Revista de Petróleo y Biotecnología Ambiental

Abstracto

Implementación exitosa de inteligencia artificial y aprendizaje automático en el modelado de proxy inteligente de flujo multifásico: dos estudios de caso de modelos CFD gas-líquido y gas-sólido

Amir Ansari, S. Sina Hosseini Boosari, Shahab D. Mohaghegh

Es casi imposible resolver los problemas de flujo de fluidos modernos sin el uso de dinámica de fluidos computacional (CFD). En la industria petrolera, las simulaciones de flujo ayudan a los ingenieros a desarrollar el diseño de pozo más eficiente y es esencial comprender los detalles del flujo multifásico. Sin embargo, a pesar de la alta precisión, la realización de la simulación numérica no logra proporcionar los resultados requeridos de manera oportuna. Este artículo presenta dos estudios de caso de modelos proxy inteligentes (SPM) que utilizan técnicas de inteligencia artificial (IA) y aprendizaje automático (ML) para evaluar el comportamiento del sistema caótico y predecir las características dinámicas, incluida la presión, la velocidad y la evolución de la fracción de fase dentro del proceso en cada paso de tiempo en un tiempo de ejecución mucho menor. Los casos propuestos se concentran en problemas de rotura de presas en 2D y lecho fluidizado en 3D, utilizando OpenFOAM y MFiX, aplicaciones de software CFD, respectivamente. Este documento se centra en la construcción y mejora de los modelos de redes neuronales artificiales (ANN) caracterizados por el método de propagación hacia atrás de retroalimentación y el algoritmo Levenberg-Marquardt (LMA). Cada caso de estudio contiene múltiples escenarios para mejorar gradualmente las capacidades del modelo para pronosticar los parámetros dinámicos. Los resultados de ambos casos indican que el tiempo de cálculo necesario para ejecutar una simulación CFD de 8 a 10 horas se reduce a unos pocos minutos cuando se realiza con modelos desarrollados basados ​​en IA, junto con un error de menos del 10 % para todo el proceso.