Guia Covid-19
Imprimir Republish

Ingeniería de petróleo y gas

Producción más eficaz en el presal

Una nueva técnica podría facilitar el flujo de crudo y gas natural de los pozos hacia las plataformas

El buque plataforma Cidade de São Paulo, operado por Petrobras en el área del presal de la cuenca de Santos

André Motta de Souza/Agência Petrobras

Una metodología computacional híbrida que combina la mecánica de fluidos con la inteligencia artificial, desarrollada por la Escuela de Ingeniería de São Carlos en la Universidad de São Paulo (Eesc-USP) podría facilitar una de las tareas más complejas inherentes a la extracción de petróleo en aguas profundas y ultraprofundas: la gestión del flujo de petróleo y gas natural desde el pozo hasta las plataformas petroleras flotantes. La alteración brusca del flujo puede desencadenar accidentes con graves implicaciones ambientales y económicas.

El petróleo y el gas natural fluyen junto con diferentes combinaciones de dióxido de carbono (CO2) y agua, habitualmente presentes en los yacimientos, a través de largas tuberías –denominadas risers– hasta las plataformas, donde se separan. A este flujo se lo denomina multifásico, que es cuando uno o más fluidos y uno o más gases se transportan simultáneamente. El recorrido, que en el presal puede superar los 7.000 metros, está monitoreado con sensores controlados desde la plataforma por sistemas computacionales capaces de correlacionar datos y reconocer patrones, normalmente mediante redes neurales artificiales.

Cuando se detectan desviaciones en las normas establecidas, el sistema emite alertas para que los operarios de la plataforma puedan tomar las medidas necesarias a los efectos de evitar una situación crítica, como la rotura de un riser. “Cuanto más precisos sean los datos que alimentan el sistema, más rápido se detectarán las anomalías y se tomarán medidas correctivas, dice el ingeniero Oscar Maurício Hernández Rodríguez, del Departamento de Ingeniería Mecánica (DEM) de la Eesc-USP y coordinador de la investigación.

Según Hernández Rodríguez, actualmente, las previsiones y el seguimiento de la producción se realizan con códigos informáticos que utilizan modelos matemáticos basados en las leyes de la física que rigen la mecánica de los fluidos. “Son expresiones matemáticas que no pueden predecir con exactitud las diferentes composiciones de fluidos y gases en cada pozo y su comportamiento durante el flujo en diferentes regímenes de presión y temperatura”, explica el ingeniero.

La técnica desarrollada en la USP para perfeccionar los códigos informáticos existentes se basa en el aprendizaje de máquinas, una rama de la inteligencia artificial. Para ello, se utilizan los datos recogidos sobre el terreno, como la información específica sobre el escurrimiento de un pozo concreto, y en el laboratorio. Esta información se complementa con las predicciones de los modelos físicos basados en las leyes de la mecánica de fluidos. El resultado es un repositorio capaz de entrenar la red neural artificial con datos específicos de cada pozo.

Hernández Rodríguez informa de que la inteligencia artificial necesitaría por sí sola una base de datos gigantesca con la información recabada en años de producción para poder establecer un patrón reconocible. “Las soluciones híbridas que combinan la mecánica de fluidos y el aprendizaje automático constituirán la tendencia en la industria petrolera de los próximos años”, dice. Un artículo en el que se detalla la investigación salió publicado en el Journal of Fluids Engineering de la Sociedad Americana de Ingenieros Mecánicos (Asme).

Existen varios factores que hacen que la tarea de definir los patrones de flujo de un pozo de petróleo sea compleja, analiza Antonio Carlos Bannwart, de la Escuela de Ingeniería Mecánica de la Universidad de Campinas (FEM-Unicamp) y coordinador del Centro de Investigación en Ingeniería y Producción de Energía e Innovación (CPE-Epic), financiado por la FAPESP. El primero es que no hay un solo tipo de petróleo, sino varios, con diferentes densidades y contenidos de azufre. Además, cada pozo está compuesto por distintas combinaciones de petróleo, gas natural, CO2 y agua, lo que complica la tarea de establecer la composición del yacimiento.

Otro factor es que cada uno de estos fluidos tiene un comportamiento termodinámico que varía según las condiciones de presión y temperatura. En un mismo pozo en aguas ultraprofundas, la presión puede variar entre 500 y 600 bares –entre 500 y 600 veces más que la presión atmosférica a nivel del mar– y la temperatura supera los 40 grados Celsius. Bajo estas condiciones, el petróleo puede solidificarse o formar cristales, y el gas pasa al estado supercrítico, en el que no hay distinción entre los estados líquido y gaseoso. “Estos fluidos serán transportados a las plataformas enfrentándose a constantes cambios de presión y temperatura. Estas alteraciones hacen que los fluidos tengan configuraciones geométricas distintas en cada etapa del flujo”, explica Bannwart.

Aunque los accidentes con los risers son inusuales, la Agencia Nacional del Petróleo, Gas Natural y Biocombustibles (ANP) ha registrado al menos dos casos desde el inicio de la explotación del presal, en 2017 y en 2020. Según dicha agencia, no hubo daños ambientales, ya que los pozos pudieron cerrarse a tiempo gracias al sistema de seguridad de las plataformas respectivas. El control del flujo de salida de la producción en un pozo de petróleo se realiza mediante la operación de un conjunto de válvulas que conforman un dispositivo conocido como árbol de Navidad, cuya tarea consiste en establecer el flujo hacia los risers. Son estas las válvulas que deben cerrarse inmediatamente en caso de accidentes.

Las válvulas instaladas en los campos del presal fueron diseñadas para durar 15 años, pero en la práctica, su vida útil promedio es mucho más breve, dijo Hernández Rodríguez. Según informa una gran empresa que opera en el presal, las válvulas requieren gastos de mantenimiento anuales de más de doscientos millones de dólares, sin contar las pérdidas derivadas de la necesaria interrupción de la producción. Ese perjuicio, evalúa el ingeniero, puede mitigarse en parte con un dimensionamiento más preciso del escurrimiento estándar de los fluidos. “Creemos que así será posible anticiparse a los problemas, saber cuáles son las válvulas que están sometidas a un régimen de funcionamiento más exigente y requieren una intervención”, sostiene.

Otra aplicación de la técnica desarrollada en la USP capaz de generar dividendos económicos es que proporcionan información más precisa para el desarrollo de proyectos de exploración de nuevos pozos. En la actualidad, se utilizan como referencia modelos matemáticos estándar de la industria, que simulan el potencial de extracción para períodos superiores a 25 años. La técnica híbrida de la Eesc realiza simulaciones con los datos recabados en cada yacimiento, lo que permite un dimensionamiento más adecuado de los equipos y de su vida útil.

El Laboratorio de Escurrimientos Multifásicos Industriales (Lemi) del Eesc ya está trabajando en los primeros modelos híbridos que se aplicarán en los sistemas computarizados que monitorean el flujo de petróleo y gas en las plataformas de Petrobras en el presal. Las pruebas con ese sistema están previstas para llevarse a cabo en el segundo semestre de este año. Ante una consulta efectuada por Pesquisa FAPESP, la empresa no se manifestó sobre los ensayos y la nueva tecnología.

Petrobras es la principal financista de la investigación, cuyo presupuesto asciende a la suma de 3,95 millones de reales. La empresa estatal cubre 3,77 millones de reales y el resto proviene de la USP (62.400 reales), del Consejo Nacional de Desarrollo Científico y Tecnológico (79.200 reales) y de la FAPESP, que financió cuatro becas de iniciación a la investigación científica, por un total de 37.000 reales. “Los becarios han realizado aportes importantes al aplicar técnicas innovadoras de colecta de información para alimentar la base de datos”, dice Hernández Rodríguez. En los próximos meses, la USP y Petrobras tienen previsto presentar una solicitud de patente internacional compartida para la nueva técnica.

Artículo científico
QUINTINO, A. M. et al. Flow pattern transition in pipes using data-driven and physics-informed machine learning. Journal of Fluids Engineering. mar. 2021.

Republish