[en] FEATURE EXTRACTION AND MACHINE LEARNING METHODS FOR ASSESSING CEMENT QUALIT

[pt] MÉTODOS DE EXTRAÇÃO DE CARACTERÍSTICA E APRENDIZADO DE MÁQUINA PARA AVALIAÇÃO DA QUALIDADE DE CIMENTO

[pt] LOUISE ERTHAL RABELO PARENTE

[pt] APRENDIZADO DE MAQUINA

[pt] AVALIACAO DE INTEGRIDADE ESTRUTURAL

[pt] PERFILAGEM ACUSTICA

[pt] OPERACOES DE TAMPONAMENTO E ABANDONO P E A

[pt] EXTRACAO DE CARACTERISTICAS

[en] MACHINE LEARNING

[en] STRUCTURAL INTEGRITY ASSESSMENT

[en] ACOUSTIC LOGGING

[en] PLUGGING AND ABANDONMENT OPERATIONS P AND A

[en] FEATURES EXTRACTION

[pt] As operações de Tamponamento e Abandono (P e A) devem ser realizadas ao final da vida útil do poço, de modo a garantir a preservação do meio ambiente. Uma etapa essencial nas operações de P e A é a avaliação da qualidade do cimento, que comumente é feita por meio de técnicas de perfilagem acústica baseadas na propagação de ondas sônicas ou ultrassônicas, onde é verificada a integridade da camada de cimento e sua capacidade de vedação. Atualmente, esse procedimento exige a retirada prévia da coluna de produção, o que aumenta os custos e a complexidade dessas operações. Assim, é de grande interesse para a indústria de óleo e gás desenvolver ferramentas e técnicas capazes de realizar a avaliação do cimento sem a retirada da tubulação. Portanto, este trabalho visa aplicar métodos de extração de características para processar sinais obtidos por meio de experimentos de perfilagem acústica em poços de petróleo com a presença da coluna de produção, e, em seguida, utilizar as características provenientes para treinar e testar redes neurais do tipo Multi-layered Perceptron (MLP). Resultados promissores foram obtidos para a tarefa de classificação de defeito, com acurácia de quase todos os métodos acima de 0,8 e AUC acima de 0,9.

[en] Plugging and Abandonment (P and A) operations must be carried out at the end of the well s life cycle, to guarantee the preservation of the environment. An essential step in P and A operations is the evaluation of cement quality, done through acoustic logging techniques based on the propagation of sonic or ultrasonic waves, where the integrity of the cement layer and its sealing capacity are verified. Currently, this procedure requires prior removal of the production column, which increases the costs and complexity of these operations. Thus, it is of great interest to the oil and gas industry to develop tools and techniques capable of performing cement evaluation without removing the tubing. Therefore, this work aims to apply feature extraction methods to process signals obtained through acoustic logging experiments in oil wells with the presence of the production column, and then use the resulting features to train and test neural networks of the Multi-layered Perceptron (MLP) type. Promising results were obtained for the defect classification task, with an accuracy of almost all methods above 0,8 and an AUC above 0,9.

HELON VICENTE HULTMANN AYALA

ARTHUR MARTINS BARBOSA BRAGA

2023-07-14

[pt] TEXTO

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=63231@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=63231@2

https://doi.org/10.17771/PUCRio.acad.63231