Desarrollo de una metodología para la simulación del comportamiento de producción de un yacimiento usando redes neuronales
No Thumbnail Available
Date
2007
Authors
Advisors
Evaluators
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
En la industria del petróleo, toda vez que se quiere evaluar la respuesta de un campo a diferentes condiciones de operación, se utiliza preferiblemente la simulación numérica. Ésta estrategia, a pesar de tener un relativo éxito, presenta algunos costos y limitantes que pueden llegar a ser superados con la ayuda de mecanismos alternativos de simulación. Con el objetivo de construir un modelo sustituto, capaz de emular el comportamiento de producción de un campo, se hizo un estudio para determinar la metodología a seguir para que una red neuronal artificial (RNA) capturara los elementos necesarios para hacer los estimativos de producción de aceite bajo diferentes escenarios. La investigación se inició con una revisión detallada de los fundamentos de las RNA de alimentación hacia delante y retropropagación del error (parte codificada en DelphiTPFFPT). Luego, se abordaron los elementos propios del flujo de fluido en medios porosos, como etapa previa a la definición de las variables que deberían ser tenidas en cuenta para las entradas y las salidas de las RNAs. Los modelos de RNAs fueron planteados desde el más simple (un solo pozo) hasta el más complejo (varios pozos actuando de manera simultánea), y las variables escogidas fueron discriminadas por su comportamiento dinámico o estático, según el escenario de simulación. Cada modelo propuesto fue evaluado por medio de una aplicación construida en MatlabTPFFPT. Los datos utilizados para el entrenamiento y la simulación de las RNAs, fueron obtenidos de casos reales de campos colombianos y de la simulación numérica de un campo ficticio. Éste último se creó para obtener datos de aquellos escenarios que no pueden ser reproducidos en la realidad por cuestiones económicas. Finalmente, se hizo un resumen de las estructuras de redes, las variables y los procedimientos que garantizaron un acercamiento de las RNAs entrenadas, al comportamiento esperado.
Description
Keywords
Redes neuronales artificiales, Simulación, Yacimientos, Producción, Declinación, matlab