Un modelo genético-objetual para la simulación de yacimientos de gas

En esta investigación se miden y analizan los alcances reales de la aplicación de herramientas evolutivas de la inteligencia artificial a la solución de problemas complejos de difícil solución como los presentados en el flujo turbulento de gas. Se propone un modelo evolutivo orientado a objetos nove...

Full description

Autores:: Torres Orozco, José Lubín

Tipo de recurso:

Fecha de publicación:: 2010

Institución:: Universidad Nacional de Colombia

Repositorio:: Universidad Nacional de Colombia

Idioma:: spa

Description
Summary:	En esta investigación se miden y analizan los alcances reales de la aplicación de herramientas evolutivas de la inteligencia artificial a la solución de problemas complejos de difícil solución como los presentados en el flujo turbulento de gas. Se propone un modelo evolutivo orientado a objetos novedoso, que intenta modelar la complejidad dinámica y de detalle en sistemas complejos, el cual fue probado mediante la simulación de un yacimiento de gas explotado por ECOPETROL; el modelo ha sido llamado Modelo Genético-Objetual (OOGM: Oriented Object -Genetic Model) y ya ha sido mostrado a la comunidad científica mundial en varias conferencias en investigación de punta, tanto nacionales como internacionales [Torres, 2000a, b, c, d]. El modelo OOGM se utiliza inicialmente para un proceso evolutivo de discretización del espacio, busca dividir tridimensionalmente e “inteligentemente” el yacimiento problema en base al comportamiento de las ecuaciones de flujo que lo rigen. También, se utiliza el modelo evolutivo para la solución de sistemas de ecuaciones algebraicas no lineales, estos sistemas aparecen frecuentemente adheridos o relacionados a sistemas más complejos como las ecuaciones diferenciales parciales; métodos de solución de estos sistemas utilizados frecuentemente como el de Newton que son reconocidos por su rapidez y sencillez, fallan al converger a extremos locales o valores no válidos para el fenómeno físico analizado, así el modelo propuesto ayuda a la búsqueda de valores más confiables en tiempos aceptables. Este problema es particularmente notorio en la simulación aquí realizada, ya que el yacimiento analizado, fue discretizado en cientos de bloques, y en cada uno de estos se debía resolver al menos un sistema de ecuaciones no lineales; para evitar la acumulación de errores en el simulador, debía en muchas ocasiones utilizarse el modelo propuesto. Finalmente, se integraron los dos anteriores submodelos a un tercero: un distribuidor evolutivo de presiones a través del yacimiento, que equivale a decir: un solucionador de las ecuaciones numéricas implícitas no lineales resultantes de la discretización de la ecuación diferencial parcial aplicada al yacimiento de gas, objeto del problema ejemplo. Los tres sub-modelos son alimentados, a partir del modelo general, mediante la utilización de la Programación y el Diseño Orientado a Objetos , que hace ver el modelo general evolutivo mucho más natural, sencillo e íntegro. Todos los objetos y sus relaciones (ecuaciones), reconocibles en el yacimiento se traducen en este modelo. El simulador evolutivo no sólo no ignora los términos no lineales de las ecuaciones de flujo, como otros modelos que necesitan realizar un proceso de linealización para poder resolver el problema, sino que representa o se acopla de una forma más natural y real a la distribución de la presión a través del yacimiento. Para la evolución se utilizaron los algoritmos genéticos, y se concluye en la pertinencia de continuar el estudio mediante la utilización de la Programación Genética para una modelación más adecuada de la evolución. / Abstract. In this research, measure and analyze the real scope of the application of evolutionary tools of artificial intelligence to solve complex problems difficult to solve as presented in the turbulent flow of gas. We propose an evolutionary model object-oriented novel that attempts to model the dynamic complexity and detail in complex systems, which was tested by simulating a gas field operated by Ecopetrol, the model has been called the Genetic Model-Objectual (OOGM : Object-Oriented Genetic Model) and has already been shown to the global scientific community at various conferences on cutting edge research, both nationally and internationally [Torres, 2000a, b, c, d]. OOGM model is used initially to an evolutionary process of discretization of space, seeks to divide three-dimensional and "intelligently" the site based on the behavior problem of the flow equations that govern it. Also, the evolutionary model is used for solving systems of nonlinear algebraic equations, these systems appear often attached or related to more complex systems and partial differential equations, methods for solving these systems often used as the Newton that are recognized for its speed and simplicity, fail to converge to local extrema or invalid values for the physical phenomenon studied and the proposed model helps the search for more reliable values in acceptable times. This problem is particularly noticeable in the simulation performed here, as the site analysis, was discretized in hundreds of blocks, and each of these should be resolved at least one system of nonlinear equations, to avoid the accumulation of errors simulator was used in many cases the proposed model. Finally, we integrated the previous two sub-models to a third, a distributor evolutionary pressures throughout the reservoir, which is to say: a numerical solver of implicit nonlinear equations resulting from discretization of partial differential equation applied to gas field , the subject of the example problem. The three sub-models are fed from the general model using the Programming and Object Oriented Design, which makes seeing the general evolutionary model more natural, simple and integrity. All objects and their relationships (equations), recognizable in the field are reflected in this model. The evolutionary simulator not only ignores the nonlinear terms of the flow equations, like other models that require a process of linearization to solve the problem, but it represents or engages in a more natural and real distribution pressure through the reservoir. For the evolution genetic algorithms were used, and we conclude that the relevance of continuing the study through the use of Genetic Programming for a more adequate modeling of evolution.

Un modelo genético-objetual para la simulación de yacimientos de gas

Publicaciones similares