Parceria entre FEST, UFES e Petrobras desenvolve metodologia para interpretar dados de sensores de fibra óptica e aprimorar o monitoramento de reservatórios de petróleo

Por Thamiris Guidoni

Uma parceria entre a Fundação Espírito-santense de Tecnologia (FEST), a Universidade Federal do Espírito Santo (UFES) e a Petrobras está desenvolvendo uma nova abordagem tecnológica para interpretar dados de sensores de fibra óptica utilizados em poços de petróleo. A iniciativa busca ampliar o monitoramento de reservatórios complexos, especialmente em campos do pré-sal.

Coordenado pelos pesquisadores Daniel da Cunha Ribeiro, do Centro Universitário Norte do Espírito Santo (Ceunes/UFES), e Rodrigo Araújo Cardoso Dias, da Wise, o projeto propõe uma metodologia integrada para análise de dados gerados por sistemas de sensoriamento distribuído por fibra óptica, conhecidos como Distributed Fiber Optic Sensing (DFOS).

Entre as tecnologias utilizadas estão o Distributed Temperature Sensing (DTS), que mede perfis de temperatura ao longo do poço, e o Distributed Acoustic Sensing (DAS), responsável pelo monitoramento acústico e sísmico. Esses sistemas ajudam a caracterizar o comportamento do reservatório, estimar vazões e acompanhar o desempenho de equipamentos instalados no poço.

Embora o sensoriamento por fibra óptica já seja utilizado pela indústria de óleo e gás, as aplicações ainda se concentram em poços de configuração mais simples. O projeto desenvolvido no Espírito Santo pretende avançar nesse cenário ao criar modelos capazes de interpretar dados em poços com múltiplas zonas produtoras, comuns em áreas do pré-sal da Bacia de Santos.

Simulação, laboratório e inteligência artificial

A pesquisa reúne experimentação em laboratório, simulações computacionais e técnicas de inteligência artificial. Parte dos testes será realizada no Laboratório de Métodos Experimentais em Fenômenos de Transporte (LaMEFT/UFES), onde será montada uma planta piloto para simular o escoamento em sistemas com diferentes zonas produtoras.

Na etapa computacional, os pesquisadores utilizam o software OpenFOAM para simular escoamentos e analisar a relação entre variáveis como pressão, temperatura e vazão.

Outra frente do projeto envolve o uso de aprendizado de máquina para detectar automaticamente anomalias nos dados coletados. A integração de informações térmicas, acústicas e de pressão pode permitir identificar vazamentos, incrustações e mudanças operacionais com maior precisão.

A expectativa é que a tecnologia contribua para tornar o monitoramento dos reservatórios mais eficiente e permitir respostas mais rápidas a eventuais falhas operacionais.