Na produção de petróleo, é bastante comum a perfuração de poços injetores que são usados para injetar água ou gás nos reservatórios com o objetivo de aumentar a  recuperação de óleo e gás. Para engenheiros e geocientistas, especialistas que atuam no setor de exploração e produção de óleo  e gás, entender como os poços injetores interferem na produção é uma informação essencial para o gerenciamento do campo.

É dentro desse contexto que surge uma ferramenta computacional desenvolvida por pesquisadores brasileiros publicada recentemente na revista científica Scientific Reports, do grupo Nature. Fugindo da abordagem clássica, alicerçada em propriedades físicas (difícies de serem estimadas) e marcadores químicos, o grupo de cientistas, liderado pelo professor Anderson Rocha, pesquisador do Laboratório de Inteligência Artificial (Recod.ai) do Instituto de Computação da Unicamp, partiu para a área do aprendizado de máquina.

O projeto foi realizado em parceria com a pesquisadora Alessandra Davolio (foto), do  Centro de Estudos de Energia e Petróleo (CEPETRO), e com o professor Denis Schiozer da Faculdade de Engenheria Mecânica, também da Unicamp.

A partir de um conjunto de dados reais do Pré-Sal e de outros dados mais gerais, o algoritmo acertou em estimar as conexões causais em séries temporais das produções dos campos de petróleo. “De um total de 32 poços analisados, sendo metade poços produtores e metade injetores, conseguimos identificar quais poços injetores estão dando suporte para quais poços produtores”, afirma Manuel Castro, primeiro autor do artigo, que é pesquisador do Instituto de Computação.

Segundo ele, a metodologia proposta pelo grupo avança, de forma inédita, em um problema bastante complexo. “Depois dos passos iniciais, da perfuração dos poços produtores e injetores, é difícil saber, até pela dinâmica do processo, como ocorre na prática a conexão entre essas diferentes perfurações. Até porque é algo que se dá por meio das rochas” explica o pesquisador colombiano radicado no Brasil.

Conseguir entender o que se passa com a produção de petróleo, a partir de técnicas do aprendizado de máquina, é algo que ainda vai gerar muitos frutos positivos, argumentam os pesquisadores.

Dada a natureza única e complexa dos campos do Pré-Sal brasileiro, o método desenvolvido pelo grupo brasileiro tem características que atendem aos requisitos de robustez nas análises dos dados. É uma aplicação, segundo os cientistas, que apresenta relevância e eficácia para o entendimento e melhor gerenciamento dos resevatórios. O método vai contribuir, no futuro, para a otimização da produção, do gerenciamento de reservatórios e do desempenho geral dos campos do Pré-Sal.

Esta pesquisa foi realizada como parte do projeto de P&D em andamento com a Shell Brasil Petróleo Ltda, registrada sob número ANP 21373-6 como “Desenvolvimento de Técnicas de Aprendizado de Máquina para Análise de Dados Complexos de Produção de um Campo do Pré-Sal”— ”Desenvolvimento de aprendizado de máquina para análise de dados complexos de produção em um campo de carbonato do pré-sal” - (UNICAMP/Shell Brasil/ANP) financiado pela Shell Brazil Technology, sob a taxa de P&D da ANP como “Compromisso de Investimentos com Pesquisa e Desenvolvimento”.

O Centro de Estudos de Energia e Petróleo (CEPETRO) é um centro de pesquisa da Universidade Estadual de Campinas (Unicamp), com mais de 35 anos de história, focado em petróleo, gás, energias renováveis e transição energética. Instalado, atualmente, em cinco prédios com mais de 5 mil metros quadrados de área, possui dez laboratórios próprios e conta com mais de 350 pesquisadores. Além de executar projetos de pesquisa e desenvolvimento (P&D), o CEPETRO presta serviços técnicos e de consultoria, forma recursos humanos altamente qualificados e promove a disseminação do conhecimento. Seus projetos de P&D são financiados por empresas, fundações e agências governamentais de fomento à pesquisa. O CEPETRO é um dos maiores captadores de recursos via cláusula de PD&I da Agência Nacional do Petróleo, Gás Natural e Biocombustíveis (ANP).