DETECÇÃO DE ANOMALIAS EM POÇOS DE PRODUÇÃO DE PETRÓLEO OFFSHORE COM A UTILIZAÇÃO DE AUTOENCODERS E TÉCNICAS DE RECONHECIMENTO DE PADRÕES
Autoencoders; Detecção de falhas; Monitoramento de poços de petróleo; Classificação multivariada de séries temporais; Validação cruzada; Reconhecimento de padrões.
A indústria offshore é responsável pela maior parte da produção de petróleo e gás no Brasil. Devido ao elevado nível de complexidade nessa indústria, ela vem sendo a precursora de novas tecnologias ao longo dos últimos anos. O presente trabalho tem como objetivo o desenvolvimento de sistemas para detecção de falhas (anomalias) em poços de produção de petróleo offshore. São trabalhos dois grupos de dados reais. O primeiro conjunto é de poços operados com elevação artificial por gás lift. Já na segunda abordagem, são utilizados os dados de domínio publico 3W dataset que foram coletados de poços de produção com elevação natural. Em poços não surgentes, com o método de elevação artificial por gás lift, são aplicados autoencoders empilhados para redução de dimensionalidade e diferentes técnicas de reconhecimento de padrões, verificando métricas de desempenho dos modelos em observações reais de operação disponíveis. Após o desenvolvimento destes classificadores, obtiveram-se valores de recall elevado (boa parte superior a 0,98), o que mostra a grande aplicabilidade do sistema proposto em detectar falhas em poços de produção não surgentes. Para poços surgentes, é utilizada a mesma técnica para extração de características, mas antes são incluídos atrasos nas observações disponíveis. Os dados após o tratamento servem de entrada para classificadores de apenas uma classe para detecção de anomalia. Os resultados das médias F1 score apresentadas pelos modelos são comparados com outros trabalhos divulgados em periódicos e congressos, nos quais é observada uma melhora em relação às outras abordagens propostas.