[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...

Descripción completa

Detalles Bibliográficos
Autor: ALVARO GUSTAVO TALAVERA LOPEZ
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
id BR_33003e66f28c0d4ce310eb3c387413c0
oai_identifier_str oai:MAXWELL.puc-rio.br:47049
network_acronym_str BR
network_name_str Brasil
repository_id_str
spelling [pt] CONTROLE PREDITIVO COM APRENDIZADO POR REFORÇO PARA PRODUÇÃO DE ÓLEO EM POÇOS INTELIGENTES [en] PREDICTIVE CONTROL WITH REINFORCEMENT LEARNING FOR OIL PRODUCTION IN SMART WELLS [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[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.[en] This work presents the modeling and development of a methodology based on Model Predictive Control with (MPC) applied to the control of oil production in an oil reservoir with existing production and injection wells. The MPC strategy is based on a machine learning model - Reinforcement Learning (Reinforcement Learning) - as the method of searching the optimal control policy. The experiments were carried out in an oil reservoir with synthetic valve actuators that are 3 water injections. Therefore, the action is performed by injecting water rates for certain time intervals. The output variables of the field are: average pressure of the reservoir, the daily production of oil, gas, water and water cut. The forecast of these variables is accomplished by a proxy, which is a model identification og the plant implemented by neural networks. The results indicate that the proposed model is capable of controlling oil production even with disturbances in the producing well, for different reference values for oil production.MAXWELLMARLEY MARIA BERNARDES REBUZZI VELLASCOMARLEY MARIA BERNARDES REBUZZI VELLASCO2020-03-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=47049&idi=1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=47049&idi=2http://doi.org/10.17771/PUCRio.acad.47049porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccessALVARO GUSTAVO TALAVERA LOPEZ2022-07-27T00:00:00Zoai:MAXWELL.puc-rio.br:47049Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342022-07-27T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
dc.title.none.fl_str_mv [pt] CONTROLE PREDITIVO COM APRENDIZADO POR REFORÇO PARA PRODUÇÃO DE ÓLEO EM POÇOS INTELIGENTES
[en] PREDICTIVE CONTROL WITH REINFORCEMENT LEARNING FOR OIL PRODUCTION IN SMART WELLS
title [pt] CONTROLE PREDITIVO COM APRENDIZADO POR REFORÇO PARA PRODUÇÃO DE ÓLEO EM POÇOS INTELIGENTES
spellingShingle [pt] CONTROLE PREDITIVO COM APRENDIZADO POR REFORÇO PARA PRODUÇÃO DE ÓLEO EM POÇOS INTELIGENTES
ALVARO GUSTAVO TALAVERA LOPEZ
[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
title_short [pt] CONTROLE PREDITIVO COM APRENDIZADO POR REFORÇO PARA PRODUÇÃO DE ÓLEO EM POÇOS INTELIGENTES
title_full [pt] CONTROLE PREDITIVO COM APRENDIZADO POR REFORÇO PARA PRODUÇÃO DE ÓLEO EM POÇOS INTELIGENTES
title_fullStr [pt] CONTROLE PREDITIVO COM APRENDIZADO POR REFORÇO PARA PRODUÇÃO DE ÓLEO EM POÇOS INTELIGENTES
title_full_unstemmed [pt] CONTROLE PREDITIVO COM APRENDIZADO POR REFORÇO PARA PRODUÇÃO DE ÓLEO EM POÇOS INTELIGENTES
title_sort [pt] CONTROLE PREDITIVO COM APRENDIZADO POR REFORÇO PARA PRODUÇÃO DE ÓLEO EM POÇOS INTELIGENTES
dc.creator.none.fl_str_mv ALVARO GUSTAVO TALAVERA LOPEZ
author ALVARO GUSTAVO TALAVERA LOPEZ
author_facet ALVARO GUSTAVO TALAVERA LOPEZ
author_role author
dc.contributor.none.fl_str_mv MARLEY MARIA BERNARDES REBUZZI VELLASCO
MARLEY MARIA BERNARDES REBUZZI VELLASCO
dc.subject.por.fl_str_mv [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
topic [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
description [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.
publishDate 2020
dc.date.none.fl_str_mv 2020-03-11
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 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
url 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
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv MAXWELL
publisher.none.fl_str_mv MAXWELL
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
repository.mail.fl_str_mv
_version_ 1853670999824793600
score 15,301629

Similares en LA Referencia