Determinación de la temperatura de formación de hidratos del gas natural utilizando redes neuronales artificiales

Abstract

Los hidratos de gas son sólidos en forma de cristales con apariencia de hielo pero poseen una estructura diferente. Se forman en sistemas de gas o de líquidos recuperados del gas natural, normalmente cuando hay presencia de agua líquida, sin embargo, no necesariamente tiene que darse esta condición. Dependiendo de la composición del gas natural, la presión y temperatura para la formación de hidratos varía y siendo conscientes que existe un número amplio de condiciones en los procesos de producción y transporte de gas natural que los puedan generar, métodos alternativos para la predicción de las condiciones de formación de hidratos se requieren, los cuales logren realizar interpolaciones entre medidas realizadas de manera acertada. Es aquí donde radica la importancia de las redes neuronales, ya que son una aplicación matemática que actúa como un interpolador perfecto, que permite la identificación de patrones establecidos a partir de datos existentes, en este caso datos de Presión, Temperatura y Gravedad Específica. De acuerdo con lo anterior el desarrollo de un modelo aplicado a Redes Neuronales para predecir la temperatura de formación de hidratos, es viable y funcional, ya que ayuda a la caracterización de la información que se requiere en los cálculos de la ingeniería del gas y ayuda a mitigar los problemas operativos que generan tales como: bloqueo de tuberías, bloqueo de equipos e instrumentos, falsas lectura de presión y errores de medición. Actualmente la industria petrolera se gasta millones de dólares para combatir la formación de hidratos. Por lo tanto, la precisión de la estimación de las condiciones de formación de los hidratos de gas natural es muy importante para optimizar el costo de los sistemas de tuberías y unidades de procesamiento.