Use este identificador para citar ou linkar para este item: http://hdl.handle.net/11422/13587
Tipo: Dissertação
Título: Adaptive model predictive control applied to submersible pump lifted wells
Título(s) alternativo(s): Controle preditivo adaptativo aplicado a bomba submersível para elevação de poços
Autor(es)/Inventor(es): Delou, Pedro de Azevedo
Orientador: Secchi, Argimiro Resende
Coorientador: Souza Júnior, Maurício Bezerra de
Resumo: 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.
Resumo: Electric Submersible Pumps (ESPs) are one of the most widespread oil artificial lifting technologies for deepwater exploration. In the operation of an ESP there is a large number of parameters that must be monitored and held within operational constraints in order to guarantee stable and optimal operation. Model predictive control (MPC) is one of the strategies able to guarantee stable and optimal operation with constraints handling. Previous literature has proposed the use of linear MPC based on system identification, however no adaptive strategy has been employed to overcome system nonlinearities, instead a single internal model has been used. Moreover, all previous works have considered relevant system variables measurements to be available. In this dissertation, the problem of losing measurements of the state variables due to the aggressive subsea environment is addressed. We show that a non-adaptive single linear model strategy lacks in quality for state estimation and a robust MPC is not possible under this configuration. Therefore, an adaptive MPC coupled with Kalman Filter is proposed and three adapting strategies are compared. Two scheduling strategies based on linear interpolation of a set of local models are proposed and compared to successive linearization. All strategies guarantee internal model accuracy and stability over the whole operational range. The proposed scheduling strategies presented a similar performance compared to the successive linearization strategy, avoiding the need of obtaining a local linear model at each sampling time by interpolating among a number of linear models previously obtained by identification instead. In addition, a parameter estimation strategy is proposed and coupled to the MPC scheme so that measurement and model structural uncertainties are overcome.
Palavras-chave: Adaptive control
Model predictive control
Model scheduling
Kalman filter
Robust control
Electrical submersible pump
Artificial lift
Assunto CNPq: CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA
Programa: Programa de Pós-Graduação em Engenharia Química
Unidade produtora: Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Editora: Universidade Federal do Rio de Janeiro
Data de publicação: Ago-2019
País de publicação: Brasil
Idioma da publicação: eng
Tipo de acesso: Acesso Aberto
Aparece nas coleções:Engenharia Química

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
PedroDeAzevedoDelou-min.pdf1.41 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.