CONTROL MEDIANTE LOGICA DIFUSA DE UN POZO PETROLERO ACTUADO CON UNA BOMBA DE CAVIDAD PROGRESIVA

Miguel Angel Ramrez*. Flix Garca.** Danilo Navarro** *Petrleos de Venezuela (PDVSA), San Tome, Venezuela (correo: ramirezmb@pdvsa.com) **Universidad de Oriente, Escuela de Ingeniera Elctrica, Puerto La Cruz, Venezuela.(correos: fgarcia@udo.edu.ve, dnavarro@cantv.net)

Resumen: Este articulo trata sobre el desarrollo de un controlador difuso de tipo Mamdani adaptativo para

optimizar la operacin de pozos de petrleo con mtodo de bomba de cavidad progresiva. La depuracin de la fase de implementacin realizada en un controlador lgico programable ha tomado alrededor de dos aos. Durante dicho perodo de tiempo, se han realizado una serie de modificaciones a la base de conocimiento y las experiencias aprendidas han resultado muy fructferas. Los resultados basados en el historial de los datos de los sistemas de adquisicin y control (SCADA) de datos demuestran la versatilidad del controlador difuso para el control de este tipo de proceso relativamente complejo. 1. INTRODUCCIN Las tcnicas de inteligencia artificial han sido aplicadas para obtener soluciones satisfactorias en el control de plantas industriales complejas del mundo real y en este sentido se han propuesto varios modelos alternativos entre los cuales se destacan las redes neuronales y los sistemas basados en lgica difusa (Yager et al., 1992)(Del Bro et al., 1996). La caracterstica primordial de estos sistemas est fundamentada por una parte en la inspiracin que la naturaleza ha encontrado por muchos aos para el tratamiento del tipo de informacin masiva y distorsionada procedente del mundo real, y por otro lado, en la notable capacidad del ser humano a la hora de tomar decisiones sensatas en un entorno de incertidumbre (Olivares, 2001). En particular la lgica difusa se encuentra bastante extendida en una amplia variedad de aplicaciones que van desde equipos electrodomsticos hasta el control en plantas complejas tales como hornos, robots, etc. La caracterstica ms importante de la lgica difusa es el uso de las reglas Si-Entonces basada en el concepto de variable lingstica (Zadeh, 1998). Existen dos razones que explican la importancia de este tipo de reglas. La primera es que el uso de variables lingsticas permite modelar el comportamiento de sistemas que no pueden ser modelados o que resulta muy difcil de modelar. La segunda razn es que el uso de este tipo de regla permite explotar la tolerancia a la imprecisin y verdades parciales del mundo real con el fin de facilitar el tratamiento de la informacin, obtener soluciones robusta y al menor costo (Zadeh, 1999). El resto del artculo se organiza de la siguiente forma: en la seccin 2 se describe muy brevemente los fundamentos bsicos de la lgica difusa. La seccin 3 describe el desarrollo del controlador difuso. La seccin 4 muestra los resultados obtenidos y finalmente la seccin 5 se describen las conclusiones. 2. FUNDAMENTOS BSICOS DE LA LGICA DIFUSA La lgica difusa permite tratar informacin imprecisa, como presin alta, temperatura baja o mucha fuerza, en trminos de conjuntos difusos. Dichos conjuntos difusos se combinan en reglas para definir acciones, como por ejemplo, si la presin es alta entonces abre un poco la vlvula (Kosko, 1992). De esta manera, los sistemas de control basados en lgica difusa combinan una de las variables de entrada, definidas en trminos de conjuntos difusos, por medio de reglas que producen uno o varios valores de salida. De manera formal, la lgica difusa es una rama de la inteligencia artificial que permite tratar con modos imprecisos de razonamiento. Es una extensin de la lgica multivaluada. La lgica difusa fue desarrollada por Lofti Zadeh en 1965, y sus principios fueron desarrollados a partir de los denominados conjuntos difusos (Zadeh, 1994). La figura muestra los componentes bsicos de un sistema difuso. En los conjuntos clsicos al contrario que en los conjuntos borrosos algo est incluido completamente en l o no lo est en absoluto. Esta situacin puede describirse asignando un 1 a todos los elementos incluidos en el conjunto y un 0 a los no incluidos. Sea U un conjunto de objetos, por ejemplo, U = n, que se denomina universo de discurso. En trminos matemticos, un conjunto difuso F en U queda caracterizado por una funcin de inclusin F que toma los valores en el rango [0 1], es decir, U[0 1]; donde F(u) representa el grado en el que u U pertenece al conjunto borroso F. La funcin de inclusin o pertenencia de un conjunto difuso consiste en un conjunto de pares ordenados F = {u, F(u)} / u

 U, si la variable es discreta, o una funcin continua si no lo es.

Salidas o Estados del Proceso

Pre-Procesamiento

Difusificacin

una matriz que representa la consecuencia de cada regla definida para cada combinacin de dos entradas. Dicha matriz permite hacer una representacin grfica clara de las relaciones entre dos variables lingsticas de entrada y la variable lingstica de salida, pero requiere que se indique explcitamente todas las reglas que se pueden formar con estas dos variables de entrada. Formalmente, una base de reglas borrosa es una coleccin de reglas R(l) con el siguiente formato:
R (l ) l l l : SI x es F y...y x es F ENTONCES y es G (1) 1 1 n n

Base de Reglas

Motor de Inferencia

Desdifusificacin

Donde Fil y Gl son conjuntos difusos en Ui y V , respectivamente, y x = (x1,xn)T U1 x x Un e y V son variables lingsticas. Este formato de reglas se conoce como difuso puro o de tipo Mamdani. Otro formato frecuente para las reglas es el llamado de tipo Sugeno (Takagi et al., 1994)(Sugeno et al., 1996). En este caso, la funcin de salida es una combinacin lineal de las variables de entrada, o en un caso ms general, una funcin que depende de las variables de entrada:
R (l ) l l l l SI x1 es F 1 y...y xn es Fn ENTONCES y = f ( x) (2)

Post-Procesamiento

Fig.1: Componentes de un Sistema Difuso Como ya se mencion, el valor de F(u) indica el grado en que el valor de u de la variable U est incluida en el concepto representado por la etiqueta F. Para la definicin de estas funciones de pertenencia se utilizan convencionalmente ciertas familias de formas estndar, por coincidir con el significado de las etiquetas utilizadas. Las ms usadas son la funcin trapezoidal, singleton, triangular, S, exponencial y tipo. Una variable lingstica es aquella que puede tomar por valor trminos del lenguaje natural como mucho, poco, positivo, etc., que son las palabras que desempean el papel de etiquetas en un conjunto difuso. Aunque el objetivo principal de este concepto es expresar de manera formal el hecho de que pueden asignarse como valor de una variable palabras tomadas del lenguaje natural, no obstante, a una variable lingstica se le pueden asignar valores numricos. Las reglas difusas combinan uno o ms conjuntos difusos de entrada, denominados antecedentes o premisas, y se le asocia un conjunto difuso de salida, llamado consecuente o consecuencia. Los conjuntos difusas de la premisa se asocian mediante conjuntivas lgicas como y, o, etc. Una regla tpica, de tipo SI-ENTONCES, para un sistema de control sera Si el nivel es un poco alto y la presin es normal entonces abre un poco la vlvula. Las bases de reglas se pueden representar bien sea como una tabla de las reglas que la forman o bien a travs de una memoria asociativa borrosa o FAM (Fuzzy Associative Memory) (Del Bro et al., 1996)(Wang, 1994). Una FAM es

Si llamamos M al nmero de reglas SI-ENTONCES entonces l =1,2,..,M para cualquiera de las reglas del formato anterior. El vector x representa el conjunto de las entradas, mientras que y es la salida del sistema difuso. 3. DESARROLLO DEL CONTROLADOR DIFUSO Los pasos que se siguieron para el desarrollo de controlador difuso para la bomba de cavidad progresiva (BCP) se muestran en la figura 2.

Fig.2 Metodologa para disear el controlador difuso La primera fase consisti en estudiar de manera detallada la BCP con la finalidad de determinar cuales son los parmetros ms importantes que deberan ser tomados en cuenta para el diseo del sistema inteligente. Se diferenci de manera detallada cuales seran los parmetros de entrada, las variables de salida, variables primarias, variables secundarias o de clculo. Igualmente se defini el nivel de criticidad de

cada parmetro. En este punto fue necesario establecer los principios que se deben cumplir para optimizar la BCP basado en la recomendacin del fabricante y del personal experto. El objetivo fue determinar los insumos que se necesitan para generar las reglas del sistema de inferencia difuso que se encargar de controlar la bomba. Para ello fue importante tener claro los siguientes parmetros: ndice de afluencia del pozo, corriente o torque de cabilla y presin de descarga de la bomba. La segunda fase comprendi el establecimiento de la base de conocimiento basndose en las recomendaciones hechas por parte del personal experto calificado y del fabricante de los equipos. Lo importante en esta fase fue el establecimiento de una base de reglas intuitivas que en principio no fue la ms ptima pero que una vez realizada las primeras pruebas, se prosigui con una serie de modificaciones hasta llegar a una base de reglas definitiva. La tercera fase contempl la realizacin como tal del controlador difuso en el entorno de desarrollo y el anlisis de los resultados a travs de la simulacin de los parmetros de entrada y analizando el comportamiento de la salida. Evidentemente, esta primera prueba se hizo en lazo abierto de manera que los resultados se analizaron en conjunto con los ingenieros de optimizacin expertos en bombas de cavidad progresiva. La cuarta fase contempl la realizacin del controlador difuso en un PLC para hacer las primeras pruebas reales. Finalmente en la quinta fase se hicieron mejoras en la programacin del PLC que permitieran implementar el componente adaptativo que consisti en cambiar los consecuentes dependiendo de los cambios de la gravedad API del diluente y el cambio en la presin de cabezal. Adems fue necesario hacer la programacin de tal manera que los cambios en la base de reglas se llevarn a cabo de la manera ms fcil.

La figura 3 muestra el esquema de control implementado para un pozo tpico de bomba de cavidad progresiva. El control de RPM (Revoluciones por Minuto) de la bomba es efectuado por un controlador difuso y el control de la inyeccin de diluente es controlado a travs de un algoritmo PID que interacta con el controlador difuso. Para crear una base de reglas aceptable fue necesario tomar en cuenta tres premisas fundamentales de proceso que a continuacin se describen: La determinacin del ndice de afluencia del pozo es un parmetro de gran importancia ya que permite inferir para una determinada velocidad de operacin el nivel dinmico aproximado del pozo. Al respecto, se debe recordar que en la mayora de los pozos la presin de burbujeo es mayor que la presin de fondo fluyente y por ende la curva es no lineal. Conocido el nivel dinmico, la accin de control que se recomienda es aumentar la velocidad de la bomba a medida que aumente el nivel dinmico (Robles., 1997). La corriente o torque del motor es un parmetro de gran importancia ya que entre otras cosas permite detectar problemas en la sarta de cabillas y por otro lado existe un rango de corriente ptimo que depende de la curva del fabricante. Adems, la corriente afecta la potencia que es un indicativo de la rentabilidad de la bomba (Robles., 1997). La presencia de un contenido apreciable de gas en el fluido de entrada de la bomba disminuye la eficiencia volumtrica de la bomba. Mientras ms gas entre a la bomba menor ser la eficiencia. La accin de control a tomar es bajar la frecuencia de operacin del motor de la bomba (Sondalini, 2004). Cada bomba BCP viene diseada para trabajar a una determinada presin diferencial p y sta determina la capacidad de levantamiento de la bomba. La temperatura de fondo suministrada por el sensor de fondo es una variable que puede indicar la presencia de gas en caso de detectarse un incremento de temperatura. El primer paso para disear un sistema de inferencia difusa es determinar cuales son los parmetros de entrada y de salida del controlador. En este caso particular las variables de entrada son la presin de inyeccin de diluente Pi y el torque de cabillas Tm. La variable de salida es la frecuencia F del motor de la bomba. El vector de entradas y de salida del controlador vendr expresado de la siguiente forma:
x = ( Pi , T c ) , y = F (3)

Fig.3 Esquema de control aplicado al pozo BCP

Una vez definidas las variables de entradas y de salida del controlador, se procede a definir las particiones correspondientes a las variables lingsticas de entrada. La figura 4 muestra las particiones de los conjuntos difusos de entrada. Es importante destacar que por ejemplo, la presin de entrada a la bomba puede variar en el rango [0 600] PSI, el

torque puede variar en el rango [0 1200] Lb-pies y la frecuencia puede variar en el rango de [0 50] Hz. Evidentemente que los rangos establecidos dependen de la condicin natural del pozo. Hay pozos por ejemplo, que tienen la bomba BCP a profundidades de 3000 pies, otros a 6000 pies lo que implica que las presiones de fondo son mucho mayores a medida que aumenta la profundidad.

R22:Si Pe es MA y Tm es B Entonces F es N R23:Si Pe es MA y Tm es N Entonces F es A R24:Si Pe es MA y Tm es A Entonces F es MA R25:Si Pe es MA y Tm es MA Entonces F es N

Como se puede observar de la base de reglas, el operador que se aplic en todos los antecedentes es de tipo AND y en particular se aplic la implicacin difusa por la regla del mnimo para determinar el resultado de la activacin de cada regla. Luego, viene el proceso de agregacin de cada una de las reglas difusas activadas. La entrada del proceso de agregacin es la lista de salidas difusas truncadas obtenida del proceso de implicacin difusa para cada regla. Para convertir la salida de un sistema de inferencia difuso en un valor real se requiere aplicar una operacin llamada desdifusificacin. Se us en particular el mtodo de la media de centros. Para implantar el controlador difuso en un PLC (Controlador Lgico Programable) industrial se requiere desarrollar un conjunto determinado de subrutinas. Se sigui el siguiente procedimiento: Determinacin de las ecuaciones de la recta para cada una de las particiones: esto es con la finalidad de evaluar el grado de activacin de cada particin. Esta subrutina se denominar difusificacin. Desarrollo de la subrutina de las reglas del controlador difuso. Desarrollo de la subrutina de implicacin difusa. Desarrollo de la subrutina de desdifusificacin.

Fig.4: Funciones de pertenencias variables de entrada El siguiente paso consiste en definir la base de reglas del controlador difuso tomando en cuenta las consideraciones hechas en la base de conocimiento. Se va a tomar como referencia la siguiente abreviatura { MB, B, N, A MA} para denotar las particiones Muy Bajo, Bajo, Normal, Alto y Muy Alto respectivamente. En funcin a esto, la base de reglas resultante fue la siguiente: R1:Si Pe es MB y Tm es MB Entonces F es MB R2:Si Pe es MB y Tm es B Entonces F es B R3:Si Pe es MB y Tm es N Entonces F es N R4:Si Pe es MB y Tm es A Entonces F es A R5:Si Pe es MB y Tm es MA Entonces F es N R6:Si Pe es B y Tm es MB Entonces F es MB R7:Si Pe es B y Tm es B Entonces F es B R8:Si Pe es B y Tm es N Entonces F es N R9:Si Pe es B y Tm es A Entonces F es N R10:Si Pe es B y Tm es MA Entonces F es B R11:Si Pe es N y Tm es MB Entonces F es B R12:Si Pe es N y Tm es B Entonces F es N R13: Si Pe es N y Tm es N Entonces F es A R14: Si Pe es N y Tm es A Entonces F es A R15:Si Pe es N y Tm es MA Entonces F es N R16:Si Pe es A y Tm es MB Entonces F es B R17:Si Pe es A y Tm es B Entonces F es N R18:Si Pe es A y Tm es N Entonces F es A R19:Si Pe es A y Tm es A Entonces F es MA R20:Si Pe es A y Tm es MA Entonces F es N R21:Si Pe es MA y Tm es MB Entonces F es B

El desarrollo de la subrutina de difusificacin consisti en determinar a cual de las dos curvas de cada particin pertenece la seal de entrada. Por ejemplo la particin difusa Presin Normal es descrita a travs de dos ecuaciones de la recta. Es preciso, entonces, determinar a cual de las dos curvas pertenece el valor instantneo de presin y torque. Luego una vez realizado el paso anterior, el siguiente paso fue evaluar el valor de la seal de entrada en la ecuacin correspondiente.
Bloque Comparador 1

Muy Baja Presin 1

0<= F8:0 <= 100

Bloque Comparador 2

( )
Muy Baja Presin 2

100< F8:0 <= 300 Muy Baja Presin 1

( )

Muy Baja Presin 2

Activado Conjunto Borroso Muy Baja Presin

( )

Fig.5 Estructura genrica en diagrama escalera que determina la activacin de un conjunto difuso.

La figura 5 muestra el esquema genrico de programacin en diagrama escalera que calcula si la particin difusa pertenece al conjunto Muy baja presin. Luego la configuracin de la base de reglas se lleva a cabo a travs de la estructura en diagrama escalera que se muestra en la figura 6.
Activado Activado Conjunto Conjunto Borroso: Muy Borroso: Muy Baja Presin Bajo Torque

El controlador difuso aplicado a la bomba de cavidad progresiva, ha permitido reducir de manera notable la intervencin de la bomba de cavidad progresiva dado que la variable torque de cabilla se mantiene dentro de un rango de operacin tal que hace que la completacin del pozo funcione de una manera ms ptima. Una curva de estabilizacin de la corriente del motor que es equivalente al torque presente en la sarta de cabillas se muestra en la figura 7. Se puede observar a lo largo de 30 das que el valor de corriente se mantiene por debajo del mximo permitido recomendado por el manual del fabricante de la bomba de cavidad progresiva.

( ) ( )

Activada Primera Regla Activada Activado Segunda Regla Activado Conjunto Conjunto Borroso: Muy Borroso: Bajo Baja Presin Torque

Fig.6 Estructura genrico en diagrama escalera que determina la activacin la activacin de una regla. Ahora bien para determinar el grado de activacin cada conjunto difuso es necesario evaluar el valor instantneo de la variable de entrada en la respectiva ecuacin que corresponda. Los PLC disponen de bloques de funciones para implementar funciones tales como recta, parbola, exponencial, etc. Luego para el proceso de implicacin que se seleccion fue del mnimo. A travs del uso de funciones de comparaciones (Mayor que, Menor que, etc.) se implemento esta subrutina. Finalmente para disear la subrutina del desdifusificacin se us la media ponderada de los centros de los conjuntos de salida. Para implantar este mtodo en el PLC se evaluaron dos opciones. La primera opcin consisti en el uso como tal del diagrama escalera como se ha venido desarrollando el resto de las subrutinas controlador y la otra opcin es usando lenguaje de texto estructurado. Se uso esta ltima opcin por ser la ms factible para su implementacin. La ecuacin para l conjuntos borrosos de salida es la siguiente:

Fig. 7 Comportamiento del Consumo de Corriente del Motor del Cabezal BCP durante 30 das En cuanto a la inyeccin de petrleo liviano para permitir el levantamiento del crudo a travs de la BCP la grfica 8 muestra el comportamiento de la seal de totalizacin.

y=

y i b ( y)
i =1 M

i =1

( y)

(4)

En donde yi es la media del conjunto difuso de salida de la isima regla (i = 1,, M) y bi (y) es el resultado de la implicacin difusa de la i-sima regla activada. 4. RESULTADOS OBTENIDOS

Fig.8: Contabilizacin del Diluente Inyectado a un pozo BCP

5. CONCLUSIONES En este artculo se ha descrito el procedimiento bsico para desarrollar un controlador difuso aplicado a un proceso real como lo es un pozo de petrleo que utiliza una bomba de cavidad progresiva. Se describieron las premisas fundamentales del proceso que permitieron elaborar la base de reglas para implementar el control de velocidad. Algunos esquemas genricos de los diagrama escalera son mostrados y a pesar de la limitacin de este ambiente de programacin, se pudo constatar que el esquema resultante de programacin utilizando los diagramas escalera es relativamente sencillo. Dentro de los beneficios se logro obtener una mejora en la proteccin de la bomba de cavidad progresiva, considerando el consumo de corriente (basado en el control de la velocidad de la bomba) con lo cual se obtienen ahorros muy significativos en cuanto al mantenimiento correctivo del pozo.

Sondalini, M. (2004). Helical Rotor Pump Guide, BENTLEY, Australia.

REFERENCES Yager R., and Zadeh L. (1992) An Introduction to Fuzzy Logic Applications in Intelligent Systems. London: Kluwer Academic Publishers Martn Del Bro B., y Sanzs A. (1996). Redes neuronales y Sistemas Difusos, Segunda edicin ampliada y revisada. Editorial Alfaomega, Espaa. Olivares, M. (2001), Control Borroso con Aprendizaje Iterativo. Tesis doctoral, Universidad de Valencia, Espaa Zadeh, L.A. (1998). Fuzzy Logic IEEE Computer Magazine, pp. 83-93. Zadeh, L.A. (1999). From computing with numbers to computing with Words From Manipulations of measurements to manipulations of perceptions IEEE Transactions in Automation And Control, Vol 45, No1, pp. 105-119. Kosko, B. (1992). Neural Network and Fuzzy System: A dynamical system approach to machine intelligence. Prentice-Hall 1992 Zadeh, L.A. (1994). Fuzzy Logic, Neural Networks and Soft computing, Communications of the ACM, 3,3, pp. 7784. Wang Li, X. (1994). Adaptive Fuzzy Systems and Control. Prentice Hall. Takagi T, and Sugeno M. (1985). Fuzzy identification of systems and its applications to modelling and control, IEEE, Transactions on System, Man and Cybernetics, Vol 15, pp. 116-132. Sugeno M. and Kang G.T. (1996). Fuzzy modelling and control of multilayer incinerator, Fuzzy sets and systems, vol 18, pp. 329-346. Robles, J.. (1997). Manual de Prcticas Recomendadas en Sistemas de Bombeo de Cavidad Progresiva, PDVSA, INTEVEP.