Los sistemas de bombeo electrocentrífugo sumergido (BEC) en comparación con otros SAP’s, representan una parte fundamental para la producción de aceite pesado. El detalle recae en la falta de herramientas de visualización efectivas para detectar anomalías, que posteriormente pueden convertirse en fallas del sistema integral de producción.
Uno de los grandes retos que presenta el sistema BEC es su pronta detección de falla. Existen diversos estudios relacionados a la predicción de fallas como un solo sistema y sus variables; sin embargo, dado que es muy complejo determinar las anomalías que sufre el sistema BEC, resulta pertinente realizar un estudio más integral; desde una perspectiva de análisis que incluya al yacimiento-pozoinstalación.
No obstante, la integración de los datos de todo el sistema integral es complejo de realizar a través de métodos convencionales. Asimismo, existe poca información sobre las aplicaciones de ciencia de datos en el diagnóstico de las variables operativas BEC y mucho menos del sistema integral.
En este trabajo, se presenta un caso de estudio en donde se muestran las aplicaciones e interpretaciones que se pueden obtener. A través del descubrimiento de patrones, detección de zonas normales y/o anómalas de operación, ruido y relación existente se buscan variables dinámicas de pozo, yacimiento e instalación.
Igualmente, se presentan las diferentes técnicas y potentes formas de visualización de datos. Las cuales, permiten monitorear las condiciones del sistema con mayor facilidad a fin de mitigar el impacto de la producción diferida de hidrocarburos.
Te puede interesar: Recombinación de fluidos petroleros en etapas de separación
Actualmente, es complicado monitorear las variables dinámicas del sistema BEC ya que no se cuenta con herramientas de visualización para digerir la información operativa de manera eficiente; por lo tanto, dificulta el diagnostico en tiempo real.
A diferencia del aprendizaje supervisado en donde se cuenta con datos etiquetados para clasificación o regresión; el aprendizaje no supervisado nos ayuda a detectar patrones entre un conjunto de datos. Es decir, a crear grupos o etiquetas que generan conocimiento sobre determinado conjunto de datos.
En el presente trabajo se muestra los beneficios que otorga la implementación de técnicas de reducción de dimensionalidad para el monitoreo de diversas variables; así como el impacto de la agrupación por jerarquía (Heriarchical clustering) para la detección de la zona normal y zonas de anomalías.
Durante el trabajo se aplicó una metodología con análisis exploratorio de datos, orientada al diagnóstico de los sistemas de bombeo electrocentrífugo (BEC); la cual, involucró el tratamiento de datos, la relación existente entre el conjunto de datos a evaluar, así como la implementación de aprendizaje no supervisado.
El objetivo final es proporcionar un proceso simplificado y eficiente para la detección de la zona de datos normales y anormales. Las cuales ayudan a detectar eventualidades no deseadas antes de que estas ocurran.
Sigue leyendo: Estrategia para la extracción de campos no convencionales
Durante el estudio se definió que, mediante el uso de herramientas estadísticas como los diagramas de caja, se pueden definir límites estadísticos a partir de la distribución de datos entre los cuartiles 1(25%) y 3(75%).
Igualmente, la reducción de la dimensionalidad resulta una herramienta poderosa para poder visualizar diversas variables en menos dimensiones; este paso permite tener un mejor rendimiento para el algoritmo de agrupación por jerarquía, el cual permite generar agrupaciones de manera más eficiente.
Adicionalmente, la metodología aplicada en el presente caso de estudio permite identificar la región de datos normales (perspectiva estadística); así como las regiones o grupos de datos anómalos, es decir, permite realizar un diagnostico de manera clara y optimizada.
Asimismo, las visualizaciones combinadas permiten describir la frecuencia de eventos, la distribución de los datos a partir de los cuartiles; así como la distribución conjunta entre determinadas variables, complementando en gran medida el diagnostico en el sistema BEC.
La salinidad mostró ser un indicador para que las variables estudiadas presenten anomalías, es decir, para que los datos salgan de la región “normal”. Igualmente, se logró relacionar a la salinidad como posible causa de generación de incrustaciones; las cuales causan taponamiento en la bomba del sistema, ocasionando las caídas que posteriormente originan una falla importante de 21 días.
Finalmente, las gráficas de coordenadas paralelas permiten crear perspectivas diferentes para poder visualizar el comportamiento del sistema en general; aunado a que permite realizar ajustes en base a rangos aproximados para poder comprender el comportamiento “normal” y “anormal” del sistema BEC.
Los Ingenieros Elias Castellanos A. e Israel Oliver Hernández A. presentaron el trabajo en la reciente edición del Congreso Mexicano del Petróleo (CMP).
