ads:
UNIVERSIDADE DO RIO GRANDE DO NORTEFEDERAL
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE
CENTRO DE TECNOLOGIA CT
CENTRO DE CIÊNCIAS EXATAS E DA TERRA CCET
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E
ENGENHARIA DE
PETRÓLEO - PPGCEP
DISSERTAÇÃO DE MESTRADO
Desenvolvimento de um Sistema Inteligente para a Análise de Cartas
Dinamométricas no Método de Elevação por Bombeio Mecânico
Heitor Penalva Gomes
Orientador: Prof. Dr. André Laurindo Maitelli
Natal, RN, Junho de 2009
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
Desenvolvimento de um Sistema Inteligente para a Análise de Cartas
Dinamométricas no Método de Elevação por Bombeio Mecânico
Heitor Penalva Gomes
Natal, RN, Junho de 2009
ads:
Heitor Penalva Gomes
Desenvolvimento de um Sistema Inteligente para a Análise de Cartas
Dinamométricas no Método de Elevação por Bombeio Mecânico
Dissertação de Mestrado apresentada ao
Programa de Pós-Graduação em Ciência e
Engenharia de Petróleo da UFRN (área de
concentração: Automação na Indústria de
Petróleo e Gás Natural) como parte dos re-
quisitos para obtenção do título de Mestre
em Ciência e Engenharia de Petróleo.
Aprovado em _____ de __________ de 2009.
Prof. Dr. André Laurindo Maitelli (Orientador) . . . . DCA/UFRN
Prof. Dr. Pablo Javier Alsina . . . . . . . . . . . . . . . . . . . . . DCA/UFRN
Dr. Benno Waldemar Assmann . . . . . . . . . . . . . . . . . . . . . . Petrobras
Aos meus pais, Hedilberto e Helena
e à minha noiva, Renata
Agradecimentos
Aos meus pais e irmão, pelo amor e incentivo.
À minha noiva Renata, pelo amor e compreensão em todos os momentos.
Ao meu orientador Maitelli, pelo incentivo e confiança.
Aos amigos da RN Tecnologia, João Maria e Rodrigo Barbosa.
Ao amigo Gustavo Bezerra, pelo apoio e incentivo durante a elaboração deste trabalho.
A Rafael Marrocos, pela colaboração prestada no desenvolvimento deste trabalho.
Aos colegas do PPGCEP.
À Petrobras, pelo incentivo e contribuição técnica.
E a todos que de alguma maneira se fizeram presentes, se preocuparam, foram solidárias
e torceram por mim.
Resumo
A necessidade da elevação artificial de petróleo se dá quando a pressão do reservatório
não é suficientemente elevada para que os fluidos nele contidos possam alcançar a super-
fície espontaneamente. Assim a elevação artificial fornece energia de forma suplementar
ou integral aos fluidos do poço para que cheguem à superfície. O Bombeio mecânico com
hastes é o método de elevação artificial mais utilizado no mundo e a Carta Dinamométrica
(de superfície e de fundo) é a melhor ferramenta de análise de um poço equipado com esse
tipo de método de elevação.Um Sistema que utiliza Redes Neurais Artificiais MLP foi de-
senvolvido e usando padrões pré-estabelecidos, baseadas em sua geometria, as cartas de
fundo dos poços são utilizadas para o treinamento da rede e posteriormente essa rede
disponibiliza o conhecimento adquirido para a classificação de novas cartas, permitindo o
diagnóstico de possíveis falhas no sistema de bombeio e das condições de funcionamento
desse sistema de elevação. Essas rotinas podem ser integradas a um Sistema Supervisório
que coleta as cartas a serem analisadas.
Palavras-chave: Automação industrial, Elevação artificial, Bombeio mecânico, Re-
des Neurais.
Abstract
The artificial lifting of oil is needed when the pressure of the reservoir is not high
enough so that the fluid contained in it can reach the surface spontaneously. Thus the
increase in energy supplies artificial or additional fluid integral to the well to come to
the surface. The rod pump is the artificial lift method most used in the world and the
dynamometer card (surface and down-hole) is the best tool for the analysis of a well
equipped with such method. A computational method using Artificial Neural Networks
MLP was and developed using pre-established patterns, based on its geometry, the down-
hole card are used for training the network and then the network provides the knowledge
for classification of new cards, allows the fails diagnose in the system and operation con-
ditions of the lifting system. These routines could be integrated to a supervisory system
that collects the cards to be analyzed.
Keywords: Industrial automation, Artificial Lift, Rod Pump, Artificial Neural Net-
works.
Sumário
Sumário i
Lista de Figuras iii
Lista de Tabelas v
Lista de Símbolos e Abreviaturas vi
Lista de Símbolos vi
1 Introdução 1
1.1 Objetivo da Dissertação . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Trabalhos Relacionados . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Estrutura do documento . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Bombeio Mecânico 5
2.1 Componentes Mecânicos . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Bomba de Fundo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.1 Deslocamento Volumétrico . . . . . . . . . . . . . . . . . . . . . 8
2.3 Coluna de Hastes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4 Unidade de Bombeio . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.5 Carta Dinamométrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.5.1 Carta Dinamométrica de Fundo . . . . . . . . . . . . . . . . . . 14
2.6 Análise de Bombeio Mecânico . . . . . . . . . . . . . . . . . . . . . . . 15
2.6.1 Haste Partida . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.6.2 Vazamento na Válvula de Passeio . . . . . . . . . . . . . . . . . 17
2.6.3 Vazamento na Válvula de Pé . . . . . . . . . . . . . . . . . . . . 18
2.6.4 Pancada de Fluido . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.6.5 Interferência de Gás . . . . . . . . . . . . . . . . . . . . . . . . 19
i
2.6.6 Outros Fatores . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 Reconhecimento de Padrões 22
3.1 Redes Neurais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.1.1 Perceptron de Múltiplas Camadas . . . . . . . . . . . . . . . . . 24
3.1.2 Funções de Ativação . . . . . . . . . . . . . . . . . . . . . . . . 26
3.1.3 Número de Neurônios . . . . . . . . . . . . . . . . . . . . . . . 27
3.1.4 Treinamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4 Resultados 30
4.1 Ferramentas Utilizadas . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.2 Integração ao SISAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.3 Resultados Experimentais . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5 Considerações Finais 51
Referências bibliográficas 52
Lista de Figuras
2.1 Componentes para bombeio mecânico com hastes. . . . . . . . . . . . . 6
2.2 Bomba de fundo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Carta Dinamométrica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4 Celula de Carga. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.5 Dinamómetro Convencional. . . . . . . . . . . . . . . . . . . . . . . . . 12
2.6 Carta Dinamométrica Teórica. . . . . . . . . . . . . . . . . . . . . . . . 12
2.7 Cartas Dinamométricas de Superfície e Fundo Teóricas. . . . . . . . . . . 15
2.8 Carta de superfície com Haste Partida . . . . . . . . . . . . . . . . . . . 16
2.9 Carta de superfície e fundo do poço TM0016URN com Haste Partida . . 16
2.10 Sobreposição de cartas de superfície de surgência e haste partida . . . . . 17
2.11 Carta de fundo com vazamento na Válvula de Passeio . . . . . . . . . . . 17
2.12 Carta de fundo com vazamento na Válvula de Pé . . . . . . . . . . . . . 18
2.13 Carta de fundo com Pancada de Fluido . . . . . . . . . . . . . . . . . . . 19
2.14 Pontos que marcam a Pancada de Fluido . . . . . . . . . . . . . . . . . . 19
2.15 Carta de fundo com Interferência de Gás . . . . . . . . . . . . . . . . . . 20
2.16 Pontos que marcam a Interferência do Gás . . . . . . . . . . . . . . . . . 20
3.1 Modelo de neurônio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2 Funções de ativação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3 Percéptron de Múltiplas Camadas . . . . . . . . . . . . . . . . . . . . . 25
3.4 Transformação e Separação . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.5 Fluxo no treinamento back-propagation . . . . . . . . . . . . . . . . . . 27
4.1 Programa AnaliseBM - Modificado . . . . . . . . . . . . . . . . . . . . . 31
4.2 Tela para criação de modelos de carta de fundo no CvCarta . . . . . . . . 32
4.3 Tela para classificação de cartas de fundo no CvCarta . . . . . . . . . . . 32
4.4 Sobreposição de todas as cartas . . . . . . . . . . . . . . . . . . . . . . . 33
4.5 Tela de supervisão de poço de BM no SISAL . . . . . . . . . . . . . . . 34
4.6 Fluxo de dados atual . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
iii
4.7 Proposta de fluxo de dados para classificação das cartas de fundo . . . . . 36
4.8 Resumo quantitativo das cartas . . . . . . . . . . . . . . . . . . . . . . . 39
4.9 Sobreposição de todas as cartas cheias . . . . . . . . . . . . . . . . . . . 39
4.10 Sobreposição de todas as cartas com vazamento na válvula de passeio . . 40
4.11 Sobreposição de todas as cartas com vazamento na válvula de pé . . . . . 40
4.12 Sobreposição de todas as cartas com pancada de fluido . . . . . . . . . . 40
4.13 Sobreposição de todas as cartas inteferência de gás . . . . . . . . . . . . 41
4.14 Comportamento do erro quadrático - MLP-E200-O50-TGS . . . . . . . . 42
4.15 Janela de treinamento do nntool - MLP-E200-O50-TGS . . . . . . . . . . 42
4.16 Saída da rede com entrada 200 . . . . . . . . . . . . . . . . . . . . . . . 44
4.17 Erros de classificação da rede com entrada 200 . . . . . . . . . . . . . . 44
4.18 Comportamento do erro quadrático - MLP-E100-O50-TGS . . . . . . . . 45
4.19 Janela de treinamento do nntool - MLP-E100-O50-TGS . . . . . . . . . . 45
4.20 Saída da rede com entrada 100 . . . . . . . . . . . . . . . . . . . . . . . 46
4.21 Erros de classificação da rede com entrada 100 . . . . . . . . . . . . . . 46
4.22 Saída da rede especialista com entrada 100 . . . . . . . . . . . . . . . . . 47
4.23 Erros de classificação da rede especialista com entrada 100 . . . . . . . . 47
4.24 Saída da rede especialista com entrada 101 . . . . . . . . . . . . . . . . . 48
4.25 Erros de classificação da rede especialista com entrada 101 . . . . . . . . 49
Lista de Tabelas
4.1 Arquitetura das redes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2 Matriz-confusão MLP-E200-O50-TGS . . . . . . . . . . . . . . . . . . . 49
4.3 Matriz-confusão MLP-E100-O50-TGS . . . . . . . . . . . . . . . . . . . 49
4.4 Matriz-confusão MLP-E100-O50-TGS com a MLP-E101-O50-TGS-ESP . 49
v
Lista de Símbolos
UB Unidade de Bombeio
HB Hastes de Bombeio
BF Bomba de Fundo
UTR Unidade Terminal Remota
CPM Ciclos por Minuto
BM Bombeio Mecânico
CDS Carta de Superfície
CDF Carta de fundo
CLP Controlador Lógico Programável
SCADA Supervisory Control and Data Acquisition
UFRN Universidade Federal do Rio Grande do Norte
MLP Perceptron de Multiplas Camadas
RPROP Resilient Back-propagation
Capítulo 1
Introdução
Os métodos de elevação de petróleo podem ser classificados em duas classes: naturais
e artificiais. Na elevação natural, os fluidos da reservatório alcançam a superfície ape-
nas com a energia contida no próprio reservatório. Os poços que produzem dessa forma
são denominados surgentes [de Souza 2005]. Quando a pressão do reservatório não é
suficientemente elevada para que os fluidos nele contidos alcancem a superfície expon-
taneamente, se faz necessário a adição de energia externa através da elevação artificial.
Assim a elevação artificial fornece energia de forma suplementar ou integral aos fluidos
do poço para que cheguem à superfície. Equipamentos específicos são utilizados para
cada método de elevação artificial. Os principais métodos são:
∙ Gás-lift contínuo ou intermitente (GLC ou GLI);
∙ Bombeio centrífugo submerso (BCS);
∙ Bombeio mecânico (BM);
∙ Bombeio por cavidades progressivas (BCP).
A escolha do melhor método de elevação para cada poço depende de fatores econômi-
cos, ambientais, segurança, características dos fluidos a serem produzidos, profundidade
do reservatório, equipamentos disponíveis, entre outros.
Para que a produção de Petróleo seja feita utilizando o método de elevação bombeio
mecânico, é necessário que inicialmente se faça o dimensionamento dos seus compo-
nentes de superfície (Unidade de Bombeio - UB) e de subsuperfície (Bomba de Fundo -
BF e Coluna de Hastes de Bombeio - HB).
Esse dimensionamento é feito com base em dados de profundidade da bomba de fundo
e vazão a ser produzida [Corrêa 1995]. Como o dimensionamento é feito com base nos
dados de projeto, quando se inicia a produção, deve ser feita uma comparação entre os
CAPÍTULO 1. INTRODUÇÃO 2
dados de projeto com os dados operacionais obtidos no poço (vazão, nível, regime e
etc). Esse acompanhamento permite que ações de otimização ou medidas corretivas sejam
tomadas em função de algum afastamento entre esses dados.
Com o avanço da automação, os poços de bombeio mecânico já podem ser equipados
com sensores que, através de uma UTR (Unidade Terminal Remota) e de um sistema de
telemetria, disponibilizam as informações e condições de bombeio para os operadores em
uma sala de controle e supervisão. Além de informações como velocidade de bombeio
(CPM), tempo de funcionamento, tempo de parada, violações de carga, entre outras, os
sistemas de automação disponibilizam também a informação mais importante para um
poço equipado com bombeio mecânico: a carta dinamométrica.
Tendo em vista que as informações já estão em meio digital (no Sistema Supervisório),
elas podem ser processadas e analisadas automaticamente para auxílio no diagnóstico e
nas tomadas de decisões sobre os poços equipados com Bombeio Mecânico, que, se-
gundo [Costa 2005], são 67% dos poços produtores do Brasil. Levando em conta essa
proporção em relação ao grande número de poços e a grande quantidade de informação
gerada pelo Sistema de Automação, o acompanhamento sem ferramentas de análises au-
tomáticas pode se tornar ineficiente e muito custoso, demandando uma grande quantidade
de recursos humanos para tal.
1.1 Objetivo da Dissertação
A proposta desse trabalho é buscar algoritmos que possam analisar e reconhecer
padrões de cartas dinamométricas de fundo e classificá-las em um grupo de falhas/problemas
predefinidos. Sabe-se que o uso de Inteligência Artificial em um sistema é capaz de me-
lhorar seu desempenho, confiabilidade e robustez, pois eles têm condições de agregar
um tipo de conhecimento que não pode ser resgatado nos modelos analíticos tradicionais
[Pereira 2006]
Tendo em vista o problema da classificação das cartas dinamométricas de fundo, o uso
das redes neurais torna-se vantajoso pela sua capacidade de aprender a partir de dados de
entrada [Ludwig & Costa 2007], ou seja, a partir de um conhecimento prévio, a rede
neural pode identificar e classificar uma carta dinamométrica de fundo em uma classe de
falhas/problemas sem que seja necessário um conjunto de regras para executar tal tarefa.
Neste trabalho será proposta uma arquitetura de rede neural que, utilizando o conhe-
cimento prévio sobre os padrões de cartas de fundo e o grande número de cartas de fundo
já classificadas, seja integrada a um sistema de supervisão de poços terrestres para auxílio
da supervisão e ajuda na tomada de decisão, devido o grande número de poços. O Sistema
CAPÍTULO 1. INTRODUÇÃO 3
de supervisão que receberá essa ferramenta de classificação é o SISAL (Sistema Super-
visório para Automação da Elevação) que atualmente supervisiona mais de 4000 poços
de bombeio mecânico automatizados em todo o Brasil.
O SISAL (SIstema Supervisório para Automação da ELevação), desenvolvido pela
UFRN em parceria com a Petrobras, tem como objetivo proporcionar uma interface sim-
ples para supervisão de poços de petróleo equipados com sistemas de elevação artificial.
Projetado para ser multi método de elevação e multi controladores, o SISAL já supervi-
siona poços de BM, BCP e BCS com controladores de diversos fabricantes. Atualmente
o SISAL supervisiona todos os poços terrestres de Bombeio Mecânico automatizados nos
estados do Rio Grande do Norte, Ceará, Sergipe e Alagoas, além de um piloto com alguns
poços no Espírito Santo.
1.2 Trabalhos Relacionados
Desde o desenvolvimento do método para cálculo de cartas de fundo a partir de car-
tas de superfície, proposto por Gibbs e Neely [Gibbs & Neely 1966], que esforços vêm
sendo tomados para criar ferramentas automáticas para detecção de falhas no sistema
de bombeio através da geometria desses registros. Diversos métodos Matemáticos e de
Inteligência Artificial já foram aplicados com esse propósito.
Uma proposta matemática para matching foi abordada por [Keating et al. 1989], onde
as cartas de fundo eram pré-processadas, formando vetores, e eram submetidas a um pro-
duto escalar com todos os vetores de modelos de cartas de uma biblioteca. O maior resul-
tado do produto escalar era considerado o melhor matching. Uma biblioteca incompleta
poderia causar diagnóticos incorretos.
Outros métodos matemáticos foram propostos por [Dickinson & Jannings 1990], em
que as cartas a serem classificadas eram montadas em matrizes de zeros e uns e, através
de uma função de custo, eram confrontadas com matrizes de pesos que representavam
os padrões. O menor custo era considerado o melhor matching. Outro método proposto
como alternativa à aproximação numérica foi o da série de Fourier, onde as cartas de
fundo eram representadas como séries e seus coeficientes eram comparados para efetuar
a classificação.
O uso de Redes Neurais foi tratado por [Rocha et al. 1996] e por [Corrêa 1995], onde
redes neurais simbólicas, que armazenavam o conhecimento de especialistas ao invés de
aprendizado por exemplos, foram usadas para supervisão e controle de poços de Bombeio
Mecânico utilizando as cartas de fundo. Em [Alegre et al. 1993], dois tipos de redes neu-
rais são descritas, onde uma mais simples funciona localmente no poço, fazendo controle
CAPÍTULO 1. INTRODUÇÃO 4
de pump-off e de velocidade além de gerar alarmes, enquanto outra mais complexa é
responsável pelo diagnóstico da eficiência e dos problemas de bombeio.
Em [Nazi et al. 1993], foi descrita a utilização de uma rede neural híbrida, com
funções de ativação senoidais para camadas ocultas e sigmoidais para a camada de saída.
O treinamento, baseada em exemplos, utilizava a técnica back-propagation.
1.3 Estrutura do documento
Esta dissertação encontra-se estruturada de acordo com os itens subseqüentes:
∙ No Capítulo 2 é apresentada a fundamentação teórica necessária para uma melhor
contextualização do método de elevação bombeio mecânico. São abordados os
aspectos mecânicos do método e os aspectos de análise de seu funcionamento.
∙ No Capítulo 3 é apresentada a fundamentação teórica sobre reconhecimento de
padrões e redes neurais artificiais.
∙ No Capítulo 4 são apresentados os resultados experimentais de classificação das
cartas de fundo extraídas do SISAL.
∙ No Capítulo 5 são expostas as considerações finais do trabalho.
Capítulo 2
Bombeio Mecânico
O bombeio mecânico com hastes funciona, de forma simplificada, pelo movimento
rotativo de um motor (elétrico ou a combustão interna) que é convertido em movimento
alternativo de um conjunto de hastes ligadas a uma bomba no fundo do poço que gera um
diferencial de pressão, levando o fluido até a superfície.
Dentre todos os métodos, o bombeio mecânico é utilizado em cerca de 90% dos poços
produtores do mundo. Isso se deve ao baixo custo de investimento e manutenção, além
da grande flexibilidade de vazão e profundidade, possibilidade de operar com fluidos de
diferentes composições e viscosidades em largas faixas de temperatura, além de uma alta
eficiência energética [Costa 2005].
2.1 Componentes Mecânicos
Os equipamentos necessários para um poço de bombeio mecânico são divididos em:
equipamentos de superfície e equipamentos de subsuperfície. Os principais componentes
de superfície são:
∙ Unidade de bombeio
– Cabeça do cavalo, tripé, bielas, contrapesos, manivelas, redutor e viga
∙ Motor
e os de subsuperfície são:
∙ Bomba de fundo
∙ Coluna de hastes
∙ Coluna de produção
conforme mostra a figura 2.1.
CAPÍTULO 2. BOMBEIO MECÂNICO 6
Figura 2.1: Componentes para bombeio mecânico com hastes.
2.2 Bomba de Fundo
Sua função é gerar um diferencial de pressão a partir do movimento alternativo da
coluna de hastes, provendo energia ao fluido da formação, elevando-o para a superfície.
Seus componentes são: camisa, pistão, válvula de pé (inferior) e válvula de passeio (su-
perior), como ilustrado na 2.2.
As bombas de fundo podem ser classificadas em dois grupos, de acordo com a forma
instalação no poço (conseqüência da forma como foram confeccionadas). Elas podem ser
do tipo insertável, que são instaladas dentro da coluna de produção ou do tipo tubular, que
são adaptadas à extremidade da coluna de produção através de luvas.
A bomba é confeccionada na forma de tubos, montados um na parte interna do outro,
CAPÍTULO 2. BOMBEIO MECÂNICO 7
com medidas internas (camisa) muito próximas às medidas externas (pistão), sendo essa
folga da ordem de milésimos de polegadas.
As válvulas são do tipo sede-esfera. As sedes e as esferas devem ser confeccionadas
de forma que proporcionem uma vedação perfeita, visto que delas dependem o bom fun-
cionamento de uma bomba de fundo. Esse rigor na vedação é necessário devido os altos
diferenciais de pressão a que serão submetidas. Falhas na usinagem das válvulas podem
levar a vazamento de fluido e perda da eficiência da válvula e conseqüentemente da bomba
como um todo. A abrasão (muito acentuada na produção de areia) e corrosão na produção
de fluidos, também levam a desgastes prematuros no conjunto sede-esfera. Para reduzir
o desgaste por ações mecânicas do impacto do assentamento da esfera na sede durante
o movimento, são utilizadas gaiolas que guiam a esfera para o alinhamento do orifício
central da sede.
Figura 2.2: Bomba de fundo.
O movimento alternativo (ciclo de bombeio) é dividido em duas partes: curso ascen-
dente (upstroke) e descendente (downstroke). No ciclo ascendente, a válvula de pé se
abre devido à baixa pressão criada, permitindo a entrada do fluido na bomba, enquanto a
válvula de passeio permanece fechada, devido o peso do fluido na coluna de produção. O
pistão eleva toda a coluna de fluido acima dele. No curso descendente, a válvula de pé
se fecha por conta da compressão criada pelo pistão. Como o pistão continua descendo,
as pressões acima e abaixo da bomba se igualam, fazendo com que a válvula de passeio
de abra, permitindo a passagem do fluido para cima do pistão. Ao atingir o final do curso
descendente e iniciar o curso ascendente, a válvula de passeio de fecha, iniciando um
novo ciclo de bombeio.
Durante o ciclo de bombeio, a distância percorrida pelo pistão entre o ponto morto
CAPÍTULO 2. BOMBEIO MECÂNICO 8
inferior (próximo a válvula de pé) e o ponto morto superior (próximo a válvula de passeio)
caracteriza o curso do pistão. A distância mínima entre a válvula de pé e de passeio,
estando o pistão em repouso no ponto morto inferior é denominada espaço morto e é
determinado de acordo com o tipo de fluido a ser bombeado e do regime de bombeio. O
volume de fluido bombeado em cada ciclo depende do movimento relativo entre o pistão
e a camisa da bomba. Este movimento, chamado de curso do pistão, pode ser bastante
diferente do curso medido na haste polida devido a elasticidade das hastes de bombeio e
ao sobrecurso do pistão (devido a inércia, o curso do pistão tende a aumentar).
A escolha adequada da bomba (profundidade de assentamento e diâmetro do pistão)
evita que os equipamentos de superfície e a coluna de hastes sofram esforços desnecessários.
2.2.1 Deslocamento Volumétrico
Para melhor compreender os efeitos do bombeio mecânico, visto que foram explica-
dos qualitativamente os fenômenos que acontecem em um ciclo de bombeio, o processo
de deslocamento volumétrico do fluido deve ser demonstrado. A quantidade de fluido
deslocado pela bomba de fundo é função da área e do curso do pistão durante o ciclo de
bombeio. Levando em conta que a área do pistão A
p
é dada por:
A
p
=
πd
2
p
4
(2.1)
sendo d
p
o diâmetro do pistão. Considerando S
p
o curso do pistão em polegadas,
temos o volume deslocado em um ciclo V
d
, em polegadas cúbicas, dado por:
V
d
=
πd
2
p
S
p
4
(2.2)
e o regime de bombeio representado por N ciclos por minuto, podemos podemos
determinar o deslocamento volumétrico P
d
, em pol
3
/dia, como:
P
d
= 1440
πd
2
p
4
S
p
N (2.3)
Porém alguns fatores causam imprecisão nesse cálculo como:
∙ Compressibilidade do óleo e da água;
∙ Presença de gás associado;
∙ Enchimento incompleto da bomba;
∙ Perdas por escorregamento.
CAPÍTULO 2. BOMBEIO MECÂNICO 9
Sendo a perda por escorregamento causada pela folga entre o pistão e a camisa da
bomba em função da viscosidade do fluido e pelas características mecânicas da bomba.
2.3 Coluna de Hastes
A coluna de hastes é a responsável pela transferência do movimento alternativo da
unidade de bombeio até a bomba de fundo. É considerado o componente de maior efeito
na ação e no desempenho do sistema de bombeio, devido à alternância de esforços. A
coluna de hastes é composta por um conjunto de hastes interligadas umas as outras através
de luvas em suas extremidades. Essa pode ter ser combinada com hastes de diferentes
diâmetros (diâmetro decrescente até a conexão com a bomba) de acordo com a aplicação.
A composição das hastes de bombeio é basicamente Ferro (90%) mais outros metais
e metalóides, formando as hastes de aço carbono ou outras ligas de aço. A classificação
das hastes é feita em função do diâmetro nominal e a composição química (grau do aço).
Existem ainda hastes de fibra de vidro para poços de alta corrosão e altas cargas, porém
possuem custos muito elevados [Costa 2005].
A haste superior da coluna é chamada de haste polida, por possuir sua área externa
polida. O objetivo é que haja uma maior vedação na cabeça do poço, devido ao movi-
mento alternativo da coluna de hastes, entrando e saindo do poço. A vedação da cabeça
do poço é feita pelo stuffing box (ou gaxeta), por onde passa a haste polida.
Os maiores esforços na coluna são exercidos na haste polida, pois esta sustenta to-
das as cargas do peso das hastes, peso do fluido além de cargas dinâmicas geradas pelo
movimento da unidade de bombeio.
O dimensionamento de uma coluna de hastes para que ela dure no mínimo 10 milhões
de ciclos deve seguir os seguintes critérios de tensão:
S
a
d
m
=
(
T
4
+ 0,5625S
min
)
SF (2.4)
que utliza o diagrama de Goodman Modificado, T é a tensão de ruptura mínima, S
a
d
m
é a tensão máxima admissível, S
min
é a tensão mínima presente na haste e SF é o fator de
serviço (selecionado pela experiência do usuário). O fator de serviço é 1 para ambiente
não corrosivo e é inversamente proporcional à corrosividade do ambiente [Costa 2005].
A tensão mínima pode ser calculada por:
S
min
=
MPRL
A
r
(2.5)
CAPÍTULO 2. BOMBEIO MECÂNICO 10
sendo A
r
a área da primeira haste de bombeio, por de tratar do ponto mais frágil da
coluna, já que está sujeita aos maiores esforços. Da mesma forma, a tensão máxima pode
ser calculada por:
S
max
=
PPRL
A
r
(2.6)
O PPRL
1
e o MPRL
2
serão explicados na seção 2.5.
Dessa forma, se S
max
<S
a
d
m
, a coluna de hastes está dimensionada quanto a fadiga
[Costa 2005].
2.4 Unidade de Bombeio
Os equipamentos de superfície utilizados para o bombeio mecânico com hastes fazem
parte da unidade de bombeio (UB). Esse conjunto é responsável por transformar o movi-
mento rotativo do motor em um movimento alternativo das hastes. A figura 2.1 ilustra uma
unidade de bombeio e seus principais componentes (viga, biela, manivela, contrapeso,
cabeça da unidade, cabresto, tripé e motor).
Para se dimensionar uma unidade de bombeio para um dado poço, deve-se levar em
conta as seguintes limitações mecânicas da UB:
1. Capacidade estrutural: carga máxima que pode ser erguida pela UB;
2. Capacidade de torque: torque máximo que pode ser exigido do eixo de saída do
redutor, quando em movimento;
3. Curso máximo: amplitude máxima do movimento alternativo que pode ser exercido
à haste polida;
4. Frequência máxima de bombeio: frequência máxima de bombeamento suportada
pelo equipamento;
5. Frequência mínima de bombeio: frequência mínima de bombeamento para garantir
uma boa lubrificação interna do redutor.
2.5 Carta Dinamométrica
Para acompanhar o funcionamento de um poço em produção por bombeio mecânico
são necessários testes de produção, registros de sonolog e cartas dinamométricas. Com
1
Carga máxima na haste polida
2
Carga mínima na haste polida
CAPÍTULO 2. BOMBEIO MECÂNICO 11
o avanço da automação de poços de bombeio mecânico, as cartas dinamométricas se
tornaram, dentro os três itens supracitados, o de mais fácil aquisição, tornando-se a prin-
cipal ferramenta para avaliação das condições de bombeio.
Figura 2.3: Carta Dinamométrica.
A carta dinamométrica é obtida instalando-se um dinamômetro como o da figura 2.5
(ou célula de carga da figura 2.4, no caso de poços automatizados) na haste polida para
medir os esforços durante um ciclo de bombeio completo. O resultado obtido consiste
em um gráfico contínuo de carga na haste polida e posição da mesma durante um ciclo de
bombeio. Um exemplo de carta dinamométrica pode ser observado na figura 2.3.
Figura 2.4: Celula de Carga.
Outros métodos menos convencionais podem ser usados para se obter uma carta di-
namométrica, como sensor na viga (que mede a flexão da viga) ou sensor de torque no
redutor, onde a carta pode ser obtida fazendo cálculos baseados na geometria da UB.
Da carta dinamométrica podem ser extraídas informações quantitativas e qualitativas
sobre o funcionamento da bomba de fundo, esforços nas hastes e na unidade de bombeio,
entre outras. Porém, devido a efeitos dinâmicos como a elongação das hastes e outras
distorções embutidas, faz-se necessário a obtenção ou o cálculo da carta de fundo. Para
poços rasos, a carta de superfície se assemelha bastante com a carta de fundo.
CAPÍTULO 2. BOMBEIO MECÂNICO 12
Figura 2.5: Dinamómetro Convencional.
Nesse texto vamos nos referir à carta dinamométrica de superfície como CDS e a carta
dinamométrica de fundo como CDF.
Figura 2.6: Carta Dinamométrica Teórica.
A figura 2.6 representa uma CDS teórica, sobre a qual estão marcados os pontos A,
B,C e D que serão definidos a seguir:
A. Inicio do curso ascendente. Neste ponto a válvula de passeio fecha e a válvula de pé
abre. A carga da coluna de fluido começa a ser transferida para a coluna de hastes.
Esta, devido a sua elasticidade vai se elongando a medida que vai sendo erguida
com o peso da coluna de fluido;
B. Neste ponto, toda a carga da coluna de fluido já está atuando na coluna de hastes, que
já está totalmente elongada. Assim, as cargas permanecerão constantes até o ponto
C, que representa o fim do curso ascendente e o início do curso descendente;
CAPÍTULO 2. BOMBEIO MECÂNICO 13
C. Neste ponto, a válvula de pé fecha e a de passeio abre. A carga da coluna de fluido
começa a ser transferida da coluna de hastes para a coluna de tubing até o ponto D,
a partir do qual todo o peso do fluido estará atuando sobre a mesma;
D. Fim da contração da coluna de hastes e as cargas permanecerão constantes até o ponto
A.
A carta da figura 2.6, como foi citado acima, é teórica, portanto dificilmente é en-
contrada na prática. Poços com elevada eficiência de bombeio, baixo CPM (ciclos por
minuto) e de baixa produtividade podem registrar cartas que se aproximem das cartas
teóricas.
Os segmentos de reta c e e representam a contração e a elongação das colunas de
hastes e de produção. Já as linhas f
t v
e f
sv
representam a carga estática máxima e a carga
estática mínima, respectivamente. Essas linhas são traçados com a UB parada próximos
aos pontos finais do curso ascendente (para f
t v
) e do curso descendente (para f
sv
). É
interessante traçar essas linhas de cargas estáticas para detectar vazamentos na válvula de
pé ou passeio.
Essas linhas também podem ser calculadas a partir de dados mecânicos e dados dos
fluidos utilizando o procedimento semi-empírico, conhecido no Brasil como Método Con-
vencional (citado por [Costa 2005]), que assume o poço vertical, sem efeitos dinâmicos e
de atrito. Considerando que:
n é o número de seções
k é uma seção em n
P
r
k
é a massa específica das hastes
A
r
k
é a área da seção transversal das hastes
L
k
é o comprimento da seção
y
f
é a densidade do fluido
h
d
é o nível dinâmico
A
p
é a área do pistão
temos:
f
t v
= w
r
− f
e
+ f
o
(2.7)
e
f
sv
= w
r
− f
e
(2.8)
onde:
CAPÍTULO 2. BOMBEIO MECÂNICO 14
w
r
é o peso das hastes no ar
f
e
é o empuxo nas hastes no fluido
f
o
é a carga no pistão
que são dados por:
w
r
= g
n
∑
k=1
P
r
k
A
r
k
L
k
(2.9)
f
e
= 0,127w
r
y
f
(2.10)
f
o
= 1,42y
f
h
d
A
p
(2.11)
Os valores de carga máxima (PPRL) e carga mínima (MPRL) de uma carta de super-
fície também podem ser calculadas ao se encontrar o valor do esforço dinâmico, dado
por:
f
d
= w
r
a
max
g
(2.12)
onde g é a aceleração da gravidade, a
max
=
w
2
S
2
e w = 2πN, sendo N a frequência de
bombeio e S o curso da haste polida. Para obter o valor do esforço dinâmico em libras,
usando N em cpm e S em polegadas, temos:
f
d
= w
r
SN
2
70500
(2.13)
Dessa forma, define-se a carga máxima como:
PPRL = f
t v
+ f
d
(2.14)
e a carga mínima como:
MPRL = f
sv
− f
d
(2.15)
2.5.1 Carta Dinamométrica de Fundo
Os esforços medidos na superfície com a coluna de haste em movimento traçam uma
carta dinamométrica, que representa o resultado dos efeitos gerados pela carga atuante
na bomba de fundo, após terem se propagado através da coluna de hastes [de A. Bar-
CAPÍTULO 2. BOMBEIO MECÂNICO 15
reto Filho 1993]. Como a carta de superfície contém distorções provenientes da propa-
gação dos efeitos gerados pela coluna de hastes, ela pode, para certos casos, se mostrar
uma ferramenta ineficiente de análise, sendo esse problema agravado mais com o aumento
da profundidade dos poços (profundidades acima dos 1.000 metros).
O cálculo da carta de fundo consiste em, a partir de dados da superfície e de infor-
mações do esquema mecânico do poço (hastes, bomba de fundo e etc.), encontrar a carga
imediatamente acima da bomba de fundo e assim inferir as condições de operação do
bombeio mecânico no fundo do poço.
Figura 2.7: Cartas Dinamométricas de Superfície e Fundo Teóricas.
Na carta de fundo, baseada na carta teórica mostrada na figura 2.7, os pontos A
′
, B
′
,
C
′
e D
′
são os equivalentes aos pontos A, B C e D marcados na carta de superfície.
2.6 Análise de Bombeio Mecânico
Como já foi descrito anteriormente, vários fatores influenciam as características de
um ciclo de bombeio, e que combinados, formam um estado de tensões que podem ser
registrados numa CDS. Os principais fatores são:
1. Características mecânicas do poço (profundidades, verticalidade e etc);
2. Características do fluido;
3. Características do reservatório;
4. Condições operacionais do sistema de bombeio (curso, cpm, estado da bomba, com-
posição da coluna de hastes e etc).
CAPÍTULO 2. BOMBEIO MECÂNICO 16
Havendo alterações em qualquer um desses parâmetros, um novo estado de tensões
será gerado e conseqüentemente essas condições serão observadas no formato das cartas.
2.6.1 Haste Partida
Uma coluna de hastes de bombeio mecânico pode se partir devido a esforços exces-
sivos na coluna de hastes, pois como elas sofrem a atuação de cargas variáveis, conse-
quentemente, estão sujeitas à fadiga. A figura 2.8 mostra uma carta simulada com haste
partida e a figura 2.9 mostra uma carta real do poço TM0016URN com haste partida.
Figura 2.8: Carta de superfície com Haste Partida
Figura 2.9: Carta de superfície e fundo do poço TM0016URN com Haste Partida
O pistão desenroscado ou a coluna de hastes desenroscada também causam o mesmo
efeito na carta de superfície da haste partida. Porém outro fator que não envolve proble-
mas na coluna de hastes pode gerar esse tipo de carta, que é o poço surgente.
Um poço surgente quando equipado com bombeio mecânico, faz com que o nível
no anular do poço chegue à superfície e não exista diferencial de pressão nas válvulas
CAPÍTULO 2. BOMBEIO MECÂNICO 17
da bomba de fundo. Assim as cargas medidas na superfície serão apenas os esforços
dinâmicos e o peso das hastes do fluido.
Essas duas condições só se tornam parecidas quando a coluna de hastes está partida
próxima ao pistão, como mostra a figura 2.10, onde é feita a sobreposição de cartas de
surgência e de haste partida a 1500m, 750m e 300m.
Figura 2.10: Sobreposição de cartas de superfície de surgência e haste partida
2.6.2 Vazamento na Válvula de Passeio
Um problema bastante comum em poços com elevação artificial por bombeio mecânico
é o vazamento na válvula de passeio, mostrado na figura 2.11. Esse vazamento ocorre por
desgaste natural, desgaste prematuro ou por acúmulo de produto na sede e cone das válvu-
las, causando redução na eficiência volumétrica da bomba.
Figura 2.11: Carta de fundo com vazamento na Válvula de Passeio
O desgaste dessas válvulas ocorre de forma natural e pode ser explicado facilmente,
pois em um poço com 12 CPM, elas abrem e fecham 6 milhões de vezes em 1 ano. Quanto
maior o regime de bombeio, maior o desgaste da válvula.
CAPÍTULO 2. BOMBEIO MECÂNICO 18
O desgaste prematuro ocorre normalmente em poços com produção de areia ou outro
produto abrasivo, ou ainda em decorrência da presença de produtos corrosivos.
O último caso ocorre por acúmulo de produtos na sede ou corpo das válvulas, como
parafina ou outros produtos. A circulação de óleo quente pode resolver esse problema.
Problemas com a válvula de passeio podem ser facilmente identificados na carta de
fundo, pois há uma comunicação entre a coluna de fluido acima da válvula de passeio
com o fluido no interior da camisa causando uma transferência gradual da carga atuante
na válvula e como consequência, um descarregamento do fluido acima da válvula de
passeio.
2.6.3 Vazamento na Válvula de Pé
As causas do vazamento na válvula de pé são as mesmas encontradas nas válvulas
de passeio. Esse vazamento causa uma perda de pressão no interior da camisa, fazendo
com que a válvula de passeio feche e, conseqüentemente, interrompa o fluxo de fluido
da camisa para a coluna de produção. A figura 2.12 ilustra uma carta de fundo com esse
problema.
Figura 2.12: Carta de fundo com vazamento na Válvula de Pé
2.6.4 Pancada de Fluido
Pancada de fluido, Batida de fluido ou fluid Pound ocorre quando o pistão se choca
com o fluido no interior da camisa, decorrente do enchimento incompleto da mesma no
curso ascendente. A figura 2.13 ilustra a batida de fluido.
No movimento de A para B, mostrado na figura 2.14, a coluna de hastes sofre uma
violenta compressão e ao chegar em B, durante o choque com o fluido no interior da
camisa, a válvula de passeio se abre, fazendo com que a coluna de hastes seja tracionada
em um curto espaço de tempo.
CAPÍTULO 2. BOMBEIO MECÂNICO 19
Figura 2.13: Carta de fundo com Pancada de Fluido
Essas tensões anormais causadas pela batida de fluido se propagam por todo o equipa-
mento, de tubulações e hastes até a UB. Neste caso, o formado da carta de fundo apresenta
uma deformação que pode ser visto na figura 2.14 entre os pontos A e B.
Figura 2.14: Pontos que marcam a Pancada de Fluido
2.6.5 Interferência de Gás
O efeito do gás no bombeio mecânico, mostrado na figura 2.15, é bastante prejudicial,
produzindo dois efeitos: ocupa o espaço dentro da bomba, reduzindo o espaço para o óleo
e interfere no funcionamento das válvulas de pé e de passeio.
Através da carta dinamométrica é possível detectar o efeito do gás durante um ciclo de
bombeio. Na subida do pistão, o óleo e o gás passarão para o interior da camisa. Na des-
cida do pistão (pontos A e B na figura 2.16), o gás será comprimido e a válvula de passeio
só abrirá quando a pressão do gás atingir a pressão da coluna de fluido acima do pistão.
A carta dinamométrica terá um aspecto parecido com a de Batido de Fluido, porém com
CAPÍTULO 2. BOMBEIO MECÂNICO 20
Figura 2.15: Carta de fundo com Interferência de Gás
uma curva mais suave entre os pontos A e B da figura 2.16, devido à compressibilidade
do gás.
Figura 2.16: Pontos que marcam a Interferência do Gás
Em casos onde o volume de gás é muito grande, o gás pode bloquear o efeito da
bomba, pois a pressão do mesmo não é suficiente para abrir a válvula de passeio, fazendo
que o movimento do pistão apenas varie o volume do gás dentro da camisa.
2.6.6 Outros Fatores
Outros efeitos do bombeio mecânico podem causar mudanças no formato da CDF,
como já foi citado anteriormente. Esses fatores podem ser de caráter:
∙ mecânicos dos equipamentos de bombeio
– Pistão preso
– Movimentação da coluna de produção
– Atrito excessivo com a coluna de produção
CAPÍTULO 2. BOMBEIO MECÂNICO 21
– Overtravel
– Undertravel
∙ do fluido produzido
– Bloqueio de gás
– Atrito excessivo com o fluido produzido
Alguns desses efeitos podem aparecer combinados a outros, de forma que não pos-
suem um formato de carta de fundo bem definido, dificultando a análise das mesmas. A
análise dessas cartas de fundo com efeitos combinados não fazem parte do escopo desse
trabalho.
Capítulo 3
Reconhecimento de Padrões
Reconhecimento de padrões é a área de pesquisa que tem por objetivo classificar ob-
jetos em um conjunto de classes predefinido. Essa classificação pode ser feita baseada em
conhecimentos anteriores ou em informações estatísticas extraídas dos padrões.
Dado um padrão, seu reconhecimento/classificação consiste em uma das seguintes
tarefas:
1. classificação supervisionada - em que o padrão de entrada é identificado como um
membro de uma classe pré-definida pelos padrões de treinamento, que são rotulados
com suas classes; ou
2. classificação não supervisionada - em que o padrão é associado a uma classe que é
aprendida com base na similaridade entre os padrões de treinamento.
Um projeto de sistemas de reconhecimento de padrões essencialmente envolve três
aspectos:
1. aquisição de dados e pré-processamento;
2. representação dos dados;
3. tomada de decisões.
Assim, geralmente o desafio encontra-se na escolha de técnicas para efetuar esses três
aspectos
3.1 Redes Neurais
Uma rede neural é um sistema paralelamente distribuído, maciçamente interligado
por unidades simples de processamento, chamadas de "neurônios", cuja modelagem é
inspirada no funcionamento dos neurônios biológicos [Haykin 2001].
CAPÍTULO 3. RECONHECIMENTO DE PADRÕES 23
Os neurônios e as redes neurais são caracterizados por:
∙ capacidade de adquirir conhecimento do seu ambiente através de treinamento, re-
fletido na força entre as conexões dos mesmos, conhecidos como pesos sinápticos;
e
∙ capacidade de tornar esse conhecimento disponível para uso.
O modelo de um neurônio é mostrado na figura 3.1.
Figura 3.1: Modelo de neurônio
Os componentes de um neurônio são:
∙ Pesos sinápticos: caracteriza a força de ligação entre os neurônios da rede
∙ Combinador linear: responsável pela soma dos sinais de entrada, ponderados pelo
peso referente a cada sinapse
∙ Função de ativação: sendo linear ou não-linear, é responsável por gerar a saída do
neurônio a partir dos valores do vetor de pesos, além de assegurar que sua amplitude
tenha um valor finito.
A figura 3.1 também inclui o bias, representado por b
k
, que é aplicado externamente
e tem o efeito de aumentar ou diminuir a entrada da função de ativação. Então o modelo
do neurônio pode ser representado matematicamente da seguinte forma:
u
k
=
∑
w
k
j
x
j
(3.1)
e
y
k
= f (u
k
+ b
k
) (3.2)
onde:
∙ x
j
representa os sinais de entrada
∙ w
k
j
são os pesos sinápticos do neurônio k
CAPÍTULO 3. RECONHECIMENTO DE PADRÕES 24
∙ u
k
é a saída do combinador linear
∙ b
k
é o bias
∙ f (.) é a função de ativação
∙ y
k
é o sinal de saída do neurônio.
A função f (.) corresponde à função de ativação. Costumam ser implementados quatro
tipos básicos de funções de ativação, que podem ser: degrau, linear, sigmóide ou tangente
hiperbólica.
Figura 3.2: Funções de ativação
Essa abordagem é conhecida como conexionista, já que o conhecimento é represen-
tado pelo ajuste de pesos entre os neurônios, diferentemente da abordagem simbólica,
onde o conhecimento é representado por regras explícitas.
3.1.1 Perceptron de Múltiplas Camadas
Sabe-se que as redes de uma única camada têm a limitação de resolver apenas pro-
blemas com características lineares, porém também sabe-se que as não-linearidades são
CAPÍTULO 3. RECONHECIMENTO DE PADRÕES 25
inerentes à maioria das situações e dos problemas reais, sendo assim necessária a utiliza-
ção de estruturas com características não-lineares para resolver esses problemas de maior
complexidade [de Pádua Braga et al. 2007].
Uma das arquiteturas de rede neural mais utilizadas é a rede Perceptron de Múltiplas
Camadas, ou MultiLayer Perceptron (MLP), na qual os neurônios são organizados em ca-
madas e conectados entre si. A arquitetura da rede neural define a quantidade de camadas,
quantos neurônios são dispostos em cada camada e como eles são interligados. A figura
3.3 demonstra a arquitetura de uma rede MLP feedforward.
Figura 3.3: Percéptron de Múltiplas Camadas
As redes feedforward são aquelas cuja informação é propagada a partir da camada
de entrada, passando pelas camadas ocultas, até a camada de saída sem realimentação
da informação, ou seja, as saídas de cada camada são conectadas somente às entradas da
camada posterior.
O papel das múltiplas camadas em uma rede como a MLP é transformar sucessiva-
mente o problema descrito no espaço de entrada de forma a tornar o problema tratável
para a camada de saída da rede.
O comportamento de uma rede MLP pode ser descrito por transformações sucessivas
da Y (H(x;w
i
)w
s
) onde H(.) é relativa à camada intermediária e Y (.) relativa à camada
de saída, x representa o vetor de entrada e w
i
e w
s
representam os vetores de pesos inter-
mediários e de saída, respectivamente.
A figura 3.4 demonstra graficamente como funcionam as transformações em uma
MLP, onde um espaço de entrada não-linearmente separável é transformado em uma rep-
CAPÍTULO 3. RECONHECIMENTO DE PADRÕES 26
Figura 3.4: Transformação e Separação
resentação linearmente separável.
O número de camadas de uma MLP deve ser determinado de acordo com a comple-
xidade da operação a ser realizada. Quando se segue da primeira camada intermediária
para a camada de saída, as funções implementadas se tornam cada vez mais complexas.
Essas funções determinam como será dividido o espaço de decisão.
Segundo Cybenko, uma camada intermediária é suficiente para aproximar qualquer
função contínua [Cybenko 1989] e duas camadas são suficientes para aproximar qualquer
função[Cybenko 1988].
A grande maioria dos problemas práticos não exige mais de que uma camada inter-
mediária. O uso de camadas em excesso pode causar problemas de convergência da rede,
pois as camadas intermediárias utilizam estimativas de erro.
3.1.2 Funções de Ativação
Não existem regras que restrinjam o uso de determinado tipo de função de ativação,
lineares ou não, visto que todas listadas na seção 3.1 atendem aos requisitos básicos da
universalidade. Porém sabe-se que é necessário utilizar funções de ativação não lineares
nas camadas intermediárias para que a composição das camadas sucessivas seja capaz de
resolver problemas de maior ordem no espaço de entrada.
A utilização de apenas funções lineares em MLP resultaria em uma rede equivalente
de uma única camada, já que as transformações sucessivas poderiam ser descritas em uma
única transformação linear. Dessa forma, é aconselhável o uso de funções de ativação não-
lineares em pelo menos uma das camadas intermediárias. Para problemas de classificação,
as camadas intermediárias e de saída utilizam normalmente funções sigmoidais, apesar
disso não ser uma regra geral [de Pádua Braga et al. 2007].
CAPÍTULO 3. RECONHECIMENTO DE PADRÕES 27
3.1.3 Número de Neurônios
A definição do número de neurônios de cada camada é o problema fundamental a ser
resolvido no projeto de uma rede MLP. Esse número vai determinar o desempenho da
rede, principalmente no que se refere à capacidade de generalização.
Quanto maior o número de neurônios, maior a capacidade de solução de problemas
(possíveis soluções) de rede MLP. Porém quanto mais esse número cresce, maior a com-
plexidade da estrutura, causando maior dificuldade de se encontrar as soluções que se
aproximam da função geradora dos dados.
3.1.4 Treinamento
O algoritmo mais utilizado para treinar redes MLP é o back-propagation. Por ser um
algoritmo de treinamento supervisionado, utiliza pares de entrada e saída desejada (X,Y
d
)
para ajustar os pesos da rede através de correção do erro.
O treinamento pode ser dividido em duas fases, em que na primeira se apresenta a
entrada à rede e se obtém a saída, fase forward e a segunda que utiliza a saída da rede e a
saída desejada para ajustar os pesos das conexões, fase backward. A figura 3.5 mostra o
fluxo de processamento nas duas fases.
Figura 3.5: Fluxo no treinamento back-propagation
Segundo [de Pádua Braga et al. 2007], as equações de ajuste de pesos são aplicadas
CAPÍTULO 3. RECONHECIMENTO DE PADRÕES 28
de acordo com a camada desejada (oculta ou de saída), onde a correção ∆w
ji
(n) aplicada
aos neurônios da camada de saída é dada por:
∆w
ji
(n) = ηe
j
(n) f
′
(u
j
(n))h
i
(n) (3.3)
e a correção ∆w
i
k
(n) aplicada aos neurônios da camada oculta é dada por:
∆w
i
k
(n) = ηh
′
i
(u
i
(n))
∑
j
e
j
(n) f
′
(u
j
(n))w
ji
(n)x
k
(n) (3.4)
onde:
∙ ∆w Correção aplicada aos neurônios
∙ η Taxa de aprendizagem
∙ n Iteração do treinamento
∙ u Saída linear do neurônio
∙ e Erro do neurônio
∙ f () Função de ativação da camada de saída
∙ h() Função de ativação da camada oculta
Podemos assim caracterizar os passos do treinamento da seguinte forma:
∙ Fase forward:
1. O vetor de entrada x é apresentado às entradas da rede e as saídas dos neurônios
da primeira camada escondida C
1
são calculadas.
2. A saída da camada escondida C
1
é utilizada como entrada da camada escon-
dida C
2
e suas saídas serão calculadas. Esse procedimento é realizado até que
chegue a camada de saída C
k
.
3. As saídas y da camada de saída C
k
são comparadas as saídas desejadas y
d
para
o vetor de entrada x, e o erro e é calculado como y
d
− y.
∙ Fase backward:
1. O erro e calculado para a camada C
k
é utilizado para ajustar diretamente seus
pesos, utilizando o gradiente descendente do erro, de acordo com a equação
3.3.
2. Os erros dos neurônios da camada C
k
são propagados para a camada anterior
C
k
−
1
utilizando os pesos das conexões entre as camadas multiplicadas pelos
erros correspondentes. Assim, tem-se um valor de erro estimado para cada
neurônio da camada escondida C
k
−
1
que representa a sua influência no erro
da saída C
k
, de acordo com a equação 3.4.
CAPÍTULO 3. RECONHECIMENTO DE PADRÕES 29
3. O procedimento utilizado para ajustar a camada C
k
−
1
é utilizado para ajustar
as camadas escondidas anteriores até que os pesos da camada C
1
sejam ajusta-
dos e assim toda a rede estará ajustada para uma entrada x e sua saída desejada
y
d
.
Resilient Back-propagation - Rprop
O algoritmo Rprop é uma adaptação do algoritmo de treinamento back-propagation,
que procura eliminar a influência negativa do valor da derivada parcial na definição do
ajuste dos pesos [de Pádua Braga et al. 2007]. Essa influência ocorre devido o erro na
saída do neurônio onde se y ≈ 1 e y
d
≈ 0 ou y ≈ 0 e y
d
≈ 1, a derivada será próxima de
zero, fazendo com que esse neurônio receba o ajuste mínimo, próximo de zero.
Dessa forma, o Rprop utiliza apenas o sinal da derivada para indicar a direção do
ajuste de pesos, usando um valor de atualização baseado em um processo de adaptação
que depende do sinal da derivada do erro com relação ao peso a ser ajustado. A troca de
sinal da derivada parcial do erro indica que o último ajuste aumentou o erro produzido.
Capítulo 4
Resultados
O objetivo deste trabalho é utilizar conhecimentos da área de Elevação Artificial
de petróleo, juntamente com algoritmos de Inteligência Artificial para diagnosticar a
condição de bombeio de um poço equipado com bombeio mecânico, através da classifi-
cação das cartas dinamométricas de superfície e fundo, baseado na análise da suas formas
geométricas, a fim de auxiliar a supervisão e as tomadas de decisões, além de prevenir
problemas no sistema de bombeio. Juntamente com a rede neural, um conjunto de cál-
culos é utilizado para diagnosticar algumas falhas utilizando a carta de superfície, sem a
necessidade da rede.
Com uma arquitetura de rede neural definida, a estratégia de reconhecimento é exe-
cutada sobre um conjunto de poços utilizando como dados de entrada a suas cartas de
superfície e os dados do esquema mecânico, gerando a carta de fundo e os outros dados
necessários para a caracterização da condição de bombeio.
4.1 Ferramentas Utilizadas
Para que esse trabalho fosse posto em prática, algumas ferramentas foram utilizadas
como o Matlab R2008a, outras foram modificadas como o AnaliseBM e outras foram
criadas como o CvCartas. Algumas de suas funcionalidades serão descritas a seguir.
O programa AnaliseBM é uma ferramenta desenvolvida na empresa RN Tecnologia,
pelo Eng. Msc. João Maria Araújo, para a Petrobras usar na análise de poços de bombeio
mecânico. Ela foi modificada para exportar as cartas de superfície e os dados do poço
para análise e criar o repositório de cartas de fundo usado pelo programa CvCarta. A
imagem 4.1 mostra a interface do programa durante a execução da análise.
Com conexão direta à base de dados do SISAL e ao SIP (Banco de dados de infor-
CAPÍTULO 4. RESULTADOS 31
Figura 4.1: Programa AnaliseBM - Modificado
mações de produção da Petrobras), o AnaliseBM possui informações do poço do tipo:
∙ Nome do poço
∙ Carta de Superfície
∙ Carta de Fundo
∙ Grau API
∙ BSW
∙ Revestimento
∙ Coluna de produção
∙ Unidade de bombeio
∙ Coluna de hastes
∙ Curso
∙ Bomba de fundo
entre outras, que são mostradas na tela da figura 4.1. De posse dessas informações,
o cáldulo do PPRL, do MPRL e da carta de fundo pode ser feito e o diagnóstico de um
dado poço efetuado.
As cartas de fundo são calculadas utilizando o processo criado pelo Eng. Manuel
Barreto, em [de A. Barreto Filho 1993] e modificado pelo Eng. Rutácio de Oliveira Costa.
Depois de calculadas, a cartas de fundo passam por um processo de normalização antes
CAPÍTULO 4. RESULTADOS 32
de serem exportadas. Todos os dados de carga e posição (cem pares) são transformados
em dados percentuais e são inicializadas na classe Sem Classificação.
Já o programa CvCarta foi desenvolvido especialmente para esse trabalho, na lin-
guagem de programação C++. Inicialmente criado apenas para desenhar e visualizar
modelos de cartas de fundo como mostra a figura 4.2.
Figura 4.2: Tela para criação de modelos de carta de fundo no CvCarta
Com a necessidade de gerar dados para o treinamento da rede neural, foi necessário
adicionar ao programa as funcionalidades de visualização e classificação manual das car-
tas de fundo (figura 4.3) a partir de um repositório exportado pelo Analise BM - Modifi-
cado, por um formato de arquivo compartilhado entre os dois programas.
Figura 4.3: Tela para classificação de cartas de fundo no CvCarta
Para fins de análise visual da distribuição dos pontos das cartas, a funcionalidade
de sobreposição de todas as cartas está disponível, conforme a figura 4.4. Para uma
CAPÍTULO 4. RESULTADOS 33
análise visual minuciosa, também está disponível a sobreposição dos pontos de apenas
uma classe.
Figura 4.4: Sobreposição de todas as cartas
Antes da exportação de dados para o Matlab, uma nova normalização é feita, onde os
valores dos pontos são enquadrados entre zero e um, com base em seus valores máximos
e mínimos. Essa nova normalização se faz necessária para manter a padronização dos
dados de entrada, além de estar diretamente ligada à arquitetura usada na rede neural.
Depois da importação dos dados no Matlab, um valor percentual deve ser definido
pelo usuário (por padrão 10%) para que os dados de treinamento e validação sejam sepa-
rados aleatoriamente. A ferramenta nntool (Neural Network Toolbox) foi utilizada para
treinar e simular as diversas redes neurais durante todo o processo de desenvolvimento
desse trabalho.
4.2 Integração ao SISAL
Os Sistemas de Supervisão, também conhecidos como SCADA (Supervisory Control
And Data Acquisition) ou apenas Supervisório, devem ser capazes de adquirir as infor-
mações do processo e torná-las disponíveis para os usuários do sistema. Um sistema
SCADA também pode executar tarefas de controle em nível de supervisão, atuando dire-
tamente no processo [Souza et al. 2006].
Os sistemas supervisórios têm se mostrado de fundamental importância na estrutura
de gestão das empresas, fato pelo qual deixaram de ser vistos como meras ferramentas
operacionais, ou de engenharia, e passaram a ser vistos como uma relevante fonte de
informação [Souza et al. 2005]. Por isso é cada vez mais necessário o uso de algoritmos
inteligentes para auxiliar no processamento dessas informações.
CAPÍTULO 4. RESULTADOS 34
O SISAL , como citado na seção 1.1, foi projetado para ser o supervisório de poços
equipados com elevação artificial e atualmente supervisiona todos os poços terrestres de
Bombeio Mecânico automatizados nos estados do Rio Grande do Norte, Ceará, Sergipe e
Alagoas, além de um piloto com alguns poços no Espírito Santo.
Para os poços de Bombeio Mecânico a principal informação coletada dos contro-
ladores de campo pelo SISAL é a carta de superfície.
Figura 4.5: Tela de supervisão de poço de BM no SISAL
A partir da carta de superfície e das informações cadastrais dos poços (coluna de
hastes e equipamentos de superfície), são calculadas a carta de fundo e a curva de torque.
Como o SISAL possui coleta automática e/ou programada de cartas de superfície, a
proposta é que o procedimento de reconhecimento de padrões de cartas de fundo acima
citado seja aplicado a essa ferramenta de supervisão para diagnosticar falhas e ajudar os
usuários na manutenção preventiva dos sistemas de bombeio mecânico, que representam
grande parte dos poços terrestres do Brasil, como citado no capítulo 1.
A figura 4.6 mostra como se dá o fluxo dos dados atualmente no sistema de automação,
onde as cartas de superfície são coletadas e as cartas de fundo são calculadas e analisadas
pela equipe da operação. Normalmente, a informação extraída da carta de fundo não é
realimentada no supervisório. O fluxo da informação se dá da seguinte forma:
1. As cartas de superfície são coletadas pelos controladores através de uma célula de
carga e armazenadas em um buffer de memória local;
2. O SISAL coleta a carta de superfície através de seus módulos de comunicação com
a rede de campo (Mestres de Campo);
CAPÍTULO 4. RESULTADOS 35
3. Através do esquema mecânico, dos dados do fluido e da carta de superfície a carta
de fundo é calculada;
4. As cartas de superfície e fundo ficam disponíveis para os usuários analisá-las;
5. A vizualização das cartas de superfície e fundo pelos usuários pode ser online ou
através de históricos;
Figura 4.6: Fluxo de dados atual
A figura 4.7 mostra uma proposta de fluxo de dados na automação de poços com o
uso da classificação automática de cartas de fundo, onde todas as cartas coletadas podem
ser analisadas e classificadas, tendo essa classificação historiada em base de dados. Uma
mudança de comportamento de um poço pode ser facilmente detectada apenas verificando
alterações na classificação das cartas de fundo. Dessa forma, o fluxo da informação pode
se dar da seguinte forma:
1. As cartas de superfície são coletadas pelos controladores através de uma célula de
carga e armazenadas em um buffer de memória local;
2. O SISAL coleta a carta de superfície através de seus módulos de comunicação com
a rede de campo (Mestres de Campo);
3. Através do esquema mecânico, dos dados do fluido e da carta de superfície a carta
de fundo é calculada;
CAPÍTULO 4. RESULTADOS 36
4. As cartas de superfície e fundo são passadas para análise e o resultado é armazenado
na base de dados do SISAL;
5. Os resultados das análises ficam disponíveis para os usuários, sem que seja necessário
verificar todas as cartas do SISAL, e sim apenas as que apresentarem resultados in-
desejados;
6. A vizualização das cartas de superfície e fundo e dos resultados das análises fica
disponível para os usuários de forma online ou através de históricos;
Figura 4.7: Proposta de fluxo de dados para classificação das cartas de fundo
4.3 Resultados Experimentais
Os resultados foram obtidos através de duas fases, que compreendem a análise de 6
tipos de cartas da forma:
∙ Análise de cartas de superfície:
1. Haste partida
∙ Análise de cartas de fundo:
CAPÍTULO 4. RESULTADOS 37
1. Carta cheia
2. Pancada de fluido
3. Interferência de gás
4. Vazamento na válvula de pé
5. Vazamento na válvula de passeio
Análise de cartas de superfície
A análise das cartas de superfície para detectar haste partida não leva em conta a forma
geométrica da carta, mas sim seus valores de carga máxima (PPRL) e de carga mínima
(MPRL). Esse valores são comparados com valores cálculados com base nos dados de
cadastro do poço, conforme mostrado na seção 2.5, utilizando o Método Convencional.
Um dos conceitos que foi utilizado foi o de SPAN de carga, que é dados por:
SPAN = PPRL − MPRL (4.1)
que representa basicamente o esforço pistão f
o
, além do esforço dinâmico f
d
, de valor
muito menor que o anterior. Manipulando as equações 2.14 e 2.15, temos:
SPAN = f
o
+ 2 f
d
(4.2)
Dessa forma, três spans podem ser utilizados:
∙ SPAN
carta
: span da carta de superficie
∙ SPAN
max
: span calculado considerando o máximo esforço no pistão ( f
o
), con-
siderando o valor do nível dinâmico h
d
igual à de profundidade de assentamento
da bomba
∙ SPAN
min
: span desconsiderando o esforço no pistão ( f
o
)
Para que uma carta seja caracterizada como suspeita de haste partida, três critérios
foram adotados e devem ser obedecidos:
1. SPAN
carta
< SPAN
max
2. SPAN
carta
∕= 0
3. PPRL
carta
< PPRL
max
que além de descartar cartas normais, evitam que cartas geradas com problemas na
automação/instrumentação sejam processadas e criem informações erradas. Para as cartas
CAPÍTULO 4. RESULTADOS 38
que se encaixam nesse perfil de suspeita de haste partida, um percentual de confiança C
p
é calculado com base na equação:
C
p
=
(SPAN
carta
− 2 f
d
− f
o
)100
f
o
(4.3)
O fator C
p
foi utilizado porque o método convencional não considera o atrito viscoso
e outros efeitos dinâmicos gerados durante o movimento das hastes.
As análises feitas com os poços do SISAL, mostraram que as cartas com haste partida
possuiam valores de C
p
maiores que 85%. Porém esse fator pode ser facilmente ajustado
para um novo conjunto de dados, caso seja necessário.
Confirmado que a haste do poço está partida, pode-se calcular o local aproximado da
quebra da mesma verificando um novo W
r
partida
reescrevendo a equação 2.13, da forma:
W
r
partida
=
f
d
carta
70500
SN
2
(4.4)
onde o f
d
carta
é dado por:
f
d
carta
=
PPRL − MPRL
2
(4.5)
pois com a haste está partida, não existe esforço no pistão, então f
o
= 0.
Possuindo o valor de W
r
partida
, o local da quebra é estimado comparando o valor de
W
r
partida
com o do somatório do peso das hastes a cada iteração, mostrado na equação
2.9, começando na superfície até o fundo do poço. Caso a coluna de hastes seja formada
por apenas uma seção, o ponto de quebra L
p
pode ser encontrado diretamente usando o
comprimento L da seção:
L
p
=
W
r
partida
L
W
r
(4.6)
As cartas consideradas com haste partida não tem suas cartas de fundo analisadas pela
rede neural.
Análise de cartas de fundo
Conforme foi citado na seção 4.1, as cartas de fundo são pré-processadas antes de
serem apresentadas à rede neural. Durante o pré-processamento, apenas as informações
relevantes foram extraídas das cartas de fundo, para serem utilizadas no problema de re-
conhecimento e classificação das mesmas. Os valores de carga e posição foram normali-
zados proporcionalmente em valores entre zero e um, sem perda de informação [Dickinson
CAPÍTULO 4. RESULTADOS 39
& Jannings 1990], pois apenas o formato geométrico é importante nesse processo [Gomes
et al. 2009].
Um vetor com os 100 valores de carga é utilizado no treinamento, na validação e na
classificação da rede neural. A utilização apenas dos valores de carga se dá pelo fato dos
pontos serem igualmente espaçados durante um ciclo de bombeio, fazendo com que os
valores de posição se repitam em todas as cartas, não agregando nenhuma informação
relevante. Esse número de pontos foi utilizado por representar bem um carta de fundo e
agregar a quantidade necessária de dados para o aprendizado da rede neural.
Para gerar os resultados, conforme mostra a figura 4.8, foram usadas 330 cartas de
fundo coletadas pelo SISAL e extraídas pelo programa AnaliseBM - Modificado. Os cinco
tipos de cartas de fundo serão mostrados com seus elementos sobrepostos para demonstrar
a distribuição dos dados de entrada da rede, nas figuras 4.9, 4.12, 4.10, 4.11 e 4.13. A
seção 2.6 descreve em detalhes cada uma das cartas.
Figura 4.8: Resumo quantitativo das cartas
Figura 4.9: Sobreposição de todas as cartas cheias
Segundo as recomendações vistas em [de Pádua Braga et al. 2007], deve-se utilizar
uma estrutura de rede mínima que atenda aos requisitos de minimização do erro quadrático
CAPÍTULO 4. RESULTADOS 40
Figura 4.10: Sobreposição de todas as cartas com vazamento na válvula de passeio
Figura 4.11: Sobreposição de todas as cartas com vazamento na válvula de pé
Figura 4.12: Sobreposição de todas as cartas com pancada de fluido
CAPÍTULO 4. RESULTADOS 41
Figura 4.13: Sobreposição de todas as cartas inteferência de gás
do conjunto de treinamento, para reduzir os riscos estruturais. Ainda segundo [de Pá-
dua Braga et al. 2007], quanto maior o número de neurônios,maior será o número de
soluções possíveis, porém, mais difícil se torna a busca pelas soluções que se aproximam
da função geradora dos dados. Dessa forma, o número de neurônios da camada oculta foi
sendo incrementado a fim de analisar a eficiência de classificação das redes.
Os resultados foram gerados a partir de duas redes neurais com entradas de diferen-
tes tamanhos. Ambas são redes MLP, citadas na seção 3.1.1, com uma camada oculta.
A tabela 4.1 mostra as arquiteturas utilizadas. Outras redes com 10 e 30 neurônios na
camada oculta foram testadas, mas o erro médio ficou muito acima dos 10% desejados.
A saída da rede é um vetor de 5 posições onde cada posição é referente a um padrão
e o valor contido em cada posição indica o resposta da rede quanto a classificação de
uma carta de fundo. Esses valores estão compreendidos entre zero e um, onde valores
acima de 0,5 indicam que o carta pertence a uma determinada classe. Os resultados dos
treinamentos e validação das redes ilustrarão bem essa estrutura.
MLP-E200-O50-TGS
Os primeiros resultados foram obtidos através de uma rede com 200 dados de entrada,
que representam os 100 pontos da carta de fundo. A figura 4.14 mostra o comportamento
do erro quadrático durante o treinamento, validação e testes, com o término do processo
em 284 épocas, conforme a janela do nntool na figura 4.15.
A validação externa, que é feita com cartas que não foram usadas no treinamento
da rede, gerou resultados positivos para as cartas dos tipos Carta cheia, Vazamento na
válvula de pé e Vazamento na válvula de passseio. Porém para as cartas com Pancada
de fluido e Interferência de gás a rede gerou um erro na carta de n
o
2 e uma incerteza na
classificação da carta de n
o
32, conforme a figura 4.16, que mostra graficamente o vetor
de saída da rede neural.
CAPÍTULO 4. RESULTADOS 42
Figura 4.14: Comportamento do erro quadrático - MLP-E200-O50-TGS
Figura 4.15: Janela de treinamento do nntool - MLP-E200-O50-TGS
CAPÍTULO 4. RESULTADOS 43
Tabela 4.1: Arquitetura das redes
Característica MLP-E200-O50-TGS MLP-E100-O50-TSG
Entrada 200 100
Camada Oculta 50 50
Camada de saída 5 5
Função de ativação Tang. sigmóide Tang. sigmóide
Épocas 284 125
Algoritmo de treinamento RPROP RPROP
Tempo total de treinamento 5 seg 3 seg
Tempo objetivo 0.8 seg 0.9 seg
% Treiamento 54% 54%
% Validação e teste 36% 36%
% Validação externa 10% 10%
Dados de entrada 330 330
Esse comportamento também pode ser observado na figura 4.17, que mostra o erro de
classificação para cada uma das cartas, evidenciando o erro nas cartas de n
o
2 e de n
o
32.
MLP-E100-O50-TGS
Para que apenas as informações mais significativas da carta fossem enviados para a
rede neural, os dados de posição foram suprimidos, fazendo com que um vetor de 100
valores de carga fosse usado como entrada. Dessa forma o treinamento da rede terminou
em um número menor de épocas e consequentemente em um tempo menor. A figura 4.18
mostra o comportamento do erro quadrático durante o treinamento, validação e testes,
com o término do processo em 125 épocas, conforme a janela do nntool na figura 4.19.
A validação externa gerou resultados positivos para as cartas dos tipos Carta cheia,
Vazamento na válvula de pé e Vazamento na válvula de passseio. Porém para as cartas
com Pancada de fluido e Interferência de gás a rede gerou uma incerteza na classificação
das cartas de n
o
2 e n
o
35, conforme a figura 4.20.
Esse comportamento também pode ser observado na figura 4.21, que mostra o erro de
classificação para cada uma das cartas, evidenciando a incerteza nas cartas de n
o
2 e de
n
o
35.
Rede Especialista
Para diminuição dos erros entre as cartas do tipo Pancada de fluido e Interferência de
gás e não correr riscos de diagnósticos errados, uma rede especialista (MLP-E100-O50-
CAPÍTULO 4. RESULTADOS 44
Figura 4.16: Saída da rede com entrada 200
Figura 4.17: Erros de classificação da rede com entrada 200
CAPÍTULO 4. RESULTADOS 45
Figura 4.18: Comportamento do erro quadrático - MLP-E100-O50-TGS
Figura 4.19: Janela de treinamento do nntool - MLP-E100-O50-TGS
CAPÍTULO 4. RESULTADOS 46
Figura 4.20: Saída da rede com entrada 100
Figura 4.21: Erros de classificação da rede com entrada 100
CAPÍTULO 4. RESULTADOS 47
TGS-ESP) foi treinada para embasar a resposta da rede principal. Sempre que a saída
da rede principal indicar um dos dois tipos de cartas citadas acima, a carta em questão é
submetida a uma segunda rede que decidirá com um maior grau de certeza o tipo da carta.
Essa rede especialista é treinada apenas com os valores de carga das cartas de Pancada
de fluido e Interferência de gás. Dessa forma ela se especializa na detecção dessas cartas.
Pelo fato das formas geométricas das cartas serem muito parecidas, mesmo a rede sendo
especializada nesses dois tipos de carta, ainda apresentou erros na classificação, como
mostram as figuras 4.22 e 4.23.
Figura 4.22: Saída da rede especialista com entrada 100
Figura 4.23: Erros de classificação da rede especialista com entrada 100
CAPÍTULO 4. RESULTADOS 48
Para que a rede especialista não cometesse esses erros na classificação, adotou-se a
estratégia de gerar dados significativos para a rede a partir da própria carta. Como citado
na seção 2.6.5, a diferença mais significativa entre as cartas com Pancada de fluido e In-
terferência de gás é a curvatura do curso descendente. Dessa forma, foi extraído o desvio
padrão do quadradado das inclinações dos segmentos de reta formados pelos pontos nessa
parte da carta. O desvio padrão é uma medida estatítica que mede a dispersão de uma de-
terminada amostra em relação a média aritmética. Como a variação de inclinação no caso
da Pancada de fluido é notadamente maior, o desvio padrão das inclinações tende a dar
uma medida mais dispersa quando comparada com a Interferência de gás, que tem mu-
dança mais suave. O somatório quadrático das inclinações foi utilizado para que a parte
mais curvada do curso descendente fosse mais evidenciada no cálculo.
Os resultados dessa nova implementação podem ser vistos nas figuras 4.24 e 4.25,
onde essa informação, juntamente com os valores de carga das cartas, foi inserida numa
rede neural especialista (MLP-E101-O50-TGS-ESP).
Figura 4.24: Saída da rede especialista com entrada 101
Matriz-confusão
De acordo com os dados de validação mostrados nas figuras 4.16 e 4.20 , teremos as
seguintes matrizes de confusão para as redes, mostrada na tabelas 4.2 e 4.3, respectiva-
mente. Essas matrizes indicam o grau de confiança das redes nas respostas dadas e não o
percentual de acerto das mesmas.
Confrontando os dados da rede MLP-E100-O50-TGS com a rede especialista MLP-
CAPÍTULO 4. RESULTADOS 49
Figura 4.25: Erros de classificação da rede especialista com entrada 101
Tabela 4.2: Matriz-confusão MLP-E200-O50-TGS
Saída → Pancada Carta Vazamento na Vazamento na Interferência
Entrada ↓ de fluido cheia válvula de pé válvula de passeio de gás
Pancada de fluido 91% 0% 0% 0% 9%
Carta cheia 0% 100% 0% 0% 0%
Vazamento na válvula de pé 0% 0% 100% 0% 0%
Vazamento na válvula de passeio 0% 0% 0% 100% 0%
Interferência de gás 6% 0% 0% 0% 94%
Tabela 4.3: Matriz-confusão MLP-E100-O50-TGS
Saída → Pancada Carta Vazamento na Vazamento na Interferência
Entrada ↓ de fluido cheia válvula de pé válvula de passeio de gás
Pancada de fluido 95% 0% 0% 0% 5%
Carta cheia 0% 100% 0% 0% 0%
Vazamento na válvula de pé 0% 0% 100% 0% 0%
Vazamento na válvula de passeio 0% 0% 0% 100% 0%
Interferência de gás 8% 0% 0% 0% 91%
Tabela 4.4: Matriz-confusão MLP-E100-O50-TGS com a MLP-E101-O50-TGS-ESP
Saída → Pancada Carta Vazamento na Vazamento na Interferência
Entrada ↓ de fluido cheia válvula de pé válvula de passeio de gás
Pancada de fluido 100% 0% 0% 0% 0%
Carta cheia 0% 100% 0% 0% 0%
Vazamento na válvula de pé 0% 0% 100% 0% 0%
Vazamento na válvula de passeio 0% 0% 0% 100% 0%
Interferência de gás 0% 0% 0% 0% 100%
E101-O50-TGS-ESP, teremos a matriz de confusão mostrada na tabela 4.4 com 100%
de aproveitamento nas classificações.
CAPÍTULO 4. RESULTADOS 50
Esses resultados demosntram como as redes MLP são capazes de classificar as car-
tas de fundo usando apenas as formas geométricas das cartas e informações extraídas
das mesmas. Caso seja necessário, outras informações como RGO, pressão de sucção,
pressão de recalque e nível dinâmico podem ser utilizadas na classificação, já que trazem
informações relevantes sobre a condição de bombeio, porém elas normalmente não pos-
suem medição automática, o que dificulta suas aquisições, pois normamente são medidas
esporadicamente.
Capítulo 5
Considerações Finais
As cartas dinamométricas de fundo são elementos indispensáveis para acompanhamento
de poços equipados com o método de elevação por Bombeio Mecânico. Com o aumento
do parque tecnológico de automação nos campos de petróleo, o número dessas cartas
tem crescido cada vez mais e a demanda pelo tratamento adequado das mesmas aumenta
proporcionalmente. Dessa forma, ferramentas de classificação automáticas das cartas po-
dem se tornar ferramentas indispensáveis, visto que atualmente o SISAL chega a coletar
aproximadamente 25.000 cartas por dia em apenas um servidor.
Dessa forma, analisar as cartas de fundo por uma rede neural utilizando apenas o for-
mato geométrico e o conhecimento prévio sobre os padrões a serem usados, sem nenhum
dado adicional, faz com que a estratégia descrita no trabalho seja facilmente integrada ao
sistema de supervisão dos poços, visto que não vai gerar demanda de novos dados.
Os resultados mostraram a capacidade que as redes neurais MLP tem de realizar clas-
sificações satisfatoriamente usando apenas os dados da carta de fundo, visto que o modelo
que descreve o processo é bastante complexo e requer muitos dados de entrada.
Após a obtenção desses resultados, novas técnicas podem ser criadas para operarem
de maneira complementar, fazendo análise de falhas conjugadas (mais de uma falha por
carta de fundo), análise temporal para detectar o aumento gradativo das falhas e predição
de problemas com os sistemas de bombeio.
Referências Bibliográficas
Alegre, L., C.K. Morooka & A.F. Rocha (1993), Intelligent diagnosis of rod pumping,
Relatório técnico, SPE.
Corrêa, José Francisco S. (1995), Sistema inteligente para aplicações de solucões ao
bombeamento mecânico de petróleo, Dissertação de mestrado, Universidade Estad-
ual de Campinas, UNICAMP, Campinas, SP.
Costa, Rutácio O. (2005), ‘Curso de bombeio mecânico’, Petrobras.
Cybenko, G. (1988), Continuous valued neural networks with tow hidden layers are suf-
ficient, Relatório técnico, Department of Computer Science of Tufts University.
Cybenko, G. (1989), Approximation by superpositions of a sigmoid function. Mathematics
of Control, Signals and Systems, MCSS.
de A. Barreto Filho, Manuel (1993), Geração de carta dinamométrica de fundo para di-
agnóstico do bombeio mecânico em poços de petróleo, Dissertação de mestrado,
Universidade Estadual de Campinas, UNICAMP, Campinas, SP.
de Pádua Braga, Antônio, André Ponce de Leon F. de Carvalho & Teresa Bernarda Lud-
ermir (2007), Redes Neurais Artificiais - Teorias e Aplicações, LTC.
de Souza, Rodrigo Barbosa (2005), Uma arquitetura para sistemas supervisórios indus-
triais e sua aplicação em processos de elevação artificial de petróleo, Dissertação de
mestrado, Universidade Federal do Rio Grande do Norte, UFRN, Natal, RN.
Dickinson, Roderick R. & James W. Jannings (1990), Use of pattern-recongnition tech-
niques in analyzing downhole dynamometer cards, Relatório técnico, SPE.
Gibbs, S. G. & A. B. Neely (1966), ‘Computer diagnosis of down-hole conditions in
sucker rod pumping wells’, Journal of Petroleum Technology .
52
REFERÊNCIAS BIBLIOGRÁFICAS 53
Gomes, Heitor P., André L. Maitelli, Rutácio O. Costa & Rafael M. Magalhães (2009),
Desenvolvimento de um sistema inteligente para a análise de cartas dinamométricas
no método de elevação por bombeio mecânico, em ‘V Congresso Rio Automação’.
Haykin, Simon (2001), Redes Neurais: Princípios e Práticas, BOOKMAN.
Keating, J.F., R.E. Mine & J.W. Jenning (1989), Pattern recognition applied to dy-
namometer cards, Relatório técnico, SPE.
Ludwig, Oswaldo & Eduardo Montgomery Meira Costa (2007), Redes Neurais - funda-
mentos e aplicação com programas em C, Ciência Moderna.
Nazi, G. M., K. Ashenayi, J. F. Lea & F. Kemp (1993), Application of an artificial neural
network to pump card diagnosis, Relatório técnico, SPE.
Pereira, David R. V. (2006), Algoritmos inteligentes para auto-calibração, auto-correção
e auto-validação de medidas em sensores, Dissertação de mestrado, Universidade
Federal do Rio Grande do Norte, UFRN, Natal, RN.
Rocha, A.F., C.K. Morooka, M. Tygel & M. A. Barreto Filho (1996), Automatic downhole
card generation and classification, Relatório técnico, SPE.
Souza, Rodrigo B., Adelardo A. D. de Medeiros & Edson H. Bolonhini (2005), Uma
ferremanta alternativa de supervisão para a elevação artificial de petróleo, em ‘3
∘
Congresso Brasileiro de P&D em Petróleo e Gás’.
Souza, Rodrigo B., Adelardo A. D. Medeiros, João M. A. Nascimento, André L. Maitelli
& Heitor P. Gomes (2006), Sisal - um sistema supervisório para elevação artificial
de petróleo, em ‘Rio Oil & Gas’.
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
