Identificação da fração de água em escoamentos multifásicos usando bombas centrífugas

• Processo: 19/08446-4
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de agosto de 2019
• Data de Término da vigência: 30 de setembro de 2021
• Área de conhecimento: Engenharias - Engenharia Mecânica - Fenômenos de Transportes
• Acordo de Cooperação: Equinor (antiga Statoil)
• Pesquisador responsável: Alberto Luiz Serpa
• Beneficiário: Matheus Paris Orsi
• Instituição Sede: Faculdade de Engenharia Mecânica (FEM). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Empresa: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Mecânica (FEM)
• Vinculado ao auxílio: 17/15736-3 - Centro de Pesquisa em Engenharia em Reservatórios e Gerenciamento de Produção de Petróleo, AP.PCPE
• Assunto(s): Identificação de sistemas Escoamento bifásico Escoamento multifásico Bombas centrífugas
• Palavra(s)-Chave do Pesquisador: Biphasic flow | Bomba Centrífuga Submersa | Electrical Submesrsible Pump | Em | Escoamento Bifás | Identificação de Sistemas | System Identification | Identificação de Sistemas; Escoamento bifásico;

Resumo

Um dos métodos de elevação artificial de petróleo mais explorados atualmente é o bombeio centrífugo submerso devido ao seu elevado potencial e produtividade. O conhecimento a respeito do funcionamento das Bombas Centrífugas Submersas (BCS), principalmente quando estas bombeiam escoamentos complexos envolvendo misturas bifásicas de água e óleo torna-se importante nos processos de elevação artificial. A operação ótima das BCS é importante para garantir a eficiência adequada do processo e identificar mudanças no comportamento do sistema, afim de se planejar manutenções e condições de operação apropriadas ao sistema. Este projeto de mestrado envolve o uso de técnicas de identificação de sistemas para prever, através de parâmetros operacionais da bomba tais como rotação, corrente elétrica, torque, variação de pressão e outros, o padrão de escoamento no interior da BCS, procurando identificar a porcentagem de água presente na mistura. As bombas centrífugas utilizadas neste tipo de elevação artificial têm suas curvas características determinadas pelos fabricantes considerando-se apenas o bombeio de água. No caso de misturas água-óleo, o sistema apresenta um aumento na viscosidade e maior complexidade nas fronteiras entre as fases, levando a diferentes propriedades físicas que regem o escoamento. Essas diferenças fazem com que as condições de operação da bomba se alterem significativamente ao se bombear dois líquidos, sendo necessário evitar certas situações consideradas inadequadas para o seu funcionamento. A principal dificuldade em se bombear dois líquidos imiscíveis é a formação de emulsões, que aumentam a viscosidade do escoamento e causam uma série de problemas como a perda de eficiência de bombeamento e aumento na demanda energética para manter a bomba operando. Para identificar e prever esta condição em escoamentos multifásicos, ouso de ferramentas de identificação de sistemas, baseadas em dados experimentais, se torna relevante. Assim, neste projeto, pretende-se explorar tais ferramentas utilizando técnicas baseadas em aproximações por mínimos quadrados, redes neurais e também técnicas baseadas em conceitos mais recentes de aprendizado de máquinas (machine-learning) para prever as condições de operação da BCS e assim ajustar sua operação para evitar situações não desejadas de operação. O principal resultado esperado para este projeto é mapear algumas ferramentas que se apliquem ao caso do escoamento multifásico, identificando-se a fração de água através dos parâmetros operacionais da bomba e de medições que se mostrem mais adequadas a esta finalidade. Os resultados experimentais deverão ser obtidos através de bancadas de testes do LABPETRO da UNICAMP, buscando uma validação adequada das técnicas de identificação empregadas. (AU)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

ORSI, Matheus Paris. Water cut estimation in electrical submersible pumps using artificial neural networks. 2021. Dissertação de Mestrado - Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Mecânica Campinas, SP.