Estudo e modelagem de eventos indesejáveis em escoamento de petróleo
Autor(a) principal: | |
---|---|
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 |