Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Souza, Troner Assenheimer de | - |
Autor(es): dc.contributor | Ahón, Victor Rolando Ruiz | - |
Autor(es): dc.contributor | Santos, Lizandro de Sousa | - |
Autor(es): dc.contributor | Braga, Eduardo Rangel | - |
Autor(es): dc.creator | Oliveira, Rafael da Silva | - |
Data de aceite: dc.date.accessioned | 2024-07-11T18:45:47Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T18:45:47Z | - |
Data de envio: dc.date.issued | 2023-01-30 | - |
Data de envio: dc.date.issued | 2023-01-30 | - |
Fonte completa do material: dc.identifier | http://app.uff.br/riuff/handle/1/27765 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/777047 | - |
Descrição: dc.description | Muitos desafios se fazem presentes na indústria de óleo e gás e o aparecimento de emulsões água em óleo na etapa de produção é um problema crítico. É comum que estas emulsões apresentem altos valores de viscosidade, ocasionando perda de carga nas linhas submarinas e consequentemente diminuição da produtividade do poço. O conhecimento da viscosidade nas linhas de produção é fundamental para o dimensionamento de equipamentos nas etapas de projeto e na tomada de decisões durante a operação dos campos offshore. Estudos reológicos são ferramentas muito úteis neste aspecto, porém dispendiosas devido a alocação de recursos humanos e equipamentos, logística de coleta das amostras e tempo elevado para realização dos estudos. Neste sentido, diversas correlações para a previsão da viscosidade de emulsões estão presentes na literatura, porém elas não são genéricas como desejado, geralmente apresentando bons resultados para emulsões formadas por óleos da mesma origem as quais foram modeladas. Avaliando essa questão e os novos métodos presentes na literatura, a utilização de inteligência artificial e aprendizado de máquina pode ser uma alternativa com grande potencial de sucesso para prever essa propriedade, caso muitos dados experimentais estejam disponíveis. Existem poucos trabalhos na literatura abordando o tema com essas ferramentas, mas foram observadas algumas metodologias que já foram utilizadas para problemas correlatos da indústria de óleo e gás e apresentaram bons resultados. Neste trabalho foi aplicada uma metodologia de otimização sequencial de uma rede neural artificial para prever a viscosidade de emulsões água em óleo, utilizando mais de 5000 pontos experimentais de estudos de caracterização reológica de óleos leves, médios e pesados originados de poços offshore brasileiros. Foi utilizada como variável de resposta a viscosidade relativa da emulsão e as variáveis empregadas para regressão foram o teor de água, temperatura, taxa de cisalhamento e °API. Após o treinamento, as redes geradas apresentaram bom desempenho com coeficiente de determinação (R2) superiores a 0,99 para os dados utilizados para teste. Após o ajuste da rede, foi empregada a estratégia de validação cruzada e a média do coeficiente de determinação para este teste também ficou acima de 0,99, comprovando a capacidade da metodologia de gerar modelos genéricos para o problema em questão. | - |
Descrição: dc.description | Many challenges are faced in the oil and gas industry and the presence of water-in-oil emulsions during oil production is a critical problem. These emulsions usually have high viscosity values, causing pressure drop in the subsea lines and, consequently, a decrease in well productivity. The knowledge of this property is essential for defining equipment in the design and project stages and in decision making during the operations at offshore fields. Rheological studies are good tools, but expensive due to the allocation of human resources and equipment, logistics of sample collection and long time to conduct the studies. In this sense, many correlations for predicting emulsion’s viscosity are present in the literature, but they are not as generic as desired, presenting good results for emulsions formed by oils from the same origin which they were modeled from. Evaluating this issue and the new methods present in the literature, the use of artificial intelligence and machine learning can be an alternative with great potential to succeed in predicting this property, if many experimental data are available. There are few works in the literature approaching the subject with these tools, but some methodologies were observed, and these have already been applied to related problems in the oil and gas industry and presented good results. At the present study, a sequential optimization methodology of an artificial neural network was applied to predict the viscosity of water-in-oil emulsions, using more than 5000 experimental points from studies of rheological characterization of light, medium and heavy oils from Brazilian waters. The relative viscosity of the emulsion was used as a response variable and the variables used for regression were water cut, temperature, shear rate and °API. After training, the artificial neural network showed good performance with a coefficient of determination (R2) above 0.99 for the data used for testing. After the network adjustment, the cross-validation strategy was used and the mean of the coefficient of determination for this test was also above 0.99, proving the methodology's ability to create generic models for the presented problem | - |
Descrição: dc.description | 125 p. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Viscosidade | - |
Palavras-chave: dc.subject | Emulsão | - |
Palavras-chave: dc.subject | Petróleo | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Indústria petrolífera offshore | - |
Palavras-chave: dc.subject | Rede neural artificial | - |
Palavras-chave: dc.subject | Emulsão | - |
Palavras-chave: dc.subject | Viscosity | - |
Palavras-chave: dc.subject | Emulsion | - |
Palavras-chave: dc.subject | Petroleum | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Título: dc.title | Utilização de redes neurais artificiais para a previsão da viscosidade de emulsões de água em óleo de petróleos brasileiros | - |
Tipo de arquivo: dc.type | Dissertação | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: