Professional Documents
Culture Documents
J.petrol.2020 TRADUCIDO
J.petrol.2020 TRADUCIDO
com
Palabras clave: La bomba sumergible eléctrica (ESP) se emplea actualmente de forma generalizada para ayudar a mejorar la producción de
Bomba eléctrica sumergible pozos de flujo no lineal con alta producción y alto corte de agua. Sin embargo, el eje roto ESP es común en la industria
Análisis de componentes
petrolera. El eje roto provoca interrupciones en la producción, lo que resulta en pérdidas económicas importantes. El objetivo
principales Eje roto
de este trabajo es evaluar el Análisis de Componentes Principales (PCA) como una técnica de aprendizaje automático no
Diagnóstico erroneo
supervisada para detectar la causa de la rotura del eje ESP. Este método se aplicó con éxito en el bloque Penglai del campo
Modelo de diagnóstico de PCA
* Autor correspondiente.
Correos electrónicos: 18611745494@163.com (L. Peng), hanguoqing@163.com (G. Han), pagouarnold@yahoo.fr (A. Landjobo Pagou), 649668665@qq.com (J. Shu).
https://doi.org/10.1016/j.petrol.2020.107154
Recibido el 24 de diciembre de 2019; Recibido en forma revisada el 11 de febrero de 2020; Aceptado el 3 de marzo de 2020
On-line el 7 de marzo de 2020
0920-4105 / © 2020 Elsevier BV Todos los derechos reservados.
L. Peng y col. Revista de ciencia e ingeniería del petróleo 191 (2020) 107154
realización del registro continuo de datos de producción de ESP en tiempo real. el eje de la bomba será monitoreado y diagnosticado.
En años recientes, "Big Data" recopilada en los sensores ESP está enmarcando Eriksson y col. (2013)representó el modelo básico de PCA de la siguiente manera:
el punto clave de cómo extraer la información más esencial para evaluar el
X¼TPT þ mi (1)
sistema operativo ESP. Los modelos basados en datos, junto con el aprendizaje
automático, se han utilizado para juzgar y optimizar la producción de pozos.Bravo
dónde:
y col. (2014)describió la analítica de datos como un proceso integral de
recopilación y análisis de macrodatos.
X es la matriz de entradanorte pag); representa los parámetros originales;
La fractura del eje de la bomba es una falla común en el sistema operativo ESP. Con
PAG es la matriz de carga (pag k); representa la contribución de los
base en los datos de operación adquiridos por los sensores ESP terrestres y de fondo de
parámetros originales;
pozo, el análisis de modelos basado en datos jugará un papel importante en el
T es la matriz de puntuaciónnorte k); representa la relación entre los
monitoreo de la rotura del eje de la bomba. Existe la necesidad de evolucionar de un
parámetros originales;
método supervisado hacia el diagnóstico de fallas a un enfoque de acuerdo con modelos
mi es la matriz residual (norte pag); representa la varianza no capturada;
basados en datos para el mantenimiento predictivo. El análisis de componentes
norte es el número de pasos de tiempo (Gupta y col., 2016);
principales se considera ampliamente como un método de preprocesamiento para la
pag es el número de parámetros originales;
reducción de la dimensionalidad, la extracción de valores propios y la visualización de
k es el número de componentes principales;
datos (Abdelaziz et al., 2017). El PCA se puede utilizar como una técnica de aprendizaje
automático no supervisada para analizar el motivo de la rotura del eje de la bomba.
Según el criterio de varianza máxima, los componentes principales
capturados por el modelo PCA son irrelevantes. El primer componente principal
3. Análisis de componentes principales
contiene la varianza más alta, lo que implica que el primer componente principal
contiene la mayor cantidad de información. El segundo componente principal
Jackson (2005) define el análisis de componentes principales como un medio de
capturará la siguiente variación más alta, que ya ha eliminado la información del
reducción de dimensionalidad no supervisado que transfiere datos linealmente y crea un
primer componente principal. Por este medio, el tercero, cuarto... Se puede
nuevo conjunto de parámetros llamado "componente principal”. Lo que sabemos es que
construir un k-ésimo componente principal para evaluar el sistema original.
los datos ESP están generalmente altamente correlacionados; es decir, un aumento de la
Figura 2 resume los comentarios anteriores.
presión de la boca del pozo dará lugar a un aumento de la presión de entrada y
Como suele ser el caso, el modelo PCA encuentra k componente principal
descarga, lo que finalmente provocará un aumento de la temperatura del motor. El
para construir las PC, que retiene la mayor parte de la información que pertenece
análisis de componentes principales hace uso de la interdependencia de los datos
al sistema inicial. El k-ésimo componente principal se indica en la siguiente
originales para construir un modelo de PCA. Esto da como resultado la reducción de los
ecuación tomando PC1 como ejemplo.
parámetros de producción.' dimensión aprovechando las combinaciones lineales y
creando un nuevo espacio de Componente Principal (PC). Estas PC pueden evaluar el ordenador personal1 ¼a11 PAGDconsumo presiónÞ þa21 PAGDdescarga presiónÞ þa31 PAGDconsumo temperaturaÞ
sistema ESP solo mediante varios componentes principales, lo que facilita mucho el þa41 PAGDdescarga temperaturaÞ þ⋯þapag1 PAGDvibraciónÞ (2)
proceso.
Para aquellos pozos con fractura del eje de la bomba, se puede establecer un
Cuando se trabaja con dos dimensiones, Ionita y Schiopu (2010)
representó este caso usando Fig. 3.
modelo PCA para analizar algunos meses de datos de producción antes de que la bomba
PCA se utiliza para encontrar patrones en datos de alta dimensión y para transformar los
se rompa. Una vez que se construye el modelo robusto de PCA, la causa de la rotura de
datos de la región estable, que generalmente se caracteriza como un estrecho
2
L. Peng y col. Revista de ciencia e ingeniería del petróleo 191 (2020) 107154
2
SPE2 ¼ Yo PPT xt ð Þ 2¼ PAGTXmi DtÞ δ2 SPE (4)
dónde:
0Dh0 1Þ h0
α 0
C h pag2ffiffiffi 2
θffiffiffiffi
δSPE
2 ¼θ1 þ 1 θþ2h (6)
θ1 θ21
El modelo de diagnóstico de PCA se aplica para identificar la causa y el momento de la dónde ξI representa el I columna de la matriz de identidad I. Cuanto mayor sea la
fractura del eje de la bomba. El estadístico T-cuadrado de Hotelling (T2) y el error de predicción al contribución de cada variable de decisión, mayor será la posibilidad de
cuadrado (SPE) se utilizan para visualizar numéricamente estadísticas escalares posibles anomalías.
(Yue y Qin, 2001). T2 es una estadística univariante que juega un papel importante
en la prueba de hipótesis multivariante, SPE se utiliza con frecuencia en 5. Estudio de caso: diagnóstico del eje roto del ESP
control de proceso estadístico variable. T2 y SPE se aplican para analizar si la
variable de decisión es satisfactoria con el requisito de funcionamiento estable. 5.1. Selección de las variables de eje roto ESP
Con este método, se puede determinar la contribución de cada variable de
decisión al fracaso. El problema de la falla se diagnosticará en última instancia Los datos de producción de diez pozos ESP con eje roto se registran a una
debido a la clasificación de la contribución de cada una de las variables de frecuencia de 20 min mediante sensores ESP de fondo de pozo y de tierra. Los
decisión. Las anomalías potenciales están relacionadas con las variables sensores ESP de fondo de pozo y de tierra comienzan a recolectar los datos de
correlativas de mayor rango o de decisión más altas. producción desde que se ponen en producción diez pozos ESP y terminan cuando
Yue y Qin (2001) describió T2 y SPE en el paso de tiempo de la siguiente manera: ocurre la rotura del eje de la bomba en estos pozos. Estos pozos de eje roto ESP,
incluidos E52ST1, C06ST1, B50ST2, E20ST2, A11ST1, B03ST1, B48ST1, E21ST1,
2
E47ST1 y E42ST1, son del bloque Penglai del campo petrolífero de Bohai en China.
Λ PAGTX
T2 ¼ ðtÞ ¼ XT DtÞPAGΛ 1XDtÞ δ2 T (3)
1
Incluyen:
3
L. Peng y col. Revista de ciencia e ingeniería del petróleo 191 (2020) 107154
presión
Registros
de ladelínea
datos
deque
la carcasa,
contienen
presión
parámetros
de la carcasa,
de variables
caudalde
deentrada
gas de la
delcarcasa,
estrangulador
admisión
deESP
carcasa,
presión, presión de descarga del ESP, presión de la línea de flujo, temperatura de la línea de
flujo, temperatura de admisión, corriente del motor, corriente de fuga del motor, potencia
del motor, temperatura del motor, corriente de par del motor, vibración del motor, voltaje
del motor, estrangulador de la tubería y frecuencia del VFD.
Registros de datos que contienen información sobre el momento en que se produjo la rotura.
del eje de la bomba se produce en cada pozo.
4
L. Peng y col. Revista de ciencia e ingeniería del petróleo 191 (2020) 107154
Figura 7. Predicciones del tiempo de rotura de la bomba por T2 y SPE en el pozo E52ST1.
Figura 8. Predicciones del tiempo de rotura de la bomba por T2 y SPE en el pozo CO6ST1.
tiempo de rotura. En consecuencia, el modelo de diagnóstico de PCA tiene una precisión 6. Conclusiones
excelente para predecir el tiempo de rotura de los pozos de eje rotos de ESP.
Como se menciona en tabla 1, PCA se puede utilizar como un importante pre Este documento presenta un modelo analítico basado en big data para
método de procesamiento y como una técnica de aprendizaje automático no predecir un eje roto inminente en el sistema operativo ESP. El modelo de big data
supervisada para predecir el eje roto del ESP en tiempo real. Además, la técnica depende de datos en tiempo real recopilados por sensores ESP de fondo de pozo
PCA se puede aplicar como base para el desarrollo de mejores herramientas para y de superficie. Se puede concluir que el PCA tiene el potencial de ser utilizado
predecir fallas ESP. como una técnica de reconocimiento para predecir cambios dinámicos y por lo
tanto identificar la rotura inminente del eje ESP. Conclusiones clave de este
5
L. Peng y col. Revista de ciencia e ingeniería del petróleo 191 (2020) 107154
Figura 9. Predicciones del tiempo de rotura de la bomba por T2 y SPE en el pozo B48ST1.
Wells NO. Predicciones del modelo PCA Tiempo de rotura real Este trabajo es apoyado por la Fundación Nacional de Ciencias Naturales de
E52ST1 2019-5-26 13:40 2019-5-26 16:00 China (Grant No. 51574256). Los autores desean expresar su agradecimiento a los
CO6ST1 2019-5-27 22:20 2019-5-28 6:40 revisores de la Universidad del Petróleo de China (Beijing) y al Instituto de
B48ST1 2015-10-7 21:40 2015-10-8 16:20
Investigación CNOOC por sus comentarios críticos.
E20ST2 2019-9-12 10:20 2019-9-12 12:40
B50ST2 2019-6-15 8:00 2019-6-16 15:40
A11ST1 2015-5-10 4:40 10-5-2015 10:00 Apéndice A. Datos complementarios
B03ST1 2015-8-30 15:40 2015-8-31 1:00
E21ST1 2015-8-26 10:00 2015-8-26 23:40
Se pueden encontrar datos complementarios a este artículo en línea en https: // doi.
E47ST1 2018-1-14 8:40 2018-1-15 9:20
org / 10.1016 / j.petrol.2020.107154.
E42ST1 2018-4-24 22:40 2018-4-25 2:00
Referencias
El estudio se puede resumir de la siguiente manera:
Abdelaziz, M., Lastra, R., Xiao, J., et al., 2017. Análisis de datos esp: predicción de fallas para
rendimiento de producción mejorado. En: Exposición y conferencia internacional
1. Se puede utilizar una gráfica bidimensional de las puntuaciones del
del petróleo de Abu Dhabi. sociedad de Ingenieros Petroleros.
Componente principal 1 y el Componente principal 2 para identificar Bates, R., Cosad, C., Fielder, L., Kosmala, A., Hudson, S., Romero, G., Shanmugam, V.,
diferentes grupos de la región estable, la región inestable y la región de falla. 2004. Tomando el pulso a los pozos de producción-esp vigilancia. En: Oilfield Review.
Bravo, C., Rodríguez, J., Saputelli, L., Rivas Echevarria, F., et al., 2014. Aplicando
A partir de esta gráfica bidimensional, los ingenieros de campo recordarán la
flujos de trabajo de análisis a producción: transformación de operaciones integradas en operaciones
posible fractura del eje ESP si el grupo está lejos de la región estable. inteligentes. En: Conferencia y exposición SPE Intelligent Energy. sociedad de Ingenieros Petroleros.
2. Una vez que se construye un modelo de diagnóstico de PCA robusto, es de
Cho, JH, Lee, JM, Choi, SW, Lee, D., Lee, IB, 2005. Identificación de fallas para el proceso
gran importancia que se determinen las variables de decisión más
Monitoreo mediante análisis de componentes principales del kernel. Chem. Ing. Sci. 60, 279-288.
responsables de la rotura del eje ESP para explicar la desviación del clúster de Dunia, R., Joe Qin, S., 1998. Enfoque subespacial para la identificación multidimensional de fallas
la región estable. y reconstrucción. AIChE J. 44, 1813-1831.
Eriksson, L., Byrne, T., Johansson, E., Trygg, J., Vikstro
3. Al implementar T2 y SPE, el modelo de diagnóstico PCA tiene una precisión
plicaciones,
Principios básicos y Ap de análisis de datos de megavariables€m, ume 1. Umetrics
C., 2013. Multi-and
excelente en la predicción del tiempo de rotura del eje ESP. Academia.
4. La PCA se puede utilizar como un importante método de preprocesamiento y como Gupta, S., Saputelli, L., Nikolaou, M., et al., 2016. Flujo de trabajo de análisis de big data para
salvaguardar operaciones esp en tiempo real. En: Conferencia y Exposición sobre
una técnica de aprendizaje automático no supervisada para predecir las fallas de
Levantamiento Artificial SPE North America. sociedad de Ingenieros Petroleros.
ESP en desarrollo. Ionita, I., Schiopu, D., 2010. Uso del análisis de componentes principales en la concesión de préstamos. Toro.
PG Univ. Ploiesti, Ser. Matemáticas. Inf. Phys. 62, 88.
Contribución del autor Jackson, JE, 2005. Un usuario's Guía de componentes principales, ume 587. John Wiley &
Hijos.
Jackson, JE, Mudholkar, GS, 1979. Procedimientos de control para residuos asociados con
Autor N ° 1 -Long Peng ha desarrollado el modelo de Análisis de análisis de componentes principales. Technometrics 21, 341-349.
Componentes Principales (PCA) establecido en el documento e implementó el Ratcliff, D., Gomez, C., Cetkovic, I., Madogwe, O., et al., 2013. Maximizing oil
producción y aumento de la vida útil de esp en un terreno abandonado utilizando software de optimización y
algoritmo PCA. Autor n. ° 2: Guoqing Han ha recopilado datos del bloque Penglai
monitoreo de esp en tiempo real: estudio de caso de campo de Rockies. En: Conferencia y exposición técnica
del campo petrolífero de Bohai y ha participado en el establecimiento del modelo anual de la SPE. sociedad de Ingenieros Petroleros.
de diagnóstico de la PCA. Autor No.3- Arnold LANDJOBO PAGOU ha participado en Stone, P., et al., 2007. Introducción al análisis predictivo: oportunidades. En: Energía digital
Conferencia y Exposición. sociedad de Ingenieros Petroleros.
la revisión y edición del manuscrito. Autor No.4- Jin Shu ha participado en la
Takacs, G., 2017. Manual de bombas sumergibles eléctricas: diseño, operaciones y
curación de datos. Mantenimiento. Publicaciones profesionales del golfo.
Westerhuis, JA, Gurden, SP, Smilde, AK, 2000. Gráficos de contribución generalizada en
Monitoreo de procesos estadísticos multivariados. Chemometr. Intell. Laboratorio. Syst. 51, 95-114.
Declaración de intereses
Yue, HH, Qin, SJ, 2001. Identificación de fallas basada en la reconstrucción utilizando una combinación
índice. Ind. Eng. Chem. Res. 40, 4403-4414.
Los autores declaran que no tienen intereses económicos o relaciones
personales en competencia que puedan haber parecido influir