do Modelo Numérico
Para a geração das malhas de elementos finitos que representam o modelo
do poço vertical canhoneado, foram consideradas as seguintes regiões:
- O túnel da perfuração;
- A zona danificada pelo canhoneio;
- A zona invadida pelo fluido de perfuração e
- O reservatório.
A separação do modelo em regiões simplificou a sua construção e
visualização, dando maior liberdade ao processo de refinamento da malha empregando
o aplicativo de geração. Em resumo, cada região é construída através de segmentos de
reta e arco, gerando, assim, o contorno de um corpo sólido. Para cada segmento ou arco,
é possível definir o número de elementos empregados para a discretização, através do
arquivo geometric_data.pcl.
O arquivo geometric_data.pcl funciona como input para que o MSC.Patran,
através da linguagem PCL, construa a malha do poço canhoneado. Escrito em um
69
formato .txt, o arquivo contém informações de quais procedimentos o MSC.Patran deve
seguir para construir a geometria do modelo, discretizar a malha de elementos finitos,
definir condições de contorno, propriedades e grupos (labels).
Os segmentos básicos que constituem o modelo numérico são ilustrados na
Figura 21 e Figura 22. Estas figuras representam a vista frontal e lateral dos túneis,
abrangendo também a região do poço próxima ao túnel. Os segmentos estão numerados
de 1 a 13, em uma seqüência que será empregada mais adiante na definição do
procedimento de gradação da malha.
A Figura 21 ilustra os segmentos que constituem o túnel em vista frontal e
em perfil longitudinal. Como pode ser observado, o túnel é representado pelos
segmentos 2, 3, 4, 7, 8, 9, 10 e 11. Em detalhe, a linha pontilhada na Figura 21c indica a
posição do dano na formação, sendo a sua extensão representada pelo segmento 9.
O desenho esquemático da Figura 22 ilustra os parâmetros que definem as
características geométricas do modelo. Os valores considerados para estas
características estão apresentados na Tabela 1.
Na Figura 23, é apresentada uma perspectiva da malha na região central do
modelo, ilustrando as quatro partes do modelo. O túnel da perfuração está representado
pela cor verde, o reservatório pela cor cinza escuro, os danos provocados pelo
canhoneio e pela perfuração são representados respectivamente pelas cores vermelha e
amarela. Esta figura mostra também como a malha construída obedece à definição de
segmentos colocada na Figura 21 e na Figura 22 .
70
Figura 21 –Desenho esquemático. Fonte: [3].
(a) representação dos segmentos da face interna do poço,
(b) detalhe dos segmentos no túnel e
(c) detalhe do túnel na direção radial do poço
7
8
9 10 11 13
(c)
1 1
1
2 2
2 5
5
4
2
2 2
2
2 2
4
4
3
3
3
(a)
(b)
71
Figura 22 –Desenho esquemático do túnel do canhoneio. Fonte: [3].
Figura 23 – Perspectiva da região central do modelo. Fonte: [3].
Lp
Dehr ec
Deh
Lf
Dehf
rf
re
h
rw
72
Tabela 1 – Características geométricas do modelo
rw = raio interno do poço 4,250 in
re = raio externo com condição de contorno 425,0 in
rf = raio do dano da formação 8,250 in
Lp ( )98 tt + = profundidade do túnel do canhoneio 15,000in
ec ( )4t = espessura do dano do canhoneio 0,500 in
Deh ( )1t = diâmetro de entrada no revestimento 0,500 in
Dehr ( )2t = diâmetro do túnel na interface
cimentação/reservatório
1,000 in
Dehf ( )3t = diâmetro final do túnel 0,500 in
Lf ( )9t = comprimento da ponta do túnel 0,500 in
ecs ( )6t = espessura do revestimento 0,375 in
ecm ( )7t = espessura da cimentação 0,375 in
h = altura do reservatório 1,000 ft
Obs.: a nomenclatura nt é referente ao aplicativo de geração automática de
malhas;
73
4.3 Gradação da malha
O arquivo geometric_data.pcl, mencionado no item anterior, contém uma
matriz de refinamento que permite definir um padrão de construção de malhas para
diversas simulações. Nesta matriz, cada linha (numerada de 1 a 13) representa um
segmento de reta ou arco do modelo (como descrito no item anterior), e cada coluna
corresponde a um nível de refinamento. Portanto, cada elemento da matriz fornece o
número de elementos para um dado segmento em um determinado grau de refinamento.
Para exemplificar o uso da matriz de refinamento, ilustraremos a construção
de uma malha com um nível de refinamento 5 empregando a matriz apresentada na
Figura 19. O resultado é a malha da Figura 25 onde a discretização do túnel sem a ponta
cônica, representado pelos segmentos 9 e 10 na Figura 21c, apresenta quatro elementos,
obedecendo a soma dos valores indicados nas linhas 9 e 10, coluna 5 da matriz de
refinamento da Figura 24.
É válido lembrar que a numeração de linhas e colunas na matriz de
refinamento segue a convenção da Álgebra Linear, ou seja, linhas numeradas em ordem
crescente de cima para baixo e colunas em ordem crescente da esquerda para a direita.
1 [2,2,2,2,2,2,2,2,2,2]@ 2 [2,2,2,2,3,2,2,2,2,2]@ 3 [1,1,1,1,1,1,1,1,1,1]@ 4 [1,1,1,1,1,1,1,1,1,1]@ 5 [3,6,9,12,13,18,21,24,27,30]@ 6 [0,0,0,0,0,0,0,0,0,0]@ 7 [1,1,1,1,1,1,1,1,1,1]@ 8 [1,1,1,1,1,1,1,1,1,1]@ 9 [1,1,1,1,1,1,1,1,1,1]@ 10 [2,2,2,3,3,3,3,3,3,3]@ 11 [1,1,1,1,1,1,1,1,1,1]@ 12 [1,1,1,1,1,1,1,1,1,1]@ 13 [5,10,15,20,30,30,35,40,45,50]]
Figura 24 – Matriz de Refinamento.
74
Figura 25 – Refinamento da malha do túnel em um poço canhoneado.
4.4 Parâmetros Relevantes; Índice de Produtividade
Definidos o pré-processador e o solver, a produção de poços canhoneados
será estudada variando parâmetros geométricos do poço e propriedades físicas da rocha-
reservatório.
Dentre os parâmetros que mais influenciam na eficiência da completação,
mencionam-se: densidade efetiva dos furos (número de furos por pé), profundidade do
túnel na formação, ângulo de fase e diâmetro dos túneis.
Considerando estes parâmetros na simulação, será feita a análise da
influência de cada um no índice de produtividade, permitindo o conhecimento de quais
cargas proporcionam melhores resultados. A razão de índices de produtividade (PR) que
será apresentada nos resultados deste trabalho é calculada de acordo com a Equação á
seguir:
tw
e
w
e
idealabertopoço
canhoneadopoço
sr
r
r
r
J
JPR
+
==ln
ln
( 36)
onde:
J poço canhoneado – índice de produtividade do poço canhoneado;
J poço aberto ideal – índice de produtividade do poço aberto;
rw – raio do poço;
75
re – raio do reservatório;
s t – skin total.
O índice de produtividade do poço aberto foi calculado de acordo de acordo
com a seguinte Equação, a lei de Darcy aplicada a fluxo radial.
=∆
=
w
eidealabertopoço
rr
hk
P
qJ
ln
2
µ
π ( 37)
onde:
q – vazão do poço;
∆P – diferencial de pressão (diferença de pressão entre as bordas interna e
externa da malha);
k – permeabilidade da rocha;
h – altura do intervalo produtor;
µ – viscosidade do fluido.
4.5 Generalização dos Estudos de Refinamento da Malha
4.5.1 Introdução
Nesta Seção, apresentam-se resultados de estudos de refinamento, gradação
da malha de elementos finitos que representa o problema do fluxo em poços
canhoneados. Considera-se que o primeiro passo para modelagem numérica utilizando
elementos finitos é o estudo de refinamento da malha. Este estudo define o nível de
precisão que se deseja alcançar na solução. Como regra geral, modelos mais refinados
produzem resultados mais precisos, porém aumentam o custo computacional. Como no
problema de canhoneio mesmo os modelos mais simples são relativamente grandes, é
preciso definir malhas que produzam bons resultados com custo computacional baixo.
76
O estudo de refinamento de malhas do poço canhoneado baseou-se em
problemas de poço aberto. Neste tipo de problema, a malha na direção radial, definida
como uma semi-reta, sentido formação-poço, apresenta uma concentração de elementos
de pequeno tamanho na região de poço, tornando-se maiores à medida que se afastam
do poço. Esta concentração de elementos busca capturar a rápida variação do gradiente
de poro-pressão na vizinhança do poço.
O estudo de refinamento apresentado a seguir tomou como ponto de partida
o efetuado em [1]. Naquele projeto, realizou-se um estudo de gradação de malha
específico para uma configuração de carga de 6 spf, a qual foi utilizada exclusivamente
para mostrar o potencial do modelo numérico que foi desenvolvido. O estudo
paramétrico então realizado teve como objetivo medir o potencial do modelo numérico
desenvolvido, através do estudo de 4 parâmetros, utilizando uma carga com 6 spf.
No presente trabalho, realiza-se um estudo paramétrico muito mais amplo,
abrangendo seis configurações de carga, desde 1 spf até 6 spf. Baseado no modelo
anterior, a partir de uma carga com 4 spf, definem-se as quantidades de elementos nas
direções radiais e circunferências e na região dos túneis para aplicação em modelos com
qualquer densidade de carga.
Com estes modelos, na próxima seção apresentam-se resultados de estudos
envolvendo quatro parâmetros (variação da profundidade do túnel, permeabilidade do
dano da formação, anisotropia da rocha reservatório e relação entre o raio externo do
reservatório e o raio interno do poço) e seis configurações de cargas comerciais (1, 2, 3,
4, 5 e 6 spf).
4.5.2 Características Físicas do Problema
Foram considerados problemas caracterizados por parâmetros próximos da
realidade de campos de petróleo brasileiros. A Tabela 2 mostra as propriedades dos
materiais que são considerados no estudo desta seção e a Figura 26 mostra um desenho
esquemático das propriedades dos materiais. O valor atribuído à permeabilidade do
túnel representa uma região vazia. As permeabilidades nas regiões danificadas pelo
canhoneio e pela perfuração foram consideradas idênticas às da rocha intacta.
77
Tabela 2 – Propriedades do reservatório
Permeabilidade da rocha, k 1.000 mD
Permeabilidade do túnel 1.000.000 mD
Permeabilidade da zona
danificada pelo canhoneio, kc
1000 mD
(kc/k=1)
Permeabilidade da zona
danificada pela perfuração, kf
1.000 mD
(kf/k=1)
Anisotropia (kz / kxy) 1,0
dano da perfuraçãocimentorevestimento
dano do canhoneio
Figura 26 –Desenho esquemático das propriedades dos materiais.
4.5.3 Características Geométricas
Observa-se, nos dados apresentados na Tabela 1, que o estudo de
refinamento é realizado em modelos com relação entre o raio interno e raio externo
igual a 1/100. Esta relação, segundo Ansah [2], produz bons resultados devido ao
afastamento da borda externa do modelo da região perturbada pelo canhoneio, região
próxima à parte interna do poço.
78
4.5.4 Malhas Geradas
Para encontrar um conjunto de malhas de elementos finitos que represente
um poço canhoneado com fidelidade e o menor tamanho possível, procura-se
determinar como os elementos devem ser distribuídos no modelo e, partindo disto, criar
um padrão de construção de malhas para diversas simulações. Este padrão é definido
como uma matriz de refinamento escrita no arquivo geometric_data.pcl.
O estudo de gradação efetuado estabelece uma configuração de dez malhas para
cada carga simulada, o que define uma matriz de refinamento para cada carga,
semelhante à ilustrada na Figura 24.
Baseado no estudo de refinamento apresentado em [1], o primeiro conjunto
de malhas, quatro tiros por pé, estabeleceu um padrão inicial, limitando a quantidade
mínima de elementos a ser designada em certas regiões do modelo. Uma destas
limitações é quanto ao número de elementos utilizados no segmento 5, onde o excesso
de elementos afeta significativamente o tamanho do modelo gerado e a alocação de
memória necessária para simular o exemplo.
A Tabela 3 apresenta o código, o número de nós e a vazão das 10 malhas
estudadas. As Figura 27 a Figura 36 apresentam as malhas estudadas, permitindo
diferenciar os níveis de refinamento nas direções radial e circunferencial.
Foram gerados nove conjuntos de malhas de acordo com o padrão da Tabela
3, representando as configurações de 1, 2, 3, 4, 5, 6, 8, 10 e 12 tiros por pé. Cada
conjunto contém um total de 10 malhas com diferentes refinamentos, os quais são
especificados através do arquivo geometric_data.pcl que controla a quantidade de
elementos a serem designados sobre determinadas regiões do modelo.
A divisão do poço canhoneado em diferentes regiões facilitou a construção
tanto da geometria quanto da malha do modelo. Estas regiões representam o túnel da
perfuração, zona danificada pelo canhoneio, zona danificada pela perfuração do poço e
o reservatório. A cada região associou-se um label, semelhante ao AutoCAD, o que
permitiu a visualização individual ou conjunta das regiões no pré e pós-processador.
79
Tabela 3 – Características do refinamento das malhas
Malha Número de Nós Vazão
PC_ER_4spf_r1gd41 62001 2.097,8215
PC_ER_4spf_r2gd41 67637 2.097,170
PC_ER_4spf_r3gd41 73273 2.096,721
PC_ER_4spf_r4gd41 78909 2.096,398
PC_ER_4spf_r5gd41 84509 2.096,158
PC_ER_4spf_r6gd41 90181 2.095,975
PC_ER_4spf_r7gd41 95817 2.095,833
PC_ER_4spf_r8gd41 101453 2.095,719
PC_ER_4spf_r9gd41 107089 2.095,627
PC_ER_4spf_r10gd41 112722 2.095,552
80
Figura 27 – PC_ER_4spf_r1gd41.
Figura 28 – PC_ER_4spf_r2gd41.
81
Figura 29 – PC_ER_4spf_r3gd41.
Figura 30 – PC_ER_4spf_r4gd41.
82
Figura 31 – PC_ER_4spf_r5gd41.
Figura 32 – PC_ER_4spf_r6gd41.
83
Figura 33 – PC_ER_4spf_r7gd41.
Figura 34 – PC_ER_4spf_r8gd41.
84
Figura 35 – PC_ER_4spf_r9gd41.
Figura 36 – PC_ER_4spf_r10gd41.
85
4.5.5 Resultados
Um conjunto de dez malhas para oito densidades de carga foi criado para
avaliar o refinamento das malhas. A vazão (parâmetro de interesse neste estudo) e o
número de nós são as variáveis utilizadas para determinar que malha proporcionará o
melhor resultado com o menor custo computacional. Tomando os conjuntos de malhas
gerados com diferentes níveis de refinamento, são efetuadas análises cujos resultados
são apresentados em um gráfico relacionando vazão por número de nós no modelo,
permitindo a avaliação do desempenho de cada malha.
Uma primeira idéia de como seriam as malhas a serem usadas no estudo de
refinamento foi obtida com a carga de quatro tiros por pé. Baseado no estudo anterior
[1] foram elaboradas duas matrizes de refinamento. Na primeira matriz, designada por
A, cada coluna possui no mínimo dois elementos diferentes das nove colunas restantes.
A segunda matriz, designada por B, foi construída utilizando um nível de refinamento
da matriz A. A diferença da matriz B é que esta possui apenas um elemento diferente
entre cada coluna.
A Figura 37 compara os valores de vazão para dois conjuntos de malha que
representam a carga de quatro tiros por pé. A primeira, em cor vermelho, mostra o
resultado obtido por uma matriz de refinamento, designada por matriz A, onde todos os
níveis de refinamento são diferentes entre si. A segunda, em azul, mostra o resultado
obtido por uma matriz de refinamento onde todos os segmentos permanecem com o
mesmo número de elementos, independente do nível de refinamento, exceto para o
segmento 5. Esta matriz, designada por matriz B, utilizou como referência o nível de
refinamento 6 da matriz A.
86
2000
2050
2100
2150
2200
2250
2300
2350
2400
12000 32000 52000 72000 92000 112000 132000 152000 172000
Número de Nós
VA
ZÃ
O in
/dia
PC_ER_4spf_r *_gd4
PC_ER_4spf_r6gd41
Figura 37 – Gráfico Vazão versus Número de Nós.
Observando-se o gráfico, foi escolhida a malha que apresentou o menor
número de nós com uma diferença mínima no valor da vazão em relação a malhas com
refinamentos melhores, esta diferença está em torno de 0,05%. Este resultado foi
encontrado depois de ter feito aproximadamente novecentas análises como teste. A
partir dos resultados, adotou-se o nível de refinamento 6, malha PC_ER_4spf_r6gd41,
como padrão para os próximos estudos, devido ao bom resultado apresentado em
relação ao custo computacional.
Complementando este trabalho, foi realizado um estudo adicional de
refinamento ao longo do comprimento do túnel. Este estudo mostrou que o modelo já
estava bem discretizado nesta direção.
87
4.5.6 Validação do Modelo de Fluxo
No relatório [1], foi realizada a validação do modelo que está sendo
utilizado neste trabalho, através da comparação com as soluções de Tariq [10] e Ansah
[2].
Comparando os resultados obtidos, verificou-se que as soluções
aproximavam-se e a concordância entre os resultados é boa.
Tanto para o modelo de Ansah [2] quanto para o de Tariq [10], as curvas
obtidas apresentaram maiores incrementos na razão de índices de produtividade à
medida que aumentava a profundidade dos túneis. Alguns detalhes que não foram bem
definidos na geometria dos modelos de referência de Ansah [2] e Tariq [10] podem ter
contribuído para este comportamento. Além disso, características particulares dos
solvers Marc e Ansys também podem introduzir alguma variação nos valores
calculados.
4.6 Resultados dos Estudos Paramétricos
A seguir apresentam-se resultados de estudos paramétricos que
complementam a validação do modelo apresentada na seção anterior, e mostram o
potencial da ferramenta numérica para o estudo do problema de fluxo em poços
canhoneados.Levando em conta este aspecto, os parâmetros abordados consideraram:
� Variação da Profundidade do Túnel (Lp),
� O dano na formação causado pela perfuração do poço,
� A anisotropia da rocha-reservatório e
� A Relação entre o raio externo do reservatório e o raio interno do poço.
O próximo item desta seção descreve o “modelo padrão” tomado como
referência; os itens seguintes descrevem os estudos acerca de cada um destes
parâmetros.
Vale lembrar que, como mencionado na seção anterior, a validação ou
comparação da resposta obtida pelo simulador numérico com soluções encontradas na
88
literatura (que é um requisito prévio à execução de estudos paramétricos como os aqui
efetuados) já foram realizados em [3].
4.6.1 Modelo Padrão
Para a elaboração do estudo paramétrico, foi utilizado um modelo de poço
vertical canhoneado, o qual será designado como “modelo padrão”.
Excetuando o parâmetro geométrico em estudo, indicado no título do
respectivo item que será apresentado mais adiante neste capítulo, todas as dimensões do
modelo padrão seguem as os valores indicados na Tabela 4.
Tabela 4 – Parâmetros geométricos do modelo padrão
rw 4,250 in
re 425,000 in
Lp 14,500 in
Deh 0,500 in
Dehr 0,750 in
Dehf 0,500 in
Lf 0,500 in
h 3,000 ft
ef 5,000 in
Além destes parâmetros geométricos, a construção do modelo padrão segue parte
das hipóteses lançadas para a solução analítica do poço aberto ideal, quais sejam:
1) Reservatório representado por um cilindro com faces paralelas, topo e base, como
indicado na Figura 22(b);
89
2) Raio da borda externa do reservatório muito maior que o raio do poço para
garantir fluxo radial;
3) Condição de contorno de poro-pressão no reservatório, ou pressão estática,
aplicada na distância “re” ao longo de toda a altura “h” do reservatório como
definido na Figura 22(b);
4) Fluido do reservatório é incompressível.
Na hipótese 2, o raio da borda externa do reservatório foi adotado como 100
vezes o raio do poço, conforme estudos de Freitas et al [1] e Ansah [2]. A hipótese 3
diferencia-se da hipótese de poço aberto por estabelecer apenas na borda externa a poro-
pressão ao longo da altura “h”. No poço canhoneado, a pressão de poço é colocada na
ponta dos túneis e não ao longo da altura “h” na parede do poço. Neste estudo, a altura
“h” assume o valor de 3ft.
Outra característica do modelo padrão diferente da solução do poço aberto é
a natureza do meio poroso no poço canhoneado, que se apresenta como um material
heterogêneo e anisotrópico. Os parâmetros de material adotados no estudo paramétrico
estão listados na Tabela 5. Conforme é visto nesta tabela, adotou-se uma permeabilidade
no túnel significativamente maior que a permeabilidade da rocha intacta, com o objetivo
de garantir que não exista nenhuma perda de carga neste local.
90
Tabela 5 – Propriedades do reservatório
Permeabilidade da rocha, K 1.000 mD
Permeabilidade do túnel, Kp 1.000.000 mD
Permeabilidade da zona danificada pelo
canhoneio, Kc
100 mD
(kc/k=0,100)
Permeabilidade da zona danificada pela
perfuração, Kf
1.000 mD
(kf/k=1)
Anisotropia (Kz / Kxy) 0,100
Obedecendo estas hipóteses, o poço canhoneado é submetido a um gradiente de
pressão da ordem de 50 Kgf/cm2 em um regime de fluxo permanente. Os valores da
pressão estática e da pressão no poço estão indicados na Tabela 6.
Tabela 6 – Valores de pressão aplicados no modelo padrão
Pressão estática (Kgf/cm2) 100,000
Pressão no poço (Kgf/cm2) 50,000
As malhas de elementos finitos utilizadas nas simulações deste tópico seguem o
padrão definido no item anterior, reproduzindo o comportamento de um poço
canhoneado para várias densidades de carga. Todavia, o aumento do número de túneis
sempre ocasionou na malha um aumento expressivo no número de graus de liberdade,
levando, por vezes, o solver MSC.Marc a abortar a simulação por problemas de
alocação de memória. Dada esta dificuldade, para alguns parâmetros do estudo, o
número de cargas simuladas será menor do que o indicado no estudo de refinamento, o
que será identificado na respectiva seção.
91
4.6.2 Anisotropia
A facilidade com que um fluido percola através da rocha-reservatório está
relacionada diretamente com a permeabilidade, não somente pelo seu valor absoluto,
mas, também, pela sua orientação, lembrando que a permeabilidade é uma propriedade
que varia espacialmente nas três direções.
A anisotropia é definida, neste estudo, como a relação entre a
permeabilidade vertical pela permeabilidade horizontal assumindo valores de 0,1 a 1. O
efeito da anisotropia na razão de produtividade foi avaliado para cargas de 1 a 6 spf.
Para a faixa de valores de anisotropia limitada no estudo, o gráfico da Figura
38 mostra que a razão de produtividade aumenta suavemente de modo que a
permeabilidade vertical se aproxima do valor da permeabilidade horizontal para as seis
densidades de carga. Pela variável (%)∆ da Tabela 8, definida como a diferença relativa
entre a PR de uma carga com anisotropia qualquer pela PR da mesma carga com
anisotropia igual a 0,1, observa-se que mais da metade do aumento de PR foi devido a
diminuição da anisotropia, que ocorre até o valor de 0,4. Ainda de acordo com esta
tabela, cargas com menores densidades são as que apresentam maiores crescimentos de
PR, com a diminuição da anisotropia. Os valores de PR da Tabela 8 foram obtidos
através da Tabela 7, que apresenta os valores de vazão em pol3/s.
Observando ainda o gráfico da Figura 38, valores de Kz/Kxy acima de 0,4
praticamente não provocam mudanças significativas na taxa de crescimento da razão de
produtividade das seis densidades de carga, quase desaparecendo à medida que a rocha-
reservatório intacta se torna mais isotrópica.
Como pode-se observar na Figura 38, aumentando a densidade de carga, a
taxa de crescimento da razão de produtividade entre diferentes cargas diminui, para um
mesmo valor de anisotropia. Porém, mesmo variando a anisotropia, a forma com que as
curvas de razão de produtividade de diferentes cargas se aproximam uma das outras não
muda, evidenciando que a anisotropia não exerce efeito algum para esta situação.
É válido ressaltar que, para as condições impostas no poço canhoneado, em
nenhum momento, qualquer densidade de carga obteve um desempenho igual ou
superior ao poço aberto, como observado na Figura 38. Constata-se que todas as
densidades de carga tiveram valores de PR abaixo de 1.
92
Tabela 7 – Vazão do poço canhoneado para diferentes valores de anisotropia em in3/s
Densidade de tiros por pé (spf) Anisotropia
1 2 3 4 5 6
0,1 1800,270 2989,290 3726,970 4245,210 4624,650 4913,310
0,2 1844,710 3046,460 3792,820 4313,52 4693,70 4982,990
0,3 1870,190 3079,690 3830,60 4352,280 4732,430 5021,570
0,4 1887,510 3102,480 3856,330 4378,530 4758,480 5047,330
0,5 1900,340 3119,490 3875,450 4397,960 4777,680 5066,230
0,6 1910,370 3132,850 3890,430 4413,150 4792,650 5080,900
0,7 1918,500 3143,730 3902,610 4425,470 4804,760 5092,750
0,8 1925,260 3152,830 3912,770 4435,730 4814,840 5102,590
0,9 1931,000 3160,580 3921,430 4444,470 4823,400 5110,930
1,0 1935,960 3167,300 3928,920 4452,020 4825,030 5118,130
93
Tabela 8 – Razão de Produtividade para diferentes valores de anisotropia
Densidade de tiros por pé (spf)
1 2 3 4 5 6 Anisotropia
(Kz/Kxy) PR ∆∆∆∆(%) PR ∆∆∆∆(%) PR ∆∆∆∆(%) PR ∆∆∆∆(%) PR ∆∆∆∆(%) PR ∆∆∆∆(%)
0,10 0,339 0,000 0,564 0,000 0,703 0,000 0,800 0,000 0,872 0,000 0,926 0,000
0,20 0,348 2,446 0,574 1,917 0,715 1,779 0,813 1,612 0,885 1,491 0,939 1,414
0,30 0,353 3,860 0,581 3,017 0,722 2,790 0,820 2,524 0,892 2,329 0,947 2,203
0,40 0,356 4,832 0,585 3,780 0,727 3,473 0,825 3,149 0,897 2,891 0,951 2,721
0,50 0,358 5,539 0,588 4,348 0,731 3,986 0,829 3,599 0,901 3,304 0,955 3,110
0,60 0,360 6,099 0,591 4,792 0,733 4,399 0,832 3,962 0,903 3,625 0,958 3,412
0,70 0,362 6,541 0,593 5,164 0,736 4,712 0,834 4,249 0,906 3,889 0,960 3,649
0,80 0,363 6,924 0,594 5,466 0,738 4,996 0,836 4,486 0,908 4,106 0,962 3,844
0,90 0,364 7,248 0,596 5,732 0,739 5,224 0,838 4,699 0,909 4,290 0,963 4,016
1,00 0,365 7,513 0,597 5,945 0,741 5,424 0,839 4,874 0,910 4,324 0,965 4,168
0 0.2 0.4 0.6 0.8 1Anisotropia (kz/kxy)
0.2
0.4
0.6
0.8
1
Razã
o de
Índice
s de
Pro
dutiv
idad
e
1 spf2 spf3 spf4 spf
5 spf6 spf
Figura 38 – Gráfico da anisotropia vs razão de produtividade.
A Figura 39 mostra o mapa de pressão para a carga de 1spf.
94
(a)
(b)
Figura 39 - Mapa de pressão para a carga de 1 spf: (a) kz/kxy igual a 0,1 e (b)
kz/kxy igual a 1.
95
4.6.3 Variação da Profundidade do Túnel (Lp)
Este estudo foi realizado variando a profundidade do túnel (Lp) entre 3 e 80 in,
para as cargas com densidade entre 1 e 6 spf como apresentado na Tabela 9. A faixa de
profundidade estudada abrange a realidade dos reservatórios brasileiros, que em geral
apresentam altos valores de Lp nos reservatórios pouco profundos e com baixa
resistência ao cisalhamento, e baixos valores de Lp no caso oposto [62].
Tabela 9 – Vazão do poço canhoneado para diferentes valores de profundidade do túnel (in)
Densidade de tiros por pé (spf) LP
1 2 3 4 5 6
3 543,459 1.021,859 1.410,549 1.742,696 2.027,817 2.272,657
6 907,805 1.640,485 2.177,445 2.602,336 2.943,607 3.219,433
9 1.211,376 2.123,759 2.748,174 3.217,841 3.580,589 3.863,927
15 1.721,975 2.889,390 3.619,474 4.135,082 4.517,160 4.805,460
21 2.154,239 3.506,432 4.305,017 4.848,200 5.243,173 5.536,546
27 2.535,144 4.035,800 4.888,347 5.453,933 5.861,596 6.161,964
36 3.039,616 4.725,804 5.648,694 6.246,041 6.674,961 6.989,071
45 3.485,146 5.331,794 6.321,247 6.953,643 7.405,378 7.736,484
55 3.933,095 5.942,445 7.006,187 7.680,015 8.161,692 8.514,967
65 4.344,508 6.507,363 7.648,008 8.377,909 8.882,810 9.261,441
80 4.912,399 7.296,777 8.560,047 9.368,835 9.928,861 10.351,181
Os valores de PR da Tabela 10 foram obtidos através da Tabela 9, que
apresenta os valores de vazão em pol3/s.
96
Tabela 10 – Valores de razão de índices de produtividade variando com a penetração para as cargas estudadas
Densidade de tiros por pé Lp
1 2 3 4 5 6
3 0,102 0,193 0,266 0,328 0,382 0,428
6 0,171 0,309 0,410 0,491 0,555 0,607
9 0,228 0,400 0,518 0,607 0,675 0,728
15 0,325 0,545 0,682 0,779 0,851 0,906
21 0,406 0,661 0,811 0,914 0,988 1,044
27 0,478 0,761 0,921 1,028 1,105 1,161
36 0,573 0,891 1,065 1,177 1,258 1,317
45 0,657 1,005 1,192 1,311 1,396 1,458
55 0,741 1,120 1,321 1,448 1,538 1,605
65 0,819 1,227 1,442 1,579 1,674 1,746
80 0,926 1,375 1,614 1,766 1,872 1,951
O gráfico da Figura 40 mostra a relação entre a razão de índices de produtividade
e o comprimento de perfuração. Nota-se que, aumentando o comprimento da
perfuração, o índice de produtividade aumenta com o mesmo, o que está de acordo com
os resultados encontrados na literatura. Outro ponto observado é que os maiores
incrementos de produtividade ocorrem nas baixas penetrações. Este gráfico também
mostra uma curva obtida para cada densidade de carga; comparando as seis curvas,
verifica-se que há aproximação das curvas de razão de produtividade com o aumento da
densidade de carga. A taxa de crescimento da razão de produtividade entre diferentes
cargas diminui na proporção em que a densidade de carga aumenta. Este fato pode
indicar que o uso de cargas com altas densidades, necessariamente, não produz
aumentos significativos na razão de produtividade.
Outro fato importante observado é que, a partir de 4spf, o valor do índice de
produtividade cresce pouco, enquanto o modelo apresenta um valor muito significativo
do aumento da produtividade entre 1spf e 2spf.
97
0 20 40 60 80Profundidade do Túnel, Lp (in)
0
0.4
0.8
1.2
1.6
2R
azão
de
Índi
ces
de P
rodu
tivid
ade
1 spf2 spf3 spf4 spf5 spf6 spf
Figura 40 – Gráfico Razão de Índices de Produtividade versus comprimento do
túnel (Lp).
As Figuras 42 e 42 mostram os mapas de pressão na proximidade do poço.
Observando-se estas figuras, verifica-se que os resultados são influenciados
significativamente pela gradação da malha, tanto pela vista de topo, como pela
isométrica. Nota-se que há variação na distribuição de pressão ao redor do poço para um
mesmo valor de densidade de carga com o aumento da profundidade do túnel. Este fato
reflete o comportamento observado no gráfico da Figura 40, pois como há variação
significativa na PR para uma mesma densidade de carga, há uma variação expressiva na
pressão, mantidas as propriedades de material e geometria do poço. As Figuras 41 e 42
ilustram este comportamento para a carga de 1spf para dois reservatórios, o primeiro
com comprimento de túnel de 3in e segundo com comprimento de túnel de 80in.
Contudo, observa-se nos mapas de pressão o crescimento de uma região
próxima ao poço, indicado pelas cores verde e azul, com valores de pressão próxima aos
valores impostos nos túneis à medida que a densidade de carga aumenta.
98
Figura 41 - Mapa de pressão, caso PC_EP_1spf_LP3_r6gd1, 1spf, Lp = 3”, vista
isométrica.
Figura 42 - Mapa de pressão, caso PC_EP_1spf_LP80_r6gd1, 1spf, Lp = 80”, vista
isométrica.
99
4.6.4 Permeabilidade do Dano da Formação
Neste trabalho, foram considerados valores para permeabilidade do dano da
formação próximos da realidade de campos de petróleo brasileiros.
Neste item, foi feito um conjunto de análises onde será estudada a variação
da permeabilidade da região danificada pelo canhoneio. Foram avaliados 11 níveis de
permeabilidade entre 25 e 1000 mD (permeabilidade original da rocha), de acordo com
a Tabela 11.
Tabela 11 – Vazão do poço canhoneado para diferentes valores de permeabilidade do dano da formação
Densidade de tiros por pé Kf
1 2 3 4 5 6
25 1.314,103 2.341,524 3.042,042 3.575,244 3.985,691 4.308,172
50 1.372,896 2.428,656 3.136,807 3.669,221 4.075,024 4.391,479
100 1.457,188 2.549,833 3.268,482 3.799,562 4.199,210 4.507,972
200 1.559,609 2.691,046 3.420,700 3.949,584 4.342,549 4.643,543
300 1.622,602 2.774,220 3.508,969 4.035,984 4.425,216 4.722,277
400 1.668,093 2.832,228 3.569,516 4.094,831 4.481,496 4.776,078
500 1.701,642 2.873,739 3.612,161 4.135,996 4.520,813 4.813,738
600 1.728,527 2.906,139 3.644,973 4.167,472 4.550,825 4.842,512
700 1.750,814 2.932,366 3.671,190 4.192,477 4.574,622 4.865,337
800 1.769,746 2.954,168 3.692,730 4.212,913 4.594,034 4.883,957
1000 1.800,506 2.988,604 3.726,243 4.244,496 4.623,956 4.912,650
Os resultados obtidos podem ser vistos na Tabela 12, em termos de razão de
índice de produtividade variando com a permeabilidade do dano da formação para as
cargas adotadas.
100
Tabela 12 – Valores de razão de índices de produtividade variando com a permeabilidade do dano da formação para as cargas estudadas
Densidade de tiros por pé Kf
1 2 3 4 5 6
25 0,248 0,441 0,573 0,674 0,751 0,812
50 0,259 0,458 0,591 0,692 0,768 0,828
100 0,275 0,481 0,616 0,716 0,792 0,850
200 0,294 0,507 0,645 0,744 0,819 0,875
300 0,306 0,523 0,661 0,761 0,834 0,890
400 0,314 0,534 0,673 0,772 0,845 0,900
500 0,321 0,542 0,681 0,780 0,852 0,907
600 0,326 0,548 0,687 0,786 0,858 0,913
700 0,330 0,553 0,692 0,790 0,862 0,917
800 0,334 0,557 0,696 0,794 0,866 0,921
1000 0,339 0,563 0,702 0,800 0,872 0,926
O gráfico da Figura 43 mostra a relação entre a razão de índices de
produtividade e a permeabilidade da região danificada pelo canhoneio. Como pode ser
visto, a variação da produtividade com a permeabilidade é significativa.
Este gráfico também mostra seis curvas obtidas para densidade de carga
entre 1 e 6 spf. Nas seis curvas verificam-se maiores ganhos de produtividade para
baixas permeabilidades, compreendidas entre 25 e 300 mD, aproximadamente. A partir
de 400mD, observa-se, para as densidades de carga estudadas, que a razão de índice de
produtividade apresenta um pequeno crescimento tendendo a um valor constante para
permeabilidades próximas de 1000mD.
De acordo com a Figura 43, aumentando a densidade de carga, a taxa de
crescimento da razão de produtividade entre diferentes cargas diminui para um mesmo
valor de permeabilidade. Porém, mesmo variando a permeabilidade, a forma com que as
curvas de razão de produtividade de diferentes cargas se aproximam uma das outras não
muda, evidenciando que a permeabilidade não exerce efeito algum para esta situação.
101
Observou-se que, para as condições impostas no poço canhoneado, em
nenhum momento, qualquer densidade de carga obteve um desempenho igual ou
superior ao poço aberto, como observado na Figura 43. Constata-se que todas as
densidades de carga tiveram valores de PR abaixo de 1.
0 100 200 300 400 500 600 700 800 900 1000Permeabilidade, K (mD)
0.2
0.4
0.6
0.8
1
Raz
ão d
e Ín
dice
s de
Pro
dutiv
idad
e
1 spf
2 spf3 spf
4 spf
5 spf
6 spf
Figura 43 – Gráfico Razão de Índices de Produtividade versus Variação da
Permeabilidade do Dano da Formação (kf).
As Figuras 44 e 45 mostram os mapas de pressão na proximidade do poço.
Observando-se estas figuras, verifica-se que os resultados são influenciados
significativamente pela gradação da malha, a partir da malha PC_EP_1spf_K25_r6gd1
não se observam diferenças significativas. Nestes casos, verificam-se apenas pequenas
diferenças no contorno das curvas de isopressão. Na Figura 45 observa-se bem definida
a resolução da definição do contorno das curvas de isopressão, visto que a
permeabilidade da região danificada pelo canhoneio é maior para o mesmo refino.
102
Figura 44 - Mapa de pressão, caso PC_EP_1spf_K25_r6gd1, 1spf, kf = 25, vista
isométrica.
Figura 45 - Mapa de pressão, caso PC_EP_1spf_K1000_r6gd1, 1spf, kf = 1000,
vista isométrica.
103
4.6.5 Relação entre o raio externo do reservatório e o raio interno do poço
Diferentes modelos são considerados no estudo da produção de poços, entre
os quais citam-se os que levam em consideração o tempo (regime transiente,
permanente ou pseudo-permanente) e o tamanho do reservatório (finito ou infinito).
Este item do estudo paramétrico investiga a influência do tamanho do
reservatório na produção do poço canhoneado. Esta influência será examinada através
dos valores de razão de produtividade obtidos por simulação para diferentes relações
entre o raio do reservatório e o raio do poço.
A mudança no tamanho do raio do reservatório tem como conseqüência a
alteração na quantidade e tamanho dos elementos utilizados na malha do modelo
padrão. Visando manter a confiabilidade do resultado obtido para este item do estudo
paramétrico, a primeira etapa deste trabalho consiste em verificar o refinamento das
malhas.
Esta verificação do refinamento definirá o nível de precisão a ser alcançado
na solução do problema. Como ponto de partida para esta verificação será adotada a
malha de refinamento nível 6 para a carga de 4 spf definida em [1].
Em resumo, a distribuição de elementos na malha do poço canhoneado é
definida basicamente pelo refinamento nas direções radial e circunferencial. Como
relatado em [2], o refinamento na direção radial interfere fortemente na resposta de
vazão, enquanto que a circunferencial interfere no tamanho do modelo.
O primeiro grupo de simulações considerou a distribuição de elementos na
direção radial fixa, com 30 elementos. Este grau de refinamento na direção radial foi
definido a partir dos estudos apresentados em [1] e [3], e corresponde ao “nível de
refinamento 6” definido em [1] como padrão para os próximos estudos. Na direção
circunferencial, o refinamento é variável.
A Tabela 13 faz um comparativo entre a vazão obtida pela simulação deste
grupo de malhas e a solução analítica do poço aberto para diferentes relações entre raio
do reservatório e raio do poço. Esta comparação do resultado da simulação com a
solução analítica é obtida transformando o poço canhoneado em um poço aberto através
da alteração dos valores de permeabilidade.
104
Admitindo um erro máximo de 1%, observa-se que o refinamento da malha
foi aceitável até a razão raio do reservatório por raio do poço ( rwre ) igual a 200. Isto
sugeriu que uma nova definição de refinamento fosse feita para malhas acima desta
razão.
Tabela 13 – Comparativo entre resposta da simulação numérica e solução analítica
Malhas
Vazão do poço
aberto
Analítico
(in/dia)
Vazão do
poço aberto
Numérica
(in/dia)
Erro relativo
(%)
PC_EP_D1-D3-50-6-30 6.245,25 6.221,71 0,38
PC_EP_D1-D3-100-6-30 5.305,25 5.302,69 0,05
PC_EP_D1-D3-200-6-30 4.611,19 4.649,90 0,84
PC_EP_D1-D3-300-6-30 4.283,39 4.363,54 1,87
PC_EP_D1-D3-400-6-30 4.077,73 4.197,26 2,93
PC_EP_D1-D3-500-6-30 3.931,31 4.087,43 3,97
PC_EP_D1-D3-600-6-30 3.819,26 4.009,11 4,97
Considerando o erro na resposta da vazão, um novo conjunto de malhas foi
construído para modelos com razão (rwre ) acima de 200. Dado que a direção radial
influencia fortemente a resposta de vazão, o novo refinamento é iniciado pela alteração
da quantidade de elementos nesta direção de 30 para 35.
A Tabela 14 mostra os resultados obtidos para este novo refinamento. Como
observado, todas as respostas de vazão para as outras relações entre raio do poço e raio
externo do reservatório apresentam um erro maior que 1% quando comparadas com a
solução analítica.
105
Tabela 14 – Comparativo entre resposta da simulação numérica e solução analítica
para malhas com razão ( rwre ) acima de 200
Malhas
Vazão do poço
aberto
Analítico
(in/dia)
Vazão do
poço aberto
Numérica
(in/dia)
Erro relativo
(%)
PC_EP_D1-D3-300-6-35 4.283,39 4.342,10 1,37
PC_EP_D1-D3-500-6-35 3.931,31 4.054,91 3,14
PC_EP_D1-D3-600-6-35 3.819,26 3.972,41 4,01
Pela Tabela 14, observa-se que o erro para malhas com razão ( rwre ) acima
de 200 diminui em relação ao primeiro refinamento (Tabela 13), mas ainda é maior que
1% e também pode-se observar que a malha 400 não foi gerada, o programa Patran
informou problemas com elementos distorcidos. Uma nova distribuição de elementos na
direção radial é feita, atribuindo 55 elementos nesta direção. A Tabela 15 mostra o
resultado obtido.
Tabela 15 – Comparativo entre resposta da simulação numérica e solução analítica para malhas
Malhas
Vazão do poço
aberto
Analítico
(in/dia)
Vazão do
poço aberto
Numérica
(in/dia) Erro (%)
PC_EP_D1-D3-300-6-55 4.283,39 4.362,97 1,86
PC_EP_D1-D3-500-6-55 3.931,31 3.987,21 1,42
Neste novo grupo de malhas, nota-se que o refinamento ainda não diminuiu
a margem de erro. Observando a limitação da memória e o erro da simulação em relação
à solução analítica, a distribuição de elementos será alterada tanto na direção
circunferencial como na radial. Para reduzir o número de simulações e definir a
quantidade de elementos a ser usada no refinamento sem causar problemas de alocação
de memória, foi simulada apenas a razão (rwre ) 500. Os números de elementos na
direção circunferencial e radial podem ser compreendidos a partir do nome das malhas
106
da Tabela 16. Por exemplo, a primeira malha tem 10 elementos na direção
circunferencial e 50 na direção radial. Esses valores foram arbitrados com base em
resultados de estudos anteriores.
Tabela 16 – Comparativo entre resposta da simulação numérica e solução analítica
para malhas com razão ( rwre ) 500
Malhas
Vazão do poço
aberto
Analítico
(in/dia)
Vazão do
poço aberto
Numérica
(in/dia)
Erro relativo
(%)
PC_EP_D1-D3-500-10-50 3.931,31 4.003,18 1,83
PC_EP_D1-D3-500-20-50 3.931,31 4.000,53 1,76
PC_EP_D1-D3-500-6-65 3.931,31 3.981,34 1,27
PC_EP_D1-D3-500-6-85 3.931,31 3.955,09 0,60
PC_EP_D1-D3-500-6-100 3.931,31 3.952,52 0,54
PC_EP_D1-D3-500-6-120 3.931,31 3.945,60 0,36
PC_EP_D1-D3-500-6-160 3.931,31 3.937,82 0,17
Como pode ser observado para a razão (rwre ) igual a 500, o resultado
aceitável foi obtido quando o número de elementos na direção circunferencial foi igual a
6 e na radial 85. Fixando esta quantidade de elementos, novas malhas foram
determinadas para todas as outras razões. O resultado destas simulações será mostrado
na Tabela 17.
107
Tabela 17 – Comparativo entre resposta da simulação numérica e solução analítica
Malhas
Vazão do poço
aberto
Analítico
(in/dia)
Vazão do
poço aberto
Numérica
(in/dia)
Erro relativo
(%)
PC_EP_D1-D3-300-6-85 4.283,39 4.287,01 0,08
PC_EP_D1-D3-400-6-85 4.077,73 4.091,20 0,33
PC_EP_D1-D3-500-6-85 3.931,31 3.955,09 0,60
PC_EP_D1-D3-600-6-85 3.819,26 3.853,59 0,90
Pela Tabela 17, observa-se que todos os valores de erro foram menores que
1%, ou seja, a distribuição de 85 elementos na direção radial é aceitável para todas as
razões ( rwre ) propostas.
Verificado o refinamento das malhas e usando o refinamento com 6
elementos na direção circunferencial e 85 na radial para malhas com razão (rwre )
superior a 200, prosseguiu-se o estudo paramétrico. A Tabela 18 apresenta os resultados
obtidos em termos de vazão para seis densidades de cargas e diferentes valores de
tamanho de reservatório.
108
Tabela 18 – Efeito da razão entre o raio do reservatório e raio do poço sobre a vazão para diferentes densidades de carga
Densidade de tiros por pé (spf) D1/D3
1 2 3 4 5 6
1/50 1.804,17 3.133,83 4.015,36 4.662,93 5.155,96 5.534,61
1/100 1.723,44 2.889,39 3.619,47 4.135,08 4.517,16 4.804,06
1/200 1.658,05 2.694,85 3.314,46 3.738,51 4.046,52 4.273,98
1/300 1.599,19 2.558,59 3.114,53 3.491,61 *** ***
1/400 1.574,44 2.490,97 3.013,40 3.364,16 *** ***
1/500 1.556,80 2.442,82 2.941,90 3.274,57 *** ***
1/600 1.543,41 2.406,27 2.887,93 3.207,22 *** ***
Observa-se que, para as densidades de carga de 5 e 6 spf, devido ao tamanho
excessivo do modelo e às limitações do hardware disponível, não se obteve uma
resposta do simulador. Com as vazões listadas na Tabela 18, foi calculada a razão PR
correspondente para cada densidade de carga. O resultado expresso em termos de razão
PR está na Tabela 19 e o gráfico correspondente na Figura 46.
109
Tabela 19 – Efeito da razão entre o raio do reservatório e raio do poço sobre a razão PR para diferentes densidades de carga
Densidade de tiros por pé (spf) D1/D3
1 2 3 4 5 6
1/50 0,29 0,50 0,64 0,75 0,83 0,89
1/100 0,32 0,54 0,68 0,78 0,85 0,91
1/200 0,36 0,58 0,72 0,81 0,88 0,93
1/300 0,37 0,60 0,73 0,82 *** ***
1/400 0,38 0,61 0,74 0,83 *** ***
1/500 0,39 0,62 0,75 0,83 *** ***
1/600 0,40 0,63 0,76 0,84 *** ***
110
100 200 300 400 500 600
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1 spf2 spf3 spf4 spf5 spf
6 spf
Figura 46 - Razão de Produtividade (PR) vs razão do raio do reservatório por raio
do poço.
A Figura 46 permite observar que, quanto maior o tamanho do modelo do
reservatório, mais a razão PR tende a se aproximar de um valor constante, independente
da carga considerada. A razão para isto é que o poço tem um raio de influência, ou seja,
ele influencia no comportamento do reservatório nas suas proximidades mas, em regiões
muito distantes, sua influência é desprezível. Este limite é o raio de influência. A
condição de contorno correspondente ao limite externo do reservatório tem que ser
colocada fora da região de influência do poço. Se o raio externo do reservatório for
menor que o raio de influência do poço, o resultado vai ser influenciado; se o raio
externo for maior, não vai influenciar (que é o desejado), independentemente de ser um
pouco maior ou muito maior, ou seja, o raio do reservatório deixa de influenciar o
resultado quando passa a ser maior que o raio de influência do poço.
A observação de que a curva PR tende a estabilizar em um valor constante
para razões re/rw maiores do que 100 não invalida, ao contrário esta observação faz
parte dos estudos paramétricos e atesta a validade de se usar re/rw igual a 100, os
111
estudos paramétricos feitos com o modelo padrão, onde adotou-se uma razão igual a
100, porque a razão adotada foi baseada no estudo feito por Ansah [2], onde o gráfico
analisado era a razão do raio externo do reservatório pelo raio interno do poço em
relação ao skin. Neste trabalho, a relação é pelo índice de produtividade.
Nesse sentido, o primeiro ponto que deve ser lembrado é que o objetivo do
estudo paramétrico não é determinar a produção exata de um determinado reservatório,
mas investigar a influência de parâmetros geométricos e físicos de poços canhoneados
na vazão de óleo em um poço. Outro ponto importante, que garante a confiabilidade do
estudo paramétrico com o modelo padrão, é que estabelecendo a resposta da simulação
em termos de razão de produtividade (PR), elimina-se a influência do tamanho do
modelo sobre o parâmetro de canhoneio que está sendo avaliado. Basta lembrar que a
razão PR envolve a divisão da vazão do poço canhoneado pela vazão do poço aberto,
com o mesmo tamanho de reservatório. Portanto, a diferença de comportamento na
vazão entre o poço canhoneado e o aberto mostrado pela razão PR apresenta apenas a
influência do canhoneio na vazão do poço.
Deve-se levar em conta também os resultados apresentados em [1], no item
Validação de Resultados, onde se verifica que a resposta fornecida pelo modelo padrão
é muito próxima das fornecidas pelos modelos de Tariq [10] e Ansah [2]. Observa-se
que, no modelo de Ansah, segundo este estudo paramétrico, o valor da PR
provavelmente se estabilizou. Como apontado em [1], as pequenas diferenças que
surgiram provavelmente foram devido a detalhes geométricos e a pequenas
características existentes nos solvers Marc e Ansys que podem ter introduzido alguma
variação na resposta.
Este valor de 100 vezes o raio, conforme visto, está dentro dos valores
citados na literatura para a garantia do fluxo radial.
Retornando à interpretação do resultado das simulações, apresenta-se a
seguir os resultados de vazão para cada densidade de carga e os respectivos números de
elementos, (Tabela 20 a Tabela 25). Ao todo são 42 malhas ou modelos construídos,
onde a razão ( rwre ) assumiu os valores 50, 100, 200, 300, 400, 500 e 600.
112
Tabela 20 – Características do refinamento das malhas para 1spf
Malha Número de
Elementos
Vazão
PC_EP_1spf_D1-D3-50gd1 92.352 1.804,17
PC_EP_1spf_D1-D3-100gd1 92.352 1.723,44
PC_EP_1spf_D1-D3-200gd1 92.352 1.658,05
PC_EP_1spf_D1-D3-300gd3-6-85 301.152 1.599,19
PC_EP_1spf_D1-D3-400gd3-6-85 301.152 1.574,44
PC_EP_1spf_D1-D3-500gd3-6-85 301.152 1.556,80
PC_EP_1spf_D1-D3-600gd3-6-85 301.152 1.543,41
Tabela 21 – Características do refinamento das malhas para 2spf
Malha Número de
Elementos
Vazão
PC_EP_2spf_D1-D3-50gd2 77.184 3.133,83
PC_EP_2spf_D1-D3-100gd2 77.184 2.889,39
PC_EP_2spf_D1-D3-200gd2 77.184 2.694,85
PC_EP_2spf_D1-D3-300gd2-6-85 182.784 2.558,59
PC_EP_2spf_D1-D3-400gd2-6-85 182.784 2.490,97
PC_EP_2spf_D1-D3-500gd2-6-85 182.784 2.442,82
PC_EP_2spf_D1-D3-600gd2-6-85 182.784 2.406,27
113
Tabela 22 – Características do refinamento das malhas para 3spf
Malha Número de
Elementos
Vazão
PC_EP_3spf_D1-D3-50gd3 127.296 4.015,36
PC_EP_3spf_D1-D3-100gd3 127.296 3.619,47
PC_EP_3spf_D1-D3-200gd3 127.296 3.314,46
PC_EP_3spf_D1-D3-300gd3-6-85 301.536 3.114,53
PC_EP_3spf_D1-D3-400gd3-6-85 301.536 3.013,40
PC_EP_3spf_D1-D3-500gd3-6-85 301.536 2.941,90
PC_EP_3spf_D1-D3-600gd3-6-85 301.536 2.887,93
Tabela 23 – Características do refinamento das malhas para 4spf
Malha Número de
Elementos
Vazão
PC_EP_4spf_D1-D3-50gd4 246.528 4.662,93
PC_EP_4spf_D1-D3-100gd4 246.528 4.135,08
PC_EP_4spf_D1-D3-200gd4 246.528 3.738,51
PC_EP_4spf_D1-D3-300gd4-6-85 365.568 3.491,61
PC_EP_4spf_D1-D3-400gd4-6-85 365.568 3.364,16
PC_EP_4spf_D1-D3-500gd4-6-85 365.568 3.274,57
PC_EP_4spf_D1-D3-600gd4-6-85 365.568 3.207,22
114
Tabela 24 – Características do refinamento das malhas para 5spf
Malha Número de
Elementos
Vazão
PC_EP_5spf_D1-D3-50gd5 231.360 5.155,96
PC_EP_5spf_D1-D3-100gd5 231.360 4.517,16
PC_EP_5spf_D1-D3-200gd5 231.360 4.046,52
PC_EP_5spf_D1-D3-300gd5-6-85 548.160 ***
PC_EP_5spf_D1-D3-400gd5-6-85 548.160 ***
PC_EP_5spf_D1-D3-500gd5-6-85 548.160 ***
PC_EP_5spf_D1-D3-600gd5-6-85 548.160 ***
Tabela 25 – Características do refinamento das malhas para 6spf
Malha Número de
Elementos
Vazão
PC_EP_6spf_D1-D3-50gd6 323.712 5.534,61
PC_EP_6spf_D1-D3-100gd6 323.712 4.804,06
PC_EP_6spf_D1-D3-200gd6 323.712 4.273,98
PC_EP_6spf_D1-D3-300gd6-6-85 767.232 ***
PC_EP_6spf_D1-D3-400gd6-6-85 767.232 ***
PC_EP_6spf_D1-D3-500gd6-6-85 767.232 ***
PC_EP_6spf_D1-D3-600gd6-6-85 767232 ***
Observa-se que, a partir da densidade de carga de 5 spf (Tabela 24), para a
malha com 85 elementos na direção radial, o solver MSC.Marc apresenta dificuldades
na simulação. Isto permite observar que modelos de poços canhoneados devem possuir
um tamanho próximo de 365.000 elementos para serem simulados. Ressalta-se neste
trabalho que não foi utilizado um cluster, o que permite um pequeno avanço do
programa.
115
5 CONCEITOS DE OTIMIZAÇÃO POR
ALGORITMOS GENÉTICOS
5.1 Introdução
A principal tarefa da engenharia de reservatórios é o desenvolvimento e
gerenciamento de reservatórios de petróleo, a fim de determinar a melhor estratégia de
produção e recuperação de óleo e gás. Dependendo do caso, procura-se buscar a
maximização da produção de hidrocarbonetos e de indicadores econômicos, ou realizar
uma comparação entre projetos para que se trabalhe com os de maior retorno, ou mesmo
realizar a explotação de campos com menores riscos envolvidos. Determinar a estratégia
de produção é um processo que requer muito tempo e esforço. A complexidade das
análises deve-se, basicamente, ao grande número de variáveis envolvidas no processo
de cálculo do índice de produtividade do poço analisado.
A determinação da estratégia ótima para canhonear um poço também requer
muito tempo e esforço, pois envolve um grande número de combinações de variáveis,
como propriedades físicas, propriedades geométricas, condições operacionais do
canhoneio e cenário econômico. Pode-se dizer que a completação dos poços é a etapa
mais importante na definição de uma estratégia, pois a partir dela o reservatório
apresentará um determinado comportamento que influenciará nas decisões estratégicas
futuras, e também a mais difícil, por depender do modelo construído através de
variáveis geológicas, consideradas incertas.
Uma ferramenta útil para auxiliar na determinação do valor ótimo de
densidades de carga por pé (spf), acompanhadas por inúmeras variáveis físicas e
geométricas do poço e do canhoneio, é a técnica de busca aleatória direcionada,
conhecida como Algoritmo Genético (AG), desenvolvida por Holland (1975), capaz de
obter a solução ótima num espaço de busca complexo. O AG é baseado na evolução das
espécies, usando operadores inspirados no processo de evolução natural.
Este trabalho visa desenvolver um sistema inteligente que correlacione
parâmetros geométricos e físicos do poço com uma possível produção a ser obtida. A
teoria de AG mostrou-se mais recomendável para compor o sistema. Um simulador
116
comercial é utilizado para simular o fluxo de fluido no poço. Este método será utilizado
pela primeira vez na análise de fluxo de fluidos em poços canhoneados; na literatura não
consta nenhum trabalho que utilize a técnica baseada em Algoritmos Genéticos em tais
problemas, levando-se em consideração a complexa distribuição em espiral das cargas
na parede do poço. Desta forma, considera-se esta área do estudo de otimização carente
de pesquisas, e sendo assim admite um grande leque de possibilidades de abordagem.
Na Figura 47 pode-se observar a complexa distribuição em espiral das cargas na parede
do poço e uma superfície que representa o dano do canhoneio.
Figura 47 – Distribuição em espiral das cargas na parede do poço.
A plena aceitação de um canhoneamento requer um exaustivo número de
análises, e uma definição equivocada pode levar um componente do sistema a alcançar
ou exceder limites de viabilidade técnica e econômica, mesmo depois de gastos tempo e
recursos com centenas de análises. Visto isto, justifica-se que seja tratada a definição
dos principais parâmetros das configurações de poços canhoneados sob a ótica da
otimização e síntese de soluções viáveis. Independente da abordagem proposta, o
projeto de fluxo de fluidos em poços canhoneados se mostra como um problema
bastante complexo de otimização, incluindo, por exemplo, várias etapas de análise,
diversas possibilidades de canhoneamento, e como foi dito anteriormente, inúmeras
variáveis geométricas e físicas. Para que não se tenha a obrigação de incluir inúmeras
simplificações em suas formulações, seja por limitações da técnica escolhida ou pelo
esforço computacional proibitivo que se traduz em uma formulação bastante completa,
117
há de se eleger para esta tarefa um algoritmo que seja robusto o bastante para se adaptar
a um espaço de busca com tamanha complexidade e que ainda permita uma modelagem
numérica refinada do problema físico representado.
118
5.2 Otimização
Neste item é apresentada uma abordagem geral, rápida e objetiva, dando um
enfoque para alguns dos principais métodos empregados em problemas de otimização.
Na engenharia, otimização é o processo de escolher, dentre as diversas
opções de projeto, a que melhor se adequa aos objetivos pré-definidos, de acordo com o
processo modelado. Ou seja, a forma pela qual os diversos fatores do processo de
projeto se inter-relacionam. O mais utilizado quando se fala em otimização na
engenharia é a otimização matemática, onde o objeto de projeto é descrito através de
uma função matemática com variáveis livres, variáveis dependentes e um valor de
mérito ou custo [50].
A Programação Matemática tem por finalidade a resolução de problemas de
otimização, que compreendem a extremização de uma dada função: minimização ou
maximização, que represente o problema em questão. Para simplificar, neste trabalho, a
otimização será considerada como um problema de maximização [43] e [44]. Os
problemas de otimização apresentam certos conceitos e definições amplamente
empregados pela literatura e de conhecimento imprescindível, deste modo, tais
definições serão apresentadas na seqüência da forma do problema de otimização.
Variável de Projeto – as variáveis de projeto são aquelas que se alteram durante o
processo de otimização. Elas podem ser contínuas (reais), inteiras ou discretas (valores
compreendidos dentro de certo conjunto fixo).
De um ponto de vista físico, as variáveis de projeto podem representar as
seguintes informações sobre a estrutura: propriedades mecânicas ou físicas do material;
a topologia da estrutura; a configuração ou a forma geométrica da estrutura; dimensões
de seções transversais ou comprimento dos elementos.
119
Restrições e Penalidades – as restrições são funções de igualdade ou desigualdade que
descrevem situações indesejáveis de projeto, que podem ou não existir. As restrições de
igualdade são bastante raras nos problemas de otimização em engenharia, sendo as de
desigualdade o caso mais comum. Podem ser divididas em dois grupos:
• Restrições Laterais – efetuadas diretamente sobre as variáveis de projeto,
limitando seus valores;
• Restrições de Comportamento – condições desejáveis de limites de tensões,
deslocamentos, freqüências naturais de vibração, etc.
Uma forma de tratar as restrições é a utilização de funções penalidade. Estas
funções são construídas com as variáveis livres do problema e são somadas ou
subtraídas da função objetivo fazendo com que nas regiões restritas a função seja
penalizada. Estas funções funcionam com barreira para o método de otimização,
podendo mesmo impedir que pontos da região restrita sejam avaliados. Mas o mais
comum é utilizar funções polinomiais ou exponenciais que alterem sensivelmente o
valor da função objetivo.
A escolha adequada das funções penalidades é uma tarefa de grande
importância na modelagem do problema de otimização [50].
Espaço de Busca ou Região Viável – É o conjunto, espaço ou região que compreende
as soluções possíveis ou viáveis do problema a ser otimizado. Deve ser caracterizado
pelas funções de restrição, que definem as soluções de forma viável ao problema a ser
resolvido.
Função Objetivo ou de Avaliação – É a função que se quer otimizar, ou seja, a função
que representa o processo de projeto. Ela pode ser de uma ou mais variáveis, sendo
estas duas opções classificadas como otimização unidimensional e multidimensional,
respectivamente. Um dos maiores problemas no âmbito da otimização é escolher
adequadamente a função que representará o problema de projeto. Ela contém a
informação numérica do desempenho de cada ponto. A otimização consiste em
determinar o ponto X tal que:
( ) ( )( )xFMaxXF = ( 38)
120
Onde nxxx ,...,, 21 são as variáveis que o algoritmo procura determinar
para otimizar. Esta função objetivo é em princípio, calculada para cada ponto.
Ponto Ótimo – É o ponto no domínio de uma função, no qual a função atinge seu valor
máximo, quando se fala de maximização, ou mínimo, no caso de minimização.
Valor Ótimo – É o valor da função objetivo no ponto ótimo.
Solução Ótima – É o par (de solução) formado pelo ponto ótimo e valor ótimo,
podendo ainda ser:
• Local – quando o valor ótimo é localizado (vizinhança);
• Global – quando o valor ótimo é global na região viável;
• Restringida – quando atende todas as restrições;
• Não-restringida – quando não atende a alguma das restrições.
Todos os métodos matemáticos usualmente apresentam teoremas provando
a sua convergência. Entretanto, nenhum deles garante uma solução ótima global,
podendo, eventualmente, até ser a solução encontrada a ótima global. Este fato
dependerá normalmente do ponto de partida fornecido para o método utilizado.
121
Esta característica dos métodos clássicos ou matemáticos é uma das suas
fraquezas que há muito se tem procurado superar, ainda sem muito sucesso. A seguir
será mostrada a seqüência do problema clássico de otimização:
Inúmeros são os métodos criados para tratamento de problemas de
otimização, bem como inúmeras são as classificações realizadas pelos autores destes
métodos existentes. Em [47] poderá ser visto uma possível classificação geral de uma
vasta gama de métodos existentes. Como o número de métodos desenvolvidos para
problemas de otimização é vasto, seria desgastante e impróprio uma abordagem
específica de todos os existentes. Deste modo, este trabalho apresenta apenas
informações gerais das classes de problemas mais comuns, bem como comentários ou
enfoque no método utilizado. A Figura 48 mostra um esquema classificatório dos
métodos de otimização.
Figura 48 – Classificação dos métodos de otimização.
Otimizaçã o
Analítica
Numérica
Linear
Não-Linear
Métodos Diretos
Métodos
Probabilísticos
Puramente Aleatórios
Evolutivos
Máx. ou Mín. f ( nxxx ...,,, 21 ) (função objetivo)
Sujeito a:
( )xg j ≥ 0 j = 1, 2,..., j (restrições de comportamento)
( )xhk = 0 k = 1, 2,..., k
)(Lix ≤ ix ≤ )(U
ix i = 1,2,..., N (restrições laterais nas variáveis de projeto ix )
122
5.2.1 Otimização Analítica e Otimização Numérica
Na engenharia, diz-se que a otimização é analítica quando é possível
resolver o problema de busca do ponto ótimo através de uma função matemática que
descreva o fenômeno por meio de uma equação contínua e diferencial, calculando-se o
ponto no qual as condições de derivada igual a zero são satisfeitas. No entanto, na
maioria dos casos práticos, a função a ser otimizada não tem solução analítica, não é
contínua nem diferenciavel; geralmente, a função a ser otimizada é o resultado de
diversas simulações. Nestes casos, só é possível a otimização numérica.
De acordo com as características da função objetivo e das restrições,
classificam-se os problemas de otimização nas seguintes sub-áreas da Programação
Matemática:
• Programação Linear – quando a função objetivo e as restrições são funções
lineares das variáveis de projeto. Dentre os métodos de maior êxito para a
solução destes problemas está o Método Simplex [48] e [49];
• Programação Não-Linear – quando a função objetivo ou, pelo menos, uma
das restrições é função não-linear das variáveis de projeto. Na maioria dos
problemas de engenharia, o modelo é uma função não linear, que exige
geralmente uma abordagem mais complexa. Dentre os métodos de maior
sucesso podem ser citados o Método de Newton, para problemas
unidimensionais, e o Método dos Gradientes Conjugados, usado para
problemas multidimensionais.
Todas as técnicas até então citadas, são baseadas no método de subida de
encosta (Hill Climbing), ou seja, investigam os pontos adjacentes do espaço de busca e
movem-se no sentido em que o valor da função objetivo aumenta, em casos de
maximização, ou diminui, em casos de minimização. Por isso, esta classe de técnicas
tende a ter dificuldades se a função objetivo tem muitos máximos e mínimos locais,
podendo, assim, convergir para um valor ótimo local; contudo, são geralmente bastante
rápidos.
123
5.2.2 Métodos Aleatórios
Os métodos ditos aleatórios, ou probabilísticos, utilizam uma abordagem
baseada na probabilidade e na aleatoriedade para variar os parâmetros de busca. Estes
métodos podem ser divididos em dois grupos: os métodos puramente aleatórios, dentre
os métodos mais conhecidos podem-se citar “Monte Carlo”, “ Pure Random
Search”[55], “Simulated Annealing” e o “Exploratory Random Search”[48] (em
problemas muito complexos, estes métodos não apresentaram eficiência na solução) e o
segundo grupo, que são os baseados na evolução de uma população em busca do ponto
ótimo. A forma como cada método executa esta evolução é que os difere. Uma
abordagem mais ampla sobre esses métodos pode ser vista em [56]. O Algoritmo
Genético (AG) é um dos métodos evolutivos mais conhecidos e, junto com a Estratégia
Evolutiva, o mais antigo.
5.3 Método de Algoritmos Genéticos
Dentro deste contexto, surgiu, em meados do século XIX, um dos mais
importantes princípios no campo da evolução da vida, a teoria da Seleção Natural de
Darwin [35], que defendia a idéia de que, na natureza, os seres vivos com melhores
características, ou seja, os mais adaptados, tendem a sobreviver frente aos demais.
Baseadas nestes princípios, foram formuladas técnicas de busca, chamadas
de Algoritmos Genéticos (AG), para utilização em processos de otimização e resolução
de problemas. Estas novas técnicas têm uma vasta aplicabilidade em problemas de
engenharia.
Da primeira tentativa de representação, por meio de um modelo matemático,
da teoria de Darwin, surgiu com o livro The Genetic Theory of Natural Selection [36]. A
evolução era tal como a aprendizagem, uma forma de adaptação, diferindo apenas na
escala de tempo. A evolução, em vez de ser o processo de uma vida, era o processo de
gerações. Como era feita em paralelo por um conjunto de organismos, tornava-se mais
poderosa que a aprendizagem.
Os algoritmos genéticos são técnicas de busca que utilizam procedimentos
iterativos que simulam o processo de evolução de uma população de possíveis soluções
de um determinado problema. O processo de evolução é pseudo aleatório, porque ele é
124
também guiado por um mecanismo de seleção baseado na adaptação de estruturas
individuais. A cada iteração do algoritmo (uma geração), um novo conjunto de
estruturas é criado através da troca de informações (bits ou blocos) entre estruturas bem
adaptadas selecionadas da geração anterior. Novas estruturas são geradas aleatoriamente
com uma dada probabilidade e incluídas na população. O resultado tende a ser um
aumento da adaptação de indivíduos ao meio, podendo acarretar também em um
aumento global da aptidão da população a cada nova geração. Neste caso, a população
evolui a cada geração se aproximando de uma solução ótima [38]. Propõe-se, neste
trabalho, a utilização de algoritmos genéticos por serem estes reconhecidos
notoriamente como uma ferramenta de robustez elevada, capaz de solucionar problemas
de síntese e otimização de alto grau de complexidade.
5.3.1 Definições Básicas
Para a perfeita compreensão do método, serão apresentadas algumas das
terminologias encontradas fartamente na literatura, como se segue:
Cromossomo - cadeia de caracteres representando informações relativas às variáveis do
problema. Cada cromossomo representa, deste modo, uma solução do problema;
Gen ou Gene - é a unidade básica do cromossomo. Cada cromossomo tem um certo
número de gens, cada um descrevendo uma certa variável do problema;
Alelo - representa uma das alternativas que um gen pode carregar, um valor que pode
ser assumido por uma certa variável;
Genótipo - representa toda a informação contida no cromossomo;
Fenótipo - é a estrutura construída a partir do genótipo, ou seja, a decodificação do
genótipo, as características do indivíduo;
Operações Genéticas - operações que o algoritmo Genético realiza sobre cada um dos
cromossomos;
Seleção - é a operação genética que tem por objetivo escolher os indivíduos que
servirão como pais no processo de reprodução;
Cruzamento (Crossover) - é o operador genético responsável pela geração de novos
cromossomos a partir da combinação aleatória dos genes de outros cromossomos;
125
Mutação - é o operador genético, aplicado depois dos processos de seleção e crossover
(cruzamento), responsável pela diversidade entre os indivíduos, através de modificações
na estrutura genética de alguns poucos cromossomos;
Função Aptidão - representa uma medida da capacidade de sobrevivência de um
cromossomo no processo de evolução, e conseqüentemente a probabilidade dele se
reproduzir com mais freqüência. É o valor, para um indivíduo, da função a ser
otimizada. Também representa uma composição da função objetivo, com funções de
penalidade estabelecidas a partir das restrições do problema;
Indivíduo - é um simples membro da população, formado por um cromossomo e sua
aptidão;
População - Conjunto de cromossomos ou soluções;
Geração - O número da iteração que o Algoritmo Genético executa.
5.3.2 Estrutura dos Algoritmos Genéticos
Um algoritmo genético é estruturado de forma que as informações referentes
a um determinado sistema possam ser codificadas de maneira análoga aos cromossomos
biológicos. Desta forma, o algoritmo assimila-se muito ao processo evolutivo natural. O
algoritmo genético básico envolve seis passos: codificação das variáveis, criação da
população inicial, avaliação da resposta, cruzamento, mutação e seleção dos mais aptos.
O pseudocódigo de um algoritmo genético básico é mostrado na Figura 49.
Nele podemos ver que os algoritmos genéticos começam com uma população P de N
estruturas geradas aleatoriamente (indivíduos), onde cada estrutura codifica uma
solução do problema. O desempenho de cada indivíduo é avaliado com base em uma
função de avaliação de aptidão. Os melhores tenderão a ser os progenitores da geração
seguinte, possibilitando que as suas características sejam transmitidas para as próximas
gerações [39].
126
Figura 49 – Pseudocódigo básico de um Algoritmo Genético.
Algoritmo AG
{ t:=0 //contador
Inicia_população (P ,t); // iniciar uma população de n indivíduos
Avaliação (P, t); // avaliar aptidão dos indivíduos da população
Repita até (t = d) // testar critérios (tempo, aptidão, etc.)
{ t:= t + 1; ); // incrementar o contador de gerações
Seleção_dos_ pais (P, t); // selecionar os pares para cruzamento
Cruzamento (P, t); // realizar cruzamento dos pares selecionados
Mutação (P, t); // pertubar o grupo gerado pelo cruzamento
Avaliação (P, t); // avaliar as novas aptidões
Sobrevivem (P, t) // selecionar os sobreviventes
}
}
onde:
t – geração atual;
d – critério para finalizar o algoritmo;
P – população
127
5.3.3 Aspectos Principais dos Algoritmos Genéticos
5.3.3.1 População
O tamanho da população indica o número de cromossomos em cada
população, ou seja, é o conjunto das soluções encontradas. Uma grande população
apresentará uma maior diversidade de soluções, contudo, computacionalmente será
dispendioso realizar tantas avaliações de funções de aptidão. Assim, as principais
influências deste parâmetro estão relacionados com o desempenho global e a eficiência
dos AGs.
Com uma população pequena, o desempenho pode cair, pois, deste modo, a
população fornece uma pequena cobertura do espaço de busca do problema. Por outro
lado, uma grande população geralmente fornece uma cobertura representativa do
domínio do problema, além de prevenir convergências prematuras para soluções locais
ao invés de globais. No entanto, para se trabalhar com grandes populações, são
necessários maiores recursos computacionais, ou que o algoritmo trabalhe por um
período de tempo muito maior.
No algoritmo genético original [37], o tamanho da população é constante
durante todo o processo evolutivo. Mas alguns autores propõem que a população deve
variar de tamanho durante a otimização, imitando o que ocorre na natureza [50] e [57].
Normalmente, a iniciação da população é feita de forma aleatória, podendo
ou não conter pontos já conhecidos do espaço solução (“seeding”) [50].
5.3.3.2 Codificação Binária
A forma mais tradicional de codificação de um algoritmo genético é através
de um código binário (0 e 1), que é armazenado num vetor de forma a relacionar um
código às variáveis do problema. Cada ponto do espaço solução é representado por um
cromossomo, que nada mais é do que uma seqüência binária com a codificação das
variáveis daquele ponto.
128
5.3.3.3 Avaliação da População (função aptidão)
Avaliação da população é realizada pela função de aptidão, que deve indicar
a “qualidade” de cada indivíduo na população, ou seja, quais indivíduos irão reproduzir
e quais irão morrer. Para problemas de otimização, ela está intimamente ligada à função
objetivo que se deseja extremizar. É preciso lembrar, entretanto, que a escolha da
função de aptidão é, para a maioria das aplicações, a etapa crítica do processo, já que ela
deverá ser avaliada para cada cromossomo, de cada população, dentro do processo
evolutivo.
De acordo com [50], como medida da aptidão do indivíduo, a primeira idéia
é utilizar a solução da própria função objetivo do indivíduo. Desse modo, a
probabilidade de um indivíduo ser selecionado seria a razão entre o seu valor de aptidão
e o somatório de todas as aptidões da população:
∑=
f
fPSelec i
i ( 39)
Onde iPSelec é a probabilidade do indivíduo i ser selecionado; if , é o valor
da aptidão deste indivíduo e ∑ f é a soma das aptidões da população.
Para evitar que exista uma convergência prematura, devido a um provável
aparecimento de um “super-indivíduo”, ou seja, um indivíduo com uma aptidão muito
alta, sendo capaz de sobreviver durante muitas gerações com alta probabilidade de ser
selecionado. Este indivíduo espalharia rapidamente seus gens por toda a população,
enquanto outros gens desapareceriam. Como conseqüência, o algoritmo converge para
um máximo local. Caso apareça um “super-indivíduo”, costuma-se utilizar um
mapeamento da função de aptidão.
De acordo com [50] e [58], existem dois tipos de mapeamento mais
utilizados: o mapeamento linear, que pode ser visto em [58] e o “ranking”. Neste
trabalho, utilizou-se o método “ranking”, onde a aptidão pode ser calculada como:
129
( ) ( )( )1−
−×−+=N
iNMinMaxMinFi
( 40)
Em que i é a posição do indivíduo dentro de “rank”, N é o número total de
indivíduos, Max é o valor do melhor indivíduo e Min é o valor do pior indivíduo.
Neste método, os indivíduos são agrupados de acordo com o valor da
“fitness” de cada um, ou seja, os piores indivíduos recebem uma nota mínima (Min) e
os melhores recebem uma nota arbitrária (máx). As notas dos demais são interpoladas
entre o melhor e o pior, de acordo com as suas posições dentro do “rank”, como pode
ser visto na equação ( 40). Dessa maneira, o segundo melhor terá uma nota um pouco
pior do que o primeiro, proporcionando uma probabilidade maior para o melhor
indivíduo.
5.3.3.4 Operadores Genéticos
São os operadores genéticos que transformam a população através de
sucessivas gerações, estendendo a busca até chegar a um resultado satisfatório. Um
algoritmo genético padrão evolui, em suas sucessivas gerações, mediante o uso de três
operadores básicos [40].
• Seleção
• Cruzamento
• Mutação
Seleção - A seleção dos indivíduos da população baseia-se no princípio da
“sobrevivência dos melhores indivíduos”, onde os cromossomos com mais alta
probabilidade de sobrevivência são copiados de forma semi-randômica uma ou mais
vezes para um novo conjunto que formará a próxima geração, denominada população
temporária. Em contrapartida, os indivíduos com baixa aptidão serão descartados da
população. Existem várias maneiras de continuar o processo de seleção, mas duas se
130
tornaram mais usuais pela eficiência e simplicidade: A seleção por Torneio e a seleção
na “Roda da Roleta”.
No torneio, de acordo com [58], cada cromossomo é selecionado para a
população intermediária da seguinte maneira: são escolhidos aleatoriamente N
indivíduos da população e o melhor dentre estes é selecionado. O valor N = 2 é usual. A
seleção por torneio não precisa de “ranking”.
Neste trabalho utilizou-se o método da roleta, que é baseado em uma roda
de roleta tradicional de cassino. Neste método, a população é embaralhada em um
gráfico do tipo “roleta”, que é modificado de tal maneira que cada número corresponda
a uma área proporcional à aptidão do indivíduo que ela representa. Em volta da parte
externa da roleta é colocado um ponteiro e, como a probabilidade do ponteiro parar em
um número é proporcional ao tamanho da casa, a probabilidade do indivíduo ser
escolhido será proporcional à sua aptidão.
De acordo com [58], este método pode ser implementado de uma maneira
simples e fácil de entender. Depois de ordenada a população de acordo com a sua
aptidão original (“rank”), é atribuída a cada indivíduo uma aptidão acumulada [50] que
é a soma das aptidões de todos os indivíduos melhores do que ele. O valor da aptidão de
cada indivíduo é determinado de acordo com a equação ( 40) e a aptidão acumulada é
calculada a partir do melhor indivíduo até N, que representa o tamanho total da
população.
Na Tabela 26, podemos observar um exemplo hipotético de indivíduos [50],
utilizando a seleção pelo método “roda da roleta”. Nesse método é sorteado
aleatoriamente um número no intervalo de 2 a N, sendo que o primeiro indivíduo que
possuir a aptidão acumulada maior do que o número sorteado será o escolhido. Por
exemplo, se sortearmos o número 12.45, o indivíduo será o 8.
Se compararmos o exemplo da Tabela 26 com a roleta de um cassino,
iremos observar que o melhor indivíduo terá maior probabilidade de ser sorteado pois, o
seu valor de aptidão é o maior, ou seja, ele será selecionado se for sorteado qualquer
número entre 0 e 2. Sendo assim, o último indivíduo, que é o pior, nunca será sorteado.
Isto ocorre porque o tamanho da área do melhor varia de 0 a 2 na roleta para ser
131
selecionado, o tamanho da área do pior é igual a zero e os demais indivíduos têm as suas
respectivas áreas do tamanho variando linearmente do maior para o menor.
Tabela 26 – Exemplo de Roleta – “Rank” hipotético de indivíduos
Fitness Aptidão Aptidão acumulada
01 0.479253 2.000 2.000
02 0.470458 1.895 3.895
03 0.462846 1.789 5.684
04 0.451415 1.684 7.368
05 0.448733 1.579 8.947
06 0.447486 1.474 10.421
07 0.435981 1.368 11.789
08 0.432302 1.263 13.053
09 0.430734 1.158 14.211
10 0.430599 1.053 15.263
11 0.429802 0.947 16.211
12 0.429455 0.842 17.053
13 0.426868 0.737 17.789
14 0.425598 0.632 18.421
15 0.425478 0.526 18.947
16 0.424361 0.421 19.368
17 0.000000 0.316 19.684
18 0.000000 0.211 19.895
19 0.000000 0.105 20.000
20 0.000000 0.000 20.000
Cruzamento - Na prática, nós podemos implementar facilmente um algoritmo genético
com o simples uso de strings de bits ou caracteres para representar os cromossomos e,
com simples operações de manipulação de bits, podemos implementar cruzamento,
mutação e outros operadores genéticos. Na Figura 50, podemos observar a
representação de um cromossomo composto por seis genes através de caracteres de
valores binários.
132
Figura 50 – Exemplos de representação de um cromossomo de genes binários.
Uma das principais características dos algoritmos genéticos que os distinguem
das demais técnicas de busca é o operador cruzamento [41]. Cruzamento é a troca de
segmentos entre “casais” de cromossomos selecionados, com a finalidade de originar
novos indivíduos que poderão ser incluídos na próxima geração. A idéia central do
cruzamento é a propagação das características dos indivíduos mais aptos da população.
O operador cruzamento é utilizado após o de seleção. As formas mais comuns de
reprodução em algoritmos genéticos são de um ponto de cruzamento, de dois pontos de
cruzamento e cruzamento uniforme.
Na reprodução baseada em um ponto de cruzamento (single-point
crossover), o ponto de quebra do cromossomo é escolhido de forma aleatória sobre a
longitude da string que o representa e a partir desse ponto se realiza a troca de material
cromossômico entre os dois indivíduos. Na Figura 51 temos um esquema da
representação desse tipo de cruzamento, na qual foi escolhido o ponto de cruzamento 3.
Figura 51 – Exemplos de representação de Pontos de Cruzamento.
Na reprodução baseada em dois pontos de cruzamento (two-point
crossover), procede-se de maneira similar ao cruzamento de um ponto, mas a troca de
segmentos é realizada a partir de dois pontos.
133
Na reprodução baseada em cruzamento uniforme (uniform crossover), cada
gene do descendente é criado através da cópia de um gene dos pais, escolhido de acordo
com uma máscara de cruzamento gerada aleatoriamente. Onde houver 1 na máscara de
cruzamento, o gene correspondente será copiado do primeiro pai e onde houver 0 será
copiado do segundo. O processo é repetido com os pais trocados para produzir o
segundo descendente. Uma nova máscara de cruzamento é criada para cada par de pais.
Mutação – A mutação é vista como o operador responsável pela introdução e
manutenção da diversidade genética na população. Ela trabalha alterando
arbitrariamente, logo após o cruzamento, um ou mais componentes de uma estrutura
escolhida entre a descendência, fornecendo, dessa forma, meios para a introdução de
novos elementos na população. O operador de mutação é aplicado aos indivíduos com
uma probabilidade dada por uma taxa de mutação mP . A Figura 52 ilustra o processo de
mutação em um indivíduo [33].
Figura 52 – Esquema gráfico de ocorrência de Mutação.
Taxa ou Probabilidade de Mutação ( mP ) – A taxa de mutação indica a probabilidade
ou taxa em que haverá a mutação de cromossomos nas populações ao longo da
evolução.
A mutação é empregada para fornecer novas informações dentro das
populações, prevenindo que as mesmas se tornem saturadas com cromossomos
similares à medida em que aumenta a diversidade populacional, possibilitando ainda
uma maior varredura do espaço de busca.
Há de se tomar cuidado, pois com uma taxa muito alta a busca pode se
tornar essencialmente aleatória.
134
Alguns pesquisadores recomendam a escolha da taxa de mutação com base
no tamanho dos cromossomos e das populações.
De Jong [52] sugere que a taxa de mutação deve ser inversamente
proporcional ao tamanho da população.
Hesser e Manner [53] sugerem que uma taxa ótima de mutação pode ser
calculada, encontrada pela expressão a seguir:
1
2
1 −
= LNPm ( 41)
Sendo N o tamanho da população e L o comprimento dos cromossomos.
Como os demais parâmetros, a taxa de mutação ideal dependerá da
aplicação a ser resolvida; todavia, a maioria das taxas utilizadas variam entre 0.001 e
0.1. Thomas Bäck, em suas últimas pesquisas, constatou que o desempenho do AG
tende a decair em populações de tamanho relativamente grande (n > 200) usando grande
probabilidade de mutação (mP > 0,05), e em populações de pequeno tamanho (n < 200)
combinadas com pequena probabilidade de mutação (mP < 0,02) [42].
5.3.3.5 Sobrevivência
Depois de gerada a população filha, é necessário escolher quem prossegue
na evolução e quem morre. Vários métodos foram desenvolvidos, mas três métodos são
os mais utilizados para gerar a nova população: Método Geracional, Elitismo e “Steady-
State”.
Método Geracional – A idéia básica deste modelo é permitir a
sobrevivência dos “pais” de boa qualidade. Este é considerado o método mais simples.
Primeiro a população atual é copiada, e uma outra população temporária é gerada
através de recombinação e mutação, ou seja, toda a população de pais é substituída pela
população filha. A partir de uma população atual de N indivíduos, um total de 2N
indivíduos são assim gerados. Finalmente, N indivíduos são selecionados a partir dos
2N. Este método pode acarretar perda de bons indivíduos que, pelo caráter aleatório do
135
AG, não tenham sido selecionados para reprodução ou o seu material genético tenha
sido modificado no cruzamento.
Estratégias Elitistas – Neste modelo, amplamente utilizado, garante-se que
os melhores indivíduos de uma geração sempre aparecerão na geração seguinte. Ou seja,
se a elite da população corrente não estiver presente na próxima população em
decorrência de alguma operação genética, então os elementos ausentes são inseridos
artificialmente no lugar dos piores indivíduos. O método mais comum de elitismo
supervisiona apenas o melhor indivíduo da população, mas para grandes populações
pode ser interessante garantir que, digamos, os dez melhores indivíduos sempre estejam
presentes na próxima geração [59].
Reprodução de Estado Estável – Ao invés de substituir toda a população
de uma vez, este modelo pressupõe que somente alguns indivíduos devam ser trocados a
cada geração [60]. No caso mais simples, insere-se apenas um indivíduo por vez no
lugar do pior indivíduo da população atual [59].
5.3.3.6 Critérios de Parada
Depois de gerada uma nova população pai, o processo se repete até que um
critério de parada seja atingido.
Como estamos tratando de problemas de otimização, o ideal seria que o
algoritmo terminasse assim que o ponto ótimo fosse descoberto. Já no caso de funções
multimodais, um ponto ótimo pode ser o suficiente, mas pode haver situações onde
todos ou o maior número possível de pontos ótimos sejam desejados. Um problema
prático é que, na maioria dos casos de interesse, não se pode afirmar com certeza se um
dado ponto ótimo corresponde a um ótimo global. Como conseqüência, normalmente
usa-se o critério do número máximo de gerações ou um tempo limite de processamento
para parar um AG. Outro critério plausível é parar o algoritmo usando a idéia de
estagnação, ou seja, quando não se observa melhoria da população depois de várias
gerações consecutivas.
Pode-se ainda estipular critérios de convergência. Interrompe-se o processo
quando uma ou mais das seguintes condições forem satisfeitas:
136
• Não houver mudança no melhor indivíduo, por um dado número de gerações;
• A média da população se aproximar do valor do melhor indivíduo;
• A variedade genética for menor que um limite mínimo.
Normalmente, usa-se uma combinação destes critérios para garantir que o
processo não seja interrompido antes que um valor razoável seja atingido, ou então que
o processo se arraste por gerações que não evoluem.
5.3.4 Vantagens dos Algoritmos Genéticos
• São robustos e aplicáveis a uma grande variedade de problemas;
• Não requerem conhecimentos ou informações dos gradientes da superfície
definida pela função objetivo;
• Descontinuidades ou complexidades presentes na superfície acarretam
pouco ou nenhum efeito no desempenho da busca;
• São mais resistentes a se prenderem a ótimos locais;
• Apresentam um bom desempenho para uma grande escala de problemas;
• São de implementação fácil e proporcionam maior flexibilidade no
tratamento do problema a ser resolvido.
137
6 IMPLEMENTAÇÃO COMPUTACIONAL
6.1 Introdução
O código do algoritmo genético foi escrito em linguagem de programação
baseada em objetos, criando, além da solução numérica, também um ambiente gráfico
amigável de pré e pós processamento dos dados do algoritmo genético [49]. A interface
relativa ao algoritmo genético está integrada a um programa, destinado a construir o
modelo do poço canhoneado, no aplicativo Acumen [25], que permite uma rápida
construção dos modelos com diferentes cenários de produção. A geração das malhas é
feita no pré-processador MSC.Patran [19]. Este programa possui várias ferramentas,
sendo que duas são especialmente apropriadas para este problema: a designação de
labels a entidades geométricas e a automatização de geração de malhas. A associação
entre label e entidade geométrica permitiu a divisão do modelo do poço vertical em
partes, possibilitando um refinamento da malha mais detalhada em regiões críticas do
modelo. A análise do modelo, com as definidas malhas geradas, é realizada no
MSC.Marc, que tem a função de fazer o cálculo da vazão do modelo construído, que,
por sua vez, envia o resultado para o algoritmo genético, que considera aquele valor
como um indivíduo, analisa, gera outros indivíduos e retorna ao processo. Caso este seja
um valor ótimo, é encerrado o programa de algoritmo genético.
Nesta interface, é possível selecionar e controlar os parâmetros do método,
assim como definir os limites superior e inferior para cada dimensão do problema e
também definir a sua precisão.
A Figura 53 mostra um recorte da tela da interface, onde aparecem as
opções para seleção do método e os controles dos diversos parâmetros.
138
Figura 53 – Opções para seleção do Método de Otimização e parâmetros.
O modelo utilizado neste trabalho foi o de Algoritmo Genético clássico (GA
Clássico). Como pode ser visto na Figura 53, o módulo oferece várias opções, que são:
• Tamanho da população - Número total de indivíduos para todos os métodos;
• Probabilidade de Cruzamento – Valor utilizado para decidir se um par de
cromossomo irá sofrer cruzamento. Se um valor sorteado for menor do que este
valor, o par sofrerá a operação de cruzamento;
• Probabilidade de Mutação – Valor utilizado para decidir se um cromossomo irá
sofrer mutação. Se um valor sorteado for menor do que este valor, o cromossomo
sofrerá mutação;
• Cruzamento Uniforme/ Cruzamento de 1 ponto – Determina o tipo de operador de
cruzamento que será utilizado: uniforme ou de um ponto;
139
• Geração/Steady State (Estado Estável)/Elitismo – Seleciona o tipo de
sobrevivência que será utilizado. No caso do Elitismo, é possível definir quantos
indivíduos passarão para a próxima geração (Elite);
• Seleção por Torneio – Se estiver marcado este item, o torneio será uma forma de
seleção para os indivíduos que irão participar do cruzamento e mutação. Nesta
implementação o torneio é sempre entre dois indivíduos escolhidos aleatoriamente da
população. Se não estiver marcada a forma de seleção escolhida, será a roda da roleta
com “ranking” e será utilizada a equação ( 40);
• Save/Restart – Serve para salvar o estado de uma otimização e recomeçar o
processo mais tarde (ainda não operacional);
• Binário/Real – Define a forma de codificação do indivíduo. No caso de estar
selecionada a codificação real, o cruzamento será do tipo média aritmética
ponderada;
• Usar Semente Fixa – Esta opção serve para utilizar sempre a mesma semente no
algoritmo de geração de números aleatórios. Com isso, garante-se a repetição dos
valores entre duas otimizações, para efeito de verificação;
• Relatório Detalhado – Esta opção serve para imprimir, a cada geração, informações
detalhadas de cada indivíduo como: valor da função, coordenadas e velocidade,
cromossomo e outras observações;
• Critérios de parada: Existem vários, basta selecionar o que considera o mais
indicado para a análise.
� Número Máximo de Gerações – É considerado o critério mais simples. O
processo é interrompido quando um número N de gerações é atingido;
� Valor Limite para a função objetivo – Também conhecido como valor de
satisfação. Pode ser utilizado quando se conhece um valor da função
objetivo que satisfaça algum critério subjetivo. Além deste valor, a melhoria
do sistema não terá significado prático;
140
� Média x Melhor – O processo de otimização será interrompido quando o
valor da média for maior que K, K=[0,1], vezes o valor do melhor
indivíduo, durante n gerações. O número de gerações n é expresso em
função de N, o número máximo de gerações;
� Média – O processo de otimização será interrompido quando a variação do
valor da média não for maior do que K, K=[0,1], durante n gerações. Ou
seja, a média está estacionária;
� Duplo (média) – Nesta opção, os dois critérios anteriores são aplicados
simultaneamente, ou seja, o valor da média deve se manter próximo do valor
do melhor indivíduo durante n gerações e a média não deve variar além do
limite K durante estas n gerações.
As opções apresentadas acima podem ser combinadas para se obterem
variações do algoritmo básico, ou seja, codificação binária ou real, cruzamento de um
ponto ou uniforme, etc.
6.2 Parâmetros de Acompanhamento da Evolução
Durante a execução do processo de otimização, algumas quantidades
relativas ao desenvolvimento da população podem ser acompanhadas num gráfico como
o apresentado na Figura 54, onde os valores da fitness do melhor indivíduo são
mostradas em azul e do pior indivíduo em cinza. Os valores da média e do desvio
padrão da fitness da população são mostrados, respectivamente, em vermelho e rosa. E a
margem k, do critério de parada, em amarelo.
Além do gráfico, um relatório de acompanhamento da evolução é impresso,
como o da Figura 56, podendo mostrar detalhes da população ou não. Ao fim da
otimização, é impresso um resumo com o tempo total, número de indivíduos com
problemas de convergência e número de indivíduos penalizados, além dos dados do
melhor indivíduo.
141
Figura 54 – Gráfico de acompanhamento da evolução.
Figura 55 – Legenda.
Figura 56 – Relatório de acompanhamento.
142
6.3 Síntese e Otimização de Canhoneio
As principais características desejadas para um algoritmo de otimização em
engenharia são precisão e robustez. Precisão em encontrar o ponto ótimo, e robustez
para lidar com as funções que descrevem os problemas de engenharia.
No entanto, no caso de otimização de canhoneio, o custo computacional de
uma avaliação da função objetivo é muito alto e uma característica adicional deve ser
observada no algoritmo de otimização: a eficiência computacional. Ou seja, procura-se
obter um bom resultado com o menor número de avaliações da função objetivo.
Algumas execuções de um algoritmo de síntese foram feitas em [50], como
a complexidade é similar ao problema tratado nesta tese, os dados sugeridos serão os
mesmos de [50]. Será considerado um número baixo de indivíduos, pelo fato que o
objetivo é validar o programa de algoritmo genético em canhoneio, se utilizar um
número maior de indivíduos irá melhorar a precisão do resultado, porém aumentará
consideravelmente o tempo de análise.
� Tamanho da população: 20 indivíduos
� Número máximo de avaliações da função: 200
� Critério de parada: 4 gerações consecutivas com o valor da média
maior ou igual a 99% do valor do melhor indivíduo.
� Taxa de cruzamento: 0,8
� Taxa de mutação: 0,05
� Sobrevivência por elitismo: 1 (um) indivíduo.
� Seleção por “Roda da Roleta” (Rank).
6.3.1 Variáveis livres
Um modelo de canhoneio possui diversas variáveis que podem funcionar
como variáveis livres num problema de otimização. Para simplificar o problema, foram
escolhidas algumas delas, como pode ser visto na Tabela 27, com as suas respectivas
representações.
143
Tabela 27 – Variáveis livres (variáveis de projeto)
Códigos Nomes
d1 Diâmetro Externo do Reservatório
d2 Espessura da Parede de Rocha
d3 Diametro do Poço
h Altura do Passo (altura)
SPF Número de Furos por Pé
t1 Diâmetro de entrada no revestimento (Deh)
t2 Diâmetro do túnel na interface cimentação/reservatório (Dehr)
t3 Diâmetro final do túnel (Dehf)
t4 Espessura do dano do canhoneio (ec)
t6 Espessura do revestimento (ef)
t7 Espessura da cimentação
M2 Permeabilidade do dano da formação
M3 Permeabilidade do dano do canhoneio
t8 Comprimento do túnel
t9 Comprimento da ponta do túnel(tip) (Lf)
A Figura 57 mostra um desenho esquemático do túnel, com algumas das
suas respectivas representações das variáveis.
144
Figura 57 – Desenho esquemático do túnel.
Neste trabalho, como se pode observar na Tabela 28, as permeabilidades da
rocha, da formação, do canhoneio, e do túnel, a anisotropia, a pressão interna, a pressão
externa e o grau de refinamento foram todos mantidos invariáveis.
Tabela 28 – Dados Invariáveis
M1 Permeabilidade da rocha
M4 Permeabilidade do túnel
Kz Anisotropia
P1 Pressão interna
P2 Pressão externa
Refinamento Grau de refinamento
6.3.2 Função Objetivo e Restrição
O presente trabalho objetiva o estudo da sensibilidade do comportamento de
poços canhoneados, permitindo um maior conhecimento sobre alguns fatores que
influenciam na produção de óleo de uma formação. O algoritmo genético desenvolvido,
empregando o aplicativo de geração automática de malhas em conjunto com um
programa de elementos finitos, contemplam diferentes geometrias de canhoneio.
O ambiente de canhoneio é um item importante para a avaliação da
produtividade de um poço. Para o estudo do problema de fluxo em poços canhoneados,
é relevante o conhecimento a respeito dos principais parâmetros que governam o fluxo
145
na proximidade do poço. Neste contexto, será feito um estudo de otimização, com o
intuito de determinar as características ótimas do poço e propriedades da rocha-
reservatório.
Utilizou-se a seguinte expressão para a função objetivo:
i
N
iipoçoobj VKVazãoF ∑−= ( 42)
Onde:
objF - representa a função objetivo;
poçoVazão - o valor da vazão no poço para aquele indivíduo;
i
N
ii VK∑ - representa o somatório total do custo (iK ) de cada operação, que
é fornecido pelo cliente, multiplicado pelo valor da variável otimizada da operação.
Esta função nos permite determinar o valor para cada variável com o seu
determinado custo, que proporcione uma produção com maior vazão e menor custo
total. Ou seja, dado um indivíduo que chamaremos hipoteticamente de “A” com um
índice de produtividade “X” e um outro indivíduo distinto que chamaremos de “B” com
um índice de produtividade também igual a “X”, se ambos possuem a mesma vazão, a
função objetivo, vai proporcionar a escolha do indivíduo que será mais econômico, já
que a produção será a mesma.
146
6.3.3 Algoritmo de Otimização
O algoritmo utilizado foi o Algoritmo Genético, que tem como modelo
básico de canhoneio, o descrito no item 4.6.1. A partir deste modelo padrão serão
gerados os indivíduos, sendo utilizados como variáveis livres as descritas na Tabela 27.
Os limites superior e inferior de cada variável livre são fornecidos pelo
usuário, conforme visto na Figura 58, que apresenta um recorte da tela do módulo onde
aparecem as opções para seleção da variável com seus respectivos valores de limites.
Figura 58 – Variáveis livres.
Estes parâmetros foram escolhidos depois de alguns testes e avaliações
feitos em [50], o que não descarta a hipótese de uma convergência precoce neste
trabalho. Alguns parâmetros foram mantidos constantes como, por exemplo:
� Tamanho da população – 20 indivíduos
� Número Máximo de Gerações – 200
� Critério de parada – 4 gerações consecutivas com o valor da média
maior ou igual a 99% do valor do melhor indivíduo.
147
7 APLICAÇÕES – CASOS ESTUDADOS
7.1 Introdução
Como mencionado anteriormente, este trabalho trata do desenvolvimento e
aplicação de ferramentas numéricas para a otimização do fluxo em poços canhoneados.
Para validação do algoritmo desenvolvido, foram estudados alguns casos
práticos, cujos dados básicos e resultados obtidos serão apresentados a seguir. Os dados
foram criteriosamente escolhidos de forma a representarem corretamente condições
factíveis de projeto.
Foram escolhidos quatro casos para estudo e verificação do processo
desenvolvido. Os dados e características de cada caso são apresentados detalhadamente
nos próximos itens deste capítulo.
Para todos os casos de estudo foi utilizada uma função custo igual a um, só
para efeito de estudo, pois o valor real será fornecido pelo cliente. Por este fato os
resultados apresentados serviram para ilustrar a aplicação da metodologia, mas não
necessariamente são representativos de situações reais, já que não se conhecem os
índices de custo associados a cada variável livre.
Os limites de busca utilizados e os parâmetros de ajuste do algoritmo
genético são mostrados junto à descrição de cada caso analisado.
148
7.1.1 Estudo de Caso n° 1
Neste estudo foram consideradas como variáveis livres somente o número
de tiros por pé (SPF) e o comprimento do túnel (Lp). Como se pode ver na Figura 59,
que apresenta um recorte da tela do módulo onde aparecem os parâmetros de busca do
Algoritmo Genético. O SPF variou de 2 a 6 e o comprimento do túnel variou de 3” a
65”. Esta primeira análise teve como objetivo testar a eficiência do programa, visto que
o resultado do problema já é conhecido através de [2] e do estudo paramétrico realizado
no item 4.6.3 desta tese.
Figura 59 – Parâmetros do Algoritmo Genético do Caso n° 1.
149
A Figura 60 mostra também um recorte da tela do módulo apresentada no
término da análise, ou seja, um histórico do melhor indivíduo. Pode-se observar que 1x
representa o resultado da primeira variável livre, que é o número de tiros por pé,
enquanto a segunda variável, 2x , representa o resultado do comprimento do túnel.
Figura 60 – Histórico do Melhor Indivíduo do Caso n° 1.
7.1.1.1 Análise dos resultados
A convergência do algoritmo foi estabelecida segundo o critério de
proximidade entre a média da aptidão dos indivíduos e a aptidão do melhor indivíduo.
Desta forma, foi estabelecida a interrupção da evolução do algoritmo quando a
diferença entre média e melhor permanecer menor ou igual a 99% durante no mínimo 4
gerações, e será utilizada a probabilidade de mutação sugerida por [52], que diz que a
taxa de mutação deve ser inversamente proporcional ao tamanho da população, ou seja,
será utilizado o valor de 0,05.
Observando a Figura 60, verifica-se que o resultado era o esperado: o valor
do maior número de tiros por pé e o valor também do maior comprimento de túnel, visto
que ambos possibilitam um maior índice de produtividade no poço canhoneado.
150
O critério de convergência exposto acima pode ser observado para o caso
n°1, na Figura 61 a seguir:
Controle de Convergência - Caso n°1
0
400
800
1200
1600
2000
2400
2800
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Geração
Apt
idão
Melhor Média
Figura 61 – Convergência do Algoritmo Genético Caso n° 1.
Como se pode observar no gráfico da Figura 61, a partir da oitava geração, o
valor da média começa ficar muito próximo do valor do melhor.
A partir de alguns estudos realizados foi observado que, quanto maior a
penetração, maior a produtividade do poço. A faixa de profundidade estudada abrange a
realidade dos reservatórios brasileiros que, em geral, apresentam altos valores de Lp nos
reservatórios pouco profundos e com baixa resistência ao cisalhamento, e baixos valores
de Lp no caso oposto, como foi dito nos capítulos anteriores. Portanto, há a validação
para o algoritmo neste caso, visto que os valores determinados coincidiram com os já
existentes na literatura.
A Figura 62, a seguir, ilustra as configurações obtidas, caracterizadas pelo
resultado, ou seja, o maior valor de índice de produtividade para um poço com maior n°
de tiros por pé, que, no exemplo, foi 6, por um maior comprimento de túnel, que foi de
65”.
151
Figura 62 – Figura representativa de 6 SPF com Lp de 65”.
Nos próximos casos, serão consideradas combinações com resultados
imprevistos. Vale a pena comentar que o resultado poderá ser diferente, se o usuário
fornecer valores distintos de um.
152
7.1.2 Estudo de Caso n° 2
Neste item as variáveis otimizadas foram: o número de tiros por pé (SPF), o
comprimento do túnel (Lp) e a variação da permeabilidade do dano da formação. O SPF
variou de 2 a 6, o comprimento do túnel variou de 3” a 80” e a permeabilidade entre 25
e 1000 mD (permeabilidade original da rocha de acordo com a Tabela 5).
Como se pode observar na Figura 63, a variação da permeabilidade do dano
da formação está entre os limites de 0,009 e 0,341. O aplicativo ACUMEN [25] não faz
conversão de unidades, portanto, todos os valores devem ser inseridos num sistema
compatível.
Figura 63 – Parâmetros do Algoritmo Genético do Caso n° 2.
153
A Tabela 29 mostra a conversão de alguns valores de permeabilidade, para
facilitar ao leitor uma melhor compreensão.
Tabela 29 – Valores de permeabilidade
K
(mD) µK
141 −− Ninday
1000 0.341
800 0.273
700 0.239
600 0.205
500 0.171
400 0.137
300 0.102
200 0.068
100 0.034
50 0.017
25 0.0085
A Figura 64 mostra um recorte do histórico do melhor indivíduo, que é
fornecido no término da análise. Estes valores já eram também esperados, ou seja, um
maior número de tiros por pé para o maior valor de comprimento do túnel.
154
Figura 64 – Parâmetros do Algoritmo Genético do Caso n° 2.
7.1.2.1 Análise dos resultados
Neste trabalho, foram considerados valores para a permeabilidade do dano
da formação próximos da realidade de campos de petróleo brasileiros.
O critério de convergência do algoritmo foi o mesmo utilizado no estudo de
caso n° 1 e o valor da taxa de mutação também foi o mesmo de 0,05. O gráfico de
convergência do algoritmo genético pode-se visto na Figura 65.
A contribuição que o algoritmo forneceu neste exemplo foi encontrar o
valor ótimo de permeabilidade do dano da formação para essas condições geométricas,
que foi determinado em aproximadamente 328 mD.
155
Controle de Convergência - Caso n°2
1500
1700
1900
2100
2300
2500
2700
2900
3100
3300
3500
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Geração
Apt
idão
Melhor Média
Figura 65 – Convergência do Algoritmo Genético caso n°2.
A Figura 65 mostra o gráfico do controle de convergência. Observa-se que o
valor da média se igualou ao valor do melhor na décima quinta geração, ou seja, a
presença de mais uma variável gerou mais tempo de análise.
156
7.1.3 Estudo de Caso n° 3
Para este estudo de caso, as variáveis otimizadas foram: o número de tiros
por pé (SPF), o comprimento do túnel (t8), diâmetro de entrada no revestimento (t1),
diâmetro do túnel na interface cimentação/reservatório (t2), diâmetro final do túnel (t3)
e espessura do dano do canhoneio (t4).
O desenho esquemático de algumas variáveis de projeto pode ser
visualizado na Figura 57, para melhor compreensão do problema. A Figura 66 mostra
um recorte da tela do módulo, onde foram inseridos os valores máximos e mínimos para
cada variável a ser otimizada.
Figura 66 – Parâmetros do Algoritmo Genético do Caso n° 3.
157
A Figura 67 mostra um histórico do melhor indivíduo, com as seis variáveis
otimizadas.
Figura 67 – Histórico do Melhor Indivíduo do Caso n° 3.
7.1.3.1 Análise dos resultados
De acordo com a Figura 67, o melhor indivíduo é o que apresenta:
- Número de tiros por pé (SPF) = 6
- Comprimento do túnel (t8) = 46,05”
- Diâmetro de entrada no revestimento (t1) = 0,21”
- Diâmetro do túnel na interface cimentação/reservatório (t2) = 0,86”
- Diâmetro final do túnel (t3) = 0,21”
- Espessura do dano do canhoneio (t4) = 0,22”
De acordo com esses valores encontrados, observamos que há coerência,
pois um poço com maior número de tiros por pé, geralmente, apresenta um alto índice
158
de produtividade quando o valor da espessura do dano do canhoneio se apresenta
pequeno, como foi determinado nesta rodada.
A convergência do algoritmo foi também estabelecida segundo o critério de
proximidade entre a média da aptidão dos indivíduos e a aptidão do melhor indivíduo,
conforme mostrado na Figura 68.
Figura 68 – Dados de entrada dos parâmetros de síntese de otimização Caso n° 3.
159
A Figura 69 mostra o gráfico de convergência do Algoritmo Genético.
Controle de Convergência - Caso n°3
-300
0
300
600
900
1200
1500
1800
2100
2400
2700
3000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Geração
Apt
idão
Melhor Média
Figura 69 – Convergência Algoritmo Genético caso n°3.
Observa-se no gráfico da Figura 69 que a convergência do algoritmo
genético ocorreu na décima sexta geração, mostrando que, quando o número de
variáveis livres é acrescido, conseqüentemente aumenta-se o número de gerações.
A Figura a seguir mostra a configuração da geometria do poço canhoneado
caracterizado pelo resultado da execução do algoritmo genético.
160
Figura 70 – Esquema de um poço canhoneado com as configurações do melhor
indivíduo.
161
7.1.4 Estudo de Caso n° 4
A tecnologia do canhoneio tem evoluído, com impactos comprovados na
produtividade. A bibliografia especializada mostra investimentos feitos, tanto em
projeto de novos canhões e nos tipos de carga, como também na área de modelagem
física e numérica, voltada para subsidiar o dimensionamento das operações de
canhoneio, como já foi mencionado neste trabalho.
No que diz respeito à adequação e otimização dos canhoneios, pouco ou
quase nenhum dado de poços canhoneados existe em bibliografias no Brasil, levando-se
em conta as características das rochas e dos fluidos existentes nos reservatórios
brasileiros. Dentro desse contexto, considera-se importante o desenvolvimento de
pesquisa voltada para a tecnologia de canhoneio. Modelagens realizadas com
simuladores das companhias prestadoras de serviços indicam ganhos potenciais de até
40% nas situações em que os canhoneios mostram-se adequados aos tipos de
reservatórios e fluidos.
Neste estudo de Caso n° 4, que tem como objetivo otimizar o poço, será
feito um estudo do melhor indivíduo para um poço canhoneado com os valores de poços
de realidade brasileira. A Figura 71 mostra um recorte da tela do módulo, onde foram
inseridos os valores máximos e mínimos para cada variável a ser otimizada.
162
Figura 71 – Parâmetros do Algoritmo Genético do Caso n° 4.
A Figura 72, a seguir, mostra um desenho esquemático de um corte
transversal de um poço, para que o leitor possa visualizar melhor as variáveis utilizadas
neste estudo de caso.
Figura 72 – Desenho Esquemático de um Poço.
163
A Figura 73 mostra um histórico do melhor indivíduo, com as cinco
variáveis otimizadas.
Figura 73 – Histórico do Melhor Indivíduo do Caso n° 4.
7.1.4.1 Análise dos resultados
De acordo com a Figura 73, o melhor indivíduo é o que apresenta:
- Espessura da Parede de Rocha (d2) = 19”
- Diâmetro do Poço (d3) = 5”
- Número de tiros por pé (SPF) = 5”
- Espessura do revestimento (t6) = 0,52”
- Espessura da cimentação (t7) = 0,16”
A convergência do algoritmo foi também estabelecida segundo o critério de
proximidade entre a média da aptidão dos indivíduos e a aptidão do melhor indivíduo,
conforme mostrado na Figura 74.
164
Figura 74 – Dados de entrada dos parâmetros de síntese de otimização Caso n° 4.
Controle de Convergência - Caso n°4
1500
1800
2100
2400
2700
3000
3300
3600
3900
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Geração
Apt
idão
Melhor Média
Figura 75 – Convergência Algoritmo Genético caso n°4.
Observa-se no gráfico da Figura 75 que a convergência do Algoritmo
Genético ocorreu na décima quinta geração.
165
8 CONCLUSÕES
8.1 Introdução
Este capítulo descreve as conclusões dos resultados dos estudos
paramétricos realizados neste trabalho e as conclusões sobre o comportamento dos
Algoritmos Genéticos no canhoneio. Em seguida apresenta algumas sugestões para
trabalhos futuros e as referências bibliográficas.
8.2 Conclusões dos Estudos Paramétricos
Este trabalho apresentou estudos paramétricos utilizando uma ferramenta
numérica 3D, com elementos finitos, para o tratamento do problema de fluxo em poços
canhoneados verticais. Nesta linha de trabalho, foram realizados estudos que abrangem
a gradação ou refinamento da malha, a validação do modelo e, por fim, estudos de
sensibilidade a parâmetros importantes que definem o problema.
Os estudos de sensibilidade consideraram a variação de quatro parâmetros
(profundidade de penetração da carga, permeabilidade do dano da formação, anisotropia
de permeabilidade do reservatório e relação entre o raio externo do reservatório e o raio
interno do poço) e seis configurações de cargas comerciais (1, 2, 3, 4, 5 e 6 spf). Cargas
com maior densidade, chegando até 27 SPF, poderão ser consideradas posteriormente,
quando se dispuser de mais recursos computacionais em termos de hardware,
(principalmente memória RAM), e de software (como capacidade de alocação de
memória e disponibilidade de solvers mais robustos).
Os resultados obtidos permitem lançar as seguintes conclusões sobre os
fatores que afetam a produção de poços canhoneados:
� O comprimento do túnel, como era esperado pelos resultados de campo e de
literatura, apresentou influência significativa na razão de produtividade,
166
demonstrando que ele deve ser um parâmetro a ser sempre considerado em
canhoneamento de poços.
� O dano da formação exerce um relevante efeito na produção de um poço
canhoneado, reduzindo sensivelmente a razão de produtividade. A redução da
produtividade com o aumento da espessura do dano da formação é grande,
principalmente quando abrange toda a região canhoneada.
� A anisotropia, para a faixa de valores estudada nas análises paramétricas,
mostrou pouca influência na razão de produtividade. A produção para um poço
vertical, cujo eixo é paralelo a um dois eixos que definem o tensor de
permeabilidades, mostra que a permeabilidade que exerce maior influência é a
do plano perpendicular ao eixo do poço.
� Quanto à relação entre o raio externo do reservatório e o raio interno do poço,
para as relações estudadas, foi observado que, quanto maior o tamanho do
modelo do reservatório, mais a razão de produtividade tende a se aproximar de
um valor constante, independente da carga considerada. A razão para isto é
que o poço tem um raio de influência, ou seja, ele influencia no
comportamento do reservatório nas suas proximidades mas, em regiões muito
distantes, sua influência é desprezível. Este limite é o raio de influência. A
condição de contorno correspondente ao limite externo do reservatório tem
que ser colocada fora da região de influência do poço. Se o raio externo do
reservatório for menor que o raio de influência do poço, o resultado vai ser
influenciado; se o raio externo for maior, não vai influenciar (que é o
desejado), independentemente de ser um pouco maior ou muito maior, ou seja,
o raio do reservatório deixa de influenciar o resultado quando passa a ser
maior que o raio de influência do poço.
167
8.3 Conclusões sobre o comportamento dos algoritmos genéticos no
canhoneio
Com os resultados obtidos pela aplicação da ferramenta de síntese em
algoritmos genéticos, chega-se à conclusão de que os métodos de otimização baseados
em algoritmos evolutivos, em especial o método de algoritmo genético, são altamente
recomendados para a utilização em otimização de poços canhoneados, conseguindo
analisar dados geométricos e físicos com um menor tempo de análise global e mais
praticidade.
Considerando o desempenho geral do algoritmo, podemos observar, através
dos gráficos de controle de convergência, que não existe dificuldade em atingir a
convergência de acordo com o critério adotado. Em todos os casos, a convergência foi
atingida em um número de gerações nunca superior a vinte.
Vale ressaltar que os indivíduos que são replicados na população por
conseqüência dos processos de seleção e mutação não são reavaliados, ou seja, o
algoritmo reconhece que aquele indivíduo é uma cópia de outro já avaliado
anteriormente e simplesmente repete o valor de avaliação calculado para aquele. Este
procedimento reduz bastante o número de avaliações à medida que a convergência vai
sendo atingida.
O maior problema da otimização de poços canhoneados é o alto custo
computacional para efetuar as análises pois, à medida que vai aumentando o número de
tiros por pé, o tempo de análises também vai aumentando simultaneamente, o que limita
o uso de análises mais precisas. No entanto, com o rápido desenvolvimento do poder de
processamento dos computadores, em muito breve será viável a utilização deste tipo de
análise, bem como a utilização de populações maiores, melhorando sensivelmente a
qualidade dos resultados.
Nos exemplos deste trabalho foi utilizado um computador com processador,
512 Mb RAM, e os tempos de execução foram altos, onde uma resposta rápida é
altamente desejável. Por isso devem-se buscar meios de reduzir o tempo de
processamento total. Várias soluções podem ser adotadas, dentre as quais explorar o
168
processamento paralelo. Também existem técnicas de implementação de algoritmos
evolutivos que exploram o processamento paralelo, com a população sendo distribuída
entre os processadores ou cada processador executando a análise de um indivíduo.
Outra limitação do programa é que, quando falta energia o programa para e
não salva os dados anteriores já gerados, iniciando-se na primeira geração. Caso o
programa salvasse os dados da última geração, retornaria a partir desse ponto, o que iria
converter num ganho significativo de tempo computacional.
È importante ressaltar que quando forem acrescentados os custos às
variáveis livres otimizadas, os resultados vão ser diferentes.
169
8.4 Sugestões para Trabalhos Futuros
Apesar dos esforços no sentido de procurar a maior abrangência possível no
que se refere a análise de problemas, desenvolvimentos e implementações, algumas
pendências podem ser identificadas, as quais devem ser resolvidas em trabalhos
posteriores. A seguir são apresentadas as principais pendências identificadas e que, se
resolvidas, podem contribuir muito para a aplicação eficiente do algoritmo genético:
� Agrupar os resultados efetuados em um banco de dados, para comparações
em campo e subsídio para novas pesquisas;
� Para os próximos anos, um maior número de alternativas “mistas” da idéia
genética com outras estratégias, que lhe agreguem novas capacidades, podem
ser desenvolvidas, aprimoradas e difundidas no meio técnico, aumentando o
leque de aplicações e trazendo novos benefícios na resolução dos problemas
já tratados.
� Outras sofisticações têm sido desenvolvidas e incorporadas aos algoritmos
genéticos para aumentar suas potencialidades, tais como: adaptação e
distribuição uniforme da população inicial.
� A adaptação usualmente é estática, ou seja, são escolhidos parâmetros,
funções e/ou operadores no início do algoritmo e levados até o fim da
execução. Entretanto, recentemente uma maior atenção vem sendo dada à
adaptação dinâmica, isto é, dentro do processo evolutivo, o próprio algoritmo
seleciona os parâmetros de configuração e/ou os operadores genéticos a
serem utilizados, e possivelmente, até mesmo a função objetivo,
principalmente em casos de aplicação de penalidades [54].
� Para os problemas de otimização, as vantagens da utilização dos Algoritmos
Genéticos são consideráveis, principalmente pela sua versatilidade na
obtenção de soluções ótimas globais, enquanto que suas desvantagens serão
sanadas por uma maior consolidação da técnica e pelo desenvolvimento de
maiores capacidades computacionais.
170
8.5 Referências Bibliográficas
[1] FREITAS, S. M. S., SOARES, A.C, SILVESTRE, J. R., JACOB, B. P., BORGES,
A. F., MENEZES, A. P. (setembro de 2004). Relatório Técnico 601178 – Adequação
dos Canhoneios às Formações. CENPES/Petrobras.
[2] ANSAH, J, PROETT, M. A., SOLIMAN M. Y. (February 2002.). Advances in Well
Completion Design: A New 3D Finite-Element Wellbore Inflow Model for Optimizing
Performance of Perforated Completions. SPE 73760.
[3] FREITAS, S. M. S., SILVESTRE, J. R., SOARES, A. C., SANTOS, J. A. C. M.,
BORGES, A. B., JACOB, B. P., MATTA P. S. , SILVA K. F., Análise Numérica 3D de
Canhoneio pelo Método dos Elementos Finitos, Cobramseg – Congresso Brasileiro de
Mecânica das Rochas e Engenharia Geotécnica, agosto de 2006.
[4] BARTUSIAK, R., BEHRMANN, L.A. and HALLECK, P.M. – Experimental
investigation of surge flow velocity and volume needed to obtain perforation cleanup.
Journal of Petroleum Science and Engineering, vol.17, pp. 19-28.
[5] Recommended Practices for Evaluation of Well Perforators, API recommended
practice 43, first edition, September 28, 2002.
[6] HARRIS, M. H. (April 1966). The Effect of Perforating on Well Productivity, JPT,
Trans, AIME 237, p518-528.
[7] HONG, K. C. (August 1975). Productivity of Perforated Completions in Formations
With or Without Damage, JPT, Trans., AIME 259, p 1027-1038.
[8] KLOTZ, J. A., KRUEGER, R. F., PYE, D. S. (November 1974). Effect of
Perforation Damage on Well Productivity. JPT, Trans., AIME 257, p.1303-1314.
[9] LOCKE, S. (December 1981). An Advanced Method for Predicting the Productivity
Ratio of a Perforated Well. JPT, p. 2481-2488.
[10] TARIQ, S. M. – Evaluation of Flow Characteristics of Perforations Including
Nonlinear Effects With the Finite Element Method, SPE (May 1987) 104-12.
171
[11] TARIQ, S. M., Ichara, M. J., M. J., and Ayestaran, L. – Performance of Perforated
Completions in the Presence of Anisotropy, Laminations, or natural Fractures, SPE
(Nov. 1989) 376-84.
[12] J. K, PUCKNELL, L. A. BEHRMANN, An Investigation of the Damaged Zone
Created by Perforating, SPE 22811, 1991
[13] Y. S. DOGULU, Modeling of Well Productivity in Perforated Completions, SPE
51048, 1998
[14] FOLSE, K., ALLIN M., CHOW, C., HARDESTY, J. – Perforating System
Selection for Optimum Well Inflow Performance, SPE 73762, 2002.
[15] BROOKS, J. E., YANG, W., BEHRMANN, L. A. – Effect of Sand-Grain Size on
Perforator Performance.
[16] BEHRMANN, L. A. – Underbalance or Extreme Overbalance, SPE 31083, 1996.
[17] PETERS, A. D. AND HENSON, S. W. – New Well Completion Stimulation
Techniques Using Liquid Jet Cutting Technology, SPE 26583.
[18] SOUTO FILHO, J. D., ESTELITA, L. O. E ARAÚJO R. – Avaliação da
Performance de Canhoneios Não-Convencionais no Âmbito da E&P-RNCE, relatório
do projeto 8.4, E&P-RNCE/PROTEC, novembro de 1999.
[19] PATRAN – MSC.Patran Release Guide, Version 2003.
[20] MARC – MSC.Marc Release Guide, Version 2003.
[21] LOCKE S. – An Advanced Method for Predictingthe ProductivityRatio of a
Perforated Well. Journal of Petroleum Tecnology (December, 1981), 2481 – 2488.
[22] TARIQ, S. M. – Evaluation of Flow Characteristics of Perforations Including
Nonlinear Effects With the Finite Element Method, SPE (May 1987) 104-12.
[23] TARIQ S. M., KARAKAS M. – Semianalytical Productivity Models for Perforated
Completions, paper SPE 18247, February 1991.
172
[24] Recommended Practices for Evaluation of Well Perforators, API recommended
practice 19B, first edition, November 2000, errata, September 28, 2001.
[25] ACUMEN – MSC.Acumen MSC.Marc Release Guide, Version 2003.
[26] ROSA, A. J., CARVALHO, R. S., XAVIER, J. A. D., (2006). Engenharia de
Reservatórios de Petróleo – Editora Interciência.
[27] Dees, J. M.; Handen, P. J. and Jupp, T.B. – “Overbalance Perforating and
Stimulation Method for Wells”; US Patent n°5,131,472; July 21, 1992.
[28] Dees, J. M.; - “Method of Sand Consolidaton with Resin”; US Patent N°5,178,218;
1992.
[29] BIANCO, L. C. B., Técnicas de canhoneio em Poços de Petróleo, Curso de
Completação de poços para profissionais de Perfuração, CAPRO - 65, Macaé, Outubro
de 1995.
[30] ASADI, M. e PRESTON, F. W. (June 1994). Characterization of the Jet
Perforation Crushed Zone by SEM and Image Analysis, SPEFE, p.135-139.
[31] LEMONGE, A. C. de Castro, Aplicação de Algoritmos Genéticos em Otimização
Estrutural, Tese de D.Sc., COPPE/UFRJ, Rio de Janeiro, RJ, Brasil, 1999.
[32] MUNROE, C. E., Amer F. Sci., pág 35, 48, 1888.
[33] J.H. HOLLAND. Adaptation in Natural and Artificial Systems. Ann
Arbor:University of Michigan Press, 1975.
[34]J.H. HOLLAND and J.S. Reitman. Cognitive systems based on adaptive
algorithms. In D.A. Waterman and F. Hayes-Roth, editors, Pattern-Directed
Inference Systems. New York: Academic, 1978.
[35] DARWIN, C. “Sobre a Origem das Espécies por Meio da Seleção Natural”. 1859.
[36] FISHER, R.A. “The Genetic Theory of Natural Selection”, 1960.
[37]GOLDBERG, D. E. “Genetic Algorithms in Search, Optimization and Machine
Learning”. Massachusets: Addison-Wesley Co, 1989.
173
[38]SOBRINHO, A.C. “Uma análise dos algoritmos genéticos e suas aplicações em
sistemas de acesso à informação”. Monografia de conclusão de curso, CGCC,
Universidade Federal do Maranhão, 2003.
[39]PALAZZO, L.A.M. “Algoritmos para Computação Evolutiva”. – Relatório Técnico
– Pelotas: Grupo de Pesquisa em Inteligência Artificial – Universidade Católica de
Pelotas.
[40]SHAPIRO, J. “Genetic Algorithms in Machine Learning”, taught at the Advanced
Summer School on Machine Learning and Applications, 1999.
[41]MITCHELL, M. An Introduction to Genetic Algorithms. Massachusets: MIT Press,
1996.
[42]BACK, T. “Evolutionary Algorithms in Theory and Practice: Evolution Strategies,
Evolutionary Programming, Genetic Algorithms”. New York: Oxford University
Press, 1996.
[43]BAZARAA, M. S. and Shetty, C. M., Nonlinear Programming – Theory and
Algorithms. John Wiley & Sons, New York, 1979.
[44]KIRSCH, U., Optimum Structural Design. McGraw-Hill, 1981.
[45]IGNIZIO, J. P., Goal Programming and Extensions. Lexington Books, London,
Massachusetts, 1976.
[46] IGNIZIO, J. P., Linear Programming for Decision Analysis. Averbach Publishers,
Philadelphia, 1982.
[47]NEVES, F. A., Programação com Multi-Objetivos Aplicada à Otimização do
Projeto de Pontes Estaiadas. Tese de Doutorado na COPPE / UFRJ, Rio de Janeiro,
1997.
[48]SIDDAL, J. N.; 1982, Optimal Engineering Design: Principles and Applications,
Marcel Drekker, inc., New York.
[49]VIEIRA, L. T.; 2004, Projeto Ótimo de Risers via Algoritmos Genéticos, Exame de
Qualificação ao Doutorado, COPPE/UFRJ, Rio de Janeiro.
174
[50]ALBRECHT, C. H. ; 2005, Algoritmos Evolutivos Aplicados à síntese e otimização
de Sistemas de Ancoragem, Tese de Doutorado, COPPE/UFRJ, Rio de Janeiro.
[51]CANTÚ-PAZ, E., A Summary of Research on Parallel Genetic Algorithms. Illigal
Report No.95007, July 1995.
[52]DE JONG, K. A., An Analysis of the Behavior of a class of Genetic Adaptive
System. Phd. Thesis, University of Michigan, ANN Arbor, MI., 1975.
[53]SHAFFER, R., Practical Guide to Genetic Algorithms. Naval Research Laboratory.
Chemistry Division. http://Chem1.nrl.navy.mil/~shaffer/practga.html.
[54]MEDEIROS, A. e Barbosa, H. J. C., Adaptação das Probabilidades dos Operadores
Genéticos: Um Problema de Decisão. V Seminário sobre Elementos Finitos e
Métodos Numéricos em Engenharia da UFJF, Juiz de Fora, 1998.
[55]SCHWEFEL, H.P.; 1995, Evolution and Optimun Seeking, John Wiley & Sons,
Inc., New York.
[56]BÄCK, T.; HAMMEL, U.; SCHWEFEL, H.P.; 1997, “Evolutionary Computation:
Comments on the History and Current State”, IEEE Transaction on Evolutionary
Computation, Vol 1, Nr 1, April 1997, pp3-17.
[57]MICHALEWICZ, Z. ;1999, Genetic Algorithms + Data Structures = Evolution
Programs, rd3 Edition, Springer Verlag, Berlin Heidelberg.
[58]LACERDA, E.G.M.; DE CARVALHO, A.C.P.L.F.; 1999, “ Introdução aos
Algoritmos Genéticos”, Anais do XIX Congresso Nacional da Sociedade Brasileira
de Computação, Vol II, pp 52-125.
[59]TANOMARU, JULIO, Motivação, Fundamentos e Aplicações de Algoritmos
Genéticos, Universidade de Tokushima, Tokushima 770 japão, II Congresso
Brasileiro de Redes Neurais, III Escola de Redes Neurais, Curitiba, 1995.
[60]D. WHITLEY, “The Genitor Algorithm and Selection Pressure: Why Rank-Based
Allocation of Reproductive Trials is Best”, Proc. Third Int. Conf. Genetic
Algorithms, pp. 116-121 (1989).
175
[61]JACOB, B.P, “Programa PROSIM: Simulação Numérica do Comportamento de
Unidades Flutuantes Ancoradas, Versão 2.a2 - Manual de Entrada de Dados”,
COPPE/UFRJ, Programa de Engenharia Civil, Rio de Janeiro, 2004.
[62]SILVA, K. F. ; 2007, Simulação Numérica pelo Método dos Elementos Finitos de
Procedimentos de Canhoneio em Poços de Petróleo, Dissertação de Mestrado,
COPPE/UFRJ, Rio de Janeiro.
[63] THOMAS, E. J., (2001). Fundamentos de Engenharia de Petróleo – Editora
Interciência.
[64] Site http://www.maxwell.lambda.ele.puc-rio.br
[65] http://acd.ufrj.br/multimin/mmp/textos/Cap9p/ex_de_campo.htm
[66] TARIQ, S. M., Sukup, R. A. and Bell, W. T.. – Perforating, First printing, Henry L.
Doherty Memorial Fund of AIME, Society of Petroleum Engineers Inc., Richardson,
SPE (1995).