Publicación:
Desarrollo de un sistema de selección de un método óptimo de recuperación mejorada de petróleo basado en red neuronal evolutiva

Página de artículo simple
dc.contributor.author Prudencio Baldeón, Guillermo es_PE
dc.date.accessioned 2024-05-30T23:13:38Z
dc.date.available 2024-05-30T23:13:38Z
dc.date.issued 2018
dc.description.abstract Los métodos de recuperación mejorada de petróleo (EOR) son procesos de recuperación de petróleo probados alrededor del mundo, los cuales permiten que campos maduros de petróleo rejuvenezcan y aumenten su producción a cantidades económicamente rentables. Varios países consideran a estos métodos como una opción atractiva para aumentar su seguridad de suministro energético debido al alto potencial de incremento de sus reservas de petróleo. La problemática de implementar en la práctica estos métodos de EOR radica en su complejidad, periodos largos de implementación, riesgo económico y altas inversiones. Esto origina que las empresas del sector interesados en estos métodos realicen un análisis de selección exhaustivo antes de emprender un proyecto de este tipo. En la presente tesis se desarrolla un sistema de selección optima de un método de EOR, el cual permite identificar el método de EOR de mayor probabilidad de éxito de implementación para un determinado campo maduro de petróleo. El sistema es desarrollado utilizando un modelo de red neuronal evolutiva y usando información de proyectos pasados de EOR exitosos alrededor del mundo. Más específicamente, en este trabajo se ha desarrollado un sistema confiable de fácil uso el cual permite identificar de un grupo de ocho métodos de EOR (Inyección de ASP, Inyección de CO2 inmiscible, Inyección de vapor, Inyección de CO2 miscible, Inyección de Nitrógeno, Inyección de polímero, Combustión in-situ, e Inyección de hidrocarburo miscible) un método óptimo de EOR, con una precisión del 93.9%. Para la identificación se usa siete parámetros de fluido y roca del reservorio (porosidad, saturación inicial de petróleo, profundidad, permeabilidad, gravedad °API, viscosidad y temperatura). El sistema desarrollado se diferencia de otros sistemas anteriores, en el hecho de que este contiene en su base de datos un mayor número de métodos de EOR comerciales, el cual lo convierte en un sistema con mayor rango de selección. En la construcción del sistema se ha usado una red neuronal evolutiva (RNE), la cual ha permitido que la arquitectura de red neuronal, base de la estructura del sistema, tenga un alto desempeño. Adicionalmente, se ha planteado una nueva metodología de selección de arquitecturas de red neuronal artificial (RNA) desde un espacio de RNAs. Esta metodología permite seleccionar una arquitectura de RNA de manera rápida y confiable, el cual reduce el tiempo de búsqueda y genera una estructura de RNA de alto desempeño. Como parte de la aplicación de la herramienta desarrollada, se ha identificado los métodos de EOR con mayor posibilidad de éxito de implementación en los campos maduros de petróleo del Lote 192 ubicado en la cuenca del Marañón, Perú. Los resultados obtenidos indican que los métodos de EOR a aplicar son en términos de probabilidad de éxito, 85% de hidrocarburo miscible, 12% de combustión in-situ y 3% de inyección de nitrógeno.
dc.description.sponsorship Consejo Nacional de Ciencia, Tecnología e Innovación Tecnológica - Concytec
dc.identifier.uri https://hdl.handle.net/20.500.12390/1714
dc.language.iso spa
dc.publisher Universidad Nacional de Ingeniería
dc.rights info:eu-repo/semantics/openAccess
dc.subject Red Neuronal Artificial (RNA)
dc.subject Petróleo es_PE
dc.subject Optimización de procesos de petróleo es_PE
dc.subject.ocde https://purl.org/pe-repo/ocde/ford#2.07.03
dc.title Desarrollo de un sistema de selección de un método óptimo de recuperación mejorada de petróleo basado en red neuronal evolutiva
dc.type info:eu-repo/semantics/masterThesis
dspace.entity.type Publication
oairecerif.author.affiliation #PLACEHOLDER_PARENT_METADATA_VALUE#
Archivos
Colecciones
1.1 Eventos institucionales
 2.2 Estudios de maestría