| Abstract |
Se presentan los resultados de un proyecto de investigación realizado bajo el Fondo Sectorial SENER Hidrocarburos, en consorcio con el Instituto Mexicano del Petróleo (IMP) y el Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE). El proyecto fue “Métodos y Técnicas de Inteligencia Computacional y Minería de Datos para la Toma de Decisiones en Exploración de Campos Maduros”. La aportación del Instituto de Investigaciones Eléctricas consistió en el desarrollo de un sistema para decidir la forma óptima de intervenir ciertos pozos petroleros a fin de incrementar la producción en los pozos productores. El sistema se basa en modelos gráficos probabilistas desarrollados en el área de la inteligencia artificial. Los modelos gráficos probabilistas, específicamente las redes bayesianas y los diagramas de influencia, son métodos desarrollados para trabajar con incertidumbre o con aplicaciones donde los modelos analíticos no funcionan, son caros o difíciles de construir. La propuesta de selección de pozos consiste en dos pasos. Primero, la construcción de mapas de interconexión entre pozos en forma de redes bayesianas, y segundo la conversión de esos mapas en diagramas de influencia para la toma de decisiones. Las redes bayesianas codifican las relaciones probabilistas entre las variables de alguna aplicación. Están basadas, como su nombre lo dice, en el teorema de Bayes que relaciona las hipótesis con las evidencias de algún proceso. En este caso, se asume que hay una relación entre la intervención de pozos inyectores y la producción de pozos productores. Esa relación se encuentra al revisar los archivos de datos históricos de inyección y producción. Se utiliza alguno de los múltiples algoritmos de aprendizaje automático de redes bayesianas para encontrar estos mapas. Por su parte, los diagramas de influencia son una extensión a las redes bayesianas donde además de nodos de variables se tienen nodos de decisión y nodos de utilidad. Los nodos de decisión codifican la cantidad de inyección que puede aceptar un pozo y los nodos de utilidad calculan el beneficio de tomar cierta decisión. Con este mecanismo, se logra la definición de la decisión óptima de inyección. Este artículo propone aplicar este trabajo en campos geotérmicos, donde se podría optimizar la inyección para mejorar la producción de vapor y la generación de energía eléctrica. |