Please use this identifier to cite or link to this item: http://repositorio.ufpa.br:8080/jspui/handle/2011/9156
metadata.dc.type: Dissertação
Issue Date: 3-Mar-2008
metadata.dc.creator: SILVA, Cleison Daniel
metadata.dc.contributor.advisor1: COSTA JÚNIOR, Carlos Tavares da
metadata.dc.contributor.advisor-co1: BARREIROS, José Augusto Lima
Title: Uma estratégia baseada em rede neural de base radial aplicada ao gerenciamento da produção de petróleo e gás natural
metadata.dc.description.sponsorship: CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico
Citation: SILVA, 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.
metadata.dc.description.resumo: O 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.
Abstract: This 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.
Keywords: Gerenciamento de reservatórios
Redes neurais
Separador trifásico
Engenharia do petróleo
Controladores programáveis
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal do Pará
metadata.dc.publisher.initials: UFPA
metadata.dc.publisher.department: Instituto de Tecnologia
metadata.dc.publisher.program: Programa de Pós-Graduação em Engenharia Elétrica
metadata.dc.rights: Acesso Aberto
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