Desenvolvimento de metodologias baseadas em dados para predição de anomalias e garantia da integridade de poços na produção offshore de petróleo utilizando abordagens de aprendizado de máquina (2025)
- Authors:
- Autor USP: ARANHA, PEDRO ESTEVES - EP
- Unidade: EP
- Sigla do Departamento: PMI
- Subjects: POÇOS; APRENDIZADO COMPUTACIONAL; PETRÓLEO
- Language: Português
- Abstract: Prever de forma confiável o comportamento dos poços offshore em relação à integridade de seus componentes durante a produção e antecipar mudanças de comportamento e anomalias ainda são pouco abordados na literatura. O autor visa tratar essa questão por meio de uma abordagem orientada a dados e métodos de Aprendizado de Máquina. O objetivo é desenvolver metodologias para prever o comportamento com base em dados de sensores de poços, com um mínimo de dependência de informações geológicas detalhadas, propriedades dos fluidos ou detalhes específicos do poço. Os eventos de anomalia em poços offshore registrados nas bases de dados foram mapeados. Em seguida, os dados foram extraídos de séries temporais e processados. A relevância dos atributos foi analisada, e métodos de tratamento apropriados foram explorados. Modelos preditivos foram desenvolvidos. Inicialmente, o modelo Novelty and Outlier Detection foi desenvolvido para prever fechamentos espúrios das Down Hole Safety Valve (DHSV). Em seguida, um modelo híbrido combinando um autoencoder LSTM e uma abordagem analítica foi desenvolvido para detectar anomalias, capaz de discernir vários tipos de anomalias além dos eventos de fechamentos espúrios de DHSV, mas ainda deficiente em eventos de anomalias de poços com Completação Inteligente (IWC). Como parte final do trabalho foi realizado o desenvolvimento e aplicação de um modelo utilizando Transformers para prever anomalias nas Interval Control Valves (ICV) utilizadas em poços de Completação Inteligente, de forma a complementar os modelos desenvolvidos anteriormente e cobrir os eventos de anomalias relacionadas à integridade do poço ocorrendo em poços offshore.
- Imprenta:
- Data da defesa: 31.07.2025
-
ABNT
ARANHA, Pedro Esteves. Desenvolvimento de metodologias baseadas em dados para predição de anomalias e garantia da integridade de poços na produção offshore de petróleo utilizando abordagens de aprendizado de máquina. 2025. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3134/tde-16012026-110355/pt-br.php. Acesso em: 23 jan. 2026. -
APA
Aranha, P. E. (2025). Desenvolvimento de metodologias baseadas em dados para predição de anomalias e garantia da integridade de poços na produção offshore de petróleo utilizando abordagens de aprendizado de máquina (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3134/tde-16012026-110355/pt-br.php -
NLM
Aranha PE. Desenvolvimento de metodologias baseadas em dados para predição de anomalias e garantia da integridade de poços na produção offshore de petróleo utilizando abordagens de aprendizado de máquina [Internet]. 2025 ;[citado 2026 jan. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3134/tde-16012026-110355/pt-br.php -
Vancouver
Aranha PE. Desenvolvimento de metodologias baseadas em dados para predição de anomalias e garantia da integridade de poços na produção offshore de petróleo utilizando abordagens de aprendizado de máquina [Internet]. 2025 ;[citado 2026 jan. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3134/tde-16012026-110355/pt-br.php
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
