Vinicius de França Machado
Título
Inteligência Computacional na Estimativa da Permeabilidade de Reservatórios de Petróleo a partir de Perfis de Ressonância Magnética Nuclear
Resumo
Na engenharia de reservatórios de petróleo a caracterização petrofísica determina propriedades físicas e químicas do sistema rocha-fluido utilizadas para se inferir a capacidade de produção das jazidas. A permeabilidade absoluta das rochas mede sua capacidade de se deixar atravessar por um fluido. Entre as diversas formas de se estimá- la há as que utilizam os perfis de Ressonância Magnética Nuclear (RMN). Suas soluções não são dadas pela aplicação direta da Lei de Darcy, mas por equações empíricas que relacionam a permeabilidade aos parâmetros obtidos pelo perfil. O estudo desenvolve um algoritmo de Redes Neurais Artificiais (RNA) para modelagem de permeabilidade por perfis RMN. São selecionados três reservatórios cujos dados de perfil e laboratório são reunidos para treinamento e teste das redes. Os resultados de permeabilidade modelados apresentam muito boa aderência aos reais, com desempenho superior aos modelos clássicos de Kenyon and Timur-Coates. O sucesso no uso de RNA é função da forte não linearidade do problema proposto, da exploração mais eficiente das informações presentes na assinatura do perfil de RMN e do o melhor tratamento dado aos ruídos provenientes da ferramenta e do ambiente de perfilagem.
Abstract
In the petroleum reservoir engineering, the petrophysical characterization determines rock and fluids’ physical and chemical properties to be used in the flow capacity assessment of oil fields. The rock absolute permeability (K) defines the ability of a rock to transmit fluids. Among the different ways to estimate the permeability some use the Nuclear Magnetic Resonance (NMR) logs. Their solutions are not given by direct application of Darcy's Law, but by empirical equations that correlate the permeability to parameters retrieved from the log. The study develops an Artificial Neural Networks (ANN) algorithm for permeability modeling using NMR logs. Three reservoirs were selected, its logs and laboratory were gathered for the network training and testing. The modeled permeability data presented very good adherence to real one, with superior results when compared to the Kenyon and Timur-Coates classical equations. Successful application of NMR has to do with the strong nonlinearity of the proposed study, to the more efficient exploration of the NMR log data and to the better treatment given to the noise coming from the tool and the logging environment.
