skip to main content
Idioma:

Integração mundial de bases de dados de Improved and Enhanced Oil Recovery (IOR/EOR) predições e análises estratégicas por meio de algoritmos de Inteligência Artificial

Luiz Felipe Niedermaier Custódio Cleyton de Carvalho Carneiro 1980-; Rafael dos Santos Gioria 1981-

2019

Acesso online

  • Título:
    Integração mundial de bases de dados de Improved and Enhanced Oil Recovery (IOR/EOR) predições e análises estratégicas por meio de algoritmos de Inteligência Artificial
  • Autor: Luiz Felipe Niedermaier Custódio
  • Cleyton de Carvalho Carneiro 1980-; Rafael dos Santos Gioria 1981-
  • Assuntos: ENGENHARIA DE PETRÓLEO; INTELIGÊNCIA ARTIFICIAL; ALGORITMOS; BASES DE DADOS
  • Notas: Trabalho de Conclusão de Curso (Graduação)
  • Descrição: Os métodos de Improved e Enhanced Oil Recovery (IOR/EOR) apresentam ampla relevância para garantir melhor eficiência na recuperação de petróleo. O desenvolvimento e aplicação de algoritmos de Inteligência Artificial, por outro lado, tem sido cada vez mais difundido. A partir de algoritmos de Machine Learning aplicados a uma base de dados mundial, este trabalho visa observar a dinâmica das variáveis que influenciam nos métodos de IOR/EOR, além de desenvolver uma sistemática de predição (screening) dos métodos de IOR/EOR mais adequados para cada campo de produção. Uma base de dados foi contruída totalizando 1035 projetos de IOR/EOR, localizados em 28 países ao redor do mundo, mais de 30 métodos de IOR/EOR e 323 variáveis. A compilação dos dados foi feita a partir de artigos científicos, relatórios de órgãos especializados, além de apresentações para investidores de companhias operadoras, dentre outras fontes. A base de dados resultante, inédita contém seis principais conjuntos de variáveis para cada reservatório: (i) registros de localização; (ii) métodos de recuperação envolvidos; (iii) propriedades geológicas e petrofísicas dos reservatórios; (iv) níveis de maturidade e lucratividade; (v) fator de recuperação e propriedades termodinâmicas; (vi) empresas operadoras e demais particularidades. Após etapas de pré-processamento incluindo uniformização, ajustes e limpeza das variáveis, foram executadas análises por redes neurais artificiais não supervisionadas, a partir de algoritmos de Self-Organizing Maps. Utilizaram-se: as component plots para observar interrelações entre variáveis; a imputação para a predição do método de IOR/EOR mais indicado para os campos de interesse; e a dissimilaridade do seno para obter-se reservatórios análogos. Tal integração de diversas bases de dados dos métodos de IOR/EOR em diferentes regiões do mundo como fonte de treinamento e aprendizado de
    redes neurais artificiais não supervisionadas é considerado inédito, possibilitando confirmar informações da literatura e trazer insights acerca das aplicações, vantagens e limitações de cada método de IOR/EOR. Os resultados do screening também trazem inovações: foi possível incluir preço do barril de petróleo e, de maneira implícita, fatores como disponibilidade de recursos e aspectos regulatórios, e validar o modelo com casos reais em que aspectos espacialmente próximos aos campos de produção mostraram ser mais relevantes na escolha do método de IOR/EOR do que exclusivamente propriedades petrofísicas dos reservatórios, tornando-se uma ferramenta relevante para embasar e agilizar as tomadas de decisões no desenvolvimento de um campo de produção.
  • Data de criação/publicação: 2019
  • Formato: 151 p.
  • Idioma: Português
Links
Voltar para lista de resultados
Ir para página anteriorAnterior Resultado  10 AvançarIr para próxima página

  • Realização: ABCD-USP USP   Logos de Redes Sociais: Freepik

Buscando em bases de dados remotas. Favor aguardar.