Banca de DEFESA: EZEQUIAS SANTOS DE MATOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : EZEQUIAS SANTOS DE MATOS
DATA : 09/11/2023
HORA: 14:00
LOCAL: https://conferenciaweb.rnp.br/webconf/pse-ufba
TÍTULO:

Otimização econômica em tempo real de rede de poços assistidos por injeção contínua de gás com modelo orientado a dados

PALAVRAS-CHAVES:

Otimização em Tempo Real, Gas Lift, Inteligência Artificial, Estimação não Linear.

PÁGINAS: 77
RESUMO:

No presente estudo, aborda-se um problema de otimização dinâmica diária na produção de petróleo por meio de uma abordagem orientada a dados. Para isso, propõe-se a utilização de uma arquitetura de rede neural artificial (RNA) como substituto do modelo fenomenológico que representa o sistema de produção de poços de petróleo assistido por gás. Para realizar o treinamento da RNA, é imprescindível possuir dados relevantes, principalmente no que se refere à otimização econômica. Portanto, é crucial incluir as informações sobre as vazões de óleo de cada poço e também do topo do riser. No entanto, as medições das vazões não estão disponíveis em tempo real e o que se tem à disposição é apenas a vazão total após a separação, o que não permite entender o comportamento de cada poço individualmente. Devido à indisponibilidade de medição individualizada da vazão de poços, a utilização de um estimador de horizonte móvel (MHE), suportado por um modelo fenomenológico, mostrou-se como uma solução apropriada para estimar essas variáveis, permitindo disponibilizar dados para treinamento e obter de um modelo substituto a ser utilizado na etapa de otimização dinâmica. Desta maneira, foi possível viabilizar o treinamento da RNA com arquitetura Nonlinear Autoregressive with Exogenous Input empregada nesta pesquisa. Esta escolha foi feita com base na constatação de que a rede foi capaz de fazer predição de um passo à frente de forma conveniente. Os resultados de aplicação em um poço e em campo composto por três poços e um riser apontaram um bom desempenho da rede neural artificial em termos de previsão temporal, além de apresentar um tempo computacional mais eficiente na solução do problema de otimização, quando comparado ao modelo fenomenológico padrão. A solução proposta por esta abordagem abre diversas possibilidades para implementação em problemas de grande escala, como por exemplo, na otimização da produção diária de um campo de petróleo composto por vários poços integrados por diferentes reservatórios e manifolds.

MEMBROS DA BANCA:
Presidente - 2042153 - MARCIO ANDRE FERNANDES MARTINS
Externo à Instituição - GUILHERME AUGUSTO DE ALMEIDA GONÇALVEZ - PETROBRAS
Externo à Instituição - OSCAR ALBERTO ZANABRIA SOTOMAYOR - UFS