Na produção de petróleo, é bastante comum a perfuração de poços injetores que são usados para injetar água ou gás nos reservatórios com o objetivo de aumentar a recuperação de óleo e gás. Para engenheiros e geocientistas, especialistas que atuam no setor de exploração e produção de óleo e gás, entender como os poços injetores interferem na produção é uma informação essencial para o gerenciamento do campo.
É dentro desse contexto que surge uma ferramenta computacional desenvolvida por pesquisadores brasileiros publicada recentemente na revista científica Scientific Reports, do grupo Nature. Fugindo da abordagem clássica, alicerçada em propriedades físicas (difícies de serem estimadas) e marcadores químicos, o grupo de cientistas, liderado pelo professor Anderson Rocha, pesquisador do Laboratório de Inteligência Artificial (Recod.ai) do Instituto de Computação da Unicamp, partiu para a área do aprendizado de máquina.
O projeto foi realizado em parceria com a pesquisadora Alessandra Davolio, do Centro de Estudos de Energia e Petróleo (CEPETRO), e com o professor Denis Schiozer da Faculdade de Engenheria Mecânica, também da Unicamp.
A partir de um conjunto de dados reais do Pré-Sal e de outros dados mais gerais, o algoritmo acertou em estimar as conexões causais em séries temporais das produções dos campos de petróleo. “De um total de 32 poços analisados, sendo metade poços produtores e metade injetores, conseguimos identificar quais poços injetores estão dando suporte para quais poços produtores”, afirma Manuel Castro, primeiro autor do artigo, que é pesquisador do Instituto de Computação.
Segundo ele, a metodologia proposta pelo grupo avança, de forma inédita, em um problema bastante complexo. “Depois dos passos iniciais, da perfuração dos poços produtores e injetores, é difícil saber, até pela dinâmica do processo, como ocorre na prática a conexão entre essas diferentes perfurações. Até porque é algo que se dá por meio das rochas” explica o pesquisador colombiano radicado no Brasil.
Conseguir entender o que se passa com a produção de petróleo, a partir de técnicas do aprendizado de máquina, é algo que ainda vai gerar muitos frutos positivos, argumentam os pesquisadores.
Dada a natureza única e complexa dos campos do Pré-Sal brasileiro, o método desenvolvido pelo grupo brasileiro tem características que atendem aos requisitos de robustez nas análises dos dados. É uma aplicação, segundo os cientistas, que apresenta relevância e eficácia para o entendimento e melhor gerenciamento dos resevatórios. O método vai contribuir, no futuro, para a otimização da produção, do gerenciamento de reservatórios e do desempenho geral dos campos do Pré-Sal.
