Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
El petróleo y el gas seguirán siendo esenciales para el desarrollo económico global y la prosperidad en las próximas décadas, y la industria del petróleo y el gas es una industria intensiva en energía. Por lo tanto, mejorar la eficiencia energética para la producción de petróleo y gas en las empresas del sector es un tema importante. El método inteligente de predicción del consumo de energía, con la capacidad de analizar patrones de consumo de energía e identificar objetivos para el ahorro de energía, se ha demostrado como un enfoque efectivo para la eficiencia energética en muchos ámbitos industriales. Además, la predicción del consumo de energía permite a los gerentes planificar científicamente el uso de energía en la producción de energía y desplazar el consumo de energía a períodos de menor demanda. Sin embargo, sigue siendo un desafío en cierta medida debido a la imprevisibilidad e incertidumbre causadas por diversos comportamientos de consumo de energía, y este fenómeno se hace más evidente en las empresas de petróleo y gas. En nuestro trabajo, discutimos principalmente la predicción del consumo de energía en la empresa de petróleo y gas. En primer lugar, se entrenaron cuatro modelos de pronóstico diferentes: máquina de vectores de soporte, regresión lineal, máquina de aprendizaje extremo y red neuronal artificial, con el conjunto de datos de entrenamiento y luego se evaluaron con el conjunto de datos de prueba. En segundo lugar, para mejorar la precisión de la predicción del consumo de energía, se examinaron las combinaciones de estos cuatro modelos con el valor de RMSE tomando el promedio de las salidas de dos modelos. Los resultados muestran que estos cuatro modelos diferentes pueden predecir el consumo de energía con buena precisión, pero el modelo híbrido red neuronal artificial y máquina de aprendizaje extremo presentaría una mayor precisión. Además, el modelo híbrido se instala en el sistema de gestión energética de la industria del petróleo y gas para gestionar el consumo de energía en los campos petrolíferos y mejorar la eficiencia.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Arquitectura del sistema de servicios de apoyo al aprendizaje en línea basada en la arquitectura de servicios de localización
Artículo:
Análisis de riesgo sobre la falla por fugas en gasoductos naturales mediante una red bayesiana difusa con un modelo de lazo de corbata.
Artículo:
Un novedoso código QR de tres capas basado en un esquema de compartición de secretos y un código de revestimiento
Artículo:
Un coprocesador de red neuronal convolucional basado en FPGA.
Artículo:
Evaluación y análisis del entrenamiento físico tradicional mediante el uso de la informática móvil de borde y las redes definidas por software
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
Los web services como herramienta generadora de valor en las organizaciones
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Libro:
Ergonomía en los sistemas de trabajo
Virtual Pro es un portal virtual de formación, investigación y comunicación especializado en procesos industriales.
� 2021, Virtual Pro �, una marca de Grupo INGCO. Todos los derechos reservados
