Em termos de VME, os melhores resultados obtidos são as mesmas estratégias identificadas nas análises 1 e 2, respectivamente. No entanto, a Tabela 6-15 mostra que com os novos critérios houve um aumento considerável do número de simulações em comparação ao desempenho verificado na Tabela 6-4. Nessas duas últimas análises, o critério C3 das RMP é mais restrito do que nas análises iniciais, e não existe restrição por parte do C2 e C3 do campo. Portanto, o acréscimo de simulações é devido exclusivamente à eliminação das restrições
geradas pelos critérios C2 e C3 do campo. Contudo, verificamos que o número de simulações ainda é razoável tendo em vista o número de variáveis e de modelos utilizados.
Nota-se, na Tabela 6-15, que há um número ligeiramente maior de simulações na análise com plataforma P2 (análise 4) do que com a P1 (análise 3). Os momentos em que ocorrem essas variações coincidem com o período em que a plataforma limita a produção de água do campo, no qual o simulador ajusta as vazões dos poços de menor prioridade6, e do poço de balanço, para respeitar as capacidades da plataforma. Os poços restritos operam em vazões mínimas enquanto for viável respeitar todas as condições de contorno. Mas quando não é mais possível, o simulador fecha o poço de menor prioridade/classificação. Neste momento, ocorre um ajuste da produção do poço de balanço/equilíbrio, ocasionando um acréscimo de desempenho equivalente à produção de água do poço que foi fechado. O gráfico de vazão de água na Figura 6-13 mostra duas ocorrências desse comportamento, próximo aos anos 20 e 28, respectivamente. Essa variação de produção tem impacto nos indicadores, resultando um maior potencial das RMP do poço de balanço, o que explica o acréscimo no número de simulações entre as análises 3 e 4.
Quando a capacidade da plataforma restringe a produção, os indicadores utilizados não são capazes de identificar o potencial para válvulas nos poços de menor prioridade, já que produção passa a ser limitada, e as variações do corte de água, por exemplo, se tornam muito lentas. Nos poços em que a produção de água for irregular, seria importante testar a possibilidade de fechar apenas as regiões que produzem mais água antes de restringir a vazão do poço todo.
Tabela 6-15: Número de possibilidades criadas para todos MR em cada tempo da avaliação
Ano
E9-P1 (Análise 3) E9-P2 (Análise 4)
Quantidade de possibilidades Quantidade de simulações Quantidade de possibilidades Quantidade de simulações 8 1 9 1 9 9 3 27 3 27 10 9 81 9 81 11 7 63 8 72 12 6 54 6 54 13 66 594 66 594 14 12 108 12 108 15 8 72 8 72 16 15 135 12 108 17 22 198 28 252 18 25 225 41 369 19 9 81 9 81 20 19 171 19 171 21 10 90 10 90 22 7 63 7 63 23 12 108 12 108 24 30 270 22 198 25 9 81 8 72 26 9 81 9 81 27 12 108 22 198 28 7 63 7 63 29 1 9 1 9 30 7 63 7 63 Total: 306 2754 327 2943
7
Conclusões
Este trabalho apresentou uma metodologia alternativa para projetar o posicionamento e o controle de poços inteligente com um objetivo de longo prazo. O método pode ser aplicado no passo 11 da análise de decisão em 12 passos proposta por Schiozer et al. (2015) e também pode ser executado em cada ciclo do desenvolvimento de campo em malha fechada (CLFD). O estudo considerou um cenário probabilístico, com modelos representativos, mas o método também permite a análise de modelos determinísticos em diferentes estágios do desenvolvimento do campo.
A metodologia proposta divide o período de previsão de produção (longo prazo) em períodos menores, analisa cada período em ordem crescente e atualiza a estratégia referência sempre que uma nova decisão proporcionar um valor monetário esperado (VME) maior. Além disso, usa regras de desempenho para identificar as regiões de monitoramento do poço (RMP) com potencial e criar combinações de fechamento destas RMP, testando somente as possibilidades mais prováveis de cada período e considerando os efeitos dos parâmetros cruzados entre as válvulas e os poços.
O processo de otimização proposto exige um número viável de simulações, possibilitando o uso em reservatórios complexos. A metodologia foi aplicada no modelo UNISIM-I-D, utilizando a estratégia E9 de Schiozer et al. (2015) como referência inicial da primeira análise. A segunda análise reduz a capacidade de produção de água da plataforma para estudar a contribuição de PI nos cenários com restrições de produção.
Na primeira análise, o número de possibilidades cresceu ao longo do tempo até depois da metade da vida de campo, quando começou a diminuir novamente. A instalação de somente uma válvula de controle de fluxo (ICV), no PROD007, produziu os melhores resultados. Com controle proativo, essa ICV fechou no décimo quarto ano de produção e claramente afetou o PROD023. A produção de água diminuiu no PROD007 e aumentou no PROD023A. No entanto, o balanço econômico foi positivo, uma vez que o VME aumentou 1,8 milhões em comparação com a estratégia com poços convencionais (PC). Neste caso, a variação VME com controle reativo é 30% maior do que com o proativo.
Na segunda análise, consideramos restrições de plataforma para estudar a relação dessas variáveis com os parâmetros dos poços inteligentes (PI). Mesmo a estratégia convencional resultou em um VME maior, mas quando os PI foram acrescentados, ambos os
controles (reativo e proativo) proporcionaram resultados superiores. No modelo representativo 1 (MR1), por exemplo, a vida de produção se tornou mais longa para PROD007 e com comportamento muito diferente do que na referência, mostrando uma influência direta da restrição de plataforma e a flexibilidade adicional proporcionada pela ICV. Quando a produção de água atingiu o limite de capacidade, o fechamento da ICV afetou os poços mais próximos e também os poços com altas vazões de água, mesmo que distantes. Isso demonstra a importância do PI e a necessidade de analisar todo o campo no processo de tomada de decisão (não apenas análise local).