1401- FEST, UFES e Petrobras avançam em projeto inovador para interpretação de dados de fibra óptica em reservatórios
A Fundação Espírito-santense de Tecnologia (FEST), em parceria com a Universidade Federal do Espírito Santo (UFES) e com apoio da Petrobras, iniciou o projeto “Interpretação de Dados de Fibra Ótica para Aplicações de Reservatórios”, coordenados pelos professores doutor Daniel da Cunha Ribeiro do Departamento de Engenharias e Tecnologia (DET) do Centro Universitário Norte do Espírito Santo (CEUNES) e pelo professor Rodrigo Araujo Cardoso Dias da Wise.
A iniciativa representa um avanço estratégico para o setor de Óleo & Gás ao propor uma metodologia integrada para análise e interpretação de dados de Sensoriamento Distribuído por Fibra Óptica (DFOS), com foco em poços com múltiplas zonas produtoras, como os encontrados no Polo Pré-Sal da Bacia de Santos.
Monitoramento inteligente com DTS e DAS
O Sensoriamento Distribuído por Fibra Óptica (DFOS) tornou-se essencial no monitoramento da integridade estrutural e da produção em poços de petróleo. Entre as principais tecnologias estão:
- DTS (Distributed Temperature Sensing) – responsável pela medição contínua de perfis térmicos ao longo do poço;
- DAS (Distributed Acoustic Sensing) – que realiza o monitoramento acústico e sísmico com alta resolução espacial.
Essas tecnologias permitem caracterizar o comportamento do reservatório, identificar regimes de escoamento, estimar vazões de fluidos e avaliar o desempenho de componentes como válvulas inteligentes e sistemas de gas lift. Em poços multizonais, o uso da fibra óptica amplia a capacidade de detecção de anomalias e otimização da produção.
Embora o DFOS já seja utilizado na indústria, as aplicações atuais concentram-se, em grande parte, em poços de completação simples. O novo projeto vai além ao desenvolver modelos avançados capazes de:
- Estimar o rateio de vazão entre diferentes zonas produtoras;
- Identificar vazamentos, incrustações e falhas estruturais;
- Detectar mudanças operacionais em tempo real;
- Integrar dados acústicos, térmicos e de pressão.
A proposta combina simulações numéricas, ensaios laboratoriais e técnicas de aprendizado de máquina, permitindo uma modelagem mais precisa do comportamento dos reservatórios.
Integração entre experimentação e modelagem numérica
A metodologia do projeto está estruturada em três grandes frentes complementares:
Será montada uma planta piloto no Laboratório de Métodos Experimentais em Fenômenos de Transporte (LaMEFT/UFES), capaz de simular o escoamento monofásico em um sistema com três zonas produtoras independentes.
A unidade experimental contará com:
- Medidores de vazão mássica;
- Sensores de pressão e temperatura;
- Sistemas de sensoriamento distribuído por fibra óptica (DTS e DAS);
- Válvulas com geometrias complexas produzidas por manufatura aditiva.
O objetivo é gerar dados empíricos controlados para validação dos modelos numéricos, além de simular cenários como variações de vazão, alterações no número de Euler das válvulas e situações de incrustação.
A modelagem computacional será realizada com o software OpenFOAM, utilizando abordagens RANS e, em casos específicos, LES, para simulação de escoamentos turbulentos em válvulas utilizadas pela Petrobras.
Mais de 5.000 simulações anteriores serão reaproveitadas, além da execução de cerca de 800 novas simulações. A partir desses dados, será possível:
- Mapear padrões acústicos associados a diferentes condições operacionais;
- Correlacionar vazão e nível de pressão acústica;
- Validar modelos com dados experimentais e operacionais.
A utilização de analogias acústicas consagradas permitirá associar flutuações de pressão à geração de ruído, criando uma base sólida para o monitoramento em tempo real via DAS.
Simulações CFD também serão aplicadas para investigar a relação entre os perfis de temperatura captados pelo DTS e as variáveis de escoamento, como velocidade e distribuição de vazões entre zonas produtoras.
A análise térmica atuará de forma complementar à modelagem acústica, ampliando a robustez da interpretação dos dados de fibra óptica.
Com apoio do Centro de Excelência em Inteligência Artificial (CEIA), o projeto desenvolverá modelos de machine learning e deep learning para detecção automática de anomalias.
Entre as técnicas previstas estão:
- Random Forest, SVM e Gradient Boosting;
- Redes neurais LSTM e CNN;
- Transformadas de Fourier e Wavelet;
- Técnicas de clusterização e análise estatística por limiares.
A integração de dados de DAS, DTS e PDG (Permanent Downhole Gauge) permitirá reduzir alarmes falsos e aumentar a precisão na identificação de eventos como vazamentos, falhas estruturais e alterações operacionais.
Monitoramento em tempo real e eficiência operacional
Um dos grandes diferenciais do projeto é o desenvolvimento de um sistema com potencial para interpretação dinâmica e em tempo real dos dados de DFOS, reduzindo a necessidade de intervenções manuais frequentes.
Entre os principais benefícios esperados estão:
- Aumento da eficiência operacional;
- Redução de custos com manutenção corretiva;
- Resposta rápida a eventos anômalos;
- Otimização sustentável da produção.
Inovação estratégica para o Pré-Sal
Ao integrar experimentação, modelagem CFD, análise térmica e inteligência artificial, o projeto consolida uma abordagem inédita para aplicações em poços complexos do Polo Pré-Sal da Bacia de Santos.
A parceria entre FEST, UFES e Petrobras reafirma o compromisso das instituições com o desenvolvimento tecnológico, a inovação aplicada e o fortalecimento da indústria nacional de óleo e gás, posicionando o Espírito Santo como protagonista na pesquisa de ponta em sensoriamento distribuído por fibra óptica.
Texto: Vanessa Pianca
Projeto: 1401