UTILIZAÇÃO DE REDE NEURAL PARA O DIAGNÓSTICO DE FALHAS DO BOMBEIO CENTRÍFUGO SUBMERSO
Bombeio Centrífugo Submerso. Rede Neural. Pressão na cabeça. Detecção de Falhas. Indústria 4.0.
Na elevação artificial os métodos de automação estão sendo empregados com o intuito de aumentar a eficiência e produção dos poços de petróleo. No Bombeio Centrífugo Submerso (BCS) isso se torna primordial, visto que a análise dos dados disponíveis ainda é insuficiente para monitorar, diagnosticar, interpretar e analisar o desempenho do reservatório, integridade do poço, operação do BCS e eficiência em tempo real. Além disso, o diagnóstico de cartas amperimétricas tradicional não pode identificar vazamento de tubulação, levantamento de bomba de baixo desempenho e baixa eficiência de funcionamento da bomba. Dessa forma, esse trabalho tem como intuito fornecer uma proposta de detecção de problemas relacionados a interferência de gás e bloqueio de gás da bomba a partir do estudo da corrente com base nas cartas ameprimétricas. Isso será realizado com redes neurais utilizando o algoritmo BackPropagation (BP) na linguagem de programação Python no ambiente Google Colaboratory. Além disso, será proposto uma análise de pressão na cabeça do poço com o intuito de confirmar o que foi obtido pela rede neural e identificar onde ocorreu a possível falha e, sendo assim, propor uma solução mais adequada. Este modelo é um complemento confiável ao método tradicional de diagnóstico das cartas amperimétricas, como também fornece flexibilidade complementar para cooperar com as operações de campo em tempo real. A identificação e resolução em estágio inicial de problemas do BCS podem levar a uma grande economia de custos e menos requisitos de manutenção devido a este sistema inteligente.