Resumen

El sistema de bombeo por varillas, ampliamente utilizado en empresas petroleras de China, es uno de los equipos que más consume energía. Debido a su complejidad y no linealidad, resulta difícil modelarlo y optimizarlo. Para abordar este problema, en este artículo se propone un novedoso método basado en computación inteligente. En primer lugar, se emplea el algoritmo de red neuronal de regresión general (GRNN) para obtener el mejor modelo del sistema de bombeo por varillas, y en segundo lugar se buscan los parámetros de operación óptimos con el algoritmo evolutivo de fuerza Pareto mejorado (SPEA2). Los datos de entrada de GRNN incluyen el número de golpes, la carga máxima, la carga mínima, la carrera efectiva y la eficiencia computacional de la bomba, mientras que las salidas son el consumo de energía eléctrica y el rendimiento de petróleo. Los resultados experimentales muestran que hay una buena superposición entre las estimaciones del modelo y los datos no vistos. Luego se encuentran sesenta

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Sistema de bombeo por varilla; Empresas petroleras; Equipos consumidores de energía; Computación inteligente; Red neuronal de regresión general; Parámetros de operación óptimos
• Keywords:Beam pumping system; Petroleum enterprises; Energy-consuming equipment; Intelligent computing; General regression neural network; Optimal operation parameters