Submitted by Almir Azevedo (barbio1313@gmail.com) on 2018-05-09T13:11:49Z No. of bitstreams: 1 dissertação mestrado ien 2018 Tamara Porfiro Teixeira.pdf: 807837 bytes, checksum: b01215afaee9c4a8b22c3267552cfcbc (MD5) / Made available in DSpace on 2018-05-09T13:11:49Z (GMT). No. of bitstreams: 1 dissertação mestrado ien 2018 Tamara Porfiro Teixeira.pdf: 807837 bytes, checksum: b01215afaee9c4a8b22c3267552cfcbc (MD5) Previous issue date: 2018-02 / Este trabalho apresenta uma metodologia para predição de incrustação concêntricas e excêntricas em tubulações utilizadas na indústria de petróleo off-shore. A aproximação é baseada nos princípios de densitometria gama e redes neurais artificiais. Foi desenvolvido um modelo de estudo preliminar visando definir as composições do duto e incrustações. Para isso, foi avaliada a influência na transmissão gama de dutos com quatro tipos diferentes de aços utilizados em plataformas de petróleo, bem como a influência das principais formações inorgânicas de depósitos. A divergência da fonte radioativa também foi considerada nessa avaliação, com aberturas de colimação de 2 mm a 7 mm, com passos de 2,5 mm. Após a definição da composição do duto e incrustação, foi definida uma geometria de medição por meio do código MCNP-X para calcular a espessura da incrustação por meio de equações analíticas independentemente dos fluidos presentes no duto (água salgada, gás e óleo). A geometria representativa utiliza um duto composto por Ferro, com incrustação inorgânica formada por sulfato de bário (BaSO4). Modelos de incrustações concêntricas foram simulados e os dados obtidos foram utilizados para treinamento e validação de uma rede neural artificial, bem como modelos de incrustações excêntricas. O sistema de detecção simulado consistiu em uma geometria com feixe estreito com 2 mm de abertura de colimação, compreendendo uma fonte de raios gama (137Cs) e detectores NaI(Tl) 2x2” posicionados adequadamente ao redor do sistema duto-incrustação-fluido para o cálculo da espessura de incrustação considerando o feixe transmitido e o espalhado. O espalhamento Compton foi considerado nos casos de incrustações com formação excêntrica para auxílio na determinação e localização das espessuras máximas de incrustação. Os modelos teóricos foram desenvolvidos usando o código matemático MCNPX e utilizados para o treinamento, teste e validação das redes neurais artificiais. A metodologia proposta foi capaz de predizer as espessuras de incrustações concêntricas e excêntricas com resultados satisfatórios para esses dois tipos de formações inorgânicas. / This work presents a methodology for predicting concentric and eccentric scales in pipelines used in the offshore oil industry. The approximation is based on the principles of gamma densitometry and artificial neural networks. A preliminary study model was developed to define the compositions of the duct and scale. In order to do so, the influence of pipeline transmission with four different types of steel used in oil platforms was evaluated, as well as the influence of the main inorganic deposit formations. The divergence of the radioactive source was also considered in this evaluation, with collimation openings of 2 mm to 7 mm, with steps of 2.5 mm. After defining the composition of the duct and scale, a measurement geometry was defined by means of the MCNP-X code to calculate the scale thickness by means of analytical equations, independent of the fluids present in the duct (salt water, gas and oil). The representative geometry uses a duct composed of iron, with inorganic scale formed by barium sulfate (BaSO4). Concentric scale models were simulated and the data obtained were used for training and validation of an artificial neural network, as well as eccentric scale models. The simulated detection system consisted of a narrow-beam geometry with a 2 mm collimation aperture, comprising a gamma ray source (137Cs) and 2x2 "NaI (Tl) sensors suitably positioned around the duct-scale-fluid system for calculation of the scale thickness considering the transmitted beam and the scattered beam. Compton scattering was considered in cases of eccentric scale to aid in the determination and location of maximum scale thicknesses. The theoretical models were developed using the mathematical code MCNP-X and used for training, testing and validation of artificial neural networks. The proposed methodology was able to predict the concentric and eccentric scale thicknesses with satisfactory results for these two types of inorganic formations.

Submitted by Marcele Costal de Castro (costalcastro@gmail.com) on 2017-09-27T15:49:43Z No. of bitstreams: 1 CESAR MARQUES SALGADO D.PDF: 3287236 bytes, checksum: e8cb423520d25b201049a40e5dc0babf (MD5) / Made available in DSpace on 2017-09-27T15:49:43Z (GMT). No. of bitstreams: 1 CESAR MARQUES SALGADO D.PDF: 3287236 bytes, checksum: e8cb423520d25b201049a40e5dc0babf (MD5) Previous issue date: 2010-02 / Este trabalho apresenta uma nova metodologia baseada nos princípios de atenuação de raios gama, por meio de simulações de Monte Carlo (MC), e redes neurais artificiais (RNAs) supervisionadas para predições de frações de volume e identificação de regimes de fluxo em sistemas multifásicos tipo, gás, água e óleo encontrados na indústria petrolífera off-shore. O princípio baseia-se no reconhecimento das distribuições de altura de pulsos obtidas por detectores cintiladores que são utilizadas inteiramente para alimentar de forma simultânea as RNAs. As curvas-resposta (resolução energética e eficiência) de um detector real são consideradas. O sistema de detecção simulado utiliza dois detectores NaI(Tl) e duas energias de raios gama com feixe largo. A geometria proposta considera os feixes transmitido e espalhado tornando o sistema menos dependente do regime de fluxo. O conjunto de padrões necessário para treinamento e avaliação das RNAs foi gerado por meio do código computacional MCNP-X baseado no método de MC a partir de modelos teóricos ideais e estáticos de regimes multifásicos - anular, estratificado e homogêneo. As RNAs mapearam adequadamente os dados simulados com as frações de volume sem a necessidade do conhecimento, a priori, do regime de fluxo. As RNAs identificaram corretamente todos os regimes com predição satisfatória das frações de volume em sistemas multifásicos indicando a possibilidade de aplicação desta metodologia para tal propósito. / This work presents a new methodology for flow regimes identification and volume fractions prediction in gas-water-oil multiphase systems found in off-shore petroleum industry. The approach is based on gamma-ray pulse height distributions (PHDs) pattern recognition by means the artificial neural networks (ANNs). The detection system uses appropriate fan beam geometry, comprised of a dual-energy gamma-ray source and two NaI(Tl) detectors adequately positioned in order calculate transmitted and scattered beams, which makes it less dependent on the flow regime. The system comprises four ANNs, the first identifies the flow regime and the other three ANNs are specialized in volume fraction prediction for each specific regime. The PHDs are directly used by the ANNs without any parameterization of the measured signal. The energy resolution and efficiency of NaI(Tl) detectors are also considered on the mathematical model. The ideal and static theoretical models for annular, stratified and homogenous flow regimes have been developed using MCNP-X mathematical code (simulations by means of Monte Carlo method), which was used to provide training, test and validation data for the ANNs. The proposed ANNs could correctly identified all three different regimes with satisfactory prediction of volume fraction in gas-water-oil multiphase system demonstrating to be a promising approach for this purpose.