2010-Msc-Eduarda Cristina Mangaravite Da Silva Lacerda

SIMULAÇÃO DO PROCESSO DE UTILIZAÇÃO DE BIOPOLÍMEROS COMO
MÉTODO MICROBIOLÓGICO DE RECUPERAÇÃO MELHORADA DE

PETRÓLEO
EDUARDA CRISTINA MANGARAVITE DA SILVA LACERDA
UNIVERSIDADE ESTADUAL DO NORTE FLUMINENSE DARCY RIBEIRO – UENF

LABORATÓRIO DE ENGENHARIA E EXPLORAÇÃO DE PETRÓLEO - LENEP
MACAÉ – RJ
AGOSTO DE 2010
PETRÓLEO
Dissertação de mestrado apresentada

ao Centro de Ciência e Tecnologia da
Universidade Estadual do Norte
Fluminense “Darcy Ribeiro”, como
parte das exigências para obtenção do
título de mestre em Engenharia de
Reservatório e de Exploração.
Orientador: Prof. Viatcheslav Ivanovich Priimenko, Ph.D.

Co-orientador: Prof. Adolfo Puime Pires, D.Sc.
MACAÉ – RJ
AGOSTO DE 2010
ii
PETRÓLEO
Dissertação de mestrado apresentada

ao Centro de Ciência e Tecnologia da
Universidade Estadual do Norte
Fluminense “Darcy Ribeiro”, como
parte das exigências para obtenção do
título de mestre em Engenharia de
Reservatório e de Exploração.
Comissão Examinadora:
_______________________________________________________________
Marcelo Curzio Salomão, D. Sc. - PETROBRAS
_______________________________________________________________
Dirceu Bampi, D. Sc. - PETROBRAS
_______________________________________________________________
Prof. Alexandre Sérvulo Lima Vaz Jr., D.Sc. – LENEP/UENF
_______________________________________________________________
Prof. Adolfo Puime Pires, D.Sc. (Co-orientador) – LENEP/UENF
_______________________________________________________________
Prof. Viatcheslav Ivanovich Priimenko, Ph.D. (Orientador) – LENEP/UENF
iii
AGRADECIMENTOS
A Deus, por permitir todas as oportunidades da minha vida e me acompanhar

sempre.
Ao meu marido Johann Motta Lacerda, pelo companheirismo, constante apoio

e todas as sugestões e discussões técnicas durante a realização desta
pesquisa. Obrigada por ser o melhor companheiro de mestrado que eu poderia
ter. A conclusão deste mestrado não seria possível sem você ao meu lado.
À minha família por todo o carinho e incentivo durante a realização desta

dissertação, e pela compreensão nos momentos de ausência.
Ao meu orientador Prof. Viatcheslav Ivanovich Priimenko, por todos os

ensinamentos e sugestões durante este mestrado.
Ao meu co-orientador Prof. Adolfo Puime Pires, pela colaboração e paciência

durante a realização deste mestrado.
Ao meu gerente na PETROBRAS, Eng. Paulo Marcos B. Tinoco, pelas

sugestões no texto e pelo apoio e incentivo, dentro de suas possibilidades.
Aos meus amigos pelas conversas de apoio, em particular, a Marcos Vitor B.

Machado, pelo incentivo e contribuições no texto, e Lucas A. P. Gomes pelas
discussões técnicas e troca de conhecimentos.
À equipe com a qual trabalho na PETROBRAS-UO-BC/ENGP/CER: Eng.

Gladstone P. Moraes, Eng. José Pedro M. dos Santos e Quím. Nelson Manoel
Junior pelo apoio durante este período.
Aos engenheiros Marcelo Curzio Salomão e Dirceu Bampi pela gentileza de

aceitar o convite para participar da banca examinadora desta dissertação e ao
Prof. Alexandre Sérvulo pelas sugestões no texto durante a avaliação da banca
interna, e por aceitar o convite para compor a comissão examinadora desta
dissertação.
Ao LENEP, abrangendo todo o corpo docente e técnico-administrativo, em

especial a Bena Rodrigues.
iv
Dedicatória
Ao meu marido Johann Motta Lacerda, por

compartilhar todos os momentos comigo.
Aos meus pais e irmãos, pelos momentos de ausência

durante o desenvolvimento desta dissertação.
v
RESUMO
Esta dissertação apresenta os resultados de uma modelagem matemática e

numérica que descreve um método microbiológico de recuperação melhorada
de petróleo (MEOR – Microbial Enhanced Oil Recovery). Neste método, um
biopolímero é capaz de viscosificar a água de injeção, melhorar a eficiência de
varrido e, conseqüentemente, aumentar o fator de recuperação do reservatório.
Para modelar este problema, utiliza-se um sistema hiperbólico de quatro
equações diferenciais, representando a conservação da massa (água-óleo,
bactérias, nutrientes e metabólitos) com termos fontes para descrever o
crescimento de bactérias, o consumo de nutrientes e a produção de
metabólitos (biopolímeros). A resolução deste sistema se dá através da
utilização do método Fractional-Step. Em tal método, esquemas de diferenças
finitas são utilizados para resolver a parte homogênea do sistema, e esta
funciona como um passo inicial para a solução da parte não-homogênea. Os
resultados obtidos com a resolução do sistema são comparados com a
literatura, mostrando coerência. Com a finalidade de estimar o potencial de
aumento no fator de recuperação de um reservatório com características
similares aos de um campo de águas profundas da Bacia de Campos, é
realizada uma análise de sensibilidade ao se variar alguns dos principais
parâmetros deste processo de MEOR. A partir desta análise, estima-se que a
recuperação adicional em relação à injeção de água pode chegar a 15%,
dependendo dos parâmetros utilizados para descrever este processo de
MEOR. Em outros reservatórios com óleos de maior viscosidade, esta
recuperação adicional pode ser ainda maior.
PALAVRAS-CHAVE: MEOR, Métodos Microbiológicos de Recuperação

Melhorada de Petróleo, biopolímeros, sistemas hiperbólicos não-homogêneos.
vi
ABSTRACT
In this work, the results of a mathematical and numerical modeling that

describes a Microbial Enhanced Oil Recovery (MEOR) technique is presented.
In this method, a biopolymer is able to increase injection water viscosity,
improve sweep efficiency and then, get higher recovery factors. This model is
represented by a hyperbolic system of four conservation mass differential
equations (water-oil, bacteria, nutrient and metabolite) with source terms to
describe bacteria growth, nutrient consumption and metabolites (biopolymers)
production. The Fractional-Step method is used to solve the system. In this
method, finite difference schemes are used to solve the homogeneous part of
the system, which works as the initial step to the non-homogeneous part. The
obtained results are compared to literature and show good agreement. In order
to estimate the potential of getting higher recovery factors in a reservoir with
similar characteristics of a deep water field in Campos Basin, a sensitivity
analysis is performed by varying some parameters in the MEOR process. From
this analysis, it is estimated that it is possible to achieve an additional recovery
up to 15% in comparison to water flooding, depending on the parameters used
to describe this MEOR process. In other reservoirs with higher oil viscosities,
this additional recovery can be even higher.
KEYWORDS: MEOR, Microbial Enhanced Oil Recovery, biopolymers, non-

homogeneous hyperbolic systems.
vii
ÍNDICE DE FIGURAS
Figura 1 - Utilização de produto químico para bloquear canais de alta permeabilidade 2

Figura 2 - Frente de avanço da água em reservatórios com alta e baixa razão de
mobilidades .................................................................................................................. 2
Figura 3 - Variação da viscosidade da solução aquosa (ηw) com a concentração de
metabólitos em diferentes temperaturas (modificado de BAE et al., 2008) ................. 34
metabólitos na temperatura de 60ºC ........................................................................... 35
metabólitos na temperatura de 80ºC ........................................................................... 35
Figura 6 - Variação da viscosidade da solução aquosa (ηw) com o tempo para
diferentes concentrações de bactérias (Cb) (modificado de AL-ASHEH et al., 2002) .. 36
Figura 7 - Variação da viscosidade da solução aquosa (ηw) com a concentração
adimensional de bactérias (B=Cb/ Cbi) para o tempo de 25 minutos ............................ 37
Figura 8- Curvas de permeabilidade relativa e fluxo fracionário .................................. 40
Figura 9- Comparação da solução da saturação de água encontrada pelo método da
média aritmética e a solução analítica ........................................................................ 43
Figura 10 - Comparação da solução da saturação de água encontrada pelo método de
Lax-Friedrichs e a solução analítica ............................................................................ 44
Lax-Friedrichs e a solução analítica para os diferentes ∆T e ∆X ............................. 44
Harten e a solução analítica........................................................................................ 47
Figura 13 - Evolução do fator de recuperação atingido com injeção de água
comparado ao fator de recuperação máximo (FRmáx) ............................................... 48
Figura 14 – Comparação entre as curvas de fluxo fracionário com concentração de
biopolímeros igual a zero ( M = 0 ) e com a concentração de biopolímeros igual à de
injeção ( M = 1 )........................................................................................................... 51
Figura 15 - Comparação da solução analítica para saturação de água com a
encontrada pelo método de Lax-Friedrichs estendido para sistema de equações ...... 53
Figura 16 - Comparação da solução analítica para concentração de bactérias com a
Figura 17 - Comparação da solução analítica para concentração de nutrientes com a
viii
Figura 18 - Comparação da solução analítica para concentração de metabólitos com a
Figura 19 - Comparação da solução analítica para saturação de água com a solução
encontrada com o método de Harten estendido para sistemas................................... 57
solução encontrada com o método de Harten estendido para sistemas ..................... 57
Figura 22 – Comparação da solução analítica para concentração de metabólitos com a
Figura 23 - Evolução dos fatores de recuperação atingidos com injeção de água e com
injeção de polímeros em comparação com o fator de recuperação máximo (FRmáx) 59
Figura 24 - Saturação de água obtida com o método Fractional-Step......................... 67
Figura 25 - Concentração de bactérias obtida com o método Fractional-Step ............ 68
Figura 26 – Concentração de nutrientes obtida com o método Fractional-Step .......... 68
Figura 27 – Concentração de metabólitos obtida com o método Fractional-Step ........ 69
Figura 28 - Comparação entre os perfis de saturação de água para diferentes valores
de K bn e o perfil de saturação de água apresentado por ZHANG (1994) para T=0,3 vpi
................................................................................................................................... 72
Figura 29 - Comparação entre os perfis de concentração de biopolímeros para
diferentes valores de K bn e o perfil de concentração de biopolímeros apresentado por
ZHANG (1994) para T=0,3 vpi .................................................................................... 72

Figura 30 - Comparação dos perfis de saturação de água para os três valores de taxas
de crescimento de bactérias e para o caso de injeção de água em T=0,25 vpi........... 75
Figura 31 - Comparação dos perfis de concentração de bactérias para os três valores
de taxas de crescimento de bactérias em T=0,25 vpi ................................................. 76
Figura 32 - Comparação dos perfis de concentração de nutrientes para os três valores
de taxas de crescimento de bactérias em T=0,25 vpi ................................................. 76
Figura 33 - Comparação dos perfis de concentração de metabólitos para os três
valores de taxas de crescimento de bactérias em T=0,25 vpi ..................................... 77
Figura 34 - Comparação dos fatores de recuperação obtidos com MEOR para os três
valores de taxa de crescimento de bactérias e o fator de recuperação obtido com
injeção de água .......................................................................................................... 77
Figura 35 - Comparação dos perfis de saturação de água para os três tipos de funções
de variação da viscosidade da água com a concentração de metabólitos e para o caso
de injeção de água em T=0,25 vpi .............................................................................. 79
ix
Figura 36 - Comparação dos perfis de concentração de bactérias para os três tipos de
funções de variação da viscosidade da água com a concentração de metabólitos em
T=0,25 vpi ................................................................................................................... 80
Figura 37 - Comparação dos perfis de concentração de nutrientes para os três tipos de
T=0,25 vpi ................................................................................................................... 80
Figura 38 - Comparação dos perfis de concentração de metabólitos para os três tipos
de funções de variação da viscosidade da água com a concentração de metabólitos
em T=0,25 vpi ............................................................................................................. 81
Figura 39 - Comparação dos fatores de recuperação atingidos com injeção de água e
MEOR para os três tipos de funções de variação da viscosidade da água com a
concentração de metabólitos ...................................................................................... 81
Figura 40 - Comparação dos perfis de saturação de água para os três tipos diferentes
de modelo de crescimento de bactérias (Monod, Moser e Khan) em T=0,25 vpi ........ 83
Figura 41 - Comparação dos perfis de concentração de bactérias para os três tipos
diferentes de modelo de crescimento de bactérias (Monod, Moser e Khan) em T=0,25
vpi ............................................................................................................................... 84
Figura 42 - Comparação dos perfis de concentração de nutrientes para os três tipos
vpi ............................................................................................................................... 84
vpi ............................................................................................................................... 85
Figura 44 - Comparação dos fatores de recuperação atingidos com MEOR para os três
tipos diferentes de modelo de crescimento de bactérias (Monod, Moser e Khan) e o
fator de recuperação atingido com injeção de água .................................................... 85
Figura 45 - Comparação dos perfis de saturação de água para os casos de MEOR
com injeção contínua, bancos de 10 e 30 % do volume poroso e injeção de água em
T=0,25 vpi ................................................................................................................... 87
Figura 46 - Comparação dos perfis de concentração de bactérias para os casos de
MEOR com injeção contínua e bancos de 10 e 30 % do volume poroso em T=0,25 vpi
................................................................................................................................... 87
Figura 47 - Comparação dos perfis de concentração de nutrientes para os casos de
................................................................................................................................... 88
x
Figura 48 - Comparação dos perfis de concentração de metabólitos para os casos de
................................................................................................................................... 88
nos casos de MEOR com injeção contínua e bancos de 10 e 30 % do volume poroso
................................................................................................................................... 89
com injeção contínua, bancos de 1 e 5% do volume poroso e injeção de água em
T=0,25 vpi ................................................................................................................... 89
MEOR com injeção contínua e bancos de 1 e 5% do volume poroso em T=0,25 vpi .. 90
nos casos de MEOR com injeção contínua e bancos de 1 e 5% do volume poroso ... 91
Figura 55 - Comparação dos perfis de saturação de água utilizando MEOR e injetando
somente água para os três valores de viscosidade do óleo em T=0,25 vpi................. 94
Figura 56 - Comparação dos perfis de concentração de bactérias para os três valores
de viscosidade do óleo em T=0,25 vpi ........................................................................ 94
Figura 57 - Comparação dos perfis de concentração de nutrientes para os três valores
de viscosidade do óleo em T=0,25 vpi ........................................................................ 95
Figura 58 - Comparação dos perfis de concentração de metabólitos para os três
valores de viscosidade do óleo em T=0,25 vpi............................................................ 95
Figura 59 - Comparação dos fatores de recuperação atingidos utilizando MEOR e
injetando somente água para os três valores de viscosidade do óleo ......................... 96
com injeção contínua, bancos de 1 e 5 % do volume poroso e injeção de água para o
reservatório com óleo de 25 cP em T=0,25 vpi ........................................................... 96
MEOR com injeção contínua e bancos de 1 e 5 % do volume poroso para o
MEOR com injeção contínua e bancos de 1 e 5% do volume poroso para o
xi
Figura 64 - Comparação dos fatores de recuperação com injeção de água e nos casos
de MEOR com injeção contínua e bancos de 1 e 5% do volume poroso para o
reservatório com óleo de 25cP ................................................................................... 98
com injeção contínua, bancos de 10 e 30% do volume poroso e injeção de água para o
reservatório com óleo de 25 cP em T=0,25 vpi ......................................................... 100
nos casos de MEOR com injeção contínua e bancos de 10 e 30% do volume poroso
para o reservatório com óleo de 25 cP ..................................................................... 102
xii
ÍNDICE DE TABELAS
Tabela 1 - Resumos dos testes de MEOR em campo................................................. 22

Tabela 2- Parâmetros utilizados nas curvas de permeabilidade relativa e fluxo
fracionário ................................................................................................................... 40
Tabela 3 - Parâmetros utilizados nos modelos de termos fontes ................................ 67
Tabela 4 - Parâmetros utilizados por ZHANG (1994) nas curvas de permeabilidade
relativa e fluxo fracionário ........................................................................................... 71
Tabela 5 - Valores dos parâmetros utilizados na análise de sensibilidade da máxima
taxa específica de crescimento de bactérias ............................................................... 75
Tabela 6 – Valores dos parâmetros utilizados na análise de sensibilidade do tipo de
função da variação da viscosidade da água com a concentração de metabólitos ....... 79
Tabela 7 - Valores dos parâmetros utilizados na análise de sensibilidade do tipo de
modelo de crescimento de bactérias........................................................................... 83
Tabela 8 - Comparação dos fatores de recuperação atingidos após um volume poroso
injetado com injeção de água e MEOR para os diferentes tamanhos de banco de
injeção de bactérias e nutrientes ................................................................................ 92
injetado com injeção de água e MEOR para os diferentes tamanhos de banco de
injeção de bactérias e nutrientes para o reservatório com óleo de 25 cP .................. 102
xiii
SUMÁRIO
AGRADECIMENTOS ................................................................................................................... IV
RESUMO ...................................................................................................................................... VI
ABSTRACT ................................................................................................................................. VII
ÍNDICE DE FIGURAS ................................................................................................................ VIII
ÍNDICE DE TABELAS ............................................................................................................... XIII
CAPÍTULO 1 - INTRODUÇÃO ..................................................................................................... 1
CAPÍTULO 2 - REVISÃO BIBLIOGRÁFICA ................................................................................ 6
2.1. ESTUDOS LABORATORIAIS ............................................................................................ 6

2.2. MODELOS MATEMÁTICOS E SIMULAÇÃO NUMÉRICA DOS MÉTODOS
MICROBIOLÓGICOS DE RECUPERAÇÃO MELHORADA DE PETRÓLEO ......................... 10
2.3. APLICAÇÕES DE MEOR EM CAMPO ............................................................................ 15
CAPÍTULO 3 - FORMULAÇÃO MATEMÁTICA ........................................................................ 23
3.1. EQUAÇÕES DE CONSERVAÇÃO DA MASSA ............................................................... 23

3.2. RELAÇÕES CONSTITUTIVAS ........................................................................................ 30
CAPÍTULO 4 - SOLUÇÃO DO SISTEMA DE EQUAÇÕES DIFERENCIAIS ............................ 38
4.1. SISTEMA DE EQUAÇÕES DIFERENCIAIS .................................................................... 38

4.2. CASO ESCALAR - EQUAÇÃO DIFERENCIAL BUCKLEY-LEVERETT .......................... 39
4.3. SOLUÇÃO DO SISTEMA DE EQUAÇÕES HOMOGÊNEO ............................................ 48
4.4. SOLUÇÃO DO SISTEMA DE EQUAÇÕES NÃO - HOMOGÊNEO .................................. 60
CAPÍTULO 5 – RESULTADOS E DISCUSSÃO ........................................................................ 70
5.1. COMPARAÇÃO DOS RESULTADOS ............................................................................. 70

5.2. ANÁLISE DO POTENCIAL DE AUMENTO DO FATOR DE RECUPERAÇÃO
UTILIZANDO MEOR ............................................................................................................... 73
5.3. ANÁLISE DO POTENCIAL DE AUMENTO DO FATOR DE RECUPERAÇÃO
UTILIZANDO MEOR EM OUTROS RESERVATÓRIOS......................................................... 92
CAPÍTULO 6 – CONCLUSÕES E RECOMENDAÇÕES ......................................................... 103
6.1. CONCLUSÕES .............................................................................................................. 103

6.2. RECOMENDAÇÕES ...................................................................................................... 104
REFERÊNCIAS BIBLIOGRÁFICAS......................................................................................... 105
xiv
1
CAPÍTULO 1 - INTRODUÇÃO
O aumento da importância das reservas de hidrocarbonetos em

campos maduros, bem como os altos preços do petróleo incentivam a
utilização de métodos de recuperação mais eficientes. Neste contexto, cria-se
um cenário favorável à utilização de métodos de Recuperação Melhorada de
Petróleo (Enhanced Oil Recovery - EOR) que buscam maximizar o fator de
recuperação, aumentando as eficiências de varrido volumétrica e/ou de
deslocamento.
A eficiência de varrido volumétrica depende das heterogeneidades do
reservatório e da razão de mobilidades M . A razão de mobilidades M é
definida como a mobilidade do fluido deslocante (neste caso, água) sobre a
mobilidade do fluido deslocado (óleo):
k w / η w kwηo
M= = (1.1)
ko / ηo koη w
onde kw é a permeabilidade efetiva à água e ko ao óleo, e as viscosidades da
água e do óleo são definidas como η w e ηo , respectivamente.
Para diminuir os efeitos negativos das heterogeneidades dos

reservatórios, podem-se injetar produtos químicos (géis bloqueadores, Bright
Water®) nos poços injetores. Tais produtos são capazes de bloquear canais de
maior permeabilidade, normalmente já varridos pela injeção anterior de água,
forçando a água injetada a varrer outros intervalos que ainda contêm óleo
(Figura 1).
Sabe-se que quanto menor a razão de mobilidades, maior a eficiência
de varrido volumétrica (LAKE, 1989; ROSA et al., 2006). Quando a razão de
mobilidades é alta, o fluido injetado passa através do óleo diretamente para os
poços produtores, deixando algumas áreas do reservatório sem serem varridas
(Figura 2a).
2
Figura 1 - Utilização de produto químico para bloquear canais de alta permeabilidade
De forma a diminuir a razão de mobilidades e proporcionar um varrido

mais homogêneo, pode-se aumentar a viscosidade do fluido injetado
(adicionando polímeros, por exemplo, Figura 2b) ou diminuir a viscosidade do
óleo (utilizando métodos térmicos, por exemplo).
A eficiência de deslocamento pode ser definida como a fração da
saturação de óleo original que foi deslocada pelo fluido injetado (ROSA et al,
2006). Essa fração é controlada, entre outros fatores, por forças capilares, que
podem ser afetadas com o uso de métodos químicos (injeção de surfactante,
cáusticos e alcalinos) e métodos miscíveis (injeção de gás, dióxido de carbono
e nitrogênio).
Figura 2 - Frente de avanço da água em reservatórios com alta e baixa razão de

mobilidades
3
Uma vez que alguns destes produtos utilizados nos métodos de

Recuperação Melhorada de Petróleo (EOR) são obtidos depois do refino e
processamento do petróleo, tais métodos muitas vezes não são atrativos
economicamente, já que os produtos finais são utilizados para recuperação do
material bruto. Por isso, os cientistas procuraram por uma alternativa de menor
custo e descobriram os métodos Microbiológicos de Recuperação Melhorada
de Petróleo (Microbial Enhanced Oil Recovery - MEOR), que utilizam
microorganismos para produzir os mesmos produtos, porém a taxas menores e
com menores rendimentos (SEN, 2008).
A primeira sugestão de utilização de micoorganismos para recuperação
de petróleo em meios porosos foi feita por Beckman em 1926. Depois, somente
nos anos 40, ZoBell e seu grupo realizaram testes laboratoriais para investigar
os principais mecanismos responsáveis pela recuperação de petróleo utilizando
microorganismos, descrevendo e patenteando tais processos (LAZAR et al.,
2007).
Há vários mecanismos nos quais os microorganismos podem contribuir
na recuperação de petróleo (BRYANT E DOUGLAS, 1988; BRYANT E
BURCHFIELD, 1989), tais como:
1) Produção de gases (CO2, H2, N2 e CH4): fazem o óleo se expandir

(ou inchar), diminuem a viscosidade do óleo, aumentam a pressão
local no reservatório (BAO et al., 2009);
2) Produção de ácidos: em rochas carbonáticas ou em arenitos com

cimentação carbonática, os ácidos orgânicos gerados pelos
microorganismos podem dissolver o carbonato, aumentando a
porosidade e permeabilidade (YAKIMOV et al., 1997);
3) Produção de solventes: estes metabólitos podem quebrar

componentes maiores transformando-os em menores,
melhorando a mobilidade do óleo (MAURE et al. 2001, STRAPPA
et al., 2004);
4
4) Produção de biosurfactantes: várias são as mudanças provocadas

no reservatório atribuídas à produção de biosurfactantes pelas
bactérias, a saber:
a. Alteração da molhabilidade da rocha: os biosurfactantes
produzidos pelas bactérias podem causar alteração na
molhabilidade (KOWALEWSKI et al., 2006). Segundo
AFRAPOLI et al. (2009), uma mudança de molhabilidade para
um status menos extremo (menos molhável à água ou menos
molhável ao óleo) já seria, na maioria dos casos, positiva e
recuperaria mais óleo;
b. Redução na tensão interfacial água-óleo: as bactérias
produzem biosurfactantes que são capazes de reduzir a
tensão interfacial água-óleo, aumentando assim, a eficiência
de deslocamento (SOUDMAND-ASLI et al., 2007);
c. Diminuição da viscosidade do óleo: há relatos de redução na
viscosidade do óleo atribuída à produção de biosurfactantes
(MAURE et al. 2001, KARIM et al., 2001 ; SOUDMAND-ASLI
et al., 2007);
5) Produção de biopolímeros: podem atuar de duas maneiras para

aumentar a eficiência de varrido volumétrica:
a. Redução da razão de mobilidades: os biopolímeros podem
aumentar a viscosidade da água injetada no reservatório,
diminuindo a razão de mobilidades e assim, evitando a
formação de fingers (SUGAI et al., 1999);
b. Plugueamento seletivo: os biopolímeros podem agir de forma
semelhante aos produtos químicos (géis bloqueadores, Bright
Water®) que tamponam zonas de alta permeabilidade,
forçando a água a varrer áreas de menores permeabilidades
que ainda contêm alta saturação de óleo (MEZZOMO et al.,
2000; SOUDMAND-ASLI et al., 2007).
6) Crescimento de biomassa: o próprio crescimento dos

microorganismos e a adsorção dos mesmos nas rochas do
5
reservatório podem produzir os seguintes efeitos benéficos para a

recuperação de petróleo:
a. Plugueamento seletivo: a biomassa pode bloquear
seletivamente os canais de alta permeabilidade, de forma a
aumentar a eficiência de varrido (YAKIMOV et al., 1997);
b. Alteração na molhabilidade da rocha: a adsorção da biomassa
nas rochas pode alterar o ângulo de contato entre os fluidos e
a rocha, alterando sua molhabilidade (SITNIKOV et al., 1994;
ZEKRI et al., 2003; ALMEHAIDEB et al., 2004)
O principal objetivo deste trabalho é modelar o processo de MEOR no
qual microorganismos produtores de biopolímeros aumentam a viscosidade da
água injetada. A partir desta modelagem, serão realizadas simulações
unidimensionais para estimar o potencial aumento no fator de recuperação de
um reservatório alvo. Também será realizada uma análise de sensibilidade do
fator de recuperação ao se variar alguns parâmetros e modelos utilizados para
descrever este tipo de processo de MEOR.
6
CAPÍTULO 2 - REVISÃO BIBLIOGRÁFICA
Este capítulo tem o objetivo de fazer um resumo dos principais

trabalhos realizados sobre MEOR. Quando se planeja a utilização de métodos
de recuperação melhorada de petróleo, antes de iniciar a aplicação no campo
alvo, são realizados estudos laboratoriais e estimativas de aumento no fator de
recuperação com modelos matemáticos/simulações. Desta forma, este capítulo
será dividido em três seções: 1) Estudos laboratoriais, 2) Modelos matemáticos
e simulação dos métodos microbiológicos de recuperação melhorada de
petróleo e 3) Aplicações de MEOR em campo.
2.1. ESTUDOS LABORATORIAIS
Há muitos estudos laboratoriais que investigam a utilização de

microorganismos e buscam entender os mecanismos existentes durante os
processos de MEOR (BRYANT E BURCHFIELD, 1989).
Os microorganismos utilizados para MEOR podem ser os que já
existem no reservatório, ou bactérias especialmente selecionadas para produzir
metabólitos específicos. Os que já existem no reservatório possuem a
vantagem de serem resistentes às condições de temperatura, salinidade e
pressão do reservatório alvo. As condições para o metabolismo dos
microorganismos são fornecidas via injeção de nutrientes.
As etapas principais destes estudos consistem do isolamento das
bactérias, posterior análise dos metabólitos que elas produzem e finalmente
experimentos de fluxo em meios porosos para avaliar o potencial de
recuperação.
YAKIMOV et al. (1997) isolaram bactérias (Bacillus licheniformis)
presentes em reservatórios de óleo da Alemanha e avaliaram o seu potencial
uso para MEOR. As bactérias produziram biopolímeros, biosurfactantes e
outros produtos (álcool e ácido), mesmo em condições anaeróbicas,
salinidades em torno de 10% NaCl e temperaturas de até 55ºC. Para avaliar a
7
recuperação de óleo, foram realizados experimentos de fluxo em meios

porosos em condições semelhantes às do reservatório. Foi observado um
aumento de 10 a 22% da recuperação de óleo em relação à injeção de água,
atribuído principalmente à produção de bioácidos e ao tamponamento seletivo.
O microorganismo Clostridium sp, da água do reservatório do campo
de Jilin, China, foi isolado por SUGAI et al. (1999). Primeiramente, suas
características de crescimento, metabolismo e habilidades como um produtor
de biopolímero, capaz de aumentar a viscosidade da água para 70 cP, em 10
dias de cultivo, foram examinadas em uma solução. Posteriormente, foram
conduzidos experimentos em sandpacks para simular as condições de
reservatório e avaliar a adaptabilidade deste microorganismo. Finalmente,
foram realizados experimentos de fluxo em meio poroso, utilizando a solução
com a cultura de microorganismos em dois sistemas: 1) esquema com malha
five-spot e 2) esquema com anisotropia de permeabilidade. No sistema com
malha five-spot, houve um aumento médio de 25% na recuperação de óleo em
relação à injeção de água. Já no sistema com anisotropia de permeabilidade, o
aumento médio observado foi de 14%. Tais experimentos comprovaram o
efeito que este microrganismo e seu produto metabólico (biopolímero) podem
ter na recuperação adicional de petróleo, ao viscosificar a água injetada.
No Brasil, foi isolada uma bactéria anaeróbica, gram-positiva de um
campo onshore para testar o biopolímero produzido por ela (VOLPON E MELO,
2000; MEZZOMO et al., 2000). Os testes laboratoriais avaliaram a redução de
permeabilidade dos meios porosos e o aumento da viscosidade da fase
aquosa. Os fatores de resistência residual – medida de redução da
permeabilidade original - gerados foram da ordem de cinco, comprovando o
potencial uso desta bactéria no plugueamento seletivo de canais de alta
permeabilidade. Também foi observado um aumento da viscosidade da água, o
que melhoraria a eficiência de varrido no reservatório alvo. Além desta bactéria,
foi avaliada a capacidade de redução de permeabilidade e conseqüente
plugueamento seletivo da bactéria gram-negativa Klebsiella pneumoniae,
também isolada da água de formação deste campo (BOSSOLAN et al., 2005).
Foram realizados testes em meios porosos (arenito Rio Bonito), onde se pôde
observar a redução da permeabilidade original de 440 mD para 1,4 mD,
8
comprovando a possível utilização deste microorganismo no tamponamento

seletivo.
Para avaliar a possível alteração de molhabilidade provocada por
microorganismos, ZEKRI et al. (2003) e ALMEHAIDEB et al. (2004) realizaram
medidas laboratoriais do ângulo de contato entre óleos e rochas carbonáticas
molháveis ao óleo de campos dos Emirados Árabes Unidos. Foram analisadas
as variações em função da concentração de bactérias, temperatura e
salinidade da água. Os resultados mostraram que o ângulo de contato aumenta
- ou seja, a rocha se torna menos molhável ao óleo - com o aumento da
temperatura e salinidade. Para uma salinidade de 10000 ppm de NaCl, o
ângulo de contato aumenta com o aumento da concentração de bactérias até
um certo valor, a partir do qual não é mais observada variação no ângulo de
contato com a concentração de bactérias.
KOWALEWSKI et al. (2006) realizaram um estudo laboratorial com
bactérias aeróbicas mesofílicas que buscava entender os efeitos da redução
da tensão interfacial água-óleo e da alteração de molhabilidade induzida pelas
bactérias na recuperação de óleo. Foi utilizado um simulador comercial
(ECLIPSE®) para verificar se uma mudança de molhabilidade ou redução da
tensão interfacial poderia resultar em alterações nas características de
produção, tais como a diminuição da saturação de óleo residual, apresentadas
em outro trabalho publicado anteriormente. Para simular essas mudanças,
foram utilizadas diferentes curvas de permeabilidade relativa. Os testes
laboratoriais indicaram uma redução na tensão interfacial água-óleo,
entretanto, observaram pouca mudança na molhabilidade da rocha (arenito
Bentheimer), que era fortemente molhável à água e passou a ser menos
molhável à água. As simulações realizadas mostraram que tanto a redução
gradual da tensão interfacial quanto a alteração da molhabilidade ajustariam os
dados laboratoriais do estudo anterior.
Resultados semelhantes foram obtidos por AFRAPOLI et al. (2009).
Em seu estudo, foram comparadas as alterações na molhabilidade de arenitos
(Berea) molháveis à água e com molhabilidade neutra provocadas por duas
variantes da bactéria Rhodococcus sp. 094: uma produtora de biosurfactante
(SPB) e outra não produtora (NSPB). Notou-se que em ambas as rochas houve
mudança na molhabilidade, porém nas rochas com molhabilidade neutra tal
9
mudança foi insignificante. Além disso, ambas as bactérias provocaram esta

mudança, mas as NSPB alteraram a molhabilidade à água original para mais
molhável à água ainda, enquanto as SPB tornaram a rocha um pouco menos
molhável à água. Por ter levado a rocha a um estado menos extremo de
molhabilidade, mesmo a pequena mudança observada na molhabilidade das
rochas molháveis à água, provocada pelas SPB, ofereceria um efeito benéfico
à recuperação de óleo.
SOUDMAND-ASLI et al. (2007) investigaram a recuperação melhorada
de petróleo através de métodos microbiológicos, comparando modelos de
meios porosos fraturados (com três diferentes ângulos de inclinação de fratura:
inclinado, vertical e horizontal) e não fraturado. Foram utilizados dois tipos de
bactérias: Bacillus subtilis, que produz biosurfactante, e Leuconostoc
mesenteroides, que produz biopolímero redutor de permeabilidade. No meio
poroso não fraturado, o biosurfactante e o biopolímero conseguiram
recuperações adicionais similares em relação à injeção de água: 23,1% e
21,2%, respectivamente. Porém, com o biopolímero não foi atingida uma
recuperação adicional da mesma ordem de grandeza do biosurfactante nos
modelos fraturados. Isto se deve ao fato do biopolímero ter causado grande
redução de permeabilidade na interface matriz-fratura, impedindo que boa
parte do óleo que estava na matriz fosse drenada. Dessa forma, a maior
recuperação de óleo foi observada com a bactéria produtora de biosurfactante
em meio poroso fraturado, uma vez que o biosurfactante foi capaz de reduzir a
viscosidade do óleo e a tensão interfacial óleo-água.
PORNSUNTHORNTAWEE et al. (2008) isolaram dois microorganismos
produtores de biosurfactantes: Bacillus subtilis PT2 e Pseudomonas aeruginosa
SP4, do solo contaminado com petróleo na Tailândia. Tais biosurfactantes
foram comparados com três surfactantes sintéticos: Tween 80, SDBS e
Alfoterra 145-5PO, utilizados na remoção de óleo de motor de uma coluna de
areia. Os biosurfactantes apresentaram recuperações do óleo de motor de 2 a
10% maiores do que os surfactantes sintéticos, indicando que eles podem ter
um bom potencial para utilização em MEOR.
As bactérias presentes no óleo e na água de formação do bloco S12 do
campo de Shengli, na China, foram investigadas por BAO et al. (2009). Foi
desenvolvido um sistema de nutrientes seletivo que foi capaz de ativar o
10
crescimento das bactérias benéficas, principalmente as produtoras de metano,

e capaz de inibir o crescimento das bactérias nocivas, principalmente as
redutoras de sulfato. Testes de fluxo em meios porosos foram conduzidos e
constatou-se uma recuperação de óleo adicional de 9,14% em comparação
com a injeção de água. Tal incremento foi atribuído ao aumento da pressão
devido à produção de biogases, tais como: metano, dióxido de carbono e
nitrogênio.
Pode-se perceber que os diversos tipos de mecanismos de MEOR
foram descritos em estudos laboratoriais. Dos que realizaram experimentos de
fluxo em meios porosos, foi observada uma recuperação adicional de óleo de
até 25% em relação à injeção de água.
2.2. MODELOS MATEMÁTICOS E SIMULAÇÃO NUMÉRICA DOS MÉTODOS

MICROBIOLÓGICOS DE RECUPERAÇÃO MELHORADA DE PETRÓLEO
Modelos matemáticos são necessários para descrever os processos de

MEOR e gerar simulações que estimam o potencial aumento no fator de
recuperação.
Uma formulação matemática para modelar o transporte de
microorganismos em meios porosos foi proposta por ISLAM (1990). Tal modelo
consiste de três fases (aquosa, oleosa e adsorvida) e cinco componentes (óleo,
água, gás, bactérias e nutrientes). No modelo, desprezam-se os termos de
dispersão nas equações de transporte dos componentes. A formulação
matemática é completada com um modelo cinético de crescimento de bactérias
(Modelo de Monod) que leva tanto ao plugueamento e controle de mobilidade
quanto a alterações nas seguintes propriedades do óleo: redução da
viscosidade ou da tensão interfacial óleo-água. Foram simulados quatro casos:
a) plugueamento de zonas de alta permeabilidade, b) diminuição da tensão
interfacial óleo-água pela geração de biosurfactantes, c) diminuição da
viscosidade do óleo pela geração de biosurfactantes, d) diminuição da
viscosidade do óleo e da tensão interfacial óleo-água pela geração de CO2. O
11
caso b) foi onde se observou maior recuperação de óleo incremental em

comparação à injeção de água.
CHANG et al. (1991) descreveram o desenvolvimento de um modelo
numérico tridimensional, com três fases (aquosa, oleosa e gasosa) e quatro
componentes (água, óleo, bactéria e nutriente). Foi utilizado o modelo de
Monod para descrever o transporte de microorganismos em meio poroso. Além
disso, foram realizados experimentos laboratoriais para determinar alguns
parâmetros necessários ao modelo, que ainda não estavam disponíveis, tais
como: os coeficientes de difusão, adsorção e dessorção das bactérias. O
simulador mostrou-se útil para estudar os efeitos da adsorção e da estratégia
de injeção em um processo de transporte de microorganismos em meios
porosos.
SARKAR (1992) desenvolveu um simulador numérico composicional,
unidimensional, com duas fases (aquosa e oleosa) e cinco componentes (água,
óleo, bactéria, nutriente e metabólito) para modelar os processos de MEOR. Os
mecanismos modelados para recuperação de óleo são baseados no
plugueamento seletivo, através da redução da permeabilidade pelo
crescimento de biomassa, e na redução da tensão interfacial óleo-água,
através da produção de biosurfactantes. Foi utilizado um algoritmo com a
pressão implícita e as concentrações explícitas para a solução das equações
da pressão e das conservações de massa.
ZHANG et al. (1992) utilizaram um modelo matemático com quatro
fases (aquosa, oleosa, gasosa e adsorvida) e de múltiplas espécies para
simular os efeitos da produção de gases (N2 e CO2) e o plugueamento seletivo
nos processos de MEOR. O modelo leva em consideração que há dois
nutrientes limitantes de crescimento - modelo de Monod modificado - e que a
modificação de permeabilidade é causada tanto pela retenção das bactérias na
superfície dos poros (diminuição da porosidade) quanto pelo plugueamento das
gargantas de poros pela biomassa. Foram comparadas as soluções numéricas
obtidas com resultados experimentais. Os resultados indicaram que o modelo
realmente simula os experimentos laboratoriais essenciais de cinética
microbiológica e que pode ser estendido para gerar previsões para planejar e
avaliar projetos de campo de MEOR.
12
Em sua tese de doutorado, ZHANG (1994) desenvolveu um simulador

tri-dimensional, com quatro fases (aquosa, oleosa, gasosa e adsorvida) e de
múltiplas espécies para simular os seguintes mecanismos de MEOR: 1)
melhoria na eficiência de varrido através da produção de biopolímeros, que
tanto poderiam causar plugueamento seletivo, quanto aumentar a viscosidade
da água injetada e 2) melhoria da eficiência de deslocamento através da
diminuição da tensão interfacial água-óleo, devido à produção de
biosurfactantes. As soluções numéricas encontradas foram comparadas com
simuladores comerciais e/ou experimentos laboratoriais e os resultados obtidos
indicaram que o modelo foi capaz de quantificar o transporte e o metabolismo
de microorganismos em meio poroso, bem como estimar a recuperação de
óleo adicional devida aos processos de MEOR.
SITNIKOV et al. (1994) descreveram um modelo matemático com duas
fases (oleosa e aquosa) para um meio poroso misto, com blocos porosos e
fraturas entre eles. De forma diferente dos modelos anteriores, foram utilizadas
equações diferenciais com variação da concentração com o tempo, para
descrever a cinética do crescimento de bactérias. Em seguida, foram
combinados o consumo de nutrientes com o crescimento de bactérias, a
produção de biosurfactantes e gás carbônico. Além disso, foram apresentadas
as relações de viscosidade do óleo, tensão interfacial e o coeficiente de
deslocamento do óleo com o tempo, a partir da relação dos mesmos com a
concentração de biosurfactantes e/ou gás carbônico.
DESOUKY et al. (1996) apresentaram um modelo matemático com três
fases (aquosa, oleosa e adsorvida) e cinco componentes (água, óleo, bactéria,
nutriente e metabólito-biosurfactante) e desenvolveram um simulador numérico
unidimensional. Além disso, foram conduzidos diversos experimentos
laboratoriais, tais como: crescimento e decaimento de bactérias; produção de
componentes metabólitos pelas bactérias; adsorção de bactérias e metabólitos
em grãos de areia; tensão interfacial entre óleo e a cultura de bactérias;
características reológicas das fases aquosa e oleosa, e deslocamento de óleo
pela cultura de bactérias, de forma a gerar correlações para serem utilizadas
no simulador. Com o simulador, foram investigados os efeitos produzidos por
bactérias já existentes no reservatório; pelo tamanho do banco de nutriente
injetado; pelo tempo de incubação das bactérias; pela saturação de óleo
13
residual; pela permeabilidade absoluta e pela vazão de injeção. Comparações

entre os resultados laboratoriais obtidos e as simulações enfatizaram a
validade do trabalho.
Algumas evoluções implementadas no UTCHEM (simulador 3-D,
multicomponente, multifásico e composicional desenvolvido na University of
Texas at Austin) foram apresentadas por DELSHAD et al. (2002). Tais
evoluções incluíam a possibilidade de simular modelos de dupla-porosidade,
espuma e MEOR. De acordo com os autores, a implementação de MEOR no
UTCHEM inclui a modelagem da formação de biosurfactantes e biopolímeros e
da redução de permeabilidade devido à retenção de bactérias no meio poroso.
Várias simulações foram realizadas para simular dados experimentais e ajustar
a recuperação de óleo e o fator de redução de permeabilidade (Permeability
Reduction Factor – PRF). Tais resultados foram bons, uma vez que o UTCHEM
conseguiu simular qualitativamente os mecanismos de recuperação de óleo
que ocorrem durantes os processos de MEOR.
Um software para simulação de MEOR foi desenvolvido por
GHESLAGHI E ARDJMAND (2006). Foram utilizados o modelo matemático e
as correlações obtidas com os dados laboratoriais apresentados por
DESOUKY et al. (1996). As equações foram simuladas utilizando métodos
numéricos (elementos finitos, sucessive overrelaxation) e o software MATLAB®.
Os resultados obtidos mostram que através da aplicação de MEOR a pressão
do reservatório deverá aumentar, podendo levar a uma recuperação melhorada
do óleo do reservatório.
SUGAI et al. (2007) desenvolveram um simulador numérico que
consiste de duas fases (oleosa e aquosa) e cinco componentes (água, óleo,
bactéria, nutriente e metabólito) para analisar os mecanismos de MEOR
utilizando os dados laboratoriais do microorganismo Clostridium sp. obtidos por
SUGAI et al. (1999). Tal modelo inclui quase todos os processos de MEOR tais
como: crescimento (Modelo de Moser) e morte de microorganismos, consumo
de nutrientes, produção do metabólito (biopolímero), melhoria do perfil de fluxo
em um reservatório e aumento na recuperação de óleo. Não foram
considerados os efeitos de adsorção do microorganismo, nutriente e metabólito
na superfície da rocha, de forma a analisar simplesmente os mecanismos de
recuperação melhorada de petróleo pela solução viscosa produzida pelo
14
microorganismo produtor de biopolímero. Também não foram considerados os

efeitos de difusão destes componentes, por serem pequenos o suficiente para
serem desprezados na escala de campo na simulação numérica. A validade
deste simulador foi demonstrada através da comparação dos resultados de
simulação numérica com os experimentos de fluxo em meio poroso.
HOU et al. (2008) propuseram um modelo pseudo-tridimensional para
previsão do potencial dos seguintes métodos de recuperação melhorada:
injeção miscível de CO2 ,injeção de polímeros, ASP (álcali/ surfactante/
polímero) e MEOR, utilizando simulação por linhas de corrente. Para a
simulação de MEOR, foi considerada difusão, o que torna o sistema parabólico.
NIELSEN et al. (2010b) apresentaram um modelo unidimensional
isotérmico que considera duas fases (oleosa e aquosa) e cinco componentes
(água, óleo, bactéria, nutriente e metabólito), onde o metabólito é particionado
entre as duas fases e o crescimento de bactérias é representado pelo modelo
de Monod. A adsorção e a difusão dos componentes foram desconsideradas. O
metabólito produzido é um biosurfactante capaz de reduzir a tensão interfacial
água-óleo e três métodos são investigados para modelar as mudanças
ocasionadas na permeabilidade relativa decorrentes desta redução. Tais
métodos são: 1) correlação entre o número capilar e a saturação residual de
óleo, 2) método de Coats para interpolação das curvas de permeabilidade
relativa e 3) interpolação dos parâmetros das curvas de permeabilidade relativa
do tipo Corey. Também foram analisados os efeitos no perfil de saturação de
água e na recuperação de óleo de acordo com a variação de alguns
parâmetros, tais como: coeficiente de partição do biosurfactante; taxa de
crescimento de bactérias; e concentrações de nutrientes e bactérias injetadas.
Foram observadas recuperações adicionais de óleo da ordem de 40% em
relação à injeção de água, considerando um biosurfactante que é capaz de
reduzir a tensão interfacial água-óleo em quatro ordens de grandeza. Quando
considerado um biosurfactante capaz de reduzir a tensão interfacial água-óleo
em duas ordens de grandeza, a recuperação de óleo adicional foi da ordem de
9% em relação à injeção de água, valor mais próximo a alguns resultados
obtidos em estudos experimentais.
NIELSEN et al. (2010a) implementaram o modelo de MEOR descrito
em NIELSEN et al. (2010b) em um simulador por linhas de corrente baseado
15
na estrutura IMPEC (implicit pressure, explicit composition) para desacoplar o

fluxo e o transporte decorrente de reações. Os processos de reação e
transporte são resolvidos simultaneamente ao longo de cada linha de corrente.
Efeitos gravitacionais foram considerados utilizando uma técnica de operator
splitting. Segundo NIELSEN et al. (2010a), trata-se do primeiro simulador por
linhas de correntes 3D de MEOR. Com fins de verificação, os resultados deste
simulador foram comparados com os obtidos por simuladores convencionais
por diferenças finitas para cálculos de deslocamentos 1D e 2D. Foram
investigados os possíveis aumentos no fator de recuperação utilizando MEOR
com geração de biosurfactante capaz de reduzir a tensão interfacial água-óleo,
com relação à injeção de água.
É evidente o potencial dos biosurfactantes nos processos de
recuperação melhorada de petróleo (ISLAM, 1990; SARKAR, 1992; DESOUKY
et al., 1996; SOUDMAND-ASLI et al., 2007; NIELSEN et al., 2010b) e por isso,
há muitos estudos publicados que analisam os processos de MEOR utilizando
microorganismos que produzem biosurfactantes. Por outro lado, há poucos
estudos que investigam os mecanismos de MEOR que utilizam
microorganismos produtores de biopolímeros capazes de aumentar a
viscosidade da solução aquosa (SUGAI et al., 2007).
2.3. APLICAÇÕES DE MEOR EM CAMPO
As tecnologias de MEOR avançaram de estudos laboratoriais e

simulações para aplicações em campo a partir dos anos noventa (SEN, 2008).
Os testes de campo podem ser de dois tipos (STRAPPA et al., 2004):
1) Huff-and-puff: injeção de bactérias e/ou nutrientes nos poços
produtores com o objetivo de:
a. testar o crescimento das bactérias e geração de metabólitos
no próprio reservatório alvo;
b. realizar uma limpeza da região em torno do poço e/ou da
zona de dano para aumentar o índice de produtividade.
16
2) Injeção de bactérias e/ou nutrientes nos poços injetores com o

objetivo de fazer a água injetada carregar as bactérias e nutrientes
para gerar metabólitos por todo o reservatório.
Alguns autores consideram que somente o segundo tipo de teste
consiste de MEOR propriamente dita, por considerarem que o primeiro tipo
estimula o poço e não representa recuperação melhorada de petróleo. Neste
trabalho, os dois tipos de teste serão relatados, uma vez que os resultados
obtidos em testes do tipo huff-and-puff podem servir de incentivo para
expansão da injeção de microorganismos nos poços injetores, além de
trazerem informações importantes acerca da atividade bacteriana no
reservatório alvo.
Há testes em campo de MEOR relatados em vários países
(MARSHALL, 2008) tais como: Argentina, Austrália (SHEEHY, 1990), Canadá
(TOWN et al., 2009), China, Estados Unidos, Indonésia, Iran, Malásia (KARIM
et al., 2001; SABUT et al., 2003), Noruega (AWAN et al., 2008; TALUKDAR E
INSTEFJORD, 2008) e no Brasil (REKSIDLER et al., 2010).
1) Argentina: Na Bacia de Cuyo, foram realizadas operações de
MEOR em pelo menos quatro campos diferentes: Tupungato-Refugio, Piedras
Coloradas, La Ventana e Vizcacheras. Nos dois primeiros campos a injeção
ocorreu nos poços produtores, já nos dois outros campos, foi expandida para
poços injetores. Esta expansão de utilização de MEOR nesta Bacia revela a
confiança nos resultados positivos obtidos.
Campo de Tupungato-Refugio (DIETRICH et al., 1996) em 1994,
foram injetados nutrientes e microorganismos em três poços produtores, que
apresentaram redução do declínio de óleo após o tratamento.
Campo de Piedras Coloradas (MAURE et al., 2001) em 1997, foram
injetados nutrientes e microorganismos em seis poços produtores, que também
apresentaram redução do declínio de óleo após o tratamento
Campo de LaVentana (MAURE et al., 2001) injetados nutrientes e
microorganismos em um poço injetor. Os quatro poços produtores afetados
apresentaram um pequeno decréscimo da produção de água e do declínio de
óleo.
Campo de Vizcacheras (STRAPPA et al., 2004) injetados
microorganismos e nutrientes em um poço injetor. Houve redução da produção
17
de água e no declínio de óleo nos nove poços produtores influenciados pelo

injetor.
2) Austrália: Campo de Alton (SHEEHY, 1990) foram injetados
nutrientes e bactérias em um poço produtor. Observou-se um aumento na
produção de óleo e redução na produção de água deste poço. Decidiu-se
expandir a utilização de MEOR para os outros quatro poços produtores deste
reservatório.
3) Canadá: Campo de Trial, Saskatchewan (TOWN et al., 2009)
foram realizados testes huff-and-puff em um poço produtor, sendo observados
resultados positivos. Resolveu-se, então, realizar tratamentos do tipo huff-and-
puff em mais três poços produtores e injetar nutrientes em dois poços injetores.
Os resultados foram positivos em dois dos três novos poços produtores
tratados. Seis poços produtores, que eram influenciados pela injeção de água
proveniente dos dois injetores, apresentaram diminuição da produção de água
e aumento na produção de óleo. TOWN et al. (2009) consideram tais
resultados bastante animadores e planejam expandir a utilização de MEOR em
outros campos do Canadá.
4) China: Certamente é um dos países onde a tecnologia de MEOR
mais é pesquisada, uma vez que vários dos estudos laboratoriais e dos testes
em campo de MEOR relatados na bibliografia ocorreram neste país.
Campo de Fuyu (NAGASE et al., 2002) foram realizados testes do
tipo huff-and-puff em seis poços produtores para avaliar o crescimento dos
microorganismos e a produção de biopolímero com a injeção de nutrientes.
Após a comprovação desse crescimento em quatro dos seis poços, decidiu-se
estender a aplicação de MEOR para dois poços injetores. Foram observados
redução da produção de água e aumento na produção de óleo em sete dos oito
produtores influenciados pelos dois injetores.
Campo de Wenmingzhai (ZHAO et al., 2005) foram realizados testes
laboratoriais para selecionar as bactérias e os nutrientes adequados a este
reservatório de alta temperatura e salinidade para MEOR (85°C e 120000 ppm,
respectivamente). As bactérias e os nutrientes foram cultivados na água de
injeção e foram conduzidos testes de adaptabilidade das bactérias e fluxo em
meios porosos. As bactérias e nutrientes foram injetados em doze poços
18
injetores e ocorreu aumento da produção de óleo em 25 dos 29 produtores

afetados pelos injetores.
Campo de Dagang (JINFENG et al., 2005; FENG et al., 2006)
baseado em testes laboratoriais, foram realizadas aplicações de MEOR em
quatro diferentes reservatórios deste campo: Gangxi, Gangdong, Wang-
guantum e Kongdian. A maioria dos reservatórios são arenitos, exceto uma
camada que é composta de rochas vulcânicas fraturadas e um bloco onde
ocorrem carbonatos na mesma camada dos arenitos. Foram utilizadas tanto
bactérias presentes neste campo, como bactérias especialmente selecionadas
para produzir metabólitos nas condições dos reservatórios-alvo. No
reservatório de Gangxi já havia injeção de polímero e foi observada uma
sinergia entre os microorganismos e a solução polimérica, que teve sua
viscosidade aumentada em torno de 10% pelos biopolímeros. Notou-se
também que no reservatório de temperatura mais alta (Kongdian: 73 ºC), as
respostas positivas demoraram mais a serem observadas. Ao todo, foram
injetados nutrientes e/ou bactérias em 24 poços injetores e observou-se
aumento na produção de óleo em 47 dos 55 poços produtores influenciados
pelos injetores.
5) Estados Unidos: Também é um país onde se tem investigado
bastante a utilização de microorganismos na recuperação de petróleo. O
Departamento de Energia (DOE – Department of Energy) e o Instituto Nacional
de Pesquisa em Petróleo e Energia (NIPER - National Institute for Petroleum
and Energy Research) incentivam e financiam pesquisas nesta área, desde
estudos laboratoriais, modelagem matemática e simulação de fluxo a testes em
campo (KNAPP et al., 1993; ZHANG, 1994).
Union County (KNAPP et al., 1993) foi o primeiro teste de MEOR
nos Estados Unidos. Foram injetados nutrientes e bactérias produtoras de CO2
em um poço injetor e observou-se o aumento na produção de óleo (e também
de CO2) em um poço produtor.
Mink Unit (KNAPP et al., 1993) este teste foi conduzido pelo NIPER
em conjunto com duas empresas privadas: Microbial Systems Corp. e
INJECTECH. Foram injetados nutrientes e bactérias produtoras de
biosurfactantes em quatro poços injetores, sendo observada redução na razão
água-óleo e aumento na produção de óleo em dez poços produtores.
19
Southeast Vassar Vertz Sand Unit (KNAPP et al., 1993) com o

incentivo do Departamento de Energia, foi realizado um estudo completo para
aplicação de MEOR neste campo. Tal estudo começou com a investigação das
condições químicas do reservatório e das bactérias já existentes. Continuou
com experimentos de crescimento de bactérias para selecionar o nutriente
capaz de estimular o crescimento das bactérias redutoras de nitrato e inibir o
crescimento das bactérias redutoras de sulfato. O objetivo principal deste teste
em campo era o plugueamento seletivo das zonas de alta permeabilidade, para
melhorar a eficiência de varrido. Foram injetados nutrientes em um poço injetor
e observou-se aumento da produção de óleo em três produtores afetados por
este injetor.
Campo de North Blowhorn Creek (BROWN et al., 2002) devido ao
contraste de permeabilidades existente no reservatório, a saturação de óleo era
muito alta na zona de menor permeabilidade. Primeiramente foram injetados
nutrientes em quatro poços injetores que resultou em uma redução no declínio
nos poços produtores. Foi decidido expandir a injeção para dez poços injetores
e observou-se uma redução ainda maior no declínio dos oito produtores
afetados pelos injetores.
Campo de Beverly Hills (ZAHNER et al., 2010) foram injetados
nutrientes em um poço produtor para estimular o crescimento de
microorganismos já existentes no próprio reservatório. Observaram um
aumento na produção de óleo deste poço e, posteriormente, optou-se por
estender a injeção de nutrientes para três poços injetores e outros dois
produtores. Foi observado um aumento na produção de óleo de cinco poços
produtores influenciados pelos três injetores.
6) Malásia: Campo de Bokor (offshore, 67m de lâmina d’água)
primeiro campo na Malásia onde foram realizados testes de MEOR. No projeto
piloto (KARIM et al., 2001), foram injetadas bactérias numa concentração
adequada em três poços produtores. O maior ganho foi observado em um poço
produtor que reduziu bastante o BSW. Nos outros dois poços, houve um
pequeno ganho de produtividade, provavelmente devido à limpeza da zona
danificada, causada pela quebra de componentes pesados pelos solventes
produzidos pelas bactérias. Com base nos resultados positivos do piloto,
resolveu-se expandir a aplicação de MEOR para outros cinco poços produtores
20
deste campo (SABUT et al., 2003). Foi observado aumento na produção de

óleo de três dos cinco poços tratados. Um poço teve que ser fechado, devido à
alta produção de areia e no outro poço não foi observada nenhuma mudança
na produção bruta ou de óleo após o tratamento com MEOR.
7) Noruega:
Campo de Norne (offshore, 380m de lâmina d’água) (AWAN et al.,
2008) não há dados publicados disponíveis que descrevam a operação,
seus objetivos e os resultados obtidos. Acredita-se que os resultados foram
positivos, uma vez que a Statoil planejou novos projetos de MEOR para os
campos de Gullfaks e Statfjord A.
Campo de Gullfaks (offshore, 135m de lâmina d’água) (TALUKDAR E
INSTEFJORD, 2008) foram injetados nutrientes e ar em um poço injetor,
porém, a queda de injetividade esperada, devido ao crescimento de bactérias,
não foi observada. Também era prevista uma redução na produção de água, e
o conseqüente aumento na produção de óleo no poço produtor diretamente
afetado pelo injetor tratado. Além disso, esperava-se um aumento no tempo de
trânsito do traçador injetado após o tratamento de MEOR e a redução da
produção de H2S no poço produtor. Nenhum dos objetivos foi alcançado.
Possíveis explicações para tal fato são: 1) já havia um biofilme de bactérias
redutoras de sulfato próximo ao injetor, o que pode ter inibido o crescimento de
novas bactérias; 2) uma vez que a viscosidade do óleo é em torno de 0,5 a 1
cP, a própria injeção de água do mar já é bastante efetiva neste campo e pode
ter deixado a saturação de óleo residual bem baixa na região do piloto.
8) Brasil: Um campo onshore na região Nordeste é o único local
onde houve aplicação de MEOR no país. Primeiramente, um teste de injeção
de bactérias e nutrientes foi realizado em um poço injetor (REKSIDLER et al.,
2010). Foram injetados dois traçadores diferentes, um antes e outro depois da
injeção de bactérias e nutrientes para verificar o plugueamento da zona de alta
permeabilidade. Notou-se um aumento na pressão de injeção e redução na
concentração do traçador injetado após o teste de MEOR, indicando que tal
plugueamento ocorreu. Decidiu-se, então, expandir a injeção de bactérias e
nutrientes para dez poços injetores. Em oito poços foi observado um aumento
na pressão de injeção, e em cinco deles houve redução na vazão de injeção,
21
indicando que ocorreu o plugueamento seletivo. Não foram reportados os

resultados observados nos poços produtores.
A Tabela 1 mostra um resumo comparativo dos testes de MEOR nos
campos relatados nesta seção. Percebe-se que dos testes apresentados
anteriormente, somente no campo de Dagang na China ocorre utilização em
rochas diferentes dos arenitos (vulcânicas fraturadas e carbonatos). Além
disso, embora haja uma preocupação em não utilizar MEOR em campos com
temperaturas altas, pelo menos quatro testes ocorreram em reservatórios com
temperaturas acima de 80°C e foram bem sucedidos. A s permeabilidades dos
reservatórios que foram tratados com MEOR variam em quatro ordens de
grandeza (de 0,7 a 10000 mD), o que demonstra a grande faixa de aplicação
desta tecnologia. Outra observação importante é que na maioria das aplicações
em campo aqui relatadas, o mecanismo principal atribuído ao sucesso do teste
é o de plugueamento seletivo. A tecnologia de MEOR já foi bastante testada
nos campos terrestres, porém dos testes em campo aqui resumidos, apenas
três ocorreram em ambiente offshore: Campo de Bokor, Malásia e Campos de
Norne e Gullfaks, Noruega. Isto demonstra a necessidade de ampliar estudos e
propostas para a utilização desta tecnologia em campos offshore.
22
Tabela 1 - Resumos dos testes de MEOR em campo

N° de N° de poços Tempe- Permeabi- Mecanismos de MEOR
País Campo / Local poços com resultado Rocha ratura lidade atribuídos aos resultados
tratados positivo °C mD obtidos
Tupungato-Refugio redução da viscosidade do
Argentina 3 Prod. 3 Prod. arenito 71 150 - 1500
(onshore ) óleo
Piedras Coloradas conglomerado 5-10 e 120 redução da viscosidade do
Argentina 6 Prod. 6 Prod. 76
(onshore ) arenito em 2 zonas óleo
4 Prod. plugueamento seletivo;
La Ventana
Argentina 1 Inj. (influenciados arenito 110 50 redução da viscosidade do
(onshore )
pelo Inj.) óleo
plugueamento seletivo;
9 Prod.
Vizcacheras redução da tensão
Argentina 1 Inj. (influenciados arenito 92 1000
(onshore ) interfacial; redução da
pelo Inj.)
viscosidade do óleo
produção de biogases;
Alton
Austrália 1 Prod. 1 Prod. arenito 76 11 - 884 redução da tensão
(onshore )
interfacial
6 Prod.
Trial 2 Inj. (influenciados
Canadá arenito 47 53 - 567 redução da tensão
(onshore ) 4 Prod. pelos 2 Inj.)
interfacial
3 Prod.
7 Prod.
Fuyu 2 Inj. (influenciados
China arenito 30 240 plugueamento seletivo
(onshore ) 6 Prod. pelos 2 Inj.)
4 Prod.
25 Prod. (dos
Wenmingzhai 29 Prod.
China 12 Inj. arenito 85 60 - 726 plugueamento seletivo
(onshore ) Influenciados
pelos 12 Inj.)
arenito
47 Prod. (dos (uma camada plugueamento seletivo;
Dagang 55 Prod. de vulcânicas redução da tensão
China 24 Inj. 54 -73 448 - 1903
(onshore ) influenciados fraturadas e interfacial; redução da
pelos 24 Inj.) outra com viscosidade do óleo
carbonatos)
Estados Union County
1 Inj. 1 Prod. arenito 32 - 40 400 produção de biogases (CO2)
Unidos (onshore )
Estados Mink Unit produção de
4 Inj. 10 Prod. arenito 23.9 90
Unidos (onshore ) biosurfactantes
Southeast Vassar
Estados
Vertz Sand Unit 1 Inj. 3 Prod. arenito 33.3 100 - 500 plugueamento seletivo
Unidos
(onshore )
8 Prod.
Estados North Blowhorn
10 Inj. (influenciados arenito < 55 0.7 - 141 plugueamento seletivo
Unidos Creek (onshore )
pelos 10 Inj.)
5 Prod.
Estados Beverly Hills 3 Prod. redução da tensão
(influenciados arenito ? ?
Unidos (onshore ) 3 Inj. interfacial ?
pelos 3 Inj.)
alteração da molhabilidade;
Bokor redução da tensão
Malásia 8 Prod. 6 Prod. arenito 48 50 - 4000
(offshore LDA 67m ) interfacial; redução da
viscosidade do óleo
Norne redução da tensão
Noruega ? ? arenito 98 20 - 2500
(offshore LDA 380m) interfacial ?
Gullfaks
Noruega 1 Inj. 0 Prod. arenito 71 10 - 10000
(offshore LDA 135m)
Região Nordeste 8 Inj.
Brasil 10 Inj. arenito 45 36 - 124 aumento da viscosidade da
(onshore ) ? Prod.
água
23
CAPÍTULO 3 - FORMULAÇÃO MATEMÁTICA
Neste capítulo, serão apresentadas as equações diferenciais utilizadas

para formulação de modelos matemáticos dos métodos de MEOR. As
equações básicas que governam o transporte de óleo, água, bactérias,
nutrientes e metabólitos nos processos de MEOR são as equações de
conservação de massa. Além disso, serão apresentadas algumas relações
constitutivas utilizadas para melhor descrever os processos de MEOR.
3.1. EQUAÇÕES DE CONSERVAÇÃO DA MASSA
A equação de conservação de massa pode ser expressa da seguinte

forma (LAKE, 1989):
∂
∫ ∂t W dV = − ∫ ∇i N dV + ∫ R dV
V
i
V
i
V
i (3.1)
∂
onde ∫ ∂t i
V
W dV é o acúmulo; − ∫ i Ni dV é o fluxo; Wi é a concentração do
V
∇

componente i ; n é a componente normal do fluxo N i ; ∇ é o operador Nabla
 ∂ ∂ ∂ 
∇ =  , ,  e Ri são os termos fonte que podem ser produção, injeção,
 ∂x ∂y ∂z 
reações químicas, bactérias crescendo, etc.
Reagrupando a equação (3.1), tem-se:
 ∂Wi 
∫V  ∂t + ∇i Ni − Ri dV = 0. (3.2)

Uma vez que Wi , N i e Ri são suaves, a forma diferencial das
equações de balanço de materiais para o transporte isotérmico,

24
multicomponente e multifásico de espécies químicas/bioquímicas em meios

permeáveis pode ser escrita como:
∂Wi
+ ∇i N i − Ri = 0. (3.3)
∂t
A concentração do componente i pode ser definida através da

seguinte expressão:
Np
Wi = φ ∑ ρ j S jωij + (1 − φ ) ρ jωis , (3.4)

j =1
onde φ é a porosidade do meio; N p é o número total de fases; j é a fase; ρ j
é a massa específica da fase j ; S j é a saturação da fase j ; ωij é a fração
mássica do componente i na fase j e ωis é a fração mássica do componente
i na fase sólida.
Considerando fluidos incompressíveis e mistura ideal, a concentração
volumétrica pode substituir a fração mássica:
ρ jωij
Cij = , (3.5)
ρi
onde Cij é a concentração volumétrica do componente i na fase j e ρi é a
massa específica do componente i .

Então, a concentração global do componente i pode ser expressa por:
Np
Wi = φ ∑ ρi S j Cij + (1 − φ ) ρiCis , (3.6)

j =1
onde Cis é a concentração do componente i na fase sólida, ou seja, a
concentração volumétrica do componente i adsorvido nas superfícies das

rochas.
25
Desprezando-se a adsorção e dividindo-se a equação (3.6) por ρi

obtém-se:
Np
Wi = φ ∑ S j Cij . (3.7)
j =1
O fluxo do componente i pode ser definido por:
( )
Np

N i = ∑ ρi Cij u j − φρi S j Dij i∇Cij , (3.8)
j =1

onde u j é a velocidade de Darcy da fase j e Dij é o tensor de dispersão do
componente i na fase j .
Considerando fluxo somente na direção x e dividindo a equação (3.8)
por ρi :
N p  ∂C 
N i = ∑  Cij u j − φ S j K Di ij , (3.9)
j =1  ∂x 
onde K Di é o coeficiente de dispersão do componente i .
Os termos fonte podem ser expressos da seguinte forma:
Np
Ri = φ ∑ S j Rij + (1 − φ ) Ris , (3.10)

j =1
onde Rij são as reações internas do componente i na fase j e Ris são as
reações internas do componente i na fase sólida. Desprezando-se a adsorção,

os termos fonte podem ser escritos como:
Np
Ri = φ ∑ S j Rij . (3.11)
j =1
26
E, finalmente, tem-se a equação de balanço de materiais para o

componente i em um meio poroso incompressível, substituindo as equações
(3.7), (3.9) e (3.11) na equação (3.3):
Np
∂S j Cij ∂ 
Np
∂Cij  Np
φ∑ + ∑  Cij u j − φ S j K Di  = φ ∑ S j Rij . (3.12)

j =1 ∂t j =1 ∂x  ∂x  j =1
Segundo SUGAI et al. (2007), o efeito da dispersão é pequeno o

suficiente para ser desprezado na escala de campo na simulação numérica,
portanto, pode-se escrever a equação de balanço de materiais para o
componente i da seguinte forma:

Np
∂S j Cij Np
∂Cij u j Np
φ∑ +∑ = φ ∑ S j Rij , (3.13)
j =1 ∂t j =1 ∂x j =1
onde:
Nc
∑C
i =1
ij = 1, (3.14)
e N c é o número de componentes.
Neste trabalho serão adotadas as seguintes hipóteses simplificadoras:

1- Reservatório homogêneo e isotrópico.
2- Nenhum componente gasoso é considerado. Reservatório e fluidos
incompressíveis.
3- Reações de precipitação/dissolução, troca de cátions, redox, etc,
não são consideradas.
4- Mudanças de pressão, volume e temperatura decorrentes de
reações químicas podem ser desprezadas.
5- A presença de somente duas fases (aquosa e oleosa) é
considerada.
6- Não será considerada adsorção.
27
Partindo da equação (3.13), e utilizando as hipóteses simplificadoras

descritas anteriormente, é possível escrever as seguintes leis de conservação
para o óleo e para a água:
Óleo:
∂So ∂uo
φ + = 0, (3.15)
∂t ∂x
Água:
∂S w ∂uw
φ + = 0, (3.16)
∂t ∂x
onde t é o tempo; x é a coordenada espacial; w representa a fase aquosa e

o representa a fase oleosa.
Desconsiderando efeitos capilares e gravitacionais, a Lei de Darcy
unidimensional para a velocidade da fase j pode ser escrita como:
kkr j ∂P
uj = − , (3.17)
η j ∂x
onde k é a permeabilidade absoluta do meio poroso; kr j é a permeabilidade
relativa da fase j ; η j é a viscosidade da fase j e P é a pressão.
Para calcular a velocidade total, pode-se somar a velocidade das duas

fases:
k k  ∂P
utotal = u = uo + uw = − k  r w + r o  . (3.18)
 η w ηo  ∂x
Tomando a saturação de água como referência:
Sw = S ,
(3.19)
So = 1 − S ,
e definindo-se o fluxo fracionário da água ( f w ) como:

28
kr w ( S )
uw ηw
f = fw = = , (3.20)
u kr w ( S ) kr o ( S )
+
ηw ηo
as equações de conservação do óleo e da água tornam-se:
∂ (1 − S ) ∂ (1 − f )u
φ + =0, (3.21)
∂t ∂x
∂S ∂fu
φ + = 0. (3.22)
∂t ∂x
Somando as duas equações:
∂u
= 0. (3.23)
∂x
E, portanto, u só depende do tempo : u = u (t ) .

Desta forma, as equações para o óleo e para a água podem ser
reescritas como:
∂ (1 − S ) ∂ (1 − f )
φ +u = 0, (3.24)
∂t ∂x
∂S ∂f
φ +u = 0, (3.25)
∂t ∂x
bastando apenas resolver a equação da água (BUCKLEY E LEVERETT, 1942).

Considerando que na fase aquosa do meio poroso há bactérias que se
alimentam de nutrientes, e com isso produzem mais bactérias e também
metabólitos, pode-se escrever leis de conservação para estes três
componentes. Nesta dissertação, será desconsiderada a adsorção destes
componentes na rocha. Desta forma, as leis de conservação para estes
componentes, partindo da equação (3.13), podem ser escritas da seguinte
forma:
29
Bactérias:
∂SCb ∂Cbu w
φ + = φ SRb , (3.26)
∂t ∂x
Nutrientes:
∂SCn ∂Cn uw
φ + = φ SRn , (3.27)
∂t ∂x
Metabólitos:
∂SCm ∂Cmuw
φ + = φ SRm , (3.28)
∂t ∂x
onde Cb , Cn e Cm são as concentrações de bactérias, nutrientes e metabólitos,
respectivamente, na fase aquosa e Rb , Rn e Rm são os termos fonte de

bactérias, nutrientes e metabólitos, respectivamente.
Expandindo a equação da bactéria:
∂Cb ∂S ∂u ∂C
φS + φ Cb + Cb w + uw b = φ SRb , (3.29)
∂t ∂t ∂x ∂x
e colocando-se a concentração de bactérias ( Cb ) em evidência:
∂Cb  ∂S ∂uw  ∂Cb

φS + Cb  φ +  + uw = φ SRb . (3.30)
∂t  ∂t ∂x  ∂x
Mas, a partir da equação de conservação da água (3.16), pode-se

reescrever a equação de conservação da bactéria como:
∂Cb ∂C
φS + uw b = φ SRb . (3.31)
∂t ∂x
Analogamente, pode-se escrever a equação de conservação do

nutriente e do metabólito da seguinte forma:
∂Cn ∂C
φS + uw n = φ SRn , (3.32)
∂t ∂x
30
∂Cm ∂C
φS + uw m = φ SRm . (3.33)
∂t ∂x
Fazendo uw = uf introduz-se o fluxo fracionário, e juntamente com a
equação (3.25), forma-se o seguinte sistema de equações:
 ∂S ∂f
φ ∂t + u ∂x = 0

φ S ∂Cb + uf ∂Cb = φ SR
 ∂t ∂x
b
 (3.34)
φ S ∂Cn + uf ∂Cn = φ SR
 ∂t ∂x
n
 ∂C ∂Cm
φ S m + uf = φ SRm
 ∂t ∂x
3.2. RELAÇÕES CONSTITUTIVAS
Nesta seção serão apresentadas as expressões auxiliares necessárias

para resolução do sistema de equações (3.34). Essas equações são utilizadas
como termos fonte e variação da viscosidade da água com a concentração de
metabólitos (biopolímeros).
3.2.1. Termos fonte: Modelos cinéticos de crescimento de bactérias
O modelo mais utilizado para representar o crescimento de

microorganismos em experimentos de batelada é o Modelo de Monod:
 Cn 
µb = µbmáx  , (3.35)
 K bn + Cn 
onde µb é a taxa de crescimento de bactérias (unidade de [ T ]-1); µbmáx é a
máxima taxa específica de crescimento de bactérias (unidade de [ T ]-1) e K bn é
a concentração de nutriente que corresponde à metade de µb .

31
Na equação (3.35), assume-se apenas um nutriente como limitante do

crescimento das bactérias. Caso haja necessidade de adotar dois nutrientes
como limitantes do crescimento das bactérias, pode-se utilizar o Modelo de
Monod para dois nutrientes n1 , n2 , conforme foi utilizado por ZHANG et al.
(1992) e ZHANG (1994):
 Cn1  Cn2 
µb = µbmáx    . (3.36)
 K bn + Cn 
 1 1  K bn2 + Cn2 
Além do Modelo de Monod, o crescimento de microorganismos

também pode ser representado pela equação de Moser, onde a concentração
do nutriente é elevada a um coeficiente adimensional a (SUGAI et al., 2007):
 Cna 
µb = µbmáx  a 
(3.37)
 K bn + Cn 
Os modelos tradicionais utilizados para descrever o transporte de

microorganismos em meios porosos foram avaliados por TUFENKJI (2007).
Além de comentar sobre o uso inadequado do equilíbrio da adsorção, da teoria
da filtração e da falta de habilidade de alguns modelos existentes predizerem
as taxas de remoção e adsorção de microorganismos, TUFENKJI (2007)
também questiona a utilização do modelo de Monod em meios de
subsuperfície. Segundo TUFENKJI (2007), os valores dos parâmetros do
modelo de Monod são muito sensíveis a mudanças das condições ambientais e
de nutrientes. Além do mais, é comentado que não é fácil obter estimativas
acuradas destes parâmetros para as condições in situ por causa da dificuldade
de obter amostras não contaminadas e levar em conta as variações temporais
e espaciais das atividades dos microorganismos.
KHAN et al. (2008) mostraram que os modelos tradicionais de
crescimento de bactérias em bateladas não explicam o comportamento das
mesmas bactérias em experimentos de fluxo em meio poroso e, por isso,
apresentam um modelo alternativo. Nesta proposta, é acrescentado um termo
de inibição K i ao modelo de Monod para descrever a queda da taxa de
32
crescimento de bactérias depois que elas param de se alimentar para se

multiplicar. Isso ocorre devido ao conceito de quorum sensing, segundo o qual
as bactérias percebem a densidade espacial e passam a consumir o nutriente
somente para viver e não mais para se multiplicar. O modelo é descrito da
seguinte forma:
 
 Cn 
µb = µbmáx  . (3.38)
 K + C + 1 + Cn 
 bn n
Ki 
 
O termo fonte é igual a (ZHANG et al., 1992):
Rb = µb Cb . (3.39)
Neste trabalho, serão testados os modelos cinéticos descritos de forma

a investigar seus efeitos no fator de recuperação obtido no processo de MEOR.
3.2.2. Termos fonte: Modelo cinético para produção de metabólitos
ZHANG et al. (1992) utilizaram um modelo empírico para estimar a taxa

de produção de metabólicos:
 Cn − Cn* 
µm = µ mmáx  * 
, (3.40)
 K mn + Cn − Cn 
onde µm é a taxa de produção de metabólitos (unidade de [ T ]-1); µmmáx é a
máxima taxa específica de produção de metabólitos (unidade de [ T ]-1); K mn é
a concentração de nutriente que corresponde à metade de µm ; Cn* é a
concentração crítica de nutriente para o crescimento de metabólitos, e o termo

fonte é igual a:
Rm = µ mCb . (3.41)
33
3.2.3. Termos fonte: Modelo cinético para consumo de nutrientes
Para considerar a utilização de nutrientes para o crescimento e

metabolismo das bactérias, ZHANG et al. (1992) utilizaram o seguinte modelo:
Rb Rm
Rn = − − − mnCb , (3.42)
Ybn Ymn
onde Ybn é o coeficiente de rendimento de crescimento de bactéria por unidade
de nutriente consumido, Ymn é o coeficiente de rendimento de produção de
metabólito por unidade de nutriente consumido e mn é uma constante de
manutenção de energia pelo nutriente.

SUGAI et al. (2007) simplificaram o modelo e consideram que o
consumo de nutrientes é realizado pelas bactérias através da seguinte
expressão:
Rb
Rn = − . (3.43)
Ybn
Já NIELSEN et al. (2010b) sugerem a utilização do seguinte modelo:
Rb Rm
Rn = − − . (3.44)
Ybn Ymn
3.2.4. Variação da viscosidade da solução aquosa ηw com a concentração

de metabólitos Cm
ZHANG (1994) representa a variação da viscosidade da solução

aquosa com a concentração de biopolímeros de acordo com a seguinte
expressão linear:
η w = η wi + K pol Cm , (3.45)
34
onde η wi é a viscosidade da água, K pol é um coeficiente e Cm é a
concentração de biopolímero.
BAE et al. (2008) realizaram experimentos laboratoriais em diferentes
temperaturas (20, 40, 60 e 80ºC) para caracterizar reologicamente
polissacarídeos (biopolímeros) produzidos pelo microorganismo
Microbasterium laevaniformans. A Figura 3 apresenta a variação da
viscosidade aparente com a concentração do biopolímero produzido nas quatro
temperaturas diferentes.

metabólitos em diferentes temperaturas (modificado de BAE et al., 2008)
As temperaturas mais comuns em reservatórios razoavelmente

profundos (acima de 1500m de profundidade de rocha) da Bacia de Campos,
encontram-se acima de 60ºC, e portanto, foram obtidas equações empíricas
para as temperaturas de 60 e 80ºC, conforme pode ser observado nas Figuras
4 e 5.
35
60 ºC
nw (cp) nw (cp) Linha tendencia Polinômio (nw (cp))
70
nw = 0.414(Cm)2 + 1.895(Cm) + 0.071
60
R² = 0.999
50
Viscosidade (cp)
40
30
20
10
0
0 2 4 6 8 10 12
Concentração de metabólito (%)

metabólitos na temperatura de 60ºC
80 ºC
nw (cp) nw (cp) Linha tendencia Polinômio (nw (cp))
60
50
nw = 0.399(Cm)2 + 0.878(Cm) + 0.563
R² = 0.999
40
Viscosidade (cp)
30
20
10
0
0 2 4 6 8 10 12
Concentração de metabólito a 80ºC (%)

metabólitos na temperatura de 80ºC
A partir das Figuras 4 e 5, foi possível encontrar as seguintes equações

empíricas:
Para 60 ºC:
η w = 0, 414Cm2 + 1,895Cm + 0, 071, (3.46)
36
e para 80 ºC:
η w = 0,399Cm2 + 0,878Cm + 0,563. (3.47)
As propriedades reológicas das bactérias Pseudomonas aeruginosa e

Bacillus cereus foram estudadas por AL-ASHEH et al. (2002). Foram realizadas
medidas da viscosidade em função da concentração de bactérias em diferentes
condições. Sabe-se que quanto maior a concentração de bactérias, maior a
concentração de metabólitos gerados por elas. Neste estudo, notou-se que ao
aumentar a concentração de bactérias, e conseqüentemente a de metabólitos,
maior foi a viscosidade observada (Figura 6).
Viscosidade (Pa.s)
Tempo (min)
Figura 6 - Variação da viscosidade da solução aquosa (ηw) com o tempo para diferentes
concentrações de bactérias (Cb) (modificado de AL-ASHEH et al., 2002)
Foi escolhido o tempo de 25 minutos para o desenvolvimento de uma

relação entre a viscosidade e a concentração de bactérias.
37
2,5
1,5
viscosidade (cP)
y = 1,4019x0,1653
1
0,5
0
0 1 2 3 4 5
Concentração
ConcentraçãoAdimensional de Bactérias (B)
de Bactérias Adimensional (B)
Potência (visc (cP) 25MIN)
Figura 7 - Variação da viscosidade da solução aquosa (ηw) com a concentração

adimensional de bactérias (B=Cb/ Cbi) para o tempo de 25 minutos
Então, pode-se escrever a viscosidade da solução aquosa em função

da concentração de bactérias - ou metabólitos - da seguinte forma:
η w ( Cm ) = η wi + 1, 4019Cm 0,1653 . (3.48)
Com a utilização destas equações, pode-se calcular a curva de fluxo

fracionário em função da concentração de metabólitos:
kr w ( S )
u η w (Cm )
f = fw = w = . (3.49)
u kr w ( S ) kr o ( S )
+
η w (Cm ) ηo
38
CAPÍTULO 4 - SOLUÇÃO DO SISTEMA DE EQUAÇÕES DIFERENCIAIS
Neste capítulo, será apresentada a solução do sistema de equações

diferenciais que descreve o mecanismo de MEOR estudado no presente
trabalho.
Para resolver um sistema hiperbólico, não-linear e não homogêneo,
pode-se utilizar alguns esquemas numéricos, tais como o Fractional-step e o
Well-balanced (GALLOUET et al., 2006). O método escolhido para resolver o
sistema de equações diferenciais do presente trabalho foi o Fractional-step. Tal
método consiste de dois passos (steps): 1°) resolvem-se os termos convectivos
e 2°) aproximam-se os termos fonte. As principais v antagens deste método são
que ele é mais estável e é possível aplicar esquemas bem conhecidos no 1°
passo (GALLOUET et al., 2006).
Desta forma, a técnica de solução será apresentada em três etapas: 1)
solução numérica do caso escalar - equação de Buckley-Leverett, 2) solução
numérica do sistema homogêneo e 3) solução numérica do sistema não-
homogêneo (homogêneo + termos fontes) com o método Fractional-step.
Foram desenvolvidos algoritmos utilizando o MATLAB® para resolver cada uma
destas etapas.
4.1. SISTEMA DE EQUAÇÕES DIFERENCIAIS
Considerando que a viscosidade da água depende da concentração de

biopolímeros (segundo as equações (3.45), (3.46), (3.47) ou (3.48)), então o
fluxo fracionário depende da saturação de água S e da concentração de
biopolímeros Cm . O problema é modelado através do seguinte sistema de
equações diferenciais parciais:

39
 ∂S ∂f ( S , Cm )
φ ∂t + u ∂x
=0

φ S ∂Cb + uf ( S , C ) ∂Cb = φ SR
 ∂t
m
∂x
b
 . (4.1)
φ S ∂C ∂C
n
+ uf ( S , Cm ) n
= φ SRn
 ∂t ∂x
 ∂C ∂C
φ S m + uf ( S , Cm ) m = φ SRm
 ∂t ∂x
4.2. CASO ESCALAR - EQUAÇÃO DIFERENCIAL BUCKLEY-LEVERETT
Esta etapa consiste em obter uma solução numérica somente para a

primeira equação do sistema (4.1). Neste caso escalar, a curva de fluxo
fracionário depende somente da saturação de água. Então, a equação da
conservação da água (ou equação de Buckley-Leverett) pode ser escrita da
seguinte forma:
∂S ∂f ( S )
φ +u =0. (4.2)
∂t ∂x
Multiplicando a equação da água por L / u , onde L é o comprimento

do reservatório, e utilizando as seguintes variáveis adimensionais:
x
X= , (4.3)
L
y
1
φ L ∫0
T= u (t )dt , (4.4)
tem-se a seguinte equação adimensional para a água:
∂S ∂f ( S )
+ = 0. (4.5)
∂T ∂X
40
A solução analítica da equação (4.5) pode ser obtida utilizando o

método das características.
As curvas de permeabilidade relativa e fluxo fracionário foram
construídas segundo as correlações de Corey (LAKE, 1989) utilizando
parâmetros similares aos de um reservatório de águas profundas da Bacia de
Campos, conforme listados na Tabela 2:
Tabela 2- Parâmetros utilizados nas curvas de permeabilidade relativa e fluxo fracionário
S wi Sor η w (cP) ηo (cP) kr w (@1 − Sor ) kr o (@ S wi ) ew eo
0,16 0,23 0,5 5 0,3 0,7 2 2
As curvas de permeabilidade relativa ao óleo kr o ( S ) , à água kr w ( S ) e o
fluxo fracionário f ( S ) encontram-se na Figura 8:
1,0
0,8
0,6
kr wkrw(S)
(S )
krkro(S)
o (S )
0,4
f f(S)
(S )
0,2
0,0
0 0,2 0,4 0,6 0,8 1
Figura 8- Curvas de permeabilidade relativa e fluxo fracionário
Discretizando a equação (4.5):

41
Si j − Si j −1 Fi +j1/−12 − Fi −j1/−12
+ = 0, (4.6)
∆T ∆X
onde i é o índice da discretização no espaço; j é o índice de discretização no

tempo e F é a função fluxo.
Isolando Si j :
 ∆T  j −1
Si j = Si j −1 −   ( Fi +1/2 − Fi −1/2 ) .
j −1
(4.7)
 ∆X 
−1 −1
O cálculo de Fi +j1/2 − Fi −j1/2 é feito de acordo com os diversos métodos
numéricos existentes.
Para resolver a equação (4.5) (ou (4.7)), é necessário definir as
condições iniciais e de contorno:
Condição Inicial:
No tempo T = 0 , a saturação de água S é igual à saturação de água
inicial S wi em todas as células, ou seja: S ( X , 0) = S wi .
Condição de contorno:
Na primeira célula X = 0 , onde a água é injetada, S = 1 − S or durante
todo o tempo, ou seja: S (0, T ) = 1 − Sor .
4.2.1. Métodos numéricos
Para obter estabilidade nos esquemas numéricos explícitos, utiliza-se a

condição conhecida como CFL (Courant-Friedrichs-Lewy) (LEVEQUE, 1998),
definida como:
∆T
a ≤1, (4.8)
∆X
onde :
∂f
a= , (4.9)
∂S
que representa a velocidade do choque.

42
De acordo com a equação (4.8), se for utilizado um pequeno valor de

∆X , será necessário utilizar um pequeno passo no tempo ∆T para manter a
simulação numérica estável.
A condição (4.8) não é suficiente para o esquema ser estável, ela é
apenas necessária.
Nesta dissertação, foram testados três métodos numéricos para a
solução do caso escalar: 1) Média aritmética simples; 2) Lax-Friedrichs e 3)
Harten.
1) Média aritmética simples: neste método, a escolha da função fluxo
é dada da seguinte forma:
 f ( Si −j −11 ) + f ( Si j −1 )  ,
1
Fi −j1/−12 = (4.10)
2 
e de maneira análoga:
 f ( Si +j −11 ) + f ( Si j −1 )  .
−1 1
Fi +j1/2 = (4.11)
2 
Substituindo (4.10) e (4.11) em (4.7):
 ∆T 
Si j = Si j −1 −    f ( Si +1 ) − f ( Si −1 )  .
j −1 j −1
(4.12)
 2∆X 
Infelizmente, este método é geralmente instável para problemas

hiperbólicos e não pode ser usado mesmo que o passo de tempo seja pequeno
o suficiente para atender à CFL (LEVEQUE, 2004). Mesmo assim, tal método
foi implementado e não produziu soluções corretas (Figura 9).
2) Lax-Friedrichs: neste método, a escolha da função fluxo é dada

da mesma forma que o método anterior. A diferença se encontra na
aproximação de Si j −1 , onde se utiliza a média aritmética entre os pontos a
montante e a jusante:
43
Si j −1 =
2
( Si −1 + Si +j −11 ) .
1 j −1
(4.13)
Substituindo (4.13) em (4.12):
 ∆T 
Si j =
2
( Si −1 + Si +j −11 ) − 
1 j −1
 2∆X
  f ( Si +1 ) − f ( Si −1 )  .

j −1 j −1
(4.14)
Após implementar este método com ∆T = 0, 0025 e ∆X = 0, 01 chega-se

à solução apresentada na Figura 10.
Pode-se perceber dispersão numérica na vizinhança do choque (Figura
10). Para tentar minimizar a dispersão, foi utilizado ∆T = 0, 00025 e ∆X = 0, 001
(Figura 11).
Perfil de Saturação
1
Solução Analítica T=0,025
0,8 Média Aritmética T=0,025
Média Aritmética T=0,125
Média Aritmética T=0,25
Saturação de Água
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 9- Comparação da solução da saturação de água encontrada pelo método da

média aritmética e a solução analítica
44
1
0,8 LxF dX=0,01, dT=0,0025, T=0,025
LxF dX=0,01, dT=0,0025, T=0,125
LxF dX=0,01, dT=0,0025, T=0,25
Saturação de Agua
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X

Lax-Friedrichs e a solução analítica
1
LxF dX=0,01, dT=0,0025, T=0,025
0,8
LxF dX=0,01, dT=0,0025, T=0,125
LxF dX=0,01, dT=0,0025, T=0,25
LxF dX=0,001, dT=0,00025, T=0,025
Saturação de Agua
LxF dX=0,001, dT=0,00025, T=0,025

0,6
LxF dX=0,001, dT=0,00025, T=0,025
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X

Lax-Friedrichs e a solução analítica para os diferentes ∆T e ∆X
45
Fica evidente a maior aproximação da solução analítica quando se

utiliza ∆T e ∆X menores (Figura 11). Porém, esta melhoria vem associada a
um maior custo computacional.
3) Harten: neste método, a função fluxo é definida da seguinte

forma:
ϕ ( ri j −1 )
F j −1
i +1/2 = f ( Si j −1
)+  f ( Si +j −11 ) − f ( Si j −1 )  .
  (4.15)
2
E, analogamente:
ϕ ( ri −j1−1 )
F j −1
i −1/ 2 = f (S j −1
i −1 )+  f ( Si j −1 ) − f ( Si −j −11 )  ,
  (4.16)
2
onde o parâmetro ϕ ( ri j −1 ) é conhecido como limitador de fluxo. A razão entre
os fluxos nas interfaces ( ri j −1 ) é definida como:
j −1
f ( Si j −1 ) − f ( Si j−−11 )
ri = . (4.17)
f ( Si +j −11 ) − f ( Si j −1 )
Substituindo (4.15) e (4.16) em (4.7):
∆T  ϕ ( ri j −1 ) ϕ ( ri −j1−1 ) 
Si = Si
j j −1
−  f ( Si ) − f ( Si −1 ) +
j −1 j −1
 f ( Si +1 ) − f ( Si )  −
j −1 j −1
 f ( Si j −1 ) − f ( Si −j −11 )  
∆X  2   2  
 
(4.18)
HARTEN et al. (1983) introduziram o conceito de variação total, que

corresponde a:
TV j = ∑ Si +j 1 − Si j = ∑ ∆Si j . (4.19)
i i
Um esquema é dito TVD (Total Variation Diminishing) se:

TV j +1 ≤ TV j . (4.20)
46
Segundo SWEBY (1984), um esquema TVD tem a propriedade de

produzir soluções que obedecem ao princípio da entropia e que, portanto, são
as soluções corretas do problema.
Para que o esquema seja TVD, o limitador de fluxo ϕ ( ri j −1 ) deve
obedecer a alguns critérios algébricos (HARTEN et al., 1983; SWEBY, 1984;

PINTO, 1991), tais como:
0 ≤ ϕ ( ri j −1 ) ≤ 2 , (4.21)
e:
ϕ ( ri j −1 )
0≤ ≤ 2. (4.22)
ri j −1
A escolha proposta por SWEBY (1984) é:
ϕ ( ri j −1 ) = min ( 2, 2ri j −1 ) . (4.23)
Existem outras escolhas possíveis para o limitador de fluxo (PINTO,

1991).
Após implementação deste método, utilizando (4.18) e (4.23), com
∆T = 0, 001 e ∆X = 0, 01 , chega-se à solução para a saturação de água (Figura
12).
Pode-se perceber que mesmo para um espaçamento não muito
pequeno em X ( ∆X = 0, 01 ), obteve-se um resultado bem próximo à solução
analítica com o método de Harten.
A partir da solução da saturação de água, pode-se calcular o fluxo
fracionário de água f w em X = 1 - poço produtor e a saturação média S media
atrás da frente da água de injeção (WELGE, 1952) da seguinte forma:
Smedia = S (1, T ) + (1 − f w (1, T ) ) T . (4.24)
Após o cálculo da saturação média, calcula-se o fator de recuperação

( FR ) atingido com a injeção de água:
47
S media − S wi
FR = . (4.25)
1 − S wi
A Figura 13 ilustra o crescimento do fator de recuperação em

comparação com o fator de recuperação máximo
( FRm á x = (1 − S wi − Sor ) / (1 − S wi ) ).
Pode-se perceber a mudança na inclinação do crescimento da curva do

fator de recuperação após o instante da chegada de água (tempo do
breakthrough) aproximadamente em torno de T = 0,37 . Além disso, pode-se
observar que, para este reservatório (Tabela 2), o fator de recuperação atingido
após a injeção de um volume poroso é em torno de 55%.
Perfil de Saturação de Agua

1
0,8 Harten dX=0,01 dT=0,001 T=0,025
Harten dX=0,01 dT=0,001 T=0,125
Harten dX=0,01 dT=0,001 T=0,25
Saturacao de Agua
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X

Harten e a solução analítica
48
FR Injeção de Água
0,8
FRmáx
Fator de Recuperação
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
T (volumes porosos injetados)
Figura 13 - Evolução do fator de recuperação atingido com injeção de água comparado

ao fator de recuperação máximo (FRmáx)
4.3. SOLUÇÃO DO SISTEMA DE EQUAÇÕES HOMOGÊNEO
Desprezando o termo fonte do sistema (4.1), tem-se o seguinte sistema

de equações:
 ∂S ∂f ( S , Cm )
φ ∂t + u ∂x
=0

φ S ∂Cb + uf ( S , C ) ∂Cb = 0
 ∂t
m
∂x
 . (4.26)
φ S ∂Cn + uf ( S , C ) ∂Cn = 0
 ∂t
m
∂x
 ∂C ∂C
φ S m + uf ( S , Cm ) m = 0
 ∂t ∂x
49
Multiplicando as equações por L / u e utilizando as seguintes variáveis

adimensionais:
x
X=
L
y
1
φ L ∫0
T= u (t )dt
Cb
B= , (4.27)
Cbi
Cn
N=
Cni
Cm
M=
Cbi
o sistema (4.26) transforma-se no sistema adimensional:
 ∂S ∂f ∂S ∂f ∂B
 ∂T + ∂S ∂X + ∂B ∂X = 0

 ∂B + f ∂B = 0
 ∂T S ∂X
 . (4.28)
 ∂N + f ∂N = 0
 ∂T S ∂X
 ∂M f ∂M
 + =0
 ∂T S ∂X
Para solução do sistema homogêneo utilizando métodos numéricos, é

necessário que o sistema de equações esteja em sua forma conservativa, ou
seja:
 ∂S u ∂f ( S , Cm )
 ∂t + φ ∂x
=0

 ∂SCb u ∂Cb f ( S , Cm )
 ∂t + φ ∂x
=0

 , (4.29)
 ∂SC u ∂C f ( S , C )
n
+ n m
=0
 ∂t φ ∂x

 ∂SCm + u ∂Cm f ( S , Cm ) = 0
 ∂t φ ∂x
50
ou em variáveis adimensionais:
 ∂S ∂f ( S , M )
 ∂T + ∂X =0

 ∂SB + ∂Bf ( S , M ) = 0
 ∂T ∂X
 . (4.30)
 ∂SN + ∂Nf ( S , M ) = 0
 ∂T ∂X
 ∂SM ∂Mf ( S , M )
 + =0
 ∂T ∂X
Para resolver este sistema de equações, é necessário definir as

condições iniciais e de contorno.
Condições Iniciais:
Para a saturação de água, a condição inicial continua a mesma do
caso escalar, ou seja: S ( X , 0) = S wi .
No tempo inicial não há bactérias, nutrientes nem metabólitos

presentes no reservatório, então, as concentrações adimensionais de
bactérias, nutrientes e metabólitos são iguais a: B ( X , 0) = 0 , N ( X , 0) = 0 e
M ( X , 0) = 0 .
Condições de contorno:
Para a saturação de água, a condição de contorno se mantém igual ao
caso escalar, ou seja: S (0, T ) = 1 − Sor .
Na condição de contorno (ou de injeção), a concentração adimensional

de bactérias é igual à injetada no reservatório, ou seja, Cb = Cbi , e então,
B (0, T ) = 1 .
A concentração adimensional de nutrientes também é igual à injetada,
ou seja, Cn = Cni , e então, N (0, T ) = 1 .
Para o caso deste sistema homogêneo, a concentração de metabólitos

será igual à de bactérias injetadas, uma vez que não há o termo fonte para a
produção destes metabólitos, então M (0, T ) = 1 .
Neste sistema homogêneo, a concentração de biopolímeros
(metabólitos) faz o papel de uma concentração de polímeros que viscosifica a
água injetada, e as concentrações de bactérias e nutrientes seriam
51
equivalentes às concentrações de dois traçadores. Esse sistema homogêneo

representa, portanto, o caso de injeção contínua de polímeros com a presença
de dois traçadores.
A Figura 14 ilustra o efeito da concentração de biopolímeros no fluxo
fracionário, mostrando a comparação entre as curvas com concentração de
biopolímeros igual a zero M = 0 e com a concentração de biopolímeros igual à
de injeção M = 1 .
0,8
Fluxo Fracionário de água f(S)
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
Saturação de água
f(S) com M=0 f(S) com M=1
Figura 14 – Comparação entre as curvas de fluxo fracionário com concentração de

biopolímeros igual a zero ( M = 0 ) e com a concentração de biopolímeros igual à de
injeção ( M =1)
Estendendo o método de Lax-Friedrichs para resolução do sistema de

equações (4.30), tem-se que:
a) para o cálculo da saturação:
 ∆T 
Si j =
2
( Si −1 + Si +j −11 ) − 
1 j −1
 2∆X
  f ( Si +1 , M i +1 ) − f ( Si −1 , M i −1 )  .

j −1 j −1 j −1 j −1
(4.31)
52
b) a partir do valor da saturação encontrado em (4.31), pode-se calcular

o valor da concentração de bactérias da seguinte forma:
 ∆T
2
( Si −1 Bi −1 + Si +j −11 Bi +j −11 ) − 
1 j −1 j −1
 2∆X
  Bi +1 f ( Si +1 , M i +1 ) − Bi −1 f ( Si −1 , M i −1 ) 
  j −1

j −1 j −1 j −1 j −1 j −1
Bi j = .
Si j
(4.32)
c) a concentração de nutrientes é calculada através de:
 ∆T
2
( Si −1 N i −1 + Si +j −11 N i +j −11 ) − 
1 j −1 j −1
 2∆X
  N i +1 f ( Si +1 , M i +1 ) − N i −1 f ( Si −1 , M i −1 ) 
  j −1

j −1 j −1 j −1 j −1 j −1
Ni j = .
Si j
(4.33)
d) a concentração de metabólitos:
 ∆T
2
( Si −1 M i −1 + Si +j −11M i +j −11 ) − 
1 j −1 j −1
 2∆X
  M i +1 f ( Si +1 , M i +1 ) − M i −1 f ( Si −1 , M i −1 ) 
  j −1

j −1 j −1 j −1 j −1 j −1
M ij = .
Si j
(4.34)
Após implementar este método utilizando ∆T = 0, 001 e ∆X = 0, 01 ,

chega-se às soluções para a saturação de água (Figura 15), concentração de
bactérias (Figura 16), nutrientes (Figura 17) e metabólitos (Figura 18).
Comparando as soluções encontradas com o método de Lax-Friedrichs
estendido para sistemas com as soluções analíticas para a saturação,
concentração de bactérias, nutrientes e metabólitos, percebe-se que tal método
não foi capaz de produzir soluções corretas, uma vez que o mesmo não
capturou o choque na saturação devido à mudança na concentração de
metabólitos.
53
1
0,8 LxF dX=0,01, dT=0,001 T=0,025
LxF dX=0,01, dT=0,001 T=0,125
LxF dX=0,01, dT=0,001 T=0,25
Saturação de Agua
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 15 - Comparação da solução analítica para saturação de água com a encontrada

pelo método de Lax-Friedrichs estendido para sistema de equações
Perfil de Concentração
1
0,8 LxF dX=0,01, dT=0,001 T=0,025
LxF dX=0,01, dT=0,001 T=0,125
LxF dX=0,01, dT=0,001 T=0,25
Concentração de bactérias
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X

encontrada pelo método de Lax-Friedrichs estendido para sistema de equações
54
1
0,8 LxF dX=0,01, dT=0,001 T=0,025
LxF dX=0,01, dT=0,001 T=0,125
Concentração de nutrientes
LxF dX=0,01, dT=0,001 T=0,25
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X

1
0,8 LxF dX=0,01, dT=0,001 T=0,025
LxF dX=0,01, dT=0,001 T=0,125
Concentração de metabólitos
LxF dX=0,01, dT=0,001 T=0,25
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 18 - Comparação da solução analítica para concentração de metabólitos com a

55
Desta forma, é necessário estender o método de Harten para resolver

o sistema homogêneo (4.30). Utiliza-se, então, as seguintes expressões:
a) para o cálculo da saturação:
∆T  ϕ ( ri j −1 )
Si = Si
j j −1
−
∆X
(
 f ( Si , M i ) − f ( Si −1 , M i −1 ) +
j −1 j −1 j −1 j −1
) 2 
 f ( Si +j −11 , M i +j −11 ) − f ( Si j −1 , M i j −1 ) 


ϕ ( ri −j1−1 ) 
−  f ( Si j −1 , M i j −1 ) − f ( Si −j −11 , M i −j −11 )   .
2  

(4.35)
Uma vez que o fluxo fracionário depende da saturação de água e

também da concentração de metabólitos, é necessário redefinir a razão entre
os fluxos nas interfaces:
f ( Si j −1 , M i j −1 ) − f ( Si −j −11 , M i −j −11 )
ri j −1 = (4.36)
f ( Si j+−11 , M i j+−11 ) − f ( Si j −1 , M i j −1 )
b) a partir do cálculo da saturação, pode-se calcular a concentração de

bactérias da seguinte forma:
 j −1 ∆T  j −1
{
 Bi − ∆X  Bi f ( Si , M i ) − Bi −1 f ( Si −1 , M i −1 ) 
j −1 j −1 j −1 j −1 j −1
 

 
 ϕ B ( rBi ) j −1
j −1

 +  Bi +1 f ( Si +j −11 , M i +j −11 ) − Bi j −1 f ( Si j −1 , M i j −1 )  
2  
 
 ϕ B ( rBij−−11 ) 
−
 2
 Bi j −1 f ( Si j −1 , M i j −1 ) − Bi j−−11 f ( Si −j −11 , M i −j −11 ) 
  } 
,
Bi =j
(4.37)
Si j
onde:
Bi j −1 f ( Si j −1 , M i j −1 ) − Bi −j −11 f ( Si −j −11 , M i −j −11 )
rBij −1 = . (4.38)
Bi +j −11 f ( Si +j −11 , M i +j −11 ) − Bi j −1 f ( Si j −1 , M i j −1 )
56
c) concentração de nutrientes:
 j −1 ∆T  j −1
{
 N i − ∆X  N i f ( Si , M i ) − N i −1 f ( Si −1 , M i −1 ) 
j −1 j −1 j −1 j −1 j −1
 

 
 ϕ N ( rN i )
j −1

+  N i j+−11 f ( Si j+−11 , M i +j −11 ) − N i j −1 f ( Si j −1 , M i j −1 )  
2  
 
 ϕ N ( rN ij−−11 ) 
−
 2
 N i j −1 f ( Si j −1 , M i j −1 ) − N i −j −11 f ( Si −j −11 , M i j−−11 ) 
  } 
,
Ni =
j
(4.39)
Si j
onde:
j −1
N i j −1 f ( Si j −1 , M i j −1 ) − N i −j −11 f ( Si −j −11 , M i j−−11 )
r = . (4.40)
N i +j −11 f ( Si +j −11 , M i j+−11 ) − N i j −1 f ( Si j −1 , M i j −1 )
Ni
d) para o cálculo da concentração de metabólitos:
 j −1 ∆T  j −1
{
 M i − ∆X  M i f ( Si , M i ) − M i −1 f ( Si −1 , M i −1 ) 
j −1 j −1 j −1 j −1 j −1
 

 
 ϕ M ( rM i )
j −1

+  M i +j −11 f ( Si +j −11 , M i +j −11 ) − M i j −1 f ( Si j −1 , M i j −1 )  
2  
 
 ϕ M ( rM ij−−11 ) 
−
 2
 M i j −1 f ( Si j −1 , M i j −1 ) − M i −j −11 f ( Si −j −11 , M i −j −11 ) 
  } 
,
Mi = j
(4.41)
Si j
onde:
j −1
M i j −1 f ( Si j −1 , M i j −1 ) − M i −j −11 f ( Si −j −11 , M i −j −11 )
r = . (4.42)
M i +j −11 f ( Si +j −11 , M i +j −11 ) − M i j −1 f ( Si j −1 , M i j −1 )
Mi
O método de Harten estendido para sistemas foi, então, implementado.

Utilizando ∆T = 0, 0001 e ∆X = 0, 01 , são obtidas as soluções para saturação de
água (Figura 19), concentração de bactérias (Figura 20), nutrientes (Figura 21)
e metabólitos (Figura 22).
57
1
0,8 Harten dX=0,01, dT=0,0001 T=0,025
Harten dX=0,01, dT=0,0001 T=0,125
Harten dX=0,01, dT=0,0001 T=0,25
Saturação de Agua
0,6
0,4
0.2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 19 - Comparação da solução analítica para saturação de água com a solução

encontrada com o método de Harten estendido para sistemas
1
0,8 Harten dX=0,01, dT=0,0001 T=0,025
Harten dX=0,01, dT=0,0001 T=0,125
Concentração de bactérias
Harten dX=0,01, dT=0,0001 T=0,25
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X

solução encontrada com o método de Harten estendido para sistemas
58
1
0,8 Harten dX=0,01, dT=0,0001 T=0,025
Harten dX=0,01, dT=0,0001 T=0,125
Concentração de nutrientes
Harten dX=0,01, dT=0,0001 T=0,25
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X

1
0,8 Harten dX=0,01, dT=0,0001 T=0,025
Harten dX=0,01, dT=0,0001 T=0,125
Concentração de metabólitos
Harten dX=0,01, dT=0,0001 T=0,25
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 22 – Comparação da solução analítica para concentração de metabólitos com a

59
Pode-se perceber que o método de Harten foi capaz de capturar os

dois choques presentes na solução da saturação de água (Figura 19). Ao
observar as figuras 19 e 22, é possível notar que o ponto do reservatório ( X )
onde ocorre o choque da concentração de metabólitos na Figura 22, é
exatamente o mesmo ponto que ocorre o choque na saturação devido à
mudança de concentração na Figura 19. Além disso, pode-se observar uma
boa correspondência entre o resultado obtido com o método de Harten e a
solução analítica do sistema homogêneo (4.30) (figuras 19 a 22). Desta forma,
este método foi escolhido para ser utilizado na primeira etapa da solução do
sistema não-homogêneo.
É possível, da mesma forma que no caso de injeção de água, calcular
o fluxo fracionário de água f w , a saturação média S media e o fator de
recuperação FR para a injeção de polímeros representada por este sistema

homogêneo. A Figura 23 compara o fator de recuperação atingido com injeção
de água, injeção de polímeros e o fator de recuperação máximo.
Pode-se observar que após um volume poroso injetado, o fator de
recuperação atingido com injeção de polímeros é cerca de 12 pontos
percentuais maior do que o atingido com injeção de água.
1
FR Injeção de Polímeros
FR Injeção de Água
0,8
FRmáx
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
Figura 23 - Evolução dos fatores de recuperação atingidos com injeção de água e com
injeção de polímeros em comparação com o fator de recuperação máximo (FRmáx)
60
4.4. SOLUÇÃO DO SISTEMA DE EQUAÇÕES NÃO - HOMOGÊNEO
Retornando com os termos fontes ao sistema (4.29), e uma vez que os

mesmos dependem das concentrações de bactérias e nutrientes, tem-se que:
 ∂S u ∂f ( S , Cm )
 ∂t + φ ∂x
=0

 ∂SCb u ∂Cb f ( S , Cm )
 ∂t + φ ∂x
= SRb (Cb , Cn )

 . (4.43)
 ∂SCn + u ∂Cn f ( S , Cm ) = SR (C , C )
 ∂t φ ∂x
n b n

 ∂SCm + u ∂Cm f ( S , Cm ) = SR (C , C )
 ∂t φ ∂x
m b n
Utilizando as variáveis adimensionais definidas em (4.27):
 ∂S ∂f ( S , M )
 ∂T + ∂X =0

 ∂SB + ∂Bf ( S , M ) = SR ( B, N )
 ∂T ∂X
b
 . (4.44)
 ∂SN ∂Nf ( S , M )
+ = SRn ( B, N )
 ∂T ∂X
 ∂SM ∂Mf ( S , M )
 + = SRm ( B, N )
 ∂T ∂X
Pode-se definir o vetor W
 S 
 
 SB 
W= , (4.45)
 SN 
 
 SM 
o vetor fluxo F (W )
61
 f (S , M ) 
 
 Bf ( S , M ) 
F (W ) = , (4.46)
 Nf ( S , M ) 
 
 Mf ( S , M ) 
e os termos fontes S (W ) :
 0 
 
 SRb ( B, N ) 
S (W ) = . (4.47)
 SRn ( B, N ) 
 
 SRm ( B, N ) 
O objetivo é calcular numericamente a solução do problema de Cauchy

para o sistema não-homogêneo, na forma vetorial:
 ∂W ∂F (W )
 + = S (W )
 ∂T ∂X , (4.48)
W ( X , 0) = W0 ( X )
utilizando o método Fractional-step (GALLOUET et al., 2006). Então, a cada

passo de tempo calcula-se Wj em termos de W j −1 , resolvendo
sucessivamente:
∂W * ∂F (W * )
P1 : + = 0 , W * ( X , 0) = W j ( X ) (4.49)
∂T ∂X
∂W
P2 : = S (W ) , W ( X , 0 ) = W * ( X , ∆T ) (4.50)
∂T
O problema (P1) corresponde à solução do sistema homogêneo (4.30)

da seguinte forma:
62
(W )
i
* j  ∆T 
= Wi j −1 − 
 ∆X 
( j −1
)
 F (W )i +1/2 − F (W )i −1/ 2 ,
j −1
(4.51)
onde a escolha de ( F (W ) j −1
i +1/2
− F (W )i −1/2
j −1
) depende do método numérico
selecionado, que neste caso é o método de Harten.

Para resolver o problema (P2), é necessário resolver o seguinte
sistema de equações:
 ∂S
 ∂T = 0

 ∂SB = SR ( B, N )
 ∂T b
 . (4.52)
 ∂SN = SR ( B, N )
 ∂T n
 ∂SM
 = SRm ( B, N )
 ∂T
O primeiro passo (P1) do método Fractional-step foi resolvido conforme

descrito na Seção 4.3. A solução para o primeiro passo de tempo do problema
(P1) deve servir como um passo “fantasma” para o primeiro passo do problema
(P2), e assim sucessivamente.
É necessário definir as condições iniciais e de contorno utilizadas para
resolução do sistema não-homogêneo (4.44).
Condições Iniciais:
As condições iniciais para a saturação e as concentrações de
bactérias, nutrientes e metabólitos são as mesmas do sistema homogêneo, ou
seja: S ( X , 0) = S wi , B ( X , 0) = 0 , N ( X , 0) = 0 e M ( X , 0) = 0 .
Condições de contorno:
As condições de contorno para a saturação e as concentrações de
bactérias e nutrientes são as mesmas do sistema homogêneo, ou seja:
S (0, T ) = 1 − Sor , B (0, T ) = 1 e N (0, T ) = 1 . Porém, a condição de contorno para a
concentração de metabólitos passa a ser diferente do sistema homogêneo,

uma vez que no sistema não-homogêneo não se injeta biopolímeros no
63
reservatório, pois os mesmos serão produzidos pelas bactérias (termo fonte).

Desta forma, M (0, T ) = 0 .
Da primeira equação do sistema (4.52), Si j = ( Si* ) . A segunda equação

j
pode ser integrada de forma a garantir os limites inferiores e superiores de Bi j .
Expandindo-se a segunda equação, tem-se:
∂SB
= SRb ( B, N )
∂T
. (4.53)
∂B ∂S
S +B = SRb ( B, N )
∂T ∂T
Mas, de acordo com a primeira equação do sistema (4.52) para esse

passo de tempo “fantasma”:
∂S
= 0, (4.54)
∂T
∂B
= Rb ( B, N ) . (4.55)
∂T
Sabe-se que Rb = µb B , onde µb é a taxa de crescimento de bactérias.

Como primeira abordagem, será utilizado o Modelo de Monod (3.35) para
descrever o crescimento de bactérias. Desta forma, substituindo (3.35) em
(4.55):
∂B  N 
= µbmáx  B. (4.56)
∂T  K bn + N 
Separando variáveis:
∂B  N 
= µbmáx   ∂T . (4.57)
B  K bn + N 
64
Integrando entre os passos de tempo * j e j , e considerando a

concentração adimensional de nutrientes constante nesse passo de tempo
“fantasma”:
j
dB  N j
∫ B = µbmáx  Kbn + N  *∫j dT
*j
. (4.58)
 Bj   N 
ln  * j  = µbmáx   ∆T
B   K bn + N 
Isolando B j :
  N  
B j = B* j exp  µbmáx   ∆T  ; (4.59)
 K
 bn + N  
um resultado semelhante ao obtido por SUGAI et al. (2007), que utilizou o

Modelo de Moser (3.37) e não o de Monod (3.35). Também pode ser feita uma
analogia com a forma de cálculo do termo fonte obtido por GALLOUET et al.
(2006).
Utilizando o mesmo procedimento para os outros modelos de termo
fonte (Modelo de Moser (3.37) e Modelo de Khan-2008 (3.38)), chega-se às
seguintes expressões:
a) Modelo de Moser:
  Na  
B j = B* j exp  µbmáx  a 
∆T  . (4.60)
  K bn + N  
b) Modelo de Khan:
   
  N  
B j = B* j exp  µbmáx   ∆T  . (4.61)
  K + N +1+ N  
  bn 
  Ki  
Os efeitos no fator de recuperação ocasionados pela utilização destes

três tipos de modelos de termo fonte serão apresentados no próximo capítulo.
65
Esta análise de sensibilidade é importante, uma vez que o modelo de

crescimento de bactérias em meios porosos é uma incerteza relevante a ser
considerada nos processos de MEOR (TUFENKJI, 2007; KHAN et al., 2008).
Expandindo a quarta equação do sistema (4.52), encontra-se:
∂M ∂S
S +M = SRm . (4.62)
∂T ∂T
Novamente levando-se em consideração a primeira equação do

sistema (4.52), pode-se escrever:
∂M
= Rm ( B, N ) . (4.63)
∂T
Sabe-se que Rm = µ m B , onde µm é a taxa de produção de metabólitos.

Será utilizado o modelo (3.40) para descrever a produção de metabólitos.
Substituindo (3.40) em (4.63):
∂M  N − N crit 
= µ mmáx  B. (4.64)
∂T  K mn + N − N crit 
Integrando entre os passos de tempo * j e j , e considerando as

concentrações de bactérias e de nutrientes constantes nesse passo de tempo
“fantasma”:
j
 N−N  j
∫* j dM = µmmáx  K mn + N −critN crit  B ∫ dT
 *j
. (4.65)
 N − N crit 
M j − M *j = µmmáx   B∆T
 K mn + N − N crit 
Isolando M j :
 N − N crit 
M j = M * j + µ mmáx   B∆T . (4.66)
 K mn + N − N crit 
66
Agora, expandindo a terceira equação do sistema (4.52):
∂N ∂S
S +N = SRn , (4.67)
∂T ∂T
substituindo a relação (3.44) em (4.67) e considerando a primeira equação do

sistema (4.52), tem-se que:
∂N R R
=− b − m (4.68)
∂T Ybn Ymn
e:
∂N 1 ∂B 1 ∂M
=− − . (4.69)
∂T Ybn ∂T Ymn ∂T
Discretizando
N j − N*j 1  B j − B* j  1  M j − M * j 
=−  −  , (4.70)
∆T Ybn  ∆T  Ymn  ∆T 
e isolando N j :
 B j − B* j   M j − M*j 
N j = N*j − − . (4.71)
 Ybn   Ybn 
Utilizando o Modelo de Monod como termo fonte das bactérias; os

parâmetros listados na Tabela 3; considerando ∆T = 0, 0001 e ∆X = 0, 01 chega-
se às soluções para saturação de água (Figura 24), concentração de bactérias
(Figura 25), nutrientes (Figura 26) e metabólitos (Figura 27).
A Tabela 3 apresenta os valores dos parâmetros utilizados nos
modelos de termos fontes.
67
Tabela 3 - Parâmetros utilizados nos modelos de termos fontes
Parâmetro Valor (unidade) Referência

µbmáx 8,237 (vpi-1) ZHANG (1994)
µmmáx 8,237 (vpi-1) ZHANG (1994)
Ybn 0,5 CHANG et al. (1991); ZHANG (1994)
Ymn 0,5 ZHANG (1994)
K bn 0,5 CHANG et al. (1991)
K mn 0,5 CHANG et al. (1991)
N crit 0 NIELSEN et al. (2010b)
Perfil de Saturação de Água

1
T=0,025
T=0,125
T=0,25
0,8
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 24 - Saturação de água obtida com o método Fractional-Step

68
Perfil de Concentração de Bactérias

3,5
T=0,025
T=0,125
3 T=0,25
2,5
Concentração de Bactérias
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X
Figura 25 - Concentração de bactérias obtida com o método Fractional-Step
Perfil de Concentração de Nutrientes

1,4
T=0,025
T=0,125
1,2 T=0,25
1
Concentração de Nutrientes
0,8
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 26 – Concentração de nutrientes obtida com o método Fractional-Step

69
Perfil de Concentração de Metabólitos

2,5
T=0,025
T=0,125
T=0,25
2
Concentração de Metabólitos
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X
Figura 27 – Concentração de metabólitos obtida com o método Fractional-Step
Pode-se perceber que na solução da saturação de água, continua

havendo a presença de dois choques (Figura 24). Porém, antes do primeiro
choque devido à mudança na concentração de biopolímeros, há um
crescimento na saturação de água. Essa variação ocorre exatamente devido à
presença do termo fonte de produção de biopolímeros, fazendo com que a
concentração de biopolímeros chegue a quase duas vezes e meia a
concentração de bactéria injetada (Figura 27). No caso do sistema homogêneo
(4.30), que representa a injeção de polímeros mais dois traçadores, não há o
termo fonte para o crescimento da concentração de polímeros, e, portanto, a
mesma só pode assumir os valores de um ou zero. Nota-se também, que
devido ao termo fonte de crescimento de bactérias, a concentração das
mesmas chega a quase três vezes e meia a concentração injetada no tempo
T = 0, 25 volumes porosos injetados (vpi) (Figura 25). A concentração de
nutriente, que não possui termo de crescimento, mas sim termo de consumo,
permanece igual à concentração de nutrientes injetados até o ponto que
decresce e chega a zero (Figura 26).
70
CAPÍTULO 5 – RESULTADOS E DISCUSSÃO
Este capítulo vem separado em três partes: 1) comparação dos

resultados obtidos na resolução do sistema (4.44) com resultados disponíveis
na literatura; 2) análise do potencial de utilização, do ponto de vista de
incremento de fator de recuperação, deste método de recuperação melhorada
de petróleo em um reservatório unidimensional com características de
permeabilidade relativa, viscosidade do óleo e da água similares às de um
reservatório de águas profundas da Bacia de Campos; e 3) análise do potencial
de aumento do fator de recuperação utilizando este processo de MEOR em
outros reservatórios.
5.1. COMPARAÇÃO DOS RESULTADOS
O sistema não-homogêneo (4.44) não possui solução analítica. Para

contornar esta questão e testar a validade do algoritmo aplicado ao caso de
MEOR, serão realizadas comparações com os resultados obtidos por ZHANG
(1994), onde foi simulada a injeção de um banco de 10% do volume poroso de
bactérias e nutrientes e houve formação de biopolímero para viscosificar a
água injetada. Seu modelo, porém, considerou a difusão dos componentes,
tornando seu sistema parabólico. Além disso, não foi informado o valor utilizado
para o parâmetro K bn . Para comparar os resultados obtidos nesta dissertação
com os obtidos por ZHANG (1994), foram necessárias as seguintes

modificações:
• condições de contorno (injeção) do sistema de equações
deveriam representar a injeção de um banco de bactérias e
nutrientes correspondentes a 10% do volume poroso. Desta
forma, a concentração adimensional de bactérias é igual à
injetada no reservatório, somente até T = 0,1 e então,
B (0, 0 < T < 0,1) = 1 e B (0, T > 0,1) = 0 . O mesmo ocorre com a
71
concentração adimensional de nutrientes, N (0, 0 < T < 0,1) = 1 e

N (0, T > 0,1) = 0 ;
• uma vez que o valor de K bn não foi informado, o sistema foi
resolvido com três valores diferentes para este parâmetro;

• para as curvas de permeabilidade relativa e viscosidades do óleo
e da água foram utilizados os valores publicados em ZHANG
(1994) (Tabela 4).
Tabela 4 - Parâmetros utilizados por ZHANG (1994) nas curvas de permeabilidade relativa
e fluxo fracionário
S wi Sor η w (cP) ηo (cP) kr w (@1 − Sor ) kr o (@ S wi ) ew eo
0,30 0,30 1 4 0,2 0,65 2,1 2,5
Uma vez que o modelo de ZHANG (1994) considera a difusão, o perfil

de saturação não apresenta o choque da saturação de água (Figura 28). Já os
perfis de saturação de água obtidos nesta dissertação apresentam esse
choque, por se tratar de um sistema hiperbólico. A diferença no perfil de
concentração de metabólitos pode ser vista na Figura 29, onde é possível
observar que o perfil de concentração de ZHANG (1994) representa um
resultado de uma concentração com comportamento difusivo, ou seja, com
variação suave. Em um caso extremo no modelo de ZHANG (1994), em que a
difusão fosse considerada próxima a zero, o resultado se aproximaria aos
obtidos na presente dissertação.
Também é possível supor que, provavelmente, o valor utilizado por
ZHANG (1994) para o parâmetro K bn seja mais próximo de 0,1 do que de 0,9.
As soluções encontradas nesta dissertação mostram coerência com os

resultados disponíveis na literatura (ZHANG, 1994).
72
Perfil de Saturação de Água

1
Kbn=Kmn= 0,5
Kbn=Kmn= 0,1
Kbn=Kmn= 0,9
0,8 Zhang, 1994
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 28 - Comparação entre os perfis de saturação de água para diferentes valores de
K bn e o perfil de saturação de água apresentado por ZHANG (1994) para T=0,3 vpi
Perfil de Concentração de Metabólitos

6
Kbn=Kmn= 0,5
Kbn=Kmn= 0,1
Kbn=Kmn= 0,9
5 Zhang, 1994
0
0 0,2 0,4 0,6 0,8 1
X
Figura 29 - Comparação entre os perfis de concentração de biopolímeros para diferentes

valores de K bn e o perfil de concentração de biopolímeros apresentado por ZHANG
(1994) para T=0,3 vpi
73
5.2. ANÁLISE DO POTENCIAL DE AUMENTO DO FATOR DE

RECUPERAÇÃO UTILIZANDO MEOR
Para analisar o aumento do fator de recuperação com a utilização do

processo de MEOR descrito no presente trabalho, serão utilizados os dados da
curva de fluxo fracionário similares aos de um reservatório de águas profundas
da Bacia de Campos, conforme descritos na Tabela 2. O potencial de aumento
do fator de recuperação utilizando MEOR será comparado ao fator de
recuperação obtido com injeção de água, considerando que ambos os métodos
fossem implementados no mesmo tempo inicial de injeção.
Buscando estimar uma faixa de fatores de recuperação que podem ser
atingidos utilizando MEOR, será realizada uma análise de sensibilidade onde
serão apresentados os efeitos observados no fator de recuperação de acordo
com a variação de alguns parâmetros e modelos utilizados para representar
este mecanismo de MEOR. As variáveis utilizadas nesta análise de
sensibilidade são: a) máxima taxa específica de crescimento de bactérias; b)
três tipos de função de variação da viscosidade da água com a concentração
de metabólitos (linear, parábola e potência); c) três tipos de modelo de
crescimento de bactérias: Monod, Moser e Khan-2008; e d) tamanho do banco
de bactérias e nutrientes injetados. Os valores utilizados para os demais
parâmetros foram apresentados nas Tabelas 2 e 3.
5.2.1. Efeito da máxima taxa específica de crescimento de bactérias
Para se desenvolver e gerar metabólitos nos reservatórios, as bactérias

necessitam de condições favoráveis para seu crescimento. Uma maneira de
considerar o impacto desta incerteza no fator de recuperação é variando a
máxima taxa específica de crescimento de bactérias, representada pelo
parâmetro µbmáx . Na Tabela 5 estão apresentados os valores dos parâmetros
que foram utilizados para realizar esta análise de sensibilidade.

Nas figuras seguintes serão apresentados os resultados dos perfis de
saturação de água (Figura 30) e concentrações de bactérias (Figura 31),
74
nutrientes (Figura 32) e metabólitos (Figura 33) para o tempo de 0,25 volumes
porosos injetados (vpi).
Pode-se perceber que ao utilizar uma máxima taxa específica de
crescimento de bactérias duas ordens de grandeza menor ( µbmáx = 0, 08237 ) do
que a do caso inicial ( µbmáx = 8, 237 ), a solução da saturação torna-se muito

próxima à obtida com injeção de água (caso escalar) (Figura 30).
No perfil de concentração de nutrientes (Figura 32), pode-se observar
que ao diminuir o valor de µbmáx , a concentração de nutrientes alcança um
ponto do reservatório mais distante antes de ser totalmente consumida.

Conforme esperado, o perfil de concentração de bactérias (Figura 31)
demonstra que o crescimento das mesmas diminui à medida que o valor de
µbmáx se torna menor, chegando ao ponto de manter a concentração de
bactérias praticamente igual à concentração injetada no caso em que
µbmáx = 0, 08237 . O perfil da concentração de metabólitos (Figura 33)
acompanha a mesma tendência do perfil de concentração de bactérias. No
caso em que µbmáx = 0, 08237 , a produção de metabólitos é próxima de zero, e
por isso a solução da saturação é próxima à da injeção de água, uma vez que
não se geram biopolímeros para viscosificar a água de injeção. Desta forma,
não se pode esperar uma recuperação adicional muito elevada em relação à
injeção de água nos reservatórios que não tiverem condições favoráveis ao
crescimento dos microorganismos, onde sua taxa de crescimento será muito
baixa.
Na Figura 34, pode-se observar que com a taxa máxima específica de
crescimento mais alta ( µbmáx = 8, 237 ), atinge-se um fator de recuperação igual a
67,31%. Diminuindo uma ordem de grandeza nesta taxa ( µbmáx = 0,8237 ), o fator
de recuperação atingido é igual a 56,59%. Esse valor ainda é dois pontos

percentuais maior do que o fator de recuperação obtido com a injeção de água,
porém, é cerca de dez pontos percentuais menor do que o atingido com
µbmáx = 8, 237 . Conforme esperado ao analisar o perfil de saturação de água, no
caso em que se diminui a taxa de crescimento de bactérias em duas ordens de
grandeza ( µbmáx = 0, 08237 ), o fator de recuperação atingido (54,51%) é
praticamente idêntico ao obtido com a injeção de água (54,33%). Tais fatos

75
demonstram a necessidade de escolher bactérias que sejam capazes de

crescer e gerar metabólitos nas condições do reservatório alvo, além de
reforçar a importância de testes laboratoriais prévios e até de testes do tipo
huff-and-puff nos poços produtores.
Tabela 5 - Valores dos parâmetros utilizados na análise de sensibilidade da máxima taxa

específica de crescimento de bactérias
Variável Valor(es)
µbmáx 8,237; 0,8237 ; 0,08237
Tipo de função de variação da viscosidade da
Linear
água com a concentração de metabólitos
Modelo de crescimento de bactérias Monod
Perfil de Saturação de Água para T = 0,25 vpi

1
µbmax = 8,237
µbmax = 0,8237
0,8 µbmax = 0,08237
Injeção de Água
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 30 - Comparação dos perfis de saturação de água para os três valores de taxas de
crescimento de bactérias e para o caso de injeção de água em T=0,25 vpi
76
Perfil de Concentracao de Bactérias para T = 0,25 vpi

3,5
µbmax = 8,237
3
µbmax = 0,8237
µbmax = 0,08237
2,5
Concentracao de Bactérias
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X
Figura 31 - Comparação dos perfis de concentração de bactérias para os três valores de

taxas de crescimento de bactérias em T=0,25 vpi
Perfil de Concentração de Nutrientes para T = 0,25 vpi

1,4
µbmax = 8,237
1,2
µbmax = 0,8237
µbmax = 0,08237
1
0,8
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 32 - Comparação dos perfis de concentração de nutrientes para os três valores de

taxas de crescimento de bactérias em T=0,25 vpi
77
Perfil de Concentração de Metabólitos para T = 0,25 vpi

2,5
µbmax = 8,237
µbmax = 0,8237
2 µbmax = 0,08237
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X
Figura 33 - Comparação dos perfis de concentração de metabólitos para os três valores

de taxas de crescimento de bactérias em T=0,25 vpi
1
µbmax = 8,237
µbmax = 0,8237
0,8 µbmax = 0,08237
Injeção de Água
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
Figura 34 - Comparação dos fatores de recuperação obtidos com MEOR para os três
valores de taxa de crescimento de bactérias e o fator de recuperação obtido com injeção
de água
78
5.2.2. Efeito do tipo de função da variação da viscosidade da água com a

concentração de metabólitos
A capacidade do biopolímero viscosificar a água de injeção é uma

incerteza que também deve ser considerada nos estudos de MEOR. As
funções que relacionam a viscosidade da água em função da concentração de
metabólitos podem ser de três tipos: linear (Equação (3.45)), parábola
(Equação (3.46)) e potência (Equação (3.48)). Os valores dos parâmetros
utilizados nesta análise de sensibilidade estão apresentados na Tabela 6.
Na Figura 35, pode-se observar que as saturações de água calculadas
utilizando a função potência já possuem um valor maior do que as saturações
obtidas com a injeção de água nos pontos inicias do reservatório ( X < 0, 2 ). Isto
ocorre devido ao formato desta função, que proporciona valores de viscosidade
da água mais altos para concentrações de biopolímeros ainda baixas. Com os
outros dois tipos de funções (linear e parábola), este aumento na viscosidade
da água ocorre de forma mais gradual para os valores baixos de concentração
de biopolímeros, o que se reflete no crescimento de saturação de água em
pontos posteriores do reservatório ( 0, 2 < X < 0, 4 ). Por outro lado, a função do
tipo potência possui um formato que limita o aumento da viscosidade da água,
mesmo com concentrações muito altas de biopolímeros, o que faz com que o
crescimento maior na saturação de água em relação à injeção de água seja
maior nos pontos iniciais do reservatório, e posteriormente se estabilize.
Os perfis de concentração de bactérias (Figura 36), nutrientes (Figura
37) e metabólitos (Figura 38) não apresentam grandes diferenças em relação a
estes três tipos de funções, uma vez que não se altera nenhum parâmetro
referente ao modelo de crescimento de bactérias e metabólitos e nem do
consumo de nutrientes. As pequenas diferenças observadas nos perfis de
concentração apenas refletem a posição dos choques de concentração que
ocorrem em cada uma delas.
Após a injeção de um volume poroso, o fator de recuperação obtido
utilizando a função do tipo linear é igual a 67,31%, com a função do tipo
parábola, o fator de recuperação atingido é igual a 69,74% e quando se utiliza
a função potência, o fator de recuperação atingido fica em torno de 64,64%
79
(Figura 39). Esta diferença se deve à estabilização que ocorre no crescimento

do valor da viscosidade da água ao utilizar a função potência.
Após análise do efeito da função utilizada para descrever a variação da
viscosidade da água em relação à concentração de metabólitos, optou-se por
passar a utilizar o modelo de potência nas próximas análises de sensibilidade.
Essa função representa a existência de um limite para o aumento do valor da
viscosidade da água com a concentração de metabólitos. A escolha para a
utilização de cada um destes tipos de funções deve ser embasada em testes
laboratoriais em condições similares às do reservatório alvo.
Tabela 6 – Valores dos parâmetros utilizados na análise de sensibilidade do tipo de

função da variação da viscosidade da água com a concentração de metabólitos
Variável Valor(es)
µbmáx 8,237
Tipo de função de variação da viscosidade da Linear ; Parábola ;
água com a concentração de metabólitos Potência
Modelo de crescimento de bactérias Monod

1
ηágua x Conc. Biopolímero = linear
ηágua x Conc. Biopolímero = potência
ηágua x Conc. Biopolímero = parábola

0,8
Injeção de Água
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 35 - Comparação dos perfis de saturação de água para os três tipos de funções
de variação da viscosidade da água com a concentração de metabólitos e para o caso de
injeção de água em T=0,25 vpi
80
Perfil de Concentração de Bactérias para T = 0,25 vpi

3,5

3
2,5
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X
Figura 36 - Comparação dos perfis de concentração de bactérias para os três tipos de

T=0,25 vpi

1,4

1,2
1
0,8
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 37 - Comparação dos perfis de concentração de nutrientes para os três tipos de

T=0,25 vpi
81

2,5

2
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X
Figura 38 - Comparação dos perfis de concentração de metabólitos para os três tipos de

T=0,25 vpi
1

0,8
Injeção de Água
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1

MEOR para os três tipos de funções de variação da viscosidade da água com a
concentração de metabólitos
82
5.2.3. Efeito do tipo de modelo de crescimento de bactérias
Alguns autores alertam para a incerteza existente no modelo adotado

para representar o crescimento de bactérias em meios porosos (TUFENKJI,
2007; KHAN et al., 2008). O Modelo de Monod, amplamente utilizado, foi
desenvolvido para descrever o crescimento de bactérias em testes de
bateladas e não em meios porosos. Para esta análise de sensibilidade foram
utilizados os parâmetros mostrados na Tabela 7. A seguir, são apresentados os
perfis de saturação de água (Figura 40) e concentrações de bactérias (Figura
41), nutrientes (Figura 42) e metabólitos (Figura 43) para o tempo de 0,25
volumes porosos injetados (vpi).
Não foi percebida muita diferença entre os resultados dos perfis de
saturação de água (Figura 40), concentração de bactérias (Figura 41),
nutrientes (Figura 42) e metabólitos (Figura 43) obtidos utilizando os Modelos
de Monod e Moser. Esta constatação ocorre devido ao fato do valor do
coeficiente “ a ” utilizado para o Modelo Moser ser pequeno.
Observando os resultados apresentados utilizando o Modelo de Khan
(KHAN et al., 2008), pode-se perceber claramente o efeito do coeficiente de
inibição. As concentrações de bactérias, nutrientes e metabólitos são menores
do que as calculadas pelos modelos de Moser e Monod. Porém, a diferença
entre as concentrações de metabólitos utilizando o modelo de Khan e os
modelos de Monod e Moser não são tão grandes a ponto de causarem uma
diferença significativa no perfil de saturação de água no tempo de 0,25 volumes
porosos injetados. Para tempos maiores de injeção essa diferença aumenta,
ocasionando valores de saturação de água um pouco menores do que os
obtidos com os outros dois modelos (Moser e Monod). Desta forma, pode-se
esperar que o fator de recuperação observado com o Modelo de Khan seja um
pouco menor do que com os outros dois modelos. Porém, como pode ser visto
na Figura 44, a diferença entre os fatores de recuperação atingidos com estes
três modelos é muito pequena.
Após a injeção de um volume poroso, os fatores de recuperação
obtidos utilizando o Modelo de Monod e de Moser são iguais a 64,64% e o
atingido com o Modelo de Khan é igual a 64,11%. Por se tratar de um modelo
que se propõe a descrever o crescimento das bactérias em meios porosos,
83
pode-se supor que o Modelo de Khan seja mais adequado para a descrição
dos processos de MEOR, porém, com o valor utilizado para o coeficiente de
inibição, ainda não foi observada diferença significativa no fator de recuperação
atingido com este modelo em comparação com os demais (Monod e Moser).
Tabela 7 - Valores dos parâmetros utilizados na análise de sensibilidade do tipo de

modelo de crescimento de bactérias
Variável Valor(es)
µbmáx 8,237
Tipo de função de variação da viscosidade da
Potência
água com a concentração de metabólitos
Monod ; Moser ( a =1,8);
Modelo de crescimento de bactérias
Khan ( K i =100)

1
Termo fonte: Modelo de Monod
Termo fonte: Modelo de Moser
Termo fonte: Modelo de Khan
0,8 Injeção de Água
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 40 - Comparação dos perfis de saturação de água para os três tipos diferentes de
modelo de crescimento de bactérias (Monod, Moser e Khan) em T=0,25 vpi
84

3,5
3 Termo fonte: Modelo de Khan
2,5
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X
Figura 41 - Comparação dos perfis de concentração de bactérias para os três tipos

diferentes de modelo de crescimento de bactérias (Monod, Moser e Khan) em T=0,25 vpi
Perfil de Concentração de Nutrientes para T = 0.25 vpi

1,4
1,2 Termo fonte: Modelo de Khan
1
0,8
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 42 - Comparação dos perfis de concentração de nutrientes para os três tipos

85

2,5
Concentração de Metabólitos 2
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X

1
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
Figura 44 - Comparação dos fatores de recuperação atingidos com MEOR para os três
tipos diferentes de modelo de crescimento de bactérias (Monod, Moser e Khan) e o fator
de recuperação atingido com injeção de água
86
5.2.4. Efeito do tamanho do banco de injeção de bactérias e nutrientes
Na aplicação de métodos de recuperação melhorada de petróleo, o

fator econômico é bastante importante no dimensionamento do projeto. Uma
forma de tentar diminuir os custos de implantação deste tipo de projeto é
realizar a injeção de bancos e não de forma contínua. Primeiramente, foram
testadas injeções de bactérias e nutrientes em bancos de 10 e 30% do volume
poroso. Os perfis de saturação de água, concentração de bactérias, nutrientes
e metabólitos para T = 0, 25 encontram-se nas figuras 45 a 48. Não há
diferença significativa entre os perfis de saturação de água (Figura 45)
calculados com MEOR com injeção contínua e com os bancos de 10 e 30% do
volume poroso.
Ao comparar os casos de injeção de água e MEOR com injeção
contínua e bancos de 10 e 30% do volume poroso, percebe-se que os fatores
de recuperação atingidos após um volume poroso injetado (Figura 49) são bem
próximos. A diferença observada é de apenas 1,1 pontos percentuais entre o
caso de injeção contínua e do banco de 10% do volume poroso.
Em seguida, foram simuladas injeções de bancos menores (1 e 5%).
Os perfis de saturação de água, concentração de bactérias, nutrientes e
metabólitos para T = 0, 25 encontram-se nas figuras 50 a 53. É possível
perceber que a saturação de água obtida no caso de injeção de 5% do volume
poroso já é bem próxima à obtida no caso de injeção contínua (Figura 50).
Comparando os casos de injeção de água e MEOR com injeção
contínua e com bancos de 1 e 5% do volume poroso, pode-se notar que os
fatores de recuperação atingidos (Figura 54) ainda são próximos entre si.
Porém, a diferença agora observada é de 3,35 pontos percentuais entre o caso
de injeção contínua e do banco de 1% do volume poroso. Com relação à
injeção do banco de 5% do volume poroso, a diferença entre o fator de
recuperação obtido neste caso e com a injeção do banco de 10% do volume é
menor do que um ponto percentual (0,46). Na Tabela 8 são apresentados os
valores do fator de recuperação obtidos com MEOR com injeção contínua e ao
variar o tamanho do banco de injeção (1, 5, 10 e 30% do volume poroso).
87

1
MEOR Contínuo
MEOR Banco de 10% VP
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 45 - Comparação dos perfis de saturação de água para os casos de MEOR com
injeção contínua, bancos de 10 e 30 % do volume poroso e injeção de água em T=0,25
vpi

3,5
MEOR Contínuo
3 MEOR Banco de 30% VP
2,5
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X
Figura 46 - Comparação dos perfis de concentração de bactérias para os casos de MEOR

com injeção contínua e bancos de 10 e 30 % do volume poroso em T=0,25 vpi
88

1,4
MEOR Contínuo
1,2 MEOR Banco de 30% VP
1
0,8
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X


2,5
MEOR Contínuo
2
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X

89
1
MEOR Contínuo
Fator de Recuperação 0,8 Injeção de Água
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
Figura 49 - Comparação dos fatores de recuperação atingidos com injeção de água e nos
casos de MEOR com injeção contínua e bancos de 10 e 30 % do volume poroso

1
MEOR Contínuo
MEOR Banco de 1% VP
MEOR Banco de 5% VP
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
injeção contínua, bancos de 1 e 5% do volume poroso e injeção de água em T=0,25 vpi
90

3,5
MEOR Contínuo
MEOR Banco de 1% VP
2,5
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X

com injeção contínua e bancos de 1 e 5% do volume poroso em T=0,25 vpi

1,4
MEOR Contínuo
MEOR Banco de 1% VP
1
0,8
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X

MEOR com injeção contínua e bancos de 1 e 5% do volume poroso em T=0,25 vpi
91

2,5
MEOR Contínuo
MEOR Banco de 1% VP
MEOR Banco de 5% VP
2
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X

MEOR com injeção contínua e bancos de 1 e 5% do volume poroso em T=0,25 vpi
1
MEOR Contínuo
MEOR Banco de 1% VP
MEOR Banco de 5% VP
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
casos de MEOR com injeção contínua e bancos de 1 e 5% do volume poroso
92

injetado com injeção de água e MEOR para os diferentes tamanhos de banco de injeção
de bactérias e nutrientes
MEOR Injeção de
FR após 1 VP Contínuo Banco 30% VP Banco 10% VP Banco 5% VP Banco 1% VP Água
injetado 64,64% 64,60% 63,54% 63,08% 61,29% 54,33%
5.3. ANÁLISE DO POTENCIAL DE AUMENTO DO FATOR DE

RECUPERAÇÃO UTILIZANDO MEOR EM OUTROS RESERVATÓRIOS
Para demonstrar a possibilidade de extensão da utilização deste tipo

de recuperação melhorada a outros reservatórios, optou-se por variar o valor
da viscosidade do óleo. Foram utilizados os valores de 25 cP e 50 cP para
representar reservatórios com óleos mais viscosos do que o caso base (5 cP).
Nas figuras a seguir, podem ser vistos os perfis de saturação de água (Figura
55), concentração de bactérias (Figura 56), nutrientes (Figura 57) e metabólitos
(Figura 58) considerando estes três valores de viscosidade do óleo (5 cP, 25
cP e 50 cP) para o caso de injeção contínua de bactérias e nutrientes.
Nos perfis de saturação de água (Figura 55), pode-se notar que quanto
maior a viscosidade do óleo, maior a velocidade do choque de saturação. Nos
casos em que a viscosidade do óleo é 25 cP ou 50 cP, o choque de saturação
já ocorreu antes do tempo igual a 0,25 volumes porosos injetados ( T = 0, 25 vpi).
Além disso, nos perfis de concentração de bactérias (Figura 56), para
o mesmo tempo T = 0, 25 vpi, no caso em que a viscosidade do óleo é menor, a
concentração de bactérias ainda está crescendo em um ponto do reservatório
( X ) anterior ao que ocorre quando a viscosidade do óleo é maior (25 cP ou 50
cP). O mesmo comportamento é observado no perfil de concentração de
metabólitos (Figura 58). No perfil de concentração de nutrientes (Figura 57),
pode-se observar que, para o mesmo tempo T = 0, 25 vpi, no caso em que a
viscosidade é menor, o nutriente é totalmente consumido em um ponto do
reservatório ( X ) anterior aos casos em que a viscosidade do óleo é maior,
93
pois, quanto maior a viscosidade do óleo, maiores as velocidades dos choques

de concentração.
Observando-se os fatores de recuperação atingidos com MEOR e com
injeção de água para os três valores de viscosidade do óleo (Figura 59),
percebe-se que nos três casos a variação de recuperação obtida com a
utilização de MEOR em comparação com a injeção de água é em torno de 10 a
12 pontos percentuais. Isso demonstra a possibilidade de utilização deste tipo
de recuperação melhorada em reservatórios com óleos de diferentes
viscosidades.
Após a análise do tamanho de banco de injeção ideal para o
reservatório com 5 cP, decidiu-se avaliar qual seria este tamanho ótimo
considerando outro reservatório. Escolheu-se o reservatório de 25 cP para esta
análise.
Inicialmente foram realizadas simulações com bancos de 1 e 5% do
volume poroso. As figuras a seguir mostram o comportamento dos perfis de
saturação de água (Figura 60), concentração de bactérias (Figura 61),
nutrientes (Figura 62) e metabólitos (Figura 63) obtidos nestas situações de
injeção.
Para o tempo de 0,25 volumes porosos injetados, observa-se que o
perfil de saturação de água no caso de banco de injeção de 5% do volume
poroso é mais próximo ao obtido com injeção contínua, do que o perfil de
saturação do banco de 1% (Figura 60). Porém, tais saturações de água não
são tão próximas quanto as observadas no reservatório com óleo de 5 cP
(Figura 50).
Comparando-se os casos de injeção de água e MEOR com injeção
contínua e bancos de 1 e 5% do volume poroso, percebe-se que os fatores de
recuperação atingidos após um volume poroso injetado (Figura 64) não são tão
próximos entre si quanto no caso do reservatório portador de óleo de 5 cP
(Figura 54). A diferença observada entre o caso de injeção contínua e do banco
de 5% do volume poroso é de 4,28 pontos percentuais. De forma diferente do
que aconteceu no reservatório com óleo de 5 cP, o banco de 5% do volume
poroso não é o tamanho ótimo para injeção de bactérias e nutrientes.
94

1
MEOR ηóleo = 5 cP
MEOR ηóleo = 25 cP
MEOR ηóleo = 50 cP
0,8 Injeção de Água η óleo = 5 cP
Injeção de Água η óleo = 25 cP
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 55 - Comparação dos perfis de saturação de água utilizando MEOR e injetando

somente água para os três valores de viscosidade do óleo em T=0,25 vpi

3,5
ηóleo = 5 cP
ηóleo = 25 cP
3
ηóleo = 50 cP
2,5
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X
Figura 56 - Comparação dos perfis de concentração de bactérias para os três valores de

viscosidade do óleo em T=0,25 vpi
95

1,4
ηóleo = 5 cP
1,2
ηóleo = 25 cP
ηóleo = 50 cP
1
0,8
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
Figura 57 - Comparação dos perfis de concentração de nutrientes para os três valores de

viscosidade do óleo em T=0,25 vpi

3
ηóleo = 5 cP
ηóleo = 25 cP
2,5
ηóleo = 50 cP
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X
Figura 58 - Comparação dos perfis de concentração de metabólitos para os três valores

de viscosidade do óleo em T=0,25 vpi
96
1
η óleo = 5 cP
η óleo = 25 cP
η óleo = 50 cP
0,8 Injeção de Água η óleo = 5 cP
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
Figura 59 - Comparação dos fatores de recuperação atingidos utilizando MEOR e

injetando somente água para os três valores de viscosidade do óleo

1
MEOR Contínuo
MEOR Banco de 1% VP
MEOR Banco de 5% VP
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
injeção contínua, bancos de 1 e 5 % do volume poroso e injeção de água para o
reservatório com óleo de 25 cP em T=0,25 vpi
97

3,5
MEOR Contínuo
MEOR Banco de 1% VP
2,5
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X

com injeção contínua e bancos de 1 e 5 % do volume poroso para o reservatório com
óleo de 25 cP em T=0,25 vpi

1,8
MEOR Contínuo
MEOR Banco de 1% VP
1,6
MEOR Banco de 5% VP
1,4
1,2
0,8
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X

MEOR com injeção contínua e bancos de 1 e 5% do volume poroso para o reservatório
com óleo de 25 cP em T=0,25 vpi
98

3
MEOR Contínuo
MEOR Banco de 1% VP
MEOR Banco de 5% VP
2,5
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X

1
MEOR Contínuo
MEOR Banco de 1% VP
MEOR Banco de 5% VP
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
Figura 64 - Comparação dos fatores de recuperação com injeção de água e nos casos de
com óleo de 25cP
99
Uma vez constatado que ainda havia uma diferença de 4,28 pontos
percentuais entre o fator de recuperação obtido com injeção contínua e com o
banco de 5% do volume poroso, optou-se por simular bancos de injeção
maiores (10 e 30% do volume poroso) para verificar qual seria o tamanho ótimo
do banco de injeção para este reservatório com óleo de 25 cP (Figuras 65 a
68).
Para o tempo de 0,25 volumes porosos injetados, não se percebe
muita diferença entre os perfis de saturação de água (Figura 65) calculados
com MEOR com injeção contínua e com os tamanhos de banco de injeção de
10 e 30% do volume poroso.
Comparando os casos de injeção de água e MEOR com injeção
contínua e com bancos de 10 e 30% do volume poroso, pode-se notar que os
fatores de recuperação atingidos (Figura 69) estão mais próximos do que no
caso com bancos de 1 e 5% (Figura 64). A diferença agora observada é de
3,45 pontos percentuais entre o caso de injeção contínua e do banco de 10%
do volume poroso. Com relação à injeção do banco de 30% do volume poroso,
a diferença entre o fator de recuperação obtido neste caso e com a injeção
contínua é menor do que um ponto percentual (0,92). Logo, pode-se adotar a
injeção do banco de 30% do volume poroso que já se atinge um fator de
recuperação bem próximo ao caso de injeção contínua.
O tamanho do banco de injeção necessário para atingir um fator de
recuperação bem próximo ao que seria obtido com injeção contínua foi menor
no caso de um reservatório com óleo de 5 cP do que no caso de um
reservatório com óleo de 25 cP. Tal fato era esperado, uma vez que em
reservatórios com óleos de viscosidade maior, a eficiência de varrido da injeção
de água é bastante prejudicada, e portanto é necessário um banco de injeção
maior para se atingir um fator de recuperação próximo ao obtido com injeção
contínua.
Na Tabela 9 encontram-se os valores do fator de recuperação obtidos
com MEOR com injeção contínua e ao variar o tamanho do banco de injeção
(1, 5, 10 e 30% do volume poroso) para o reservatório com óleo de 25 cP.
100

1
MEOR Contínuo
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X
injeção contínua, bancos de 10 e 30% do volume poroso e injeção de água para o
reservatório com óleo de 25 cP em T=0,25 vpi

3,5
MEOR Contínuo
2,5
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X

com injeção contínua e bancos de 10 e 30% do volume poroso para o reservatório com
óleo de 25 cP em T=0,25 vpi
101

1,4
MEOR Contínuo
1
0,8
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
X


2,5
MEOR Contínuo
2
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1
X

102
1
MEOR Contínuo
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
casos de MEOR com injeção contínua e bancos de 10 e 30% do volume poroso para o
reservatório com óleo de 25 cP

injetado com injeção de água e MEOR para os diferentes tamanhos de banco de injeção
de bactérias e nutrientes para o reservatório com óleo de 25 cP
MEOR Injeção de
FR após 1 VP Contínuo Banco 30% VP Banco 10% VP Banco 5% VP Banco 1% VP Água
injetado 53,02% 52,10% 49,57% 48,74% 46,56% 40,09%
103
CAPÍTULO 6 – CONCLUSÕES E RECOMENDAÇÕES
6.1. CONCLUSÕES
Esta dissertação apresentou os resultados de uma modelagem

matemática e numérica do processo de recuperação melhorada de petróleo no
qual microorganismos produzem biopolímeros capazes de aumentar a
viscosidade da água de injeção, melhorando a eficiência de varrido e,
conseqüentemente, o fator de recuperação de um reservatório de petróleo. O
modelo utilizado consiste de cinco componentes (água, óleo, bactérias,
nutrientes e metabólitos) e duas fases (aquosa e oleosa). Para descrever esse
modelo, utilizou-se um sistema hiperbólico não-homogêneo contemplando a
conservação da água, do óleo, das bactérias, dos nutrientes e dos metabólitos,
que foi resolvido através do método Fractional-Step.
Foi estimado o potencial de incremento no fator de recuperação de um
campo com características similares ao de um reservatório da Bacia de
Campos, onde, comparado com a injeção de água, poder-se-ia chegar a um
acréscimo de até 15 pontos percentuais no fator de recuperação com a
utilização de MEOR. Foi realizada análise de sensibilidade do fator de
recuperação de acordo com: a) a variação da máxima taxa específica de
crescimento de bactérias; b) do tipo da função de variação da viscosidade da
água injetada com a concentração de biopolímeros; c) do modelo de
crescimento de bactérias e d) do tamanho do banco de bactérias e nutrientes
injetados. As principais conclusões são:
a) a variável que causou o maior impacto no fator de recuperação foi a
máxima taxa específica de crescimento de bactérias. A diferença
entre os fatores de recuperação observados foi de até 12,8 pontos
percentuais, o que reforça a importância da etapa de estudos
laboratoriais para a escolha da bactéria adequada a ser injetada no
reservatório alvo.
b) o tipo de função que descreve a variação da viscosidade da água
com a concentração de biopolímeros também mostrou ser uma
variável importante. Foi observada uma diferença de cerca de cinco
104
pontos percentuais nos fatores de recuperação, o que reforça a

necessidade de testes laboratoriais prévios.
c) o tipo de modelo de crescimento de bactérias impactou apenas meio
ponto percentual nos fatores de recuperação.
d) o tamanho do banco de injeção necessário para atingir um fator de
recuperação bem próximo ao que seria obtido com injeção contínua
foi menor no caso de um reservatório com óleo de 5 cP do que no
caso de um reservatório com óleo de 25 cP.
Para estimar o possível aumento no fator de recuperação de outros
reservatórios utilizando este processo de MEOR, optou-se por variar os valores
de viscosidade do óleo. Os reservatórios com óleos mais viscosos
apresentaram uma recuperação adicional em relação à injeção de água maior
do que no reservatório com óleo menos viscoso.
A utilização de biopolímeros como método microbiológico de
recuperação melhorada possui um bom potencial de aumento no fator de
recuperação dos reservatórios de petróleo. As faixas de recuperações
adicionais em comparação com a injeção de água apresentadas nesta
dissertação estão de acordo com as observadas nos trabalhos de estudos
laboratoriais e modelos matemáticos/simulações descritos na revisão
bibliográfica.
6.2. RECOMENDAÇÕES
Como recomendações para trabalhos futuros, pode-se citar:

• Resolver o problema inverso para determinação dos parâmetros a
partir de dados de laboratório.
• Expandir o modelo desta dissertação para simulação em 3D e
simulação por linhas de corrente.
• Considerar o efeito da adsorção dos biopolímeros na
porosidade/permeabilidade do reservatório e simular os mecanismos de
plugueamento seletivo e viscosificação da água simultaneamente.
105
REFERÊNCIAS BIBLIOGRÁFICAS
AFRAPOLI, M. S., CRESCENTE, C., ALIPOUR, S., TORSAETER, O. (2009)

The effect of bacterial solution on the wettability index and residual oil saturation
in sandstone. Journal of Petroleum Science and Engineering, 69 (3-4):255-260.
AL-ASHEH, S., ABU-JDAYIL, B., ABUNASSER, N., BARAKAT, A. (2002)

Rheological characteristics of microbial suspensions of Pseudomonas
aeruginosa and Bacillus cereus. International Journal of Biological
Macromolecules, 30:67-74.
ALMEHAIDEB, R. A., GHANNAM, M. T., ZEKRI, A. Y. (2004) Experimental

Investigation of Contact Angles Under Oil-Microbial Solution on Carbonate
Rocks. Petroleum Science and Technology, 22 (3-4):423-438.
AWAN, A. R., TEIGLAND, R., KLEPPE, J. (2008) A Survey of North Sea

Enhanced-Oil-Recovery Projects Initiated During the Years 1975 to 2005. SPE
99546-PA, SPE Reservoir Evaluation & Engineering, 11 (3):497-512.
BAE, I. Y., OH, I., LEE, S., YOO, S., LEE, H. G. (2008) Rheological
characterization of levan polysaccharides from Microbacterium laevaniformans.
International Journal of Biological Macromolecules, 42:10-13.
BAO, M., KONG, X., JIANG, G., WANG, X., LI, X. (2009) Laboratory study on
activating indigenous microorganisms to enhance oil recovery in Shengli
Oilfield. Journal of Petroleum Science and Engineering, 66 (1-2):42-46.
BOSSOLAN, N. R. S., GODINHO, M. J. L., VOLPON, A. G. T., MELO, M. A.

(2005) Use of Starved Cells of a Klebsiella Pneumoniae Strain Isolated from a
Brazilian Oil Reservoir in a Transport and Plugging Experiment in a Sandstone
Core. Petroleum Science and Technology, 23:1425-1439.
106
BRYANT, R. S., BURCHFIELD, T. E. (1989) Review of Microbial Technology

for Improving Oil Recovery. SPE 16646-PA, SPE Reservoir Engineering, 4 (2):
151-154.
BRYANT, R. S., DOUGLAS, J. (1988) Evaluation of Microbial Systems in

Porous Media for EOR. SPE 16284-PA, SPE Reservoir Engineering, 3 (2):489-
495.
BROWN, L. R., VADIE, A. A., STEPHENS, J.O. (2002) Slowing production

decline and extending the economic life of an oil field: new MEOR technology.
SPE 75355, SPE Reservoir Evaluation and Engineering, 5 (1):33-41.
BUCKLEY, S. E., LEVERETT, M. C. (1942) Mechanism of Fluid Displacement

in Sands. Trans. AIME, 146:107-116.
CHANG, M-M., CHUNG, F. T-H, BRYANT, R. S., GAO, H. W., BURCHFIELD,

T. E. (1991) Modeling and Laboratory Investigation of Microbial Transport
Phenomena in Porous Media. SPE 22845, 66th Annual Technical Conference
and Exhibition of the Society of Petroleum Engineers, Dallas, Texas, E.U.A..
DELSHAD, M., ASAKAWA, K., POPE, G. A., SEPEHRNOORI, K. (2002)

Simulations of Chemical and Microbial Enhanced Oil Recovery Methods. SPE
75237, SPE/DOE Improved Oil Recovery Symposium, Tulsa, Oklahoma,
E.U.A..
DESOUKY, S. M., ABDEL-DAIM, M. M., SAYYOUH, M. H., DAHAB, A. S.

(1996) Modelling and laboratory investigation of microbial enhanced oil
recovery. Journal of Petroleum Science and Engineering, 15 (2-4):309-320.
DIETRICH, F. L., BROWN, F. G., ZHOU, Z. H., MAURE, M. A. (1996) Microbial

EOR Technology Advancement: Case Studies of Successful Projects. SPE
36746, SPE Annual Technical Conference and Exhibition, Denver, Colorado,
E.U.A..
107
FENG, Q-X., NI, F-T., QIN, B-Y., MA, X-P., JI, C-F., WANG, X-l. (2006) Review
of MEOR Technology Application in Dagang Oilfield for the Last Decade. SPE
100791, SPE Asia Pacific Oil & Gas Conference and Exhibition, Adelaide,
Austrália.
GALLOUET, T., HÉRARD, J-M., HURISSE, O., LEROUX A-Y. (2006) Well-
balanced schemes versus fractional step method for hyperbolic systems with
source terms. Calcolo, 43:217-251.
GHESLAGHI, M. R. G. E ARDJMAND, M. (2006) Simulation of Microbial

Enhanced Oil Recovery. SPE 101767, Abu Dhabi International Petroleum
Exhibition and Conference, Abu Dhabi, U. A. E..
HARTEN, A., LAX, P. D., VAN LEER, B. (1983) On Upstream Differencing and
Godunov-Type Schemes for Hyperbolic Conservation Laws. SIAM Review, 25
(1):35-61.
HOU, J., ZHANG, S-K., DU, Q-J. (2008) A Streamline-based predictive model
for enhanced-oil-recovery potentiality. Journal of Hydrodynamics, 20(3):314-
322.
ISLAM, M. R. (1990) Mathematical Modeling of Microbial Enhanced Oil

Recovery. SPE 20480, 65th Annual Conference and Exhibition of the Society of
Petroleum Engineers, New Orleans, LA, E.U.A..
JINFENG, L., LIJUN, M., BOZHONG, M., RULIN, L., FANGTIAN, N., JIAXI, Z.
(2005) The field pilot of microbial enhanced oil recovery in a high temperature
petroleum reservoir. Journal of Petroleum Science and Engineering, 48 (3-
4):265-271.
KARIM, M. G. A., SALIM, M. A., ZAIN, Z. M., TALIB, N. N. (2001) Microbial

enhanced oil recovery technology in Bokor field, Sarawak. SPE 72125, SPE
Asia Pacific Improved Oil Recovery Conference, Kuala Lumpur, Malásia.
108
KHAN, H. A., GBOSI, A., BRITTON, L. N., BRYANT, S. L. (2008) Mechanistic

models of microbe growth in heterogeneous porous media. SPE 113462,
SPE/DOE Improved Oil Recovery Symposium, Tulsa, Oklahoma, E.U.A..
KNAPP, R.M., MCLNERNEY, M.J., MENZIE, D.E., COATES, J.D., CHISHOLM,

J.L. (1993) Microbial Field Pilot Study: Final Report.
http://www.osti.gov/energycitations/servlets/purl/10150920-jPiOaT acessado em
abril de 2010.
KOWALEWSKI, E., RUESLÅTTEN, I., STEEN, K. H., BØDTKER, G.,

TORSÆTER, O. (2006) Microbial improved oil recovery – bacterial induced
wettability and interfacial tension effects on oil production. Journal of Petroleum
Science and Engineering, 52:275-286.
LAKE, L. W. (1989) Enhanced Oil Recovery. Ed. Prentice Hall, Englewood

Cliffs, New Jersey, E.U.A..
LAZAR, I., PETRISOR, I. G., YEN, T. F. (2007) Microbial Enhanced Oil

Recovery (MEOR). Petroleum Science and Technology, 25:1353–1366.
LEVEQUE, R. J. (1998) Finite Difference Methods for Differential Equations,

notas de aula disponíveis em http://www.amath.washington.edu acessado em
janeiro de 2010.
LEVEQUE, R. J. (2004) Finite Volume Methods for Hyperbolic Problems. Ed.

Cambridge University Press, Cambridge, Reino Unido.
MARSHALL, S. L. (2008) Fundamental Aspects of Microbial Enhanced Oil

Recovery: A Literature Survey. National Research Flagships, CSIRO.
MAURE A., DIETRICH, F., GÓMEZ, U., VALLESI, J., IRUSTA, M. (2001)
Waterflooding Optimization Using Biotechnology: 2-Year Field Test, La Ventana
Field, Argentina. SPE 69652, SPE Latin American and Caribbean Petroleum
Engineering Conference, Buenos Aires, Argentina.
109
MEZZOMO, R. F., LUVIZOTTO, J. M., PALAGI, C. L. (2000) Improved Oil

Recovery in Carmópolis Field: R&D and Field Implementations. SPE 59280,
SPE/DOE Improved Oil Recovery Symposium, Tulsa, Oklahoma, E.U.A..
NAGASE, K., ZHANG, S. T., ASAMI, H., YAZAWA, N., FUJIWARA, K.,
ENOMOTO, H., HONG, C. X., LIANG, C. X. (2002) A Successful Field Test of
Microbial EOR Procces in Fuyu Oilfield, China. SPE 75238, SPE/DOE
Improved Oil Recovery Symposium, Tulsa, Oklahoma, E.U.A..
NIELSEN, S. M., JESSEN, K., SHAPIRO A. A., MICHELSEN, M. L., STENBY

E. H. (2010a) Microbial Enhanced Oil Recovery: 3D Simulation with Gravity
Effects. SPE 131048, SPE EUROPEC/EAGE Annual Conference and
Exhibition, Barcelona, Espanha.
NIELSEN, S. M., SHAPIRO A. A., MICHELSEN, M. L., STENBY E. H. (2010b)

1D Simulations for Microbial Enhanced Oil Recovery with Metabolite
Partitioning. Transport in Porous Media, 85:785-802.
PINTO, A. C. C. (1991) Esquemas de Alta Resolução para Controle da

Dispersão Numérica em Simulação de Reservatórios. Dissertação de
Mestrado, Universidade Estadual de Campinas – UNICAMP, Campinas, Brasil.
PORNSUNTHORNTAWEE, O., ARTTAWEEPORN, N., PAISANJIT, S.,

SOMBOONTHANATE, P., ABE, M., RUJIRAVANIT, R., CHAVADEJ, S. (2008)
Isolation and comparison of biosurfactants produced by Bacillus subtilis PT2
and Pseudomonas aeruginosa SP4 for microbial surfactant-enhanced oil
recovery. Biochemical Engineering Journal, 42:172–179.
REKSIDLER, R., VOLPON A. G. T., BARBOSA, L. C. F., BRASILEIRO, C. G.,

NICOLAU, H. C. C., CALASANS JUNIOR, J. A. M. (2010) A Microbial
Enhanced Oil Recovery Field Pilot in a Brazilian Onshore Oilfield. SPE 129930,
SPE Improved Oil Recovery Symposium, Tulsa, OK, E.U.A..
110
ROSA, A. J., CARVALHO, R. S., XAVIER, J. A. D. (2006) Engenharia de

reservatórios de petróleo. Ed. Interciência, Rio de Janeiro, Brasil.
SABUT, B., SALIM, M. A. H., HAMID, A. S. A., KHOR, S. F. (2003) Further

Evaluation of Microbial Treatment Technology for Improved Oil Production in
Bokor Field, Sarawak. SPE 84867, SPE International Improved Oil Recovery
Conference in Asia Pacific, Kuala Lumpur, Malásia.
SARKAR, A. K. (1992) Simulation of Microbial Enhanced Oil Recovery

Processes. Tese de doutorado, Universidade de Texas, Austin, E.U.A..
SEN, R. (2008) Biotechnology in petroleum recovery: The microbial EOR.

Progress in Energy and Combustion Science, 34:714-724.
SHEEHY, A. J. (1990) Field Studies of Microbial EOR, SPE 20254, SPE/DOE

7th Symposium on Enhanced Oil Recovery, Tulsa, OK, E.U.A..
SITNIKOV, A. A., EREMIN, N. A., IBATTULIN, R. R. (1994) A Mathematical

Model of Microbial Enhanced Oil Recovery (MEOR) Method for Mixed Type
Rock. SPE 28903, European Petroleum Conference, Londres, Reino Unido.
SOUDMAND-ASLI, A., AYATOLLAHI, S. S., MOHABATKAR, H., ZAREIE, M.,

SHARIATPANAHI, S. F. (2007) The in situ microbial enhanced oil recovery in
fractured porous media. Journal of Petroleum Science and Engineering, 58 (1-
2):161-172.
STRAPPA, L.A., LUCIA, J. P., MAURE, M. A., LLOPIZ, M. L. L. (2004) A novel

and successful MEOR pilot project in a strong water-drive reservoir,
Vizcacheras Field, Argentina. SPE 89456, SPE/DOE 14th Symposium on
Improved Oil Recovery, Tulsa, Oklahoma, E.U.A..
SUGAI, Y., CHENGXIE, H., CHIDA, T., ENOMOTO, H. (2007) Simulation

Studies on the Mechanisms and Performances of MEOR using Polymer
111
Producing Microorganism Clostridium sp. TU-15A. SPE 110173, SPE Asia

Pacific Oil & Gas Conference and Exhibition, Jakarta, Indonésia.
SUGAI, Y., KISHITA, A., HONG, C-X., ENOMOTO, H., CHIDA, T. (1999)
Laboratory Investigation of Polymer Producer TU-15A for MEOR Field Tests.
SPE 54381, SPE Asia Pacific Oil & Gas Conference and Exhibition, Jakarta,
Indonésia.
SWEBY, P. K. (1984) High Resolution Schemes Using Flux Limiters for

Hyperbolic Conservation Laws. SIAM Journal of Numerical Analysis, 21 (5):
995-1011.
TALUKDAR, S., INSTEFJORD, R. (2008) Reservoir Management of the

Gullfaks Main Field. SPE 113260, SPE Europec/EAGE Annual Conference and
Exhibition, Roma, Itália.
TOWN, K., SHEEHY, A. J., GOUVREAU, B. R. (2009) MEOR Success in

Southern Saskatchewan. SPE 124319, SPE Annual Technical Conference and
Exhibition, New Orleans, Louisiana, E.U.A..
TUFENKJI, N. (2007) Modeling microbial transport in porous media: Traditional

approaches and recent developments. Advances in Water Resources, 30:1455-
1469.
VOLPON, A. G. T., MELO, M. A. (2000) Laboratory Testing of a Microbial

Enhanced Oil Recovery Process by Produced Biopolymer In Situ. 16th World
Petroleum Congress. Calgary, Alberta, Canadá.
WELGE, H. J. (1952) A Simplified Method for Computing Oil Recovery by Gas

and Water Drive. Pet. Trans. AIME, 195:91-98.
YAKIMOV, M. M., AMRO, M. M., BOCK, M., BOSEKER, K., FREDRICKSON,

H. L., KESSEL, D. G., TIMMIS, K. N. (1997) The potential of Bacillus
112
licheniformis strais for in situ enhanced oil recovery. Journal of Petroleum

Science and Engineering, 18 (1-2):147-160.
ZAHNER, B., SHEEHY, A. J., GOVREAU, B. R. (2010) MEOR Success in

Southern California. SPE 129742, SPE Improved Oil Recovery Symposium,
Tulsa, Oklahoma, E.U.A..
ZEKRI, A. Y., GHANNAM, M. T., ALMEHAIDEB, R. A. (2003) Carbonate Rocks

Wettability Changes Induced by Microbial Solution. SPE 80527, SPE Asia
Pacific Oil and Gas Conference and Exhibition, Jakarta, Indonésia.
ZHANG, X., KNAPP, R. M., MCINERNEY, M. J. (1992) A Mathematical Model

for Microbially Enhanced Oil Recovery Process. SPE 24202, SPE/DOE Eighth
Symposium on Enhanced Oil Recovery, Tulsa, Oklahoma, E.U.A..
ZHANG, X. (1994) Mathematical simulation of transport and growth of

microorganisms in porous media and impacts of microbial activities on
enhanced oil recovery. Tese de doutorado, Universidade de Oklahoma,
Oklahoma, E.U.A..
ZHAO, H., LI, Z., ZHAO, P., WU, Y. (2005) Field Pilots of Microbial Flooding in
High-Temperature and High-Salt Reservoirs. SPE 95360, SPE Annual
Technical Conference and Exhibition, Dallas, Texas, E.U.A..

2010-Msc-Eduarda Cristina Mangaravite Da Silva Lacerda

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

2010-Msc-Eduarda Cristina Mangaravite Da Silva Lacerda

Uploaded by

Copyright:

Available Formats

SIMULAÇÃO DO PROCESSO DE UTILIZAÇÃO DE BIOPOLÍMEROS COMO

MÉTODO MICROBIOLÓGICO DE RECUPERAÇÃO MELHORADA DE

EDUARDA CRISTINA MANGARAVITE DA SILVA LACERDA

UNIVERSIDADE ESTADUAL DO NORTE FLUMINENSE DARCY RIBEIRO – UENF

EDUARDA CRISTINA MANGARAVITE DA SILVA LACERDA

Dissertação de mestrado apresentada

Orientador: Prof. Viatcheslav Ivanovich Priimenko, Ph.D.

EDUARDA CRISTINA MANGARAVITE DA SILVA LACERDA

Dissertação de mestrado apresentada

A Deus, por permitir todas as oportunidades da minha vida e me acompanhar

Ao meu marido Johann Motta Lacerda, pelo companheirismo, constante apoio

À minha família por todo o carinho e incentivo durante a realização desta

Ao meu orientador Prof. Viatcheslav Ivanovich Priimenko, por todos os

Ao meu co-orientador Prof. Adolfo Puime Pires, pela colaboração e paciência

Ao meu gerente na PETROBRAS, Eng. Paulo Marcos B. Tinoco, pelas

Aos meus amigos pelas conversas de apoio, em particular, a Marcos Vitor B.

À equipe com a qual trabalho na PETROBRAS-UO-BC/ENGP/CER: Eng.

Aos engenheiros Marcelo Curzio Salomão e Dirceu Bampi pela gentileza de

Ao LENEP, abrangendo todo o corpo docente e técnico-administrativo, em

Ao meu marido Johann Motta Lacerda, por

Aos meus pais e irmãos, pelos momentos de ausência

Esta dissertação apresenta os resultados de uma modelagem matemática e

PALAVRAS-CHAVE: MEOR, Métodos Microbiológicos de Recuperação

In this work, the results of a mathematical and numerical modeling that

KEYWORDS: MEOR, Microbial Enhanced Oil Recovery, biopolymers, non-

Figura 1 - Utilização de produto químico para bloquear canais de alta permeabilidade 2

ZHANG (1994) para T=0,3 vpi .................................................................................... 72

Tabela 1 - Resumos dos testes de MEOR em campo................................................. 22

ABSTRACT ................................................................................................................................. VII

ÍNDICE DE FIGURAS ................................................................................................................ VIII

ÍNDICE DE TABELAS ............................................................................................................... XIII

CAPÍTULO 1 - INTRODUÇÃO ..................................................................................................... 1

CAPÍTULO 2 - REVISÃO BIBLIOGRÁFICA ................................................................................ 6

2.1. ESTUDOS LABORATORIAIS ............................................................................................ 6

CAPÍTULO 3 - FORMULAÇÃO MATEMÁTICA ........................................................................ 23

3.1. EQUAÇÕES DE CONSERVAÇÃO DA MASSA ............................................................... 23

CAPÍTULO 4 - SOLUÇÃO DO SISTEMA DE EQUAÇÕES DIFERENCIAIS ............................ 38

4.1. SISTEMA DE EQUAÇÕES DIFERENCIAIS .................................................................... 38

CAPÍTULO 5 – RESULTADOS E DISCUSSÃO ........................................................................ 70

5.1. COMPARAÇÃO DOS RESULTADOS ............................................................................. 70

CAPÍTULO 6 – CONCLUSÕES E RECOMENDAÇÕES ......................................................... 103

6.1. CONCLUSÕES .............................................................................................................. 103

REFERÊNCIAS BIBLIOGRÁFICAS......................................................................................... 105

O aumento da importância das reservas de hidrocarbonetos em

onde kw é a permeabilidade efetiva à água e ko ao óleo, e as viscosidades da

água e do óleo são definidas como η w e ηo , respectivamente.

Para diminuir os efeitos negativos das heterogeneidades dos

Figura 1 - Utilização de produto químico para bloquear canais de alta permeabilidade

De forma a diminuir a razão de mobilidades e proporcionar um varrido

Figura 2 - Frente de avanço da água em reservatórios com alta e baixa razão de

Uma vez que alguns destes produtos utilizados nos métodos de

1) Produção de gases (CO2, H2, N2 e CH4): fazem o óleo se expandir

2) Produção de ácidos: em rochas carbonáticas ou em arenitos com

3) Produção de solventes: estes metabólitos podem quebrar

4) Produção de biosurfactantes: várias são as mudanças provocadas

5) Produção de biopolímeros: podem atuar de duas maneiras para

6) Crescimento de biomassa: o próprio crescimento dos

reservatório podem produzir os seguintes efeitos benéficos para a

CAPÍTULO 2 - REVISÃO BIBLIOGRÁFICA

Este capítulo tem o objetivo de fazer um resumo dos principais

2.1. ESTUDOS LABORATORIAIS

Há muitos estudos laboratoriais que investigam a utilização de

recuperação de óleo, foram realizados experimentos de fluxo em meios