PERFILAGEM DE PRODUÇÃO EM POÇOS INTERMITENTES

UNIVERSIDADE FEDERAL DO PARÁ CENTRO DE GEOCIÊNCIAS CURSO DE PÓS-GRADUAÇÃO EM GEOFÍSICA DISSERTAÇÃO DE MESTRADO PERFILAGEM DE PRODUÇÃO EM POÇOS INTERMITENTES PAULO ALEXANDRE SOUZA DA SILVA BELÉM 22

UNIVERSIDADE FEDERAL DO PARÁ CENTRO DE GEOCIÊNCIAS CURSO DE PÓS-GRADUAÇÃO EM GEOFÍSICA PERFILAGEM DE PRODUÇÃO EM POÇOS INTERMITENTES DISSERTAÇÃO APRESENTADA POR PAULO ALEXANDRE SOUZA DA SILVA COMO REQUISITO PARCIAL À OBTENÇÃO DE GRAU DE MESTRE EM CIÊNCIAS NA ÁREA DE GEOFÍSICA Data da aprovação: Nota: COMITÊ DE TESE: Prof. Dr. André José Neves Andrade (Orientador) Prof. Dr. Roberto Célio Limão de Oliveira Prof. Dr. Jadir da Conceição da Silva BELÉM 22

SILVA, PAULO ALEXANDRE SOUZA DA. Perfilagem de Produção em Poços Intermitentes. Belém, Universidade Federal do Pará. Centro de Geociências, 22. 31p. Tese (Mestrado em Geofísica) Curso de Pós-Graduação em Geofísica, UFPA, 22. 1. GEOFÍSICA DE POÇO 2. REDE NEURAL ARTIFICIAL 3.PERFIL DE PRODUÇÃO I. ANDRADE, André José Neves, Orientador II.Título

Dedico este árduo trabalho aos meus pais, Francisco Pereira da Silva e Clarice Souza da Silva, pela sólida estrutura familiar, a qual permitiu a este filho cumprir mais esta etapa da vida terrena. Ao meu orientador e amigo, Prof. Dr. André Andrade, pela colaboração e companheirismo durante todas as etapas, os quais foram fundamentais para a realização deste trabalho. Aos meus filhos, Luiz, Clarice e Leonardo, pela inspiração. À minha namorada, pelo carinho, ajuda e compreensão. Aos meus irmãos, professores e amigos, que colaboraram direta e indiretamente para a realização deste trabalho. i

AGRADECIMENTOS Os autores expressam seus agradecimentos ao CAPES, e ao convênio de infra-estrutura ANP/FINEP - UFPA. ii

O homem caminhando firme segundo sua divina consciência, não deve preocupar-se em aderir a atalhos encantados, mas sentindo a presença inequívoca de Deus ao seu lado, deve abrir o coração para o Amor, a mais nobre das ciências Paulo Alexandre Souza da Silva iii

SUMÁRIO DEDICATÓRIA----------------------------------------------------------------------------------------------i AGRADECIMENTOS--------------------------------------------------------------------------------------ii EPÍGRAFE---------------------------------------------------------------------------------------------------iii LISTA DE ILUSTRAÇÕES-------------------------------------------------------------------------------v RESUMO------------------------------------------------------------------------------------------------------1 ABSTRACT---------------------------------------------------------------------------------------------------2 1- INTRODUÇÃO-------------------------------------------------------------------------------------------3 2- METODOLOGIA----------------------------------------------------------------------------------------5 3- RESULTADOS-------------------------------------------------------------------------------------------8 3.1- AQUISIÇÃO DE DADOS-----------------------------------------------------------------------------8 3.2- VALIDAÇÃO E PROCESSAMENTO DE DADOS---------------------------------------------13 3.3- INTERPRETAÇÃO DOS DADOS-----------------------------------------------------------------16 3.3.1- Rede Neuronal Artificial (RNA)-----------------------------------------------------------------16 3.3.2- Cálculo da Vazão de cada intervalo pela densidade-----------------------------------------18 3.3.3- Cálculo da Vazão de cada intervalo pelo dielétrico------------------------------------------23 3.3.4- Recuperação do potencial do poço--------------------------------------------------------------27 4- CONCLUSÕES------------------------------------------------------------------------------------------28 REFERÊNCIAS BIBLIOGRÁFICAS-----------------------------------------------------------------3 iv

LISTA DE ILUSTRAÇÕES FIGURAS: Figura-1: Ensaio para a verificação da calibração das válvulas de gás lift...5 Figura-2: Carta de Produção...6 Figura-3: Exemplo de PL em completação multicamadas...7 Figura-4: Aquisição de dados da estação 1 (E1)...9 Figura-5: Aquisição de dados da estação 2 (E2)...1 Figura-6: Aquisição de dados da estação 3 (E3)...1 Figura-7: Aquisição de dados da estação 4 (E4)...11 Figura-8: Aquisição de dados da estação 5 (E5)...11 Figura-9: Aquisição de dados da estação 6 (E6)...12 Figura-1: Aquisição de dados da estação 7 (E7)...12 Figura-11: Superposição de dados do Medidor de fluxo por estação...13 Figura-12: Superposição de dados da Pressão por estação...14 Figura-13: Superposição de dados da Temperatura por estação...14 Figura-14: Superposição de dados da Densidade por estação...15 v

Figura-15: Superposição de dados do Dielétrico por estação...15 Figura-16: Rede Neuronal Artificial (RNA)...17 Figura-17: Somatória do erro quadrático e taxa de aprendizado durante treinamento da RNA..17 Figura-18: Comparação entre a Saída real e a Saída desejada da RNA, e o erro quadrático...18 Figura-19: Water Holdup Yw para cada estação em um ciclo de produção...19 Figura-2: Produção de óleo e água dos Intervalos 1 (A), 2 (B), 3 (C), 4 (D), 5(E) e 6 (F)...2 Figura-21: Produção de água em cada estação (A) e a produção de óleo em cada estação (B)...21 Figura-22: Corte de água para cada estação...22 Figura-23: Produção média total por intervalo completado...22 Figura-24: Water Holdup Yw para cada estação calculado pelo dielétrico...23 Figura-25: Produção de óleo e água dos Intervalos 1 (A), 2 (B), 3 (C), 4 (D), 5(E) e 6 (F)...24 Figura-26: Produção de água em cada estação (A) e a produção de óleo em cada estação (B)...25 Figura-27: Corte de água para cada estação...26 Figura-28: Produção média total por intervalo completado...26 vi

TABELAS: Tabela-1: Intervalos completados do poço estudado...8 Tabela-2: Profundidades e código das medidas estacionárias...9 vii

RESUMO Historicamente, a técnica da perfilagem de produção tem sido utilizada em poços estáveis para a determinação da natureza e do comportamento do fluido produzido ou injetado nas formações completadas. A instabilidade na produção de um poço é caracterizada pela ocorrência de fluxos instáveis, o que produz inconsistências entre as várias medidas das ferramentas constituintes da perfilagem de produção convencional, dificultando a sua interpretação. A solução para que o poço apresente estabilidade compatível com a técnica convencional da perfilagem de produção raramente é encontrada, principalmente nas completações multizonas, com produção de hidrocarbonetos em diferentes formações. Este trabalho apresenta a técnica de aquisição e interpretação de perfis de produção para qualquer tipo de poço produtor, inclusive para poços intermitentes, sem que seja necessário qualquer mudança na ferramenta de produção. Esta técnica, denominada de PAINTWELL, permite que cada intervalo produtor possa ser analisado individualmente, para a determinação da produção ou injeção, e do tipo de fluido produzido ou injetado, respectivamente. A integração dos novos procedimentos trazidos pela técnica PAINTWELL, com as diversas ferramentas existentes para perfilagem de produção, possibilita a única forma aceitável da utilização de perfis de produção em poços intermitentes, que são cada vez mais comuns na indústria do petróleo. A técnica de aquisição e interpretação PAINTWELL foi utilizada com sucesso para um poço intermitente da região do Lago Maracaibo, na Venezuela, produzindo óleo com alto valor de corte de água, através de um sistema de levantamento artificial do fluido por injeção de gás lift.

2 ABSTRACT Usually, the Production Logging (PL) jobs are performed to provide the most knowledge possible of the nature and behavior of the fluids under stable well production or injection conditions. A source of difficulties that can be present with all production logs is unstable flow causing inconsistencies between the measurements. This problem is often magnified during commingles completions well production operations typically due to very high unstable conditions found. Repeat passes are routinely performed during conventional PL when an inconsistency arises, however inconsistency data in most intermittent wells is not repeat if standard PL procedures are used. This work shows us how Production logging (PL) services can be done in intermittent wells with the development of a new well log analysis program, called PAINTWELL, which permits to use of the same tool string configuration than a conventional PL tools, but following different acquisition and interpretation procedures. Now, following the PAINTWELL procedures presented in this work, there is the first acceptable method to run and interpret production logging tools in intermittent wells, which are very often found in the market. The PAINTWELL was performed successfully for an intermittent well on Maracaibo Lake basin, in Venezuela, which produces oil with high water cut using a gas-lift system as the completion hardware.

3 1- INTRODUÇÃO Um poço comercial, após ser perfurado, é analisado em uma ou mais zonas de interesse, para ter sua completação finalizada, e entrar na fase de produção. O poço começa produzindo, geralmente, de forma natural e estável por um tempo considerável, onde as perfilagens com as ferramentas PL (Production Logging) são utilizadas para o acompanhamento do perfil de produção (Schlumberger, 1973). Em uma segunda etapa, começam a aparecer alguns problemas: diminuição da pressão do reservatório, produção de água ou de gás em detrimento da produção de óleo, entupimento de canhoneados, aparecimento de parafinas no interior da coluna, corrosão no revestimento e na coluna de completação e fluxo cruzado entre os diferentes reservatórios (Earlougher, 1997). As soluções para esses problemas nem sempre são conseguidas em operações simples, muitas vezes são trabalhos bastante complexos e dispendiosos; inclusive com a recolocação da plataforma ou sonda no poço para sua recompletação, podendo até mesmo ser projetado um método artificial de produção, que introduz equipamentos novos à completação original, tais como: bomba de fundo, mandril de gás-lift com válvulas ou orifícios, hastes mecânicas e injetores de vapor (Schlumberger, 1973). Os métodos de produção artificiais são os grandes responsáveis pela maioria das intermitências causadas nos poços de petróleo. O correto funcionamento de um método artificial de produção torna-se muito importante na recuperação do poço, e além dos problemas mecânicos e hidráulicos inerentes ao próprio método, também está passível de ser afetado pela mudança do perfil de produção dos reservatórios produtores (Pirson, 1977; Schlumberger, 1989). O método de produção por levantamento artificial não contínuo através do mandril de gás-lift é um exemplo de poço intermitente, e está baseado no conceito da elevação de pacotes de fluídos dos intervalos produtores por meio de injeções de um determinado volume de gás no interior da coluna de produção, através de válvulas de comunicação entre a coluna e o anular. Estas válvulas estão dispostas em diferentes profundidades e são operadas por pressão de gás no espaço anular em relação a pressão dentro da coluna. Portanto, a pressão no interior da coluna estará sendo periodicamente afetada pelas injeções de gás durante a produção dos pacotes de fluído do reservatório ( Aitken & Racht, 198; Earlougher, 1997). A impossibilidade de conseguir-se a estabilização das medidas (pressão, temperatura, vazão, densidade e constante dielétrica), colabora para a falha na delineação do perfil de

4 produção, em perfilagens que foram executadas seguindo os convencionais procedimentos para os perfis PL (diferentes velocidades da ferramenta PL em frente das zonas de interesse), em períodos de fluxo e de estática. As variações das medidas, impossibilitam a determinação das contribuições individuais dos intervalos produtores, uma vez que o regime de fluxo do poço não é constante; não sendo possível neste caso, a interpretação do perfil. Estas variações são inerentes aos poços intermitentes, daí então, a necessidade do desenvolvimento de um novo programa de análises para este tipo de poço, comumente encontrado nos campos petrolíferos maduros. O programa PAINTWELL, aqui apresentado, utiliza o conceito do método de produção artificial do poço para estabelecer procedimentos operacionais para uma perfilagem de produção; onde a inovação deste programa está na observação estacionária dos sensores comuns a ferramenta PL, medidas nas profundidades de interesse, e que são definidas pela interpretação dos perfis RG (Raios Gama natural) e CCL (Localizador de Luvas). O programa de análises para poços intermitentes, PAINTWELL, trata de observações com medições em profundidade e no tempo da ferramenta PL, e não mais de simples perfilagem em profundidade, como realizado nos casos de poços estáveis. O PAINTWELL considera todos os eventos ocorridos no período de produção de uma forma contínua, inclusive aqueles relacionados ao método de produção do poço.

5 2- METODOLOGIA O programa PAINTWELL para uma perfilagem de produção em poços intermitentes, principalmente aqueles que utilizam o método de produção por levantamento artificial não contínuo através do mandril de gás-lift, começa na determinação da periodicidade com que ocorrem as mudanças das medidas adquiridas pelos sensores da ferramenta PL. Uma vez verificada a periodicidade da curva da pressão, tanto no fundo do poço (Figura 1) quanto na superfície através da carta de Produção (Figura 2), posiciona-se a ferramenta PL nas profundidades de interesse, definidas pela interpretação dos perfis RG e CCL. A aquisição dos dados começa no fundo do poço, abaixo da profundidade do intervalo de interesse mais profundo. As próximas medições serão realizadas nos intervalos acima do intervalo anterior. A última medição, será então, realizada na profundidade acima do intervalo de interesse mais raso. Todos os sensores são analisados utilizando a superposição das curvas obtidas em um ciclo de produção. Figura-1: Ensaio para a verificação da calibração das válvulas de gás lift.

6 A resolução e a precisão do perfil de produção estarão intimamente ligadas com a configuração compacta da ferramenta PL, com o tempo de duração de cada medida realizada e com o número de medidas estacionárias (estações). Um menor comprimento da ferramenta de PL proporcionará a observação de intervalos canhoneados muito próximos (Figura 3). O tempo de duração de cada estação é definido em função do período de ocorrência das intermitências ou dos disparos das válvulas (Figura 1). O tempo mínimo para a duração de cada estação é igual a duas vezes o tempo da duração do ciclo de produção. O número de medidas estacionárias será definido pelo número de zonas de interesse. A contribuição individual de cada zona canhoneada é determinada pela diferença da observação realizada em uma profundidade imediatamente superior a esta zona, em relação a uma observação realizada em uma profundidade imediatamente inferior a mesma. A somatória das contribuições individuais, interpretadas pelo PAINTWELL, resultarão no perfil de produção do poço. Figura-2: Carta de Produção.

7 O programa de análises PAINTWELL finaliza o estudo de produção do poço intermitente, formulando sugestões para a melhoria do seu potencial, tais como: Alteração da abertura do poço (choke).. Recanhoneio ou ampliação de intervalos Isolamento de algumas zonas produtoras Recuperação do fundo de poço. Recuperação de Revestimento (Pack-off). Recuperação de tubos de produção. Limpeza do interior da coluna. Substituição de obturadores (Packer). Realização de novos testes de produção. Determinar mudança da coluna de completação. Fechamento do poço. Figura-3: Exemplo de PL em completação multicamadas

8 3- RESULTADOS Um poço do campo Lagunillas, localizado no Lago Maracaibo, Venezuela, foi escolhido para aplicarmos o PAINTWELL, com o objetivo de determinar o perfil de produção dos intervalos completados e interpretar o referido perfil para a recuperação do potencial deste poço. Antes da realização da perfilagem de produção, este poço encontrava-se produzindo aproximadamente 48 barris brutos por dia, com 7% de água. 3.1- AQUISIÇÃO DE DADOS Considerando que o poço encontrava-se com as válvulas de gás lift calibradas, levantando eficientemente os pacotes de fluidos, podemos afirmar que o poço estava em condições adequadas para a obtenção do perfil de produção através do PAINTWELL. A Figura 1 mostra um típico ensaio que pode ser realizado para constatar que as válvulas de gás lift estão em seu ponto ótimo de trabalho. O ensaio consiste da visualização dos disparos sucessivos das válvulas, medidos por sensores de pressão e de temperatura localizados no interior da coluna de produção, à profundidade dos disparos. Observa-se que antes da pressão na coluna se estabilizar próximo do valor da pressão do reservatório, ocorre o disparo seguinte, e assim sucessivamente; fazendo com que tenhamos o progressivo levantamento dos pacotes contendo fluidos pelo interior da coluna. O comportamento de superfície do poço é mostrado pela carta de produção (Figura 2), que acompanha o histórico das pressões da cabeça do poço e do revestimento. Observamos que tanto a pressão do revestimento, correspondente a pressão da injeção do gás lift, quanto a pressão da cabeça do poço, são intermitentes. Entretanto, é possível verificar a periodicidade dos eventos. O tempo de duração do ciclo, mostrada na carta de produção, é de aproximadamente 2 (vinte) minutos. Os intervalos completados do poço estudado são mostrados na Tabela 1. Tabela-1: Intervalos completados do poço estudado. Intervalo 1 X683 m - X686 m Intervalo 2 X689 m - X692 m Intervalo 3 X72 m - X75 m Intervalo 4 X78 m - X711 m Intervalo 5 X736 m - X742 m Intervalo 6 X745 m - X748 m

9 Aplicando a técnica PAINTWELL, determina-se as profundidades para a realização de medidas estacionárias com duração de 4 (quarenta) minutos, mostradas na Tabela 2. Tabela-2: Profundidades e código das medidas estacionárias. E1-Estação 1 X652 m E2-Estação 2 X687 m E3-Estação 3 X697 m E4-Estação 4 X76 m E5-Estação 5 X727 m E6-Estação 6 X744 m E7-Estação 7 X764 m A ferramenta de PL (Schlumberger, 1973) utilizada, fez medições estacionárias de Pressão (Psi), Medidor de fluxo (Rps), Densidade (g/cc),temperatura (F) e Dielétrico(UD), as quais são apresentadas nas Figuras de 4 a 1, respectivamentes por cada estação definida na Tabela 2. 7 6 5 1 Tempo (min) Flowmeter.5 1.95.9 Figura-4: Aquisição de dados da estação 1 (E1) Pressão Densidade 187 186 Temperatura 185 8 75 Dielétrico 7 Tempo (min)

1 7 6 5 1 Tempo (min) Flowmeter.5 1.95.9 Figura-5: Aquisição de dados da estação 2 (E2) Pressão Densidade 187 186 Temperatura 185 8 75 Dielétrico 7 Tempo (min) 7 6 5 Pressão 1 Tempo (min) Flowmeter.5 1.95.9 Densidade 187 186 Temperatura 185 8 75 Dielétrico 7 Tempo (min) Figura-6: Aquisição de dados da estação 3 (E3)

11 7 6 5 Pressão 1 Tempo (min) Flowmeter.5 1.95.9 Densidade 187 186 Temperatura 185 8 75 Dielétrico 7 Tempo (min) Figura-7: Aquisição de dados da estação 4 (E4) 7 6 5 1 Tempo (min) Flowmeter.5 1.95.9 Figura-8: Aquisição de dados da estação 5 (E5) Pressão Densidade 187 186 Temperatura 185 8 75 Dielétrico 7 Tempo (min)

12 7 6 5 1 Tempo (min) Flowmeter.5 1.95.9 Figura-9: Aquisição de dados da estação 6 (E6) Pressão Densidade 187 186 Temperatura 185 8 75 Dielétrico 7 Tempo (min) 7 6 5 1 Tempo (min) Flowmeter.5 1.95.9 Figura-1: Aquisição de dados da estação 7 (E7) Pressão Densidade 187 186 Temperatura 185 8 75 Dielétrico 7 Tempo (min)

13 3.2- VALIDAÇÃO E PROCESSAMENTO DE DADOS Após a aquisição dos dados, torna-se imperativo a validação dos mesmos. A partir das comparações dos valores medidos pelos sensores da ferramenta de PL por dois ciclos de produção, obteve-se valores semelhantes quando comparamos os ciclos. Observa-se também que os sensores mediram valores compatíveis com valores de referência da área, e que os disparos das válvulas de gás-lift puderam ser detectadas em todas as medidas realizadas. O processamento de dados em poços intermitentes, imediatamente após a validação dos mesmos, objetiva a superposição das curvas de todas as estações para as medidas realizadas por cada sensor. Nesta etapa, já é possível uma análise qualitativa da perfilagem de produção realizada. A superposição das curvas dos dados das estações é mostrada a seguir para cada sensor, nas Figuras de 11 a 15. 1.4 1.2 1.8.6.4.2 E1 E2 E3 E4 E5 E6 E7 1 12 14 16 18 2 22 24 26 28 3 Tempo (min) Figura-11: Superposição de dados do Medidor de fluxo por estação

14 75 7 65 6 55 E1 E2 E3 5 E4 E5 E6 E7 45 Tempo (min) Figura-12: Superposição de dados da Pressão por estação 187 186.8 186.6 186.4 186.2 186 185.8 185.6 E1 E2 E3 185.4 E4 E5 185.2 E6 E7 185 Tempo (min) Figura-13: Superposição de dados da Temperatura por estação

15 1.98.96.94.92 E1.9 E2 E3 E4.88 E5 E6 E7.86 Tempo (min) Figura-14: Superposição de dados da Densidade por estação 8 79 78 77 76 75 74 73 E1 E2 E3 72 E4 E5 71 E6 E7 7 Tempo (min) Figura-15: Superposição de dados do Dielétrico por estação

16 3.3- INTERPRETAÇÃO DOS DADOS O poço estudado apresenta produção bi-fásica (óleo e água), e como vimos anteriormente, existem variações das medidas em profundidade e também em tempo. Isto demonstra a necessidade de conhecermos bem as relações entre pressão, volume e temperatura dos fluidos produzidos. A análise do fluído produzido por um campo petrolífero é realizado em laboratório, obtendo-se a tabela PVT. Na ausência de valores encontrados em laboratório, diversos programas computacionais aproximam razoavelmente estes valores a partir dos intervalos pré-determinados de pressão, temperatura e densidade dos fluidos produzidos (Aitken & Racht, 198; Earlougher, 1977). A interpretação da perfilagem de produção em poços intermitentes, onde as medidas dos sensores sofrem variações em profundidade e no tempo, não pode ser encontrado através de uma interpretação convencional. A alteração dos procedimentos para perfilagem de produção em poços ditos intermitentes, agora realizados por estações, fez com que houvesse a necessidade do desenvolvimento de uma solução computacional para o cálculo instantâneo da área ocupada pela água na seção transversal do revestimento, durante as estações, conhecida por water holdup, e representada por Yw. A solução computacional apresentada, utiliza uma rede neuronal artificial (RNA) para o caso de cálculo de vazões a partir das medidas do sensor densidade, o que não é necessário para o cálculo de vazões a partir das medidas do sensor dielétrico. 3.3.1-Rede Neuronal Artificial (RNA) Neste poço, utilizou-se uma RNA direta, com 2 camadas ocultas, usando funções de ativação sigmóide para todas as camadas, momento, retropropagação do erro e taxa de aprendizado variável (Haykin, 21; Azevedo et al., 2; Moreira & Fiesler,1995 e Rumelhart & McClelland, 1986). As entradas da rede são a Pressão (P), Temperatura (T) e Densidade (D), e a saída da RNA é a WATER HOLDUP - Yw. A RNA utilizada é mostrada na Figura 16. Para evitar problemas numéricos, os valores das variáveis de entrada são normalizados para facilitar o processo de treinamento da RNA. Assim, os valores de pressão são divididos por 1 e a temperatura é apresentada em uma escala entre e 1 utilizando-se a relação ( ) 185) 2 Apenas os valores de densidade são apresentados sem sofrerem modificações. T = T( F ).

17 P h 1 f 1 (.) m 1 f 2 (.) T h 2 f 1 (.) m 2 f 2 (.) y f 3 (.) Yw D h 3 f 1 (.) m 3 f 2 (.) + 1 Pesos + 1 + 1 Pesos Pesos f 1 (.): sigmóide f 2 (.): sigmóide f 3 (.): sigmóide Figura-16: Rede Neuronal Artificial (RNA) O treinamento da RNA foi realizado apresentando os padrões de entrada/saída da tabela PVT em lote (batch training), utilizando o algoritmo de retropropagação do erro com fator de momento ( α =, 9 ) e taxa de aprendizado variável. A RNA foi treinada durante 35. épocas e a somatória do erro quadrático do erro obtido ao final do treinamento da rede foi de 1.657 x 1 3, com o erro quadrático médio por padrão sendo igual a 8.375 x 1 6. A Figura 17 apresenta o gráfico que mostra a evolução da somatória do erro quadrático e da taxa de aprendizado ao longo do processo de treinamento. 1 ERR 1-1 1-2 1-3.5 1 1.5 2 2.5 3 3.5 x 1 5.1.8.6.4.2.5 1 1.5 2 2.5 3 3.5 x 1 5 Figura-17: Somatória do erro quadrático e taxa de aprendizado durante treinamento da RNA

18 Todos os padrões de treinamento disponíveis (198 amostras) foram utilizados para treinar a RNA. Para fazer a validação da RNA após o processo de treinamento, comparou-se a saída da rede com a saída desejada, observando-se também o comportamento do erro quadrático de cada padrão de entrada (Andrade & Luthi, 1997; Fischetti & Andrade, 1999), o que é mostrado na Figura 18. 1.5 1.5 -.5 Yrede Ydesejada -1 2 4 6 8 1 12 14 16 18 1 x 1-4.8.6.4.2 2 4 6 8 1 12 14 16 18 Figura-18: Comparação entre a Saída real e a Saída desejada da RNA, e o erro quadrático 3.3.2- Cálculo da Vazão de cada intervalo pela Densidade A diferença entre as velocidades das fases, chamada de SLIPPAGE VELOCITY Vs, pode agora ser calculada sem problemas para poços intermitentes, uma vez que a WATER HOLDUP Yw é calculada pela RNA, cujo resultado é mostrado na Figura 19.

19 1.9.8.7.6.5.4.3 E1 E2 E3.2 E4 E5.1 E6 E7 12 14 16 18 2 22 24 26 28 3 Tempo (min) Figura-19: Water Holdup Yw para cada estação em um ciclo de produção A equação que calcula esta diferença depende da densidade do óleo no fundo do poço (ρ o ), da densidade da água no fundo do poço (ρ w ) e da WATER HOLDUP Yw. Esta equação é mostrada abaixo (Schlumberger, 1973): Vs (ft/min) = 39,414 x (ρ w -ρ o ),25 x e -,788 x Ln[1,85/( ρ w - ρ o)] x (1-Yw) (1) A partir do cálculo de Vs, pode-se calcular as velocidades da fase água (Vw) e a da fase óleo (Vo), uma vez que a velocidade média da mistura (Vmed) é calculada pelo medidor de fluxo. A equação que relaciona Vmed, Vw e Vo (Schlumberger, 1973) é mostrada a seguir: Vmed = [Yw x Vw + (1-Yw) x Vo] (2) e como por definição Vo = Vs +Vw, então temos : Vw = Vmed [Vs/(1-Yw)] (3)

2 Assim, calculamos a vazão de óleo (Qo) e a vazão de água (Qw) para cada intervalo, (Figura 2). (A) (B) (C) 4 2-2 12 14 16 18 2 22 24 26 28 3 4 2 Qwt1 Qot1-2 12 14 16 18 2 22 24 26 28 3 4 2 Qwt2 Qot2 Qwt3 Qot3-2 12 14 16 18 2 22 24 26 28 3 (D) 4 2 Qwt4 Qot4 (E) (F) -2 12 14 16 18 2 22 24 26 28 3 4 2 Qwt5 Qot5-2 12 14 16 18 2 22 24 26 28 3 4 2 Qwt6 Qot6-2 12 14 16 18 2 22 24 26 28 3 Tempo (min) Figura-2: Produção de óleo e água dos Intervalos 1 (A), 2 (B), 3 (C), 4 (D), 5(E) e 6 (F)

21 As contribuições de cada intervalo em barris por dia podem também ser mensuradas se analisarmos a Figura 21, que mostra a produção instantânea de água e de óleo para cada estação. A distribuição do corte de água durante as estações pode ser observada na Figura 22. A produção média de cada intervalo pode ser verificada na Figura 23. (A) 6 4 2 E1 E2 E3 E4 E5 E6 E7 12 14 16 18 2 22 24 26 28 3 (B) 8 6 4 2 E1 E2 E3 E4 E5 E6 12 14 16 18 2 22 24 26 28 3 Tempo (min) Figura-21: Produção de água em cada estação (A) e a produção de óleo em cada estação (B)

22. 1 9 8 7 6 WC1 WC2 WC3 WC4 WC5 WC6 5 4 3 2 1 12 14 16 18 2 22 24 26 28 3 Tempo (min) Figura-22: Corte de água para cada estação 6 5 Água (Bwpd) Óleo (Bopd) Qtotal 4 3 2 1-1 12 23 34 45 56 67 Intervalo Produtor entre Estações Figura-23: Produção média total por intervalo completado

23 3.3.3- Cálculo da Vazão de cada intervalo pelo Dielétrico A diferença entre as velocidades das fases, chamada de SLIPPAGE VELOCITY Vs, pode agora ser calculada sem problemas para poços intermitentes, uma vez que a WATER HOLDUP Yw é calculada diretamente pelo dielétrico, cujo resultado é mostrado na Figura 24. 1.9.8.7.6.5.4.3 E1 E2 E3.2 E4 E5.1 E6 E7 12 14 16 18 2 22 24 26 28 3 Tempo (min) Figura-24: Water Holdup Yw para cada estação calculado pelo dielétrico Agora, para o cálculo de Vs, Vmed, Vw, Vo e vazões (Schlumberger, 1973), utilizamos novamente as equações (1), (2) e (3). Vs (ft/min) = 39,414 x (ρ w -ρ o ),25 x e -,788 x Ln[1,85/( ρ w - ρ o)] x (1-Yw) (1) Vmed = [Yw x Vw + (1-Yw) x Vo] (2) Vw = Vmed [Vs/(1-Yw)] (3)

24 Assim, calculamos a vazão de óleo (Qo) e a vazão de água (Qw) para cada intervalo, (Figura 25). (A) (B) 4 2-2 12 14 16 18 2 22 24 26 28 3 4 2 Qwt1 Qot1-2 12 14 16 18 2 22 24 26 28 3 4 2 (C) Qwt2 Qot2 Qwt3 Qot3-2 12 14 16 18 2 22 24 26 28 3 (D) 4 2 Qwt4 Qot4 (E) (F) -2 12 14 16 18 2 22 24 26 28 3 4 2 Qwt5 Qot5-2 12 14 16 18 2 22 24 26 28 3 4 2 Qwt6 Qot6-2 12 14 16 18 2 22 24 26 28 3 Tempo (min) Figura-25: Produção de óleo e água dos Intervalos 1 (A), 2 (B), 3 (C), 4 (D), 5(E) e 6 (F)

25 As contribuições de cada intervalo em barris por dia podem também ser mensuradas se analisarmos a Figura 26, que mostra a produção instantânea de água e de óleo para cada estação. A distribuição do corte de água durante as estações pode ser observada na Figura 27. A produção média de cada intervalo pode ser verificada na Figura 28. (A) 6 4 2 E1 E2 E3 E4 E5 E6 E7 12 14 16 18 2 22 24 26 28 3 (B) 8 6 4 2 E1 E2 E3 E4 E5 E6 12 14 16 18 2 22 24 26 28 3 Tempo (min) Figura-26: Produção de água em cada estação (A) e a produção de óleo em cada estação (B)

26. 1 9 8 7 6 WC1 WC2 WC3 WC4 WC5 WC6 5 4 3 2 1 12 14 16 18 2 22 24 26 28 3 Tempo (min) Figura-27: Corte de água para cada estação 6 5 Produção Média de Água e Óleo Água (Bwpd) Óleo (Bopd) Qtotal 4 Produção (B/D) 3 2 1-1 12 23 34 45 56 67 Intervalo Produtor entre Estações Figura-28: Produção média total por intervalo completado

27 3.3.4- Recuperação do Potencial do Poço A recuperação do potencial do poço estudado poderá ser realizada, a partir de ações selecionadas pelo resultado do programa de análises PAINTWELL. As principais são: Determinar gradiente estático, gradiente dinâmico, parâmetros das formações e produtividade dos fluidos com a realização de teste de formação ou de produção (Earlougher, 1997 e Schlumberger, 1989) para os intervalos 1,2 e 3. Determinar gradiente estático, gradiente dinâmico, parâmetros das formações e produtividade dos fluidos com a realização de teste de formação ou de produção para os intervalos 4,5 e 6. Recanhoneio e/ou ampliação dos intervalos 1,4 e 5, para que os mesmos produzam significativamente. Isolamento parcial das zonas 2,3 e 6, com recanhoneio em intervalos mais superiores, com o objetivo de diminuir a produção de água. Projetar um novo sistema de gás-lift para diminuir o corte de água das zonas produtoras, e otimizar o tempo de produção, uma vez que o poço encontra-se produzindo somente em 2/3 do ciclo de produção, conforme mostra as medidas do sensor medidor de fluxo na Figura 11.

28 4- CONCLUSÕES O sucesso da interpretação dos dados obtidos com os perfis PL em poços intermitentes, apresentada neste trabalho, está baseado na observação em profundidade e no tempo das medidas obtidas pelos sensores da ferramenta PL. Os cálculos são realizados a cada instante do ciclo produtivo, e a superposição das curvas representativas das medições são automatizadas, permitindo assim que o perfil de produção das zonas completadas do poço seja conhecido. Rigorosamente, toda e qualquer formação petrolífera tem fluidos, com comportamento descritos por tabelas do tipo PVT, diferentes de outra formação. Portanto, o erro na interpretação de dados de perfis PL está no uso de um mesmo comportamento dos fluidos em relação as variações de pressão, volume e temperatura, para mais de uma acumulação de hidrocarbonetos. No caso do poço estudado, este problema ainda é maior, uma vez que os valores de pressão, temperatura e densidade modificam-se a cada instante. Este trabalho apresenta uma rede neuronal artificial, treinada com os dados da tabela PVT, como forma de minimizar os efeitos destas variações na interpretação das medidas do sensor densidade; uma vez que as redes neuronais artificiais vêm mostrando-se como uma excelente ferramenta de auxílio na interpretação de perfis. A comparação entre os resultados obtidos a partir da utilização das medidas do sensor densidade com os resultados obtidos a partir do sensor dilétrico, mostra a eficiência do método apresentado neste trabalho, para a realização e a interpretação de perfis de produção em poços intermitentes. A diferença entre os resultados obtidos pelos dois diferentes sensores, submetidos aos mesmos procedimentos de aquisição de dados, deve-se a fatores dinâmicos da produção do poço e ao princípio de funcionamento das ferramentas utilizadas; ressaltando-se entre eles, o alto valor da produção de água em relação a produção de petróleo, a utilização de uma única tabela PVT na interpretação do perfil de produção para fluidos provenientes de diferentes formações e a utilização de um sensor de densidade que opera com o princípio do diferencial de pressão. Estes fatores problemáticos podem ocorrer isoladamente ou em conjunto, dificultando ainda mais a interpretação dos dados adquiridos. Portanto, haverá sempre a necessidade de engenheiros especialistas em perfis de produção para acompanhar todas as etapas da operação, desde a realização do programa da perfilagem até a validação dos dados da mesma.

29 Comparando-se os resultados obtidos com o método PAINTWELL com os valores previamente disponibilizados pela gerência de produção, responsável pelo poço estudado, tem-se praticamente o mesmo valor bruto de produção (aproximadamente 5 barris por dia), mas um menor valor para o corte de água. Isto ocorre devido o poço ter sido fechado para a realização da verificação mecânica das condições do poço antes da perfilagem. O fechamento do poço restaura a pressão e o contacto óleo/água do reservatório, diminuindo assim a produção de água das formações por um período diretamente proporcional ao tempo de fechamento do poço.

3 REFERÊNCIAS BIBLIOGRÁFICAS AITKEN, J. & RACHT, V. G. 198. Reservoir and Production Fundamentals, 2.ed. Schlumberger, p.1-25. ANDRADE, A. J. N. & LUTHI, S. M. 1997. Correlação estratigráfica de perfis de poço através de rede neural direta multicamadas. In: CONGRESSO INTERNACIONAL DA SOCIEDADE BRASILEIRA DE GEOFÍSICA, 5., São Paulo, 1997. Anais..., São Paulo, SBGf, v.1, p. 369-372. AZEVEDO, F.M.; BRASIL, L.M. ; OLIVEIRA, R.C.L. 2. Redes Neurais com aplicações em Controle e em Sistemas Especialistas. 2.ed., Visual Books. EARLOUGHER JR, R. O. 1977. Advances in Welltest Analysis, 2.ed. Schlumberger., p.1-264. FISCHETTI, A. I. & ANDRADE, A. 1999. Automatic first breack picking in seismic traces by neural network. In: CONGRESSO INTERNACIONAL DA SOCIEDADE BRASILEIRA DE GEOFÍSICA, 6., Rio de Janeiro, 1999. Anais..., Rio de Janeiro, SBGf. CD-ROM. HAYKIN, S. 21. Redes neurais princípios e prática. 2.ed., Porto Alegre, Bookman. MOREIRA, M. & FIESLER, E., 1985. Neural Networks with Adaptive Learning Rate and Momentum Terms. 1985. IDIAP Technical report PIRSON, S. J. 1977. Geologic Well Log Analysis. 2. ed., Houston, Gulf. RUMELHART, D. E., & J. L. McCLELLAND (eds.). 1986. Parallel Distributed Processing: explorations in the microstructure of cognition, Cambridge, MA, MIT Press. V.1.

31 SCHLUMBERGER PRODUCTION LOG INTERPRETATION. 1973. Schlumberger, p.1-92. SCHLUMBERGER WELL SERVICES. 1989. Principios/Aplicaciones de la Interpretación de Registros. Mexico. p.1-198.