Les réseaux de neurones pour la modélisation des écoulements d'effluents dans les pipelines

Neural networks for the modelisation of effluent flows in the pipelines

• Auteur / Autrice : Isabelle Rey-Fabret
• Direction : Sylvie Thiria, Fouad Badran
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2005
• Etablissement(s) : Paris, CNAM

Mots clés

Mots clés contrôlés

Hydrodynamique

Écoulement diphasique

Pétrole -- Industrie et commerce

Résumé

Le logiciel TACITE développé par l’IFP est un outil de modélisation des écoulements polyphasiques dans les conduites pétrolières, composé de trois principales entités : le module thermodynamique, le module hydrodynamique et le schéma numérique. Ce logiciel rencontre des difficultés dans certains cas de production. A priori, elles ont été attribuées en partie au caractère non dérivable de la fonction hydrodynamique. Dans ce cadre, l’objectif de la présente thèse était de rendre cette fonction continue et dérivable en tout point de son domaine de définition, et de voir dans quelle mesure ceci permettait de résoudre en partie les problèmes de TACITE. On s’est placé pour cela dans le cas d’écoulements diphasiques gaz / liquide. L’outil de modélisation choisi pour atteindre cet objectif était la modélisation par réseaux de neurones. En première approche, un modèle neuronal composé d’un seul réseau de neurones a démontré la faisabilité d’un tel modèle. L’analyse plus fine du problème a permis ensuite de proposer une structure de modèle neuronal multi-experts qui s’inspire de la structure du modèle hydrodynamique de TACITE. La mise en œuvre d’un processus de sélection de variables par la méthode HVS a permis de définir les entrées et les sorties les plus appropriées pour la réalisation du modèle, et d'y introduire des connaissances physiques. . A travers les différents tests d'intégration du modèle neuronal dans TACITE, on a montré que ce modèle peut remplacer le modèle hydrodynamique de référence si nécessaire. Dans un contexte difficile de production où TACITE connaît quelques difficultés à réaliser les calculs, l’introduction de ce modèle permet de réaliser la simulation. écoulements polyphasiques.

TACITE software gives a model of gas/liquid flow in the pipelines. It is composed of a thermodynamic module, an hydrodynamic module and a numerical scheme. It sometimes encounters difficulties because of the non derivability of the hydrodynamic function. The aim of the tesis is to assume the derivability of the hydrofynamic function. The aim of the thesis is to assume the derivability of this function by usin neural networks methodology. By analysing the problem, a multi-experts neural network is proposed. Its structure is based on the TACITE hydrodynamic module's one. The use of the HVS selection of varainles increases the model performances. Different integration tests in TACITE show that it is able to replace the TACITE hydrodynamic model, and can improve TACITE robustness. In conclusion, this thesis proposes a derivable model to globally reproduce the complex hydrodynamic phenomena generated by two phase flows