[pt] MEDIÇÃO VIRTUAL DE VAZÃO E GERAÇÃO DE PERFIS SINTÉTICOS DE POÇOS DE PETRÓLEO UTILIZANDO ESTRATÉGIAS DE APRENDIZAGEM DE MÁQUINA MULTIMODELOS E IDENTIFICAÇÃO DE SISTEMAS DINÂMICOS

[en] VIRTUAL FLOW METERING AND SYNTHETIC WELL LOGS GENERATION USING MULTIMODEL MACHINE LEARNING STRATEGIES AND SYSTEM IDENTIFICATION

[pt] FELIPE DA COSTA PEREIRA

[pt] PERFILAGEM DE POCOS DE PETROLEO

[pt] GENERALIZACAO EMPILHADA

[pt] MEDIDOR VIRTUAL DE VAZAO

[pt] APRENDIZADO DE MAQUINA

[pt] IDENTIFICACAO DE SISTEMAS

[en] WELL LOGGING

[en] STAKING GENERALIZATION

[en] VIRTUAL FLOW METER

[en] MACHINE LEARNING

[en] SYSTEM IDENTIFICATION

[pt] Medição de fluxo multifásico e perfilagem de poços são informações chave que ajudam empresas de petróleo e gás a caracterizar reservatórios e tomar decisões estratégicas. Nas últimas décadas, modelos de aprendizado de máquina vêm se tornando uma alternativa aos métodos tradicionais baseados em hardware ou modelos de princípios físicos, pois estes últimos geralmente são onerosos em tempo e custo e podem apresentar falhas. Neste trabalho, propomos novas abordagens a fim de melhorar o desempenho dos modelos de medição de fluxo multifásica e a geração de perfis sintéticos de poços. Assim, esta dissertação desenvolve três casos de estudo baseados em dados reais de poços do campo de Volve, no Mar do Norte. Primeiro, a aplicação de modelos empilhados e identificação de sistemas melhorou as métricas de RMSE em 4,5 porcento a 29 porcento em comparação com modelos benchmark. Identificação de sistemas mostrou-se eficaz para avaliar os lags ótimos, enquanto os ensembles empilhados potencializaram os diversos modelos base pré-treinados. Em segundo lugar, uma abordagem de treinamento em duas etapas, aplicando um modelo de resíduos, melhorou a qualidade das previsões das vazões em 1 porcento a 13 porcento, dependendo da complexidade do estimador base. No terceiro caso, a decomposição sazonal foi usada como extração de atributos bem como estratégia de ensemble para geração de perfis. Enquanto a primeira promoveu um ganho de 27 porcento em RMSE para o perfil sônico, a segunda superou os modelos benchmark para 6 dos 8 estimadores testados para todos os perfis e obteve redução do RMSE em 5,2 porcento para o perfil de densidade. Em todos casos testados, ambos os métodos obtiveram resultados melhores do que a estratégia convencional. Esses resultados fornecem novas perspectivas para a pesquisa no campo da medição virtual de vazão e geração de perfis sintéticos de poços, bem como em outros domínios.

[en] Multiphasic flow metering and well logging are key information that helps oil and gas companies understand reservoir characteristics and make strategic decisions. Recently, machine learning models have become an alternative to traditional data acquisition procedures based on physical hardware or first principle models, since the latter are, in general, expensive, time-consuming, and often unreliable. In this work, new machine learning approaches are proposed to enhance the performance of virtual flow metering models and synthetic well log generation. For that purpose, this dissertation develops three application cases based on actual well data from the Volve Field in the Nothern Sea. To address the problem of virtual flowmetering, the approach of system identification optimal lag detection was used to enhance performance. By using stacking generalization, which involves combining the predictions of base learners into a second regression problem, along with training a second model specialized in predicting residuals, reduced the RMSE by 29 percent and 13 percent, respectively, when compared to other benchmark regressors. For well log generation purposes, seasonal decomposition was used whether as a feature extraction method or as an ensemble strategy approach. Models in which the input space was expanded based on seasonal decomposition reduced the RMSE in 27 percent for compressional slowness log. Ensemble-based models specialized in predicting trend and seasonal parts of the data outperformed the baseline models for 6 of the 8 examined estimators and reduced the RMSE in 5.2 percent compared to the baseline strategy. These findings provide new guidelines for research in the field of virtual flow metering and well logs generation as well as in other domains.

MARCIO DA SILVEIRA CARVALHO

HELON VICENTE HULTMANN AYALA

MARCIO DA SILVEIRA CARVALHO

FLORIAN ALAIN YANNICK PRADELLE

HELON VICENTE HULTMANN AYALA

FABIO CESAR DIEHL

2025-08-11

2023-05-14

[pt] TEXTO

application/pdf

INGLÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=72351@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=72351@2

https://doi.org/10.17771/PUCRio.acad.72351