Water cut estimation in electrical submersible pumps using artificial neural networks

Autor(es)

Matheus Paris Orsi

• Tipo de documento: Dissertação de Mestrado
• Imprenta: Campinas, SP.
• Instituição: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Mecânica
• Data de defesa: 2021-12-09

Membros da banca

Alberto Luiz Serpa; Flávio Vasconcelos da Silva; Marcelo Souza de Castro

• Orientador: Alberto Luiz Serpa

Resumo

A elevação artificial é um método utilizado para se obter uma maior taxa de escoamento de óleo de um poço, através de alguma instalação que reduza a pressão no fundo do mesmo. O bombeio centrífugo submerso é um método comum na indústria do petróleo. O principal componente deste método são as bombas centrífugas submersas (BCS), que podem operar com escoamentos complexos envolvendo misturas multifásicas de água, gás e óleo. A presença de água na elevação de petróleo é um problema pois favorece a formação de emulsões, que são a mistura de água e óleo. Elas podem ser encontradas na forma de emulsões água-em-óleo e óleo-em-água, a depender de qual fase é a contínua e qual é a fase dispersa. As emulsões água-em-óleo aumentam consideravelmente a viscosidade da mistura e afetam o desempenho da bomba, diminuindo sua capacidade de bombeamento. O aumento ou diminuição de água no processo pode causar um fenômeno chamado de inversão de fase catastrófica (IFC), onde a fase dispersa se torna a fase contínua e altera rapidamente as propriedades físicas do escoamento, causando instabilidades operacionais através do sistema de produção. Para identificar e prever este importante fenômeno em fluxos multifásicos complexos, o uso de ferramentas de identificação avançadas, baseadas em dados experimentais, vem sendo utilizados recentemente. Neste trabalho, redes neurais são usadas para estimar a fração de água em um fluxo que atravessa uma BCS. Para isto, dados como a pressão de entrada e de saída, temperatura e os valores de fração de água correspondentes, entre outros, foram coletados de uma BCS operando com água e óleo. Testes monofásicos e bifásicos foram performados com o objetivo de coletar dados com diferentes valores de fração de água, variando entre ?0% (óleo monofásico) e ?100% (água e óleo bifásico). A partir dos experimentos em laboratório, foi possível construir uma ferramenta computacional baseada em dados capaz de estimar a fração de água que atravessa a bomba, usando uma estrutura de redes neurais otimizada, que atingiu um valor de coeficiente de determinação (R-quadrado) de 0,99929 e 0,99468 para os conjuntos de treino e teste, respectivamente. Além disso, dados de campo fornecidos pela Equinor Brasil foram analisados antes e após sua limpeza e um modelo de RNA foi construído para prever a fração de BSW (basic sediments and water) ao longo do funcionamento do sistema. Com dados limpos, o modelo atingiu R-quadrado de 0,99883 e 0,99884 nos conjuntos de treino e teste, respectivamente (AU)

• Processo FAPESP: 19/08446-4 - Identificação da fração de água em escoamentos multifásicos usando bombas centrífugas
• Beneficiário: Matheus Paris Orsi
• Modalidade de apoio: Bolsas no Brasil - Mestrado