海上水平井蒸汽吞吐焖井阶段温度与压力剖面测试实例

为了评价海上水平井的稠油蒸汽吞吐开采效果和油藏动用状况,在焖井阶段用氮气压井,将蒸汽向下挤至500～800m位置,用Φ1.25″连续油管拖动耐温400℃仪器(放置在托筒内)测试了300m长度水平段的温度、压力剖面.整个施工过程中,井口最高温度为28℃.氮气压井技术保证了井下高温、高压条件下的施工过程安全.     

基于智能水滴算法的火电机组发电调度问题研究

电力系统机组组合是编制短期发电计划所需解决的核心问题,其所具有的高维数、非凸、离散、非线性等特征导致迄今尚未找到确定该问题最优解的解析算法。采用新型群智能算法——智能水滴算法,动态地生成每一时段的机组可行组合方案集合,基于此构建水滴遍历的空间,并将机组组合中各类技术经济约束条件融入智能水滴的评价与更新策略机制,提出了机组组合问题的智能水滴算法建模机制及求解流程。通过大量智能水滴并行运行、共同作用,得到了机组组合优化方案。将提出的模型应用于典型算例,计算结果证明,智能水滴算法能够有效解决机组组合问题,并且具有更强的全局搜索能力,收敛速度快,寻优迭代次数少,值得进一步研究探讨。     

一种用于海洋石油的新型试井设备开发

目前,渤海油田已进入开发中后期,压力测试以及增产增注过程中的钢丝作业显得尤为重要。但如海上平台钻修井期间井槽占用或场地紧张,而使钢丝试井作业无法进行,就会影响采收率的提高。针对此难题,开发了一种新型钢丝试井设备,对其结构和功能进行设计研究,利用平台中层或下层甲板空间对目标井进行钢丝试井作业,以满足增产措施工艺手段及井下数据的录取工作。就该钢丝试井设备在海上油田现场实际应用情况来看,其实现了与钻完井的交叉作业,达到了设计要求,提高了生产时效;同时施工安全可靠,操作便捷,形成了一套完整的技术体系。     

基于改进深度信念网络的电力欠费预警研究

"先使用,后付费"的营销方式导致电网公司电费回收不到位,难以支撑正常运转和获得基本效益。为了解决电力欠费对电网公司的不利影响,论文提出电力欠费预警智能预测的研究方法。将电费回收分为时间和金额两部分,结合相应的关联指标,建立参数自适应的深度信念网络,通过深度学习和训练对电力欠费情况精准预测。实验结果表明,与BP神经网络相比,深度信念网络更能准确预测出用户电费回收的未来情况,有效辅助电力企业制定用电和电费预警策略。     

电网大数据跨行业数据融合交互途径研究

当今大数据技术迅猛发展,电网企业面临着外部其他行业大数据利用的契机,可以充分利用大数据技术融合外部数据,发掘其价值为电网企业所用,达到提质增效的目的。为实现跨行业数据交互,应搭建统一的大数据融合平台,同时构建数据资产管理和风险防范体系,在安全可靠的基础上充分利用外部数据的价值,实现跨行业的数据融合交互。鉴于此,对电网大数据跨行业数据融合交互的实施策略进行了深入分析和探讨。     

基于大数据平台的居民负荷变尺度画像技术实现与应用

传统的负荷曲线描述方法难以全面描述负荷变化特征。文章尝试采用用户画像技术进行居民负荷多尺度立体化的用电特性研究。首先,基于大数据平台中的可用数据资源,建立了表征居民负荷用电特性的标签体系。为了快速高效地获取各类典型用户特征,应用标签体系,在大数据平台支撑下,应用分布式聚类算法对海量居民用户用电数据进行聚类分析。最后,针对每类用户,文章绘制了四季的典型日和典型月负荷曲线以及年持续负荷曲线并进行了对比,同时分析了每类用户的负荷波动率和需求响应水平,以构建包含用户的用电时序规律和用电弹性特征的变时间尺度用户画像。分析结果能够可视化地描述居民负荷的时间分布特性及用户用电特性,可为合理制定电价套餐及优化用电模式提供参考。     

基于指数分层结构算法的数据可信度评估模型设计

针对传统的数据可信度评估模型存在分类适应性较差的问题,设计一种基于指数分层结构算法的数据可信度评估模型。分析实际数据资产管理过程,建立数据可信度评估指标体系;按照数据类型和数据间存在的周期性关系补充待评估数据中的缺漏数据,完成对待估数据的预处理;将数据归一化后生成数据集合,并根据数据间的相关系数建立亚超度量空间,生成指数分层结构树,结合层次分析法完成对可信度模型的设计。实验结果表明,与传统评估模型相比,所提模型的分类适应性更强,数据查全率更高,应用优势更明显。