Wavelet transform processing in detecting failures in offshore well production

• Esposte Coutinho, Priscila ^[1] ; Haringer Martins da Silveira, Larissa ^[1] ; Cataldi, Marcio ^[1] ; Rodrigues Leta, Fabiana ^[1] ; Orestes de Salvo Castro, Antônio ^[2] ; Benevenuto de Campos Lima, Cláudio ^[3] ; Brito Alves Lima, Gilson ^[1]
  1. [1] Universidade Federal Fluminense-UFF
  2. [2] Universidade do Estado do Rio de Janeiro-UERJ
  3. [3] Petróleo Brasileiro S.A.

  Mostrar afiliaciones +
• Localización: Latin American Journal of Energy Research - LAJER, ISSN-e 2358-2286, Vol. 9, Nº. 1, 2022, págs. 1-11
• Idioma: inglés
• Títulos paralelos:
  • Processamento por transformada wavelet na detecção de falhas durante a produção de poços offshore
• Enlaces
  • Texto completo
• Resumen
  • português

    O Brasil apresenta expressiva produção de petróleo offshore, cuja exploração remonta desde o final da década de 1960 e conta atualmente com a extração em campos pré-sal. A tecnologia empregada pela Petrobras na atividade é considerada uma referência mundial e permitiu que em 2020 a produção offshore alcançasse 97% da produção total de petróleo no país. Durante a produção de petróleo, no entanto, podem ocorrer eventos indesejados e até mesmo falhas na operação, capazes de ocasionar grandes perdas à atividade. Neste sentido a detecção de falhas faz-se de extrema importância para prevenir perdas ou atrasos na produção, além de reduzir gastos e evitar acidentes. No presente estudo, utilizamos um banco de dados reais e públicos de produção de poços offshore, e propomos o emprego da técnica das Transformadas Wavelet para detecção de falhas na produção. Através da técnica, verificou-se quais intervalos de tempo entre as medições apresentavam variabilidade relevante, criando agrupamentos de dados de acordo com as médias móveis, diminuindo assim, o número de registros. A partir das Transformadas Wavelet, avaliou-se também quais variáveis poderiam ser utilizadas como preditoras para a ocorrência de falhas na produção, sendo identificadas a temperatura no sensor permanente de fundo (T-TPT) e a pressão à montante da válvula de produção (P-MON-CKP) como possíveis variáveis preditoras. Observou-se também a criação de uma série filtrada, promediada a partir da série de dados original, e que manteve a variabilidade da original, demonstrando a viabilidade do reagrupamento dos registros em séries menores.

  • English

    Brazil has a significant offshore oil production, which dates back to the late 1960s and is currently focused on exploring pre-salt reservoirs. The drilling technology Petrobras uses is considered a world standard: in 2020, it allowed offshore production to reach 97% of the country’s total oil production. During the process, however, unwanted events, and even operational failures may occur, which are capable of significant damage. Thus, failure detection is extremely important to prevent production losses or delays, to reduce costs and to avoid accidents. This study uses a real, public database on offshore production, and proposes using wavelet transforms to detect production failures. With the technique, we pinpointed which time intervals between measurements showed relevant variability, and then clustered the data, according to mobile averages, to shrink the record number. Using wavelet transforms, we analyzed which variables could be used as predictors of production failures and identified the temperature read by the Temperature and Pressure Transducer sensor (T-TPT) and the pressure at the Production Choke sensor (P-PCK) as possible predictor variables. We also observed the creation of a filtered series, averaged from the original data series, which maintained its variability, showing the viability of record regrouping in shorter series.