Uma estratégia baseada em rede neural de base radial aplicada ao gerenciamento da produção de petróleo e gás natural

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.