Avaliação e predição de propriedades de óleos vivos através de métodos de inteligência artificial

• Autor(a) principal: Oliveira, Bruno Maldonado de
• Data de Publicação: 2020
• 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/1/16609
• topic: Óleos vivos; Viscosidade; Inteligência artificial; Programação genética; Viscosidade dinâmica; Propriedades PVT; Viscosidade; Inteligência artificial; Petróleo; Live oil; Viscosity; Artificial intelligence; Genetic programming; PVT properties; Machine learning

A importância das medições de propriedades físico-químicas do petróleo é imensurável. Suas aplicabilidades são encontradas em segurança do trabalho, transporte, estocagem e, principalmente em etapas de exploração, estimulação e recuperação dos óleos. Devido às dificuldades de alto custo e demanda de trabalho nos laboratórios de análise, modelos de correlações empíricas em função da composição, pressão e temperatura dos fluidos vêm sendo desenvolvidas. Para este estudo foram obtidos, no laboratório LATCA da UFRJ, 130 dados experimentais das propriedades físico-químicas de 17 amostras de óleos de 16 campos Offshore diferentes, dentre elas: Massa específica do óleo, Massa específica do gás, Teor de água, Composição molar do óleo, Composição molar do gás e Viscosidade dos óleos em função da pressão e temperatura de cada amostra. Um dos objetivos deste trabalho é o uso de regressão simbólica por otimização pelo método de programação genética para a organização, classificação, otimização e validação destes dados experimentais, assim como o desenvolvimento de uma correlação, sem a necessidade de iterações ou cálculos em cascata, para predição de valores de viscosidade dinâmica, com uma margem de erro controlada e minimizada. Foi escolhido o Software HeuristicLab da HEAL, Austrália, e foram utilizados como dados de entrada: temperatura, pressão, massa específica do óleo e massa específica do gás, parâmetros físico-químicos de fluidos que podem ser facilmente mensurados em campo. Os resultados obtidos foram comparados com predições e correlações equivalentes, realizadas anteriormente por outros artigos científicos encontrados na literatura, onde foram encontrados valores de viscosidades com Erros Absolutos Relativos Médios (AARE) de 8,68%. Esta acurácia média de 91,32% ainda pode ser melhorada pela utilização de uma maior quantidade de dados inicial, assim como pela utilização dos valores de Ponto de Bolha, Pb, porém a correlação encontrada ainda pode ser utilizada para simulações computacionais, devido ao seu menor esforço computacional necessário