Predição de pressão de fundo em poços de petróleo via redes neurais

Abstract

O presente trabalho apresenta a importância da medição da pressão encontrada em poços de petróleo offshore, o seu impacto na produção e na segurança, e como este valor pode ser predito por métodos computacionais ao preterir-se medidores físicos. A pressão em um poço de petróleo é a principal fonte de informação para indicar a produção da planta e, assim, consequentemente indica como as válvulas devem trabalhar para extrair o máximo de petróleo com segurança. Utilizaram-se dados de um modelo matemático que representa a pressão de um poço de petróleo da Petrobrás, a partir da medida física de um medidor de pressão chamado de Downhole Pressure Gauge (PDG). Este medidor carece de confiança por parte de muitos autores, pois como ele é instalado em uma zona de inconstância física, com variações de pressão e temperatura, o medidor pode apresentar ruídos e tende a estragar facilmente, tornando sua medida pouco confiável. Para solucionar este problema foi utilizado um método computacional chamado de rede neural, que se baseou em dados obtidos de um modelo real para predizer qual é a pressão no fundo de poço de petróleo offshore, baseando-se apenas na pressão de topo, da qual se tem a confiança de sua medida e nas variáveis manipuladas. O modelo obtido foi testado para diferentes variáveis do processo, por meio de rede neural estática e dinâmica e com diferentes parâmetros. Para o modelo de rede neural estática, obteve-se um coeficiente de determinação (R2) igual a 0,98 e para o modelo de rede neural dinâmica, obteve-se um coeficiente de determinação (R2) igual a 0,96.