Um processo escalável para detecção de hidratos em poços de petróleo utilizando abordagens pvt e ia

um processo escalável para detecção de hidratos em poços de petróleo utilizando abordagens pvt e ia. a presente patente tem por objeto um processo escalável de monitoramento em tempo real de poços de petróleo para detecção da formação de hidratos, utilizando dados de pressão, temperatura e vazão dos...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: HÉLVIO DE FARIAS COSTA PEIXOTO, LUCAS GOUVEIA OMENA LOPES, EDUARDO TOLEDO DE LIMA JUNIOR, WEVERTON MARQUES DA SILVA, WILLIAM WAGNER MATOS LIRA, EDUARDO DA SILVA PARANHOS SOBRINHO, THALES MIRANDA DE ALMEIDA VIEIRA, JOÃO PAULO NOGUEIRA DE ARAÚJO, THIAGO BARBOSA DA SILVA, JOSUÉ DOMINGOS DA SILVA NETO, FÁBIO MARTINS GONÇALVES FERREIRA
Format: Patent
Sprache:por
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:um processo escalável para detecção de hidratos em poços de petróleo utilizando abordagens pvt e ia. a presente patente tem por objeto um processo escalável de monitoramento em tempo real de poços de petróleo para detecção da formação de hidratos, utilizando dados de pressão, temperatura e vazão dos poços. utiliza-se de uma combinação de classificadores de aprendizagem profunda e abordagens analíticas do tipo pressão-volume-temperatura (pvt) para prever a ocorrência desse evento indesejado, a qual é extremamente indesejada em operações de produção e injeção em poços de óleo e gás, por afetar a segurança operacional e gerar tempo não-produtivo, com altos custos associados. o sistema de aprendizado profundo proposto é uma abordagem de inteligência artificial dedicada à detecção de eventos de formação de hidratos. já o procedimento analítico baseado no envelope de formação de hidratos, determinado por modelos pvt da literatura, é utilizado para identificar a zona de ocorrência do fenômeno. essa metodologia conjunta é apta para monitoramento em tempo real dos dados dos sensores nos poços, detecção e alerta acerca de eventos de formação de hidratos. os métodos de aprendizagem profunda utilizados conferem uma acurácia superior com relação às outras estratégias presentes na indústria. eles também possibilitam sua escalabilidade para a detecção de outros eventos além da formação de hidrato. a solução pode também ser adaptada para o monitoramento em tempo real e classificação de eventos de diferentes setores industriais com malhas fechadas, que usufruem de sensoriamento remoto. portanto, o processo proposto tem o objetivo de identificar e antecipar eventos de falha relacionada a hidratos em linhas de produção dos poços de petróleo, melhorando assim a segurança operacional e reduzindo tempo e custos de parada e manutenção.