Aplicação de redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater da Galp em diferentes geografias

• Autor(a) principal: Chaile, Valter José
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10071/22232
• topic: Redes neuronais artificiais; Inteligência artificial; Classificação -- Ranking; Machine learning; Perfuração; Completação; Artificial neural network; Artificial intelligence; Drilling; Completion

As grandes descobertas de petróleo em águas ultra-profundas são um grande incentivo à produção petrolífera e têm representado grandes investimentos na Galp. No entanto, explorar estes valiosos recursos em altas profundidades requer a utilização de ferramentas e metodologias que permitam prever como vai ser o comportamento dos poços durante a perfuração. A equipa de perfuração é responsável por estimar os custos e duração das operações em novos poços e simular a perfuração, estimando um resultado que culmina com um plano de perfuração. A perfuração é uma operação que acarreta custos elevados que são proporcionais à duração das atividades. Em poços exploratórios, caso não sejam encontrados hidrocarbonetos, não haverá retorno do investimento. Por esta razão, a classificação das operações durante a perfuração é muito importante para gerar premissas de duração para o projeto de novos poços. Para este estudo, três procedimentos independentes foram propostos. O primeiro consiste na classificação das operações de perfuração nos atributos: (i)Tipo de operação, (ii) causa de tempo não produtivo e (iii) fase de operação, usando as redes Multi-Layer Perceptron (MLP). O segundo procedimento diz respeito à classificação usando redes Long Short-Term Memory (LSTM) para os mesmos atributos, O terceiro e último, diz respeito à comparação dos resultados dos dois modelos propostos com o objetivo de identificar aquele que apresentou o melhor resultado. Através desse trabalho é possível concluir que os dados de perfuração atualmente disponíveis representam uma fonte rica de informação e podem ser utilizados para otimizar o processo de construção de poços de petróleo.