Lógica de control de flujo Neuro-FuzzyPID para pozos petrolíferos submarinos para procesamiento FPSO
Barra lateral del artículo
Contenido principal del artículo
Resumen
Teniendo en cuenta que los pozos petroleros submarinos emergentes alrededor del mundo operan con válvula de estrangulamiento fija de apertura y activación manual, vimos la oportunidad de automatizar este elemento para garantizar una mejor productividad del proceso. Este artículo muestra cómo se diseñó una lógica de control Neuro-Fuzzy-PID de circuito cerrado para controlar la producción de pozos petroleros submarinos emergentes con el fin de mantener un suministro de energía continuo al proceso de tratamiento de la plataforma y corregir las perturbaciones. Para esto se creó una red neuronal artificial que dio como resultado el comportamiento de los pozos dependiendo de la apertura de las válvulas de estrangulamiento y luego se implementó un controlador Fuzzy-PID que cierra la malla de los pozos con el proceso de plataforma. Se realizaron varias simulaciones para mostrar el funcionamiento del circuito cerrado, dado que el control Fuzzy-PID tiene la gran ventaja de tener una sintonía que funciona incluso con cambios en la dinámica del proceso y para varios rangos de operación. Con este trabajo fue posible estimar una ganancia potencial de hasta 923 mil reales por año para la plataforma petrolera estudiada.
Descargas
Detalles del artículo
La Revista de Ciencia y Tecnología sostiene su compromiso con las políticas de Acceso Abierto a la información científica, al considerar que tanto las publicaciones científicas como las investigaciones financiadas con fondos públicos deben circular en Internet en forma libre y gratuita. Los trabajos publicados en la Revista de Ciencia y Tecnología están bajo la licencia Creative Commons Atribución-NoComercial 2.5 Argentina.
Aceptado 2024-04-17
Publicado 2024-11-12
Citas
BELLO, Opeyemi et al. Application of artificial intelligence techniques in drilling system design and operations: a state of the art review and future research pathways. In: SPE Nigeria Annual International Conference and Exhibition. OnePetro, 2016.
CAMPOS, Mario CMM et al. Intelligent system for start-up and anti-slug control of a petroleum offshore platform. In: OTC Brasil. OnePetro, 2017.
CARVALHO, Adelson S; ALMEIDA, Gabriel CS; SALLES, Rafael S. Implementação de Controladores Híbridos PID-Fuzzy: Análise de Desempenho em uma Planta de Nível. In: Congresso Brasileiro de Automática-CBA. 2020.
CHAVES, José Andersands Flauzino; DA SILVA, Flávio Vasconcelos; FONSECA, Rodolpho Rodrigues. Modelagem e simulação dinâmica do processo de tratamento de óleo em um FPSO. Apresentação de trabalho. III SEMINÁRIO DE PESQUISA EM ENGENHARIA QUÍMICA. Universidade de Federal de Sergipe. 2021.
COSTA, Susiane Marques. A exploração do pré-sal e o futuro brasileiro. Trabalho de conclusão de curso. UNB. 2014.
CRIVELLARI, Gabriel Pereira. Modelagem matemática e simulação de um permeador de gases para separação de CO2 de gás natural. Tese de Doutorado. Universidade de São Paulo. 2016.
DA SILVA, Ivan Nunes; SPATTI, Danilo Hernane; FLAUZINO, Rogério Andrade. Redes neurais artificiais para engenharia e ciências aplicadas-curso prático. São Paulo: Artliber, 2010.
DE MEDEIROS, Márcio Lindemberg Bezerra; DE OLIVEIRA JUNIOR, Antonio Martins; FONSECA, Rodolpho Rodrigues. Gain scheduling control applied to oil and gas separator level loop. Research, Society and Development, v. 10, n. 4, p. e55010414397-e55010414397, 2021.
GUALBERTO, Arnaldo. Manual Prático do Deep Learning - Redes Neurais Profundas. Machine Learning Analyst at Wildlife Studios. 2020.
NUNES, Giovani Cavalcanti; DE MEDEIROS, José Luiz; ARAÚJO, Ofélia de Queiroz Fernandes. Modelagem e controle da produção de petróleo: aplicações em Matlab. Editora Blucher, 2010.
SILVA, Filipe Reolon da. Estudo de um novo sistema de separação primária de gás-óleo-água para plataformas de petróleo. Trabalho de conclusão de curso. Universidade Federal do Rio Grande do Sul. 2013.
TORRES CAMPOS, Orlando. La internet industrial de las cosas & la inteligencia artificial, el impacto en la economía y las oportunidades de nuevos negocios. Revista CIES Escolme, v. 11, n. 2, p. 127-139, 2020.