BRPI0501232B1 - Method for determining a property of fluids in formations located around a perforated hole in the soil - Google Patents

Abstract

"método para determinação de uma propriedade de fluidos em formações localizadas em torno de um furo perfurado no solo". trata-se de um método para determinação de uma propriedade de fluidos em formações geológicas localizadas em torno de um furo perfurado no solo, que inclui as seguintes etapas: produção, a partir de medições realizadas em uma multiplicidade de amostras de fluido, de uma base de dados de valores de treinamento de propriedades de fluido armazenados relativamente a valores treinamento de medição de fluido armazenados; derivação, da base de dados, de parâmetros de função de base radial; derivação de valores de medição de fluido de formação geológica; e determinação, mediante uso de interpolação de função de base radial, da propriedade de fluidos de formação geológica a partir de valores armazenados na base de dados, dos parâmetros, e dos valores derivados de medição de fluido de formação geológica.

Description

MÉTODO PARA DETERMINAÇÃO DE UMA PROPRIEDADE DE FLUIDOS EM FORMAÇÕES LOCALIZADAS EM TORNO DE UM FURO PERFURADO NO SOLO

CAMPO DA INVENÇÃO A presente invenção refere-se a técnicas para determinação de propriedades de formações localizadas em torno de um furo perfurado no solo, e principalmente, refere-se a uma técnica para determinação de propriedades de fluidos de formações geológicas. A invenção pode ser utilizada, por exemplo, para determinação de viscosidade e/ou composição molecular de óleos crus utilizando medições de ressonância magnética nuclear (RMN) feitas em amostras de óleo bruto adquiridas em condições de jazida por uma ferramenta de amostragem de interior de poço.

ANTECEDENTES DA INVENÇÃO

As ferramentas de amostragem de fluidos de formações no interior de poços, freqüentemente designadas como ferramentas de teste de formação, operam captando, e por vezes testando, amostras de fluido de formações geológicas. Podem ser realizadas medições úteis nestas amostras de fluido enquanto a ferramenta se encontra no interior de um poço, e/ou em amostras que são capturadas e trazidas para a superfície do poço.

Quando uma amostra de fluido é obtida em uma zona que contém hidrocarbonetos, pode ser muito útil determinar propriedades da amostra de hidrocarboneto, por exemplo relativamente a viscosidade e/ou composição molecular.

Entretanto, as técnicas existentes têm limitações quanto a sua capacidade de determinação destas propriedades. Por exemplo, a viscosidade pode ser prevista com base no amortecimento das vibrações de um instrumento mecânico, porém essas medições no interior de poços requerem que o dispositivo opere em um ambiente difícil que não contribui para uma operação confiável e precisa do dispositivo. Uma ferramenta de ressonância magnética nuclear (RMN) pode ser empregada em uma ferramenta de teste de formação (vide, por exemplo, a patente norte-americana n° 6.111.408), e as medições de RMN em fluidos de formações podem proporcionar informações a partir das quais podem ser inferidas propriedades dos fluidos. Devido ao fato de os fluidos de petróleo serem misturas complexas que contêm muitos diferentes tipos de moléculas de hidrocarbonetos, é difícil fazer uma previsão correta de viscosidade e composição para valores arbitrários de temperatura (Γ) e pressão (P) . Uma abordagem consiste na utilização de correlações ou modelos físicos que associam a propriedade física sendo prevista com medições de RMN utilizando uma equação que contém parâmetros determinados empiricamente.

Um exemplo de uma técnica para previsão de viscosidade de fluidos de formação com base em medições de RMN de distribuições de coeficiente de difusão (D) e tempo de relaxação (TI e T2) é baseado em correlações empíricas (ver Morriss e outros, SPWLA Annual Transactions, páginas 1-24, 19-22 de junho de 1994; Freedman e outros, SPE

Journal (75325), dezembro de 2001; Lo e outros, SPE Journal (77264), março de 2002). As correlações associam as médias logarítmicas das distribuições à viscosidade utilizando constantes determinadas empiricamente. A precisão das viscosidades previstas com bases nestas correlações é limitada por três fatores: (1) o formato detalhado das distribuições não é levado era conta (2) as constantes empíricas utilizadas nas correlações não são universais e podem variar em até um fator de dois para diferentes óleos e (3) a forma assumida para as equações de correlação não é estritamente precisa. A composição molecular pode ser muito vagamente estimada em ferramentas de amostragem de fluido de interior de poço mediante utilização de medições óticas de densidade como função de comprimento de onda para radiação na região próxima de infravermelhos (vide Fujisawa e outros, SPE 84092, apresentado no encontro SPE ATCE em 2003). A técnica usa análise de regressão de componente principal para previsão de agrupamentos moleculares, isto é, Ci, C2 - C5, e Cg+. Foram propostos modelos paramétricos de base física para previsão de composição molecular de óleos crus a partir de medições de RMN de distribuições de coeficiente de difusão e tempo de relaxação (vide Heaton e Freedman, Publicação de Patente Norte-Americana n° 2003—0128032 —A1). Entretanto, é difícil utilizar modelos físicos para dar conta adequadamente de diferentes formatos moleculares (por exemplo, moléculas de hidrocarbonetos aromáticos e alifáticos), efeitos de pressão e temperatura, e gases dissolvidos.

Entre os objetivos da presente invenção conta-se a provisão de um método para determinação de características de fluidos de formações geológicas que permita superar as deficiências das abordagens da técnica anterior.

SUMÁRIO DA INVENÇÃO A presente invenção refere-se a um método para determinação de uma propriedade de fluidos em formações que circundam um furo de poço no solo. Uma configuração do método da invenção inclui as seguintes etapas: produção, a partir de medições realizadas em uma multiplicidade de amostras de fluido, de uma base de dados de valores de treinamento de propriedades de fluidos armazenados referentes a valores de treinamento de medições de fluidos armazenados; derivação, a partir dessa base de dados, de parâmetros de função de base radial, tais como peso e largura; derivação de valores de medição de fluidos de formação; e determinação, utilizando interpolação de função de base radial, da referida propriedade de fluidos de formação a partir de valores na referida base de dados, dos referidos parâmetros, e dos referidos valores de medições de fluidos de formação derivados.

Em uma configuração preferencial da invenção, a etapa de derivação, da referida base de dados, de parâmetros de peso e largura de função de base radial, compreende a produção de uma função de mapeamento de função de base radial; produção de uma função de custo utilizando valores da base de dados e a função de mapeamento; e minimização da referida função de custo para determinação dos referidos parâmetros de pelo e de largura.

Em uma configuração da invenção, a referida etapa de produção, a partir de medições realizadas em uma multiplicidade de amostras de fluido, de uma base de dados de valores de treinamento de propriedades de fluidos armazenados referentes a valores de treinamento de medições de fluidos armazenados, compreende a produção de uma base de dados de valores de treinamento de viscosidades de fluidos armazenados referentes a valores de treinamento de ressonância magnética nuclear de fluidos armazenados, e em que a referida etapa de derivação de valores de medições de fluidos de formação compreende derivação de valores de medições de ressonância magnética nuclear de fluidos obtidos por amostragem das referidas formações, e em que a referida etapa de determinação da referida propriedade de fluidos de formação compreende a determinação da viscosidade de fluidos da formação.

Em outras configurações da invenção, a propriedade determinada de fluidos da formação compreende a razão entre gás e óleo dos fluidos da formação, a composição molecular dos fluidos da formação, a densidade de fluido dos fluidos da formação ou a pressão de ponto de borbulhamento dos fluidos da formação. A invenção encontra uma aplicação vantajosa nos assim designados dispositivos de perfilagem de poço de teste de formação acionados por cabo de perfuração ("wireline") que retiram fluidos de formações geológicas, mas pode igualmente ser empregada em outros ambientes, dos quais constituem exemplos as operações de medição durante a perfuração ou medição durante manobras de coluna no poço.

Características e vantagens adicionais da invenção irão tornar-se mais prontamente aparentes com base na descrição detalhada que se encontra a seguir quando considerada em combinação com os desenhos em anexo.

BREVE DESCRIÇÃO DOS DESENHOS A Figura 1 é um diagrama, parcialmente na forma de blocos, de um dispositivo de perfilagem de teste de formação de um tipo que pode ser utilizado para prática de configurações da invenção. A Figura 2 ilustra um corte axial de uma parte de um dispositivo de RMN de linha de fluxo que pode ser utilizado para prática de configurações da invenção. A Figura 3 é um diagrama de distribuições de teste e treinamento de um exemplo simplificado com interpolaçâo. A Figura 4 é um diagrama de interpolaçâo de função de base radial ilustrativa para três diferentes parâmetros de largura.

As Figuras 5A e 5B constituem um diagrama de fluxo das etapas de uma rotina para a prática de uma configuração da invenção.

As Figuras 6A e 6B constituem um diagrama de fluxo de uma rotina para o bloco 510 da Figura 5, referente à aquisição de uma base de dados de medições de entrada-saída ("input-output"). A Figura 7 é um gráfico de amplitude com função de T2 de distribuições de teste e treinamento para um exemplo. A Figura 8 ilustra, para os dados do exemplo da Figura 7, a viscosidade prevista para cada distribuição de teste utilizando a equação (8) em comparação com a viscosidade real computada da equação (6).

As Figuras 9A-P ilustram gráficos de distribuições de T2 para dezesseis amostras da Tabela 1 utilizadas em um exemplo. A Figura 10 ilustra um gráfico de viscosidade prevista, utilizando uma abordagem de uma configuração da invenção, em comparação com a viscosidade de medição para 0 exemplo que utiliza as dezesseis amostras da Tabela 1. A Figura 11 ilustra um gráfico de viscosidade prevista, utilizando uma abordagem da técnica anterior, em comparação com a viscosidade medida para 0 exemplo que utiliza as dezesseis amostras da Tabela 1. A Figura 12A ilustra um gráfico de composição molar em comparação com peso molecular para composições reais em comparação com composições previstas para um exemplo utilizando dados simulados.

As Figuras 12bl-16 ilustram gráficos, para cada uma das dezesseis amostras do exemplo, de composição molar em comparação com número de átomos de carbono, tanto para composições previstas quanto para composições laminares de líquido por cromatografia de gás (CG).

As Figuras 13A-P ilustram gráficos de somas de janela normalizadas para as dezesseis amostras do exemplo.

As Figuras 14A-P ilustram gráficos de porcentagem molar em comparação com número de átomos de carbono, tanto para composições previstas quanto para composições laminares de líquido obtidas por cromatografia de gás (CG). Neste caso, as composições previstas são baseadas em soma de janela normalizada.

DESCRIÇÃO DETALHADA A Figura 1 ilustra o furo de poço 32 que foi perfurado, de uma maneira conhecida, com utilização de equipamentos de perfuração, e com utilização de uma lama ou fluido de perfuração que produziu como resultado uma torta de lama representada com o numeral 35. Um dispositivo ou aparelho de teste de formação 100 encontra-se ilustrado, e pode ser utilizado para prática de configurações da invenção. O aparelho 100 é suspenso no interior do furo perfurado 32 por meio de um cabo blindado de múltiplos condutores 33, cuja extensão determina substancialmente a profundidade do dispositivo 100. Um aparelho conhecido de aferição de profundidade (não exibido) é provido para medir o deslocamento do cabo sobre uma roda de polia (não exibido) e portanto a profundidade do dispositivo de perfílagem 100 no interior do furo perfurado 32. Circuitos 51, ilustrados na superfície muito embora partes dos mesmos possam tipicamente encontrar-se no interior do poço, representam circuitos de controle e comunicação para o aparelho de investigação. Também se encontram ilustrados, localizados na superfície, um processador 50 e um dispositivo de registro 90. A ferramenta 100 possui um corpo alongado 105 que envolve a parte de interior de poço do aparelho, controles, câmaras, meios de medição, etc. Um ou mais braços 123 podem ser montados em pistões 125 que se estendem, por exemplo sob controle da superfície, para assentamento da ferramenta. O dispositivo inclui um ou mais módulos sensores, cada um dos quais inclui um conjunto sensor 210 que é móvel com um atuador de sensor (não ilustrado separadamente) e inclui um sensor (não ilustrado separadamente) que é deslocado para o lado de fora para entrar em contato com a parede do furo perfurado, furando a torta de lama e comunicando com as formações. Os equipamentos e métodos para obtenção de medições de pressão e para realização de amostragem de fluidos de formações geológicas são conhecidos na técnica, e o dispositivo de perfilagera 100 é provido com estes recursos conhecidos. Poderá ser feita referência, por exemplo, às patentes norte-americanas n° 3.934.468, n° 4.860.581, e n° 6.346.813.

Os serviços modernos disponíveis comercialmente que utilizam, por exemplo, um dispositivo modular de teste de dinâmica de formação geológica ("MDT" - marca comercial da empresa Schlumberger), podem proporcionar uma variedade de medições e amostras, já que a ferramenta é modularizada e pode ser configurada de várias maneiras. Exemplos de alguns dos módulos empregados neste tipo de ferramenta incluem os seguintes: É geralmente provido um módulo de alimentação de energia elétrica. Ele não possui uma linha de fluxo ou barramento hidráulico, e ficará tipicamente localizado no primeiro módulo (módulo de topo) da coluna. Um módulo de energia hidráulica fornece energia hidráulica para todos os módulos que requererem a mesma, e essa energia pode ser propagada através de um barramento hidráulico. Módulos de sensor, que podem consistir em sensores únicos ou pluralidade de sensores, incluem pistões destinados a promoverem o contato do(s) sensor(es) em comunicação fluida com as formações. Os módulos de amostragem contêm câmaras de amostragem para coleta de amostras de fluidos de formação, e podem ser ligados diretamente a pontos de amostragem ou podem ser ligados através de uma linha de fluxo. Um módulo de bombeamento de extração pode ser utilizado para purga de fluidos indesejáveis. Um módulo analisador emprega análise ótica para identificação de determinadas características de fluídos. As técnicas de análise de fluidos são descritas, por exemplo, na patente norte-americana n° 6.178.815 concedida a Felling e outros, e/ou na patente norte-americana n° U4.994.671 concedida a Safinya e outros. São igualmente providos recursos para medição de temperatura e pressão. Um módulo de tampão ("packer module") inclui elementos de tampão ("packer") inflável que podem vedar a circunferência do furo perfurado ao longo da extensão dos elementos de tampão. Utilizando os anteriores e outros tipos de módulos, a ferramenta pode ser configurada para realizar diversos tipos de funções.

Conforme se encontra ilustrado na Figura 1, a ferramenta de interior de poço é uma ferramenta operada por cabo de perfuração ("wireline"). Entretanto, deverá ser apreciado que uma variedade de ferramentas de interior de poço poderão ser utilizadas relativamente à presente invenção. Por exemplo, ferramentas de perfuração de interior de poço, tubagem espiralada, ferramentas de teste de coluna de perfuração ou outras ferramentas adaptadas para recolha de fluido nas mesmas poderão ser igualmente ser utilizadas. A presente configuração são utilizadas medições de RMN de linha de fluxo que podem ser obtidas com equipamentos do tipo divulgado na patente norte-americana n° 6.346.813. Conforme é ali descrito, e ilustrado na Figura 2, o fluido captado da formação flui através de um canal de fluxo 221. 0 canal é definido por um tubo metálico de parede espessa 224 capaz de suportar a pressão da formação. Na seção instrumentada para RMN da linha de fluxo, o canal é definido pelo diâmetro interno de um suporte de antena 222. 0 suporte de antena é feito de um material não magnético não condutor, por exemplo de cerâmica ou de um material polimérico duro. Muito embora a Figura 1 ilustre medições de RMN, deverá ser apreciado que podem ser realizadas uma variedade de medições, tais como óticas, de faixa próxima de infravermelhos, de infravermelhos, acústicas, sônicas, de raios-X, de resistividade, de microondas e outras medições físicas ou parâmetros. A antena de RMN 223 é embutida no suporte de antena, e irradia um campo magnético na freqüência de Larmor. Este campo magnético irradiado é convencíonalmente designado como Bi. A antena de RMN pode consistir em uma bobina de solenóide que gera um campo magnético oscilante paralelo ao eixo geométrico do canal de fluxo. 0 suporte da antena é envolvido por uma parte alargada do tubo de metal de parede espessa 224, de forma a não obstruir o canal de fluxo 221. 0 tubo 224 e o suporte de antena 222 são capazes de conter os fluídos de alta pressão da formação no interior do canal de fluxo. Os campos magnéticos de alta freqüência não conseguem penetrar em metais, e portanto a antena de RMN é disposta no interior do tubo metálico da linha de fluxo. Um conjunto de magnetos permanentes 225 é disposto do lado de fora do tubo metálico de parede espessa. Estes magnetos criam um campo magnético constante, convencionalmente designado como Bo, substancialmente perpendicular ao campo Bi gerado pela antena. 0 aparelho de RMN inteiro é envolvido em um alojamento de sonda 226 que pode ser acoplado a outros alojamentos similares em urna coluna de ferramentas. Podem igualmente ser providas bobinas de gradiente (não ilustradas) para propósitos de realização de medições de gradiente de campo pulsado de coeficiente de difusão e outras quantidades.

Conforme é conhecido na técnica, as medições obtidas com equipamentos de RMN podem ser processadas convencionalmente para obtenção de quantidades incluindo densidade de momento cinético total ("spin density") (proporcional à amplitude do sinal de RMN), tempos Ta de relaxação longitudinal e tempos T2 de relaxação transversal, e suas distribuições, bem como coeficientes de difusão e suas distribuições.

Será agora descrita uma parte da teoria utilizada na invenção. Considere-se um problema de previsão de propriedades de fluido a partir de uma base de dados de exemplos de treinamento. 0 problema pode ser proposto como um problema de regressão multivaríável nâo-linear. Dado um conjunto de dados de entrada x,eRm (isto é, xt são vetores reais n-dimensionais) e um conjunto de saídas correspondentes yí eiT para i = 1,2,...N em que N é um número de amostras na base de dados, determinar uma função F(x) de tal forma que, (D para cada par de entrada-saída em que ε, são erros de medição aleatórios. Utilizando a teoria de interpolaçao de função de base radial (S. Haykin, Neural Networks: A Comprehensive Foundation, Segunda Edição, Capítulo 5) a função F pode ser escrita da seguinte forma (2) em que {#>( x-f/|) j = l,2,...,N}é um conjunto de funções não lineares designadas como funções de base radial. A notação de barra dupla ||·Ι! indica uma norma que é habitualmente uma norma L2. Os dados de entrada na base de dados são os centros das funções de base radial e ^jeRnj = são um conjunto de vetores de peso selecionados de tal forma que as equações de regressão na Eq. (1) sejam atendidas. Micchelli ("Interpolation of Scattered Data: Distance Matrices and Conditionally Positive Definite Functions", Constructive Approximation, v. 2, págs. 11 - 22, 1986) provou que a matriz Φ de interpolação de N-por-N com φ( x,-x, ) elementos é definida positiva para funções multiquádricas inversas e Gaussianas de tal forma que as equações de regressão têm uma solução bem definida na forma dada pela Eq. 2. No desenvolvimento a seguir são utilizadas funções de base radial Gaussianas multivariáveis normalizadas para ilustração de um método aqui referido e para reescrever a Eq. (2) na forma (3) Na Eq. 3 as larguras (σ j) das Gaussianas são parâmetros que, tal como os vetores de peso Wj , podem ser determinados mediante minimização de uma função de custo.

Em aplicações práticas, são muitas vezes obtidos bons resultados mediante utilização de uma única largura (cr} para as funções de base radial Gaussianas. Simílarmente, é por vezes útil selecionar um sub-grupo dos dados da base de dados de entrada para constituírem os centros das funções de base radial. Pode ser feita referência a S. Haykin, supra, que discute diversos métodos para seleção criteriosa dos parâmetros de largura e centros.

Uma compreensão intuitiva de como a Eq. 3 pode ser utilizada para previsão de saídas corretas de entradas que não se encontram na base de dados de treinamento pode ser obtida mediante consideração do Estimador de Regressão Nadaraya-Watson (Nadaraya-Watson Regression Estimator -NWRE) (vide, por exemplo, S. Haykin, supra). A equação para o NWRE ou função de mapeamento tem a mesma forma da Eq. 3 porém o vetor de peso é substituído pelas saídas de base de dados e é utilizado um parâmetro de largura único, isto é, (4) Pode ser observado que a Eq. 4 satisfaz as condições de regressão da Eq. 1 desde que as sobreposições das funções Gaussianas sejam negligenciáveis. No limite de um valor muito elevado de σ, F(x) aproxima-se do valor de média de amostra de todas as saídas. No limite de um valor muito reduzido de σ, F(x) aproxima-se do valor de saída yl correspondente à entrada xi mais próxima de x . Deverá ser observado que o estimador consiste na média ponderada das observações e portanto as estimativas são limitadas pelos valores de amostra observados. 0 NWRE pode igualmente ser construído com utilização de funções não-Gaussianas (vide, por exemplo, D. F. Sprecht, IEEE Trans. on Neural Networks, vol. 2, n° 6, Nov. 1991). Um simples exemplo de Sprecht, supra, demonstra o poder da interpolação de função de base radial mesmo para uma base de dados de entrada-saída esparsa. A Figura 3 mostra a interpolação de uma função em forma de rampa linear (linha cheia) determinada a partir de um conjunto de cinco pares de entrada-saída (triângulos).

Os círculos são as saídas previstas (F(x)) para determinadas entradas (x). A Figura 4 ilustra a sensibilidade a diferentes parâmetros de largura.

É obtida uma aproximação melhor que no caso do NWRE se for utilizado um vetor de peso n-dimensional (Wt) determinado a partir de uma minímízação da função de custo, para substituição dos vetores de saída da Eq. 4. A função de custo é, (5) A função de custo pode ser minimizada tanto relativaraente aos pesos quanto relativamente ao parâmetro de largura. Alternativamente, a minimização pode ser realizada com utilização de valores fixos diferentes do parâmetro de largura com o valor ideal sendo aquele que proporciona o valor mínimo para a função de custo. Será evidente que pode ser utilizada uma função de custo mais geral para determinação de valores ideais dos centros, larguras, e pesos na Eq. 3 (vide, por exemplo, Haykin, supra, Capítulo 5).

De acordo com um aspecto neste caso, a interpolação de função de base radial pode ser utilizada para previsão de estimativas de viscosidade mais precisas que as correlações existentes. As correlações empíricas utilizadas pelos métodos existentes (vide, por exemplo, Freedman e outros, supra) serão examinadas em primeiro lugar. Os métodos existentes baseiam-se nas seguintes equações empíricas para realizarem uma estimativa de viscosidade (η), (6) e, (7) As Eqs. 6 e 7 proporcionam estimativas de viscosidade cora base em medições de RMN das distribuições de tempo de relaxação de magnetização transversal (T2) e de coeficiente de difusão (D), respectivamente. Na equação 6, a distribuição do tempo de relaxação de magnetização longitudinal (Ti) pode ser utilizado ao invés de T2. Té uma temperatura em graus K e f(gor) na Eq. 6 é uma função determinada empiricamente da razão de gás para óleo. Em ambas as equações a estimativa de viscosidade é inversamente proporcional à média logarítmica da distribuição. Assim, as correlações não levam em conta o fato de as formas detalhadas das distribuições poderem afetar a viscosidade. Adicionalmente, as constantes empíricas, a e b, são determinadas de "maiores níveis de adequação" ("best fits") relativamente à forma de regressão assumida para as equações. As constantes empíricas nestas equações não são universalmente apropriadas para todos os óleos crus e as variâncias nestas constantes podem causar erros significativos nas viscosidades estimadas. Uma desvantagem adicional destas correlações reside no fato de as mesmas não levarem em conta os efeitos da pressão.

Deverá ser observado, em bases teóricas, que as distribuições de coeficiente de difusão deveríam constituir elementos melhores para previsão de viscosidade que as distribuições de tempo de relaxação. Isto é em parte devido ao fato de os coeficientes de difusão constituírem uma medida do movimento de translação das moléculas ao passo que os tempos de relaxação constituem uma medida de movimento de rotação. Adicionalmente, em óleos crus, a presença de íons paramagnéticos, tais como de níquel e vanádio, pode encurtar os tempos de relaxação medidos e pode dessa forma causar uma sobre-estimativa da viscosidade na Eq. 6. A previsão de viscosidade a partir de medições de RMN utilizando interpolação de função de base radial pode ser considerada como uma construção do mapeamento não-linear de uma entrada vetorial (por exemplo, amplitudes em uma distribuição de Ti, T2 ou D) para uma saída escalar (viscosidade) em função de uma sequência de exemplos de entradas-saídas. 0 exemplo a seguir utiliza distribuições de T2 para ilustração da técnica, muito embora deva ser entendido que pode ser utilizada uma metodologia similar para distribuições de D e de Ti. Considere-se uma base de dados de pares de entrada-saída cujas entradas para cada amostra de óleo incluem amplitudes (Ai) de distribuição de T2, temperaturas (Tj), pressões (Pi), e razões gás-óleo (gori) e correspondentes viscosidades de saída [ηι) . A viscosidade para uma amostra de óleo cru que não se encontra na base de dados pode ser prevista mediante utilização da equação, 8) A viscosidade de uma amostra real de óleo cru pode ser prevista mediante utilização da Eq. 8 e das medições de amplitudes (A) de distribuição de T2, temperaturas (T) , pressões (P), e razões gás-óleo (gror) . A razão gás-óleo pode igualmente ser prevista, desde que se encontre disponível uma base de dados de medições que possuam gor como saídas. Uma ferramenta de amostragem de fluidos de poço perfurado equipada com sensores de pressão e temperatura e com um sensor de RMN, tal como se encontra ilustrado na Figura 1, proporciona as medições necessárias para previsão de viscosidade mediante utilização da Eq. 8. A razão gás-óleo é disponível neste exemplo, já que a ferramenta de amostragem é também equipada com um analisador ótico de fluido (Optical Fluid Analyzer - OFA) para medição de densidade ótica do óleo cru em comparação com 0 comprimento de onda na região próxima de infravermelhos. A precisão das previsões feitas pela Eq. 8 apoia-se na existência de uma base de dados com um espaço de entrada bem constituído de medições reais de óleo. Os pesos e larguras na Eq. 8 podem ser determinados de uma minimização de uma função de custo. Deverá ser observado que na Eq. 8 somente aparecem as amplitudes de distribuição de Tgf e não os tempos de relaxação. A equação não depende das amplitudes desde que todas as amplitudes na equação abranjam a mesma faixa de valores de T2 (por exemplo, entre 0,1 e 10.000 ms). A equação 8 será prontamente generalizada se a base de dados incluir igualmente outras medições. Por exemplo, se além das amplitudes de distribuição de T2, a base de dados incluir distribuições de D e de Tlr nesse caso os vetores de amplitude para essas medições apareceríam como fatores Gaussianos adicionais na Eq. 8.

Fazendo referência à Figura 5, encontra-se ilustrado na mesma um diagrama de fluxo de uma rotina para controle de um processador ou processadores, na superfície de um furo perfurado e/ou no interior do furo, de acordo com uma configuração da invenção. Algumas das etapas serão realizadas, a priori, em uma localização remota relativamente ao local do poço. O bloco 510 representa a aquisição de uma base de dados de medições de entrada-saída ((x/jr), e um exemplo de uma rotina passível de utilização para aquisição desta base de dados é descrito com detalhes adicionais em combinação com o diagrama de fluxo das Figuras 6A e 6B. Nas Figuras 6A e 6B, são realizadas medições em amostras de óleo preferencialmente reais, e os valores das medições são armazenados na base de dados em combinação com condições de medição. Tipicamente, embora não necessariamente, as medições serão realizadas em um assim designado "laboratório PVT" ("PVT laboratory"). Deverá ser entendido que a base de dados poderá ser compilada e receber adições ao longo de um período de tempo substancial, de forma a ampliar o volume de dados contidos na mesma.

No presente exemplo, cada amostra de óleo é medida no laboratório, em várias combinações de diferentes temperaturas e pressões, com as medições incluindo, por exemplo, medições de RMN e óticas, e com a viscosidade constituindo uma propriedade de fluido de "saída". Deverá ser entendido, entretanto, que podem ser realizadas diversas outras medições (por exemplo, sônicas, de raios-X, de resistividade, óticas, de faixa próxima de infravermelhos, de infravermelhos, acústicas, sônicas, de microondas, etc.) em combinação com propriedades de fluido de "saída" adquiridas adicionalmente (por exemplo, composição medida por CG, pressão de ponto de borbulhamento, fator de volume de formação de óleo, composição SARA (Saturados, Aromáticos, Resinas, Asfaltenos), etc.). Na Figura 6, o bloco 605 representa uma inicialização para a primeira amostra a ser testada, e os blocos 610 e 615 representam respectivamente uma inicialização para a primeira temperatura e pressão para teste. São então implementadas a medição e a armazenagem da amostra atual na temperatura e pressão atuais, conforme se encontra representado pelos blocos 620, 625, 630, e 635. O bloco 620 representa a implementação de uma medição de sensor, tal como de densidade ótica, e o bloco 625 representa a implementação de medições de RMN, que podem ser processadas para obtenção de distribuições de T2, e/ou D. 0 bloco 630 representa a implementação de uma medição de viscosidade. O bloco 635 representa o armazenamento do valor de medição de viscosidade na base de dados (como um valor de "saída") em combinação com os valores medidos de RMN e de densidade ótica e os valores atuais de pressão e temperatura. É feita uma interrogação (bloco de decisão 640) para determinar se foi processada a última temperatura. No caso negativo, é definida a temperatura seguinte (bloco 648), e as medições são realizadas e armazenadas, e o enlace 647 prossegue até terem sido consideradas todas as temperaturas em uma faixa previamente determinada. É então feita uma interrogação (bloco de decisão 650) para determinar se foi processada a última pressão. No caso negativo, é definida a pressão seguinte (bloco 655}, a temperatura é reinicializada (bloco 657), e o enlace 659 (com o sub-enlace 647) prossegue até serem empregadas todas as combinações de pressão e temperatura em faixas previamente determinadas. É então feita uma interrogação (bloco de decisão 660) para determinar se foi testada a última amostra. No caso negativo, a amostra seguinte é obtida para teste (bloco 670), ocorre um retorno ao bloco 610, e o enlace 665 prossegue até todas as amostras terem sido testadas, e é compilada uma fase da base de dados.

Fazendo novamente referência à Figura 5, mediante utilização da base de dados, uma função de mapeamento de base radial, F(x), é construída (bloco 520} de acordo com a equação (3). Em seguida, é construída uma função de custo (bloco 525) utilizando F(x) e yjf tal como na equação (5). A função de custo é minimizada (bloco 530) para determinação de parâmetros otimizados, tais como pesos e larguras. O bloco 540 representa o posicionamento do dispositivo 100 de teste de formação a um nível de profundidade de interesse no interior do furo perfurado (por exemplo, em uma zona potencialmente produtora de hidrocarboneto), e o bloco 545 representa o assentamento do dispositivo e a retirada de fluido da formação para o interior da linha de fluxo. Conforme é conhecido na técnica, poderá ser implementado um teste prévio anteriormente à retirada do fluido destinado a ser testado.

Os blocos 551, 552, e 553 representam a realização de medições em fluidos retirados para o interior do dispositivo de teste de formação. Em particular, o bloco 551 representa a tomada de medições de temperatura e pressão, o bloco 552 representa a tomada de medições de RMN, por exemplo utilizando o aparelho de RMN de linha de fluxo da Figura 2, e o bloco 552 representa a tomada de medições óticas, por exemplo utilizando o analisador OFA descrito acima. O bloco 560 representa o processamento das medições de RMN, de uma forma conhecida, para obtenção das distribuições de Τι, T2, e/ou D (coeficiente de difusão). O bloco 570 representa o processamento dos dados óticos, realizado de uma forma conhecida, para obtenção do quociente gás-óleo (gor). Em seguida, conforme se encontra representado pelo bloco 580, uma propriedade do fluido (neste exemplo sendo a viscosidade) é determinada de y = F(x); neste exemplo é utilizada a equação (8) para determinação da viscosidade como função de amplitudes de distribuição de T2; temperatura, pressão, e gor, mediante utilização da base de dados e dos parâmetros de largura e pesos otimizados determinados. O processo pode ser repetido conforme for desejado, por exemplo em outros níveis de profundidade para produção de um perfil ("log") da propriedade determinada 590.

Para ilustração da previsão de viscosidade com um exemplo simples que utiliza dados sintéticos, considere-se uma base de dados de treinamento de entrada-saída consistindo em entradas que são distribuições de T2 de conformação Gaussiana sintética. Estas correspondem a Ai na Eq, 8. As saídas da base da dados de treinamento são viscosidades (ηί) computadas da média logarítmica utilizando a Eq. 6. Neste exemplo os óleos são óleos "mortos" ("dead oils") em que gor = 0 e a função, f(gor), na Eq. 3 é igual a um. Para teste da previsão de viscosidade foi utilizada uma seqüência de validação (isto é, de teste) de distribuições de T2 de conformação Gaussiana sintética. As distribuições de teste e treinamento encontram-se ilustradas na Figura 7. Deverá ser observado que os dados de teste e treinamento possuem formatos diferentes (posições e larguras). Os dados de teste e treinamento encontram-se supostamente nas mesmas temperaturas e pressões. A Figura 8 ilustra a viscosidade prevista para cada distribuição de teste utilizando a Eq. 8 em comparação com a viscosidade verdadeira computada da Eq. 6. 0 método de previsão de viscosidade neste caso utilizando as amplitudes de distribuição de T2 pode igualmente ser aplicado diretamente a distribuições de D ou de Ti. Uma base de dados de distribuições de D ou de e correspondentes viscosidades medidas seria utilizada para construção de equações análogas à Eq. 8. A previsão de viscosidade foi igualmente testada mediante utilização de uma base de dados de distribuições de T2 e correspondentes viscosidades medidas adquiridas em uma seqüência de 16 amostras de óleo cru "morto" a uma temperatura de 30° C sob pressão atmosférica. As viscosidades medidas encontram-se ilustradas na Tabela 1.

As distribuições medidas correspondentes de T2 encontram-se ilustradas nas Figuras 9A-P, respectivamente.

Deverá ser observado que as amostras 10 e 13 possuem viscosidades medidas quase idênticas porém suas distribuições de T2 apresentam médias logarítmicas bastante diferentes. Por exemplo, a amostra 10 tem uma média de 174 ms ao passo que a amostra 13 tem uma média de 279 ms. Estas duas amostras ilustram uma deficiência óbvia do método da técnica anterior (ver a Eq. 6) para previsão de viscosidade de óleo a partir de medições de RMN de distribuições de T2. A Figura 10 ilustra a previsão de viscosidade de função de base radial. A viscosidade de cada amostra foi prevista a partir da utilização de uma base de dados consistindo nas restantes 15 amostras. Pode ser observado que as previsões de viscosidade feitas por meio de função de base radial estão bastante de acordo com os valores medidos. As viscosidades das amostras na Tabela 1 foram igualmente estimadas das médias de perfilagem das distribuições de T2 ilustradas na Figura 9. Foi utilizado um valor a = 9,558 para o parâmetro de correlação na Eq. 6. A comparação das viscosidades previstas dos meios de perfilagem com as viscosidades medidas encontra-se ilustrado na Figura 11. Pode ser observado nas Figs. 10 e 11 que as viscosidades previstas mediante utilização da presente técnica estão muito mais de acordo com as viscosidades medidas que aquelas que foram previstas pelos meios de perfilagem. Uma vantagem adicional da presente técnica sobre as Eqs. 6 e 7 para previsão de viscosidade é obtida quando as medições são feitas em temperaturas e pressões elevadas em óleos "vivos".

Uma configuração neste caso determina a composição molecular de amostras de hidrocarbonetos retiradas de formações geológicas. A previsão de composição molecular de óleos crus "vivos" com base era medições de RMN utilizando interpolação de função de base radial pode ser considerada como uma construção de mapeamento não-linear de uma entrada vetorial (por exemplo, distribuições de T2, T2, ou D) para uma saída vetorial (composição molecular) sendo dada uma seqüência de exemplos de entrada-saída (dados). O exemplo a seguir utiliza distribuições de T2 para ilustração da técnica, muito embora deva ser entendido que a mesma metodologia pode ser aplicada a distribuições de D e T2. Considere-se uma base de dados de pares de entrada-saída cujas entradas para cada amostra de óleo consistem em amplitudes de distribuição de T2 {Ai), temperaturas (Ti), pressões [Pi), razões gás-óleo (gori) e correspondentes composições moleculares [Mi) como saídas. A composição molecular para uma amostra de óleo cru que não se encontra na base de dados pode ser prevista mediante utilização da equação A equação 9 difere apenas muito ligeiramente da Eq. 8 utilizada para estimativa de viscosidade. A diferença reside no fato de as saídas previstas e os pesos serem vetores. A composição molecular prevista [M] é um vetor n-dimensional cujos elementos são, por exemplo, frações molares correspondentes aos diferentes pesos moleculares ou números de carbono dos elementos constituintes presentes no óleo cru. Os pesos e as larguras das funções de base radial podem ser determinados por minimização de uma função de custo com a mesma forma da função da Eq. 5. A aproximação de NWRE, isto é, supondo-se que pode ser utilizada como uma estimativa inicial do vetor de peso. A Figura 12A compara as curvas de previsão e real de composição molecular para dados simulados. As composições moleculares utilizadas para as saídas de dados de treinamento foram computadas a partir das distribuições de T2 Gaussíanas de entrada utilizando uma equação de modelagem física simples, isto é, (10) T2,i é o Io componente do conjunto de valores igualmente espaçados (em uma escala logarítmica) de tempos de relaxação para os dados de teste e treinamento de entrada. As composições moleculares reais representadas graficamente nas Figs. 12bl—16, respectivamente, foram igualmente computadas a partir da Eq. 10 utilizando as distribuições de T2 de teste. O exemplo precedente apresentou curvas previstas em comparação com curvas reais de composição molecular para dados simulados. O presente exemplo mostra os resultados de previsão de composições moleculares de 16 óleos crus "mortos" a partir de suas distribuições de T2 medidas conforme ilustradas na Fig. 9. A base de dados consistiu em pares de entrada-saída das distribuições de T2 medidas e composições moleculares medidas por utilização de cromatografia de gás (CG) . A composição molecular de cada amostra foi prevista a partir de sua distribuição de T2, mediante utilização da aproximação de NWRE, após essa amostra ser em primeiro lugar removida da base de dados, com subseqüente previsão de sua composição molecular a partir dos outros 15 pares de entrada-saída existentes na base de dados. As composições previstas foram comparadas com o líquido laminar {"flashed liquid") (isto é, óleo "morto") do processo de cromatografia CG. Os resultados encontram-se ilustrados nas Figs. 12bl-16, respectivamente. Deverá ser observada a excelente proximidade em geral das composições previstas por RMN relativamente às de CG. Estes resultados terão uma tendência a um aperfeiçoamento mediante um aumento do tamanho e da diversidade (por exemplo, adição de óleos mais viscosos) da base de dados. A presente técnica pode igualmente ser aplicada diretamente a dados de domínio de tempo de RMN ao invés de serem utilizadas quantidades computadas tais como distribuições de T2 e de D. Ou seja, por exemplo, os ecos de "spín" de Carr-Purcell-Meiboom-Gill (CPMG) dos quais foram computadas as distribuições de T2 da Figura 12b podem ser utilizados como entradas na base de dados. Nesse caso, as composições poderão ser previstas, por exemplo, diretamente a partir dos dados de domínio de tempo de CPMG. Esta é uma decorrência lógica, já que as distribuições de T2 da Figura 9 foram computadas dos dados de CPMG. Desta forma, as informações sobre a composição do óleo devem igualmente encontrar-se contidas nos dados de CPMG. As distribuições de T2 ilustradas na Figura 9 foram computadas dos 16.000 ecos de "spin" adquiridos para cada amostra de óleo da Tabela 1. As distribuições de T2 foram computadas por utilização do método de ''processamento de janela" descrito na patente norte-americana n° 5.291.137, que ensina que os dados de eco de "spín" de RMN podem ser comprimidos, sem perda de informações, formando um número relativamente reduzido de somas de janela. Neste caso os 16.000 ecos foram comprimidos para 16 somas de janela. As 16 somas de janela foram utilizadas para computação das distribuições de T2 para cada amostra de óleo mediante utilização do método de processamento da patente '317. As 16 somas de janela ou os 16.000 ecos devem conter pelo menos tantas informações sobre as composições de óleo quanto as distribuições de T2. As somas de janela divididas pelo número de ecos em cada janela encontram-se ilustradas nas Figuras 13A-P, respectivamente. Elas são designadas como somas de janela normalizadas. As composições de óleo previstas pelas somas de janela normalizadas para cada amostra utilizando a presente técnica encontram-se ilustradas nas Figuras 14A-P, respectivamente. Poderá ser observado que as composições previstas nas Figuras 14A-P são essencialmente idênticas às composições na Figura 12b que foram previstas a partir das distribuições de T2.

Deverá ser evidente que as composições poderíam igualmente ser previstas a partir dos ecos de "spin" não comprimidos. Deverá igualmente ser evidente que muito embora tenham sido utilizados neste exemplo dados de CPMG para ilustração da previsão de composição, poderão ser utilizadas outras seqüências de RMN, tais como seqüências de ecos de "spin" com ponderação de difusão, para previsão de composições. A descrição acima se concentrou princípalmente na utilização de medições de RMN para previsão de propriedades de fluidos. O método de função de base radial pode ser aplicado a outras medições (isto é, que não sejam de RMN) para as quais exista um padrão reconhecível no mapeamento que associe as medições a propriedades do fluido. Por exemplo, medições de densidade ótica de óleos "vivos" em comparação com comprimento de onda são realizadas na região próxima de infravermelhos. A densidade ótica (Do) é um vetor n-dimensional em que n é o número de comprimentos de onda medidos pelo espectrômetro ótico. A densidade ótica para um feixe de radiação monocromática (comprimento de onda único) é (Skoog e West, Fundamentais of Analytical Chemistry, páginas 505-511), (11) em que P0 e P são a energia incidente e transmitida de um feixe de radiação que atravessou b centímetros de uma mídia absorvente que contém c moles por litro de uma substância absorvente com um índice de absorvência molar igual a α. A igualdade do lado direito é conhecida como lei de Beer.

De acordo com uma configuração adicional, a previsão de propriedades de fluido de óleos crus "vivos" a partir de medições diversas de medições de RMN utilizando interpolaçâo de função de base radial pode ser considerada como uma construção de mapeamento não linear de uma entrada vetorial (por exemplo, Do) para uma saída vetorial ou escalar (por exemplo, composição ou razão gás-óleo) em função de uma seqüência de exemplos de entrada-saída (dados). Considere-se uma base de dados de pares de entrada-saída cujas entradas para cada amostra de óleo consistem, por exemplo, em medições de densidade ótica ( Do,/,/ = 1,2,...,« ), temperaturas (Ti), pressões (Pi), e correspondentes composições moleculares de saída (Ui). A composição molecular para uma amostra de óleo cru que não se encontra na base de dados pode ser prevista mediante utilização da equação, (12) Os elementos otimizados de vetores de peso e larguras de função de base radial são determinados mediante minimização de uma função de custo que é a soma dos quadrados das diferenças entre as composições moleculares previstas pela Eq. 12 e aquelas incluídas na base de dados de elementos de treinamento.

Muito embora o exemplo anterior utilizasse medições de densidade ótica na faixa de infravermelhos, deverá ser entendido que podem ser igualmente utilizadas outras medições incluindo medições óticas, de raios-X, acústicas, de microondas, de faixa próxima de infravermelhos, de infravermelhos, sônicas, de resístividade, etc., desde que (1) exista uma base de dados de pares de entrada-saída para uma ampla gama de óleos e (2) que exista uma correlação entre as entradas e as saídas. O método pode igualmente ser aplicado na previsão de propriedades petrofísicas de jazidas tais como permeabilidade, saturações de fluido, porosidade, fluido confinado ("bound-fluid"), etc., a partir de uma base de dados consistindo, por exemplo, em medições de perfilagem de poço, de análise de testemunhos, e de amostragem de fluido.

Conforme foi observado acima, podem ser utilizadas múltiplas medições para construção da função de mapeamento. Medições de densidade ótica e de RMN, por exemplo, podem portanto ser combinadas para previsão de composição molecular. A combinação de duas ou mais medições acrescenta informações adicionais que podem aperfeiçoar a precisão da previsão de propriedades de jazidas. - REIVINDICAÇÕES -

Claims (32)

1. MÉTODO PARA DETERMINAÇÃO DE UMA PROPRIEDADE DE FLUIDOS EM FORMAÇÕES LOCALIZADAS EM TORNO DE UM FURO PERFURADO NO SOLO, caracterizado por compreender as etapas de: produção, com base em medições feitas em uma multiplicidade de amostras de fluido, de uma base de dados de valores de treinamento de propriedades de fluido armazenados na base de dados com referência a valores de treinamento de medição de fluido armazenados na base de dados; derivação, da referida base de dados, de parâmetros de função de base radial; derivação de valores de medição de fluido da formação; e determinação, utilizando interpolação de função de base radial, da referida propriedade de fluidos da formação a partir de valores na referida base de dados, dos referidos parâmetros, e dos referidos valores derivados de medição de fluido de formação.

2. Método, de acordo com a reivindicação 1, caracterizado por a referida etapa de derivação, da referida base de dados, de parâmetros de função de base radial, compreender a produção de uma função de mapeamento de função de base radial; produção de uma função de custo utilizando valores existentes na base de dados e a função de mapeamento; e minimização da referida função de custo para determinação dos referidos parâmetros.

3. Método, de acordo com a reivindicação 1, caracterizado por os referidos parâmetros consistirem em pesos e larguras.

4. Método, de acordo com a reivindicação 3, caracterizado por os referidos parâmetros de peso serem determinados de vetores de saída derivados da referida base de dados.

5. Método, de acordo com a reivindicação 1, caracterizado por a referida etapa de derivação de valores de medição de fluído da formação compreender derivação de valores de medição de ressonância magnética nuclear de fluido obtido por amostragem das referidas formações.

6. Método, de acordo com a reivindicação 5, caracterizado por a referida etapa de derivação de valores de medição de fluído da formação compreender adicionalmente derivação de valores de medição de temperatura do referido fluido da formação.

7. Método, de acordo com a reivindicação 5, caracterizado por a referida etapa de derivação de valores de medição de fluido da formação compreender adicionalmente derivação de valores de medição de pressão do referido fluido da formação.

8. Método, de acordo com a reivindicação 5, caracterizado por a referida etapa de derivação de valores de medição de fluido da formação compreender adicionalmente derivação de valores de medição de razão entre gás e óleo do referido fluido da formação.

9. Método, de acordo com a reivindicação 1, ou com a reivindicação 5, ou com a reivindicação 8, caracterizado por a referida propriedade de fluidos da formação compreender viscosidade de fluidos da formação.

10. Método, de acordo com a reivindicação 1, caracterizado por a referida propriedade de fluidos da formação compreender a razão entre gás e óleo de fluidos da formação.

11. Método, de acordo com a reivindicação 1, caracterizado por a referida propriedade de fluidos da formação compreender composição molecular de fluidos da formação.

12. Método, de acordo com a reivindicação 1, caracterizado por a referida propriedade de fluidos da formação compreender densidade de fluido de fluidos da formação.

13. Método, de acordo com a reivindicação 1, caracterizado por a referida propriedade de fluidos da formação compreender pressão de ponto de borbulhamento de fluidos da formação.

14. Método, de acordo com a reivindicação 1, caracterizado por a referida propriedade de fluidos da formação compreender fator de volume de formação de óleo de fluidos da formação.

15. Método, de acordo com a reivindicação 1, caracterizado por a referida propriedade de fluidos da formação compreender SARA (teor de Saturados, Aromáticos, Resinas, Asfaltenos).

16. Método, de acordo com a reivindicação 1, caracterizado por a referida etapa de derivação de valores de medição de fluido da formação compreender derivação de medições óticas de fluido obtido por amostragem das referidas formações.

17. Método, de acordo com a reivindicação 1, caracterizado por a referida etapa de derivação de valores de medição de fluido da formação compreender derivação de medições de razão entre gás e óleo de fluido obtido por amostragem das referidas formações.

18. Método, de acordo com a reivindicação 1, caracterizado por a referida etapa de derivação de valores de medição de fluido da formação compreender derivação de valores de medição de ressonância magnética nuclear utilizando um dispositivo de perfilagem de ressonância magnética nuclear no referido furo perfurado.

19. Método, de acordo com a reivindicação 5, caracterizado por a referida etapa de derivação de valores de medição de ressonância magnética nuclear utilizando um dispositivo de perfilagem de ressonância magnética nuclear no interior do referido furo perfurado compreender a retirada de fluido do furo perfurado, e derivação dos referidos valores de medição de ressonância magnética nuclear a partir de medições feitas no fluido retirado do furo perfurado.

20. Método, de acordo com a reivindicação 1, caracterizado por a referida etapa de produção, com base em medições feitas em uma multiplicidade de amostras de fluido, de uma base de dados de valores armazenados de treinamento de propriedade de fluido referentes a valores armazenados de treinamento de medição de fluido compreender a produção de uma base de dados de valores armazenados de treinamento de viscosidade de fluido referentes a valores armazenados de treinamento de ressonância magnética nuclear de fluido, e em que a referida etapa de derivação de valores de medição de fluido da formação compreende derivação de valores de medição de ressonância magnética nuclear de fluido obtido por amostragem das referidas formações, e em que a referida etapa de determinação da referida propriedade de fluidos da formação compreende determinação da viscosidade de fluidos da formação.

21. Método, de acordo com a reivindicação 2 ou com a reivindicação 4, caracterizado por a referida etapa de produção, com base em medições feitas em uma multiplicidade de amostras de fluido, de uma base de dados de valores armazenados de treinamento de propriedade de fluido referentes a valores armazenados de treinamento de medição de fluído compreender a produção de uma base de dados de valores armazenados de treinamento de viscosidade de fluido referentes a valores armazenados de treinamento de ressonância magnética nuclear de fluido, e em que a referida etapa de derivação de valores de medição de fluido da formação compreende derivação de valores de medição de ressonância magnética nuclear de fluido obtido por amostragem das referidas formações, e em que a referida etapa de determinação da referida propriedade de fluidos da formação compreende determinação da viscosidade de fluidos da formação.

22. Método, de acordo com a reivindicação 1, caracterizado por a referida propriedade de fluidos da formação ser representada por um vetor possuindo uma pluralidade de dimensões.

23. Método, de acordo com a reivindicação 1 ou com a reivindicação 21, caracterizado por os referidos valores de medição de fluido serem representados por um vetor possuindo uma pluralidade de dimensões.

24. Método, de acordo com a reivindicação 1, caracterizado por compreender adicionalmente uma repetição das etapas do referido método para formação de valores de medição de fluido derivados a diferentes níveis de profundidade do referido furo perfurado, e produção de um perfil da referida propriedade conforme determinada nos referidos diferentes níveis de profundidade.

25. Método, de acordo com a reivindicação 1, caracterizado por a referida propriedade de fluidos de formação consistir na composição molecular.

26. MÉTODO PARA DETERMINAÇÃO DE UMA PROPRIEDADE DE FLUIDOS DE FORMAÇÕES GEOLÓGICAS LOCALIZADAS EM TORNO DE UM FURO PERFURADO NO SOLO, QUE FORAM COLHIDOS PARA 0 INTERIOR DE UM DISPOSITIVO DE PERFILAGEM LOCALIZADO NO INTERIOR DO FURO PERFURADO, o método sendo caracterizado por compreender as etapas de: produção, antecipadamente, a partir de medições feitas em uma multiplicidade de amostras de fluido, de uma base de dados de valores de treinamento de propriedades de fluidos armazenados referentes a valores de treinamento de medição de fluidos armazenados; derivação, a partir dessa base de dados, de parâmetros de função de base radial; derivação, a partir de medições feitas nos referidos fluidos que foram coletados para o interior do referido dispositivo de perfilagem, de valores de medição de fluidos de formação; e determinação, mediante uso de interpolação de função de base radial, da referida propriedade de fluidos de formação geológica a partir de valores da referida base de dados, dos referidos parâmetros, e dos referidos valores de medição de fluidos de formação geológica derivados.

27. Método, de acordo com a reivindicação 26, caracterizado por a referida etapa de derivação de valores de medição de fluidos de formação geológica compreender derivação de valores de medição de ressonância magnética nuclear de fluido obtido por amostragem dessas formações geológicas.

28. Método, de acordo com a reivindicação 26, caracterizado por a referida propriedade de fluidos de formação geológica compreender viscosidade de fluidos de formação geológica.

29. Método, de acordo com a reivindicação 26, caracterizado por a referida propriedade de fluidos de formação geológica compreender composição molecular de fluidos de formação geológica.

30. Método, de acordo com a reivindicação 26, caracterizado por os referidos parâmetros consistirem em pesos e larguras.

31. Método, de acordo com a reivindicação 26, caracterizado por a referida propriedade de fluidos de formação geológica compreender SARA (teor de Saturados, Aromáticos, Resinas, Asfaltenos)

32. MÉTODO PARA DETERMINAÇÃO DE UMA PROPRIEDADE DE FLUIDOS EM FORMAÇÕES GEOLÓGICAS LOCALIZADAS EM TORNO DE UM FURO PERFURADO NO SOLO, A PARTIR DE UMA BASE DE DADOS DE VALORES DE TREINAMENTO DE PROPRIEDADES DE FLUIDOS ARMAZENADOS, o método sendo caracterizado por compreender as etapas de: derivação, da referida base de dados, de parâmetros de função de base radial; derivação de valores de medição de fluidos de formação geológica; e determinação, mediante uso de interpolação de função de base radial, da referida propriedade de fluidos de formação geológica a partir de valores da referida base de dados, dos referidos parâmetros, e dos referidos valores de medição de fluidos de formação geológica derivados.