⚡ electrical engineering

An injection/production-efficiency based surrogate optimization algorithm for optimal well controls in waterflooding reservoirs

Este artigo propõe um novo algoritmo de otimização substituta baseado em linhas de fluxo que integra métricas de eficiência de injeção/produção com estratégias de amostragem avançadas para otimizar de forma eficiente e confiável os controles de poços em reservatórios de injeção de água heterogêneos, melhorando significamente a recuperação de óleo e os benefícios econômicos ao mesmo tempo em que supera as limitações dos métodos tradicionais de linha de fluxo e de substitutos puros.

Autores originais: Lixia Zhang, Yong Li, Dandan Hu, Yang Yu, Chenchao Liu

Publicado 2026-08-19

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Lixia Zhang, Yong Li, Dandan Hu, Yang Yu, Chenchao Liu

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Profundamente abaixo da superfície da Terra, vastas redes de rochas porosas retêm o petróleo e o gás do mundo. Para extrair essa energia, engenheiros frequentemente injetam água nesses reservatórios para empurrar o petróleo em direção aos poços de produção, um processo conhecido como injeção de água (waterflooding). No entanto, a rocha subterrânea raramente é uniforme; ela contém canais ocultos de alta permeabilidade e barreiras que fazem com que a água injetada corra rapidamente por alguns caminhos, enquanto contorna o petróleo preso em outros. Esse fluxo desigual leva a uma realidade frustrante: a água rompe para os poços de produção rápido demais, inundando o sistema e deixando um petróleo valioso para trás. Por décadas, o desafio tem sido encontrar o equilíbrio perfeito entre as taxas de injeção e produção para varrer o reservatório de forma eficiente sem desperdiçar tempo ou dinheiro com tentativa e erro.

Uma equipe de pesquisadores do Instituto de Pesquisa de Exploração e Desenvolvimento de Petróleo da CNPC desenvolveu um novo método para resolver esse problema, combinando duas abordagens distintas para criar uma maneira mais rápida e confiável de gerenciar esses complexos sistemas subterrâneos. O trabalho deles, publicado recentemente, introduz um algoritmo que atua como um guia inteligente para engenheiros de reservatórios. Em vez de depender apenas de simulações computacionais lentas e pesadas ou de regras práticas simples, este novo sistema utiliza uma técnica chamada simulação de linhas de fluxo (streamline simulation) para entender como a água se move através da rocha e, em seguida, aplica uma estratégia de busca sofisticada para encontrar as melhores configurações possíveis para cada poço. O resultado é um cronograma que aumenta significativamente a recuperação de petróleo, ao mesmo tempo em que reduz drasticamente a quantidade de água produzida, oferecendo um caminho mais claro para maximizar o valor de um reservatório.

O cerne deste novo método reside em como ele mede o sucesso de cada poço de injeção e produção. Os pesquisadores definiram um conceito que chamam de "eficiência de injeção e produção". Imagine observar um par específico de poços — um bombeando água para dentro e outro puxando petróleo para fora. A equipe calculou quanto dinheiro o petróleo produzido por esse par vale em comparação ao custo da água injetada e do líquido produzido. Se um par de poços está gerando mais valor do que a média, o sistema sabe que deve aumentar sua atividade. Se estiver com desempenho inferior, o sistema reduz sua taxa. Esse cálculo acontece ao nível de pares individuais de poços e também para poços únicos, criando um mapa detalhado de quais partes do reservatório estão funcionando bem e quais estão com dificuldades.

Tradicionalmente, otimizar essas taxas era um processo lento e difícil. Os engenheiros muitas vezes tinham que executar simulações numéricas complexas, que são como modelos 3D detalhados da rocha subterrânea, para testar diferentes cenários. Como esses modelos são computacionalmente muito caros, executá-los centenas de vezes para encontrar a melhor solução é frequentemente impossível dentro de um prazo razoável. Alternativamente, existem métodos mais simples que são rápidos, mas carecem da precisão para lidar com as condições complexas e variáveis de um reservatório real ao longo de muitos anos. Os pesquisadores buscaram um meio-termo que pudesse oferecer a velocidade dos métodos simples com a precisidade das simulações complexas.

Para alcançar isso, eles construíram um algoritmo de "otimização por substituto" (surrogate optimization). Neste contexto, um substituto é um modelo simplificado e de execução rápida que atua em nome da simulação pesada e lenta. O algoritmo começa testando algumas configurações de taxa diferentes e usa os resultados para construir este modelo simplificado. Ele então utiliza uma estratégia de amostragem inteligente para adivinhar onde a melhor solução pode estar escondida. O algoritmo procura pontos que ou têm probabilidade de dar um bom resultado com base no modelo atual, ou que estão longe do que já foi testado, garantindo que explore novas possibilidades. Ao atualizar constantemente seu modelo simplificado com novos dados da simulação real e pesada apenas quando absolutamente necessário, o algoritmo encontra a solução ideal com muito menos cálculos caros do que os métodos tradicionais.

Os pesquisadores testaram essa nova abordagem em dois cenários diferentes: um modelo sintético projetado para imitar um reservatório com características geológicas específicas, e um reservatório real no Oriente Médio. No modelo sintético, o reservatório continha faixas de alta permeabilidade que causavam o canalamento da água por caminhos específicos, deixando o petróleo para trás. O cronograma base, que representava a forma padrão de gerenciar os poços, resultou em um valor presente líquido de aproximadamente 43,67 milhões de dólares americanos. Quando o novo algoritmo assumiu o controle, ele ajustou as taxas de injeção, aumentando notavelmente a injeção de água em um injetor específico que estava cercado por petróleo não explorado. Essa mudança permitiu que a água empurrasse o petróleo restante de forma mais eficaz. O cronograma otimizado aumentou o valor presente líquido para cerca de 44,10 milhões de dólares, uma melhoria significativa. Mais importante ainda, aumentou a produção total de petróleo em mais de 27.000 metros cúbicos, reduzindo a produção total de água em quase 48.000 metros cúbicos.

O teste no reservatório real do Oriente Médio rendeu resultados ainda mais dramáticos. Este reservatório estava em produção há mais de doze anos, com cinco injetores e nove produtores. A abordagem de gestão padrão, que dependia de limites de capacidade fixos, resultou em um valor presente líquido de aproximadamente 11,08 milhões de dólares americanos para o período de otimização. O novo algoritmo, no entanto, identificou que as taxas de injeção e produção precisavam ser deslocadas dos poços dominantes para outros que estavam subutilizados. Ao aumentar gradualmente a taxa de injeção em um injetor específico e ajustar as taxas de produção de vários poços, o sistema melhorou a varredura do reservatório. O cronograma otimizado elevou o valor presente líquido para aproximadamente 13,33 milhões de dólares, um aumento de mais de 2,2 milhões de dólares. Talvez o mais impressionante tenha sido a redução na produção de água, que caiu mais de 68.000 metros cúbicos, e uma diminuição massiva no corte de água (water cut), a porcentagem de água no fluido total produzido, que caiu mais de 26 pontos percentuais.

O sucesso deste método advém de sua capacidade de integrar a compreensão física de como a água se move através da rocha com o poder matemático da otimização. A simulação de linhas de fluxo fornece uma imagem clara dos caminhos de fluxo, permitindo que o algoritmo tome decisões baseadas na física real do reservatório, em vez de apenas palpites estatísticos. Ao utilizar a estrutura de otimização por substituto, os pesquisadores evitaram o gargalo computacional que normalmente impede que uma otimização tão detalhada seja feita em tempo hábil. O algoritmo provou que é possível encontrar um cronograma que seja tanto economicamente superior quanto fisicamente eficiente, extraindo mais petróleo enquanto produz menos água.

Os pesquisadores enfatizam que esta abordagem é particularmente valiosa para as fases média e tardia do desenvolvimento de reservatórios, onde o petróleo restante está frequentemente disperso e é difícil de alcançar. O método não se limita apenas ao ajuste de taxas; a estrutura é flexível o suficiente para ser estendida no futuro para otimizar a localização de novos poços ou o arranjo de todo o padrão de poços. Por ora, o trabalho demonstra que, ao combinar uma compreensão profunda do fluxo de fluidos com algoritmos de busca modernos, os engenheiros podem tomar decisões melhores que estendam a vida útil dos reservatórios e melhorem a eficiência da produção global de energia. As descobertas sugerem que, com as ferramentas certas, o complexo desafio de gerenciar a injeção de água pode ser transformado em uma ciência de precisão, gerando melhores resultados com menos desperdício.

Resumo Técnico: Um Algoritmo de Otimização por Substituição Baseado em Eficiência de Injeção/Produção para Controles Ótimos de Poços em Reservatórios de Inundação por Água

Problema

A inundação por água é um método primário de suplemento de energia para reservatórios de arenito e carbonato, porém a heterogeneidade do reservatório (ex.: zonas de alta permeabilidade, falhas) frequentemente leva à baixa eficiência de varredura, irrupção prematura de água e recuperação limitada nos estágios intermediários ou finais de desenvolvimento. Os métodos tradicionais de otimização da produção enfrentam uma troca entre velocidade computacional e confiabilidade dos resultados:

Métodos de Engenharia de Reservatórios: Rápidos e práticos, mas dependem fortemente de conhecimento empírico, oferecendo baixa precisão e resultados subjetivos.
Métodos de Simulação Numérica: Alta confiabilidade, mas computacionalmente caros, tornando proibitiva a otimização automática via simulação iterativa para problemas de grande escala.
Métodos de Otimização por Substituição (Surrogate): Visam reduzir os custos computacionais usando modelos aproximados, mas frequentemente lutam com espaços de decisão de alta dimensionalidade, sensibilidade às amostras iniciais e o caráter demorado de construir substitutos iniciais para problemas complexos e restritos. Especificamente, a otimização puramente por substituição é sensível à dimensionalidade das variáveis de decisão e não é recomendada para problemas de otimização de produção de reservatórios de larga escala onde o número de parâmetros de controle é elevado.
Métodos de Simulação de Linha de Fluxo (Streamline): Oferecem diagnóstico rápido do campo de fluxo e significado físico claro para alocação de taxas, mas são muitas vezes limitados à otimização de controle de poço e podem carecer da robustez de algoritmos de otimização global ao lidar com ajustes complexos de parâmetros.

O desafio central é desenvolver um método que equilibre eficiência computacional, precisão de otimização e confiabilidade para problemas de otimização de produção de reservatórios restritos e demorados.

Metodologia

Os autores propõem um algoritmo de otimização por substituição baseado em linha de fluxo que integra os insights físicos da simulação de linha de fluxo com as capacidades de busca global da otimização por substituição. A metodologia consiste em três componentes principais:

1. Estratégia de Otimização de Taxa e Eficiência de Injeção/Produção Derivada de Linha de Fluxo

Definições de Eficiência: Com base na simulação de linha de fluxo, os autores definem a Eficiência de Injeção (IE - Injection Efficiency) e a Eficiência de Produção (PE - Production Efficiency) tanto em nível de par de poços quanto de poço único. Essas métricas quantificam o valor econômico da água injetada e do líquido produzido em relação aos custos e preços do petróleo.
- IE/PE de par de poços: Reflete a eficácia de pares específicos de injetor-produtor.
- IE/PE de poço único: Agrega contribuições de todos os pares conectados para avaliar o desempenho individual do poço.
Estratégia de Atualização de Taxas: É introduzido um critério de peso limitado para ajustar as taxas de injeção e produção. O peso de atualização ( $W$ $W$ ) é determinado pela eficiência normalizada ( $\beta$ $β$ ) relativa à eficiência média ( $\beta_{ave}$ $β_{a v e}$ ).
- Se um poço/par é mais eficiente que a média, sua taxa é aumentada (até um limite).
- Se menos eficiente, sua taxa é reduzida (potencialmente a zero).
- A estratégia inclui parâmetros para o expoente de peso ( $\alpha$ ), intervalo de cálculo ( $R$ ) e coeficientes de escala linear ( $W_{lim,min}$ , $W_{lim,max}$ ) para controlar a intensidade dos ajustes.
Fluxo de Trabalho: Esta otimização de linha de fluxo requer apenas uma simulação direta (incluindo todos os passos de tempo) para gerar um cronograma completo. Crucialmente, o próprio método de otimização de linha de fluxo é insensível ao número de poços de injeção e produção, tornando-o eficiente para alocação de taxas em larga escala.

2. Estrutura de Otimização por Substituição (Surrogate)
Para otimizar os parâmetros do critério de atualização de taxa por linha de fluxo (que de outra forma seriam ajustados manualmente), os autores inserem o método de linha de fluxo dentro de uma estrutura de otimização por substituição.

Variáveis de Decisão: Os parâmetros do critério de peso limitado ( $\alpha, R, W_{lim,min}, W_{lim,max}$ ) servem como as variáveis de decisão. Ao otimizar esses poucos parâmetros em vez das taxas individuais dos poços, o método reduz significativamente a dimensionalidade do problema.
Modelo de Substituição: Uma Interpolação de Modelo de Função de Base Radial (RBF-IM) é utilizada devido ao seu baixo custo computacional e capacidade de garantir valores exatos nos pontos de amostragem conhecidos.
Estratégias de Amostragem: Três estratégias são empregadas para selecionar potenciais pontos candidatos para a próxima simulação:
1. Resposta Mínima do Substituto (RS_Min): Foca na explotação local (minimizando o objetivo do substituto).
2. Capacidade Máxima de Busca (SA_Max): Foca na exploração global (selecionando pontos mais distantes das amostras existentes).
3. Valor Integrado Máximo (IV_Max): Equilibra explotação e exploração combinando a resposta normalizada do substituto e métricas de distância.
Tratamento de Restrições: As restrições são gerenciadas via funções de penalidade ou triagem de pontos viáveis gerados por amostragem aleatória ou algoritmos de otimização.

3. Algoritmo Integrado
O algoritmo proposto executa o procedimento de otimização de linha de fluxo dentro do ciclo de otimização por substituição. O algoritmo de substituição atualiza iterativamente os parâmetros do critério de atualização de taxa de linha de fluxo para maximizar o Valor Presente Líquido (VPN/NPV). Essa abordagem reduz a dimensionalidade do problema (otimizando alguns parâmetros de critério em vez de milhares de taxas de poços diretamente) e minimiza o número de simulações numéricas caras necessárias. Embora a otimização pura por substituição seja sensível à dimensionalidade das variáveis de decisão e não recomendada para problemas de larga escala onde as variáveis de decisão são numerosas, esta abordagem híbrida mitiga esse problema ao limitar as variáveis de decisão aos parâmetros do critério de linha de fluxo.

Principais Contribuições

Algoritmo Inovador: O desenvolvimento de um algoritmo de otimização por substituição baseado em linha de fluxo que acopla diagnósticos de campo de fluxo com otimização por substituição. Esta abordagem híbrida aproveita a velocidade da simulação de linha de fluxo e a capacidade de busca global dos métodos de substituição.
Métricas de Eficiência: A definição formal das eficiências de injeção/produção em níveis de par de poços e poço único, fornecendo uma base fisicamente fundamentada para a alocação de taxas.
Critério de Peso Limitado: Um mecanismo flexível de atualização de taxa que permite ajustes controlados de taxa baseados em diagnósticos de eficiência, evitando mudanças extremas ou instáveis.
Redução de Dimensionalidade: Ao tratar os parâmetros de otimização de linha de fluxo como variáveis de decisão, em vez de taxas individuais de poços, o método reduz a dimensionalidade do problema, evitando assim a "maldição da dimensionalidade" que tipicamente limita a otimização pura por substituição em reservatórios de larga escala onde as variáveis de decisão são numerosas.

Resultados

O algoritmo foi validado utilizando dois modelos numéricos: um modelo sintético de 5 injetores/4 produtores e um reservatório de carbonato de baixa permeabilidade real (Reservatório A) com 5 injetores e 9 produtores.

Resultados do Modelo Sintético:

Comparado a um cronograma base (taxas históricas) e uma otimização de linha de fluxo padrão (Opt_IE), o método proposto Opt_IE_Sur alcançou o maior Valor Presente Líquido (NPV).
Melhorias: A produção acumulada de óleo aumentou em 26,06%, a produção acumulada de água diminuiu em 9,24% e o corte de água final foi reduzido em 2,75 pontos percentuais.
O cronograma otimizado visou efetivamente o óleo remanescente ao redor do Injetor INJ3 através do aumento de sua taxa de injeção e redução da produção do Produtor PRO4, demonstrando a habilidade do algoritmo de se adaptar à heterogeneidade.

Resultados do Reservatório Real (Reservatório A):

O cronograma Opt_IE_Sur superou significativamente tanto o cronograma base quanto a otimização de linha de fluxo padrão.
Melhorias: A produção acumulada de óleo aumentou em 22,12%, enquanto a produção acumulada de água diminuiu substancialmente em 80,52%. O corte de água final caiu 26,23 pontos percentuais.
O NPV aumentou em 22,55% comparado ao cronograma base.
A análise do campo de fluxo mostrou que o cronograma otimizado alterou com sucesso o padrão de varredura de inundação, deslocando o foco do sobre-desempenho do AI3 para áreas sub-varridas próximas ao AI1 e AI4, melhorando assim a eficiência de drenagem.

Significado e Alegações

O artigo afirma que o algoritmo de otimização por substituição baseado em linha de fluxo proposto aborda com sucesso as limitações dos métodos existentes:

Velocidade vs. Precisão: Supera a natureza demorada da otimização pura por substituição (que exige muitas simulações para problemas de alta dimensão) e a baixa precisão dos métodos puros de linha de fluxo (que dependem de configurações fixas de parâmetros).
Aplicabilidade: O método é adequado para problemas de otimização restritos, de larga escala e demorados. O componente subjacente de otimização de linha de fluxo é insensível ao número de poços, enquanto o componente de substituição gerencia efetivamente a dimensionalidade reduzida dos parâmetros do critério, tornando a abordagem geral escalável.
Sinergia: Ao integrar a simulação de linha de fluxo na estrutura de substituição, o método mantém a interpretabilidade física dos diagnósticos de campo de fluxo, beneficiando-se simultaneamente da robustez da otimização global.
Potencial Futuro: Os autores afirmam que este framework possui forte escalabilidade e pode ser estendido para a otimização conjunta de padrões de poços, localizações de poços e parâmetros de controle de poço em trabalhos futuros.

O estudo conclui que esta abordagem integrada fornece uma ferramenta confiável, rápida e precisa para otimizar operações de inundação por água, oferecendo benefícios econômicos significativos e melhores fatores de recuperação em reservatórios heterogêneos.