[pt] CONTROLE PREDITIVO COM APRENDIZADO POR REFORÇO PARA PRODUÇÃO DE ÓLEO EM POÇOS INTELIGENTES
[pt] Este trabalho apresenta a modelagem e o desenvolvimento de uma metodologia baseada em Controle com Modelo Preditivo (MPC) aplicada ao controle da produção de óleo em um reservatório de petróleo com poços produtores e injetores já existentes. A estratégia MPC utiliza um modelo de aprendizado de...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2020 |
| País: | Brasil |
| Institución: | Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
| Repositorio: | Repositório Institucional da PUC-RIO (Projeto Maxwell) |
| Idioma: | portugués |
| OAI Identifier: | oai:MAXWELL.puc-rio.br:47049 |
| Acceso en línea: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=47049&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=47049&idi=2 http://doi.org/10.17771/PUCRio.acad.47049 |
| Access Level: | acceso abierto |
| Palabra clave: | [pt] APRENDIZADO POR REFORCO [pt] CAMPO INTELIGENTE [pt] RESERVATORIO PETROLIFERO [pt] PROXY [pt] CONTROLE PREDITIVO [pt] REDE NEURAL ARTIFICIAL [en] REINFORCEMENT LEARNING [en] SMART WELLS [en] PETROLEUM RESERVOIR [en] PROXY [en] PREDICTIVE CONTROL [en] ARTIFICIAL NEURAL NETWORKS |
| Sumario: | [pt] Este trabalho apresenta a modelagem e o desenvolvimento de uma metodologia baseada em Controle com Modelo Preditivo (MPC) aplicada ao controle da produção de óleo em um reservatório de petróleo com poços produtores e injetores já existentes. A estratégia MPC utiliza um modelo de aprendizado de máquina, baseado em Aprendizado por Reforço (Reinforcement Learning), como método de busca da política ótima de controle. Os experimentos se realizaram em um reservatório petrolífero sintético com atuadores que são 3 válvulas de injeção de água. Assim, a atuação é realizada através das taxas de injeção de água para determinados intervalos de tempo. As variáveis de saída do campo são: Pressão média do reservatório, taxa diária de produção de óleo, gás, água e water cut na produção. A previsão dessas variáveis é realizada mediante a utilização de uma proxy, a qual é um modelo identificado da planta implementado utilizando redes neurais. Os resultados obtidos indicam que o modelo proposto é capaz de controlar a produção de óleo mesmo com perturbações no poço produtor, para diferentes valores de referência de produção de óleo. |
|---|