Logotipo del repositorio

Publicación:
Análisis y diagnóstico de problemas en el equipo de subsuelo de unidades de bombeo mecánico utilizando redes neuronales

dc.contributor.advisorCalvete, Fernando Enrique
dc.contributor.advisorSantafe Rangel, Elkin Rodolfo
dc.contributor.authorMateus Marin, Cristian Fernando
dc.contributor.authorRojas Cardenas, Daniel Mauricio
dc.date.accessioned2024-03-03T16:36:55Z
dc.date.available2007
dc.date.available2024-03-03T16:36:55Z
dc.date.created2007
dc.date.issued2007
dc.description.abstractEl Bombeo Mecánico es la técnica mas frecuentemente usada en el levantamiento artificial para la producción de aceite en yacimientos de baja presión. Las cartas de la bomba de fondo son usadas para evaluar el comportamiento de la unidad de bombeo las cuales contienen información significativa que describe el funcionamiento del equipo. La necesidad de identificar los problemas rápidamente y de manera precisa es esencial en el intento de minimizar los costos de operación y maximizar la producción. Este trabajo presenta una alternativa para la interpretación de dinagramas la cual realiza un análisis no solo cualitativo, si no cuantitativo, y además proporciona agilidad y rapidez en el reconocimiento de problemas en el equipo de subsuelo previniendo daños. El trabajo establece una metodología para construir una red neuronal artificial (RNA) capaz de realizar la interpretación de dinagramas de la forma ya descrita. Se presentan resultados de la interpretación realizada por la RNA a 15 dinagramas del Campo Escuela Colorado. En este estudio se aclara el procedimiento para disponer y extraer las características significativas de cada dinagrama y acomodar la información a la RNA, actividades que se constituyen como tareas de pre-procesamiento de datos para lo cual se diseñó y construyó un software. La RNA construida es tipo perceptrón multicapa con funciones de transferencia sigmoidal y tan-sigmoidal; y es entrenada utilizando la técnica "error-back-propagationfl. La RNA toma un total de 60 puntos como entrada, estos puntos son extraídos directamente del perímetro del registro dinamométrico. Las condiciones problema identificadas por la red son agrupadas en 9 clases distintas. La red es capaz de identificar una o más de estas condiciones problema para cada carta dinamométrica. Los resultados de aplicar esta red neuronal al Campo Escuela Colorado son discutidos.
dc.description.abstractenglishThe Sucker Rod Pumping is the most frequently used artificial-lift technique for oil production in low pressure reservoirs. Down hole pump cards are used to evaluate performance of the pumping unit, these contain significant information describing the behavior of the pump. The need to identify problems quickly and accurately is essential in order to minimize operating costs and maximize production. This work presents an alternative for the interpretation of dynamometer cards (DC) this tool makes a dual analysis, qualitative and quantitative, in addition it provides agility and fast response in the recognition of problems related with the down hole equipment of sucker rod pumping in order to prevent pump failures. The work establishes a methodology to build and develop an artificial neuronal network (RNA) able to make the interpretation of dynagraphs the way already described. Results of the interpretation made for the RNA on 15 dynamometer cards from Campo Escuela Coloradofl. In this study the procedure is clarified to arrange and to extract the characteristics significant of each DC and to accommodate the information to the RNA, those activities are constituted like tasks of data pre-processing for which a software was designed and developed. The developed RNA is type multilayer perceptron with sigmoidal and tan-sigmoidal activation functions; and it is trained using the error-back-propagation technique. The RNA takes a total of 60 points like inputs, these points are collected from the pump card perimeter. Pump problem conditions are grouped into 9 different types. The network is able to identify one or more of these conditions proposing a problem for each DC. The results of applying this neuronal network to the Campo Escuela Colorado are discussed.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero de Petróleos
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/20146
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicoquímicas
dc.publisher.programIngeniería de Petróleos
dc.publisher.schoolEscuela de Ingeniería de Petróleos
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectProducción
dc.subjectBombeo Mecánico
dc.subjectDinagramas
dc.subjectTWM
dc.subjectSistema de Levantamiento
dc.subjectbomba de subsuelo
dc.subjectRedes Neuronales Artificiales
dc.subjectInteligencia Artificial.
dc.subject.keywordSucker Rod Pumping
dc.subject.keywordDynamometer Cards
dc.subject.keywordTWM
dc.subject.keywordLifting System
dc.subject.keywordArtificial Neural Network
dc.subject.keywordArtificial Intelligence
dc.subject.keywordProduction.
dc.titleAnálisis y diagnóstico de problemas en el equipo de subsuelo de unidades de bombeo mecánico utilizando redes neuronales
dc.title.englishAnalysis and diagnosis of downhole equipment of sucker rod pumping problems using neuronal networks. *
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.typePublication

Archivos

Bloque original

Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
Documento.pdf
Tamaño:
4.71 MB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Nota de proyecto.pdf
Tamaño:
212.83 KB
Formato:
Adobe Portable Document Format

VIGILADA MINEDUCACIÓN

Ordenanza No. 83 de 1.944 (junio 22)

Carácter académico: Universidad

Notificaciones judiciales: notjudiciales@uis.edu.co 

.

Código SNIES: 1204   Nit: 890.201.213-4

Línea Anticorrupción:  +57 (601) 562 9300 EXT: 3633

Línea transparente: +57 (607) 630 3031