Tecnologia pode auxiliar a produção petrolífera ao detalhar exatamente o quanto de água, óleo e gás está sendo produzido em cada fase do escoamento, o que ajuda a garantir o sucesso da produção.
O Pesquisadores do Centro de Estudos de Energia e Petróleo (CEPETRO), da Unicamp, desenvolveram e validaram uma nova ferramenta baseada em Inteligência Artificial para calcular frações de escoamentos multifásicos — aqueles que envolvem óleo, água e gás em diferentes fases, algo comum nos dutos que levam o petróleo do leito marinho para a superfície.
Pesquisas na área são importantes porque, para a produção ser bem-sucedida, a indústria petrolífera precisa saber exatamente o quanto está extraindo de cada componente e o padrão desse escoamento, ou seja, como as fases estão organizadas nos dutos. Além disso, há diversos resíduos sólidos que podem surgir da mistura das frações e interromper a produção, como hidratos e parafinas — os chamados problemas de garantia de escoamento.
A ferramenta foi desenvolvida no ALFA (Artificial Lift and Flow Assurance Research Group) e funciona a partir de imagens dos escoamentos processadas por códigos em Python internos baseados em redes neurais convolucionais, dentro do escopo do aprendizado de máquina. Os códigos processam as imagens do fluxo em uma rede chamada U-NET para identificar, segmentar as fases e, posteriormente, estimar as frações incorporando uma terceira dimensão à análise.
Nos testes, foram investigados escoamentos compostos por ar, água e querosene sob condições operacionais variáveis, abrangendo frequências de oscilação, frações volumétricas e concentrações diferentes de corante. As imagens foram obtidas por uma câmera de alta velocidade em um tubo transparente de 3 polegadas.
“A rede neural conseguiu quantificar as frações volumétricas locais com alto grau de precisão. O principal diferencial dessa tecnologia é que se trata de um método não-intrusivo, ou seja, que não precisa ser inserido dentro dos dutos e assim não afeta o arranjo dos escoamentos”, afirma Marcelo Souza de Castro, coordenador do ALFA e diretor do CEPETRO.
“O fato de depender de imagens do escoamento dificulta sua aplicação em campo, mas tem uma grande aplicação laboratorial na geração de modelos matemáticos que podem ser usados na previsão de grandezas envolvidas na produção de petróleo”, pontua Castro.
Segundo Rodolfo Marcilli Perissinotto, pesquisador do ALFA, desenvolver novos métodos, sobretudo os não-intrusivos, é um desafio tanto para aplicações industriais quanto acadêmicas. “Algumas aplicações utilizam sensores a base de radiação gama, o que envolve certa burocracia, além de riscos à segurança dos operadores”, explica o pesquisador.
Para aprimorar a análise, os pesquisadores estão agora incorporando à rede neural a capacidade de discernir bolhas e gotículas incorporadas nas fases, como forma de dar mais condições para os estudos voltados à dinâmica dessas partículas e suas consequências para o escoamento.
“Queremos introduzir a possibilidade de avaliar as bolhas de ar e as gotas de óleo e água porque isso irá possibilitar ter uma compreensão maior de como está ocorrendo a mistura entre o óleo e a água [possibilidade de formar emulsão] e entre água e gás [possibilidade de formar hidrato], a fim de mitigar e prevenir os problemas de garantia de escoamento. A proposta é fornecer métricas abrangentes, incluindo a quantidade de bolhas e gotículas, a distribuição do diâmetro, velocidades e outros parâmetros relevantes”, afirma Perissinotto.
