• Portal do Governo Brasileiro
  • Atualize sua Barra de Governo
  • Pular para o conteúdo
  • Pular para o menu de navegação
  • Pular para a busca
  • Pular para o rodapé
español español English English

PRH - Programa de Recursos Humanos da Agência Nacional do Petróleo, Gás Natural e Biocombustíveis

  • PRH 38.1
  • Institucional
  • Equipe
  • Bolsistas
  • Ênfases e Disciplinas
  • Linhas de Pesquisa
  • Acesso à Informação
  • Editais
  • Notícias
  • Conhecendo a indústria do Petróleo e Energias
  • Redes do PRH 38.1
  • Parceiros
  • Oficinas
  • Webinares PRH
  • Publicações do PRH-38.1
  • Editais 2020
  • Editais 2021
  • Editais 2022
  • Editais 2023
  • Editais 2024
  • Editais 2025
  • Ata das Reuniões 2020
  • Ata das Reuniões 2021
  • PRH 38.1
    • Institucional
    • Equipe
    • Bolsistas
    • Ênfases e Disciplinas
    • Linhas de Pesquisa
    • Acesso à Informação
    • Editais
    • Notícias
    • Conhecendo a indústria do Petróleo e Energias
    • Redes do PRH 38.1
    • Parceiros
    • Oficinas
    • Webinares PRH
    • Publicações do PRH-38.1

Programa de Formação de Recursos Humanos para o Setor de Petróleo, Gás Natural e Biocombustíveis (ANP)

  • UFPE/
  • PRH - Programa de Recursos Humanos da Agência Nacional do Petróleo, Gás Natural e Biocombustíveis/
  • PRH 38.1/
  • Linhas de Pesquisa/

PRH 38.1

  • Institucional
  • Equipe
  • Bolsistas
  • Ênfases e Disciplinas
  • Linhas de Pesquisa
  • Acesso à Informação
  • Editais
  • Notícias
  • Conhecendo a indústria do Petróleo e Energias
  • Redes do PRH 38.1
  • Parceiros
  • Oficinas
  • Webinares PRH
  • Publicações do PRH-38.1

Linhas de pesquisa

  • Sensores Raman Distribuídos de Temperatura à fibra óptica para poço de petróleo – Análise de confiabilidade e testes acelerados de vida Bolsista: Abinadi Staniscia Rufino da Silva Orientador: Joaquim Martins

    RESUMO
    O monitoramento de temperatura ao longo do poço de petróleo é utilizado para obter-se informações importantes sobre a temperatura do fluido de produção e assim otimizar processos, planejamento operacional e segurança. Nos últimos anos, sensores à fibra óptica vem sendo amplamente utilizados em aplicações upstream, especialmente em poços de petróleo para o monitoramento de temperatura, vibração, pressão e detecção acústica. Esses sensores possuem vantagens em relação a sensores de fundo de poço tradicionais, tais como: medição em locais de difícil acesso a dezenas de quilômetros de distância, capacidade de realizar medições distribuídas ou em vários pontos, resistência a altas temperaturas, e podem ser utilizados em ambientes hostis. Nessas aplicações, as fibras podem estar expostas a altas temperaturas (até 380 °C), altas pressões (até 20000 bar), e expostos a agentes químicos agressivos como água, H2S, CO2, e óleo cru. Por ser uma aplicação recente, poucos dados de confiabilidade e desempenho dos sensores ópticos para poços são conhecidos. Neste trabalho apresentou-se uma análise de confiabilidade para o sensor raman distribuído de temperatura, baseado em metodologias de testes acelerados desenvolvidas de forma experimental, com base na literatura e opinião das partes interessadas na sua aplicação em poço de petróleo. Foram utilizadas fibras convencionais e especiais para identificação dos principais modos de falha desses componentes. Por fim, esse estudo visa servir de base para projetos de poços inteligentes de alta performance em ambientes offshore.


    Palavras-chave: Confiabilidade. Fibra óptica. Poço de petróleo. Sensores raman distribuídos de temperatura. Testes acelerados.

  • Modelo de suporte ao planejamento de manutenção para equipamento na indústria de petróleo
    AAAAAAAAAAAA
  • Análise quantitativa de riscos para vazamentos de petróleo próximos ao arquipélago de Fernando de Noronha
    AAAAAAAAAAAA
  • Modelo de suporte ao planejamento de manutenção para equipamento na indústria de petróleo
    AAAAAAAAAAAA
  • Desenvolvimento de modelo de reinforcement learning para o schedule de manutenção de gasodutos na indústria de óleo e gás
    AAA
  • Development of deep learning methods for automated drowsiness detection based on image and biological signals for critical systems
    AAAA
  • Modelagem numérica aplicada à dispersão de óleo na borda leste do Nordeste do Brasil
    AAA
  • Mitigação de incidentes relacionados à E&P de Petróleo mediante modelagem de dispersão de óleo na coluna de água na Foz do Rio Amazonas
    AAA
  • Caracterização e avaliação do intemperismo natural em fragmentos de óleo coletados na costa de Pernambuco após o desastre ambiental de 2019
    AAA
  • Hidrocarbonetos em sedimentos da plataforma continental do Nordeste brasileiro após o desastre do óleo de 2019
    AAA
  • Modelagem matemática operacional para previsão de impactos ambientais no litoral do NE do Brasil decorrentes de derrames acidentais de hidrocarbonetos em ambiente offshore
    AAA
  • Modelagem e estudo da viabilidade técnica de uma geração de energia eólica em ambiente onshore/offshore para substituição da geração termoelétrica em plataformas de produção de petróleo offshore
    AAA
  • Desenvolvimento de modelos de machine learning para estimação da vida útil remanescente e estado de saúde de supercapacitores
    AAA
  • PRH 38.1
    • Institucional
    • Equipe
    • Bolsistas
    • Ênfases e Disciplinas
    • Linhas de Pesquisa
    • Acesso à Informação
    • Editais
    • Notícias
    • Conhecendo a indústria do Petróleo e Energias
    • Redes do PRH 38.1
    • Parceiros
    • Oficinas
    • Webinares PRH
    • Publicações do PRH-38.1

UFPE © Copyright 2025 - Todos os direitos reservados