IDENTIFICAÇÃO DE MODELOS NARX PARA POÇOS SURGENTES DE PETRÓLEO USANDO PROGRAMAÇÃO GENÉTICA MULTI-GÊNICA
Programação genética, inteligência artificial, classificador one-class, poços surgentes de petróleo, soft-sensor
Técnicas de inteligência artificial aplicadas em contextos reais como predição de variáveis de processo, detecção de anomalia ou mudança em linhas de produção podem implicar em redução de custo de manutenção, ações de prevenção de acidentes e falhas, auxílio em tomada de decisão, evitar perdas de produção e financeira e identificar pontos para melhoria do processo. Este trabalho apresenta uma proposta de aplicação de um soft sensor, utilizando um algoritmo evolucionário, para identificação de comportamento futuros de um sensor de temperatura durante a operação de poços surgentes de petróleo. Para isso, primeiramente, são realizadas diversas execuções do algoritmo de programação genética multigênica (MGGP) a fim de identificar quais valores de hiper-parâmetros contribuem para um melhor resultado. Após essa análise e determinação dos parâmetros para o MGGP, o soft sensor, baseado em modelo NARX polinomial, é implementado sobre uma base de dados real pública, denominada 3W, com medições de sensores presentes em poços surgentes de petróleo, entre os períodos de 2017 e 2018. É realizado o treinamento do modelo e validação dos resultados que se mostram satisfatórios sobre os dados de dois poços disponíveis, resultando em uma função capaz de representar a dinâmica de operação de cada um dos poços surgentes de petróleo em operação normal. Já sobre os períodos de medição que possuem a transição ao estado de anomalia, o modelo não é capaz de explicar tal comportamento e, à medida que evolui no período transitório, o erro apresenta uma tendência de aumento. Este resultado possibilita seu uso no contexto de detecção de anomalias em poços de petróleo, como um classificador one class.