[en] DATA-DRIVEN MODEL DEVELOPMENT FOR UNCERTAINTY AND RISK IN FORECASTING OIL PRODUCTION.

[pt] MAPEAMENTO DOS RISCOS INERENTES À ENERGIA EÓLICA OFFSHORE NO CONTEXTO BRASILEIRO

[pt] LETICIA VIDAL OZORIO

[pt] A crescente demanda global por energia e a urgência na descarbonização econômica destacam a necessidade crucial da transição energética, iniciada com o Protocolo de Kyoto em 1997 (Azevedo, 2022). Essa mudança impulsiona investimentos em tecnologias renováveis, como solar, eólica e hidráulica, essenciais para mitigar impactos ambientais globais, apesar de ainda causarem impactos locais (Lucena, 2019). Em particular, a indústria eólica offshore se revela uma alternativa promissora para a transição energética, oferecendo facilidade de instalação em lugares remotos, e disponibilidade global (Díaz e Soares, 2020; Lucena, 2019). Contudo, sua complexidade é influenciada por fatores políticos, evolução tecnológica e dinâmicas de mercado (Xu et al., 2021). Esse contexto apresenta diversos desafios ao longo das distintas etapas do ciclo de vida e das cadeias produtivas desta indústria, dentre eles destacam-se as incertezas quanto aos potenciais impactos nas perspectivas econômica, ambiental e social. Diante das incertezas e desafios, a gestão de riscos inerentes às etapas do ciclo de vida da produção de energia eólica torna-se crucial para garantir a eficiência das operações nesta cadeia de suprimentos. A partir da identificação de lacunas no mapeamento de riscos no contexto brasileiro, este projeto de dissertação busca criar um artefato orientador para decisões governamentais e privadas com base nos riscos mapeados ao longo do ciclo de vida do projeto de produção de energia eólica offshore e de suas cadeias produtivas.

[en] Reservoirs arbitrariness and the complexity of equipment on a platform cause high variability in oil production forecasts, impacting important strategic decisions. This study contemplates the challenging scenario maturity of the geographic Campos basin, in a national energy company, using simulation techniques and time series analysis to forecast production on offshore platforms. Data-driven model is developed, observing each transformation during the process. The statistical methods (ETS and ARIMA) and simulation (Bootstrap and Monte Carlo with decomposition and application in the residue) are compared to the methodology currently used by the company that does not use historical simulation, using Monte Carlo simulation in the expert opinions. It mainly verifies the best methods, and the variables that most impact the distribution of the forecast.

FERNANDA ARAUJO BAIAO AMORIM

PAULA MEDINA MACAIRA LOURO

2024-08-30

[pt] TEXTO

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=67791@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=67791@2