Com inteligência Artificial, pesquisadores conseguiram determinar como poços injetores dão suporte para a recuperação do petróleo

Banco de Imagens da Unicamp/Antoninho Perri

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.

Pipeline usado para realizar descoberta causal. Primeiramente, um modelo é construído considerando apenas os valores defasados no passado da própria meta, o que define a linha de base da previsão (I). O segundo passo é construir um modelo considerando informações tanto do alvo quanto de um potencial direcionador que possa afetar causalmente o alvo (II). Se houver uma melhoria na previsão, o driver é mantido como preditor (adicionado à lista de drivers descobertos e a linha de base é atualizada). Quando um novo driver potencial é testado, também são incluídas informações dos drivers já testados que afetam causalmente o alvo (drivers descobertos). https://www.nature.com/articles/s41598-023-37929-w

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.

Últimas Notícias

Instalação de robôs atingem pico no mundo, mas caem nos EUA

O novo relatório World Robotics registrou 4.281.585 unidades operando em fábricas no mundo todo — um aumento de 10%. As instalações anuais ultrapassaram meio...

BMW Group vai aportar R$ 1,1 bilhão no Brasil para produzir novos modelos e desenvolver tecnologias globais de 2025 a 2028

O BMW Group anunciou o aporte de R$ 1,1 bilhão (€ 200 mi) entre 2025 e 2028 no Brasil, para produzir novos modelos e...

Fraude no comércio eletrônico ultrapassará US$ 107 bilhões em 2029

Um novo estudo da Juniper Research, especialista em fintech e mercados de pagamento, revelou que o valor da fraude de comércio eletrônico aumentará de US$...