Estudo e modelagem de eventos indesejáveis em escoamento de petróleo

Detalhes bibliográficos
Autor(a) principal: Brito, Ayrton de Assumpção
Data de Publicação: 2023
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: http://app.uff.br/riuff/handle/1/31499
Resumo: O escoamento multifásico de petróleo apresenta variáveis que impactam diretamente em sua eficiência, bem como nos problemas que o compõem. As adversidades enfrentadas podem ter origem na estrutura física da operação, como golfadas severas de terreno, fechamento espúrio de válvulas e a perda rápida de produção, ou por características dos fluidos, como a deposição de parafinas, crescimento do BSW (Basic Sediment and Water), deposição inorgânica e formação de hidratos. A aplicação de ferramentas desenvolvidas a partir da transformação digital, como, por exemplo, algoritmos de aprendizado de máquina, tem sido implementada na indústria de óleo e gás para a predição desses tipos de adversidades. Entretanto, a necessidade de dados para o treinamento do modelo dessas ferramentas tem sido um ponto de grande relevância. À vista disso, este trabalho tem como objetivo a geração de um robusto banco de dados com dados de produção contendo informações como pressões, vazões e temperaturas posicionados esquematicamente nos locais da TPT (do inglês Temperature and Pressure Transducer) em 0 metros e Medidor Permanente de Fundo de Poço (PDG, do inglês Permanent Downhole Gauge) em 1600 metros. Foram definidos cinco inputs de modo a criar um mapa de variáveis que contemplarão 243 cenários de referência abrangendo variados contrastes operacionais; ademais, foram considerados cenários que ocasionassem eventos de variação no escoamento separadamente, como o fechamento de válvula, crescimento do BSW e a deposição de parafinas para cada caso base além da sobreposição de eventos. Os dados foram obtidos utilizando a técnica de simulação numérica através do simulador ALFAsim® (Artificial Lift and Flow Assurance Simulator) da empresa ESSS. Os resultados obtidos foram comparados entre si e foi observado que a variação dos inputs escolhidos teve influência nos resultados obtidos quanto a intensidade do evento acidental gerado
id UFF-2_1811abceaec713b7e79c4cf8ef4b2166
oai_identifier_str oai:app.uff.br:1/31499
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Estudo e modelagem de eventos indesejáveis em escoamento de petróleoEscoamento multifásicoBanco de dadosGerenciamento de eventos anormaisSimulação numéricaEscoamento multifásicoSimulação numéricaPoço de petróleoMultiphase flowDatasetAbnormal events managementNumerical simulationO escoamento multifásico de petróleo apresenta variáveis que impactam diretamente em sua eficiência, bem como nos problemas que o compõem. As adversidades enfrentadas podem ter origem na estrutura física da operação, como golfadas severas de terreno, fechamento espúrio de válvulas e a perda rápida de produção, ou por características dos fluidos, como a deposição de parafinas, crescimento do BSW (Basic Sediment and Water), deposição inorgânica e formação de hidratos. A aplicação de ferramentas desenvolvidas a partir da transformação digital, como, por exemplo, algoritmos de aprendizado de máquina, tem sido implementada na indústria de óleo e gás para a predição desses tipos de adversidades. Entretanto, a necessidade de dados para o treinamento do modelo dessas ferramentas tem sido um ponto de grande relevância. À vista disso, este trabalho tem como objetivo a geração de um robusto banco de dados com dados de produção contendo informações como pressões, vazões e temperaturas posicionados esquematicamente nos locais da TPT (do inglês Temperature and Pressure Transducer) em 0 metros e Medidor Permanente de Fundo de Poço (PDG, do inglês Permanent Downhole Gauge) em 1600 metros. Foram definidos cinco inputs de modo a criar um mapa de variáveis que contemplarão 243 cenários de referência abrangendo variados contrastes operacionais; ademais, foram considerados cenários que ocasionassem eventos de variação no escoamento separadamente, como o fechamento de válvula, crescimento do BSW e a deposição de parafinas para cada caso base além da sobreposição de eventos. Os dados foram obtidos utilizando a técnica de simulação numérica através do simulador ALFAsim® (Artificial Lift and Flow Assurance Simulator) da empresa ESSS. Os resultados obtidos foram comparados entre si e foi observado que a variação dos inputs escolhidos teve influência nos resultados obtidos quanto a intensidade do evento acidental geradoThe multiphase flow presents variables that directly impact its efficiency, as well as the issues it encompasses. The challenges faced may originate from the physical structure of the operation, such as terrain severe slug, spurious valve closure and rapid production loss, or from fluid characteristics, such as paraffin deposition, basic sediment and water (BSW) growth, inorganic deposition and hydrate formation. The application of tools developed through digital transformation, such as machine learning algorithms, has been implemented in the oil and gas industry for predicting these types of adversities. However, the need for data to train the model of these tools has been a point of great relevance. Considering this, this work aims to generate a robust database with production data containing information such as pressures, flows, and temperatures schematically positioned at the locations of the Temperature and Pressure Transducer (TPT) at 0 meters and Permanent Downhole Gauge (PDG) at 1600 meters. Five inputs were defined to create a variable map that will encompass 243 reference scenarios covering various operational contrasts; furthermore, scenarios that would cause flow variation events separately were considered, such as valve closure, BSW growth, and paraffin deposition for each base case, in addition to overlapping events. The data were obtained using numerical simulation through the ALFAsim® (Artificial Lift and Flow Assurance Simulator) simulator from ESSS. The results obtained were compared, and it was observed that the variation of the chosen inputs influenced the results obtained regarding the intensity of the accidental event generated110 p.Araujo, João Felipe Mitre deFerreira, Geraldo de SouzaOliveira, Alexandre Parker deBrito, Ayrton de Assumpção2023-12-18T19:22:22Z2023-12-18T19:22:22Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfBRITO, Ayrton de Assumpção. Estudo e modelagem de eventos indesejáveis em escoamento de petróleo. 2023. 110 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Petróleo) - Escola de Engenharia, Universidade Federal Fluminense, Niterói, 2023.http://app.uff.br/riuff/handle/1/31499CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2023-12-18T19:22:25Zoai:app.uff.br:1/31499Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T10:59:56.420345Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Estudo e modelagem de eventos indesejáveis em escoamento de petróleo
title Estudo e modelagem de eventos indesejáveis em escoamento de petróleo
spellingShingle Estudo e modelagem de eventos indesejáveis em escoamento de petróleo
Brito, Ayrton de Assumpção
Escoamento multifásico
Banco de dados
Gerenciamento de eventos anormais
Simulação numérica
Escoamento multifásico
Simulação numérica
Poço de petróleo
Multiphase flow
Dataset
Abnormal events management
Numerical simulation
title_short Estudo e modelagem de eventos indesejáveis em escoamento de petróleo
title_full Estudo e modelagem de eventos indesejáveis em escoamento de petróleo
title_fullStr Estudo e modelagem de eventos indesejáveis em escoamento de petróleo
title_full_unstemmed Estudo e modelagem de eventos indesejáveis em escoamento de petróleo
title_sort Estudo e modelagem de eventos indesejáveis em escoamento de petróleo
author Brito, Ayrton de Assumpção
author_facet Brito, Ayrton de Assumpção
author_role author
dc.contributor.none.fl_str_mv Araujo, João Felipe Mitre de
Ferreira, Geraldo de Souza
Oliveira, Alexandre Parker de
dc.contributor.author.fl_str_mv Brito, Ayrton de Assumpção
dc.subject.por.fl_str_mv Escoamento multifásico
Banco de dados
Gerenciamento de eventos anormais
Simulação numérica
Escoamento multifásico
Simulação numérica
Poço de petróleo
Multiphase flow
Dataset
Abnormal events management
Numerical simulation
topic Escoamento multifásico
Banco de dados
Gerenciamento de eventos anormais
Simulação numérica
Escoamento multifásico
Simulação numérica
Poço de petróleo
Multiphase flow
Dataset
Abnormal events management
Numerical simulation
description O escoamento multifásico de petróleo apresenta variáveis que impactam diretamente em sua eficiência, bem como nos problemas que o compõem. As adversidades enfrentadas podem ter origem na estrutura física da operação, como golfadas severas de terreno, fechamento espúrio de válvulas e a perda rápida de produção, ou por características dos fluidos, como a deposição de parafinas, crescimento do BSW (Basic Sediment and Water), deposição inorgânica e formação de hidratos. A aplicação de ferramentas desenvolvidas a partir da transformação digital, como, por exemplo, algoritmos de aprendizado de máquina, tem sido implementada na indústria de óleo e gás para a predição desses tipos de adversidades. Entretanto, a necessidade de dados para o treinamento do modelo dessas ferramentas tem sido um ponto de grande relevância. À vista disso, este trabalho tem como objetivo a geração de um robusto banco de dados com dados de produção contendo informações como pressões, vazões e temperaturas posicionados esquematicamente nos locais da TPT (do inglês Temperature and Pressure Transducer) em 0 metros e Medidor Permanente de Fundo de Poço (PDG, do inglês Permanent Downhole Gauge) em 1600 metros. Foram definidos cinco inputs de modo a criar um mapa de variáveis que contemplarão 243 cenários de referência abrangendo variados contrastes operacionais; ademais, foram considerados cenários que ocasionassem eventos de variação no escoamento separadamente, como o fechamento de válvula, crescimento do BSW e a deposição de parafinas para cada caso base além da sobreposição de eventos. Os dados foram obtidos utilizando a técnica de simulação numérica através do simulador ALFAsim® (Artificial Lift and Flow Assurance Simulator) da empresa ESSS. Os resultados obtidos foram comparados entre si e foi observado que a variação dos inputs escolhidos teve influência nos resultados obtidos quanto a intensidade do evento acidental gerado
publishDate 2023
dc.date.none.fl_str_mv 2023-12-18T19:22:22Z
2023-12-18T19:22:22Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv BRITO, Ayrton de Assumpção. Estudo e modelagem de eventos indesejáveis em escoamento de petróleo. 2023. 110 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Petróleo) - Escola de Engenharia, Universidade Federal Fluminense, Niterói, 2023.
http://app.uff.br/riuff/handle/1/31499
identifier_str_mv BRITO, Ayrton de Assumpção. Estudo e modelagem de eventos indesejáveis em escoamento de petróleo. 2023. 110 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Petróleo) - Escola de Engenharia, Universidade Federal Fluminense, Niterói, 2023.
url http://app.uff.br/riuff/handle/1/31499
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1811823631294005248