masterThesis
Método cooperativo assistido do enxame de partículas aplicado à otimização do controle das vazões dos poços em reservatórios de petróleo
Autor
SILVA, Hygor Vinicius Costa
Institución
Resumen
SILVA, Silvana Maria Bastos Afonso da, também é conhecido(a) em citações bibliográficas por: AFONSO, Silvana Maria Bastos O processo de gerenciamento da produção de reservatórios de petróleo é um problema matemático complexo, que envolve, não raro, a resolução através de métodos de otimização com um conjunto elevado de variáveis de projeto, além do uso de simuladores custosos computacionalmente. Neste ambiente, surgem diversas ferramentas capazes de solucionar os problemas de controle das vazões nos poços, levando em conta o aumento do retorno econômico, apresentado aqui em função do valor presente líquido (VPL). As tradicionais técnicas de otimização matemática que envolvem o uso ou aproximação das derivadas são eficientes em situações de complexidade média, definido um ponto inicial adequado, porém, quando o problema cresce em complexidade e multimodalidade, geralmente, há um perda de desempenho e, não obstante, é necessário uma investigação extensiva do ponto inicial a ser adotado, de forma que a principal vantagem que era o reduzido custo computacional passa a ser prejudicado. Dentre os mecanismos que não utilizam a informação do gradiente, chamados algoritmos de busca estocástica, o método do Enxame de Partículas tem ganho um interesse crescente da comunidade científica, devido a sua simplicidade e velocidade de convergência, entretanto, em problemas mais complexos, especialmente com o aumento da dimensionalidade, seu desempenho é bastante degradado, efeito conhecido como convergência prematura. Nesta dissertação foi estudado o uso de uma nova versão do PSO, denominado de método cooperativo assistido do Enxame de Partículas (CAPSO). O CAPSO corresponde a uma técnica de multienxame que associa duas versões robustas do PSO: a primeira corresponde a uma versão adaptativa, enquanto a segunda é uma versão com mecanismos que aumentam a capacidade de exploração do método. Desta forma, a versão apresentada tem objetivo de superar as limitações apresentadas pelo método tradicional, validando seu uso em problemas analíticos e de controle de vazões de poços em reservatórios de petróleo. Para a aplicação no problema do gerenciamento ótimo dos reservatórios, devido ao elevado custo computacional das simulações envolvidas, foi utilizado o uso de modelos substitutos através das funções de base radial (RBF) gaussianas com fator de espalhamento adaptativo. O uso típico destes modelos envolvem a sua construção prévia, mantendo-se fixa ao longo de toda a otimização, este processo pode levar a um uso excessivo de amostras para construir um metamodelo adequado. Para tentar superar esta problemática, será estudado o uso de um critério de preenchimento através da minimização da função densidade que caracteriza a distribuição espacial das amostras. Os resultados obtidos procuram mostrar que o algoritmo apresentado CAPSO foi satisfatório na solução dos problemas do gerenciamento de vazões em reservatórios de petróleo, atualizando os parâmetros de forma adaptativa ao longo da otimização. Além disto, quando associado ao critério de preenchimento do modelo substituto reduziu o custo computacional, mantendo a qualidade das soluções, e em algumas situações melhorando os resultados encontrados em diversas referências. FACEPE The management process of oil production is a complex mathematical problem, which often involves resolution through optimization methods with a high set of design variables, in addition to the use of computationally expensive simulaton codes. In this topic, there are several tools capable of solving the problems of flow control in wells, taking into account the increase of the economic return, presented here as a function of the net present value (NPV). The traditional mathematical optimization techniques that involve the use or approximation of derivatives are efficient in situations of medium complexity, defined an appropriate starting point, however, when the problem grows in complexity and multimodality, there is usually a drecrease in performance and, as a consequence, it is necessary an extensive investigation of the starting point to be adopted, so the main advantage that was the low computational cost is affected. Among the mechanisms that do not use requires gradient information, called stochastic search algorithms, the Particle Swarm method has gained an increasing interest in the scientific community, due to its simplicity and speed of convergence, however, in more complex problems, especially with the dimension increase, its performance is rather degraded, an effect known as premature convergence. In this dissertation will be studied the use of a new version of the PSO, called Cooperative Assisted Particle Swarm Optimization (CAPSO). The CAPSO corresponds to a technique of multi-swarms that associates two robust versions of the PSO: the first one corresponds to an adaptive version, while the second one is a version with mechanisms that increase the exploration capacity of the method. In this way, the presented version has the objective of overcoming the limitations presented by the traditional method. For validation were used analytical problems and control of well flows in oil reservoirs. For the applications in optimum reservoir management problem, due to the high computational cost of this type of simulations involved, the use of surrogate models through Gaussian radial basis functions (RBF) with adaptive spread factor was performed. The typical use of these models involves their previous construction, if kept fixed throughout the optimization, this process can lead to an excessive use of samples to build a suitable metamodel. In order to overcome this problem, the use of a infill criteria will be studied by minimizing the density function that characterizes the spatial distribution of the samples. The results obtained show that the algorithm presented CAPSO found satisfactory solutions to the waterflooding problems, updating the parameters adaptively throughout the optimization. In addition, when associated with infill criteria in surrogate models, it reduced the computational cost, maintaining the quality of the solutions, and in some situations improving the results found in several references.