Upload
vothuy
View
225
Download
0
Embed Size (px)
Citation preview
Optimización de Estrategias de Desarrollo de CamposPetrolíferos en Reservorios Convencionales
D.Sc. Yván Jesús Túpac Valdivia
Universidad Católica San Pablo (Arequipa, Perú)www.ucsp.edu.pe/~ytupac
03 de Octubre de 2013
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 1/33 TÚPAC, Y. (CS/UCSP)
Antes de comenzarLa vista del golfo de México que les comenté...
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 2/33 TÚPAC, Y. (CS/UCSP)
Contenido
1 Desarrollo de Campos PetrolíferosOptimización de PozosRequerimientos en la Optimización de Pozos
2 Computacion EvolutivaDefinicionNeodarwinismoCiclo básico de un EA
3 Optimización del Desarrollo de Campos de PetróleoOptimización de PozosModelo EvolutivoExperimentos de aplicaciónIntegración
4 Bibliografía
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 3/33 TÚPAC, Y. (CS/UCSP)
Desarrollo de Campos Petrolíferos
Desarrollo de Campos Petrolíferos
Entendido como el conjunto de acciones necesarias para colocar undeterminado campo en producción, entre ellas tenemos:
Programa de perforacionesEl sistema de inyección (agua, gas, etc.)PlataformasPosicionamiento de pozosTipos de pozos (verticales, horizontales, multilaterales).Schedule de operación de pozos
Este desarrollo debe promover: costo optimizado, duración de laproducción sostenida (plateau) y maximizacion de la producción (vistanormalmente en Valor Presente Neto)Caracterizado como un Problema de Optimización Complejo cuyo granpotencial de inversión en Ingeniería de Petróleo es aún la optimización depozos [Al-Qahtani et al., 2009].
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 4/33 TÚPAC, Y. (CS/UCSP)
Desarrollo de Campos Petrolíferos Optimización de Pozos
Desarrollo de Campos PetrolíferosOptimización de Pozos
Que consiste, para un campo con modelo geológico conocido o estimado,en optimizar:
La cantidad, posicionamiento, trayectoria y tipo de los pozos deproducción e inyecciónLa plataforma y condiciones de operaciónEl cronograma de operación de pozos
Reservorio Petrolıfero Optimizacion de Pozos
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 5/33 TÚPAC, Y. (CS/UCSP)
Desarrollo de Campos Petrolíferos Optimización de Pozos
Desarrollo de Campos PetrolíferosOptimización de Pozos
Que consiste, para un campo con modelo geológico conocido o estimado,en optimizar:
La cantidad, posicionamiento, trayectoria y tipo de los pozos deproducción e inyecciónLa plataforma y condiciones de operaciónEl cronograma de operación de pozos
Reservorio Petrolıfero Optimizacion de Pozos
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 5/33 TÚPAC, Y. (CS/UCSP)
Desarrollo de Campos Petrolíferos Requerimientos en la Optimización de Pozos
Desarrollo de Campos PetrolíferosOptimización de Pozos – requerimientos
Para realizar un desarrollo optimizado de campos se requiren trataralgunas áreas como:
1 Ingeniería Económica: para la evaluación y cuantificación de losriesgos financieros inherentes a los proyectos de producción
Se debe comparar diferentes opciones de inversión técnica yeconómicamente factiblesSe emplean algunos indicadores económicos conocidos como:i Tasa Interna de retorno - TIR (tiempo de retorno de la inversión)ii Coeficiente de Retorno (razón entre lucro e inversiones)iii Valor Presente Neto - VPN (valor actual del proyecto)
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 6/33 TÚPAC, Y. (CS/UCSP)
Desarrollo de Campos Petrolíferos Requerimientos en la Optimización de Pozos
Desarrollo de Campos PetrolíferosOptimización de Pozos – requerimientos
Para realizar un desarrollo optimizado de campos se requiren trataralgunas áreas como:
1 Simulación del Reservorio: que es el modelado computacional delcomportamiento de los flujos en un sistema de reserva petrolera.
El kernel es el modelo de flujos a través de un medio poroso con baseen las leyes de Darcy y la ecuación de balance de materialesLos modelos más actuales están basados en discretización, donde unreservorio real es convertido en una malla 3D compuesta por unidades“homogéneas”El modelo más empleado es el denominado Black-oilLos principales fabricantes Schlumberger (Eclipse) y CMG (IMEX)
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 7/33 TÚPAC, Y. (CS/UCSP)
Desarrollo de Campos Petrolíferos Requerimientos en la Optimización de Pozos
Desarrollo de Campos PetrolíferosOptimización de Pozos – requerimientos
Para realizar un desarrollo optimizado de campos se requiren trataralgunas áreas como:
1 Una estrategia de Optimizacion: que es el método por el cual sedeba buscar y encontrar las mejores configuraciones de pozos tal quese maximizen los valores puestos como objetivo (usualmente larecuperación de petróleo o el VPN del proyecto, se tienen lassiguientes propuestas
Un primer intento mediante programación entera mixta[Rosenwald et al., 1974]Uso de modelos de optimización basados en gradiente o en modeloUso de modelos de optimización basados en heurísticas (SimulatedAnnealing, Particle Swarm, Algoritmos Evolutivos)[Al-Qahtani et al., 2012, Túpac et al., 2007]
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 8/33 TÚPAC, Y. (CS/UCSP)
Computacion Evolutiva Definicion
Computación EvolutivaAlgoritmos Evolutivos y Computación Evolutiva
Son algoritmos de búsqueda heurística basados en una poblaciones deindividuos que usan mecanismos biológicamente inspirados como:mutación, recombinación, selección natural y sobrevivencia de los másaptos.
VentajasCaracterística black boxCalidad de respuesta consistente para muchos tipos de problema.
La Computación Evolutiva trata del conjunto de técnicas y metodologíasque la componen, todas ellas con inspiración biológica en la evoluciónNeo-Darwiniana.
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 9/33 TÚPAC, Y. (CS/UCSP)
Computacion Evolutiva Neodarwinismo
Computación EvolutivaNeodarwinismo
El pensamiento evolutivo actual se basa en el Neo-Darwinismo.
Paradigma Neodarwiniano:Establece que la historia de la vida puede ser explicada por los siguientesprocesos estadísticos [Hoffman, 1989]:
HerenciaReproducciónMutación y recombinaciónCompetencia ySelección Natural.
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 10/33 TÚPAC, Y. (CS/UCSP)
Computacion Evolutiva Neodarwinismo
Computación EvolutivaNeodarwinismo
El pensamiento evolutivo actual se basa en el Neo-Darwinismo.
Paradigma Neodarwiniano:Establece que la historia de la vida puede ser explicada por los siguientesprocesos estadísticos [Hoffman, 1989]:
HerenciaReproducciónMutación y recombinaciónCompetencia ySelección Natural.
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 10/33 TÚPAC, Y. (CS/UCSP)
Computacion Evolutiva Neodarwinismo
Computación EvolutivaNeodarwinismo
El Neodarwinismo es la combinación de:La Teoría evolutiva original de Charles DarwinEl Seleccionismo de August WeismannLa Genética de Gregor Mendel
C. Darwin
(Teoría Evolutiva)
A. Weismann
(Seleccionismo)
G. Mendel
(Genética)+ +
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 11/33 TÚPAC, Y. (CS/UCSP)
Computacion Evolutiva Ciclo básico de un EA
Computación EvolutivaCiclo básico de un algoritmo evolutivo
Un algoritmo evolutivo cualquiera emplea los siguientes mecanismos:1 Una forma de representar las soluciones x en estructuras g que se
reproducirán conformando una población G0 inicial generadaaleatoriamente.
2 Una función de asignación de aptitud a(•) que depende de losindividuos x y su evaluación f (x).
3 Un mecanismo de selección basado en la aptitud a(•).4 Operaciones que actuen sobre los individuos codificados gi ∈ G para
reproducirlos.
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 12/33 TÚPAC, Y. (CS/UCSP)
Computacion Evolutiva Ciclo básico de un EA
Computación EvolutivaCiclo básico de un algoritmo evolutivo
Estos mecanismos siguen un orden como el de la figura 2:
Población InicialCrear una población
inicial de individuos
aleatorios
EvaluaciónCalcular las funciones
objetivo de los
candidatos
Asignar AptitudA partir de los valores de
de función objetivo de
los candidatos
ReproducciónCrear nuevos individuos
usando mutación y
recombinación
SelecciónEscoger los mejores
individuos para su
reproducción
Figure: Ciclo Básico de un Algoritmo Evolutivo
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 13/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo
Contenido
1 Desarrollo de Campos PetrolíferosOptimización de PozosRequerimientos en la Optimización de Pozos
2 Computacion EvolutivaDefinicionNeodarwinismoCiclo básico de un EA
3 Optimización del Desarrollo de Campos de PetróleoOptimización de PozosModelo EvolutivoExperimentos de aplicaciónIntegración
4 Bibliografía
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 14/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo
Desarrollo de Campos de PetróleoANEPI (Análise Econômica de Projetos de E&P de Petróleo sob Incerteza)
Objetivo:Desarrollo de tecnologías para el Análisis de Alternativas de Desarrollode Campos de Petróleo bajo Incertidumbre Técnica y de Mercado
Optimizacion(Algoritmo Evolutivo)
EvaluacionEconomica Simulacion de
Reservorio Petrolıfero Alternativa de Desarrollo
(VPN) Reservorio
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 15/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo
Desarrollo de Campos de PetróleoANEPI (Análise Econômica de Projetos de E&P de Petróleo sob Incerteza)
Objetivo:Desarrollo de tecnologías para el Análisis de Alternativas de Desarrollode Campos de Petróleo bajo Incertidumbre Técnica y de Mercado
Optimizacion(Algoritmo Evolutivo)
EvaluacionEconomica Simulacion de
Reservorio Petrolıfero Alternativa de Desarrollo
(VPN) Reservorio
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 15/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo
Desarrollo de Campos de PetróleoANEPI (Análise Econômica de Projetos de E&P de Petróleo sob Incerteza)
Este trabajo constó de los siguientes módulos:1 Optimización de pozos [Túpac and Faletti, 2011]2 Análisis de alternativas de desarrollo de Campos Petrolíferos bajo
incertidumbres técnicas y de mercado [Lazo et al., 2007a]3 Cálculo del Valor de Opción considerando incertidumbre técnica y de
Mercado [Lazo et al., 2007b]
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 16/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo Optimización de Pozos
Desarrollo de Campos de PetróleoOptimización de pozos
Encontrar una o más alternativas iniciales de desarrollo óptimas: número,localización, tipo, orden de perforación y dimensión de pozos petroliferos.
Aplicación de Computación Evolutiva [Túpac et al., 2002,Almeida, 2003, Túpac-Valdivia, 2005, Almeida et al., 2007].
NPV = V −D
NPVcompute
Productioncurve
Reservoirsimulator
AlternativeWells
layout
Objective
function
ExpertReservoirmodel
CapEx
OpEx
EvolutionaryModel
knowledge
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 17/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo Modelo Evolutivo
Desarrollo de Campos de PetróleoOptimización de pozos
Modelo evolutivo:1 Representación: uso de un modelo de individuo de tamaño variable,
para soportar alternativas con cantidades diferentes de pozos yusando las estrategias de cromosoma creciente y cromosoma oscilante[Zebulum et al., 2002] para variar el tamaño
i, j i, j i, ji, ji, j,k i, j,k i, j,k i, j,kdir, l dir, l dir, l dir, l
0 1 0 1 1 10 0
Verticales Horizontales
Inyectores Productores Inyectores Productores
Mascara de activacion mi
Genotipo gi
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 18/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo Modelo Evolutivo
Desarrollo de Campos de PetróleoOptimización de pozos
Modelo evolutivo:2 Evaluación: que consta de dos etapas:
i Simulación de la producción para la alternativa de pozos decromosoma: se emplea un simulador de fluidos blackoil y se obtiene lascurvas de producción de óleo, gas y agua.
ii Cálculo del Valor Presente Neto de la alternativa del cromosoma apartir de la producción, información geométrica y datos de mercado, seemplean ecuaciones para el flujo de caja descontado.
la arquitectura master-slave de algoritmos evolutivos en paralelo[Túpac and Faletti, 2011]
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 19/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo Modelo Evolutivo
Desarrollo de Campos de PetróleoOptimización de pozos
Modelo evolutivo: Simulación de producción
Evaluacion dela alternativa
AE Script de pozos
VPN
Alternativa(Cromosoma)
Datos de produccion:oleo, gas, agua y pasosde simulacion
Parametros demercado,inversiony operacion
Informacion de lageologıa de rocasparametros PVT, ,
info de pozos
Archivos desalida (.OUT.MRF .IRF)Simulador
blackoil
(CMG/IMEX)
Informacion demalla y pozos
Geometrıa dela malla
Filtro desalida
INCLUDE
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 20/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo Modelo Evolutivo
Desarrollo de Campos de PetróleoOptimización de pozos
Modelo evolutivo: Cálculo del VPN
NPV = PV −D
D = ( fhwa+ r)nw +b+nw
∑j=1|p j− pplat |cPV = (PVInc−PVOp)(1− I)
PVInc =T
∑i=1
Inc(ti)e−ρti PVOp =T
∑i=1
Op(ti)e−ρti
Inc(t) =(
Q(t)+G(t)1000
)Poil(t) Op(ti) = mnw +VcQ(ti)+RyInc(ti)+Fc +WcW (ti)
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 21/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo Modelo Evolutivo
Desarrollo de Campos de PetróleoOptimización de pozos
Modelo evolutivo: Operadores de reproducciónCruce simple: que intercambia valores de pozos entre individuos, sinalterar las máscaras
0 1 0 1 1 10 10 0 1 0
0 1 0 1 1 10 10 0 1 0
Mutación de “bit”: que altera un elemento de un pozo0 1 0 1 1 10 10 0 1 0
Pozo mutado
i, j,kdir, li, j′
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 22/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo Modelo Evolutivo
Desarrollo de Campos de PetróleoOptimización de pozos
Modelo evolutivo: Operadores de máscaraAddWell: que implementa la estrategia cresciente (adicionarelementos válidos)
0 1 0 1 1 00 0
1 1 0 1 1 00 0
Bit de mascara bi = 1
FlipWell: que implementa la estrategia oscilante0 1 0 1 1 00 0
1 0 0 1 1 00 0
Bit de mascara bi = bi
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 23/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo Experimentos de aplicación
Desarrollo de Campos de PetróleoOptimización de pozos
Ejemplo de Aplicación:Se usó un modelo de campo petrolífero homogéneo que consiste en unamalla de 30× 30× 1 con los siguientes parámetros geológicos:
Parámetro Valor UnidadPermeabilidad 1000.00 mdPorosidad 0.20Presión inicial 100.00 kg
cm2
Saturación agua 0.2
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 24/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo Experimentos de aplicación
Desarrollo de Campos de PetróleoOptimización de pozos
Ejemplo de Aplicación – Experimento 01 (Aleatorio):Respuesta ante una inicialización totalmente aleatoria.La respuesta encontrada es la siguiente:
Parámetro Valor UnidadVPN 1699.122 (MUS$)Petróleo 364.075 (Barriles)
HINJ
HINJ
HPRO1
VINJ
VINJ
VINJ
VINJ
VINJ
VINJ
VPRO
VPRO
VPRO
VPRO
VPRO
VPRO
VPRO
VPRO
VPRO
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 25/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo Experimentos de aplicación
Desarrollo de Campos de PetróleoOptimización de pozos
Ejemplo de Aplicación – Experimento 02 (S. Inicial):Alternativa “five-spot” original
HINJ1 HINJ2
HINJ3
HINJ4 HINJ5 HINJ6
HINJ7
HINJ8
HINJ9
HPRO1 HPRO2
HPRO3 HPRO4
Parámetro Valor UnidadVPN 1397.981 (MUS$)Petróleo 297.025 (Barriles)
Alternativa optimizada:
HINJ10 HINJ11
HINJ12
HINJ13
HINJ14
HINJ7 HINJ8
HINJ9
HPRO1 HPRO2
HPRO3 HPRO4
VINJ1
VINJ2
VINJ3
VINJ4
VINJ5 VINJ6
Parámetro Valor UnidadVPN 1667.821 (MUS$)Petróleo 359.100 (Barriles)
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 26/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo Experimentos de aplicación
Desarrollo de Campos de PetróleoOptimización de pozos
Ejemplo de Aplicación – Experimento 02 (S. Inicial):Alternativa “five-spot” original
HINJ1 HINJ2
HINJ3
HINJ4 HINJ5 HINJ6
HINJ7
HINJ8
HINJ9
HPRO1 HPRO2
HPRO3 HPRO4
Parámetro Valor UnidadVPN 1397.981 (MUS$)Petróleo 297.025 (Barriles)
Alternativa optimizada:
HINJ10 HINJ11
HINJ12
HINJ13
HINJ14
HINJ7 HINJ8
HINJ9
HPRO1 HPRO2
HPRO3 HPRO4
VINJ1
VINJ2
VINJ3
VINJ4
VINJ5 VINJ6
Parámetro Valor UnidadVPN 1667.821 (MUS$)Petróleo 359.100 (Barriles)
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 27/33 TÚPAC, Y. (CS/UCSP)
Ganancia de 19.71 % (274 M US$)
Optimización del Desarrollo de Campos de Petróleo Experimentos de aplicación
Desarrollo de Campos de PetróleoOptimización de pozos
Ejemplo de Aplicación – Experimento 02 (S. Inicial):
onlineoff-linebest-so-far
Optimizacion de localizacion y numero de pozosCurvas de Evolucion
Iteraciones2 12 24 36 48 60 72 84 96 112 130 148 166 184 200
VP
N(m
illo
nes
US
$)
1,600
1,500
1,400
1,300
1,200
1,100
1,000
900
800
700
600
500
400
300
200
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 28/33 TÚPAC, Y. (CS/UCSP)
Optimización del Desarrollo de Campos de Petróleo Integración
Desarrollo de Campos de PetróleoIntegración con los otros modelos [Túpac et al., 2008]
Evolution ar y Alg orithm
Genet ic operators
NPV Computing
Alternative
DVNPV −=
Objective Function
Wells Layout
Reservoir Simulator (or Proxy)
Experts’ knowledge
CAPEX Parameters
OPEX Parameters
Produ ction Curve
Reservoir Model
GENETIC ALGORITHM
Evaluation
Decision Rule(Thresho ldCurve)
Option ValueSim. Monte Car lo( Oil Pri ce )
Gene ra to r an d sa mple r
o f ra ndom numbers
Pse udo RandomLati nHypercubic Samp ling
Stochas ti c Proces sfo r a Commo di ty
Geometri c Brownia n Mot ion Mean Rev ersion Process
Ha nd li ngL ine ar
Const ra in ts
GENETIC ALGORITHM
Evaluation
Decision Rule(Thresho ldCurve)
Option ValueSim. Monte Car lo( Oil Pri ce )
Gene ra to r an d sa mple r
o f ra ndom numbers
Pse udo RandomLati nHypercubic Samp ling
Stochas ti c Proces sfo r a Commo di ty
Geometri c Brownia n Mot ion Mean Rev ersion Process
Ha nd li ngL ine ar
Const ra in ts
D e c is i o n R u le b y G e n e ti c A lg o r it h m
0
2
4
6
8
1 0
1 2
1 4
1 6
1 8
2 0
2 2
2 4
2 6
2 8
3 0
3 2
3 4
0.0
00
0.0
82
0
.164
0.2
47
0.
329
0.4
11
0.
493
0.5
75
0.6
58
0 .74
0.8
22
0.
904
0.9
86
1.0
68
1
.151
1.2
33
1.
315
1.3
97
1.
479
1.5
62
1.6
44
1.
726
1.8
08
1 .89
1.9
73
Ti me (y e a rs )
Oi
l Pr
ice
(US
$)
A lt er n at iv e 1 W a itin g 1 A lt er na ti ve 2 W ai tin g 2 A lte r na ti ve 3
W a iti n g R e g io n
W a iti n g R e g io n
R e g io n o f A lt e rn a ti v e 2
R e g io n o f A lt er n a ti ve 3
R eg i o n o f
A lte r n at iv e 1
Generator and samp ler of r an dom numbers
Pse udo- ra ndom
Q ua si Mon te Ca r lo
Stochactic Process for a Commodi ty
Ge om et ric Bro wnia n M o tion
Me an Re ve rsio n Pr oc essMe an Re ve rsio n Pr oc ess with jum p s
Fu zzy Numbers
Calculati on of th e Thresho ld Cu rve:
Algo rithm ofGrant, Vo ra and
Weeks Modi fied for F uzzy Numbers
M onte Carlo S imulatio n
to Deter mine theReal Op tion Value
(Fuzzy Numbe r )
Real Op tion Valu e
( Fuz zy Me an )
M arket Uncertaint y
Technical Uncertainty
Generator and samp ler of r an dom numbers
Pse udo- ra ndom
Q ua si Mon te Ca r lo
Stochactic Process for a Commodi ty
Ge om et ric Bro wnia n M o tion
Me an Re ve rsio n Pr oc essMe an Re ve rsio n Pr oc ess with jum p s
Stochactic Process for a Commodi ty
Ge om et ric Bro wnia n M o tion
Me an Re ve rsio n Pr oc essMe an Re ve rsio n Pr oc ess with jum p s
Fu zzy Numbers
Calculati on of th e Thresho ld Cu rve:
Algo rithm ofGrant, Vo ra and
Weeks Modi fied for F uzzy Numbers
M onte Carlo S imulatio n
to Deter mine theReal Op tion Value
(Fuzzy Numbe r )
Real Op tion Valu e
( Fuz zy Me an )
M arket Uncertaint y
Technical Uncertainty
Optimized alternatives
Decision Rule
Option value considering the value of the expansion option or investment in information
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 29/33 TÚPAC, Y. (CS/UCSP)
Bibliografía
Bibliografía I
Al-Qahtani, G. D., Elrafie, E. A., Abbas, R. T., Ikuku, C. E., Hogg, M. F., andRincon, A. (2009).Complex well modeling workflow enabling full field optimization and forwarddecisions.In 2009 SPE Latin American and Caribbean Petroleum Engineering Conference, 31May-3 June 2009, Cartagena de Indias, Colombia, pages 1–13. Society ofPetroleum Engineers.Saudi Aramco, Schlumberger.
Al-Qahtani, G. D., Vadapalli, R., Siddiqui, S., and Bhattacharya, S. (2012).Well optimization strategies in conventional reservoirs.In 2012 SPE Saudi Arabia Section Technical Symposium and Exhibition, 8-11 April2012, Al-Khobar, Saudi Arabia, pages 1–13. Society of Petroleum Engineers,Society of Petroleum Engineers.Texas Tech University, University of Houston.
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 30/33 TÚPAC, Y. (CS/UCSP)
Bibliografía
Bibliografía II
Almeida, L. F. (2003).Otimização de alternativas para desenvolvimento de campo de petróleo usandocomputação evolucionária.Master’s thesis, Departamento de Engenharia Elétrica, Pontifícia UniversidadeCatólica do Rio de Janeiro, Rio de Janeiro, Brasil.(In Portuguese).
Almeida, L. F., Valdivia, Y. T., Vellasco, M. M. B. R., and Pacheco, M. A. C.(2007).Otimização de alternativas para o desenvolvimento de campos de petróleo.Gestão & Produção, 14:489–503.
Hoffman, A. (1989).Arguments on Evolution: A Paleontologist’s Perspective.Oxford University Press, New York.
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 31/33 TÚPAC, Y. (CS/UCSP)
Bibliografía
Bibliografía III
Lazo, J., Pacheco, M., and Vellasco, M. (2007a).Real options and genetic algorithms to approach of the optimal decision rule for oilfield development under uncertainties.In Castillo, O., Melin, P., Ross, O., Sepúlveda Cruz, R., Pedrycz, W., andKacprzyk, J., editors, Theoretical Advances and Applications of Fuzzy Logic andSoft Computing, volume 42 of Advances in Soft Computing, pages 445–454.Springer Berlin / Heidelberg.10.1007/978-3-540-72434-6_44.
Lazo, J. G. L., Vellasco, M. M. B. R., Pacheco, M. A. C., , and Dias, M. A. G.(2007b).Real options value by monte carlo simulation and fuzzy numbers.International Journal of Business, 12.
Rosenwald, G., Tulsa, O., Green, D. W., and Lawrence, K. (1974).A method for determining the optimum location of wells in a reservoir usingmixed-integer programming.SPE Journal, 14(1):44–54.
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 32/33 TÚPAC, Y. (CS/UCSP)
Bibliografía
Bibliografía IV
Túpac, Y. J., Almeida, L. F., , and Vellasco, M. M. B. R. (2007).Evolutionary optimization of oil field development.In SPE Digital Energy Conference and Exhibition, Houston, Texas, USA. Society ofPetroleum Engineers.
Túpac, Y. J. and Faletti, L. (2011).Parallel evolutionary algorithms applied to optimize the oilfields development.In Proceedings del Encuentro Chileno de Computación, Curicó, Chile.
Túpac, Y. J., Faletti, L., Lazo, J. G., Vellasco, M. M. R., and Pacheco, M. A.(2008).Decision support system for economic analysis of E&P projects under uncertainties.In SPE Intelligent Energy Conference and Exhibition, Amsterdam, TheNetherlands. Society of Petroleum Engineers.
Túpac, Y. J., Vellasco, M. M., and Pacheco, M. A. C. (2002).Selection of Alternatives for Oil field Development by Genetic Algorithms.Revista Engenharia Térmica, Edição Especial, 2:51–54.
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 33/33 TÚPAC, Y. (CS/UCSP)
Bibliografía
Bibliografía V
Túpac-Valdivia, Y. J. (2005).Sistema Inteligente de Otimização de Alternativas de Desenvolvimento de CamposPetrolíferos.PhD thesis, Departamento de Engenharia Elétrica, Pontifícia Universidade Católicado Rio de Janeiro, Rio de Janeiro, RJ, Brasil.(In Portuguese).
Zebulum, R. S., Pacheco, M. A., and Vellasco, M. M. B. R. (2002).Evolutionary Electronics: Automatic Design of Electronic Circuits and Systems byGenetic Algorithms.CRC Press.
Optimización de Estrategias de Desarrollo de Campos Petrolíferos V CONACIPág 34/33 TÚPAC, Y. (CS/UCSP)