Implementación de redes neuronales para predecir presión de miscibilidad en la inyección de dióxido de carbono

Johanna Barreiro, Alexis Gammiero

Resumen


La inyección de Dióxido de Carbono (CO2), ha demostrado ser un método efectivo en la recuperación mejorada de crudos livianos y medianos, debido a la disminución de la saturación residual del crudo al obtener condiciones miscibles. En la presente investigación, se desarrolló una correlación por medio de Redes Neuronales Artificiales (RNA), para predecir Presión Mínima de Miscibilidad (PMM) en la inyección de CO2, ya que los métodos experimentales para predecir PMM requieren grandes costos y tiempo. La PMM está correlacionada con la temperatura del yacimiento, fracción de componentes volátiles (Xvol) e intermedios (Xint) presentes en el crudo, masa molecular de la fracción de C5+ (MMC5+), concentración de CO2 y de componentes presentes en el mismo tales como N2, CH4, C2-C4 y H2S. Se evaluaron diferentes arquitecturas y posteriormente se seleccionó la función entrenamiento y transferencia, número de capas ocultas y tolerancia del error cuadrático medio. Luego se realizó un análisis de sensibilidad respecto a distintos conjuntos de datos y número de neuronas para definir la arquitectura final. Se evaluó la consistencia en la física de los sistemas propuestos, donde el aumento de la temperatura, Xvol, MMC5+, al igual que la concentración de N2 y CH4 en el gas, influyen en el incremento de la PMM. Un efecto inverso se espera al incrementar Xint, la concentración de H2S y fracción de C2-C4 presentes en el gas de inyección. Finalmente, se estableció una comparación entre el error promedio obtenido por la RNA propuesta y las correlaciones de la literatura, donde se encontró que la RNA resultó ser más exacta en sus predicciones.

Citas



Texto completo: PDF

Refbacks

  • No hay Refbacks actualmente.


Creative Commons License
This work is licensed under a Creative Commons Attribution 3.0 License.

Share

Terminos de la Licencia

ISSN Eletrônico (Electronic): 2443-4477 

ISSN Impreso  (Print): 0798-4065

Informes de contenido y estadisticas con Google Analytics

Contador de Visitas (Dirección de IP, Paises, Ciudades)

visitors by country counter
flag counterblog counter
blog counter