Optimization and control of reservoir models using system identification and machine learning tools

• Ano de defesa: 2019
• Autor(a) principal: Miyatake, Luis Kin
• Orientador(a): Bhaya, Amit
• Banca de defesa: Aguirre, Luis Antonio, Costa, Ramon Romankevicius, Emerick, Alexandre Anozé
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal do Rio de Janeiro
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica
• Departamento: Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
• País: Brasil
• Palavras-chave em Português: System Identification; Optimization; Machine Learning
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: http://hdl.handle.net/11422/14026

Este trabalho desenvolve uma metodologia, usando conceitos de identificação de sistemas dinâmicos, para criar modelos substitutos (conhecidos como proxy) de reservatórios de óleo e gás considerando-se variáveis controladas, tais como vazões de líquido e injetadas. Os principais objetivos são previsão e otimização da produção. Os métodos clássicos de ajuste de histórico consideram o ajuste de parâmetros de um modelo de simulação de fluxo em meios porosos. Em contraste, essa dissertação propõe avaliar o uso de modelos do tipo proxy, com dois enfoques diferentes: o primeiro é baseado puramente em entrada e saída, ao passo que o segundo leva em conta o espaço de estados de uma simulação numérica, ambos usando dados provenientes da simulação numérica de um modelo de reservatórios. Seguindo o princípio da parcimônia, representações mais simples, tais como ARX e ARMAX, são avaliadas inicialmente para os modelos entrada-saída. Para modelos baseados em estados, realiza-se redução de dimensionalidade, através do método conhecido como POD (proper orthogonal decomposition). As matrizes de um modelo proxy linear são identificadas nos estados de dimensão reduzida, o que nos permite formular um problema de otimização, cuja função objetivo é maximizar uma função econômica VPL (valor presente líquido), como uma sequência de problemas do tipo programação linear, dentro de um arcabouço de um método de otimização baseado em região de confiança. Algumas contribuições, mostradas ao longo dessa dissertação, incluem um método expedito para avaliação de incertezas, análise da adaptação dos coeficientes do filtro RLS (mínimos quadrados recursivos) em termos físicos para o problema, bem como insights sobre seleção de modelos e incorporação de conhecimento a priori.