ESTUDO DA PERDA DE CARGA EM ESCOAMENTO MULTIFÁSICO UTILIZANDO TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL COM ÊNFASE NO ESCOAMENTO DE PETRÓLEO. / STUDY LOSS IN MULTIPHASE FLOW USING ARTIFICIAL INTELLIGENCE TECHNIQUES WITH EMPHASIS ON THE FLOW OF OIL.

AUTOR(ES)
FONTE

IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia

DATA DE PUBLICAÇÃO

01/08/2011

RESUMO

O escoamento multifásico é um tema que abrange um vasto campo de conhecimentos e aplicações, contextos tecnológicos diferentes, diferentes escalas e é alvo de estudos relativamente recentes. Como exemplos básicos, têm-se os processos de transporte industriais como água-vapor, leitos fluidizados e escoamento de petróleo. Pode-se dizer que, dentre esses sistemas, o transporte de petróleo apresenta-se como exemplo clássico do escoamento multifásico, encontrando-se nele todas as complexidades: escoamento que envolve todas as fases possíveis, ou seja, sólido-líquido-líquido-gás, por partículas em suspensão (sílica, resinas e asfaltenos, compostos metálicos e sais), óleo (hidrocarbonetos líquidos), água e gás (hidrocarbonetos gasosos), respectivamente. Entretanto, deve-se destacar que o escoamento multifásico é costumeiramente tratado com algumas simplificações. O conhecimento das características do escoamento multifásico também é fundamental para o desenvolvimento de equipamentos de medição de propriedades dos fluidos em linha, bem como medição de vazão e pressão, variáveis de fundamental interesse para o gerenciamento de reservatórios, controle de transferência quantitativa dos fluidos produzidos entre produtor e comprador, gerenciamento de controle de vazamentos, fiscalização, dentre outros. Este trabalho apresenta uma metodologia com o uso de técnicas de inteligência artificial, especificamente aquelas baseadas em Redes Neurais Artificiais RNAs, para predizer a perda de carga e o gradiente de pressão em escoamento multifásico, considerando-se o modelo físico Black Oil, para diferentes frações mássicas de fase gasosa no início do escoamento, levando-se em conta propriedades do fluxo, tais como viscosidades das fases individuais e da mistura, massa específica e velocidades das fases, enfatizando-se situações de escoamento que ocorrem na indústria do petróleo. Para a definição das arquiteturas e treinamento das RNAs, foram usados dados obtidos com a solução de modelos determinísticos. Foram usados, especificamente, os modelos determinísticos de escoamento homogêneo e de escoamento separado. Os resultados obtidos com as RNAs foram comparados com aqueles obtidos com os modelos determinísticos, verificando-se que a metodologia usada apresenta precisão satisfatória e simplicidade de uso, compatíveis com as necessidades da indústria petrolífera, podendo a abordagem ser estendida a situações onde dados operacionais são disponíveis.

ASSUNTO(S)

modelagem matemática multiphase flow neural networks escoamento multifásico escoamento de petróleo redes neurais engenharia quimica petroleum flow mathematical modeling

Documentos Relacionados