Geração de regras de controle via mineração de dados para a otimização de indicador de produção para poços inteligentes

Detalhes bibliográficos
Autor(a) principal: Batista Filho, Sérgio Ferreira, 1996-
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/7300
Resumo: Orientador: João Roberto Bertini Júnior
id UNICAMP-30_c163d7c50e53291bb46d3bba8edae071
oai_identifier_str oai::1259281
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Geração de regras de controle via mineração de dados para a otimização de indicador de produção para poços inteligentesControl rules generation via data mining for the optimization of production indicator for smart wellsAprendizado de máquinaReservatórios de petróleoPetróleoModelos de regressão (Estatística)Machine learningPetroleum reservoirsPetroleumRegression models (Statistics)Orientador: João Roberto Bertini JúniorDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de TecnologiaResumo: O gerenciamento de reservatório de petróleo visa maximizar o lucro considerando restrições operacionais, tecnológicas, econômicas, regulatórias e outras. A gestão de reservatórios é intrinsecamente associada à infraestrutura de produção utilizada e está intimamente envolvida em todas as fases do ciclo de vida do reservatório; da exploração à produção e, finalmente à revitalização. Para estruturar e facilitar o estudo de reservatórios, essa infraestrutura é mapeada em um conjunto de variáveis para o problema estudado, e que podem ser classificadas como variáveis de: projeto (G1); controle (G2) e revitalização (G3). Atualmente, decisões de curto prazo no gerenciamento de válvulas de captação de óleo e gás, ou de injeção de fluido, são diversas vezes tomadas sem um procedimento formal, o que pode levar a uma produção não otimizada. Uma das maneiras de subsidiar as atividades de gerenciamento é basear-se em dados históricos de produção para tomar decisões futuras. Este trabalho propõe uma metodologia baseada em mineração de dados para a obtenção de regras de controle aplicáveis ao gerenciamento das variáveis de controle (G2). O desenvolvimento considerou dados simulados, equivalentes a dados de reservatórios reais, gerados a partir do modelo de reservatório UNISIM-II-D. Experimentos foram conduzidos tanto para validar as regras de controle obtidas pela metodologia proposta, junto ao simulador numérico, quanto para avaliar o desempenho das regras quando aplicadas ao gerenciamento das variáveis de controle. Os resultados das simulações mostraram que as regras de controle obtidas por meio da metodologia proposta apresentaram melhora no indicador econômico de produção para 4 dos 9 poços considerados. Ressalta-se que as regras do conjunto inicial, geradas pelo simulador, já eram resultado de um processo de busca e otimização. A aplicação das regras no gerenciamento das variáveis de controle, avaliadas por meio de um modelo substituto rápido, mostrou-se eficaz para 8 dos 9 poços testados. Os resultados reportados neste trabalho mostram evidências em favor da metodologia proposta e podem ser considerados como um passo inicial para a geração de regras de controle aplicáveis na prática para a tomada de decisão de curto prazoAbstract: Oil reservoir management aims to maximize profit considering operational, technological, economic, regulatory, and other restrictions. Reservoir management is intrinsically associated with the production infrastructure and is closely involved in all phases of the reservoir life cycle, from exploration to production and finally to revitalization. To structure and facilitate the study of reservoirs, this infrastructure is mapped to a set of variables for the studied problem, which can be classified as variables of: project (G1), control (G2), and revitalization (G3). Currently, short-term decisions in the management of oil and gas or fluid injection valves are often made without a formal procedure, which can lead to non-optimized production. One way to subsidize management activities is to rely on historical production data to make future decisions. This work proposes a data mining-based methodology for obtaining control rules for the management of G2 variables. The development has considered simulated data generated from the UNISIM-II-D reservoir model, which are equivalent to real reservoir data. Experiments have been conducted to validate the control rules within the numeric simulator, and also to evaluate their performance when performing variable management. Simulation results have shown the control rules obtained from the proposed methodology improved the well economic indicator performance of 4 out of 9 tested wells. What is noteworthy is the initial set of rules has been generated from a search and optimization process. The application of rules in control variable management, evaluated through a fast surrogate model, has shown effective for 8 out of the 9 tested wells. The results reported in this work are evidence in favor of the proposed methodology and can be considered as an initial step toward control rules generation for in-practice application to aid short-term decision-makingMestradoSistemas de Informação e ComunicaçãoMestre em TecnologiaFAPESP2010/50646-6CAPES001[s.n.]Bertini Junior, João Roberto, 1981-Hidalgo, Ieda GeribertoSchiozer, Denis JoséUniversidade Estadual de Campinas (UNICAMP). Faculdade de TecnologiaPrograma de Pós-Graduação em TecnologiaUNIVERSIDADE ESTADUAL DE CAMPINASBatista Filho, Sérgio Ferreira, 1996-20222022-10-13T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (100 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/7300BATISTA FILHO, Sérgio Ferreira. Geração de regras de controle via mineração de dados para a otimização de indicador de produção para poços inteligentes. 2022. 1 recurso online (100 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia, Limeira, SP. Disponível em: https://hdl.handle.net/20.500.12733/7300. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1259281Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2023-02-02T10:55:13Zoai::1259281Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2023-02-02T10:55:13Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Geração de regras de controle via mineração de dados para a otimização de indicador de produção para poços inteligentes
Control rules generation via data mining for the optimization of production indicator for smart wells
title Geração de regras de controle via mineração de dados para a otimização de indicador de produção para poços inteligentes
spellingShingle Geração de regras de controle via mineração de dados para a otimização de indicador de produção para poços inteligentes
Batista Filho, Sérgio Ferreira, 1996-
Aprendizado de máquina
Reservatórios de petróleo
Petróleo
Modelos de regressão (Estatística)
Machine learning
Petroleum reservoirs
Petroleum
Regression models (Statistics)
title_short Geração de regras de controle via mineração de dados para a otimização de indicador de produção para poços inteligentes
title_full Geração de regras de controle via mineração de dados para a otimização de indicador de produção para poços inteligentes
title_fullStr Geração de regras de controle via mineração de dados para a otimização de indicador de produção para poços inteligentes
title_full_unstemmed Geração de regras de controle via mineração de dados para a otimização de indicador de produção para poços inteligentes
title_sort Geração de regras de controle via mineração de dados para a otimização de indicador de produção para poços inteligentes
author Batista Filho, Sérgio Ferreira, 1996-
author_facet Batista Filho, Sérgio Ferreira, 1996-
author_role author
dc.contributor.none.fl_str_mv Bertini Junior, João Roberto, 1981-
Hidalgo, Ieda Geriberto
Schiozer, Denis José
Universidade Estadual de Campinas (UNICAMP). Faculdade de Tecnologia
Programa de Pós-Graduação em Tecnologia
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Batista Filho, Sérgio Ferreira, 1996-
dc.subject.por.fl_str_mv Aprendizado de máquina
Reservatórios de petróleo
Petróleo
Modelos de regressão (Estatística)
Machine learning
Petroleum reservoirs
Petroleum
Regression models (Statistics)
topic Aprendizado de máquina
Reservatórios de petróleo
Petróleo
Modelos de regressão (Estatística)
Machine learning
Petroleum reservoirs
Petroleum
Regression models (Statistics)
description Orientador: João Roberto Bertini Júnior
publishDate 2022
dc.date.none.fl_str_mv 2022
2022-10-13T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/7300
BATISTA FILHO, Sérgio Ferreira. Geração de regras de controle via mineração de dados para a otimização de indicador de produção para poços inteligentes. 2022. 1 recurso online (100 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia, Limeira, SP. Disponível em: https://hdl.handle.net/20.500.12733/7300. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/7300
identifier_str_mv BATISTA FILHO, Sérgio Ferreira. Geração de regras de controle via mineração de dados para a otimização de indicador de produção para poços inteligentes. 2022. 1 recurso online (100 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia, Limeira, SP. Disponível em: https://hdl.handle.net/20.500.12733/7300. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1259281
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (100 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189186645786624

Registros relacionados