Método desenvolvido na USP também deve reduzir o risco de acidentes ambientais nas plataformas
Uma nova técnica computacional, que mescla física e inteligência artificial (IA), desenvolvida por pesquisadores da Escola de Engenharia de São Carlos (EESC) da USP, promete gerar uma economia milionária ao processo de extração de petróleo dos poços do pré-sal. Além disso, a tecnologia deve proporcionar maior segurança aos procedimentos realizados nas plataformas, diminuindo o risco de acidentes ambientais nas refinarias e minimizando a emissão de CO2 na atmosfera. Os resultados obtidos no trabalho geraram um artigo que foi publicado em 2021 no Journal of Fluids Engineering, da ASME (The American Society of Mechanical Engineers), revista científica internacional. A expectativa dos cientistas é de que o novo método seja incorporado ainda este ano pela Petrobras.
Atualmente, para projetar, simular e monitorar o comportamento de um novo poço de petróleo e de gás, as empresas do setor petrolífero utilizam alguns códigos computacionais da área de mecânica dos fluidos (ramo da física) a fim de prever e avaliar como o sistema está operando. No entanto, de acordo com o professor responsável pela pesquisa, Oscar Mauricio Hernandez Rodriguez, do Departamento de Engenharia Mecânica (SEM) da EESC, essas ferramentas possuem limitações. “Utilizam-se, na verdade, expressões matemáticas simplificadas, que não são capazes de prever todas as variáveis de produção que existem na prática, como diferentes tipos de petróleo, presença de gás, condições severas de pressão e temperatura e escoamentos multifásicos”, afirma o docente.
Com o objetivo de preencher essas lacunas, uma equipe de cientistas comandada pelo professor desenvolveu uma técnica que une as leis da mecânica dos fluídos ao aprendizado de máquinas (área da inteligência artificial). “O uso de aprendizado de máquina na área de produção de petróleo e gás viria para auxiliar os códigos computacionais já existentes permitindo uma resposta mais precisa, abrangente e segura do sistema. Dessa forma, seria possível avaliar com maior exatidão as condições de produção de petróleo e de gás a quilômetros de profundidade e informar a tempo o operador da plataforma caso algo anormal ocorra. Nossa técnica poderia ser utilizada tanto para a elaboração do projeto quanto para o monitoramento e operação da plataforma em funcionamento”, completa.
Eficiência produtiva – De acordo com a Associação Brasileira de Engenharia e Ciências Mecânicas (ABCM), o pré-sal contribuirá com 77% da produção de petróleo e aproximadamente 80% da produção de gás natural do país em 2029, com investimentos que podem chegar a R$ 1,8 trilhão até lá. Para que esses valores aportados possam ser revertidos em lucros cada vez maiores, os projetos de novos poços no pré-sal devem ser mais precisos e eficientes. Segundo Rodriguez, com a nova técnica desenvolvida será possível gerar uma economia milionária ao trabalho de extração de petróleo. “Você consegue idealizar melhor um poço, fazer um projeto mais otimizado, reduzindo despesas de capital, o famoso CAPEX (capital expenditure), e custos operacionais, o OPEX (operational expenditure). Nós estamos falando de uma economia de milhões e milhões de dólares”, revela. O cientista explica ainda que, com método desenvolvido, os preços dos produtos derivados do petróleo poderão ter uma variação menor, já que sua produção pelas petrolíferas ficará mais estável, protegendo as empresas de surpresas do mercado, como a que ocorreu recentemente com a pandemia de COVID-19, que derrubou o preço do barril de petróleo.
A utilização de um modelo híbrido que alia princípios da inteligência artificial com fundamentos da mecânica dos fluidos é fundamental para o funcionamento mais eficiente do sistema de controle das plataformas. Doutorando do Programa de Pós-Graduação em Engenharia Mecânica da EESC, André Mendes Quintino explica que utilizar somente o aprendizado de máquinas nesse processo demandaria um banco de dados enorme, que muitas vezes não está disponível para aplicações na engenharia. Por conta disso, os modelos físicos são importantes para suprir essa demanda por informações: “Você utiliza um banco de dados experimentais, obtido a partir de um trabalho em campo ou de um laboratório, juntamente com equações físicas do seu fenômeno. Isso resulta numa previsão mais precisa e que demanda um número bem menor de dados”, explica o pesquisador.
Menor risco de acidentes – Por possibilitar um monitoramento mais eficiente dos poços de petróleo, a tecnologia desenvolvida na USP também deve reduzir o risco de acidentes ambientais nas plataformas onde são feitas as extrações. “A partir do momento em que há um monitoramento mais adequado do seu processo de produção, você tem mais controle e, consequentemente, mais segurança no processo. Isso é imprescindível para que você evite vazamentos de petróleo e acidentes que podem custar vidas e capital para a companhia. A função desse sistema é garantir que o escoamento do petróleo ocorra de maneira segura e com o menor consumo de energia possível”, afirma Rodriguez.
Para produzir a nova tecnologia, a equipe de pesquisadores contou com um espaço especialmente equipado para esse tipo de pesquisa: o Laboratório de Escoamentos Multifásicos Industriais (LEMI) da EESC. No local, existe uma plataforma de testes de grande porte onde é possível simular o escoamento de petróleo e gás do pré-sal, o que foi imprescindível para o sucesso do estudo. O LEMI também conta uma estrutura computacional específica para os cientistas trabalharem questões relacionadas à inteligência artificial. Com a técnica pronta, a ideia é que ela possa ser incorporada até outubro deste ano nos campos de Libra e Júpiter do pré-sal. A pesquisa foi financiada pela PETROBRAS, Agência Nacional de Petróleo, Gás Natural e Biocombustíveis (ANP), pela Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) e pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq).