Análise comparativa de correlações e redes neurais para predição de propriedades de fluidos de petróleo

• Autor(a) principal: Zúñiga Pavón, Andrés Rafael
• Data de Publicação: 2019
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: https://app.uff.br/riuff/handle/1/12599
• topic: Propriedades de fluidos de petróleo; Correlações; Estimação de parâmetros; Redes neurais artificiais; Inteligência artificial; Petróleo; Rede neural artificial; Inteligência artificial; Petroleum fluid properties; PVT property; Parameter estimation; Artificial neural networks; Artificial intelligence

A estimação de propriedades PVT (Pressão, Volume, Temperatura) é essencial para realizar qualquer cálculo na indústria do petróleo. Essas propriedades são derivadas de medições laboratoriais e/ou correlações. Erros na inferência de propriedades PVT podem levar a estimativas de reservas erradas, predição imprecisa de vazões de produção, desenhos de sistemas de elevação artificial com desempenho inferior, e estimativas incorretas de parâmetros para testes de poços. Na ausência de medição laboratorial das propriedades PVT, é primordial o uso de técnicas apropriadas para calculá-las com a maior acurácia possível. A obtenção das propriedades é tão importante que são vastas as pesquisas realizadas na literatura sobre esse assunto. Numerosas correlações PVT têm sido desenvolvidas ao longo dos anos, o que mostra a relevância deste tópico. Diversos autores avançaram em criar as suas próprias correlações e, dada a complexidade de caracterização dos fluidos de petróleo, seja pelo grau API, composição química ou localização geográfica, essas correlações podem sofrer alterações nos seus parâmetros e estrutura funcional. No atual cenário em que a aplicação de técnicas de inteligência artificial vem crescendo na indústria de petróleo para enfrentar os muitos desafios de atividades operacionais diárias, as redes neurais cumprem um papel vistoso e simultaneamente poderoso na predição de muitas das variáveis usadas, e, por conseguinte, na predição de propriedades PVT. Este trabalho visa analisar comparativamente a previsibilidade de cinco propriedades de fluidos de petróleo: pressão de bolha, viscosidade de óleo insaturado, viscosidade de óleo morto, razão gás-óleo e compressibilidade isotérmica, mediante: 1) correlações de Ghetto et al. (1994) baseadas em 195 amostras de petróleo da literatura versus reestimação dos parâmetros dessas correlações usando grupo de amostras para treinamento e validação via minimização do relative absolute error e 2) uso de redes neurais artificiais aplicadas sobre o mesmo grupo usado no item 1 versus a reestimação dos parâmetros das correlações via minimização da soma dos desvios quadrados. Dentre as duas abordagens, as redes neurais apresentaram erro absoluto relativo médio abaixo de 15% para algumas propriedades e, para outras, imitaram o desempenho das correlações