Συντάχθηκε 25-02-2021 13:17
Τόπος: Εξ’ αποστάσεως - Ανοιχτή στο κοινό
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 05/03/2021 14:00
Λήξη: 05/03/2021 15:00
Τίτλος: Ανάλυση ευαισθησίας και έλεγχος ποιότητας εργαστηριακών μετρήσεων της μελέτης Διαφορικής Εξάτμισης ρευστών πετρελαϊκών ταμιευτήρων.
Εξεταστική Επιτροπή:
Επ. Καθηγητής Γιώτης Ανδρέας, Σχολή ΜΗΧΟΠ ΠΚ (Επιβλέπων)
Καθηγητής Πασαδάκης Νικόλαος, Σχολή ΜΗΧΟΠ ΠΚ
ΕΔΙΠ Μαρινάκης Δημήτριος, Σχολή ΜΗΧΟΠ ΠΚ
Περίληψη:
Ο σκοπός της Διπλωματικής Εργασίας είναι ο υπολογισμός του μοριακού βάρους του υπολειμματικού πετρελαίου (MW residual) από τα δεδομένα PVT Μελετών Διαφορικής Εξάτμισης, καθώς και η ανάπτυξη κατάλληλου μοντέλου συσχέτισης, για την πρόβλεψη της τιμής που θα έπρεπε να έχει το μοριακό βάρος του υπολειμματικού πετρελαίου κάθε μελέτης, χρησιμοποιώντας μια μεγάλη βάση δεδομένων. Η σύγκριση των δυο τιμών αποτελεί ασφαλή δείκτη της αξιοπιστίας των εργαστηριακών μετρήσεων της κάθε μελέτης. Η ανάλυση πραγματοποιήθηκε σε μια βάση δεδομένων που παρείχε το εργαστήριο Ανάλυσης Ρευστών και Πυρήνων Υπόγειων Ταμιευτήρων, η οποία αποτελούνταν από 112 πετρέλαια από όλο τον κόσμο.
Αρχικά, μέσω της ανάλυσης του ισοζυγίου μάζας, υπολογίστηκε με δυο τρόπους το μοριακό βάρος του υπολειμματικού πετρελαίου για κάθε πετρέλαιο της βάσης δεδομένων. Έπειτα, αναπτύχθηκε μια μέθοδος εκτίμησης του ΔΜW, η οποία στηρίζεται στην διαφορά των μοριακών βαρών του υπολειμματικού πετρελαίου και εκείνου του STO. Τέλος, προτιμήθηκε ο υπολογισμός με τα τεχνητά νευρωνικά δίκτυα της διαφοράς των δυο μοριακών βαρών (ΔΜW) και όχι η απευθείας εκτίμηση του MW residual, γιατί με τον τρόπο αυτό, οι τιμές τις οποίες καλείται το μοντέλο να προβλέψει, έχουν πολύ μικρότερο εύρος και επομένως τα όποια σφάλματα στην εκτίμηση, να δώσουν μικρότερα λάθη στην εκτίμηση της επιδιωκόμενης τιμής. Τα αποτελέσματα έδειξαν ότι τα Τεχνητά Νευρωνικά Δίκτυα, μπορούν να προβλέψουν με ικανοποιητική ακρίβεια τις διαφορές μεταξύ των μοριακών βαρών και κατ’ επέκταση των μοριακών βαρών που πρέπει να έχουν τα υπολειμματικά πετρέλαια με μέσο σφάλμα ± 0,03 g/mol.
Abstract:
The objective of this Diploma Thesis is the calculation of the molecular weight of the residual oil (MW residual) from the PVT data of a Differential Liberation study, and the development of an appropriate correlation model, for predicting the value that the molecular weight of residual oil should have, for any oil based on the information contained in a PVT data base. It is claimed that the comparison of the two residual oil molecular weight values, is a reliable indicator of the reliability of the laboratory measurements performed during the study. The value of the molecular weight of the residual oil, is not included in data provide by the lab. However, it is a necessary parameter for checking whether the material balance that is expressed with available data is respected.
Firstly, from the PVT reports of the 112 oils from all over the world contained in the data base, the molecular weight of the residual oil was calculated in two ways for each oil and the arithmetic average was taken as the correct value. Next, the difference between the molecular weights of the STO and of the residual oil (ΔΜW) was calculated.
Finally, an Artificial Neural Network was built which receives as input reported lab measured data and was trained against the 112 data base oils to provide as output for any new oil PVT study the expected ΔΜW. The results showed that the Artificial Neural Networks has learned the ΔΜW with sufficient accuracy, with an average error of ± 0.03 g/mol. It is proposed that, for any oil PVT report, the Artificial Neural Networks is ran to predict the molecular weight of the residual oil and this prediction is compared to the value which is back calculated from the material balance equations of the study.
