Abstract Production professionals utilize well performance data from physical sensors to identify wells that require corrective maintenance to normalize production flows. The foregoing corresponds to support for the completion of corporate goals. However, the costs of physical sensors may restrict access to the required information in real-time. For this, virtual sensors (VS) arise as a low-cost alternative, which can predict production flows, based on data available from physical sensors and on procedures embedded in artificial neural networks (ANN). Herein, we expose a technical-economic feasibility analysis of the implementation of a production VS in wells with a Progressive Cavity (PCP) artificial lift system in a field in the Valle Medio del Magdalena of Colombia (VMM). For this, production data with 15 variables were used in the training and validation of different ANN architectures, according to the codes of the Neuralnet library of the free software environment R. Likewise, an evaluation of the economic impact derived from the implementation of the VS in wells of the VMM field is disclosed. According to the results, the ANN with an inner layer of 23 neurons and logistic activation functions reported the best prediction performance, with errors of ± 9,6 at 95 % confidence. On the other hand, the application of a VS based on the RNA for the wells with PCP of the VMM field would lead to a favorable economic benefit, with a net present value of $25,5 MMusd, considering a 10-year cash flow.
Resumen En la consecución de las metas corporativas, los profesionales de producción requieren datos actualizados de los desempeños de los pozos petroleros, identificando aquellos que demandan mantenimientos correctivos. Sin embargo, los costos de implementación de sensores físicos restringen el acceso a la información en tiempo real. Alternativamente, los sensores virtuales (SV) se presentan como una opción de bajo costo, que pueden predecir datos de producción, con base en los procedimientos inmersos en una red neuronal artificial (RNA). El presente documento desarrolla un análisis de viabilidad técnico-económico de la implementación de un SV de producción en pozos con sistema de levantamiento por Cavidades Progresivas (PCP) de un campo del Valle Medio del Magdalena colombiano (VMM). Para esto, datos históricos con 15 variables fueron utilizados en el entrenamiento y la validación de diferentes arquitecturas de RNA, por medio de los códigos de la librería Neuralnet del programa de uso libre R. Posteriormente, el documento desarrolla una evaluación del impacto económico que tendría la implementación del SV de flujo en pozos del campo del VMM. Según los resultados, la RNA con capa interna de 23 neuronas y función de activación logística sigmoidal reportó los mejores desempeños de predicción, con errores de predicción de ± 9,6 al 95 % de confianza. Por otra parte, la aplicación de un SV basado en la RNA para los pozos con PCP para el campo del VMM, conllevaría a un beneficio económico favorable, con un valor presente neto de $ 25,6 MMusd, para un flujo de caja de 10 años.
Resumo Os profissionais de produção utilizam dados de desempenho de poços provenientes de sensores físicos para identificar poços que requerem manutenção corretiva para normalizar os fluxos de produção. O anterior corresponde ao apoio à concretização dos objetivos corporativos. No entanto, os custos dos sensores físicos podem restringir o acesso às informações necessárias em tempo real. Para isso, sensores virtuais (SV) surgem como uma alternativa de baixo custo, que podem prever fluxos de produção, com base em dados disponíveis de sensores físicos e em procedimentos embarcados em redes neurais artificiais (RNA). Apresentamos aqui uma análise de viabilidade técnico-econômica da implantação de um SV de produção em poços com sistema de elevação artificial Cavidades Progressivas (PCP) em um campo no Valle Medio del Magdalena da Colômbia (VMM). Para isso, foram utilizados dados de produção com 15 variáveis no treinamento e validação de diferentes arquiteturas de RNA, conforme os códigos da biblioteca Neuralnet do ambiente de software livre R. Da mesma forma, foi realizada uma avaliação do impacto econômico derivado da implementação do VS em poços do campo VMM é divulgado. De acordo com os resultados, a RNA com camada interna de 23 neurônios e funções de ativação logística relatou o melhor desempenho de predição, com erros de ± 9,6 com 95 % de confiança. Por outro lado, a aplicação de um VS baseado no RNA para os poços com PCP do campo VMM levaria a um benefício econômico favorável, com valor presente líquido de $25,5 MMusd, considerando um fluxo de caixa de 10 anos.