Modelagem de propriedades físico-químicas e termodinâmicas do óleo e gás utilizando inteligência artificial

• Autor(a) principal: Marins, Daniel Boechat de
• Data de Publicação: 2021
• 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/1/22026
• topic: Propriedades-PVT; Inteligência artificial; Redes neurais artificiais; SVR; Árvores de decisão; Inteligência artificial; Aprendizado de máquina; Indústria petrolífera; PVT-Properties; Artificial intelligence; Artificial neural networks; SVM; Decision trees

A estimação de propriedades PVT (Pressão, Volume, Temperatura), como pressão de bolha, solução gás-óleo e fator de volume de formação de óleo são fundamentais para a indústria do petróleo, principalmente na determinação de cálculos de performance do reservatório, e estimativas de reserva. A precisão desses cálculos depende da exatidão na previsão das propriedades, que variam de acordo com a localização geográfica da reserva de óleo e gás e, idealmente, devem ser determinadas a partir de análises laboratoriais das amostras. Entretanto o custo envolvido e os tempos relativamente altos da análise incentivam a busca por outras ferramentas de previsão de tais propriedades, mas os erros nas predições introduzem distúrbios significativos nos cálculos inerentes às reservas. Muitas correlações foram desenvolvidas ao longo dos anos, contudo, ainda existe muito desenvolvimento pertinente a ser feito nesse tema, dada a complexidade de caracterização dos fluidos de petróleo, seja pelo grau API, composição química ou localização geográfica. Paralelamente, a inteligência artificial vem se destacando como uma metodologia de consolidação de dados experimentais. A evolução crescente de metodologia de inteligência artificial torna possível o desenvolvimento de técnicas mais confiáveis e precisas para previsão de propriedades PVT de óleos crus. As principais características da utilização da inteligência artificial são o poder de reconhecimento de padrões entre o conjunto de dados proposto, autotreinamento e autoajuste entre outros, técnicas de redes neurais, vetores de suporte de regressão e árvores de decisão. A proposta desse trabalho visa comparar a previsibilidade de correlações existentes na literatura com modelos de inteligência artificial utilizando dados experimentais públicos de propriedades de óleo