Modelagem analítica e numérica de perfilagem acústica através de tubos
IBP 2020
Saiba mais
Avaliação da integridade do cimento baseada em aprendizado de máquina com uma configuração experimental de perfilagem através de tubos
Science Direct 2023
Saiba mais
Avaliação da integridade do cimento assistida por aprendizado de máquina durante operações de obstrução e abandono
One Petro 2023
Apresentado na ADIPEC
Saiba mais
Aprendizado de Máquina Supervisionado Aplicado à Avaliação de Integridade de Cimento – Uma Comparação entre Modelos e Técnicas de Extração de Características
One Petro 2024
Apresentado na IADC (USA)
Saiba mais
Avaliação da qualidade da ligação de cimento baseada em IA: um primeiro passo para otimizar o projeto de P&A
One Petro 2024
Apresentado na OTC (USA)
Saiba mais
Avaliação baseada em HOG-CNN da integridade do cimento usando curvas de dispersão 2D de uma configuração experimental através de perfilagem de tubulação
Science Direct 2024
Saiba mais
Patentes
Método computacional para detecção e estimativa de falhas de cimentação em revestimentos de poços de petróleo através da aquisição de sinais de perfil acústico através da coluna de produção com base em aprendizado de máquina e simulações de alta fidelidade
INPI BR 10 2021 018581 3
Saiba mais
Voltar para 'Artigos e patentes'
Modelagem analítica e numérica de perfilagem acústica através de tubos
Publicado em: 01 de Dezembro de 2020
Editado por: IBP - Instituto Brasileiro de Petróleo e Gás
Idiomas: Inglês, Português.
Resumo
Atualmente, antes das operações de obstrução e abandono (P&A), a inspeção da qualidade do cimento executada através de técnicas de perfilagem acústica requer a remoção da tubulação de produção. Assim, tem havido um interesse crescente na indústria em fornecer soluções tecnológicas que permitam a avaliação da qualidade da vedação do cimento através da realização de testes de perfilagem através de tubos, reduzindo assim os custos associados às operações de P&A. Esta contribuição aborda o problema de modelagem da propagação de ondas acústicas em poços multistring utilizando técnicas analíticas e numéricas. Resultados analíticos obtidos no domínio da frequência para os espectros de dispersão de ondas guiadas que se propagam no poço foram empregados para validar as simulações numéricas através do Método dos Elementos Finitos (MEF). O efeito de diferentes defeitos na bainha de cimento na dispersão de ondas guiadas no poço multistring e na resposta acústica a uma fonte monopolo foi investigado. Os resultados das simulações demonstraram que é possível distinguir dados de casos com e sem defeitos.
Voltar para 'Artigos e patentes'
Avaliação da integridade do cimento baseada em aprendizado de máquina com uma configuração experimental de perfilagem através de tubos
Publicado em: Agosto de 2023
Editado por: Science Direct
Idiomas: Inglês.
Resumo
Avaliar a integridade da camada de cimento e a qualidade da sua ligação ao revestimento e à formação é fundamental para garantir que o poço esteja hidraulicamente isolado do ambiente circundante antes de selar permanentemente o poço. Essa inspeção faz parte das operações de Obstrução e Abandono (P&A) e geralmente é realizada por meio de ferramentas de perfilagem de poço, que fornecem uma vasta quantidade de dados que um especialista qualificado interpreta. O processo depende de humanos, é propenso a erros e demorado. Tem havido um interesse crescente em soluções que permitam uma interpretação automática dos dados de registo, uma vez que o panorama recente da indústria de petróleo e gás indica uma crescente procura de P&A. Tais soluções visam reduzir a dependência do conhecimento humano e consequentemente aumentar a confiabilidade e precisão da avaliação da integridade do cimento. Portanto, este trabalho apresenta uma configuração experimental capaz de emular configurações defeituosas de camadas de cimento de poços de petróleo do mundo real em arranjos de colunas simples ou múltiplas. Essa flexibilidade permite adquirir dados de perfilagem para múltiplas condições de poço e construir um rico banco de dados de perfilagem para desenvolver uma estrutura de aprendizagem supervisionada e definir o modelo mais adequado para realizar a avaliação da integridade do cimento. Foram realizadas diversas execuções de perfilagem, produzindo um banco de dados com 130 amostras, incluindo variados níveis de excentricidade da tubulação e condições da camada de cimento. Foi realizada uma análise completa dos dados tanto no domínio do tempo quanto no domínio frequência-número de onda, destacando a complexidade da tarefa de interpretação. Um fluxo de trabalho baseado em reamostragem foi empregado para avaliar modelos de aprendizado de máquina de diferentes famílias. Os modelos foram testados em três cenários, e métricas de precisão e complexidade computacional foram calculadas para comparar seu desempenho. Os resultados mostraram que modelos de aprendizagem superficiais podem funcionar satisfatoriamente mesmo com menos dados disponíveis para treinamento. A máquina de vetores de suporte se destacou, alcançando uma pontuação média de precisão superior a 0,99 e sendo capaz de prever a condição da bainha de cimento em menos de 1 ms. Este artigo contribui para a pesquisa sobre avaliação da integridade do cimento ao apresentar um estudo que combina uma configuração experimental que mimetiza diversas condições de poços de petróleo e o emprego de aprendizado de máquina como ferramenta de diagnóstico, o que não tem precedentes na literatura recente na área de conhecimento de perfilagem acústica.
Voltar para 'Artigos e patentes'
Avaliação da integridade do cimento assistida por aprendizado de máquina durante operações de obstrução e abandono
Publicado em: 5 de Outubro de 2023
Editado por: One Petro
Idiomas: Inglês.
Apresentado na ADIPEC
Resumo
Devido ao crescimento das operações de Obstrução e Abandono, os desafios de avaliar a integridade da camada de cimento e a qualidade de sua ligação ao revestimento e à formação aumentam consequentemente. Portanto, é fundamental garantir que o poço esteja hidraulicamente isolado do ambiente circundante antes de vedar permanentemente o poço. No entanto, hoje em dia, este processo depende das habilidades de um especialista na interpretação de uma grande quantidade de dados complexos adquiridos através de operações de registro, o que torna a tarefa dependente de humanos, propensa a erros e demorada. Motivada por essa tarefa de avaliação do cimento, a ouronova, em parceria com a Repsol Sinopec Brasil, está desenvolvendo uma ferramenta computacional para auxiliar interativamente o especialista na interpretação dos dados de perfilagem da integridade do cimento e o operador na otimização do planejamento e gerenciamento de campanhas de Obstrução e Abandono. O chamado software P&A Assistant utiliza técnicas de aprendizado de máquina que, através do trabalho realizado até o momento, se mostraram uma alternativa promissora para melhorar a precisão e confiabilidade e reduzir o tempo de análise da integridade da bainha de cimento. O software também está preparado para trabalhar com dados de registro adquiridos em configuração through-tubing, o que representa redução de custo e tempo operacional. O artigo apresenta o módulo inicial do software, apresentando três diferentes métodos não supervisionados (K-means, Bisecting K-means e Modelo de Mistura Gaussiana) e combinações de recursos de entrada, com o objetivo de otimizar o modelo. Os principais resultados do trabalho indicam que os métodos implementados utilizando o canal Cement Bond Long e o canal Bond Index apresentam melhores resultados quando comparados aos modelos combinados com Variable Density Log e AIBK, com valores acima de 0,7 para Rand Index e 0,5 para Coeficiente Silhouette. Para os métodos não supervisionados, o modelo K-mean teve o melhor desempenho.
Voltar para 'Artigos e patentes'
Aprendizado de Máquina Supervisionado Aplicado à Avaliação de Integridade de Cimento – Uma Comparação entre Modelos e Técnicas de Extração de Características
Publicado em: 27 de Fevereiro de 2024
Editado por: One Petro
Idiomas: Inglês.
Apresentado na IADC (USA)
Resumo
A análise da interpretação da integridade da ligação da camada de cimento entre o revestimento e a formação em poços de petróleo tem crescido significativamente à medida que crescem também as operações de entupimento e abandono. A interpretação desta análise é importante para garantir que o poço esteja hidraulicamente isolado do ambiente circundante antes de vedá-lo permanentemente. Porém, essa interpretação depende da capacidade do especialista em analisar uma grande demanda de dados, que é complexa e adquirida por meio de operações de perfilagem. Esse fato torna esse processo sujeito a erros, dependência humana e demorado. Esses três desafios motivaram a Ouronova, em parceria com a Repsol Sinopec Brasil, a desenvolver um software para auxiliar na interpretação de perfis acústicos. Também inspirado no objetivo de otimizar completamente as operações de Plugging e Abandono, o software também otimiza o planejamento e gerenciamento de campanhas de Plugging e Abandono. O chamado software Plug and Abandoment (P&A) Assistant provou ser uma boa ferramenta que otimiza o processo de Obstrução e Abandono, utilizando técnicas de aprendizado de máquina (ML) para melhorar a precisão e confiabilidade e reduzir o tempo de análise da integridade da bainha de cimento. Este artigo apresenta então algumas técnicas de métodos supervisionados implementadas no software, como Regressão Logística, k-Vizinhos Mais Próximos, Árvores de Decisão, Floresta Aleatória e Gaussian Naive Bayes. Os resultados mostram que a combinação de características derivadas do Cement Bond Log e do Acoustic Impedance Log permite a construção de modelos eficientes. O modelo Gaussiano foi o que apresentou melhor desempenho global, alcançando uma Precisão Balanceada de Precisão igual a 0,50 e uma Precisão de Adjacência Balanceada em torno de 0,88.
Voltar para 'Artigos e patentes'
Avaliação da qualidade da ligação de cimento baseada em IA: um primeiro passo para otimizar o projeto de P&A
Publicado em: 08 de Maio de 2024
Editado por: One Petro
Idiomas: Inglês.
Apresentado na OTC (USA)
Resumo
À medida que as operações de desmantelamento continuam a expandir-se, os desafios associados à avaliação da integridade da camada de cimento e da sua ligação ao revestimento e à formação tornam-se mais pronunciados. Garantir o isolamento hidráulico do poço do ambiente circundante é crucial antes de vedar permanentemente o poço. No entanto, a metodologia atual depende da experiência de especialistas que interpretam dados extensos e intrincados obtidos através de operações madeireiras. Reconhecendo os desafios inerentes à avaliação do cimento, a Ouronova, em colaboração com a Repsol Sinopec Brasil, está desenvolvendo uma solução computacional para ajudar os especialistas a interpretar os dados de perfilagem da integridade do cimento. Simultaneamente, a ferramenta desenvolvida visa auxiliar os operadores na otimização do planeamento e gestão das campanhas de descomissionamento. O software inovador emprega técnicas de aprendizado de máquina que têm se mostrado promissoras no aumento da precisão, confiabilidade e eficiência na análise da integridade da bainha de cimento. Assim, o objetivo deste artigo é apresentar alguns resultados obtidos com o software utilizando Redes Neurais Convolucionais para prever a condição do cimento em duas regiões de poços. O conjunto de dados adquirido foi usado para gerar diagramas e gráficos de registros de densidade variável, aqui chamados de sinais combinados 2D, que foram usados como entradas para treinar o modelo. Os principais resultados indicam boa precisão na previsão da condição do cimento usando o Registro de Densidade Variável e os Sinais Combinados 2D. Em especial, este último mostrou-se uma opção mais promissora porque seu valor de acurácia tendeu a ser mais estável à medida que a base de dados foi aumentada, em comparação com o caso do Log de Densidade Variável. Como métrica para as comparações, foi utilizada a Precisão de Adjacência Balanceada. Para os resultados baseados no Log de Densidade Variável, encontramos um valor de 0,810, enquanto para os baseados nos Sinais Combinados 2D, encontramos 0,958.
Voltar para 'Artigos e patentes'
Avaliação baseada em HOG-CNN da integridade do cimento usando curvas de dispersão 2D de uma configuração experimental através de perfilagem de tubulação
Publicado em: 03 de Maio de 2024
Editado por: Science Direct
Idiomas: Inglês.
Resumo
Em poços de petróleo, a cimentação adequada é essencial para garantir que o poço tenha suporte para o revestimento e seja capaz de isolá-lo das águas subterrâneas. As operações conhecidas como Obstrução e Abandono (P&A) devem realizar inspeções na camada de cimento do poço para garantir que a qualidade de ligação do cimento com a formação e o isolamento hidráulico sejam adequados antes da vedação do poço. A interpretação dos registros de dados durante os processos de descomissionamento é feita exclusivamente por uma equipe de petrofísicos, o que torna o processo suscetível a erros humanos. Além disso, requer muito tempo de análise, aumentando a busca por soluções alternativas que ajudem a reduzir erros na interpretação dos registros de dados. Até agora, o uso do aprendizado de máquina provou ser um forte candidato nessa busca. Este artigo trata de imagens no domínio da frequência (curvas de dispersão e Cepstrum) que são adquiridas a partir de sinais de pressão acústica obtidos no domínio do tempo e ao longo do eixo vertical de uma configuração experimental. Essas imagens são usadas para treinar modelos de aprendizado de máquina para testar e comparar as precisões obtidas. Foi realizado um ajuste dos hiperparâmetros para encontrar aqueles que melhor descrevem as características experimentais simuladas. Além disso, o modelo de rede neural de convolução (CNN) foi combinado com a técnica de histograma de gradiente orientado (HOG) para verificar sua eficiência por meio da análise de dados experimentais. Neste trabalho foram utilizados dois bancos de dados diferentes, um com 130 amostras referentes aos resultados médios dos quatro hidrofones utilizados no experimento e outro com 520 amostras referentes a todos os resultados. Os resultados encontrados demonstraram que ao utilizar as curvas de dispersão como entrada com a CNN a precisão chega a 100%. Outras combinações de modelos também foram testadas, atingindo resultados semelhantes. Este artigo contribui para o atual cenário de pesquisa ao apresentar uma combinação inovadora de técnicas de aprendizado de máquina aplicadas à área de petróleo e gás (HOG-CNN) com a proposta de comparar diferentes tipos de bancos de dados, como utilizar Cepstrum em vez de curvas de dispersão e imagens. em processamento.
Voltar para 'Artigos e patentes'
Método computacional para detecção e estimativa de falhas de cimentação em revestimentos de poços de petróleo através da aquisição de sinais de perfil acústico através da coluna de produção com base em aprendizado de máquina e simulações de alta fidelidade
INPI BR 10 2021 018581 3
Resumo
A presente invenção propõe o uso de simulação numérica de alta fidelidade do fenômeno de ondas guiadas através da coluna de produção, em conjunto com métodos de aprendizado supervisionado, em uma abordagem totalmente automatizada e guiada por dados, para detecção da qualidade de cimento de revestimento em poços de petróleo através do tubo de produção. Adota-se, para esse fim, conjunto de simulações, sob condições mais usuais de falha na qualidade do cimento, de modo a proceder a modelagem preditiva baseada em aprendizado de máquina. Dessa forma, o modelo criado é capaz de interpretar os padrões complexos gerados a partir deste fenômeno físico, gerando valor para auxiliar o tomador de decisão na tarefa de interpretação dos dados de perfilagem acústica. O objetivo final é isolar e identificar os defeitos de cimento em poços, com base em ondas acústicas guiadas através da coluna de produção, que geram sinais de difícil interpretação, quando comparados aos casos de revestimentos simples, que requerem, portanto, treinamento profissional altamente qualificado, em uma tarefa intensiva e suscetível a erros.
Saiba mais