BR112018007841B1

BR112018007841B1 - Métodos e sistema de processamento de dados ópticos

Info

Publication number: BR112018007841B1
Application number: BR112018007841-7A
Authority: BR
Inventors: Dingding Chen; Bin Dai; Jing Shen; Ming Gu
Original assignee: Halliburton Energy Services, Inc
Priority date: 2015-11-18
Filing date: 2015-11-18
Publication date: 2022-05-10
Also published as: WO2017086949A1; US20170269260A1; SA518391328B1; US10725203B2; US20200348444A1; US11366247B2; BR112018007841A2

Abstract

MÉTODOS E SISTEMA DE PROCESSAMENTO DE DADOS ÓPTICOS FUNDAMENTOS DA INVENÇÃO. Um método pode incluir a coleta de dados de medição usando um primeiro sensor operacional e um segundo sensor operacional de uma ferramenta de fundo de poço, padronizar respostas ópticas de cada sensor operacional a um sensor mestre em um espaço de parâmetros de ferramenta para obter uma resposta de sensor mestre padronizada, transformar a resposta de sensor mestre padronizada em uma resposta de espaço de parâmetro sintético do sensor mestre, aplicar um modelo de fluido com a resposta de espaço de parâmetros sintéticos do sensor mestre para predizer uma característica de fluido, comparar uma primeira predição obtida com o modelo de fluido a partir do primeiro sensor operacional com uma segunda predição obtida com o modelo de fluido a partir do segundo sensor operacional, determinar uma característica de fluido a partir da primeira predição e a segunda predição e otimizar uma operação de teste e amostragem de poço de acordo com a característica do fluido.

Description

FUNDAMENTOS DA INVENÇÃO

[001] As ferramentas convencionais de detecção de múltiplos sensores incluem dois (ou mais) sensores ópticos, cada um dos quais é suportado por sua própria padronização de sinal e algoritmos de caracterização de fluidos (também chamados de modelos de fluidos) para análise de fluidos ópticos em tempo real. Os modelos de fluidos são calibrados em um banco de dados sintético e muitas vezes requerem realizações frequentes com a expansão do banco de dados.

[002] Realizações frequentes para o design do sensor exigem calibração e manutenção frequentes dos modelos de fluidos para cada sensor. Além disso, com um aumento no número de ferramentas de fundo de poço, calibrar e manter os sensores ópticos torna-se dispendioso e demorado. Além disso, como diferentes parâmetros ópticos são selecionados como entradas de modelo de fluido para diferentes sensores ópticos, esforços adicionais são necessários para interpretar dados obtidos de ferramentas multissensor para avaliar se as predições dos dois ou mais sensores ópticos em relação ao fluido na linha de fluxo são consistentes uns com os outros, ou para confirmar se alguma inconsistência nas predições é devido ao uso de diferentes entradas de modelo de fluido. Para simplificar a interpretação de dados, a prática real geralmente escolhe as predições de um único sensor como base de análise, exigindo melhorias adicionais para maximizar o valor subjacente do (s) outros (s) sensor (es).

BREVE DESCRIÇÃO DAS FIGURAS

[003] As figuras a seguir estão incluídas para ilustrar certos aspectos da presente divulgação, e não devem ser vistas como modalidades exclusivas. O assunto divulgado é capaz de modificações, alterações, combinações e equivalentes consideráveis em forma e função, sem se distanciar do escopo desta divulgação.

[004] FIG. 1 ilustra um sistema de calibração usado para calibrar um sensor óptico.

[005] FIG. 2 ilustra uma estrutura de modelo de transformação geral que inclui uma transformação forward e uma transformação inversa entre um espaço de parâmetros de ferramenta e um espaço de parâmetros sintéticos com redes neurais.

[006] FIG. 3 mostra uma estrutura hierárquica para modelos de transformação inversa.

[007] FIGS. 4A-4C ilustram uma modelagem de padronização de dados de sensor de sensor cruzado no espaço de parâmetros de ferramenta entre dados de sensor operacional (OS) e dados de sensor mestre (MS) para um conjunto de campo de fluidos medidos por uma ferramenta de fundo de poço.

[008] FIGS. 5A-5C ilustram uma transformação de dados de sensor mestre padronizados no espaço de parâmetros de ferramenta do sensor mestre para um espaço de parâmetros sintéticos (SMS) do sensor mestre.

[009] FIG. 6 é um fluxograma de um método para o processamento de dados de ferramentas ópticas de sensor duplo através da padronização do sensor mestre.

[0010] FIG. 7 é um fluxograma de um método para estimar um índice de contaminação de uma amostra de óleo real.

[0011] FIGS. 8A-8D compara os resultados de predições de fluido de pós-processamento em relação à concentração de metano, densidade real, relação gás/óleo e concentração de resina, respectivamente, de uma amostra de óleo média usando modelos de fluido baseados em sensor individual convencional e modelos de fluido baseados em sensor mestre.

[0012] FIGS. 9A-9D compara as predições dos sensores principais de pós-processamento de densidade real, concentração de metano, concentração de saturados e concentração de aromáticos, respectivamente, de uma amostra de óleo volátil obtida de um trabalho de campo, utilizando entradas ópticas transformadas dos sensores operacionais superiores e inferiores de uma ferramenta de fundo de poço.

[0013] FIG. 10 é um sistema de perfuração configurado para usar uma ferramenta de fundo de poço de sensor duplo, incluindo sensores operacionais superiores e inferiores, e empregando um ou mais princípios da presente divulgação para modificar um parâmetro de perfuração ou configuração em uma operação de measurement-while-drilling (MWD) e uma operação de logging-while-drilling (LWD).

[0014] FIG. 11 é um sistema de cabo elétrico de perfilagem configurado para usar uma ferramenta de fundo de poço de sensor duplo, incluindo sensores operacionais superiores e inferiores, e empregando um ou mais princípios da presente divulgação durante testes de formação e amostragem.

[0015] FIG. 12 ilustra um sistema de processamento exemplar para configurar e / ou controlar o sistema de calibração da FIG. 1 e as ferramentas do fundo de poço das FIGS. 9 e 11.

DESCRIÇÃO DETALHADA

[0016] As modalidades aqui descritas referem-se a um método de processamento e interpretação de dados obtidos por uma ferramenta de fundo de poço com dois sensores ópticos (também conhecida como ferramenta óptica de sensor duplo) através da padronização do sensor mestre para a análise do fluido óptico de fundo de poço. O método exemplar pode avaliar de forma eficiente a qualidade da transformação de dados ópticos e a incerteza da predição do modelo de fluido, que estão associados à fase fluida e à contaminação, comparando as predições de sensor duplo que são padronizadas para uma única estrutura de sensor mestre.

[0017] De acordo com as modalidades aqui descritas, as medições em tempo real de cada um dos dois sensores ópticos de qualquer ferramenta de sensor duplo podem ser mapeadas em um único espaço de parâmetro de ferramenta de sensor mestre usando um algoritmo de padronização de sensor cruzado não linear. Em seguida, um algoritmo de transformação de dados de espaços cruzados diferentes pode ser aplicado ao sensor mestre que converte adicionalmente sinais ópticos previamente mapeados para cada sensor óptico do espaço de parâmetros de ferramenta para um espaço de parâmetros sintéticos para uso com modelos de fluidos pré-calibrados. Posteriormente, os modelos de fluidos candidatos do sensor mestre podem ser usados para predizer as composições fluidas e outras propriedades das entradas ópticas transformadas de cada sensor operacional. Uma vez que as predições dos dados de ferramenta óptica de sensor duplo são comparadas nos modelos de fluidos com as mesmas entradas, a incerteza de usar entradas dependentes de sensor pode ser reduzida e os resultados do processamento de dados de sensor duplo podem ser usados em conjunto com outras medições de sistema de teste e amostragem, como densitômetro, ponto de bolha, capacitância de fluido e taxa de bombeamento, para fornecer soluções integradas em transformação e predição de dados de qualidade associados à fase fluida e à contaminação.

[0018] O método exemplar pode ser usado para reduzir o custo da calibração de sensor e gerenciamento de dados para a caracterização de fluidos e reduzir a incerteza da interpretação de dados ópticos de sensor duplo.

[0019] A FIG. 1 ilustra um exemplo de sistema de calibração 100 que pode ser utilizado para calibrar um ou mais elementos ópticos utilizados em um sensor óptico. Conforme ilustrado, sistema 100 pode incluir um sistema de medição 102 em comunicação óptica com um ou mais 104 sensores ópticos (mostrados como 104a, 104b, 104c... 104n) que devem ser calibrados. Cada sensor óptico 104a-n pode incluir, sem limitação, um filtro de passagem de banda óptica ou um elemento óptico multi-variante / elemento computacional integrado (por exemplo, um núcleo de ICE). O sistema de medição 102 pode circular um ou mais líquidos de referência com diferentes composições e propriedades químicas (ou seja, concentração de metano, concentração de compostos aromáticos, ácidos graxos, concentração de saturados, Proporção Gás-Óleo, -GOR- e similares) através de uma célula óptica 106 sobre condições amplamente variáveis de calibração de temperatura, pressão e densidade e de modo que medições ópticas de transmissão e/ou reflexão de cada fluido de referência em conjunto com cada elemento óptico 104a-n podem ser efetuadas em tais condições.

[0020] O sistema de medição 102 pode incluir um instrumento óptico de pressão-volume-temperatura (PVT) e os fluidos de referência circulados no sistema de medição 102 podem incluir fluidos representantes comumente encontrados em aplicações de fundo de poço. O sistema 100 pode coletar sinais de saída de cada elemento óptico 104a-n para cada fluido de referência especificado em condições de calibração variáveis. Em alguns casos, os fluidos de referência podem incluir fluidos representativos que são fáceis de operar para a calibração de fabricação, tais como dodecano, nitrogênio, água, tolueno, 1-5 pentanodiol e dois óleos brutos líquidos ou fluidos sem concentração de gás (por exemplo, óleo morto). Os óleos de reservatório em bruto utilizados como fluidos de referência podem ser, por exemplo, biblioteca mundial de óleo 13 (ou "GOL13") e biblioteca mundial de óleo 33 (ou "GOL33"). Em outros casos, os fluidos de referência podem incluir amostras de óleos vivos misturados com óleos mortos e hidrocarbonetos gasosos, como o metano, por exemplo e as amostras de gases de hidrocarbonetos e/ou CO2. A calibração de fabricação do sensor óptico pode servir a necessidade de redimensionamento da saída do detector ou padronização do instrumento.

[0021] O sistema de medição 102 pode variar cada fluido de referência ao longo de vários set points que se espalham variando as condições de calibração. Para conseguir isto, como ilustrado, o sistema de medição 102 pode incluir um sistema de carregamento de líquido 108, um sistema de carregamento de gás 110, um sistema de controle de temperatura 112 e um sistema de controle de pressão 114. O sistema de carregamento de líquido 108 injeta fluidos de referência no circuito de fluido para introduzir perturbações variáveis de fluido de modo que a calibração dos elementos ópticos 104a-n irá incorporar todos os compostos esperados encontrados no determinado fluido de referência. O sistema de carregamento de gás 110 pode injetar gases conhecidos (por exemplo, N2, CO2, H2S, metano, propano, etano, butano, suas combinações e semelhantes) nos fluidos de referência circulantes. O sistema de controle de temperatura 112 pode variar a temperatura do fluido de referência para simular vários pontos de ajuste de temperatura que os elementos ópticos 104a-n podem encontrar no fundo de poço. Por último, o sistema de controle de pressão 114 pode variar a pressão do fluido de referência para simular vários pontos de ajuste de pressão que os elementos ópticos 104a-n podem encontrar no fundo de poço.

[0022] A célula óptica 106 é acoplada de modo fluido a cada sistema 108, 110, 112 e 114 para permitir que os fluidos de referência fluam através dos mesmos e recircule de volta para cada um dos sistemas 108, 110, 112 e 114 em um circuito de fluido em circuito fechado. Enquanto o fluido de referência circula através da célula óptica 106, uma fonte de luz 116 emite radiação eletromagnética 118 que passa através da célula óptica 106 e do fluido de referência que flui através da mesma. À medida que a radiação eletromagnética 118 passa através da célula óptica 106, esta interage opticamente com o fluido de referência e gera luz que interagiu com a amostra 120, que inclui dados espectrais para o determinado fluido de referência que circula através do sistema de medição 102 nas determinadas condições de calibração ou pontos de ajuste. A luz que interagiu com a amostra 120 pode ser direcionada para os sensores ópticos 104a-n que, tal como ilustrado, podem ser dispostos sobre uma roda de sensor 122 configurada para rodar na direção A. Enquanto mostrado como disposto em um único anel na roda de sensor 122, os sensores ópticos 104a-n podem alternativamente ser dispostos em dois ou mais anéis na roda de sensor 122. De acordo com as modalidades aqui descritas, uma ferramenta de fundo de poço típica pode incluir duas rodas de sensor 122 que podem ser separadas por uma distância predeterminada (por exemplo., 1 metro) uma da outra. Uma das duas rodas de sensor 122 pode ser referida como uma roda de sensor superior 122 e está localizada acima em relação à outra roda de sensor 122 no poço, que pode ser referida como uma roda de sensor 122 inferior. Na presente descrição, uma roda de sensor 122 incluindo sensores ópticos 104a-n também pode ser referida como um sensor operacional (SO) 122. Assim, a ferramenta de fundo de poço pode incluir um sensor operacional superior 122 e um sensor operacional inferior 122.

[0023] Durante a calibração, a roda do sensor 122 pode ser girada em uma frequência predeterminada de modo que cada sensor óptico 104a-n pode interagir opticamente com a luz que interagiu com a amostra 120 por um breve período e sequencialmente produzir luz interagida opticamente 124 que é transmitida para um detector 126. O detector 126 pode ser geralmente caracterizado como um transdutor óptico e pode compreender, mas não está limitado a, um detector térmico (por exemplo, uma pilha termoelétrica), um detector fotoacústico, um detector semicondutor, um detector piezoelétrico, um detector de dispositivo de carga acoplada (CCD), um detector de vídeo ou de matriz, um detector de divisão, um detector de fóton (por exemplo, um tubo fotomultiplicador), fotodiodos e qualquer combinação destes. Ao receber feixes detectados individualmente da luz interagida opticamente 124 a partir de cada sensor óptico 104a-n, o detector 126 pode gerar ou transportar sinais de resposta correspondentes 128 a um sistema de aquisição de dados 130. O sistema de aquisição de dados 130 pode multiplexar em tempo cada sinal de resposta 128 recebido do detector 126 correspondendo a cada sensor óptico 104a-n. Um conjunto correspondente de sinais de saída resultantes 132 é subsequentemente gerado e transportado para um sistema de análise de dados 134 para processamento e fornecimento de parâmetros de entrada para vários modelos de predição de fluidos com utilização de saídas de cada elemento óptico 104a-n como uma variável candidata.

[0024] Uma vez que a roda de sensor 122 esteja calibrada, uma ou mais rodas de sensor calibradas 122 (ou sensores operacionais 122) podem então ser instaladas numa ferramenta de fundo de poço com outros componentes do sistema, para teste de validação de montagem. Para validar a resposta óptica do conjunto de sensores, a ferramenta óptica pode ser colocada em um forno que regula a temperatura e a pressão ambiente. Os fluidos de referência utilizados para calibrar a roda de sensor 122 podem então ser circulados seletivamente através do sensor óptico em pontos de ajuste semelhantes utilizados para calibrar os sensores ópticos 104a-n. Mais particularmente, os fluidos de referência podem ser circulados através do sensor óptica em várias condições de fundo de poço de ponto de ajuste (isto é, pressões e temperaturas elevadas) para obter respostas ópticas medidas.

[0025] Os sensores ópticos 104a-n são calibrados usando a resposta dos sensores aos fluidos de referência em um espaço de parâmetros de ferramenta. Por outro lado, a análise espectroscópica de fluidos e a calibração do modelo preditivo de fluidos usando uma grande quantidade de dados em uma biblioteca de óleo padrão é realizada em um espaço de parâmetros sintéticos (também chamado de espaço de dados óptico-PVT). As respostas do sensor sintético para cada sensor na ferramenta de fundo de poço são calculadas como um produto escalar da faixa de comprimento de onda total da espectrometria de fluido e do espectro de elemento de sensor excitado por uma fonte de luz. O valor do produto escalar pode variar de forma não linear ou linear, em comparação com a resposta real do sensor devido à diferença entre a aproximação matemática usada no cálculo da resposta do sensor sintético e a implementação do sistema real. Para compensar a diferença acima, os dados de medição dos sensores na ferramenta de fundo de poço podem ser transformados do espaço de parâmetro sintético para o espaço de parâmetro sintético através de um algoritmo de transformação reverso antes da aplicação de modelos preditivos de fluidos. Em algumas modalidades, os modelos de pressão de fluidos são calibrados com diferentes entradas ópticas sintéticas e são salvos em uma base de modelo de fluido óptico. Isso proporciona uma capacidade de adaptação suficiente para lidar com a incerteza de transformação de dados e melhora a análise de composição de fluidos de formação e a interpretação de dados de campo.

[0026] Na prática real, um modelo de fluido óptico é dependente do sensor para cada ferramenta de fundo de poço usada para medição. Um modelo de fluido óptico inclui transformação de dados (ou seja, padronização) e modelos preditivos de propriedade. Para proporcionar uma flexibilidade adequada para processamento e interpretação de dados ópticos, um modelo de fluido óptico inclui os seguintes componentes candidatos: modelos de transformação calibrados em fluidos de referência selecionados através de transformação inversa, modelos de transformação calibrados em fluidos de referência selecionados através de transformação tipo forward e modelos preditivos calibrados em banco de dados Ópticos-PVT e roda de sensor 122. Dependendo do espaço de dados em que os modelos de predição de propriedades de fluidos são calibrados, os modelos de transformação de dados convertem a saída medida ou simulada do sensor óptico entre um espaço de parâmetros de ferramenta e um espaço de parâmetros sintéticos. A FIG. 2 ilustra tal transformação.

[0027] FIG. 2 ilustra uma modalidade de uma estrutura de modelo de transformação geral incluindo uma transformação do tipo forward 205 e uma transformação inversa 203 entre dados em um espaço de parâmetro de ferramenta 201 e um espaço de parâmetro sintético 202 com um algoritmo não linear. Em algumas modalidades, o algoritmo não linear usado para implementar a transformação inversa 203 é um modelo de rede neural. Em algumas modalidades, a transmissão tipo forward 205 e inversa 203 inclui uma rede neural multi-entrada e multi-saída que pode ser aplicada pelo sistema de análise de dados 134 da FIG. 1 para respostas ópticas. O modelo que converte os sensores de resposta de sensores ópticos reais (SW/Ch01- Ch0n) do espaço de parâmetro de ferramenta 201 para o espaço de parâmetro sintético 202 (PVT/Ch01-Ch0n) é uma transformação inversa 203. O modelo que converte dados do espaço de parâmetro sintético 202 para espaço de parâmetro de ferramenta 201 é uma transformação tipo forward 205. Embora a estrutura de modelo de transformação geral ilustrada na FIG. 2 é configurada com redes neurais de multi-entrada e multi-saída, não há limitação no uso de outros algoritmos de transformação não lineares e lineares com configurações de entrada única/saída única e multi-entrada /saída única.

[0028] A FIG. 3 ilustra uma modalidade de uma estrutura hierárquica para modelos de transformação inversa 302. As variações dos modelos de transformação 302 podem incluir a conversão de sensores ópticos 304 para cada sensor óptico em um modelo único, a conversão dos sensores ópticos desunidos em vários modelos com base em detector 306 ou a conversão apenas de sensores selecionados 308 de interesse, cada vez em diferentes modelos individuais. Em comparação com uma implementação de modelo único, as opções de vários modelos podem melhorar a confiabilidade da construção de dados no domínio de parâmetro de saída (isto é, transformado) (por exemplo, espaço de parâmetro sintético 202, cf. FIG. 2) se um ou mais dos sensores ópticos (por exemplo, o espaço de parâmetro da ferramenta 201, cf. FIG. 2), como a entrada de transformação, experimentam um problema. Uma pluralidade de blocos de fluido de referência 310-320, no fundo da estrutura hierárquica e acoplada aos vários sensores 304-308, representa os modelos de transformação que podem ser construídos com base em diferentes fluidos de referência (por exemplo, número mínimo de fluidos de referência 310, 314, 318 e fluidos de referência estendidos 312, 316, 320). O número mínimo de fluidos de referência pode referir-se aos sete fluidos representativos discutidos acima. Estes fluidos de referência são seguros de usar em uma configuração de laboratório e fáceis de limpar para fins de teste. As respostas do sensor óptico (por exemplo, o espaço de parâmetro de ferramenta 201) têm de forma geral uma ampla faixa dinâmica como uma representação de diversos fluidos em uma base de dados Ópticos-PVT existente. Os fluidos de referência estendidos incluem frequentemente um ou mais fluidos como óleo vivo, gás natural e/ou condensados de gás para cobrir uma faixa dinâmica mais ampla e proporcionar um modelo de transformação mais robusto.

[0029] Em algumas modalidades, a transformação inversa 203 converte medições de sensor de espaço de parâmetro de ferramenta 201 para espaço de parâmetro sintético 202 antes da aplicação de modelos de caracterização de fluido. Consequentemente, os modelos de caracterização de fluidos utilizam dados de espaços de parâmetros sintéticos 202 como entrada para obter informações como composição de fluido e propriedades físicas do fluido. Uma transformação tipo forward 205 (FIG. 2) pode ser utilizada para converter um conjunto completo de respostas do sensor óptico simuladas do espaço de parâmetros sintéticos 202 para espaço de parâmetros de ferramenta 201 antes de desenvolver modelos preditivos no espaço de parâmetros de ferramenta 201. Como se vê na FIG. 2, a transformação tipo forward 205 pode ser criada através da comutação da entrada e da saída de um modelo de rede neural. Em outras palavras, usando uma resposta de sensor sintético como entrada e uma resposta de sensor de roda de sensor medida como uma saída, uma rede neural pode então ser treinada para calibrar algoritmos de transformação tipo forward.

[0030] Como será apreciado, uma estrutura hierárquica para os modelos de transformação inversa 302, como ilustrado na FIG. 3, também podem ser aplicados a modelos de transformação tipo forward. Depois da transformação tipo forward 205 ser desenvolvida, esta pode ser utilizada para converter as respostas de sensores sintéticos das amostras globais no espaço de parâmetro sintético 202 no espaço de parâmetro da ferramenta 201. Em seguida, os modelos preditivos de propriedades de fluidos podem ser calibrados no espaço de parâmetros de ferramenta 201 e a transformação adicional não é necessária no processamento de dados de campo porque as respostas ópticas medidas do sensor podem ser utilizadas como entradas modelo diretamente para análise de composição de fluidos. Comparado com a transformação inversa, que aplica a conversão de dados do sensor on-line cada vez antes de fazer uma predição de fluido, a transformação tipo forward geralmente só se aplica uma vez offline para converter respostas de sensores sintéticos para desenvolvimento de modelo de predição de fluidos. No entanto, as transformações inversa e tipo forward têm uma complexidade diferente com a implementação da rede neural. Em comparação com a transformação inversa, a transformação tipo forward pode exigir um maior número de fluidos de referência para a calibração e, consequentemente, pode induzir maior incerteza no desenvolvimento do modelo de fluido com o uso de bases de dados sintéticas transformadas. Portanto, a transformação inversa é selecionada a seguir como estrutura geral para a transformação do espaço cruzado e usada em conjunto com a transformação de sensores cruzados descrita abaixo para o processamento de dados ópticos de ferramenta de sensor duplo.

[0031] FIGS. 4A-4C ilustram uma transformação de sensor cruzado dos dados do sensor no espaço de parâmetros da ferramenta a partir de um dado de sensor operacional 400a para um dado de sensor mestre 400b para um conjunto de campo 450 a partir de fluidos medidos pela ferramenta de fundo de poço de sensor duplo. Os dados de sensor operacional (OS) 400a podem ser dados de espaço de parâmetro de ferramenta a partir do sensor operacional superior 122 ou do sensor operacional inferior 122 instalado na ferramenta de fundo de fundo de poço de sensor duplo implantada em uma aplicação de campo, enquanto que os dados de sensor mestre 400b podem ser dados do espaço de parâmetros de ferramenta a partir de um sensor mestre. Sem perda de generalidade, um total de vinte e quatro elementos sensores ou canais 401 são usados para coletar dados de sensor operacional (400) e vinte e quatro elementos sensores ou canais 411 são usados nos dados do sensor mestre (MS) 400b. Em algumas modalidades, os vinte e quatro elementos sensores em cada um dos sensores operacionais superiores e inferiores, e o sensor mestre podem incluir elementos ICE e filtros de passagem de banda estreita (NBP), entre outros elementos ópticos.

[0032] Numa modalidade, a configuração do sensor óptico e o desenho ICE dos vinte e quatro elementos sensores nos dados do sensor operacional 400a podem ser diferentes dos vinte e quatro elementos sensores nos dados do sensor mestre 400b. Por exemplo, dados no canal 1 dos dados do sensor operacional 400a podem estar associados a um metano ICE fabricado de acordo com um primeiro design, e um dado correspondente no canal 1 do sensor mestre 400b pode estar associado a um metano ICE fabricado de acordo com um segundo design. Assim, o primeiro design pode incluir um primeiro número de camadas dielétricas alternadas, cada uma das camadas tendo uma espessura específica determinada de acordo com o primeiro design, e o segundo design pode incluir um segundo número de camadas dielétricas alternadas, cada uma das camadas tendo um espessura específica determinada de acordo com o segundo design. Em algumas modalidades, os elementos sensores 401 podem incluir pelo menos um NBP no domínio do comprimento de onda visual ultravioleta (UV) (aproximadamente de 400 nm a 750 nm), ao passo que os elementos sensores 411 podem incluir pelo menos um NBP no infravermelho próximo (NIR) de comprimento de onda (aproximadamente de 750nm a 2500nm). Noutra modalidade, os sensores operacionais superior e inferior 122 podem ter uma configuração e design diferentes. Por exemplo, o sensor operacional superior pode incluir elementos ICE enquanto o sensor operacional inferior 122 pode incluir filtros NBP.

[0033] FIG. 4A representa dados de sensor operacional 400a que mostra respostas ópticas obtidas pelos vinte e quatro elementos (ou canais) de sensor óptico 401 do sensor operacional superior ou inferior 122. Consequentemente, os dados ilustrados na FIG. 4A podem ser obtidos a partir de fluidos medidos no poço de perfuração pela ferramenta de fundo de poço de sensor duplo, incluindo os sensores operacionais superiores e inferiores. As abscissas na FIG. 4A incluem números inteiros indicativos de cada um dos vinte e quatro elementos de sensores ópticos (ou canais) 401 num dos sensores operacionais superiores ou inferiores, e a ordenada indica um valor (intensidade) para o sinal produzido por cada elemento de sensor óptico 401. O valor para o sinal de cada elemento de sensor óptico 401 pode incluir uma voltagem normalizada proporcional a uma intensidade de uma luz interagida recebida num detector de cada elemento de sensor óptico 401. Consequentemente, cada traço tendo vinte e quatro pontos de dados na FIG. 4A corresponde a um fluido de poço de perfuração medido por qualquer um dos sensores operacionais superiores ou inferiores 122 da ferramenta de fundo de poço, utilizando os respectivos elementos de sensores ópticos 401.

[0034] FIG. 4B representa os dados de sensor mestre 400b obtidos pela transformação de sensor cruzado 413 dos dados de sensor operacionais 400a usando um algoritmo de transformação de rede neural multi-entrada, multi-saída 415. O algoritmo de transformação de rede neural 415 é pré- calibrado nos fluidos de referência selecionados que inclui, mas não está limitado a, amostras representativas do petróleo de óleo morto, óleo vivo, gás natural e/ou condensados de gás, água e nitrogênio para treinamento generalizado, e outros fluidos destacados, como tolueno, pentanedioal e dodecano, para garantir uma gama adequada de parâmetros de resposta óptica para cada elemento sensor. As respostas dos sensores ópticos utilizados como entradas e saídas de calibração para a calibração do algoritmo de padronização de sensores cruzados são obtidas a partir de testes de laboratório e / ou análise de simulação em temperaturas e pressões correspondentes. Os dados de calibração podem ser pré-processados com correção de linha de base, normalização e podem incluir outras entradas de calibração, como temperatura e pressão. O algoritmo de transformação da rede neural também pode ser otimizado para o mapeamento de dados de qualidade através do treinamento, ajustando o número de neurônios ou nós na camada oculta (como mostrado na Figura 4C), aplicando algoritmo de treinamento regularizado e usando preditor de conjunto com saídas de transformação em média sobre redes de mais de um membro. As abscissas na FIG. 4B incluem números inteiros indicativos de cada um dos vinte e quatro elementos de sensores ópticos 411 no sensor mestre, e a ordenada indica um valor para o sinal produzido por cada elemento óptico 411. Deve-se notar que um sensor mestre físico, real é usado durante a calibração, e as entradas de calibração a partir de sensores operacionais e saídas do sensor mestre geralmente são pré- processadas com a mesma rotina ou procedimento de software. O valor para o sinal de cada elemento óptico 411 pode incluir uma voltagem normalizada proporcional a uma intensidade de uma luz interagida recebida num detector de cada elemento óptico 411. Consequentemente, cada traço tendo vinte e quatro pontos de dados na FIG. 4B corresponde aos fluidos de referência medidos pelo sensor mestre durante a calibração. No entanto, na aplicação de fundo de poço, os sensores operacionais são os únicos sensores instalados na ferramenta óptica de fundo de poço, e o sensor mestre pode ser um sensor "virtual" usado para processamento de dados. Nesse caso, cada traço corresponde ao fluido de poço de exploração, como teria sido medido pelo sensor mestre, se o sensor mestre fosse usado na ferramenta de fundo de poço em vez dos sensores operacionais superiores e inferiores 122.

[0035] FIG. 4C mostra uma transformação do sensor cruzado 413 dos dados de sensor operacional 400a a partir do sensor óptico 401 em um dos sensores superior e inferior 122, para os dados de sensor mestre 400b. Como será entendido, a transformação do sensor cruzado 413 padroniza os dados de sensor operacional 400a. Em algumas modalidades, a transformação do sensor cruzado 413 aplicada no espaço do parâmetro de ferramenta é um mapeamento não linear, como um algoritmo de rede neural (NN) multi- entrada e multi-saída. O algoritmo NN normalmente é implementado com uma camada de entrada, uma camada oculta 415 e uma camada de saída. A camada de entrada recebe entradas de transformação dos sensores operacionais 401. A camada oculta tem uma série de neurônios ocultos ou nós como elementos de computação ajustáveis. Cada elemento está equipado com uma função de transferência de sigmoide logarítmica ou sigmoide tangencial hiperbólica não linear para processar os dados combinacionais ponderados da camada de entrada de acordo com a função de transferência especificada. A camada de saída é atribuída com o mesmo número de elementos de sensores ópticos 411 que o sensor mestre. A saída de cada elemento 411 na camada de saída é uma combinação linear ponderada de saídas ocultas do neurônio na camada oculta.

[0036] FIGS. 5A-5C ilustram uma transformação 503 de dados de sensor mestre padronizados 400b no espaço de parâmetros de ferramenta do sensor mestre para um espaço de parâmetros sintéticos (SMS) do sensor mestre. Conforme ilustrado, são utilizados quatro elementos sensores ou canais 411 no sensor mestre (MS) 400b como entradas e produzem vinte e quatro elementos ou canais sensores (SMS) 501 do sensor mestre no espaço de parâmetros sintéticos do sensor mestre. A transformação 503 usa um algoritmo de transformação inversa ou de espaço cruzado do sensor mestre. O algoritmo de transformação de espaço cruzado do sensor mestre é pré- calibrado nos mesmos fluidos de referência com redes neurais para converter as respostas do sensor mestre a partir do espaço de parâmetro de ferramenta para o espaço de parâmetros sintéticos. Como saídas de calibração, as respostas ópticas sintéticas do sensor mestre são calculadas como um produto escalar de dados de espectroscopia de fluidos de referência e espectros de elementos de sensores ópticos sobre o mesmo intervalo de comprimento de onda e medidos em temperaturas e pressões elevadas e especificadas, seguidas de correção de linha de base e normalização da densidade neutra. Como mencionado acima, as abscissas na FIG. 5A incluem números inteiros indicativos de cada um dos vinte e quatro elementos de sensores ópticos 411 no sensor mestre, e a ordenada indica um valor para o sinal produzido por cada elemento óptico 411. As abscissas na FIG. 5B incluem números inteiros indicativos de cada um dos vinte e quatro elementos de sensores ópticos no sensor mestre, e a ordenada indica um valor para o sinal sintético esperado de cada elemento óptico 411 compatível com as entradas de um modelo de fluido.

[0037] FIG. 5C inclui a transformação 503 executando um algoritmo de transformação de espaço cruzado, que pode ser um algoritmo de transformação não linear, como uma rede neural com a mesma arquitetura especificada na FIG. 4C. Em modalidades consistentes com a presente descrição, a transformação 503 é aplicada num segundo estágio de concatenação do processamento de rede neural que mapeia dados do espaço de parâmetros de ferramenta do sensor mestre para o espaço de parâmetros sintéticos do sensor mestre. Consequentemente, a transformação de concatenação 413 com a transformação 503 pode permitir um fluxo de trabalho robusto para o processamento de dados da ferramenta óptica de fundo de poço a partir do sensor operacional para o sensor mestre.

[0038] Em algumas modalidades, a transformação 413 também pode ser usada como um filtro não linear para gerar entradas ópticas suaves para a transformação 503. Como a transformação 413 está equipada com função de transferência sigmoide logarítmica ou sigmoide tangente hiperbólica, a saída de cada nó oculto pode ser confinada a uma faixa razoável em sinais de exclusão na saída de transformação, mesmo as entradas de sensores ópticos estão substancialmente fora da faixa de calibração, especialmente para dados corrompidos de filtrado de lama. Esta característica das modalidades consistentes com a presente divulgação aumenta o processamento de dados para análise de validação do modelo de fluido.

[0039] FIG. 6 é um fluxograma de um método 600 para o processamento de dados de ferramentas ópticas de sensor duplo através da padronização do sensor mestre. Deve ser observado que os métodos consistentes com a presente divulgação podem incluir pelo menos algumas, mas não todas as etapas ilustradas no método 600, realizadas em um sequência diferente. Além disso, métodos consistentes com a presente descrição podem incluir pelo menos duas ou mais etapas, tal como no método 600, realizadas sobrepostas no tempo, ou quase simultaneamente.

[0040] O método 600 pode incluir a coleta de dados de medição utilizando um primeiro sensor operacional e um segundo sensor operacional de uma ferramenta de fundo de poço, como em 602. Conforme mencionado acima, a ferramenta de fundo de poço pode incluir dois ou mais sensores operacionais 122 instalados nas posições superior e inferior (cf. FIG. 1). Em algumas modalidades, os dois sensores operacionais 122 em cada ferramenta de fundo de poço podem ter o mesmo número de elementos ópticos, como ICEs e filtros NBP, com os mesmos designs. Em outras formas de realização, os dois sensores operacionais 122 podem ter um número diferente de elementos ópticos com diferentes projetos.

[0041] O método 600 pode então padronizar respostas ópticas de cada sensor operacional a um sensor mestre em um espaço de parâmetros de ferramenta para obter uma resposta de sensor mestre padronizada, como em 604. Em algumas modalidades, os sensores operacionais e o sensor mestre podem ter a mesma configuração e design do elemento. Em outras modalidades, os sensores operacionais e o sensor mestre podem ter diferentes configurações e designs de elementos. A padronização do sensor cruzado é realizada no espaço de parâmetros de ferramenta para converter respostas de sensores operacionais em respostas do sensor mestre usando o algoritmo de transformação da rede neural multi-entrada e multi-saída. O algoritmo de padronização de rede neural é pré-calibrado nos fluidos de referência selecionados, o que inclui, mas não está limitado a, amostras representativas de petróleo do óleo morto (por exemplo., óleo a uma pressão suficientemente baixa que não contenha gás dissolvido ou um óleo ou resíduo relativamente espesso que tenha perdido seus componentes voláteis), óleo vivo (por exemplo., óleo contendo gás dissolvido em solução que pode ser liberado da solução em condições de superfície), gás natural, água e nitrogênio para treinamento generalizado; e outros fluidos destacados, como tolueno, pentanedioal e dodecano, para garantir uma gama adequada de parâmetros de resposta óptica para cada elemento sensor. As respostas ópticas dos pares de sensores operacionais e mestres para calibrar o algoritmo de padronização são obtidas a partir de testes de laboratório e / ou análise de simulação em temperaturas e pressões correspondentes. Os dados de calibração podem ser pré-processados com correção de linha de base, padronização e outras correções ambientais, e o algoritmo de padronização da rede neural pode ser otimizado para uma complexidade adequada para o mapeamento de dados de qualidade.

[0042] Além disso, o método 600 pode incluir a transformação da resposta de sensor mestre padronizada para uma resposta de espaço de parâmetros sintéticos do sensor mestre, como em 606. O algoritmo de transformação de espaço cruzado do sensor mestre é pré-calibrado nos mesmos fluidos de referência com redes neurais para converter as respostas do sensor mestre a partir do espaço de parâmetro de ferramenta para o espaço de parâmetros sintéticos. As respostas ópticas sintéticas do sensor mestre podem ser calculadas como um produto escalar de dados de espectroscopia de fluidos de referência e espectros de elementos de sensores ópticos sobre o mesmo intervalo de comprimento de onda e medidos em temperaturas e pressões elevadas e especificadas, seguidas de correção de linha de base e normalização da densidade neutra antes da calibração.

[0043] O método 600 pode então aplicar um modelo de fluido com a resposta de espaço de parâmetro sintético do sensor mestre para predizer uma característica de fluido, como em 608. A aplicação de um modelo de fluido pode incluir o teste de um ou mais modelos candidatos específicos de analito com diferentes entradas transformadas a partir de cada sensor operacional, respectivamente, para cada predição de analito. O modelo de fluido é pré- calibrado com uma pluralidade de redes neurais não-lineares multi-entrada de saída única ou algoritmos de mínimo quadrado parcial linear (PLS) no espaço de parâmetros sintéticos em um grande número de amostras de fluidos de uma biblioteca de óleo padrão, usando respostas de sensores mestres sintéticos como entradas de calibração candidatas e composições e propriedades de fluidos medidas como saídas de calibração. Numa modalidade, o método pode incluir a aplicação de uma pluralidade de modelos de fluidos candidatos com diferentes entradas candidatas para cada analito de fluido ou predição de propriedade. As entradas para os modelos candidatos podem ser determinadas a partir de um algoritmo de seleção automática, como a seleção de entrada do tipo stepwise backward ou seleção de entrada do tipo stepwise forward.

[0044] O método 600 pode então comparar uma primeira predição obtida com o modelo de fluido do primeiro sensor operacional com uma segunda predição obtida com o modelo de fluido do segundo sensor operacional, como em 610. A avaliação das predições pode incluir a determinação das predições correspondentes com as mesmas entradas para o fluido monofásico, determinando a variação das predições para o fluido multifásico e estimando a contaminação do fluido com presença de filtrato de lama à base de óleo. A fase fluida em uma linha de fluxo pode ser determinada comparando a diferença nas respostas ópticas registradas pelo primeiro e segundo sensores operacionais e examinando outras medidas de teste e sistema de amostragem, como densitômetro, ponto de bolha, capacitância de fluido e taxa de bombeamento. A otimização da interpretação de dados pode usar rotinas de processamento ou pós-processamento em tempo real e incluir sincronizar as predições, ajustar a seleção do modelo de fluido e fornecer estimativas autoconsistentes com base em predições de qualquer um dos sensores operacionais ou do primeiro e segundo sensores operacionais. Além disso, o método 600 pode determinar uma característica fluida a partir da primeira predição e a segunda predição, como em 612, e otimizar uma operação de teste e amostragem de poço de acordo com a característica de fluido, como em 614.

[0045] FIG. 7 é um fluxograma de um método 700 para estimar um índice de contaminação de uma amostra de óleo real. Deve ser observado que os métodos consistentes com a presente divulgação podem incluir pelo menos algumas, mas não todas as etapas ilustradas no método 700, realizadas em um sequência diferente. Além disso, métodos consistentes com a presente descrição podem incluir pelo menos duas ou mais etapas, tal como no método 700, realizadas sobrepostas no tempo, ou quase simultaneamente.

[0046] O método 700 pode determinar as predições de densidade correspondente de uma amostra de fluido usando modelos de fluido de sensor mestre, como em 702. Cada um dentre um primeiro sensor operacional e um segundo sensor operacional podem fornecer uma respectiva predição de densidade real. O método 700 pode então calcular uma diferença entre as predições de densidade e as medidas obtidas a partir de um densitômetro, como em 704, e estimar um índice de contaminação com base na diferença, conforme 706. Aqui, a predição da densidade real é uma predição da densidade da amostra de fluido, incluindo um ou mais gases dissolvidos.

[0047] FIGS. 8A-8D compara os resultados de predições de fluido de pós-processamento em relação à concentração de metano, densidade real, relação gás/óleo e concentração de resina, respectivamente, de uma amostra de óleo média usando modelos de fluido baseados em sensor individual convencional e modelos de fluido baseados em sensor mestre, com redes neurais de acordo com as modalidades divulgadas. A coordenada horizontal representa o índice de amostra 802 de uma sequência de medição de um trabalho de campo. A coordenada vertical representa a propriedade de fluido medida em unidades de medida apropriadas. FIG. 8A compara os resultados de uma predição da concentração de metano conforme realizado utilizando modelos de fluidos baseados em sensores individuais convencionais e os modelos de fluido baseados em sensor mestre com redes neurais de acordo com as modalidades descritas. A curva 822 indica a predição fornecida usando modelos de fluidos convencionais a partir de um sensor operacional superior de uma ferramenta de fundo de poço e a curva 824 representa a predição fornecida usando os modelos de sensor mestre através da padronização de sensor cruzado. Como comparação estatística, a predição em cada caso é uma média aritmética sobre vários modelos de fluidos candidatos com diferentes entradas calibradas no espaço de parâmetros sintéticos do sensor óptico em uma base de dados de biblioteca de óleo padrão. A FIG.8B compara os resultados na predição da densidade real entre o sensor operacional superior e o sensor mestre. FIG. O 8C compara os resultados na predição da relação gás / óleo entre um sensor operacional inferior da ferramenta de fundo de poço e o sensor mestre. Na FIG. 8C, a curva 826 representa a predição fornecida utilizando modelos de fluidos a partir do sensor operacional inferior da mesma ferramenta de fundo de poço usada nas FIGS. 8A-8B, e a curva 824 representa a predição fornecida pelos modelos de sensores mestres usando entradas de dados padronizadas a partir do sensor operacional inferior. FIG. 8D compara os resultados na predição de resinas entre o sensor operacional inferior e o sensor mestre.

[0048] Pode ser visto a partir das FIGS. 8A-8D que as predições aplicando modelos de fluidos baseados em sensores individuais convencionais e modelos de fluidos baseados em sensores mestres têm uma boa concordância entre si. Como o processamento de dados da ferramenta óptica através da padronização do sensor mestre só pode exigir um conjunto único de modelos de fluidos (ou seja, o conjunto correspondente à calibração do sensor mestre), independentemente dos tipos de sensores operacionais utilizados na ferramenta de fundo de poço, as economias de custo na calibração do modelo de fluido podem ser alcançadas usando o método exemplar. Além disso, devido a uma redução no número de modelos de fluidos utilizados, realizar e manter a base do modelo do sensor óptico tornar- se-ia mais conveniente e eficiente. Deve ser notado a partir das FIGS. 8A-8D que as respostas iniciais do sensor óptico (por exemplo, índice de amostragem inferior a 500) estão fora do intervalo de calibração dos modelos de fluidos devido à contaminação de filtrados de lama à base de óleo e, portanto, podem ser ignorados na prática comum. No entanto, à medida que a operação continua, a amostragem se aproxima gradualmente da estabilização e as predições das respostas ópticas estão em estreita concordância entre si, indicando que a calibração do modelo de fluido baseado no sensor operacional pode ser substituída pela calibração baseada em sensor mestre com qualidade equivalente na estimativa de propriedades de fluido e custo reduzido.

[0049] FIGS. 9A-9D comparam as predições dos sensores principais de pós-processamento de densidade real, concentração de metano, concentração de saturados e concentração de aromáticos, de uma amostra de óleo volátil obtida de um trabalho de campo, utilizando entradas ópticas transformadas do sensor operacional superior e sensor operacional inferior de uma ferramenta de fundo de poço. As predições de ambos os sensores operacionais são sincronizadas com uma série temporal para comparar melhor as predições obtidas com os dois sensores.

[0050] FIG. 9A ilustra gráficos de amostra mostrando resultados de predições de densidade real usando o método exemplar e aplicação associada em análise de contaminação de fluidos em tempo real. Deve notar-se que as predições de densidade real ilustradas são em relação à densidade real de fluidos de formação, como densidade de óleo real, densidade de gás real e densidade de condensado real. A densidade real geralmente é estimada / predita a partir de entradas ópticas. Também é usado para distinguir a densidade de fluido de referência medida com um sensor de densitômetro conforme descrito abaixo. A análise da contaminação do fluido é crucial durante operação de teste e amostragem de poços na coleta de amostras de óleo limpas ou quase limpas com contaminação minimizada do filtrado de lama. Como uma abordagem econômica, a densidade de fluidos é frequentemente usada para determinar o índice de contaminação para análise de dados em tempo real. Na FIG. 9A, as predições de densidade real de cada um dos sensores operacionais inferiores e superiores (curvas 922 e 924, respectivamente) de uma ferramenta de fundo de poço utilizando as mesmas entradas ópticas foram comparadas com as medidas do densitômetro (curva 926) retiradas do mesmo trabalho de campo. Densitômetro é um sensor adicional baseado em vibração de tubo para medir a densidade de fluido da linha de fluxo e é frequentemente usado em conjunto com medições de sensores ópticos para caracterizar as propriedades de fluido de fundo de poço. No entanto, uma vez que o sensor do densitômetro tem limitações para distinguir a densidade da lama à base de óleo (OBM) e a densidade do óleo, sua aplicação na análise de contaminação de fluidos não é direta, e geralmente requer modelagem complexa e tempo de amostragem mais longo. Em contrapartida, a densidade real prevista de cada um dos sensores operacionais superior e inferior é mais sensível à variação da contaminação de fluidos relacionada ao OBM. Como resultado, em uma modalidade, a diferença entre a medição do densitômetro e a predição da densidade real pode ser usada como um índice de contaminação para o teste de campo relacionado com OBM. Pode ser observado a partir da FIG. 9A que, durante os estágios iniciais de análise em que está presente um filtrado significativo de OBM, pode observar-se uma grande diferença entre as medidas dos sensores operacionais e as medidas do densitômetro (ver abscissas na figura 9A por t <18000 segundos). A diferença, no entanto, torna-se menor e, eventualmente, reduz-se para perto de zero durante os estágios posteriores de análise, por exemplo, em cerca de 29000 segundos, nos quais podem ser obtidas amostras de fluidos relativamente livres de contaminação. Usando os modelos de fluido de sensor mestre para a predição de densidade real, é possível processar dados de campo existentes com diferentes ferramentas ópticas e incorporar predição de densidade real com medições de densitômetro disponíveis e outras informações e/ou resultados de laboratório através de modelagem orientada por dados para análise geral de contaminação.

[0051] FIG. 9B ilustra um gráfico de amostra que mostra os resultados da predição correspondente na concentração de metano. A diferença entre a concentração de metano conforme prevista pelos sensores operacionais superior e inferior pode ser utilizada para estimar a incerteza da padronização do sensor cruzado, que pode ser induzida por erro de calibração do algoritmo de padronização e / ou variação do sinal do sensor óptico após a calibração. A inconsistência das predições do sensor mestre usando respostas ópticas transformadas de sensores operacionais superiores e inferiores também pode indicar o estado multifásico na linha de fluxo quando os elementos sensores em diferentes sensores registram variações de sinal em constantes de tempo sincronizadas devido a respostas dinâmicas do sistema.

[0052] FIGS. 9C e 9D ilustram gráficos de amostra mostrando resultados de predição correspondente na concentração de ácidos saturados e concentração de aromáticos, respectivamente. Neste exemplo, as predições com respostas do sensor mestre do sensor operacional superior ou inferior da ferramenta de fundo de poço podem ser usadas para a tomada de decisão devido à sua similaridade. As predições finais também podem ser obtidas pela média das saídas das predições do sensor mestre a partir das entradas de sensores operacionais superiores e inferiores. Em referência às FIGS. 9B-9D, pode notar-se que a concentração de metano, sais e aromáticos constituem as composições primárias da amostra de óleo volátil, o que é consistente com a predição da densidade real e as medidas do densitômetro ilustradas na FIG. 9A.

[0053] FIG. 10 é um sistema de perfuração 1000 configurado para utilizar uma ferramenta óptica de fundo de poço de sensor duplo que inclui sensores operacionais superiores e inferiores 122 para modificar um parâmetro ou configuração de perfuração em uma operação de measurementwhile-drilling (MWD) e uma operação de logging-while-drilling (LWD) de acordo com as propriedades estimadas do furo de poço ou formação de fluidos. Furos de poço podem ser criados através da perfuração na terra 1002 usando o sistema de perfuração 1000. O sistema de perfuração 1000 pode ser configurado para direcionar uma composição de fundo (BHA) 1004 posicionada ou arranjada de outra forma no fundo de uma coluna de perfuração 1006 estendida na terra 1002 a partir de um guindaste 1008 arranjado na superfície 1010. O guindaste 1008 inclui um kelly 1012 e um bloco-catarina 1013 usado para baixar e levantar o kelly 1012 e a coluna de perfuração 1006.

[0054] O BHA (do inglês bottom hole assembly, conjunto de fundo de poço) 1004 pode incluir uma broca 1014 operativamente acoplada a uma coluna de ferramentas 1016 que pode ser movida axialmente dentro de um poço perfurado 1018 conforme afixado à coluna de perfuração 1006. Durante o funcionamento, a broca 1014 penetra na terra 1002 e cria, dessa forma, o poço 1018. O BHA 1004 provê controle direcional da broca 1014 conforme ela avança para dentro da terra 1002. A coluna de ferramentas 1016 pode ser montada de forma semipermanente com várias ferramentas de medição (não mostradas), tais como, mas não limitadas a, ferramentas de medição durante a perfuração (MWD) e de perfilagem durante a perfuração (LWD), as quais podem ser configuradas para fazer medições de fundo de poço de condições de perfuração. Em outras modalidades, as ferramentas de medição podem ser autocontidas no interior da coluna de ferramentas 116, como mostrado na FIG.10

[0055] O fluido ou "lama" de um tanque de lama 1020 pode ser bombeado para o fundo de poço usando uma bomba de lama 1022 alimentada por uma fonte de energia adjacente, tal como um motor principal ou motor 1024. A lama pode ser bombeada a partir do tanque de lama 1020, através de um tubo de suporte 1026, o qual alimenta a lama para a coluna de perfuração 1006 e transmite a mesma para a broca 1014. A lama sai a partir de um ou mais bocais arranjados na broca 1014 e, no processo, resfria a broca 1014. Depois de sair da broca 1014, a lama circula de volta para a superfície 1010 por meio do espaço anular definido entre o poço 1018 e a coluna de perfuração 1006 e, no processo, retorna cascalhos e detritos de perfuração à superfície. Os cascalhos e mistura de lama são passados através de uma linha de fluxo 1028 e são processados de modo que uma lama limpa é retornada para baixo através do tubo de suporte 1026 mais uma vez.

[0056] O BHA 1004 pode, além disso, incluir uma ferramenta óptica 1030 de fundo de poço de sensor duplo, semelhante às ferramentas do fundo de poço descritas acima. Mais particularmente, a ferramenta de fundo de poço de sensor duplo 1030 pode ter os sensores operacionais superior e inferior 122 (não ilustrados) dispostos no mesmo, e a ferramenta 1030 de fundo de poço pode ser calibrada antes de ser introduzida no poço de exploração 1018 usando o ensaio de validação do sensor geralmente descrito aqui . Com base nas predições fluidas em tempo real da ferramenta óptica, um ou mais parâmetros de perfuração, como direção de perfuração ou taxa de penetração, podem ser modificados.

[0057] A FIG. 11, ilustra um sistema de cabo elétrico de perfilagem 1100 que pode empregar um ou mais princípios da presente divulgação. Em algumas modalidades, o sistema de cabo elétrico de perfilagem 1100 pode ser configurado para usar uma ferramenta óptica de fundo de poço de sensor duplo, aqui descrita, para teste de formação e amostragem. Depois da perfuração do poço 1018 estar completa, pode ser desejável conhecer mais detalhes sobre os tipos de fluidos de formação e as características associadas através da amostragem com o uso do testador de formação de cabo elétrico de perfilagem. O sistema 1100 pode incluir uma ferramenta 1102 de fundo de poço que faz parte de uma operação de log de cabo elétrico de perfilagem que pode incluir os sensores operacionais superiores e inferiores exemplares, mostrados geralmente em 1104. O sistema 1100 pode incluir o guindaste 1008 que suporta o bloco-catarina 1013. A ferramenta 1102 do fundo de poço, tal como uma ferramenta de cabo elétrico de perfilagem, pode ser abaixada por cabo elétrico de perfilagem ou cabo de perfilagem 1106 no poço de exploração 1018. A ferramenta óptica 1102 de fundo de poço pode ser abaixada para a zona de produção potencial ou a região de interesse no poço de exploração 1018 e utilizada em conjunto com outros componentes do sistema tais como empacotadores, sondas e bombas para realizar testes e amostragem de poço. A ferramenta 1102 de fundo de poço pode ser configurada para medir propriedades de fluido dos fluídos de formação e quaisquer dados de medição gerados pela ferramenta 1102 do fundo de poço e seus sensores operacionais associados 1104 podem ser processados em tempo real para tomada de decisão, ou comunicados a uma instalação de perfuração em superfície 1108 para armazenamento, processamento e / ou análise.

[0058] FIG. 12 mostra um sistema de processamento ilustrativo 1200 para implementação das características e funções das modalidades descritas. Por exemplo, o sistema 1200 pode processar dados recebidos do sistema de análise de dados 134 na FIG. 1, controlar as ferramentas de fundo de poço 1030 e 1102 nas FIGs. 10 e 11 acima e pode implementar o método 600 descrito acima.

[0059] O sistema 1200 pode incluir um processador 1210, uma memória 1220, um dispositivo de armazenamento 1230 e um dispositivo de entrada / saída 1240. Cada um dos componentes 1210, 1220, 1230 e 1240 pode ser interligado, por exemplo, usando um barramento de sistema 1250. O processador 1210 pode estar processando as instruções para execução dentro do sistema 1200. Em algumas modalidades, o processador 1210 é um processador com uma única linha de execução, um processador com múltiplas linhas de execução ou outro tipo de processador. O processador 1210 pode ser capaz de processar instruções armazenadas na memória 1220 ou no dispositivo de armazenamento 1230. A memória 1220 e o dispositivo de armazenamento 1230 podem armazenar informações dentro do sistema de computador 1200.

[0060] O dispositivo de entrada/saída 1240 pode fornecer operações de entrada/saída para o sistema 1200. Em algumas modalidades, o dispositivo de entrada/saída 1240 pode incluir um ou mais dispositivos de interface de rede, por exemplo, uma placa de rede Ethernet, um dispositivo de comunicação em série, por exemplo, uma porta RS-232, e/ou um dispositivo de interface sem fio, por exemplo, um cartão 802.11, um modem sem fio 3G ou um modem sem fio 4G. Em algumas modalidades, o dispositivo de entrada/saída do dispositivo pode incluir dispositivos configurados para receber dados de entrada e enviar dados de saída para outros dispositivos de entrada/saída, por exemplo, um teclado, uma impressora e dispositivos de exibição 1260. Em algumas modalidades, dispositivos de computação móvel, dispositivos de comunicação móvel e outros dispositivos podem ser usados.

[0061] De acordo com pelo menos algumas modalidades, os métodos e sistemas divulgados relacionados a digitalização e análise de material podem ser implementados nos circuitos eletrônicos digitais ou em softwares, firmwares ou hardwares de computador, incluindo as estruturas divulgadas nesta especificação e seus equivalentes estruturais, assim como em combinações de um ou mais deles. O software de computador pode incluir, por exemplo, um ou mais módulos de instruções, codificados em meio de armazenamento legível por computador para execução por, ou para controlar a operação de, um aparato de processamento de dados. Exemplos de um meio de armazenamento legível por computador incluem meio não transitório, como dispositivos de memória de acesso aleatório (RAM), memória apenas para leitura dispositivos (ROM), dispositivos ópticos (por exemplo, CDs ou DVDs), e unidades de disco.

[0062] O termo "aparato de processamento de dados" abrange todos os tipos de aparatos, dispositivos e máquinas para processar dados, incluindo, a título de exemplo, um processador programável, um computador, um sistema em um chip, ou múltiplos ou combinações dos anteriores. O aparelho pode incluir circuitos de lógica de finalidade especial, por exemplo, um arranjo de portas programável em campo (field programmable gate array, FPGA) ou um circuito integrado de aplicação específica (application specific integrated circuit, ASIC). O aparelho também pode incluir, além do hardware, um código que cria um ambiente de execução para o programa de computador em questão, por exemplo, um código que constitui o firmware do processador, uma pilha de protocolo, um sistema de gerenciamento de banco de dados, um sistema operacional, um ambiente de tempo de execução multiplataforma, uma máquina virtual ou uma combinação de um ou mais deles. O aparelho e o ambiente de execução podem executar várias infraestruturas diferentes de modelos de computador, como serviços de rede, computação distribuída ou infraestruturas de computador em grade.

[0063] Um programa de computador (também conhecido como um programa, software, aplicativo de software, script ou código) pode ser escrito em qualquer forma de linguagem de programação, incluindo linguagens compiladas ou interpretadas, linguagens declarativas ou de procedimento. Um programa de computador pode, mas não precisa, corresponder a um arquivo em um sistema de arquivos. Um programa pode ser armazenado em uma parte de um arquivo que contém outros programas ou dados (por exemplo, um ou mais scripts armazenados em um documento de linguagem de marcação), em um único arquivo dedicado ao programa em questão ou em múltiplos arquivos coordenados (por exemplo, arquivos que armazenam um ou mais módulos, subprogramas ou porções de código). Um programa de computador pode ser executado em um computador ou em múltiplos computadores que estão localizados em um local ou distribuídos através de múltiplos locais e interligados por uma rede de comunicação.

[0064] Alguns dos processos e fluxos de lógica descritos neste relatório descritivo podem ser realizados por um ou mais processadores programáveis executando um ou mais programas de computador para realizar ações por meio da operação em dados de entrada e geração de saída. Os processos e fluxos lógicos também podem ser realizados por, e os aparelhos também podem ser implementados como circuitos lógicos de finalidade especial, por exemplo, um FPGA (arranjo de portas programável em campo) ou um ASIC (circuito integrado de aplicação específica).

[0065] Os processadores adequados para a execução de um programa de computador incluem, a título de exemplo, tanto microprocessadores de finalidade geral quanto especial e processadores de qualquer tipo de computador digital. Em geral, um processador receberá instruções e dados de uma memória somente de leitura ou de uma memória de acesso aleatório ou de ambas. Um computador inclui um processador para desempenhar ações de acordo com instruções e um ou mais dispositivos de memória para armazenar instruções e dados. Um computador também pode incluir ou ser operacionalmente acoplado para receber dados de ou transferir dados para, ou ambos, um ou mais dispositivos de armazenamento em massa para armazenamento de dados, por exemplo, discos magnéticos, discos ópticos magnéticos ou discos ópticos. Todavia, um computador pode não possuir tais dispositivos. Os dispositivos apropriados para armazenar instruções e dados de programa do computador incluem todas as formas de memória não-volátil, dispositivos de mídia e de memória, incluindo, por exemplo, dispositivos de memória semicondutores, (por exemplo, EPROM, EEPROM, dispositivos de memória flash e outros), discos magnéticos, (por exemplo, discos rígidos internos, discos removíveis e outros), discos ópticos magnéticos e discos de CD ROM e DVD-ROM. O processador e a memória podem ser suplementados por ou incorporados em circuitos de lógica de finalidade especial.

[0066] Para fornecer interação com o usuário, as operações podem ser implementadas em um computador com um dispositivo de visualização (por exemplo, um monitor ou outro tipo de dispositivo de visualização) para exibir informações ao usuário e um teclado e um dispositivo apontador (por exemplo, um mouse, uma trackball, um tablet, uma tela sensível ao toque ou outro tipo de dispositivo apontador), pelo qual o usuário pode fornecer dados para o computador. Outros tipos de dispositivos também podem ser utilizados para fornecer interação com um usuário; por exemplo, o feedback fornecido ao usuário pode ser qualquer forma de feedback sensorial, por exemplo, feedback visual, feedback auditivo ou feedback tátil; e a entrada do usuário pode ser recebida em qualquer forma, incluindo entradas acústica, de fala ou de entrada. Além disso, um computador pode interagir com um usuário através do envio de documentos e recepção de documentos a partir de um dispositivo que é usado pelo usuário; por exemplo, através do envio de páginas da web para um navegador da web no dispositivo do usuário em resposta às solicitações recebidas do navegador de web.

[0067] Um sistema de computador pode incluir um único dispositivo de computação ou múltiplos computadores que operam em proximidade ou geralmente remotamente entre si e tipicamente interagem através de uma rede de comunicação. Exemplos de redes de comunicação incluem uma rede de área local ("LAN") e uma rede de área ampla ("WAN"), uma inter-rede (por exemplo, a Internet), uma rede que compreende um link de satélite e redes peer-to-peer (por exemplo, redes peer-to-peer ad hoc). Uma relação entre cliente e servidor pode surgir em virtude de programas de computador executados nos respectivos computadores e com uma relação cliente-servidor entre si.

[0068] As modalidades divulgadas neste documento incluem: A. Um método que inclui a coleta de dados de medição usando um primeiro sensor operacional e um segundo sensor operacional de uma ferramenta de fundo de poço, padronizando respostas ópticas de cada sensor operacional a um sensor mestre em um espaço de parâmetros de ferramenta para obter uma resposta de sensor mestre padronizada, transformando resposta de sensor mestre padronizada em uma resposta de espaço de parâmetro sintético do sensor mestre, aplicando um modelo de fluido com a resposta de espaço de parâmetros sintéticos do sensor mestre para predizer uma característica de fluido, comparando uma primeira predição obtida com o modelo de fluido do primeiro sensor operacional com uma segunda predição obtida com o modelo de fluido a partir do segundo sensor operacional, determinando uma característica de fluido a partir da primeira predição e a segunda predição e otimizando uma operação de teste e amostragem de poço de acordo com a característica do fluido determinada.

[0069] B. Um método que inclui a determinação de predições de densidade combinadas de uma amostra de fluido usando modelos de fluido de sensor mestre, cada um de um primeiro sensor operacional e um segundo sensor operacional fornecendo uma respectiva predição de densidade real, calculando uma diferença entre as predições de densidade e as medidas obtidas a partir de um densitômetro, e estimando um índice de contaminação com base na diferença.

[0070] C. Um sistema que inclui uma ferramenta de fundo de poço configurada para ser posicionada em um poço de exploração para produção de petróleo e gás, a ferramenta de fundo de poço compreendendo um primeiro sensor operacional e um segundo sensor operacional, cada um coletando dados de medição do poço de exploração e um sistema de computador que compreende um processador e uma memória, o sistema de computador acoplado de forma comunicativa à ferramenta de fundo de poço para obter os dados de medição e a memória armazena um programa que, quando executado pelo processador, configura o processador para padronizar as respostas ópticas de cada sensor operacional a um sensor mestre em um espaço de parâmetros da ferramenta para obter uma resposta de sensor mestre padronizada, transformar a resposta do sensor mestre padronizada em uma resposta de espaço de parâmetro sintético do sensor mestre e aplicar um modelo de fluido com a resposta de espaço de parâmetros sintético do sensor mestre para predizer uma característica de fluido.

[0071] Cada uma das modalidades A, B e C pode ter um ou mais dos seguintes elementos adicionais em qualquer combinação: Elemento 1: compreendendo adicionalmente otimizar a resposta do sensor mestre padronizada obtida a partir do primeiro e segundo sensores operacionais de acordo com a primeira predição e a segunda predição. Elemento 2: em que o primeiro e segundo sensores operacionais são separados por uma linha de fluxo e estão posicionados a uma distância predeterminada um do outro, e o método compreende adicionalmente a coleta de dados de medição usando o primeiro e o segundo sensores operacionais com a mesma configuração e o design do elemento óptico, e padronizando as respostas ópticas ao sensor mestre com a mesma configuração e o design do elemento óptico como o primeiro e o segundo sensores operacionais. Elemento 3: em que o primeiro e segundo sensores operacionais são separados por uma linha de fluxo e estão posicionados a uma distância predeterminada um do outro, e o método compreende ainda a coleta de dados de medição usando o primeiro e o segundo sensores operacionais com diferentes configurações e projetos de elementos ópticos, e padronizando as respostas ópticas ao sensor mestre com uma configuração diferente e design do elemento óptico como primeiro e segundo sensores operacionais. Elemento 4: compreende adicionalmente a realização da padronização das respostas ópticas de cada sensor operacional ao sensor mestre no espaço de parâmetros de ferramenta e usando um algoritmo de transformação de rede neural de multi-entrada e multi-saída. Elemento 5: calibrar o algoritmo de transformação de rede neural multi- entrada, multi-saída em uma ou mais referências e padronizar as respostas ópticas de cada sensor operacional ao sensor mestre usando o algoritmo de transformação de rede neural de multi-entrada e multi-saída. Elemento 6: calibrar o algoritmo de transformação da rede neural de multi-entrada e multi- saída, utilizando respostas ópticas do primeiro e segundo sensores operacionais obtidos a partir de pelo menos um teste de laboratório e análise de simulação em temperaturas e pressões combinadas. Elemento 7: processamento de dados de calibração com correção de linha de base, normalização e correção ambiental e otimização do algoritmo de transformação da rede neural. Elemento 8: transformação da resposta do sensor mestre padronizada do espaço de parâmetros da ferramenta para o espaço de parâmetros sintéticos do sensor mestre usando um algoritmo de transformação de espaço cruzado do sensor mestre. Elemento 9: calibrar o algoritmo de transformação de espaço cruzado nos mesmos fluídos de referência utilizados para calibrar o algoritmo de transformação de redes neurais de múltiplos cruzamentos de multi-entrada e multi-saída e calcular respostas ópticas sintéticas do sensor mestre como um produto escalar de dados de espectroscopia de fluidos de referência e espectros de elementos de sensores ópticos do primeiro e segundo sensores operacionais na mesma faixa de comprimento de onda e medidos a temperaturas e pressões predeterminadas, seguidas de correção de linha de base e normalização de densidade neutra. Elemento 10: aplicação de uma pluralidade de modelos de fluido de sensor mestre, incluindo uma pluralidade de modelos candidatos específicos de analito com diferentes entradas transformadas de cada um dos primeiro e segundo sensores operacionais para cada predição de analito. Elemento 11: calibrar os modelos de fluido do sensor mestre com uma rede neural não linear ou um algoritmo linear de mínimos quadrados parciais em espaço de parâmetros sintéticos em uma pluralidade de amostras de fluidos de uma biblioteca de óleo padrão e usando respostas de sensores principais sintéticos como entradas de calibração candidatas, e mediu composições fluídicas e propriedades como saídas de calibração. Elemento 12: em que modelos de fluidos incluem múltiplos modelos candidatos para cada analito de fluido ou predição de propriedade, e o método compreende adicionalmente a determinação das entradas de calibração candidatas usando um algoritmo de seleção automática incluindo uma seleção de entrada do tipo stepwise backward ou uma seleção de entrada do tipo stepwise forward. Elemento 13: em que a comparação das primeiras e segundas predições compreende a obtenção das primeira e segunda predições usando as mesmas entradas para um fluido monofásico, determinando uma variação na primeira e segunda predições para um fluido multifase, estimando a contaminação do fluido na presença de um filtrado de lama à base de óleo e determinação de uma fase do fluido em uma linha de fluxo comparando uma diferença nas respostas ópticas registradas pelo primeiro e segundo sensores operacionais e medindo uma densidade do fluido, calculando um ponto de bolha do fluido, verificar uma capacitância fluida do fluido, ou verificar uma taxa de bombeamento do fluido. Elemento 14: em que os dados de medição coletados pela ferramenta do fundo de poço são otimizados usando rotinas de processamento ou pós- processamento em tempo real e a otimização inclui predições de sincronização do primeiro e segundo sensores operacionais, ajustando uma seleção de modelo de fluido e fornecendo estimativa autoconsistente usando pelo menos um dos primeiros e segundos sensores operacionais.

[0072] Elemento 15: em que a predição da densidade real é uma predição de densidade da amostra de fluido, incluindo um ou mais gases dissolvidos. Elemento 16: compreendendo adicionalmente a calibração dos modelos de fluidos para a predição da densidade real no banco de dados do sensor mestre sintético, sem usar uma densidade de fluido de referência medida pelo densitômetro como entrada. Elemento 17: compensar a diferença entre a predição da densidade real e a medição do densitômetro para a incerteza de predição e medições e uma alteração da taxa de bombeamento durante o teste de formação e amostragem. Elemento 18: calcular o índice de contaminação com um modelo pré-calibrado, em que os dados de calibração são obtidos a partir de diferentes ferramentas e processados usando sensor mestre com base em medidas de densitômetro disponíveis e resultados de laboratório conhecidos no índice de contaminação.

[0073] Elemento 19: em que o processador é adicionalmente configurado para otimizar a resposta do sensor mestre padronizada obtida dos primeiros e segundos sensores operacionais de acordo com uma primeira predição obtida com o modelo de fluido do primeiro sensor operacional e uma segunda predição obtida com o modelo de fluido a partir do segundo sensor operacional. Elemento 20: em que a característica de fluido é determinada comparando uma primeira predição obtida com o modelo de fluido do primeiro sensor operacional com uma segunda predição obtida com o modelo de fluido do segundo sensor operacional e o processador é adicionalmente configurado para ajustar um parâmetro de perfuração de acordo com a característica de fluido determinada.

[0074] A título de exemplo não limitativo, combinações exemplares aplicáveis a A: Elemento 4 com o Elemento 5; Elemento 5 com o Elemento 6; Elemento 6 com o Elemento 7; Elemento 5 com o Elemento 8; Elemento 8 com o Elemento 9; Elemento 10 com o Elemento 11; e Elemento 11 com o Elemento 12.

[0075] Portanto, os sistemas e métodos divulgados são bem adaptados para atingir as finalidades e vantagens mencionadas, bem como aquelas que são inerentes às mesmas. As modalidades em particular divulgadas acima são somente ilustrativas, uma vez que os ensinamentos da presente divulgação podem ser modificados e praticados de maneiras diferentes, mas equivalentes, aparentes àqueles versados na técnica com o benefício dos ensinamentos deste documento. Além disso, nenhuma limitação é destinada aos detalhes de construção ou projeto mostrados neste documento, a não ser aquelas descritas nas reivindicações abaixo. É, portanto, evidente que as modalidades ilustrativas em particular divulgadas acima podem ser alteradas, combinadas ou modificadas e todas as tais variações são consideradas dentro do escopo da presente divulgação. Os sistemas e métodos divulgados de forma ilustrativa neste documento podem ser adequadamente praticados na ausência de qualquer elemento que não esteja especificamente divulgado neste documento e/ou qualquer elemento opcional divulgado neste documento. Embora as composições e métodos sejam descritos em termos de “compreendendo”, “contendo” ou “incluindo” vários componentes ou etapas, as composições e métodos também podem “consistir essencialmente em” ou “consistir em” vários componentes e etapas. Todos os números e intervalos divulgados acima podem variar em alguma quantidade. Sempre que um intervalo numérico com um limite inferior e um limite superior for divulgado, qualquer número e qualquer intervalo incluso que é esteja dentro do intervalo seja especificamente divulgado. Em particular, todos os intervalos de valores (da forma "de cerca de a à cerca de b" ou, de forma equivalente, "de aproximadamente a à b", ou, de forma equivalente, "de aproximadamente a- b") divulgados neste documento devem ser entendidos como estabelecendo todo número e intervalo englobado dentro do intervalo de valores mais amplo. Além disso, os termos nas reivindicações têm seu significado simples e comum, a menos que explicitamente e claramente definido de outra forma pelo titular da patente. Além disso, os artigos indefinidos "um" ou "uma", como utilizados nas reivindicações, são definidos neste documento para significar um ou mais do que um dos elementos que eles apresentam. Se houver qualquer conflito nos usos de uma palavra ou termo neste relatório descritivo e em uma ou mais patentes ou outros documentos que possam estar incorporados neste documento por referência, as definições que forem consistentes com este relatório descritivo devem ser adotadas.

[0076] Como usada neste documento, a frase "pelo menos um dentre" precedendo uma série de itens, com os termos "e" ou "ou" para separar qualquer um dos itens, modifica a lista como um todo, em vez de cada membro da lista (ou seja, cada item). A frase "pelo menos um dentre" permite um significado que inclui pelo menos um dentre qualquer um dos itens e/ou pelo menos um dentre qualquer combinação dos itens, e/ou pelo menos um dentre cada um dos itens. A título de exemplo, as frases "pelo menos um dentre A, B e C" ou "pelo menos um dentre A, B ou C" se referem, cada uma, somente a A, somente a B ou somente a C; qualquer combinação de A, B e C; e/ou pelo menos um dentre cada um de A, B e C.

Claims

1. Método de processamento de dados ópticos, caracterizado pelo fato de que compreende: coletar respostas ópticas usando um primeiro sensor operacional e um segundo sensor operacional de uma ferramenta de fundo de poço; padronizar as respostas ópticas de cada sensor operacional para um terceiro sensor em um espaço de parâmetro de ferramenta para obter respostas ópticas padronizadas correspondentes; transformar as respostas ópticas padronizadas em respostas ópticas de espaço paramétrico sintético correspondentes do terceiro sensor; aplicar um modelo de fluido a cada uma das respostas ópticas de espaço paramétrico sintético do terceiro sensor para determinar uma primeira característica de fluido; comparar uma primeira predição da primeira característica de fluido obtida com o modelo de fluido do primeiro sensor operacional com uma segunda predição da primeira característica de fluido obtida com o modelo de fluido do segundo sensor operacional; e determinar uma segunda característica de fluido com base em uma comparação da primeira predição e da segunda predição; e otimizar uma operação de teste e amostragem de poço de acordo com a segunda característica de fluido determinada.

2. Método de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda otimizar as respostas ópticas padronizadas obtidas do primeiro e do segundo sensores operacionais de acordo com a primeira predição e a segunda predição.

3. Método de acordo com a reivindicação 1, caracterizado pelo fato de que o primeiro e o segundo sensores operacionais são separados por uma linha de fluxo e estão posicionados a uma distância predeterminada um do outro, e o método compreende ainda: obter as respostas ópticas usando o primeiro e o segundo sensores operacionais tendo configuração semelhante e projeto de elemento óptico; e padronizar as respostas ópticas para o terceiro sensor tendo configuração semelhante e design de elemento óptico como o primeiro e o segundo sensores operacionais.

4. Método de acordo com a reivindicação 1, caracterizado pelo fato de que o primeiro e o segundo sensores operacionais são separados por uma linha de fluxo e estão posicionados a uma distância predeterminada um do outro, e o método compreende ainda: obter as respostas ópticas usando o primeiro e o segundo sensores operacionais com diferentes configurações e designs de elementos ópticos; e padronizar as respostas ópticas para o terceiro sensor tendo uma configuração diferente e design de elemento óptico como o primeiro e o segundo sensores operacionais.

5. Método de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda realizar a padronização das respostas ópticas de cada sensor operacional para o terceiro sensor em um espaço de parâmetro de ferramenta usando um algoritmo de transformação de rede neural de múltiplas entradas e múltiplas saídas.

6. Método de acordo com a reivindicação 5, caracterizado pelo fato de que compreende ainda: calibrar o algoritmo de transformação de rede neural de múltiplas entradas e múltiplas saídas em um ou mais fluidos de referência; padronizar as respostas ópticas de cada sensor operacional para o terceiro sensor usando o algoritmo de transformação de rede neural de múltiplas entradas e saídas; e calibrar o algoritmo de transformação de rede neural de múltiplas entradas e múltiplas saídas usando as respostas ópticas do primeiro e do segundo sensores operacionais obtidos a partir de pelo menos um de teste de laboratório e análise de simulação em temperaturas e pressões correspondentes.

7. Método de acordo com a reivindicação 6, caracterizado pelo fato de que compreende ainda: processar dados de calibração com correção de linha de base, normalização e correção ambiental; otimizar o algoritmo de transformação de rede neural de múltiplas entradas e múltiplas saídas; e transformar as respostas ópticas padronizadas do espaço de parâmetros da ferramenta em um espaço de parâmetros sintéticos do terceiro sensor usando um algoritmo de transformação de espaço cruzado do terceiro sensor.

8. Método de acordo com a reivindicação 7, caracterizado pelo fato de que compreende ainda: calibrar o algoritmo de transformação de espaço cruzado em um ou mais fluidos de referência usados para calibrar o algoritmo de transformação de redes neurais de sensor cruzado de múltiplas entradas e múltiplas saídas; e cálcular respostas ópticas sintéticas do terceiro sensor como um produto escalar de dados de espectroscopia de um ou mais fluidos de referência e espectros de elementos de sensores ópticos do primeiro e segundo sensores operacionais ao longo do mesmo intervalo de comprimento de onda e medido em temperaturas e pressões predeterminadas, seguido por correção de linha de base e normalização de densidade neutra.

9. Método de acordo com a reivindicação 1, caracterizado pelo fato de que a aplicação do modelo de fluido compreende a aplicação de uma pluralidade de modelos de fluido de terceiro sensor, incluindo uma pluralidade de modelos candidatos específicos de analito com diferentes entradas transformadas de cada um dos primeiro e segundo sensores operacionais para cada previsão de analito.

10. Método de acordo com a reivindicação 9, caracterizado pelo fato de que compreende ainda: calibrar a pluralidade de modelos de fluido de terceiro sensor com uma rede neural não linear ou um algoritmo de mínimo quadrado parcial linear em um espaço de parâmetro sintético em uma pluralidade de amostras de fluido de uma biblioteca de óleo padrão; e usar respostas ópticas sintéticas do terceiro sensor como entradas de calibração candidatas e composições e propriedades de fluidos medidas como saídas de calibração.

11. Método de acordo com a reivindicação 10, caracterizado pelo fato de que a pluralidade de modelos de fluido de terceiro sensor inclui vários modelos candidatos para cada analito de fluido ou predição de propriedade, e o método compreende ainda determinar as entradas de calibração candidatas usando um algoritmo de seleção automática incluindo pelo menos um de um para trás seleção de entrada stepwise e uma seleção de entrada stepwise para frente.

12. Método de acordo com a reivindicação 1, caracterizado pelo fato de que a comparação da primeira e da segunda predições compreende: obter a primeira e a segunda predições usando as mesmas entradas para um fluido de fase única; determinar uma variação na primeira e na segunda previsões para um fluido multifásico; estimar a contaminação de fluido na presença de um filtrado de lama à base de óleo; e determinar uma fase de um fluido em uma linha de fluxo comparando uma diferença nas respostas ópticas registradas pelo primeiro e segundo sensores operacionais e por pelo menos um dentre medir uma densidade do fluido, calcular um ponto de bolha do fluido, verificar um fluido capacitância do fluido e verificação de uma taxa de bombeamento do fluido.

13. Método de acordo com a reivindicação 1, caracterizado pelo fato de que as respostas ópticas obtidas de cada sensor operacional obtido pela ferramenta de fundo de poço são otimizadas usando pelo menos uma das rotinas de processamento e pós-processamento em tempo real, em que a otimização das respostas ópticas inclui: sincronizar as previsões do primeiro e do segundo sensores operacionais; ajustar uma seleção de modelo de fluido; e fornecer estimativa autoconsistente usando pelo menos um dentre o primeiro e o segundo sensores operacionais.

14. Sistema de processamento de dados ópticos, caracterizado pelo fato de compreender: uma ferramenta de fundo de poço configurada para ser posicionada em um furo de poço para produção de petróleo e gás, a ferramenta de fundo de poço compreendendo um primeiro sensor operacional e um segundo sensor operacional, em que cada sensor é configurado para obter respostas ópticas do furo de poço; e um sistema de computador que compreende um processador e uma memória, o sistema de computador acoplado comunicativamente à ferramenta de fundo de poço para obter as respostas ópticas e a memória armazena um programa que, quando executado pelo processador, configura o processador para: padronizar as respostas ópticas de cada sensor operacional para um terceiro sensor em um espaço de parâmetros de ferramenta para obter respostas ópticas padronizadas correspondentes; transformar as respostas ópticas padronizadas para respostas ópticas de espaço paramétrico sintético correspondentes do terceiro sensor; e aplicar um modelo de fluido com cada uma das respostas ópticas de espaço paramétrico sintético do terceiro sensor para prever uma característica de fluido.

15. Sistema de acordo com a reivindicação 14, caracterizado pelo fato de que o processador é ainda configurado para otimizar as respostas ópticas padronizadas obtidas do primeiro e do segundo sensores operacionais de acordo com uma primeira predição obtida com o modelo de fluido do primeiro sensor operacional e uma segunda predição obtida com o modelo de fluido do segundo sensor operacional e o processador é ainda configurado para ajustar um parâmetro de perfuração de acordo com a característica de fluido prevista.