PETRÓLEO"

Campo da Invenção

A presente invenção descreve um método de determinação do enlace no interior de poços de petróleo compreendendo a utilização de um sistema de três técnicas distintas - técnica de Monte Carlo, técnica de algoritmos genéticos e técnica de Redes Neurais Artificiais. As grandes vantagens do referido método são o grau de automatização da análise e projeto do enlace, a eficiência energética objetivada pelo método e a generalização do método, que pode ser utilizado em um poço com qualquer profundidade e/ou qualquer fluido de preenchimento. A presente invenção situa-se no campo da Engenharia Eletroeletrônica e Engenharia Química.

Histórico da Invenção

As fontes de energia são de fundamental importância, em especial na atual sociedade capitalista. Essas substâncias, após serem submetidas a um processo de transformação, proporcionam energia para o homem cozinhar seus alimentos, aquecer e iluminar o ambiente, etc.

O petróleo é uma fonte de energia não renovável que faz parte de diversos produtos do dia-a-dia, como combustíveis, fertilizantes, plásticos, tintas, borrachas, dentre outros. É um líquido oleoso, cuja cor varia segundo a origem, e é encontrado no subsolo, em profundidades variáveis, sendo muito rico em hidrocarbonetos.

A indústria do petróleo nasceu em fins do século passado. Fonte constante de riqueza, ela se tornou, em pouco tempo, uma indústria essencialmente monopolista. Assim, sua história acompanha a própria história do imperialismo em nosso século — com o desenvolvimento desigual do capitalismo nos diferentes Estados, a partilha dos mercados e das jazidas, os novos concorrentes, o entrelaçamento dos interesses dos monopólios com os interesses estatais. É a história da paz e da guerra, das correlações de forças que se modificam, das soberanias nacionais que desaparecem, se restauram ou se conquistam. Recentemente, o Brasil tem ganhado destaque na corrida pelo petróleo, com o descobrimento da camada pré-sal. O pré-sal é uma camada que foi encontrada entre os estados de Santa Catarina e Espírito santo, onde se tem uma camada de petróleo que fica ao leito do mar. Pesquisadores terão 5 que passar com suas máquinas ente o oceano, uma camada pós-sal, a camada de sal, a pré-sal e assim chegando à camada de petróleo. Na área económica, teremos um grande avanço, pois operários serão contratados para a exploração do petróleo encontrados, e a venda desse produto para o exterior poderá pagar a dívida brasileira com países estrangeiros e também gerar lucro í o para ser investidos em melhorias para o país.

A descoberta da camada de pré-sal alavanca também a área de pesquisas em torno do petróleo, e de sua produção.

A presente invenção vem resolver a tarefa de análise e projeto do enlace de sensoriamento em um poço, de qualquer profundidade e fluído de 15 preenchimento, através do uso de algoritmo genético otimizado com redes neurais, para determinação da solução de parâmetros físicos de projeto com a maior eficiência energética possível, além da utilização da técnica de Monte Carlo, para determinação de incertezas do meio de propagação.

As buscas na literatura científica e patentária apontaram alguns0 documentos parcialmente relevantes para a presente invenção, os quais serão descritos a seguir.

O documento US 1999/6006604 versa sobre a utilização do algoritmo genético para solução de posicionamento de sensores de superfície, a fim de se monitorar o nível de um líquido dentro de um container. A presente5 invenção difere do referido documento, entre outros motivos técnicos, por utilizar a técnica de Monte Carlo em paralelo à execução do algoritmo genético, para tratamento das incertezas dos parâmetros físicos e da característica heterogénea do interior do poço, o que torna o método genérico o suficiente para ser utilizado em poços com diferentes profundidades e/ou diferentes0 fluídos de preenchimento.

O documento US 7,895,021 versa sobre um processo para dispor um sensor em um ambiente para se obter medidas otimizadas. O processo inclui obter conjunto de covariâncias de elementos do ambiente que correspondem a condições do ambiente e elementos do sensor que correspondem às características funcionais do mesmo. Posteriormente, juntam- se os dois conjuntos de covariâncias, formando um terceiro conjunto e a partir deste determina-se parâmetros de uma função discriminatória. A presente invenção difere do referido documento, entre outros motivos técnicos, porque utiliza a técnica de Monte Carlo para determinação dos parâmetros físicos, enquanto o referido documento necessita que o usuário entre com os parâmetros iniciais para iniciar o processo. Ademais, a presente invenção se refere a um enlace de sensores, enquanto o referido documento versa o processo para apenas um sensor.

O documento US 6772044 versa sobre um algoritmo que utiliza dados do processo para melhor alocar sensores em um sistema de manufatura. Métodos de distribuição de sensores, decisão automática de classificação em árvore, controle de ação corretiva e aparato para as respectivas funções descritas são dadas no referido documento. A presente invenção difere do referido documento, entre outros motivos técnicos, porque é utilizada para determinar a distribuição de sensores em um poço de qualquer profundidade com qualquer fluido de preenchimento.

O documento US 2001/6236894 versa sobre um método de otimização da produção de petróleo em um campo. No método descrito, as informações de cada poço são colhidas e então utilizadas como entrada em um algoritmo genético, que fornece a melhor solução a fim de se obter a maior produção de petróleo possível no campo. A presente invenção difere do referido documento, entre outros motivos técnicos, porque utiliza o algoritmo genético para solução de um enlace de sensoriamento com a maior eficiência energética possível. Ademais, a presente invenção utiliza-se da técnica de Monte Carlo, para determinação das incertezas, em paralelo ao algoritmo genético.

Do que se depreende da literatura pesquisada, não foram encontrados documentos antecipando ou sugerindo os ensinamentos da presente invenção, de forma que a solução aqui proposta, aos olhos dos inventores, possui novidade e atividade inventiva frente ao estado da técnica.

Breve Descrição da Invenção

Em um aspecto, a presente invenção proporciona um método para determinação do enlace sensorial em um poço, compreendendo a utilização de um sistema de três técnicas distintas - técnica de Monte Carlo, para modelagem de incertezas dos parâmetros físicos de petróleo; técnica de algoritmos genéticos, para geração de possíveis soluções e também triagem das mesmas; técnica de Redes Neurais Artificiais, para simulação do par indivíduo-ambiente, criados pelas técnicas anteriormente citadas, e avaliação do desempenho do referido par. A utilização deste conjunto de técnicas fornece um enlace com maior eficiência energética, além de eximir o engenheiro da tarefa inicial de enlace de sensoriamento. Outra característica da invenção é a utilização da modelagem através da técnica de Monte Carlo, tornando o método genérico o suficiente para poder ser utilizado em um poço com qualquer profundidade e/ou qualquer fluído de preenchimento. Ademais, a execução da simulação do par indivíduo-ambiente por Redes Neurais Artificiais torna sua execução mais ágil em comparação com técnicas até hoje presentes no estado da técnica.

É um objeto da invenção um sistema para determinação de incertezas de parâmetros físicos em poços de diferentes profundidades com diferentes fluidos compreendendo a utilização da técnica de Monte Carlo em paralelo com um algoritmo genético, que por sua vez é utilizado em conjunto com a técnica de Redes Neurais Artificiais para simulação e avaliação dos indivíduos gerados.

É também um objeto da invenção um sistema para determinação da melhor solução de distribuição de sensores em um poço de qualquer profundidade com qualquer fluido de preenchimento compreendendo a utilização de algoritmos genéticos, onde cada indivíduo é simulado e avaliado em conjunto com o ambiente parametrizado a partir da técnica de Monte Carlo, dados respectivamente pelas técnicas de Monte Carlo e de Algoritmo Genético.

É também um objeto da invenção um sistema compreendendo a utilização de Redes Neurais, para a simulação e avaliação de pares indivíduo- ambiente, sendo o indivíduo gerado pelo algoritmo genético e o ambiente gerado pela técnica de Monte Carlo.

É um objeto adicional da presente invenção um método para determinar a melhor disposição de sensores em um poço com qualquer profundidade e/ou qualquer fluido de preenchimento, a fim de se obter uma maior eficiência energética, compreendendo:

a) utilização da técnica de Monte Carlo para determinação de incertezas de parâmetros físicos do poço;

b) utilização de algoritmos genéticos para determinar a melhor solução de disposição do enlace sensorial;

c) utilização de Redes Neurais Artificiais para simulação do par indivíduo- ambiente e classificação do indivíduo de acordo com seu desempenho na simulação.

Estes e outros objetos da invenção serão imediatamente valorizados pelos versados na arte e pelas empresas com interesses no segmento, e serão descritos em detalhes suficientes para sua reprodução na descrição a seguir.

Breve Descrição das Figuras

A Figura 1 apresenta um fluxograma de funcionamento de uma concretização preferencial do sistema, onde é explicitada a ação paralela do algoritmo genético e da técnica de Monte Carlo.

Descrição Detalhada da Invenção

Os exemplos aqui ilustrados têm o intuito somente de exemplificar uma das inúmeras maneiras de se realizar a invenção, contudo, sem limitar o escopo da mesma.

Exemplo 1. Concretização Preferencial

A presente invenção proporciona um sistema e método de auxílio ao projeto de enlaces no interior de poços de petróleo, levando em consideração as incertezas envolvidas no processo. A grande vantagem do método é o grau de automatização que ele traz a tarefa de análise e projeto do enlace. O desenvolvimento da invenção foi dado em partes, sintetizadas nos parágrafos abaixo.

Etapa 1

Objetivo: encontrar um modelo de redes neurais capaz de aproximar a solução exata da equação de onda num meio de propagação constituído por: a) Dois cilindros condutores perfeitos e concêntricos, de mesmo comprimento, tampados em uma das extremidades com um condutor perfeito para modelar a cabeça do poço;

b) Um fluido de características conhecidas, com não homogeneidades significativas ao longo do comprimento do poço;

c) Antenas de transmissão e recepção pontuais.

Metodologia: utilizar um simulador por método FDTD para calibrar a rede neural, utilizando-a apenas para modelar o erro de um modelo aproximado, o qual fora deduzido por teoria eletromagnética.

Resultado: concluiu-se que redes neurais com quatro entradas e seis saídas são suficientes para modelar o problema de simulação, sendo que as saídas representam as partes real e imaginária das três componentes do campo elétrico. Duas das entradas representam o seno e o cosseno da coordenada angular do sistema de coordenadas cilíndrico, enquanto as demais duas entradas são exatamente os valores normalizados das outras duas coordenadas.

Etapa 2

Objetivo: programar a rede neural em um sistema computacional eficiente o bastante para que ela possa ser executada na razão de milhares de redes por segundo.

Metodologia: pesquisar as diversas tecnologias que possam ser acessíveis em um curto espaço de tempo, com baixo custo, e programar a rede neural utilizando tal tecnologia. Resultado: concluiu-se que a implementação multithread utilizando todas as capacidades de processamento matricial dos processadores de CPU modernos (SIMD - single instruction multiple data) teria o melhor custo benefício dentro do prazo estipulado. A rede neural implementada atingiu excelente desempenho, com mais de 10.000 redes simuladas em 1 segundo, utilizando um computador quad-core moderno.

Etapa 3

Objetivo: determinar os parâmetros constituintes do meio anular de um poço de petróleo e modelar suas incertezas,

Metodologia: utilizar o conhecimento de estatística para estimar modelos de distribuição de probabilidade da condutividade, da permissividade elétrica e da permeabilidade magnética, levando em conta variações em temperatura.

Resultado: concluiu-se que a modelagem por distribuição uniforme e por distribuição normal univariada é suficiente para modelar as características no interior do poço e suas incertezas.

Etapa 4

Objetivo: programar um algoritmo Monte Carlo para amostrar eficientemente as variáveis aleatórias modeladas anteriormente.

Metodologia: pesquisar as diversas tecnologias que possam ser acessíveis em um curto espaço de tempo, com baixo custo, e programar um algoritmo Monte Carlo utilizando tal tecnologia.

Resultado: concluiu-se que a implementação multithread utilizando todas as capacidades de processamento matricial dos processadores de CPU modernos (SIMD - single instruction multiple data) teria o melhor custo benefício dentro do prazo estipulado. Além disso, percebeu-se que o algoritmo

Monte Carlo com amostragem por técnica LHS (Latin Hypercube Sampling) apresenta a maior eficiência.

Etapa 5

Objetivo: estudar como a técnica Monte Carlo estruturada acima, em conjunto com o modelo de simulação estruturado em janeiro, se desempenha na simulação sob incertezas da impedância de entrada de uma antena pontual postada no interior do poço.

Metodologia: a partir de um modelo de poço tirado da literatura, contendo uma antena pontual, observou-se como variava a impedância de entrada com as incertezas nos parâmetros constituintes do meio. Para isso, foi necessário adotar o modelo de rede neural já criado, o qual foi utilizado para computar a impedância de entrada dado um cenário gerado pelo algoritmo Monte Carlo. Sendo assim, o método adotado parte de um conjunto de especificações ou modelos de variáveis aleatórias representativas dos parâmetros constituintes do meio de propagação e utiliza o algoritmo Monte Carlo já implementado a fim de gerar milhões de cenários distintos. Cada um desses cenários é simulado utilizando o modelo de simulação por rede neural criado anteriormente. Cada simulação, por sua vez, gera um único número: a impedância de entrada na antena pontual. Como são milhões de cenários e uma simulação por cenário, conclui-se que, ao final da execução do algoritmo Monte Carlo, dispõe-se de milhões de valores distintos, porém próximos, de impedância de entrada. A partir desse vasto conjunto de valores, constroem-se estatísticas para analisar como as incertezas influenciam na propagação dentro do poço.

Resultado: em poucos minutos, o procedimento rodou com sucesso. Os resultados bateram com as provas de conceito, mostrando que a técnica é eficaz. Conciuiu-se que as incertezas presentes no poço podem acarretar variações de impedância de entrada da ordem de 10 vezes para o mesmo poço e, mais importante que isso, concluiu-se que a técnica projetada pode ser utilizada em laços de otimização, por ter executado em pouco tempo. Etapa 6

Objetivo: estudar o uso de algoritmos genéticos com a técnica de simulação que usa proxy neural e Monte Carlo de modo a otimizar, sob incertezas, em tempo consideravelmente curto comparado a outras técnicas, aspectos de interesse de um poço. Metodologia: programar um algoritmo genético considerando a variável a otimizar e utilizar, como função objetivo, a técnica de simulação sob incertezas já estudada até então. Tenta-se otimizar posição de antenas transmissoras e receptoras.

Resultado: o algoritmo de otimização executou em menos de 1 dia, com resultados consistentes com o esperado em todas as provas de conceito. Tem-se, finalmente, uma técnica completa, capaz de otimizar sob incertezas estruturas de propagação em poços de petróleo.

Utilizou-se a técnica de otimização conhecida como algoritmos genéticos para auxiliar na obtenção dos parâmetros físicos de projeto (e.g. posicionamento de transmissores e receptores, dimensões das estruturas de fixação dos sensores e transmissores, escolha da frequência de propagação, etc.) que forneçam o enlace formado por sensores e transmissores de energia eletromagnética com a maior eficiência energética possível dentro de condições pré-estabelecidas (e.g. Temperatura, dimensões do poço, propriedades elétricas do meio de propagação). O método, entretanto, não necessita de definição precisa ou exata de nenhum destes parâmetros, pois foi feito genérico o suficiente para que incertezas de especificação de meio de propagação sejam levadas em conta através da técnica de simulações Monte- Carlo.

A técnica de otimização referida acima é um procedimento de busca iterativo, em que a cada ciclo se realiza uma sequência de operações computacionais baseada na evolução das espécies para a obtenção do conjunto de parâmetros que maximize a eficiência, sendo o final do processo determinado pelo número máximo de ciclos estabelecido pelo usuário. O método de simulação Monte-Carlo é útil para estimar a perda de transmissão do enlace e outros parâmetros importantes (impedâncias, por exemplo) em presença de um número muito grande de cenários possíveis (bilhões), os quais surgem devido à presença de fortes incertezas na especificação do meio de propagação. Para avaliar o desempenho de um enlace específico bem determinado, foi utilizada uma técnica baseada em simulação computacional e aproximação por kernels especiais, conhecidos como redes neurais. Através deste modelo gerado, após calibragem de parâmetros por meio de pesadas

5 simulações computacionais, é possível simular poços de petróleo com detalhes (incluindo elementos parasitas, como packers, juntas, soldas, etc) em questão de milissegundos. Devido ao alto grau de paralelização do algoritmo de otimização (algoritmo genético) e das simulações Monte-Carlo, foi possível implementar um sistema computacional massivamente paralelo e facilmente l o escalonável, capaz de simular paralelamente com ampla eficiência para mais de 100 processadores, permitindo o uso de clusters e placas gráficas (GPU). O fluxograma para melhor entendimento do funcionamento do sistema pode ser visto na figura 1.

A implementação do método foi feita por meio da linguagem de 15 programação C# 4.0, com auxílio do software Visual Studio 2010 e Matlab2010a. O tempo de execução é de cerca de 10 horas em um computador de 4 cores simples, modelo ano 2011. Para clusters de mais de 100 cores, o tempo cai para menos de 1 hora.

Os versados na arte valorizarão os conhecimentos aqui0 apresentados e poderão reproduzir a invenção nas modalidades apresentadas e em outros variantes, abrangidos no escopo das reivindicações anexas.