排序方式: 共有23条查询结果,搜索用时 15 毫秒
1.
针对冷湖七号储层产能与圈闭无确定性关系的难点,从砂体形成~演化~改造的角度讨论储层物性影响因素。浅层沉积作用对储层影响最大,滨浅湖砂体物性最好,高产。中层沉积、成岩为主要影响因素,若为边滩砂体,则能建立较好产能;深层成岩、构造作用对储层影响较大,前者因胶结作用而减少孔隙,后者因产生裂缝而增大储集空间及渗透性,若无裂缝,但达到中孔-中渗标准则采取措施有效,若既无裂缝又属低孔低渗标准则措施无效。储层物性影响因素与其产能的关系确定四级评价标准。对该区油气评价有重要意义。 相似文献
2.
阐述了储层动态描述技术原理。结合气井生产与不稳定测试资料对涩北气田进行了储层动态分析,研究了储层动态模型,确定了地层参数,指出涩北气田主要存在均质地层、径向复合地层与多层窜流三种地层模型,认为径向复合地层与多层窜流地层均是气井多层合采的动态反映。为了研究储层动态模型随时间的变化,将储层动态描述技术应用于单井多次测试。分析得到,在长期的生产过程中,气藏的地层模型、储层参数并没有发生明显变化。储层动态描述确定的地层模型在产能计算与产能预测、气井生产预测等方面有着重要的作用,比静态地质模型更具实际意义。 相似文献
3.
柴达木盆地冷湖七号构造成藏分析及勘探意义 总被引:2,自引:1,他引:1
应用成藏系统论的的研究思路,从成藏条件、成藏过程及它们之间的组合关系对冷湖七号构造的油气分布规律进行了深入探索。深层不可能形成规模岩性油气藏,是因为油气在大量生成及运移时,砂体上倾方向没有遮挡,不具备储集功能;深层不可能形成构造圈闭油气藏,是因为油气在大量生成及运移时构造圈闭还未发育而成;浅层形成次生规模天然气藏的可能性不大,是因为在浅层圈闭形成后烃源岩的供烃能力衰竭,而且油气再次分配时缺乏深层来源。圈闭的有效性是该区油气成藏的主控因素,有利构造圈闭在马海大红沟隆起区和昆北斜坡带,有利岩性圈闭在赛什腾凹陷,潜伏地区是首选目标。 相似文献
4.
5.
为改善碳化硅MOSFET开关瞬态特性,最大限度地发挥碳化硅MOSFET性能优势。首先,简单分析了开通电流过冲和关断电压过冲产生机理,并在LTSPICE仿真软件中建立了双脉冲测试回路等效电路模型。仿真结果表明:开通电流过冲和关断电压过冲分别主要取决于上桥臂总杂散电容和回路杂散电感。此外,分析了负载电感的杂散电容与绕制层数的关系。通过Q3D仿真,对比研究了不同直流母排结构以及电容布局方式下的杂散电感。最后基于阻抗分析仪测量,采用谐振频率法计算出负载电感的杂散电容和直流母排的杂散电感。仿真和实验结果均表明:单层负载电感杂散电容最小,环形叠层结构直流母排的杂散电感最小。因此在相同开关速度下,采用优化后的测试平台,器件开关瞬态特性明显得到了改善。 相似文献
6.
为了获取碳化硅(Si C)MOSFET功率器件静态特性及寄生电容随温度的变化规律,以Cree公司第二代1200V/36A碳化硅MOSFET为研究对象,利用Agilent B1505A功率器件分析仪/曲线追踪仪在不同温度下对器件的静态特性及寄生电容进行测量。并基于已有硅(Si)MOSFET的静态特性理论,结合碳化硅材料的温度特性,详细分析了碳化硅MOSFET静态特征参数的温度特性。研究结果表明碳化硅MOSFET的跨导具有与硅器件完全不同的温度特性,并且相比于第一代碳化硅MOSFET,第二代器件的泄漏电流表现出更低的温度依赖性。然而随着温度升高,第二代碳化硅MOSFET的导通电阻较第一代增长更快,但增长依旧远低于硅MOSFET。 相似文献
7.
8.
目前已有多种智能算法应用到光伏电池模型的参数辨识中,然而大都存在易陷入局部最优、收敛速度慢等问题,基于改进狮群算法,提出了一种有效的光伏电池参数辨识方法。首先,通过引入混沌初始化、自适应参数和混沌搜索,弥补了狮群算法收敛速度慢、寻优精度不高等不足;将改进狮群算法应用到光伏电池的单二极管模型和双二极管模型的参数辨识中,与5种优化算法的结果进行对比,证明了该算法在光伏电池参数辨识中的有效性和优越性;最后,通过在不同辐照度和不同天气类型下进行辨识,探究了外部环境变化对模型参数的影响,进一步验证了该算法的有效性和实用性。 相似文献
9.
合理的等效电路模型及准确的模型参数对蓄电池荷电状态(SOC)的准确估计具有重要影响。针对蓄电池三阶Thevenin等效电路模型,基于改进蚁狮优化算法,提出了一种模型参数辨识方法。引入混沌Logistic映射初始化,使初始化群体遍及解空间,有利于寻找全局最优解;引入自适应惯性权重加随机柯西变异策略,有效提高了算法收敛速度;引入精英反向学习策略,有效提高了群体的多样性,避免算法陷入局部最优解。5个测试函数的测试结果表明:相比于蚁狮优化算法、粒子群算法与樽海鞘优化算法,改进蚁狮优化算法收敛速度更快,精度更高。对蓄电池三阶Thevenin等效电路模型进行参数辨识,结果表明:改进蚁狮优化算法相比蚁狮优化算法具有更高的辨识精度。 相似文献
10.