Navegando por Autor "Nascimento, Rutinaldo Aguiar"
Agora exibindo 1 - 2 de 2
- Resultados por página
- Opções de Ordenação
Dissertação Estudo do processo de drenagem gravitacional do óleo assistido com injeção de vapor e solvente(Universidade Federal do Rio Grande do Norte, 2012-08-28) Nascimento, Rutinaldo Aguiar; Barillas, Jennys Lourdes Meneses; ; http://lattes.cnpq.br/4637897380055777; ; http://lattes.cnpq.br/7136533496688573; Dutra Júnior, Tarcilio Viana; ; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4706483T3; Mata, Wilson da; ; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4781404Z6; Almeida, Murilo Pereira de; ; http://lattes.cnpq.br/1769797384421103Como os recursos de hidrocarbonetos convencionais estão se esgotando, a crescente demanda mundial por energia impulsiona a indústria do petróleo para desenvolver mais reservatórios não convencionais. Os recursos mundiais de betume e óleo pesado são estimados em 5,6 trilhões de barris, dos quais 80% estão localizados na Venezuela, Canadá e EUA. Um dos métodos para explorar estes hidrocarbonetos é o processo de drenagem gravitacional assistido com injeção de vapor e solvente (ES-SAGD Expanding Solvent Steam Assisted Gravity Drainage). Neste processo são utilizados dois poços horizontais paralelos e situados verticalmente um acima do outro, um produtor na base do reservatório e um injetor de vapor e solvente no topo do reservatório. Este processo é composto por um método térmico (injeção de vapor) e um método miscível (injeção de solvente) com a finalidade de causar a redução das tensões interfaciais e da viscosidade do óleo ou betume. O objetivo deste estudo é analisar a sensibilidade de alguns parâmetros operacionais, tais como: tipo de solvente injetado, qualidade do vapor, distância vertical entre os poços, porcentagem de solvente injetado e vazão de injeção de vapor sobre o fator de recuperação para 5, 10 e 15 anos. Os estudos foram realizados através de simulações concretizadas no módulo STARS (Steam Thermal, and Advanced Processes Reservoir Simulator) do programa da CMG (Computer Modelling Group), versão 2010.10, onde as interações entre os parâmetros operacionais, estudados em um modelo homogêneo com características de reservatórios semelhantes aos encontrados no Nordeste Brasileiro, foram observadas. Os resultados obtidos neste estudo mostraram que os melhores fatores de recuperação ocorreram para níveis máximos do percentual de solvente injetado e da distância vertical entre os poços. Observou-se também que o processo será rentável dependendo do tipo e do valor do solvente injetadoTese Uma nova abordagem de otimização híbrida usando os algoritmos PSO, Nelder-Mead Simplex e o de clusterização K-means para inversão completa da forma da onda 1D(Universidade Federal do Rio Grande do Norte, 2023-05-20) Nascimento, Rutinaldo Aguiar; Araújo, João Medeiros de; Barroca Neto, Álvaro; https://orcid.org/0000-0003-3465-7134; http://lattes.cnpq.br/2194067631173871; https://orcid.org/0000-0001-8462-4280; http://lattes.cnpq.br/3061734732654188; https://orcid.org/0000-0001-8356-4458; http://lattes.cnpq.br/7136533496688573; Corso, Gilberto; https://orcid.org/0000-0003-1748-4040; http://lattes.cnpq.br/0274040885278760; Nascimento, Hugo Alexandre Dantas do; http://lattes.cnpq.br/2920005922426876; Henriques, Marcos Vinícius Cândido; https://orcid.org/0000-0002-4411-3635; http://lattes.cnpq.br/7414109374510547A Inversão Completa da Forma da Onda (Full Waveform Inversion - FWI) é formulada como um problema de otimização não linear, que tradicionalmente utiliza métodos de minimização local baseados em derivadas para encontrar o campo escalar de propriedades físicas da subsuperfície que melhor represente os dados sísmicos de campo. No entanto, esses métodos possuem um alto custo computacional e uma precisão limitada a mínimos locais, além de sofrerem com uma lenta taxa de convergência (cycle-skipping). Portanto, neste trabalho, foi desenvolvido um algoritmo de otimização híbrido de duas fases baseado em algoritmos de otimização livre de derivadas (Derivative Free Optimization - DFO). Na primeira fase, utiliza-se a minimização global e a técnica de agrupamento, enquanto na segunda fase é adotada a minimização local. Na Fase 1, foram utilizados o algoritmo de otimização por enxame de partículas (Particle Swarm Optmization - PSO) e o K-means. Na Fase 2, foi utilizado o Simplex Adaptativo de Nelder-Mead (Adaptive Nelder-Mead Simplex - ANMS). O novo algoritmo híbrido foi denominado de PSO-Kmeans-ANMS, no qual o K-means é responsável por dividir o enxame de partículas em dois clusters em cada iteração. Essa estratégia visa equilibrar automaticamente os mecanismos de exploração e explotação do espaço de busca de parâmetros, permitindo encontrar soluções mais precisas e, consequentemente, melhorar a convergência. O algoritmo híbrido proposto foi validado no conjunto de 12 funções benchmark e, em seguida, aplicado ao problema FWI 1D. Os resultados do PSO-Kmeans-ANMS foram comparados com os obtidos pelos algoritmos PSO clássico, PSO modificado e ANMS. As métricas utilizadas foram o tempo médio de execução e a taxa de sucesso, que aceitou erros de até ±4% da solução ótima. Em todos os experimentos de validação e na aplicação da FWI, o algoritmo PSO-Kmeans-ANMS apresentou desempenho satisfatório, fornencendo resultados precisos e confiáveis, o que comprova sua robustez e eficiência computacional. Além disso, a aplicação desse algoritmo híbrido na FWI proporcionou uma redução significativa no custo computacional, representando assim um resultado importante e promissor para a área da sísmica. A Inversão Completa da Forma da Onda (Full Waveform Inversion - FWI) é formulada como um problema de otimização não linear, que tradicionalmente utiliza métodos de minimização local baseados em derivadas para encontrar o campo escalar de propriedades físicas da subsuperfície que melhor represente os dados sísmicos de campo. No entanto, esses métodos possuem um alto custo computacional e uma precisão limitada a mínimos locais, além de sofrerem com uma lenta taxa de convergência (cycle-skipping). Portanto, neste trabalho, foi desenvolvido um algoritmo de otimização híbrido de duas fases baseado em algoritmos de otimização livre de derivadas (Derivative Free Optimization - DFO). Na primeira fase, utiliza-se a minimização global e a técnica de agrupamento, enquanto na segunda fase é adotada a minimização local. Na Fase 1, foram utilizados o algoritmo de otimização por enxame de partículas (Particle Swarm Optmization - PSO) e o K-means. Na Fase 2, foi utilizado o Simplex Adaptativo de Nelder-Mead (Adaptive Nelder-Mead Simplex - ANMS). O novo algoritmo híbrido foi denominado de PSO-Kmeans-ANMS, no qual o K-means é responsável por dividir o enxame de partículas em dois clusters em cada iteração. Essa estratégia visa equilibrar automaticamente os mecanismos de exploração e explotação do espaço de busca de parâmetros, permitindo encontrar soluções mais precisas e, consequentemente, melhorar a convergência. O algoritmo híbrido proposto foi validado no conjunto de 12 funções benchmark e, em seguida, aplicado ao problema FWI 1D. Os resultados do PSO-Kmeans-ANMS foram comparados com os obtidos pelos algoritmos PSO clássico, PSO modificado e ANMS. As métricas utilizadas foram o tempo médio de execução e a taxa de sucesso, que aceitou erros de até ±4% da solução ótima. Em todos os experimentos de validação e na aplicação da FWI, o algoritmo PSO-Kmeans-ANMS apresentou desempenho satisfatório, fornencendo resultados precisos e confiáveis, o que comprova sua robustez e eficiência computacional. Além disso, a aplicação desse algoritmo híbrido na FWI proporcionou uma redução significativa no custo computacional, representando assim um resultado importante e promissor para a área da sísmica.