Please use this identifier to cite or link to this item: http://repositorio.ufpa.br:8080/jspui/handle/2011/9156
Full metadata record
DC FieldValueLanguage
dc.creatorSILVA, Cleison Daniel-
dc.date.accessioned2017-10-16T13:12:14Z-
dc.date.available2017-10-16T13:12:14Z-
dc.date.issued2008-03-03-
dc.identifier.citationSILVA, Cleison Daniel. Uma estratégia baseada em rede neural de base radial aplicada ao gerenciamento da produção de petróleo e gás natural. 2008. 71 f. Dissertação (Mestrado) - Universidade Federal do Pará, Instituto de Tecnologia, Belém, 2008. Programa de Pós-Graduação em Engenharia Elétrica.pt_BR
dc.identifier.urihttp://repositorio.ufpa.br/jspui/handle/2011/9156-
dc.description.abstractThis work consists of a Neural Network for modeling the relationship between the well head surface variables and the multiphase flows of the test separator vessels in the East Urucu Field (LUC). In practice, this relationship is obtained when each producing unit is aligned to a test separator for production estimation. Data were obtained when the well is aligned to a test separator. Those data are used for training a Neural Network of Radial Basis Function (NN - RBF). The goal is to make the NN - RBF to recognize the patterns of the wel l head variables (input RBF) and the phases flow in the separator (out RBF), through using, as the training set, the patterns obtained during the production test previously executed.pt_BR
dc.description.sponsorshipCNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológicopt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal do Parápt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectGerenciamento de reservatóriospt_BR
dc.subjectRedes neuraispt_BR
dc.subjectSeparador trifásicopt_BR
dc.subjectEngenharia do petróleopt_BR
dc.subjectControladores programáveispt_BR
dc.titleUma estratégia baseada em rede neural de base radial aplicada ao gerenciamento da produção de petróleo e gás naturalpt_BR
dc.typeDissertaçãopt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Tecnologiapt_BR
dc.publisher.initialsUFPApt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.contributor.advisor1COSTA JÚNIOR, Carlos Tavares da-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6328549183075122pt_BR
dc.contributor.advisor-co1BARREIROS, José Augusto Lima-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/1246564618922453pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/1445401605385329pt_BR
dc.description.resumoO objetivo geral desta dissertação foi aprimorar o Separador Lógico Programável (SLP), desenvolvido em Silva (2006), utilizando a técnica de inteligência computacional de Redes Neurais de Base Radial , podendo este SLP ser integrado a um sistema de automação de poços de petróleo. Este programa objetiva o acompanhamento em tempo real das vazões de óleo, gás e água dos poços, bem como a predição da vazão em vasos separadores de um sistema de escoamento da produção de campos petrolíferos, neste caso o do Leste de Urucu – LUC, operacionalizado a partir da Base de Operações Geólogo Pedro de Moura, na Unidade de Negócios da Bacia do Solimões (UNBSOL) da Petrobras, município de COARI, estado do Amazonas. Desta forma, esta dissertação consistiu na realização de uma modelagem Neural para estimar a relação entre as variáveis de superfície de cabeça de poço e as vazões multifásicas dos vasos separadores de teste, no campo petrolífero de LUC no estado do Amazonas. Esta relação é obtida, na prática, quando cada poço produtor é alinhado a um separador de teste para medição da produção. Os dados, obtidos quando o poço está alinhado a um separador de teste, são utilizados para treinamento de uma Rede Neural de Base Radial (RBF). Após o treinamento, a RBF reconhece padrões das variáveis de cabeça de poço (entrada da RBF) e das vazões das fases no separador (saída da RBF). O treinamento é efetuado através de um método de aprendizado híbrido, onde padrões obtidos durante os testes de produção realizados no passado são utilizados para adaptar os parâmetros da rede RBF. Os resultados obtidos nos testes mostram que a rede RBF consegue predizer os resultados dentro da um faixa de tolerância aceitável.pt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapt_BR
Appears in Collections:Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC

Files in This Item:
File Description SizeFormat 
saida.pdf4,3 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons