Adaptive model predictive control applied to submersible pump lifted wells

• Ano de defesa: 2019
• Autor(a) principal: Delou, Pedro de Azevedo
• Orientador(a): Secchi, Argimiro Resende
• Banca de defesa: Peixoto, Alessandro Jacoud, Campos, Mario Cesar Mello Massa de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal do Rio de Janeiro
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Química
• Departamento: Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
• País: Brasil
• Palavras-chave em Português: Adaptive control; Model predictive control; Model scheduling; Kalman filter; Robust control; Electrical submersible pump; Artificial lift
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA
• Link de acesso: http://hdl.handle.net/11422/13587

Bombas Elétricas Submersíveis (ESPs) são uma das tecnologias de elevação artificial de óleo mais difundidas para exploração em águas profundas. Na operação de uma ESP existe um grande número de parâmetros que devem ser monitorados e mantidos dentro de restrições operacionais com o objetivo de manter uma operação estável e ótima. Controle preditivo baseado em modelo (MPC) é uma das estratégias utilizadas para tal fim. Literaturas prévias propuseram o uso de MPC linear baseado em identificação, contudo nenhuma estratégia foi empregada para contornar as não linearidades do sistema, em vez disso o uso de apenas um modelo linear interno vem sendo empregado, além de considerar todas as variáveis relevantes do sistema com medidas disponíveis. Neste trabalho, o problema de perda das medidas das variáveis de estado é abordado. É mostrado que uma estratégia não-adaptativa, com um único modelo interno, carece de qualidade na estimação dos estados, e um MPC robusto não é possível com tal configuração. Portanto, um MPC adaptativo acoplado com filtro de Kalman é proposto e três estratégias de adaptação são comparadas. Duas estratégia de chaveamento baseada em interpolação de modelos locais são propostas e comparadas com a linearização sucessiva. Todas as estratégias garantem a acurácia e estabilidade do modelo interno em todo o intervalo de operação. As estratégias apresentaram uma performance similar à linearização sucessiva, evitando a necessidade de obtenção de um modelo linear local em cada tempo de amostragem através da interpolação entre um número de modelos lineares obtidos por identificação. Por fim, uma estratégia de estimação de parâmetros é proposta e acoplada ao MPC com o objetivo de contornar as incertezas de medida e as incertezas estruturais de modelo.