Logo do repositório
  • Página Inicial(current)
  • Buscar
    Por Data de PublicaçãoPor AutorPor TítuloPor Assunto
  • Tutoriais
  • Documentos
  • Sobre o RI
  • Eventos
    Repositório Institucional da UFRN: 15 anos de conexão com o conhecimento
  • Padrão
  • Amarelo
  • Azul
  • Verde
  • English
  • Português do Brasil
Entrar

SIGAA

  1. Início
  2. Pesquisar por Autor

Navegando por Autor "Nascimento, Kaline Juliana Silva do"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 1 de 1
  • Resultados por página
  • Opções de Ordenação
  • Nenhuma Miniatura disponível
    Dissertação
    Double deep q-network no método de recuperação avançada injeção de água em um campo de petróleo
    (Universidade Federal do Rio Grande do Norte, 2022-01-31) Nascimento, Kaline Juliana Silva do; Dória Neto, Adrião Duarte; https://orcid.org/0000-0002-5445-7327; http://lattes.cnpq.br/1987295209521433; http://lattes.cnpq.br/5706123448258771; Rodrigues, Marcos Allyson Felipe; https://orcid.org/0000-0002-8936-5705; http://lattes.cnpq.br/5453593230706116; Oliveira, Thiago Henrique Freire de; Mata, Wilson da
    Se faz necessário, para aumentar a produção petrolífera, o desenvolvimento constante de novas alternativas de explotação dos campos. A necessidade de otimização dos fatores integrantes no processo de recuperação, requer muito cuidado em todas as recomendações propostas para tal. Entre os elementos que integram a explotação petrolífera pode -se ressaltar: Número de poços, espaço entre eles, modelo de malha de produção/injeção, sistema de injeção de fluido, entre outros. Este trabalho tem como objetivo apresentar o desenvolvimento e a aplicação de um sistema inteligente baseado na técnica de Aprendizagem Por Reforço Profundo em reservatórios de petróleos submetidos ao método de recuperação avançada injeção de água. A simulação foi realizada com o simulador matemático STARS (Steam Thermal ans Advanced Process Reservoir Simulator) do grupo CGM (Computer Modelling Group) considerando um reservatório homogêneos semissintéticos com características similares aos encontrados no Nordeste Brasileiro. O algoritmo aplicado foi o Double Deep Q-Network (DDQN), que consiste numa associação entre uma rede de aprendizado profundo e o algoritmo Q-learning e tem como objetivo encontrar condições operacionais favoráveis, tendo como finalidade a maximização do Valor Presente Líquido (VPL) e o aumento significativo do Fator de Recuperação, com as ações de aumentar ou não a vazão de injeção de água no início da produção em um horizonte de produção estimada em 240 meses (20 anos). O uso do algoritmo proporcionou obter as condições operaacionais ótimas que viabilizaram aumentos significativos no fator de recuperação do campo, bem como no VPL e, consequentemente,a rentabilidade, havendo ainda a queda dos custos com injeção de água, tratamento e descarte de água produzida, gerando assim o aumento do tempo da viabilidade do projeto.
Repositório Institucional - UFRN Campus Universitário Lagoa NovaCEP 59078-970 Caixa postal 1524 Natal/RN - BrasilUniversidade Federal do Rio Grande do Norte© Copyright 2025. Todos os direitos reservados.
Contato+55 (84) 3342-2260 - R232Setor de Repositórios Digitaisrepositorio@bczm.ufrn.br
DSpaceIBICT
OasisBR
LAReferencia
Customizado pela CAT - BCZM