Resumo: O Bombeio Centrífugo Submerso (BCS) é um método de produção relevante na indústria do petróleo. Nesse método é necessário conhecer a fração volumétrica de gás (FVG) na admissão da bomba para que se reduza o risco de falhas catastróficas de grande impacto financeiro. Atualmente existem métodos que visam estimar a FVG. Dentre esses, alguns utilizam características extraídas de sinais de vibração de acelerômetros instalados na carcaça das máquinas que compõe o BCS. Nesses métodos utilizam-se modelos estatísticos e do Aprendizado de Máquinas. Verificou-se que os mesmos são insuficientes para solução de dois problemas. O problema 1 é o de estimar a FVG corretamente quando são utilizados sensores em posições semelhantes às posições utilizadas pelos sensores que proveram os dados de treinamento dos modelos. O problema 2 é o de estimar a FVG corretamente para uma inclinação do BCS diferente daquela em que o mesmo se encontrava durante as medições que geraram os dados de treinamento. Da existência desses problemas emerge a necessidade de novos métodos capazes de solucioná-los. Tais métodos foram aqui desenvolvidos e são a principal contribuição dessa tese. Nessa tese foi proposta a utilização de duas novas características para solução dos problemas 1 e 2. A primeira é a probabilidade de algumas componentes selecionadas do sinal de vibração serem aleatórias ($\hat{P}_{ale}(f)$). A segunda é a probabilidade de um conjunto de sinais ter sido gerado por modelos ocultos de Markov (\textit{hidden Markov models} - HMM). Baseado nessas características foram desenvolvidos métodos e modelos que as utilizavam como entrada e cuja saída era a estimativa para a FVG. Baseado na Revisão de Literatura, acredita-se que o escoamento multifásico interfira em $\hat{P}_{ale}(f)$. Os HMM foram utilizados porque são modelos tradicionalmente utilizados para reconhecimento de palavras e foi identificada uma relação entre esse problema e o de estimação de FVG. Foi desenvolvido classificador para determinação de $\hat{P}_{ale}(f)$ e da classe das componentes dos sinais (transitório, aleatório ou periódico) validado por meio de simulações numéricas e comparação com trabalho semelhante. Construiu-se o Laboratório de Vibrações na Área do Petróleo - Labvip equipado com um conjunto completo de BCS operando com uma mistura bifásica água-ar, desenvolveu-se uma metodologia experimental e foram obtidos dados experimentais inéditos para treinamento e validação dos modelos. As principais conclusões desse trabalho foram: o classificador funciona adequadamente, há uma coerência entre os resultados obtidos para $\hat{P}_{ale}(f)$ e trabalhos que descrevem o fenômeno do escoamento bifásico; os métodos que se valem das duas novas características são melhores que o atual estado da técnica para os problemas 1 e 2; o uso das novas características propostas melhora o método pré-existentes Ver menos

Abstract: Electrical submersible pumps (ESP) are vastly used in the oil industry as an artificial lift method. In this method it is important to know the gas void fraction (GVF) at ESP intake to reduce the risk of catastrophic failures and production halt, both of severe financial impact. Nowadays there are methods to estimate the GVF. Among these, some use characteristics extracted from vibration signals obtained from accelerometers installed in ESP surface. In these methods, statistical models and machine learning models are used. It was found that they are insufficient to solve two problems. Problem 1 is to estimate the GVF correctly when the model is trained with data taken from a set of sensors and tested with data taken from different sensors but in similar positions. Problem 2 is to estimate the GVF correctly for the ESP slanted in a different angle from the one it was during the measurements that generated the training data. From the existence of these problems emerges the need for new methods capable of solving them. These methods were herein developed and are the main contribution of this thesis. In this thesis it was proposed to use two new characteristics to solve problems 1 and 2. The first is the probability that some selected components of the vibration signal are random ($\hat{P}_{ale}(f)$). The second is the probability that a set of signals was generated by hidden Markov models (HMM). Based on these characteristics, methods and models were developed that used them as input and whose output was the estimate for the GVF. Based on the Literature Review, the hypothesis that multiphase flow interferes in $\hat{P}_{ale}(f)$ was raised. The HMM were used because they are traditionally used for word recognition and a relationship was identified between this problem and the GVF estimation problem. A classifier was developed to determine $\hat{P}_{ale}(f)$ and the class of signal components (transient, random or periodic). It was validated through numerical simulations and comparison with similar work. A new facility called Petroleum Vibration Laboratory (Labvip) was built equipped with a complete ESP string operating with a two-phase water-air mixture. An experimental methodology was developed and a new experimental dataset was obtained for training and validating of models. The main conclusions of this work were: the classifier works properly, there is consistency between the results obtained for $\hat{P}_{ale}(f)$ and works that describe the phenomenon of biphasic-flow; the methods that use the two new characteristics are better than the current state of the art for problems 1 and 2; the use of the proposed new features improves pre-existing method Ver menos