Estimação do teor de óleos e graxas em água descartada no mar usando redes neurais recorrentes

Abstract

Produced water in offshore oil rigs is an effluent recovered from wells of oil and natural gas, and is the main waste generated in this process. The Total Oil and Grease (TOG) is considered one of the main parameters for controlling the disposal of water produced in sea, with daily and monthly limits defined by current legislation. The TOG measurements used as reference by IBAMA is made using the gravimetric method, with samples of produced water collected daily and send to a licensed laboratory, which provides the results about 20 days after the sampling date. The need for corrective actions in case of values above the limit has motivated the use of alternative methods that generate estimates more frequently. In this work, two models based on recurrent neural networks are proposed to obtain TOG estimates. Variables from the produced water treatment process, information about chemicals used, and data about daily production from an offshore platform were collected, processed, and used to train, validate, and test these models. The comparison between the estimation error of these models and those of the existing estimation methods shows the advantage of the proposed models.Resumo: Água produzida, em plataformas marítimas, é um dos efluentes recuperados de poços em conjunto com petróleo e gás natural, sendo o principal resíduo gerado nesse processo. O Teor de Óleos e Graxas (TOG) é considerado um dos principais parâmetros de controle do descarte de água produzida no mar, com limites diários e mensais definidos pela legislação vigente. A medição de TOG usada como referência pelo IBAMA é feita pelo método gravimétrico, com amostras de água coletadas diariamente e enviadas para laboratório acreditado, que fornece os resultados após cerca de 20 dias a partir da data de amostragem. A necessidade de ações corretivas em caso de valores acima do limite tem motivado o uso de métodos alternativos que gerem estimativas com maior frequência. Neste trabalho, dois modelos baseados em redes neurais recorrentes são propostos para obter estimativas de TOG. Variáveis do processo de tratamento de água produzida, informações sobre produtos químicos utilizados e dados sobre produção diária de uma plataforma offshore foram coletados, tratados e utilizados para treinar, validar e testar esses modelos. A comparação entre o erro de estimativa desses modelos com os dos métodos existentes de estimação mostra a vantagem do uso dos modelos propostos.