Publicación:

Herramienta software para el ajuste de la ecuacion de estado de peng-robinson a datos experimentales pvt de yacimientos cercanos al punto critico utilizando redes neuronales

Resumen

Los yacimientos de fluidos composicionales además de ser muy valiosos presentan una gran complejidad e inestabilidad. En ingeniería de petróleos, se han utilizado ecuaciones de estado para predecir y estimar el comportamiento de las fases presentes en ellos, constituyéndose en la base fundamental de la simulación composicional. Sin embargo, su utilización es limitada porque pierden validez en diferentes rangos de temperatura y presión. Por otro lado, se han utilizado algoritmos de análisis estadístico, basados en el método de mínimos cuadrados, con el fin de ajustar los datos predictivos de las ecuaciones de estado a los datos experimentales PVT y de esta manera obtener los parámetros que permitan utilizarla a diferentes condiciones de temperatura y presión. Estas metodologías, tiene gran aplicación y una alta precisión, pero ofrecen una gran desventaja: el ajuste estadístico fuerza a cambiar los parámetros de la ecuación de estado sin tener en cuenta que estos reflejan características físico-químicas de los compuestos que hacen parte de la mezcla de hidrocarburos. El presente trabajo tiene como fin, presentar una metodología y una herramienta software, basada en redes neuronales, que permite generar los parámetros de la ecuación de estado que reproducen con exactitud los datos PVT de laboratorio; permitiendo posteriormente predecir el comportamiento de fases de los fluidos a condiciones de yacimiento. Esta nueva metodología ajusta los Coeficientes de Interac ción Binaria – CIB –-, los cuales son parte fundamental de la ecuación de estado y reflejan las interrelaciones moleculares de los compuestos químicos de los fluidos. Las redes neuronales que se utilizan no permiten que los cambios de los parámetros sean forzados sino que lleguen a valores tales que continúen representando las características físicas de los compuestos y permitan predicciones del orden del 99% de precisión como se muestra en los respectivos análisis de resultados.