RECONHECIMENTO DE PADRÕES APLICADOS NO PROBLEMA DE AJUSTE DE CICLAGEM PARA O MÉTODO DE ELEVAÇÃO DE GÁS LIFT INTERMITENTE PARA POÇOS ONSHORE
Integridade estrutural; Petroléo e Gás; Inteligência artificial
O objetivo deste trabalho é desenvolver uma metodologia para modelar os tempos da ciclagem do método de elevação GLI (gás lift intermitente) em poços de petróleo onshore, utilizando dados de ajustes de ciclos a partir do emprego de Redes Neurais Artificiais (RNAs) para otimizar a injeção de gás utilizada para elevação artificial, mantendo ou aumentando o fator de recuperação do óleo e simultaneamente atendendo a critérios de resistência mecânica das estruturas associadas. A inteligência artificial tem sido utilizada em diversas aplicações no segmento de Engenharia, em especial na indústria de petróleo e gás, e devido à complexidade da indústria petrolífera, a demanda por novas tecnologias ao longo dos últimos anos vem crescendo cada vez mais. O processo de tomada de decisão para modelagem dos tempos de ciclagem proposto no presente trabalho pode ajudar a reduzir a frequência da ida do operador no poço para verificar o fluxo produzido dentro do ciclo, além de aulixiar no processo de gerenciamento de integridade estrutural das intalações de produção na indústria de petróleo e gás.