Modélisation de l'effet des inhibiteurs sur la réduction des précipitations d'asphaltène en utilisant RNA (ANN)

Abstract

Les dépôts d'asphaltène constituent un problème majeur dans l'industrie pétrolière. Ces dépôts peuvent s'accumuler dans les pipelines, les réservoirs et autres équipements, entraînant une diminution du débit, une augmentation de la pression et même une panne de l'équ ipement. Les inhibiteurs sont des additifs chimiques utilisés pour empêcher le dépôt d'asphaltène, mais leur efficacité peut varier en fonction de divers facteurs tels que les propriétés de l'huile et les conditions de production. Dans cette étude, nous avons conçu un réseau neuronal artificiel (ANN) pour modéliser la prévision des taux de dépôt d'asphaltène pour trois types de pétrole (lourd, moyen et léger). Cette étude a démontré de l’ANN à prédire avec 99 % des porcentages de dépôts d'asphaltène sous l'influence d'inhibiteurs ajoutés. Les résultats de cette étude peuvent être utilisés pour développer de nouvelles stratégies de traitement visant à réduire les dépôts d’asphaltène dans le pétrole brut et à améliorer la production pétrolière.