Análise comparativa da disponibilidade de duas malhas de completação inteligente em poços de petróleo

Transcrição

1 Análise comparativa da disponibilidade de duas malhas de completação inteligente em poços de petróleo Márcio José das Chagas Moura (UFPE) Helder Henrique Lima Diniz (UFPE) Enrique López Droguett (UFPE) Carlos Magno Couto Jacinto (Petrobras) Resumo Este trabalho apresenta uma análise comparativa da disponibilidade de malhas de completação inteligente (MCI) utilizando processos de Markov. Este estudo detém-se em informações e na descrição de duas MCIs que aqui foram denominadas de malha A e malha B. Um estudo comparativo será realizado a fim de obtermos conclusões de qual das alternativas tecnológicas é a mais vantajosa em termos de disponibilidade operacional. Palavras chave: Confiabilidade; Modelos de Markov; Disponibilidade. 1. Introdução A todo momento, surgem novos produtos e tecnologias em diversas áreas da ciência. Em poços de petróleo, novos conhecimentos e mudanças constantes são a realidade de quem trabalha com um produto cuja palavra chave é custo. Devido a constantes mudanças no preço do petróleo, hoje se produz em condições dinâmicas para permitir melhor planejamento e administração do reservatório. Uma Malha de Completação Inteligente (MCI), tecnologia para controle e monitoração do desempenho de poços durante o seu ciclo de vida, evolui exponencialmente em novos produtos e tecnologia. Atualmente, se trabalha em campos sensíveis, como águas profundas, com acompanhamento em tempo real da produção de petróleo, a qual é realizada remotamente e com ferramentas de decisão que fornecem dados on-line. Estes dados podem ser usados para análise/diagnóstico e apoio ao desenvolvimento do campo, possibilitando o operador tomar tanto decisões rápidas quanto aperfeiçoar o desempenho do poço (JACINTO, 2002). Devido ao seu alto custo, as empresas de exploração e produção de petróleo estão direcionando recursos para maximizar a produção e minimizar intervenções (ANSELL & RAUSAND, 2001). Uma MCI engloba tecnologia e produtos que foram desenvolvidos para acelerar a produção, reduzir a necessidade de intervenções, trabalhar em geologias complexas e ser eficiente para monitorar e controlar remotamente, gerando informações em tempo real. A MCI surgiu como a oportunidade para mudança em fisiologia de controle e flexibilidade de gerenciamento da produção de reservatórios. Precisa-se, então, de uma tecnologia que seja capaz de adequar-se às configurações existentes e assegurar confiabilidade ao sistema (DEV, 2001). O presente artigo analisará duas distintas configurações dos sistemas de MCI em termos de disponibilidade operacional. Modelos de disponibilidade serão desenvolvidos com a utilização de processos de Markov, em que a principal diferença entre as malhas está na quantidade e natureza (atuação e monitoração) dos subsistemas/componentes da superfície e zona de operação. Na seção 2, será apresentado o Sistema Convencional de Controle de poços de petróleo. Na seção 3, serão apresentadas as características principais de uma MCI. Na seção 4, serão ENEGEP 2005 ABEPRO 1521

2 apresentados os princípios da Modelagem via Processos de Markov, suas aplicações e limitações dentro do contexto da avaliação de confiabilidade e disponibilidade. Na seção 5, serão caracterizadas duas MCIs, malha A e malha B, as quais serão submetidas a uma análise comparativa em termos da disponibilidade operacional. Na seção 6, serão realizadas a simulação, análise e interpretação de resultados. Na seção 7, serão apresentadas as considerações finais sobre tal trabalho. 2. Sistema Convencional de Controle Após a perfuração de um poço de petróleo, é iniciado o ato de controlar (monitorar) o poço. Trata-se de um conjunto de operações destinadas a equipar o poço para produzir petróleo. O objetivo do sistema de controle é fazer com que se conduza fluidos de um reservatório para a superfície de forma eficiente e segura, otimizando vazão de produção e minimizando a necessidade de intervenções futuras para manutenção do poço. O Sistema Convencional de Controle (SCC) não fornece nenhuma informação do poço ou permite o controle do processo sem intervenções. O fluxo é administrado por válvulas on/off que não têm nenhum efeito no fluxo do fluido das zonas produtoras. A pressão que entra no sistema de produção de superfície é controlada através de válvulas de bloqueio manual, não havendo controle da pressão no poço. Existem poucas ferramentas de diagnóstico disponíveis para resolução de eventuais problemas no poço a partir do SCC, e quando estas não têm sucesso em sua utilização, o poço é abandonado e inicia-se a procura por uma nova pay-zone que será perfurada e remonitorada. 3. Malhas de Completação Inteligente A necessidade imperativa de se monitorar a produção de petróleo de forma mais eficiente faz da MCI uma alternativa ao Sistema de Controle Convencional. Segundo Ribeiro (2000), uma MCI tem como finalidade realizar operações em campos sensíveis, como águas profundas, alta temperatura, alta pressão e produções flutuantes. Permite o monitoramento e controle em tempo real, controlando a produção de petróleo a partir de múltiplas zonas de uma única perfuração ou de ramificações de um poço multilateral. Controla a pressão do reservatório e temperatura da superfície, otimiza o desempenho do poço e maximiza a recuperação de reservas, gerenciando todo o reservatório e não apenas o poço. Segundo Campbell (2001), uma MCI trabalha com ferramentas que melhoram a utilização do poço, minimizando ou eliminando a necessidade de intervenções e fornecendo dados de tendência de produção que proporcionam recursos para um melhor gerenciamento do reservatório. Segundo Ansell e Rausand (2001), o objetivo dos novos sistemas de MCI é assegurar a satisfatória confiabilidade do sistema e desempenho operacional em longo prazo, porém como qualquer tecnologia nova enfrenta obstáculos para ganhar aceitação das indústrias. Operadores preocupam-se com o alto investimento inicial e a baixa confiabilidade informada nas primeiras instalações. Para maiores detalhes, veja Jacinto (2002). 4. Modelagem via Processos de Markov A análise Markoviana é uma técnica bastante empregada em análises dinâmicas de confiabilidade e disponibilidade de sistemas complexos, descrevendo o comportamento do sistema através da representação via diagrama de transições entre estados. A modelagem via processos de Markov será utilizada aqui como ferramenta para avaliação da disponibilidade de duas MCIs, nomeadas malha A e malha B. O processo de Markov ENEGEP 2005 ABEPRO 1522

3 representa as cadeias de eventos através de diagramas de transição entre estados, que consistem em um conjunto de estados discretos nos quais o sistema pode se encontrar em um determinado instante. Estes estados podem representar condições do sistema estar operando, falho ou degradado. O objetivo da utilização do modelo Markoviano será a obtenção de atributos de confiabilidade como a probabilidade do sistema está em um determinado estado, a quantidade média de tempo em que um sistema passa em um determinado estado, o número esperado de transições e a representação de falhas e reparos. Os modelos de Markov são utilizados, especialmente, quando modelos simples de falha (distribuições Exponencial, Weibull, Lognormal) não são suficientes para descrever as características dinâmicas da confiabilidade e disponibilidade do sistema, como por exemplo, em sistemas com redundância em standby, componentes com diversos modos de falha ou componentes com estados degradados. Em trabalhos desenvolvidos com modelos Markovianos é necessário ressaltar as implicações da propriedade da falta de memória. Segundo Droguett (2002a), esta propriedade corresponde a dizer que em se analisando a chance de realizar uma transição de um estado para o outro em um dado instante t, não importa quanto tempo o sistema tenha estado no estado atual e nem como o sistema chegou a este estado, i.e., a seqüência de estados ocupados pelo sistema até chegar a tal estado. Esta propriedade pode ser comparada com a hipótese que caracteriza a distribuição Exponencial: taxas de falha constantes. Portanto, apesar de ser flexível e passível de aplicação na modelagem da disponibilidade de sistemas complexos, como uma Malha de Completação Inteligente, os modelos de Markov possuem limitações quando tratam processos de desgaste. Entretanto, podem ser estabelecidos Modelos de Markov que levam em consideração os processos de desgaste a que estão submetidos à maioria dos sistemas complexos. Neste artigo, o desgaste de equipamentos é introduzido em modelos Markovianos de disponibilidade através de missões com múltiplas fases. Segundo Droguett (2002b), através do conceito de missões com múltiplas fases é possível minimizar as limitações dos Modelos de Markov em modelar processos de desgaste, através da divisão do tempo de missão em diversas fases. Cada fase corresponde a um determinado intervalo de tempo e é representativa de um determinado modo de operação (ou padrão operacional) do sistema. Basicamente, tem-se através da aplicação da modelagem via missões com múltiplas fases dentro do contexto de um processo de desgaste, a caracterização de cada fase como um determinado grau de desgaste do sistema. Outra característica importante da missão com múltiplas fases corresponde a condição de que o conjunto de estados do sistema permanece inalterado. Na verdade, são as taxas com as quais ocorrem transições entre esses estados que variam entre as diversas fases, como mostrado na Figura 1, na qual são consideradas 4 fases durante o tempo de missão. Note que as espessuras das setas que indicam as taxas de transição entre os estados modificam-se ao longo de cada fase, permanecendo a cadeia intacta. ENEGEP 2005 ABEPRO 1523

4 20% 20% 40% FASE 1 FASE 2 FASE 3 FASE 4 TEMPO DE MISSÃO Figura 1 - Missões com múltiplas fases 5. Caracterização das Malhas de Completação Inteligente 5.1. Malha A A representação funcional da configuração da malha A está ilustrada na Figura 2. Esta malha apresenta atuação hidráulica e monitoração elétrica. Superfície Interface Unit HPU Umbilical Árvore de Natal Conector TH Cabos Hidráulicos Cabos Elétricos Sistema de Drenagem/ Injeção Sensor de Vazão Válvula Zona de Produção Packer de Produção Figura 2 - Diagrama de blocos da malha A Algumas considerações utilizadas para avaliação desta malha são apresentadas abaixo: Os seguintes componentes/subsistemas representam a configuração desta malha: interface unit e a HPU ambos na superfície, umbilical, cabos hidráulico e elétrico, conector TH, árvore de natal, apenas uma zona de produção que contém packer de produção, válvula, sensor de vazão, um par de sensores de temperatura e pressão em paralelo, coluna e o sistema de drenagem/injeção; Considerou-se reparo durante o tempo de missão considerado em qualquer subsistema/componente que falho implique na indisponibilidade da malha; Subsistemas de superfície são passíveis de reparo tanto quanto os demais equipamentos que fazem parte da malha, porém a taxa de reparo destes componentes é superior a dos demais, por haver uma maior facilidade inerente ao reparo dos mesmos. O desgaste dos subsistemas e componentes foi considerado significativo durante o tempo de missão do sistema e modelado via missões com múltiplas fases, seguindo a configuração exposta na Figura 1; As falhas de causa comum foram modeladas nos casos de subsistemas redundantes, como os sensores de temperatura e pressão. Este tipo de falha dependente foi modelado de acordo com o modelo do Fator ß, combinando os estados similares. Para maiores detalhes sobre a modelagem de falhas dependentes, veja Mosleh et al. (1998). Estado Disponível: Significa que o estado está operando normalmente, todos os componentes operando sem nenhuma falha. Corresponde ao estado inicial do sistema, estado 0 representado pela cor verde; Estado Degradado: Apresenta alguma falha, porém o sistema está operando, não em perfeitas condições, mas sem comprometer criticamente a operação. Estado representado ENEGEP 2005 ABEPRO 1524

5 pela cor amarela; Estado Indisponível: Estado falho, não se encontra em operação. Apresenta uma ou mais falhas que acarretaram na falha da malha durante o tempo de missão. Estado representado pela cor vermelha Malha B A representação funcional da malha B está ilustrada na Figura 3. Esta malha tem atuação hidráulica, como a malha A, mas monitoração ótica. O uso de sensores óticos na completação inteligente de poços de petróleo está em fase de desenvolvimento e os dados para avaliação da disponibilidade ainda são bastante escassos. Para maiores detalhes sobre a avaliação da confiabilidade de produtos em desenvolvimento, veja Droguett et al.(2004). Superfície Controlador Leitor Ótico HPU Fonte Ótica Umbilical Árvore de Natal Conector TH Cabos Hidráulicos Cabos Elétricos Anular Sistema de Drenagem/ Injeção Anular Sensor de Vazão Sensor de Posição Válvula Packer de Produção Zona de Produção Figura 3 - Diagrama de blocos da malha B Utilizaremos as mesmas considerações feitas para a malha A. A principal diferença entre as duas malhas está na quantidade e natureza de subsistemas/componentes da superfície e zona de operação. A malha B na superfície contém o controlador, a HPU, o leitor ótico e a fonte ótica e na zona de produção acrescentou-se sensores de posição e sensores anulares de temperatura e pressão, aumentando a redundância do sistema. O diagrama de Markov correspondente às malhas A e B estão representados na Figura 4: 1 Malha A 4 1 Malha B O 8 9 Malha B O Figura 4 - Diagrama de Markov das Malhas A e B para completação inteligente ENEGEP 2005 ABEPRO 1525

6 A descrição dos estados para as malhas A e B estão na Tabela 1 e Tabela 2, respectivamente: Estado Descrição dos Estados Condição do Sistema 0 Sistema Normal Operação Normal 1 Controlador falho e em manutenção Indisponível 2 HPU falho e em manutenção Indisponível 3 Umbilical falho Indisponível 4 Árvore de Natal falha Indisponível 5 Conector TH falho Indisponível 6 Packer de Produção falho Indisponível 7 Um dos Sensores T,P falho Degradado 8 degradada: Rompimento (área) < Limite Degradado 9 falha: Rompimento (área) > Limite Indisponível 10 Sistema de Drenagem/Injeção degradado: Eficiência > limite Degradado 11 Sistema de Drenagem/Injeção falho: Eficiência < Limite Indisponível 12 Um dos Sensores T,P falho e Degradada Degradado 13 Um dos Sensores T,P falho e Sistema de Drenagem/Injeção Degradado Degradado 14 Ambos os sensores T,P falhos e Degradada Indisponível 15 Ambos os sensores T,P falhos e Sistema de Drenagem/Injeção Indisponível Degradado 16 Um dos Sensores T,P falho e falha Indisponível 17 Um dos Sensores T,P falho e Sistema de Drenagem/Injeção falho Indisponível 18 Ambos os sensores falhos ou a válvula ou o sensor de vazão ou o cabo Indisponível hidráulico ou o cabo elétrico. Fonte: Autor Tabela 1 Estados da malha A Estado Descrição dos Estados Condição do Sistema 0 Sistema Normal Operação Normal 1 Controlador falho e em manutenção Indisponível 2 Leitor Ótico falho e em manutenção Indisponível 3 HPU falho e em manutenção Indisponível 4 Fonte Ótica falha e em manutenção Indisponível 5 Umbilical falho Indisponível 6 Árvore de Natal falha Indisponível 7 Conector TH falho Indisponível 8 Packer de Produção falho Indisponível 9 Um dos Sensores T,P falho Degradado 10 Dois dos Sensores T,P falhos Degradado 11 Três dos Sensores T,P falhos Degradado 12 degradada: Rompimento (área) < Limite Degradado 13 falha: Rompimento (área) > Limite Indisponível 14 Sistema de Drenagem/Injeção degradado:eficiência > Limite Degradado 15 Sistema de Drenagem/Injeção falho: Eficiência < Limite Indisponível 16 Um dos quatro sensores T,P falho e degradada Degradado 17 Dois dos Sensores T,P falhos e degradada Degradado 18 Três dos Sensores T,P falhos e degradada Degradado 19 Quatro sensores falhos T,P e a coluna degradada Indisponível 20 Um dos Sensores T,P falho e Sistema de Drenagem/Injeção degradado Degradado 21 Dois dos Sensores T,P falhos e Sistema de Drenagem/Injeção degradado Degradado 22 Três dos Sensores T,P falhos e Sistema de Drenagem/Injeção degradado Degradado 23 Quatro sensores falhos e Sistema de Drenagem/Injeção degradado Indisponível 24 Um dos quatro sensores T,P falhos e a coluna falha Indisponível 25 Dois dos quatro sensores T,P falhos e a coluna falha Indisponível 26 Três dos quatro sensores T,P falhos e a coluna falha Indisponível 27 Um dos quatro sensores falho e Sistema de Drenagem/Injeção falho Indisponível 28 Dois dos quatro sensores falhos e Sistema de Drenagem/Injeção falho Indisponível 29 Três dos quatro sensores da zona 1 falhos e Sistema de Drenagem/Injeção falho Indisponível ENEGEP 2005 ABEPRO 1526

7 30 Os quatro sensores falhos ou a válvula ou o sensor de vazão ou o sensor de posição ou o cabo hidráulico ou o cabo elétrico falhos. Fonte: Autor Tabela 2 Estados da malha B Indisponível 6. Simulação e análise de resultados Utilizou-se um simulador, desenvolvido em linguagem C++, para implementar os modelos de Markov das malhas A e B, mostrados na Figura 4. Tal simulador encarregou-se de montar e calcular a matriz de transição do modelo de Markov, fornecendo valores do tempo operacional médio total, tempo falho médio total, taxa de falha instantânea ao final da missão, probabilidade de falha média, probabilidade de falha instantânea ao final da missão, confiabilidade média, confiabilidade instantânea ao final da missão. Para a malha A, o modelo de Markov é constituído de 19 estados, sendo destes 13 indisponíveis (I=1,2,3,4,5,6,9,11,14,15,16,17,18), 5 degradados (D= 7,8,10,12,13) e um estado em operação normal N={0}. Para a malha B, o modelo de Markov é constituído de 31 estados, sendo destes 19 indisponíveis (I=1, 2, 3, 4,5,6,7,8,13,15,19,23,24,25,26,27,28,29,30), 11 degradados(d= 9,10,11,12,14,16,17,18,20,21,22) e um estado em operação normal N={0}. O tempo de missão considerado para avaliação da disponibilidade operacional foi de cinco anos. Para este tempo de missão, o desgaste deve ser levado em consideração, o que deve ser feito via missão com múltiplas fases. Foi considerado que o tempo de missão de cinco anos seria composto de quatro fases de igual duração. Em cada fase, o processo de desgaste seria caracterizado por um aumento da taxa de falha em relação à fase imediatamente anterior. A configuração do processo de missão com múltiplas fases pode ser visualizada na Figura 1. Segundo Figura 1, a modelagem do modelo de Markov para ambas as malhas foi configurada de forma que as taxas de falha na segunda fase fossem 20% maiores que as da primeira fase. As taxas de falha da terceira, 20% maiores que as da segunda. E as da quarta fase, 40% maiores que as da terceira. As taxas de reparo foram consideradas constantes ao longo de todas as fases. O gráfico da disponibilidade operacional para a malha A e malha B está ilustrado na Figura 5. Disponibilidade 1 0,99 0,98 0,97 0,96 0,95 0,94 0,93 0,92 0,91 0, Tempo [Horas] Malha A Malha B Figura 5 - Disponibilidade As demais métricas de confiabilidade que foram avaliadas nesse estudo estão mostradas na Tabela 3. ENEGEP 2005 ABEPRO 1527

8 Métrica Malha A Malha B Tempo Operacional Médio Total (hr) , ,55 Tempo Falho Médio Total (hr) 2.643, ,45 Taxa de Falha Instantânea ao Final da Missão (hr -1 ) 8.32E E-04 Probabilidade Média do Sistema Probabilidade Instantânea do Sistema ao Final da Missão Confiabilidade Média do Sistema Fonte: Simulador (2005) Tabela 3 Métricas de Confiabilidade A análise gráfica da disponibilidade através da Figura 5 demonstra que nas primeiras horas de funcionamento de ambas as malhas a quantidade de transições para estados indisponíveis é superior aos estados disponíveis, acarretando em uma redução da disponibilidade. Após a redução da disponibilidade dos sistemas, haverá um crescente aumento devido ao início do ciclo de reparo dos componentes e subsistemas, que tenderá para um estado estacionário por não possuir estados absorventes (processo irredutível). Apesar de possuir uma menor disponibilidade nas primeiras horas de funcionamento, demonstra-se que a malha B permanece em média mais tempo operacional que a malha A, segundo dados da Tabela 3. Isto se deve ao aumento da redundância dos componentes da zona de produção, o que faz da malha B a melhor alternativa tecnológica para esta avaliação. 7. Considerações Finais Neste artigo, foi apresentada uma análise comparativa em termos de disponibilidade operacional de duas Malhas de Completação Inteligente desenvolvidas para poços de petróleo. A modelagem foi realizada via processos de Markov, construindo-se diagramas de bloco e determinando as taxas de transição (falha e reparo). Devido à existência de componentes/subsistemas redundantes nas malhas, trabalhou-se com falhas de causa comum. Com os resultados da simulação, foram obtidas algumas métricas de confiabilidade, como a probabilidade de falha do sistema. Após a análise da disponibilidade da malha, chegou-se ao conhecimento do seu comportamento no tempo, demonstrando a redução nas primeiras horas de funcionamento do sistema e depois seu crescimento. Referências Bibliográficas ANSELL, J. & RAUSAND, M. (2001) - Modeling of intelligent wells forecasting life-cycle costs. CAMPBELL, A. (2001) - Improving performance using new technology and intelligent asset management. Edinburgh Petroleum Services (EPS). DEV, G. (2001) - Intelligent Wells ABB, Managing Editor. DROGUETT, E. L. (2002a) - Confiabilidade de malhas de completação inteligente. Estudo preparado para Petrobras/CENPES/TEP. DROGUETT, E. L. (2002b) - Modelos de Markov em Confiabilidade. Recife, Pernambuco. DROGUETT, E.L.; GROEN, F.; JIANG, S. & MOSLEH, A. (2004) - A Reliability Data Collection and Analysis System for Products under Development. Brazilian Journal of Operations Production Management. Vol. 1. JACINTO, C. M. C. (2002) - Modelagem e Simulação do risco na perfuração e completação de poços de petróleo e gás em águas profundas. Niterói (Mestrado Universidade Federal fluminense). MOSLEH, A.; RASMUSON, D.M. & MARSHALL, F.M. (1998) - Guidelines on modeling commom cause failures in probabilistic risk assessment. U.S. Nuclear Regulatory Comission. NUREG / CR RIBEIRO, P. R. (2000) - Estudo do controle de poços em operação de perfuração em águas profundas. UNICAMP, Campinas, São Paulo. ENEGEP 2005 ABEPRO 1528