Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Planejamento
Energtico,
COPPE,
da
Rio de Janeiro
Junho de 2011
_______________________________________
Prof. Luiz Fernando Loureiro Legey, PhD.
_______________________________________
Dr. Joo Paulo Laquini, D. Sc.
iii
AGRADECIMENTOS
Em primeiro lugar, gostaria de agradecer ao meu orientador Guido que me
apoiou em todo momento. O professor Guido foi muito prestativo e paciente,
procurando sempre me direcionar dentro da minha pesquisa. Ao professor Guido o meu
muito obrigado.
Agradeo ao Professor Legey e ao engenheiro Laquini que aceitaram participar
da minha banca, momento muito especial em minha vida.
Gostaria de agradecer em muito ao meu irmo Nicolau, pessoa que me indicou e
incentivou a fazer o mestrado em planejamento energtico. Obrigado meu irmo por ter
me mostrado o caminho da energia.
Ao amigo Gustavo, grande companheiro na poca do Mestrado, sou grato pela
ateno e pacincia em ouvir minhas idias. Pessoa determinada e de um excelente
corao que sempre me incentivou nesta jornada.
Aos amigos Bruno, Daniel, Paulo, Vanessa, Marcelo pela grande companhia nas
aulas e nos estudos.
Meu grande amigo e professor Jos Manoel por sua amizade, lealdade e pelos
conselhos e ensinamentos. Saudades de nossas longas conversas.
Gostaria de agradecer aos professores do PPE pelas excelentes aulas, em
especial aos professores Legey, Guido, Alexandre Szklo, Roberto Shaeffer.
Um grande abrao ao pessoal da rea acadmica, sempre atenciosos e dedicados,
em especial a Sandrinha.
Aos meus pais pela perseverana em me dar uma boa educao e pelo carinho e
amor que tiveram comigo por toda a vida.
A minha irm e o Pedro por serem sempre prestativos e atenciosos comigo.
As minhas avs pelo carinho eterno que tiveram comigo, sempre com lindos
sorrisos.
Por fim, obrigado a todos que contriburam para a realizao desta dissertao.
Sobretudo a Deus por existir na minha vida.
v
vi
vii
SUMRIO
INTRODUO........................................................................................................ 1
1.1
1.2
1.3
1.4
1.5
1.6
2.2
Reservatrio.................................................................................................... 13
2.2.1
2.2.2
2.3
Elevao de petrleo....................................................................................... 17
2.3.1
Introduo................................................................................................... 17
2.3.2
2.3.3
2.3.3.1
2.3.3.2
2.3.3.3
2.4
Gs Lift ........................................................................................................... 25
2.5
METODOLOGIA................................................................................................... 31
3.1
3.2
3.3
3.3.1
3.3.2
3.3.3
3.4
O modelo de Alarcn...................................................................................... 36
3.5
3.5.1
3.5.2
3.6
3.6.1
3.6.2
3.6.3
RESULTADOS ...................................................................................................... 50
4.1
Campo da Petrobras........................................................................................ 50
4.2
4.3
4.4
4.5
4.6
4.6.1
Grfico auxiliar........................................................................................... 63
4.7
4.8
CONCLUSO........................................................................................................ 67
REFERNCIA BIBLIOGRFICA................................................................................ 71
ANEXO I DESCRIO DETALHADA DO CICLO REALIZADO PELA BOMBA
DE FUNDO DO SISTEMA DE BOMBEAMENTO MECNICO .............................. 75
ANEXO II ESTIMATIVA DO VALOR DA DERIVADA ECONMICA............... 76
ANEXO III RESOLUO DE UM PROBLEMA DE OTIMIZAO ATRAVS
DO GRADIENTE REDUZIDO GENERALIZADO. .................................................... 77
ix
LISTA DE FIGURAS
Figura 1.1 Evoluo do consumo de energia final ........................................................ 1
Figura 1.2 Evoluo do consumo final energtico por fonte......................................... 2
Figura 1.3 Diviso percentual dos mtodos de elevao do petrleo em...................... 5
Figura 1.4 Diviso percentual dos mtodos de elevao do petrleo na produo de
Petrobras em 2009 ............................................................................................................ 6
Figura 1.5 Conjunto de poos de produo que produzem via GL. .............................. 7
Figura 2.1 Evoluo das reservas provadas de petrleo.............................................. 12
Figura 2.2 Curva de IPR para o modelo linear ............................................................ 15
Figura 2.3 Curva de IPR para o modelo de Vogel....................................................... 16
Figura 2.4 Curvas de IPR e TPR ................................................................................. 21
Figura 2.5 Bomba de Cavidades Progressivas ............................................................ 23
Figura 2.6 Conjunto Bomba Centrfuga Submersa ..................................................... 24
Figura 2.7 Conjunto do sistema BM............................................................................ 25
Figura 2.8 Poo operado por gs lift............................................................................ 26
Figura 2.9 Influncia da injeo de GL na curva TPR ............................................... 27
Figura 2.10 Injeo de GL em um poo no surgente................................................. 28
Figura 2.11 Curva de Perfomance de Produo .......................................................... 29
Figura 3.1 Curva de Performance de quatros poos diferentes ................................... 32
Figura 3.2 Pontos de mxima produo e de receita mxima na CPP ........................ 33
Figura 3.3 Modelo de Alarcn traado a partir dos dados de injeo de Niskikiori ... 37
Figura 3.4 Curva de segundo grau traado a partir dos dados de injeo de Niskikiori
........................................................................................................................................ 37
Figura 3.5 Esboo de uma funo objetiva y(x1, x2) e uma restrio f(x1, x2)=0........ 42
Figura 3.6 Curva PQ formada pelos pontos que satisfazem a restrio do problema . 43
Figura 4.1 CPPs elaboradas pelo mtodo de Alarcn e o polinmio de segundo grau52
Figura 4.2 Resduos entre os dados de produo e os ajustados pelo modelo de
Alarcn. .......................................................................................................................... 53
Figura 4.3 Resduos entre os dados de produo e os ajustados pela curva de segundo
grau ................................................................................................................................. 54
Figura 4.4 Distribuio dos resduos pelo Grfico normal Q-Q PLOT ...................... 55
Figura 4.5 Produo otimizada do campo analisado variando a disponibilidade de GL
........................................................................................................................................ 63
x
LISTA DE TABELAS
Tabela 4.1 Coeficiente das CPPs segundo o modelo de Alarcn................................ 50
Tabela 4.2 Coeficiente de determinao (r) ............................................................... 51
Tabela 4.3 Produo do Campo analisado da Petrobras.............................................. 58
Tabela 4.4 Comparativo para a disponibilidade de GL em 1600 e 2000 std Mm/d... 60
Tabela 4.5 Comparativo da produo otimizada do campo escolhido da Petrobras
entre a CPP ajustada pelo mtodo de Alarcn e o Polinmio de segundo grau ............. 62
Tabela 4.6 Comparativo entre os algoritmos GRG e Gentico demonstrando a
produo de leo otimizada............................................................................................ 65
Tabela 4.7 Nmero de iteraes e intervalo de tempo demandado pelo algoritmo GRG
para otimizar o problema de GL..................................................................................... 65
xi
LISTA DE SIGLAS
ANP Agncia Nacional do Petrleo
BCP
BCS
BHJ
BM
Bombeio Mecnico
BPD
CPP
E&P
Explorao e Produo
EIA
EPE
GL
Gs Lift
GN
Gs Natural
ndice de Produtividade
IPR
SQP
TEP
TPR
WTI
xii
1 INTRODUO
1.1
400000
350000
miltep
300000
250000
200000
150000
100000
50000
0
2010
2014
2019
Cenrio em que EPE considerou que a taxa de crescimento da economia mundial 4,1% e da economia
nacional de 5,1% ao ano.
2010
Derivados de
Petrleo 35,7%
2019
Gs Natural 7,3%
Carvo Mineral e
Coque 4,4%
Gs Natural 8,8%
Derivados de
Petrleo 31,9%
Carvo Mineral e
Coque 6,3%
Lenha e Carvo
Vegetal 10,4%
Lenha e Carvo
Vegetal 9,3%
Bagao de
Cana 14,6%
Bagao de
Cana 14,6%
Etanol 6,5%
Eletricidade 17,2%
Etanol 7,3%
Eletricidade 16,7%
so
capazes
de
quebrar,
recombinar
1.2
vazo de leo dos campos de petrleo. Muitas vezes, o reservatrio, no incio de sua
vida produtiva, possui energia suficiente para elevar os fluidos da formao at a
superfcie. Aps um perodo de produo, a energia do reservatrio vai decrescendo at
um momento em que a vazo dos poos localizados nessa rea atinge um nvel no
vivel economicamente. Para evitar essa queda na vazo existem os mtodos para
manuteno da energia do reservatrio que pressurizam a regio em interesse. Um
mtodo frequentemente utilizado consiste na injeo de gua no reservatrio por
intermdio de poos injetores, contudo h outras tcnicas similares a esta, como a
injeo de gs carbnico, vapor dgua entre outros.
Outros reservatrios, porm, mesmo mantendo a energia original contida no
interior de suas rochas, no tm fora suficiente para escoar o leo at a superfcie ou
produzem fora de uma condio tima operacional. Nessas situaes so aplicados os
mtodos de elevao artificial dos fluidos que fornecem, atravs de mecanismos
externos, energia adicional diretamente ao fluido que se encontra na coluna de
produo3, facilitando seu deslocamento at a unidade de processamento.
Existem vrios mtodos para a elevao artificial dos fluidos, mas basicamente o
mecanismo acontece por meio de uma bomba mecnica, ou atravs da injeo de gs
natural na coluna de produo. No captulo 2, uma explicao mais detalhada sobre os
mtodos de elevao ser abordada, demonstrando melhor os mecanismos para
fornecimento de energia aos fluidos.
Os mtodos mais utilizados so: Bombeio Centrfugo Submerso (BCS),
Bombeio Mecnico (BM), Bombeio por Cavidades Progressivas (BCP) e o Gs Lift
Contnuo e Intermitente (GLC e GLI). A seguir, o grfico da Figura 1.3 apresenta a
quantidade percentual de poos da Petrobras que utilizam cada um dos mtodos de
elevao artificial, alm dos poos que so surgentes, ou seja, que produzem
estritamente com energia natural existente no interior das rochas reservatrios.
1.3
O mtodo do Gs Lift
O presente trabalho trata especificadamente o mtodo artificial de elevao
conhecido como Gs Lift (GL), tcnica utilizada para permitir produo de poos que
no tm presso suficiente para o deslocamento do leo ou para aumentar a vazo do
mesmo. O GL o nome dado ao processo em que Gs Natural (GN) injetado a partir
da unidade de produo em cada um dos poos produtores, auxiliando o escoamento
dos fluidos do reservatrio at a plataforma de produo.
O procedimento para elevao do fluido utilizando o GL descrito no exemplo4
a seguir: o leo extrado dos poos apresentam associadamente uma parcela de gs, e
em alguns casos, gua, essa mistura conduzida at o separador que francione esses trs
componentes; a corrente de gs obtida direcionada a um compressor para aumentar
sua presso, e aps pressurizado, uma parcela escoada via gasoduto para fins
comerciais e outra reinjetada nos poos produtores Esta ltima parcela , de fato, a
frao de gs que ser utilizada no mtodo artificial de elvao, GL.
Nesse exemplo no foi considerado que h poos injetores de gs na planta de processamento para
facilitar o entendimento, mas caso existam, uma terceira corrente de gs sairia do compressor em direo
a esses poos.
presso
requerida
para
desloc-lo.
Figura
1.5
representa
1.4
como o fato de que as empresas querem obviamente obter mais lucros, direcionou o
tema deste trabalho para um estudo visando aumentar a produo de petrleo de uma
plataforma qualquer. Este estudo trata da maximizao da produo diria de leo em
uma unidade de produo de petrleo dotada de poos produtores que utilizam apenas o
GL como mtodo artificial de elevao dos fluidos. Como mostrado na Figura 1.4, esta
tcnica predomina na produo nacional de petrleo, sendo largamente utilizada em
poos offshore devido versatilidade do mtodo que ser abordada mais a frente.
1.5
1.6
Objetivo Geral
Objetivo principal deste trabalho avaliar qual ser o ganho na produo de leo
quando a otimizao de GL for realizada adotando uma curva que represente melhor os
dados de produo de um poo versus o gs injetado. Dessa forma, quanto mais
representativa for essa curva melhor ser a distribuio do gs total injetado nos poos,
permitindo uma maior produo de leo na plataforma. A seguir os objetivos
especficos so: verificar o impacto na produo diria de petrleo ao se otimizar o GL,
analisar a relao entre a otimizao de GL e sua disponibilidade, comprovar a robustez
do algoritmo GRG ao otimizar o GL comparando-o com o algoritmo gentico
10
2.1
REVISO BIBLIOGRFICA
reas do setor, como por exemplo, a produo de leo em guas profundas, pouco
dominada ainda por muitos pases que tm atividade nesse ramo. (BACOCCOLI, 2008)
O desenvolvimento da produo do petrleo no Brasil passou por trs grandes
fases. A primeira foi a fase terrestre que foi iniciada na mesma poca da criao
Petrobras em 1954. Em seguida, entre os anos de 1968 e 1974, comearam os estudos
de explorao e desenvolvimento em guas rasas e por fim, de 1974 at hoje, a
descoberta de petrleo em guas profundas.
Essas descobertas de novas reas providas de petrleo foram fundamentais para
permitir que a produo de leo fosse compatvel com o aumento no consumo que vem
crescendo desde a dcada de 80. A seguir, a Figura 2.1 mostra a evoluo das reservas
brasileiras provadas5.
Reserva provada segundo classificao da Society Petroleum Engineers (SPE) so aquelas quantidades
de petrleo que, por anlise de dados geolgicos e de engenharia, podem-se estimar, com razovel
certeza, serem comercialmente recuperveis at uma determinada data. Se mtodos probabilsticos forem
utilizados, a SPE define que deve haver pelo menos 90% de chance que as quantidades de
hidrocarbonetos, realmente recuperadas, se igualem ou excedam as estimativas.
12
2.2
Reservatrio
2.2.1
Engenharia de reservatrio
O estudo do reservatrio6 faz parte da engenharia de petrleo que tem a
responsabilidade de fazer a anlise das propriedades bsicas das rochas e dos fluidos
nelas contidos. A anlise dessas propriedades permite obter parmetros importantes para
determinar a viabilidade tcnico-econmica do campo de produo em questo. Os
principais parmetros definidos nesse estudo so porosidade, volume de leo in place
(VOIP7), permeabilidade, ndice de Produtividade (IP), fator de recuperao8 entre
outros.
Primeiramente, a porosidade e a saturao de fluidos da rocha reservatrio em
anlise so obtidas nas pesquisas feitas pelo gelogo. A porosidade nada mais que a
relao entre o volume de vazio e o volume total da rocha, e a saturao a
porcentagem de cada fluido no interior da rocha. Com esses dados e os da geometria da
rocha possvel fazer uma estimativa do volume de cada fluido existente no
reservatrio, clculo conhecido como mtodo volumtrico.
Um dos parmetros mais importantes a ser definido a permeabilidade da rocha
que est correlacionada diretamente com a quantidade de poros que esto
interconectados, fenmeno este fundamental para que o leo se mova ao longo dos
poros at a coluna do poo, permitindo a produo. Os caminhos criados pelos poros
interconectados podem ser chamados de canais porosos, e quanto mais estreitos e
mais tortuosos forem, maior ser a dificuldade para que os fluidos se movam, em
contraste, canais com poros maiores e mais conectados oferecem menor resistncia,
caracterizando maior permeabilidade. Dessa forma, a permeabilidade calculada, a
partir da equao 2-1, ao se realizar testes em uma amostra da rocha retirada durante a
perfurao do poo, em que se mede o diferencial de presso para fluir leo em uma
determinada vazo.
6
Reservatrio trata-se de uma formao rochosa permevel, porosa ou fraturada em subsuperfcie. Pode
conter quantidades de petrleo ou gua trapeada; e pode ser rodeado por camadas de rochas pouco ou
quase totalmente impermeveis.
7
VOIP um volume de leo no interior do reservatrio.
8
Fator de recuperao o quociente entre o volume de leo recuperado e o volume de leo original no
reservatrio. Ou seja, o percentual do volume original que se espera produzir em um reservatrio.
13
K =
qL
Ap
2-1
Onde:
K = permeabilidade;
q = vazo do fluido;
= viscosidade do fluido;
A = rea do meio poroso perpendicular ao escoamento do fluido;
L = comprimento do meio poroso, medido na direo do escoamento do fluido;
p = presso diferencial.
Outro parmetro muito importante tambm o IP, com o qual possvel
identificar o potencial de produo do poo, e ainda, qual a presso entregue pelo
reservatrio ao poo em uma determinada vazo. Existem alguns mtodos que so
utilizados para o clculo do IP, dentre os quais esto o modelo linear e o modelo de
Vogel. (NASCIMENTO, 2005)
O modelo linear explicitado na equao 2-2 definido pelo quociente entre
vazo e a presso diferencial (diferena da presso do reservatrio e da presso de fluxo
no fundo do poo). A Figura 2.2 representa a curva conhecida como Inflow Perfomance
Relationship (IPR) para o modelo linear.
IP =
q
Pe Pwf
2-2
Onde:
q = vazo de fluido;
Pe = presso esttica do reservatrio;
Pwf = presso de fluxo no fundo do poo.
14
q
qmx
= 1 0,2
Pwf
Pe
0,8
Pwf2
Pe2
2-3
15
2.2.2
C. Mtodo do declnio de produo - prev o volume de leo que pode ser recuperado,
analisando a queda de vazo at um valor limite que no mais vivel
economicamente continuar a produo, ou seja, os custos de operao tornam-se
maiores do que a receita obtida com a produo desse leo, situao esta conhecida
como condio de abandono.
D. Balano de Materiais considera o reservatrio como um tanque com
propriedades permoporosas mdias, resolvendo o sistema com a equao de balano
de matrias a qual permite calcular o volume interno de leo e gs alm de
determinar o mecanismo de produo.
E. Mtodos de desempenho mais utilizado para campos maduros, ou seja, aqueles
que j esto produzindo por um tempo suficiente para que possa verificar um
comportamento nos dados de presso e vazo. Assim, a anlise histrica desses
dados permite inferir o volume de leo e gs in place alm da produo futura.
F. Simulao Numrica Computacional trata-se de um modelo de fluxo que divide a
rocha em milhares de clulas (subdivises na escala de alguns metros) que
aperfeioa a simulao. Permite prever o volume de leo e gs in place e a produo
futura, podendo envolver para esse clculo todos os outros mtodos acima
mencionados.
2.3
2.3.1
Elevao de petrleo
Introduo
A elevao de hidrocarbonetos o ramo da engenharia de petrleo responsvel
por extrair o leo do reservatrio localizado no fundo do mar, e fazer com que chegue
at a plataforma de produo onde finalmente passar pelo processamento primrio para
a separao do leo, gua e gs.
Como foi comentado no item 1.2, para que o petrleo chegue at a plataforma de
produo necessrio que o reservatrio tenha presso suficiente para deslocar o leo
do fundo do poo at a plataforma. Caso esse poo no seja surgente, no tendo,
portanto, energia suficiente para deslocar o fluido at a superfcie, tcnicas artificiais de
elevao sero necessrias para suplementar essa energia. (THOMAS, et al., 2001)
17
2.3.2
Elevao natural
Para haver elevao natural dos fluidos, a presso disponvel no fundo do poo
tem que ser maior do que presso hidrosttica da coluna de fluido somada das perdas
de cargas no escoamento desse fluido. Essas perdas so divididas em distribudas e
localizadas, as primeiras esto relacionadas ao atrito entre o fluido e coluna de
produo, e entre fluido e linhas de produo. As perdas localizadas so atribudas a
quaisquer obstrues nas linhas de escoamento, como vlvulas, redues de dimetro,
curvas, etc. Alm disso, a acelerao submetida ao fluido no processo de elevao
tambm gera uma queda da presso resultante na superfcie. Com isso, o resultado da
10
RGO relao entre a vazo de gs e a vazo de leo, ambos medidos na condio de superfcie.
18
presso requerida no reservatrio para que o poo seja surgente est descrito na equao
2-4; e o detalhamento da presso hidrosttica e das perdas de carga esto referidos nas
equaes 2-5, 2-6, e 2-7. (HENKE, 2002)
2-4
Phidro = gh
2-5
Patrito , D
f a V 2 L
=
2d
Pac = VV
2-6
2-7
Onde:
Phidro = presso hidrosttica referente coluna de fluido;
Patrito,D = perda de carga referente ao atrito provocado entre o fluido e a coluna de
produo;
Patrito,
V = q. A
2-8
20
O ponto de equilbrio exige que, para uma determinada vazo, a presso na qual
o poo necessita para fazer fluir seja a mesma que o reservatrio entrega ao fluido;
considerando nesta anlise que o sistema esteja operando em regime permanente, ou
seja, condio na qual as presses no variam ao longo do tempo.
Admitindo-se inicialmente que o poo esteja produzindo na vazo indicada pelo
ponto A (250 m3/d), verifica-se que a IPR mostra um valor mais alto de presso do que
a TPR, ou seja, o poo requer apenas 210 bar de presso para fazer fluir nesta vazo,
mas o reservatrio entrega esta vazo com uma presso de 240 bar. natural, portanto,
que a vazo de produo do poo aumente, reduzindo a presso disponvel e
aumentando a presso requerida sucessivamente at atingir o equilbrio situado no ponto
em que a IPR intercepta a TPR (este ponto representa uma vazo aproximada de 640
m3/d). Ao refazer a mesma anlise para o ponto B (1.000 m3/d) percebe-se que a presso
requerida (aproximadamente 247 bar) maior do que a presso disponvel (210 bar).
Logo, para esta situao o reservatrio no consegue elevar o leo com 1000 m3/d de
vazo, que ser reduzida naturalmente at atingir o ponto de equilbrio.
21
2.3.3
Elevao artificial
Conforme foi descrito no item 2.3.1, as tcnicas artificiais de elevao so
utilizadas para permitir a produo de poos que no surgentes, assim como, possibilitar
o aumento na vazo de leo daqueles poos que no atingiram a condio tima
operacional.
A fim de facilitar o entendimento de como algumas dessas tcnicas auxiliam o
escoamento dos fluidos, os mtodos do BM, BCP e BCS sero descritos
resumidamente. No item 2.4, ser apresentado o detalhamento da elevao artificial
utilizando o mtodo do GL, que ser foco de estudo deste trabalho.
11
12
22
este mtodo auxilia o deslocamento dos fluidos, no anexo I ser apresentada uma
descrio do ciclo realizado pela bomba de fundo.
2.4
Gs Lift
Segundo Thomas et al. (2001), o GL um mtodo muito verstil em termos de
25
26
A anlise detalhada desse sistema (Figura 2.9) permite verificar que o ponto de
equilbrio anterior injeo de GL (ponto A) formado entre a curva de IPR e TPR-1,
fixou-se em uma nova condio (ponto B) formado entre a IPR e TPR-2. Para esse caso,
demonstra-se que, ao se injetar GN na coluna de produo, altera-se a vazo prxima a
645 m3/d, para uma vazo em torno de 870 m3/d, apresentando um acrscimo de 125
m3/d de fluido.
No prximo exemplo (Figura 2.10), o poo demonstrado no tinha presso
suficiente para produzir em condies naturais, pois a TPR-1 era maior do que a IPR em
todos os pontos da curva; tratando-se, portanto, de um poo no surgente. Aps a
injeo de GL na coluna de produo verifica-se que a demanda de presso para fluir o
poo reduziu, declinando a curva para TPR-2. Neste exemplo, uma faixa da TPR-2
ficou abaixo da IPR possibilitando a produo do referido poo, que fluiu com uma
vazo aproximada de 232 m/d em condies de equilbrio.
27
2.5
Alocao de Gs Lift
A otimizao na injeo de GL para um campo de petrleo visando aumentar
produo um assunto que j vem sendo estudado h algum tempo. Mayhill (1974)
analisou a relao entre a injeo de gs e a produo de leo, nomeando esta relao
como Curva de Perfomance do Poo (CPP14). O autor evidenciou tambm o ponto
mais eficiente da injeo como a taxa na qual um incremento nas despesas com injeo
do GN igual a um incremento percentual nos rendimentos produzidos. A Figura 2.11
ilustra o que foi descrito acima, detalhando os pontos de mxima produo e a regio
econmica de injeo.
14
CPP apresenta a relao entre a produo lquida e a injeo de gs lift em um poo de petrleo.
Quanto maior o ganho na produo atravs de um delta de aumenta no GL, maior ser a taxa de retorno
da CPP, ou seja, maior a inclinao da curva para uma determinada vazo de injeo de gs.
28
Redden et al. (1974) abordaram o tema pela tica econmica, buscando uma
soluo para injeo tima de GL atravs de um mtodo iterativo. Este mtodo
ranqueava os poos segundo a taxa de retorno da CPP de cada poo e em seguida
realizava uma alocao do gs priorizando a injeo naqueles poos que tinham uma
CPP com maior inclinao. O mtodo tambm considerava a limitao de gs
comprimido, disponvel para GL, que os compressores instalados na plataforma de
produo tinham capacidade de pressurizar. Para o encaminhamento do problema foram
considerados o custo de compresso, a capacidade limitada de gs e a possibilidade de
compressores estarem inoperantes. Apesar de ser um procedimento iterativo de
qualidade, este poderia produzir solues subtimas, ou seja, solues timas locais,
mas no necessariamente globais.
Kanu et al. (1981) trataram o problema de alocao de GL conforme critrios
econmicos em um mtodo chamado equal slope, com a finalidade de otimizar a
produo na tica econmica. A metodologia se baseou na construo de grficos, a
partir dos dados de testes de produo dos poos, que permitiram solucionar tanto a
questo relativa alocao de gs, quanto produo otimizada do campo estudado.
Este mtodo tinha tambm a opo de considerar a restrio em relao
disponibilidade de gs comprimido para GL. Assim, por meio de um dos grficos
desenvolvidos pelo autor, considerando a limitao do gs de injeo, encontrava-se a
inclinao ideal da CPP que por sua vez permitia identificar a vazo de leo e GL
devidamente distribudas. O mtodo, porm, possui algumas limitaes, como
29
METODOLOGIA
3.1
max Qo = q on ( q gin )
n =1
s.a.
3-1
q
n 1
n
gi
max
gi
l n q gin n
Onde:
Qo= vazo total de leo do campo de petrleo;
N = nmero de poos do campo;
31
3.2
Pela curva A, verifica-se que o poo representado surgente (visto que, para
qgi= 0, qo= Z), e o aumento na injeo de gs possibilita aumentar a produo. A curva
B demonstra um poo que est na eminncia de entrar em produo, qualquer valor
na taxa de injeo colocar o mesmo em produo. Na curva representada pelo poo
C, h a necessidade de uma taxa de injeo mnima a partir da qual o poo comece a
fluir para a superfcie. Por fim, a curva D mostra uma situao semelhante C,
32
3.3
3.3.1
3.3.2
3-2
q o ( P C ext ) = q gi C g
3-3
Onde:
Cg = custo de compresso do gs;
Cext = custo de extrao do leo;
P = preo do barril de petrleo.
O rearranjo dessa expresso (equao 3-3) para a forma apresentada na equao
3-4 permite determinar o valor da tangente econmica requerido para encontrar o ponto
de interesse na CPP (exemplificado pelo ponto B da Figura 3.2).
qo
Cg
=
q gi ( P C ext )
3-4
34
3.3.3
15
Para a cotao do barril petrleo brasileiro foi tomado como base o leo do tipo WTI.
35
3.4
O modelo de Alarcn
3-5
36
Figura 3.3 Modelo de Alarcn traado a partir dos dados de injeo de Niskikiori
Fonte: Alarcn et al., 2002
Figura 3.4 Curva de segundo grau traado a partir dos dados de injeo de Niskikiori
Fonte: Alarcn et al., 2002
37
r2 =
(c
i =1
(y
i =1
y med =
y med )
1 n
( y i )
n i =1
3-7
Onde:
n = nmero de pontos fornecidos por poo;
yi = dados observados da vazo de leo obtido do teste de produo do poo;
ymed = valor mdio dos dados vazo de leo obtido do teste de produo do poo.
3.5
Para dar uma credibilidade maior ao modelo de Alarcn et al. (2002) ser feita a
anlise dos resduos, que so gerados da diferena entre os dados observados de
produo e os valores ajustados por este modelo. Caso o modelo seja adequado, esperase que os resduos no apresentem algum comportamento bem definido, podendo ser
classificados como resduos aleatrios. Ao contrrio, se existir alguma estrutura de
38
dependncia nos resduos e este puder ser modelado, no poder ser classificado como
resduo aleatrio e, consequentemente, o modelo dever ser reespecificado.
Assim, os resduos devem seguir os seguintes pressupostos para que sejam
classificados como resduos aleatrios (WONNACOTT, 1977):
Seguir uma distribuio normal;
Ter mdia zero;
Ter varincia ( 2 ) constante;
Ser independentes.
3.5.1
'
di =
di 0
SSE
onde S 2 =
= i =1
S
n k 1 n k 1
i
3-8
Onde:
di = diferena entre o valor observado e o valor estimado
n = nmero de pontos fornecidos
k = grau de liberdade
S = desvio padro
39
P( Z < z i ) =
i 0.5
10
3-9
Onde:
P(Z<zi) = funo de distribuio de probabilidade
i = isimo termo
Aps construir o grfico, se os pontos se posicionarem mais ou menos sobre
uma reta, os resduos podero ser considerados como uma distribuio normal.
3.5.2
3.6
3.6.1
Variao Restrita
Essa tcnica tem sido pouco utilizada para uma resoluo analtica de problemas
multivariveis, mas fornece uma base terica importante para os mtodos numricos de
busca, como caso do algoritmo GRG (SMITH et al., 1970).
A idia bsica deste mtodo encontrar uma expresso diferencial aproximada
de primeira ordem da funo objetivo que atenda para todos os pontos as restries do
problema (RAO, 2009). Para a demonstrao desta tcnica um caso simples contendo
duas variveis independentes ser demonstrado. Nesse exemplo (Figura 3.5), existe um
mnimo local, no ponto A, um mximo local no ponto B e ainda um valor mximo
desconsiderando quaisquer restries do sistema, no ponto C.
16
41
Figura 3.5 Esboo de uma funo objetiva y(x1, x2) e uma restrio f(x1, x2)=0
Fonte: Minerals Processing Research Institute, 2010
3-10
dy =
y
y
dx1 +
dx 2 = 0
x1
x 2
3-11
Alm disso, para que o ponto de mnimo encontrado seja vlido necessrio
atender a restrio existente, f( x1* ; x2* )=0. Nesse ponto, quaisquer variaes
infinitesimais das variveis x1 e x2 que continuam atendendo a restrio do problema,
42
3-12
A equao 3-12 pode ser aproximada pela expanso nos primeiros termos da
sria de Taylor.
f ( x1* ; x 2* ) f ( x1* ; x 2* )
f ( x1* + dx1 ; x 2* + dx 2 ) f ( x1* ; x 2* ) +
+
=0
x
x
1
2
3-13
Neste caso, considerando que f( x1* ; x2* )=0 a equao 3-13 pode ser reduzida a:
f
f
df =
dx1 +
dx 2 = 0
x 2
x1
3-14
A expresso obtida acima (equao 3-14) precisa ser satisfeita para todas
variaes admissveis. A Figura 3.6 ilustra a curva PQ formada pelo conjunto de pontos
que satisfazem a restrio do problema (equao 3-10) . Se o ponto A for considerado
como o ponto timo ( x1* ; x2* ), variaes infinitesimais em x1 e x2 que levam ao ponto B e
C so chamadas de variaes admissveis. Por outro lado, variaes em x1 e x2 que
levam ao ponto D no so admitidas, pois este ponto no se situa na curva PQ.
Figura 3.6 Curva PQ formada pelos pontos que satisfazem a restrio do problema
Fonte: RAO, 2009
43
Com o rearranjo da equao 3-14, encontra-se uma relao entre dx1 e dx2.
f x1 * *
dx 2 =
( x1 ; x 2 )dx1 = 0
f x 2
3-15
x1 f x 2 x 2
3-16
x
x
x
2
1
1 2
3-17
3-18
44
3-19
Resolvendo o sistema formado pela equao 3-19 com restrio do problema 3-18, os
pontos de mximo ou mnimo da funo objetivo (equao 3-18) encontrados so:
x1 = + ()
3.6.2
x2 = + ()
O Mtodo GRG como o prprio nome diz uma generalizao feita por Abadie
e Carpentier (1969) do Mtodo do Gradiente Reduzido desenvolvido por Wolfe (1963).
Essa generalizao permitiu que o mtodo fosse aplicado a restries lineares e nolineares.
Segundo Fritsche (1978), a idia presente nessa metodologia uma extenso
no-linear do mtodo simplex utilizado para problemas lineares. O fundamento do
algoritmo GRG baseia-se em converter um problema restrito em outro irrestrito, criando
um vetor de busca, para facilitar o encontro do ponto timo do problema em interesse.
Este algoritmo trata-se de um mtodo numrico que procura localizar um ponto de
mximo ou de mnimo, a partir de um valor inicial aleatrio que esteja dentro do limite
aceito pelas restries do problema.
Baseado no desenvolvimento descrito no site Minerals Processing Research
Institute (MPRI), ser apresentado o conceito do algoritmo GRG, apoiado na teoria do
mtodo da Restrio Variacional. Para demonstrao desse conceito, primeiramente,
ser descrito a resoluo numrica para o problema contendo duas variveis e uma
restrio (equao 3-10), depois um caso geral ser descrito.
45
y ( x) = y ( x k ) +
0 = f ( xk ) +
y ( x k )
y ( x k )
( x1 x1k ) +
( x2 x2k )
x1
x 2
f ( x k )
f ( x k )
( x1 x1k ) +
( x2 x2k )
x1
x 2
3-20
3-21
y ( x k ) f ( x k )
f ( x k ) +
y ( x) = y ( x k )
x 2 x 2
1
f ( x k ) y ( x k ) f ( x k ) y ( x k ) f ( x k )
( x1 x1k )
+
x 2 x1 x 2 x 2 x1
3-22
3-23
46
alguma dessas restries forem inequaes, ser necessrio adicionar uma varivel de
folga para cada inequao existente a fim de transform-la em uma expresso de
igualdade.
As inequaes do problema 3-23 requerem a adio (n-m) variveis de folga no
negativas para atender a condio de igualdade exigida pelo algoritmo GRG. Com essa
adio existiro (n) restries de igualdade como indica a equao 3-24.
r
f i (x) = 0
3-24
3-25
3-26
3-27
47
r
r
r
dy ( x ) = Tb y ( x )dxb + Tnb y ( x )dx nb
r
r
m
n
f i ( x )
f i ( x )
dxi ,b +
dxi ,nb
j =1 x j
j = m +1 x j
3-28
para i=1,2, ..., n
3-29
.
f m ( xr )
x1
. .
. .
. .
. .
r
r
f i ( x )
f i ( x )
x m dx1,b x m +1
. . .
+
. r . . r
f m ( x ) dx f m ( x )
m ,b
x m
x m +1
. .
. .
. .
. .
r
f i ( x )
x n dx m +1,nb
. .
=0
. r .
f m ( x ) dx
n ,nb
x n
3-30
A equao 3-30 define uma matriz Bb das derivadas parciais de primeira ordem
de fi associado s variveis bsicas, e uma matriz Bnb associado s variveis nobsicas. Esta simplificao permite reescrever a equao 3-30 no formato apresentado
na equao 3-31.
Bb dxb + Bnb dx nb = 0
3-31
3-32
Esta forma conveniente definida na equao 3-32 pode ser utilizada para
eliminar dxb da equao 3-28, chegando se na equao 3-33.
r
r
r
dy ( x ) = Tnb y ( x )dx nb Tb y ( x ) Bb1 Bnb dx nb
3-33
48
GR =
r
r
r
dy ( x )
= Tnb y ( x ) Tb y ( x ) Bb1 Bnb
dx nb
3-34
3-35
49
4
4.1
RESULTADOS
Campo da Petrobras
C1
(m/d)
- 301,53
C2
*
- 53,5 x 10-2
C3
(m/d)-1
9,3 x 10-5
C4
(m/d)
152,33
HG-02
- 27,75
- 41,6 x 10-2
25,7 x 10-5
84,02
HG-03
- 145,61
17,1 x 10-2
- 46,2 x 10-5
126,01
HG-04
199,95
- 26,5 x 10-2
- 20,4 x 10-5
169,20
HG-05
- 1125,15
- 299,9 x 10-2
180,0 x 10-5
591,84
HG-06
- 34,81
- 3,87 x 10-2
- 23,9 x 10-5
122,53
HG-07
- 333,94
- 117,6 x 10-2
28,0 x 10-5
167,09
HG-08
- 601,36
4,1 x 10-2
- 106,4 x 10-5
185,98
HG-09
354,84
- 55,0 x 10-2
- 17,0 x 10-5
165,41
HG-10
- 85,28
- 10,7 x 10-2
- 22,8 x 10-5
83,77
Poo
* o coeficiente C2 adimensional
Fonte: Elaborao prpria
50
Curva de
Alarcn
Curva de 2
grau
HG-01
1,0000
0,9623
HG-02
0,9991
0,9464
HG-03
1,0000
0,9913
HG-04
0,9998
0,9808
HG-05
0,9992
0,9407
HG-06
0,9996
0,9870
HG-07
0,9996
0,8890
HG-08
0,9990
0,9804
HG-09
0,9991
0,9503
HG-10
0,9995
0,9775
4.2
Para dar maior credibilidade ao modelo de Alarcn et al. (2002), foi realizada a
anlise dos resduos no poo HG-07, o qual foi escolhido aleatoriamente. Como foi
descrito no captulo 3, os resduos nada mais so do que a diferena entre os dados
reais, neste caso aqueles obtidos do teste de produo, e os dados da curva ajustada. A
Figura 4.1 auxilia a verificar graficamente os resduos formados pelos dois mtodos
comparados, com os dados coletados do teste de produo do poo HG-07. Percebe-se
51
claramente que a curva de Alarcn et al. (2002) ajusta-se melhor aos dados de
produo.
HG-07
Figura 4.1 CPPs elaboradas pelo mtodo de Alarcn e o polinmio de segundo grau
Fonte: elaborao prpria
Para avaliar o comportamento desses resduos foi traado um grfico colocandoos no eixo das ordenadas e a vazo de GL no eixo das abscissas, sendo que este grfico
foi elaborado para cada um dos dois modelos abordados.
52
Fica evidente, verificando a Figura 4.2, que os resduos originados pelo modelo
de Alarcn et al. (2002) no apresentam um comportamento bem definido, distribuindose aleatoriamente ao longo da reta correspondente ao resduo zero. Dessa forma, esperase que os erros sejam independentes, de mdia nula e de varincia constante.
53
Figura 4.3 Resduos entre os dados de produo e os ajustados pela curva de segundo
grau
Fonte: elaborao prpria
54
Figura 4.4 Distribuio dos resduos pelo Grfico normal Q-Q PLOT
Fonte: elaborao prpria
4.3
Alm desses estudos, foi calculado qual seria o benefcio em utilizar a CPP
ajustada pelo modelo de Alarcn et al. (2002) em relao quela ajustada pelo
polinmio de segundo grau, a fim de observar se os ganhos auferidos por essa nova
tcnica resultariam em valores significativos.
Por fim, foi elaborada uma comparao do algoritmo GRG com o algoritmo
gentico visando verificar a robustez do GRG em solucionar o problema de otimizao
da produo de leo de uma determinada plataforma de produo atravs da
redistribuio do GL.
4.4
As vazes so sempre expressas nas condies de superfcie, por exemplo, em metro cbico standard
por dia (std m/d). As condies de superfcie tambm so chamadas de condies padro ou condies
standard, e correspondem presso de 1 atm e temperatura de 20 C.
56
18
57
Limite de injeo*
Qo
Qgi
(m/d)
(std Mm/d)
416,0
319,2
HG-02
350,4
372,6
350,3
330,0
HG-03
608,5
473,3
591,8
330,0
HG-04
1.075,3
395,2
1.071,9
330,0
HG-05
1.515,3
318,6
1.515,3
318,6
HG-06
648,3
466,9
637,3
330,0
HG-07
334,4
152,2
334,4
152,2
HG-08
376,8
305,1
376,8
305,0
HG-09
1.120,9
258,3
1.120,9
258,3
HG-10
340,7
326,6
340,7
326,6
TOTAL
6787
3388
6755
3000
Atravs dos resultados obtidos da Tabela 4.3, com a limitao de GL por poo
em 330 std Mm/d, a otimizao resultou em uma produo de leo de 6.755 m/d
(42.483 bpd), ao se injetar no campo 3.000 std Mm/d de GN. Pode ser verificado que
essa limitao de vazo de GL imposta aos poos reduziu a produo de leo do campo
em apenas 31 m/d (201 bpd), o que representou uma queda de aproximadamente 0,5%,
comparada com a produo sem essa restrio. Por outro lado, nessa condio foi
constatada uma reduo de injeo de GN no campo de 388 std Mm/d, equivalente a
uma queda percentual de 11,5%. A anlise mostra que apesar da queda de gs injetado
no campo ter sido significativa, a queda na produo foi pouco expressiva, evidenciando
que os poos estavam trabalhando em uma faixa suave da CPP em que um acrscimo na
injeo de gs alteraria pouco a produo de leo.
4.5
processo, como por exemplo, a temperatura, que aumenta quanto maior for a presso
fornecida pelos compressores. Para trabalhar em uma condio mais estvel, sem
prejudicar os equipamentos, essa unidade de produo trabalha com uma injeo atual
na faixa de 1.600 std Mm/d de GL.
Ao supor nesta situao (Qgi,mx = 1.600 std Mm/d) que o GL fosse dividido
igualitariamente para os 10 poos fornecendo uma vazo de 6353 std m/d, um simples
trabalho para otimizar a distribuio desse gs permitiria aumentar a vazo para 6.427
std m/d de leo, ou seja, um acrscimo de 74 std m/d (465 bpd). Isso representaria um
faturamento extra em torno de US$ 37,2 mil por dia, considerando o valor do barril de
petrleo igual a US$ 8019 (EIA, 2010).
Atualmente so injetados 1.600 std Mm/d de GL, podendo ser aumentada em
mais 400 std Mm/d dentro de um intervalo teoricamente aceitvel. Contudo, utiliza-se
uma taxa menor de injeo por segurana, evitando assim um possvel descontrole na
planta de processo devido ao aumento de temperatura no compressor. A Tabela 4.4
detalha os ganhos que poderiam ser obtidos por poo e a nova distribuio de GL, caso
fossem injetados 2.000 std Mm/d de GN nos poos, ao invs de 1.600 std Mm/d. Este
clculo foi simulado baseando na CPP definida pela equao de Alarcn et al. (2002).
19
59
HG-01
381,5
144,0
397,3
180,8
HG-02
316,5
91,1
329,1
120,5
HG-03
549,4
218,9
580,0
289,6
HG-04
1.030,9
190,1
1.053,2
242,0
HG-05
1.493,1
212,1
1.504,2
237,8
HG-06
588,7
182,4
616,5
246,7
HG-07
322,2
99,5
328,6
114,4
HG-08
350,6
199,8
365,3
233,6
HG-09
1.095,3
144,0
1.108,1
173,3
HG-10
299,3
118,1
317,9
161,4
TOTAL
6.427
1.600
6.600
2.000
Poo
60
4.6
61
estas equaes se aproximam mais dos dados reais de produo mostrando com uma
incerteza menor qual seria vazo de leo.
Tabela 4.5 Comparativo da produo otimizada do campo escolhido da Petrobras
entre a CPP ajustada pelo mtodo de Alarcn e o Polinmio de segundo grau
Qgi
Qo (CPP Alarcn)
Qo (CPP 2 grau)
Ganho
Ganho
10 std m/d
m/d
m/d
m/d
700
5.509
5.427
82
1,5%
800
5.680
5.582
98
1,8%
900
5.824
5.722
102
1,8%
1.000
5.948
5.860
88
1,5%
1.100
6.055
5.975
80
1,3%
1.200
6.149
6.071
78
1,3%
1.300
6.232
6.155
77
1,3%
1.400
6.305
6.228
77
1,2%
1.500
6.370
6.303
67
1,1%
1.600
6.427
6.364
63
1,0%
1.700
6.479
6.439
40
0,6%
1.800
6.524
6.496
28
0,4%
1.900
6.564
6.545
19
0,3%
2.000
6.600
6.587
13
0,2%
2.100
6.632
6.622
10
0,2%
2.200
6.660
6.651
0,2%
2.300
6.684
6.673
11
0,2%
2.400
6.705
6.697
0,1%
2.500
6.721
6.714
0,1%
62
Para vazes acima de 1.800 std Mm/d no haveria grande diferena entre os
dois modelos comparados, pois com maior disponibilidade de GL inicia-se uma fase
mais suave da curva, prxima ao mximo de produo. Assim, a otimizao dos poos
em conjunto vai perdendo o sentido, pois vai existir uma quantidade suficiente de GL
permitindo ajustar a vazo desse gs prxima ao timo em cada poo. O problema passa
a se caracterizar, cada vez mais, por uma otimizao independente dos poos, quanto
maior for a vazo disponvel de GL.
A aplicao do modelo de Alarcn et al. (2002) possibilitaria um ganho prximo
a 63 std m/d (392 bpd), um aumento percentual na faixa de 1,0%, para a atual taxa de
injeo de GN no campo em anlise, o que corresponderia a um faturamento adicional
de US$ 31,7 mil por dia.
4.6.1
Grfico auxiliar
A curva na Figura 4.5 foi elaborada a partir dos dados obtidos na Tabela 4.5, e
representa a superposio da produo otimizada de leo dos 10 poos do campo em
estudo para diferentes taxas de injeo de GL.
6800
6600
6400
6200
Curva de A larcn
6000
Dados do teste de
produo
5800
5600
5400
0
500
1000
1500
2000
2500
3000
63
Esta curva foi elaborada a partir dos dados do teste de produo que foram
correlacionados pelo modelo de Alarcn et al. (2002), apresentando um grau de
qualidade (r) muito satisfatrio, 0,999997 (muito prximo a 1). uma ferramenta
interessante que permite estimar rapidamente qual seria a perda na produo da unidade
caso houvesse alguma limitao de GL. Por exemplo, considerando que houvesse algum
problema em um dos compressores e, por esta razo, fosse reduzida a injeo de GN de
1.600 std Mm/d para 750 std Mm/d, haveria uma perda na produo de 829 std m/d
de leo.
4.7
Atualizao da CPP
4.8
para formar uma nova populao. A nova populao ento utilizada como entrada para
a prxima iterao do algoritmo. A grande questo que este mtodo no considera o
funcionamento da funo objetiva, bastando t-la disponvel para aplicar a evoluo na
populao de dados. Isto pode ser uma vantagem quando se trabalha com funes
extremamente complexas, mas no caso da equao proposta por Alarcn et al. (2002), a
derivada desta equao parece ser melhor forma de se encontrar uma soluo,
apontando o mtodo GRG como mais apropriado para o problema de otimizao do GL.
Tabela 4.6 Comparativo entre os algoritmos GRG e Gentico demonstrando a
produo de leo otimizada
Qo (m/d)
Qgi, Mx
GRG
Gentico
900
5823,8
5808,5
1.600
6427,4
6424,0
2.000
6600,3
6600,1
Iteraes
14
1.600
16
0,858
2.000
13
0,780
20
Tempo obtido ao resolver o problema a partir de um computador equipado com um processador Intel
Core 2 Duo de 1.6 GHz
65
A Tabela 4.7 apresenta o tempo gasto para o GRG chegar ao ponto timo,
mostrando que a escolha por este algoritmo foi bastante apropriada, decorridos menos
de um segundo para os trs casos em que a limitao de GL foi fixada nos valores de
900, 1.600 e 2.000 std Mm/d.
Na condio em que o limite de GL era de 1.600 std Mm/d, o algoritmo gentico
encontrou uma soluo, aps 220,3 segundos, um intervalo de tempo muito maior do
que o tempo requerido pelo GRG. Mesmo assim, a resposta obtida por este ltimo
modelo foi melhor do que a soluo encontrada pelo algoritmo gentico.
66
CONCLUSO
A otimizao de GL uma tcnica necessria e simples de ser realizada em uma
67
para simular a CPP, pois existem outras incertezas inerentes ao processo, como o caso,
da quantidade de gs que est se injetando e a de leo produzido, que carregam certa
impreciso contida nos seus respectivos medidores.
Os resultados da comparao entre o modelo de Alarcn e o modelo do
polinmio de segundo grau foram muito satisfatrios, comprovando a eficcia do
primeiro. Na situao atual em que so utilizados 1.600 std Mm/d de GL, a troca da
equao atual que descreve a CPP para o modelo de Alarcn possibilitou um ganho
adicional simulado de 63 std m/d, (396 bpd), um faturamento prximo US$ 31,7 mil
por dia. Caso a limitao de gs fosse maior, os ganhos percebidos com o modelo
proposto seriam ainda mais significativos. No passado, quando houve limitao de gs
por motivos diversos, muito da perda de leo poderia ter sido evitada se fosse realizado
a otimizao de GL com o modelo de Alarcn.
A tcnica apresentada, alm de apresentar ganhos considerveis, quando
comparada com a CPP descrita atualmente, muito simples de ser implementada,
bastando que seja alterada a equao geral da CPP, com isso, os custos associados para
sua aplicao so desprezveis. Os passos seguintes so exatamente iguais quando se
utiliza a curva de segundo grau, sendo calculada a distribuio de GL no modelo de
otimizao e informando, a seguir, aos tcnicos da plataforma para que ajustem a
quantidade de gs injetado por poo.
Este estudo abordou sucintamente que a CPP no se mantm a mesma durante
toda a vida produtiva de um poo, e sim est em constante modificao por causa das
alteraes ocorridas nas propriedades dos fluidos produzidos do reservatrio. Visto que
quanto mais representativa for a CPP da produo real do poo, melhor ser o resultado
encontrado pelo modelo de otimizao do GL, importante que se realize
frequentemente os testes de produo nos poos para atualizao das CPPs. Como
pesquisa futura seria interessante avaliar qual deve ser a frequncia ideal para realizar os
testes de produo a fim de atualizar as CPP. Se por um lado esses testes melhoram a
otimizao do GL, por outro lado, quando realizados podem ocasionar perdas
associadas ao alinhamento do poo para a planta de teste.
69
70
REFERNCIA BIBLIOGRFICA
AGNCIA NACIONAL DO PETRLEO [ANP]. Dados Estatsticos Mensais:
Reservas Nacionais de Petrleo e Gs Natural. ANP, 2011. Disponvel em:
<www.anp.gov.br>. Acesso em: 08 Mar. 2011.
ALARCN, G., TORRES, C., GMEZ, L., Global optimization of gas allocation to a
group of wells in artificial lift using nonlinear constrained programming. ASME
Journal of Energy Resources Technology, v. 124, pp. 262268, Dec. 2002.
BACOCCOLI, G., A explorao de petrleo no Brasil. In: Carneiro, J., Fronteiras, 1
ed., captulo 1, Rio de Janeiro, Organizao Nacional da Indstria do Petrleo, 2008.
CAMPONOGARA, E., NAKASHIMA, P., Applying dynamic programming to a gaslift optimization problem, 2nd Congresso Brasileiro de Pesquisa e Desenvolvimento
em Petrleo e Gs, Rio de Janeiro, Brasil, 2003.
CONTO, A. M., Alocao de Gs de Injeo em Poos de Petrleo sob Restries de
Pendncias: Linearizao por Partes e Programao Inteira. Tese de M. Sc.
PPGEE/UFSC, Florianpolis, SC, Brasil, 2006.
DVILA, S. G., A indstria petroqumica brasileira, Revista Eletrnica de
Jornalismo
Cientfico,
2002.
Disponvel
em:
<http://www.comciencia.br/reportagens/petroleo/pe
t21.shtml>. Atualizado em 10/12/2002
ENERGY INFORMATION ADMINISTRATION [EIA]. Energy Sources: Petroleum.
Spot Prices: WTI oil, 2010. EIA, 2010. Disponvel em: < http://www.eia.gov/>. Acesso
em: 20 Dez. 2010.
EMPRESA DE PESQUISA ENERGTICA [EPE]. Plano Decenal da Expanso de
Energia 2019: Relatrio Final. Brasil, 2010. Disponvel em: <www.epe.gov.br> Acesso
em: 10 Fev. 2011
71
FANG, W. Y.; LO, K. K., 1996, A generalized well-management scheme for reservoir
simulation. SPE Reservoir Engineering, v. 11, n. 2, p. 116120, May. 1996.
FRITZSCHE, H., Programao No-linear: anlises e mtodos, So Paulo, Editora da
Universidade USP, 1978.
HENKE, G. P, 2002. Elevao e Escoamento de Petrleo: Qualificao em Operao
de
Produo
de
Petrleo.
Maca,
apostila
do
curso
COOPFURNAS.
<http://tecnopeg.blogspot.com/2008/10/apostila-sobre-elevao-e-escoamento-de.html>.
Acesso em: 20 ago. 2010.
KANU, E. P., MACH., J. M., BROWN, K. E., Economic approach to oil production
and gas allocation in continuous gas lift. Journal of Petroleum Technology, pp. 1887
1892, Oct. 1981.
LOPES, D., BORGES, J. P., CAPUCCI, E. C., Derivada Econmica e Critrio de
Abandono para poo com Gs lift Contnuo. VIII Encontro Tcnico de Gs Lift.
Macei, 2006.
MAYHILL, T. D., Simplified method for gas-lift well problem identification and
diagnosis. In: Proc. SPE Annual Fall Meeting. Houston, Texas: [s.n.]. Paper SPE
5151, 1974.
MINERALS PROCESSING RESEARCH INSTITUTE [MPRI]. Multi Variable
Optimization Procedures: Generalized Reduced Gradient Method, 2010. Disponvel
em: <http://www.mpri.lsu.edu>. Acesso em: 15 Nov. 2010.
NAKASHIMA, P. H. R., Otimizao de Processos de Produo de Petrleo via injeo
contnua. Tese de D. Sc. PPGEE/UFSC, Florianpolis, SC, Brasil, 2004.
NASCIMENTO, J. M. A., Simulador Computacional para Poos de Petrleo com
Mtodo de Elevao Artificial por Bombeio Mecnico. Tese de M. Sc. PPGEEC/UFRN,
72
2010a.
Disponvel
em:
<http://www2.petrobras.com.br/ri/port/DestaquesOperacionais/ExploracaoProducao/Ma
nualProcedimentos_MetodologiaEstimativa.asp>. Acesso em: 25 jul. 2010.
PETROBRAS. Destaques Operacionais: Explorao e Produo. Custo de Extrao,
2010b. Disponvel em: <http://www2.petrobras.com.br/ri/port/DestaquesOperacionais/
ExploracaoProducao/CustosExtracao.asp>. Acesso em: 20 Dez. 2010.
RAO, S. S., Engineering Optimization: Theory and Practice. 3 ed. New Jersey, John
Wiley & Sons, 2009.
REDDEN, J. D.; SHERMAN, T. A. G.; BLANN, J. R., Optimizing gas-lift systems.
In: Proc. of the 49th Annual Fall Meeting of the Society of Petroleum Engineers of
AIME. Houston, Texas: [s.n.]. Paper SPE 5150, 1974.
SHERALI, H., On mixed-integer zero-one representations for separable lowersemicontinuous piecewise-linear functions, Operations Research Letters, v. 28, p.
155160, 2001.
SMITH, C. L., Pike, R. W., Murrill P. W., Formulation and Optimization of
Mathematical Models, International Textbook Co., Scranton, Pa, 1970.
73
<
http://www.decom.ufop.br/prof/marcone/Disciplinas/MetodosNumericoseEstatisticos/Q
uadradosMinimos.pdf >. Acesso em: 02 nov. 2010
THOMAS, J. E., TRIGGIA, A. A., CORREIA, C. A., et al., Fundamentos de
Engenharia de Petrleo. Rio de Janeiro, Intercincia, 2001.
WOLFE, P., Methods of Nonlinear Programming. In: Recent Advances in
Mathematical Programming, Ed. R. L. Graves and P. Wolfe, McGraw - Hill Book
Company, New York, 1963.
WONNACOTT, R. J., e WONNACOTT, T.H., Introductory Statistics. 3 ed. New York,
John Wiley & Sons, 1977.
74
=
= 0,000028
q gi P C Ext (80 9,40)
Como pode ser verificada, a derivada econmica apresenta um valor muito
prximo a zero devido ao alto valor atual do preo do barril petrleo. Portanto, a
diferena entre a derivada econmica e a derivada zero (mxima produo) esto
bastante prximas, mostrando que a alternativa entre otimizar o GL pela derivada
76
econmica ou pela derivada zero ter um efeito pequeno nos resultados apresentados no
programa de otimizao.
ANEXO
III
OTIMIZAO
RESOLUO
ATRAVS
DE
DO
UM
PROBLEMA
GRADIENTE
DE
REDUZIDO
GENERALIZADO.
Minimizar: y = 2 x1 4 x 2 + x12 + x 22 + 5
Sujeita a: f1 = x1 + 2 x 2 2
f 2 = x1 + x 2 4
Primeiro passo: Adio das variveis de folga para acomodar o problema no formato
y
x
y
GR = 3
y
x1
x 4
f 1
Y x1
x 2 f 2
x1
f 1
x 2
f 2
x 2
f1
x
3
f 2
x3
f `1
x 4
f 2
x 4
y
= 4 + 2 x 2
x 2
f 1
=2
x 2
f1
=1
x3
y
=0
x3
y
=0
x 4
f 1
=0
x 4
77
f 2
=1
x1
f 2
=1
x 2
f1
=0
x3
f1
=1
x 4
0
1 2 1 0
G R = [(2 + 2 x1 ) ; (4 + 2 x 2 )]
0
1 1 0 1
T
Onde:
1
b
1 2
=
1 1
1 3 2 3
=
1 3 1 3
1 0
Bnb =
0 1
0
1 3 2 3 1 0 2 3
G R = [(2) (4)]
=
0
1 3 1 3 0 1 8 3
T
Terceiro passo: Calcular o vetor de busca em funo de alfa particular para xnb
x 4 = 4 + 8 3 1
x1 = 1 3( x3 2 x 4 ) + 2
78
dy
= (68 9) + 2(296 81 ) = 0 1 = 153 148
d
Quinto passo: Clculo de X1
recalculando um novo vetor de busca a partir dos valores das variveis encontrados na
primeira iterao.
Recalculando um novo GR.
0
G R = [[ 2 + 2(1.608)]
0
1 2 1 0 0.973
[ 4 + 2(1.149)]]
=
1 1 0 1 0.243
x 4 = 1.243 0.243
x1 = 1.608 + 0,486
x 2 = 1.149 0.243
79
Inserindo as equaes acima na funo objetiva, determina-se um novo valor para alfa.
y = 2(1.61 + 0.468 ) 4(1.149 0.243 ) + (1.61 + 0.486 ) 2 + (1.149 0.243 ) 2 + 5
A localizao de um novo mnimo atravs da derivada dy/d permite encontrar o 2.
2 = 1.705
Com o novo GR e o comprimento do passo 2, encontra-se o ponto X2
X2 = (0.781; 1.563; -0.348; 1.657).
Nesse caso, a primeira restrio violada (x3 = -0.348). Essa restrio ativada, para se
tornar uma igualdade, e o valor de 2 reduzido para ter essa varivel x3 igual a zero, ou
seja:
x3 = 1.311 + 0.973 2 = 0 2 = 1.347
Recalculando os valores para as outras variveis, a soluo do conjunto X2 respeitando
os limites do problema :
X2 = (0.955, 1.476, 0, 0.157).
Stimo Passo: O procedimento retorna novamente ao passo 2 para recalcular: o GRG, o
80