A Figura 80 traz as superfícies para a base BD-03 na identificação de estáticas. O melhor resultado foi o do método de Suzuki, utilizando a média móvel ou wavelet com limiar λder = 50, obtendoF0.50 = 0,76 (ver Figura 55). Este também foi o método com maior áreas verdes (todos os filtros), seguido pelo método de Viberti com áreas verdes e amareladas.
A Figura 81 traz as superfícies para a base BD-04 na identificação de estáticas. O melhor resultado foi o do método de Suzuki, utilizando a média móvel com wf ilt = 0,10h e limiar λder = 80, obtendo F0.50 = 0,90 (ver Figura 55). O método com maior área verde, porém, foi o método de Viberti (todos os filtros), só então seguido pelo método de Suzuki (média móvel).
A Figura 82 traz as superfícies para a base BD-05 na identificação de estáticas. O melhor resultado foi o do método de Suzuki, utilizando a média móvel ou savgol com limiares variados, obtendo F0.50 = 0,86 (ver Figura 55). Os métodos com maior área verde foram os métodos de Suzuki (média móvel e savgol) e o método de Viberti (todos os filtros).
Finalmente, a Figura 83 traz as superfícies para a base BD-06 na identificação de estáticas.
O melhor resultado foi o do método de Suzuki, utilizando a média móvel comwf ilt = 0,07h e limiar λder = 40, obtendo F0.50 = 0,55 (ver Figura 55). Assim como para transientes, esta base apresentou resultados muito baixos, com ausência de áreas verdes. O método com maior área amarelada foi o método de Chang (todos os filtros).
Em resumo, o método com maior flexibilidade de parâmetros para transientes foi o método de Raisavgol; já para estáticas, foram os métodos de Suzuki e Viberti.
escolhido (conforme Figura 34).
O método que obteve o pior desempenho em todos os casos foi o método de Houze, com muitos falsos positivos. Isso se justifica, provavelmente, por dois fatores principais: (i) a escala dos limiares, uma vez que o método de Houze não trabalha com a derivada primeira propriamente dita, mas com o índice de derivação, uma combinação das cinco primeiras derivadas; e (ii) o comportamento distinto entre a derivada primeira e o índice de derivação. O primeiro ponto sugere que a comparação utilizando os mesmo limiares entre o método de Houze e os demais seria injusta, visto que estão em escalas diferentes.
Já o segundo ponto explica porque o método confundiu inícios de queda de pressão e de subidas de pressão, já que o índice de derivação apresenta picos positivos e negativos no início de transientes, enquanto a derivada primeira apresenta picos positivos no início de subidas de pressão e negativos no início de descidas de pressão. Isso poderia ser tratado se fossem utilizados valores de limiares diferentes para subidas e descidas de pressão, mas por simplificação, foi utilizado o mesmo valor absoluto de λder, sendo positivo para subidas de pressão (λup = +λder) e negativo para quedas (λdown =−λder).
Conforme já discutido, a escolha do tipo de filtro dependerá das características da base de dados, devendo ser ajustado pelo especialista da mesma forma que o limiar.
Figura 72 – Superfícies de resultados deF0.5 para a base BD-01 na identificação de transientes.
Fonte: Próprio autor.
Figura 73 – Superfícies de resultados deF0.5 para a base BD-02 na identificação de transientes.
Fonte: Próprio autor.
Figura 74 – Superfícies de resultados deF0.5 para a base BD-03 na identificação de transientes.
Fonte: Próprio autor.
Figura 75 – Superfícies de resultados deF0.5 para a base BD-04 na identificação de transientes.
Fonte: Próprio autor.
Figura 76 – Superfícies de resultados deF0.5 para a base BD-05 na identificação de transientes.
Fonte: Próprio autor.
Figura 77 – Superfícies de resultados deF0.5 para a base BD-06 na identificação de transientes.
Fonte: Próprio autor.
Figura 78 – Superfícies de resultados deF0.5 para a base BD-01 na identificação de estáticas.
Fonte: Próprio autor.
Figura 79 – Superfícies de resultados deF0.5 para a base BD-02 na identificação de estáticas.
Fonte: Próprio autor.
Figura 80 – Superfícies de resultados deF0.5 para a base BD-03 na identificação de estáticas.
Fonte: Próprio autor.
Figura 81 – Superfícies de resultados deF0.5 para a base BD-04 na identificação de estáticas.
Fonte: Próprio autor.
Figura 82 – Superfícies de resultados deF0.5 para a base BD-05 na identificação de estáticas.
Fonte: Próprio autor.
Figura 83 – Superfícies de resultados deF0.5 para a base BD-06 na identificação de estáticas.
Fonte: Próprio autor.
6 CONCLUSÃO
O objetivo desse trabalho foi avaliar um conjunto significativo de métodos de identificação de transientes de pressão em poços de petróleo, para fins de adoção de um método automático para auxiliar no gerenciamento de dano de formação.
Diversos trabalhos foram propostos para automatizar alguma das etapas de análise de transientes de pressão, ilustradas na Figura 2. Esta dissertação concentrou-se naqueles que buscaram automatizar a etapa de identificação de transientes. Após revisão bibliográfica sobre o tema, foram selecionados seis métodos para o estudo: o método de Athichanagorn et al. (1999); de Rai, Horne et al. (2007) utilizando as derivadas savgol; de Viberti et al.
(2007); de Houze et al. (2011); de Suzuki, Chorneyko et al. (2009) e Suzuki et al. (2018);
e o método de Chang et al. (2019). Todos estes trabalhos utilizam alguma técnica de processamento de sinais como principal ferramenta.
Foram realizados experimentos para comparar o desempenho dos seis métodos para seis bases de dados, sendo duas bases sintéticas e quatro bases reais. As bases foram previamente tratadas para dados espúrios e para quatro tipos de filtro de ruídos (sem filtro, média móvel, savgol e wavelet Daubechies) com janelas e momentos nulos variáveis, o que resultou em 174 bases diferentes. Foram então aplicados diversos valores de limiares de derivada (o principal hiper-parâmetro de cada método) a fim de se obter o melhor resultado para cada método em cada base.
O método que obteve o melhor resultado médio na identificação de transientes foi o método de Suzuki, seguido pelos métodos de Raisavgol e de Athichangorn. O método de Suzuki também obteve o melhor resultado médio na identificação de estáticas, com o melhor resultado para todas as bases, seguido pelos métodos de Viberti e de Chang. O método que obteve o pior desempenho em todos os casos foi o método de Houze, com muitos falsos positivos. Os filtros que obtiveram os melhores resultados entre os métodos foram os filtros de média móvel e wavelets, para janelas e momentos variados.
Foi também realizado um estudo de sensibilidade analisando-se as superfícies de resultados de F0.5, variando-se os limiares, janelas de filtro e momentos nulos (ver Seção 5.2.2). O método que obteve maior flexibilidade na identificação de transientes foi o método de Raisavgol; já na identificação de estáticas foram os métodos de Suzuki e Viberti.
Conclui-se, assim, que o método de Suzuki se mostrou uma ferramente bastante promissora na detecção de transientes, principalmente na detecção de estáticas. O método mostrou-se o mais robusto para descartar picos curtos de pressão e identificar transientes suaves, por trabalhar não com o valor absoluto da derivada, mas com sua frequência de ocorrência.
O ponto fraco de todos os métodos testados é na determinação do limiar, que deve
ser obtido pelo especialista para cada base através de algumas estimativas. Entretanto, verificou-se que basta algumas iterações para se alcançar um valor ótimo de limiar.
Os resultados deste estudo serão de grande utilidade para agilizar o processo de análise de dano de formação, automatizando parte da tarefa que hoje é realizada manualmente. De acordo com o departamento de Avaliação de Reservatórios da gerência executiva de Águas Profundas da Petrobras, estima-se que um estudo completo de análise de dano para um único poço leva, em média, de dois a três dias, sendo que a detecção de estáticas ocupa uma grande fatia deste tempo. Com um método de detecção automatizado e disponível, pode-se detectar as estáticas necessárias em questão de minutos, permitindo que o especialista direcione seu tempo para tarefas mais nobres, como a interpretação dos dados.