[pt] MODELOS DE SIMULAÇÃO PARA ANÁLISE DE INCERTEZA NA PREVISÃO DE PRODUÇÃO DE ÓLEO EM PLATAFORMAS DA BACIA DE CAMPOS

[en] SIMULATION MODELS FOR UNCERTAINTY ANALYSIS IN OIL PRODUCTION FORECASTING ON PLATFORMS IN THE CAMPOS BASIN

[pt] VITOR HUGO PINHEIRO MARQUES

[pt] SERIE TEMPORAL

[pt] PREDICAO COM JULGAMENTO HUMANO

[pt] ANALISE DE INCERTEZA NA PREVISAO DE PRODUCAO

[pt] PRODUCAO DE PETROLEO

[pt] SIMULACAO

[en] TIME SERIE

[en] PREDICTION WITH HUMAN JUDGMENTS

[en] PRODUCTION FORECASTING UNCERTAINTY ANALYSIS

[en] OIL PRODUCTION

[en] SIMULATION

[pt] A produção de petróleo possui alta relevância em âmbito brasileiro e mundial. Por outro lado, a incerteza do setor presume alta variabilidade nas previsões de produção de óleo, e exerce um impacto significativo nas decisões. O estudo contempla analisar o cenário da bacia geográfica de Campos, em estudo de caso aplicado em empresa nacional de óleo e gás, com objetivo de aprimorar a previsão de produção de óleo. Para isso, são empregados métodos de simulação, clusterização e previsão, sendo integrados com julgamento humano. Busca-se inferir as incertezas inerentes às atividades, analisar os principais riscos envolvidos e subsidiar a definição das metas de produção. Com esse intuito, foi desenvolvida uma modelagem orientada a dados, por meio da criação de um simulador com linguagem de programação em R. Os dados compreendem os anos de 2017 a 2021, e a projeção é realizada para o ano de 2022. O modelo incorpora julgamento humano durante o processo, permitindo que os especialistas realizem modificações no resultado das previsões, agregando sua experiência e informações exclusivas. A análise de série temporal avalia oito métodos de previsão, seu resultado mostra que a entidade do potencial produtivo apresenta menor erro do que na eficiência, e o método TBATs obteve o menor erro na predição. A análise do planejamento das paradas e entrada dos novos poços é realizada por meio de análise gráfica, observando os principais riscos relacionados. Por fim, o simulador apresenta proposta para auxiliar na definição das metas de produção, ele verifica a probabilidade para alcançar a meta com base nos resultados das simulações.

[en] Oil production has Brazilian and World importance. However, the randomness of the sector results a high variability in oil production forecasts. This variability has a significant impact on decisions. The study analyzes the challenging scenario at geographic Campos basin, in a case applied in a national energy company. The objective is to improve the risk analysis associated with the achievement of oil production targets. Simulation, clustering, and time series forecasting methods are employed, integrating into human judgment. It tries to infer the uncertainties inherent of the activities to increase the accuracy of oil production forecasts, analyze the main risks involved, and subsidize the definition of production targets. A data-driven model is developed, creating a simulator with R language. The data used the years 2017 to 2021, and the projection is made for the year 2022. Human judgment is incorporated into the model during the process, specifying the input parameters to enable experts to make modifications based on the predictions, adding their unique experience and information. The time series analysis eight prediction methods, the results show that the oil potential presents less error than in the production efficiency, and TBATS was the prediction method that obtained the lowest prediction error. The main risks related to the maintenance planning and the entry of new wells are identified through graphical analysis. Finally, the simulator presents a possible solution to help define production goals, it verifies the probability of reaching the goal based on the simulation results.

FERNANDO LUIZ CYRINO OLIVEIRA

ANTONIO ORESTES DE SALVO CASTRO

JOSE FRANCISCO MOREIRA PESSANHA

FERNANDO LUIZ CYRINO OLIVEIRA

ANTONIO ORESTES DE SALVO CASTRO

PAULA MEDINA MACAIRA LOURO

2023-11-06

2023-08-31

[pt] TEXTO

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=64630@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=64630@2

https://doi.org/10.17771/PUCRio.acad.64630