基于BP神经网络的原油含水率数据处理

原油含水率是油田开发状况的重要参数指标。由于原油含水率的测量受到多种因素的影响,且与其影响因素具有复杂的非线性关系,测量精度很难取得令人满意的效果。采用BP神经网络对原油含水率的测量数据进行处理,建立了原油含水率预测模型,使原油含水率的测量精度得到了改善。     

基于化学计量的渤海原油组分检测方法

原油中沥青质、胶质及蜡3种组分的含量是油田开发、生产与输送工艺设计及运行方案制定的重要基础数据,其传统标准检测方法一般存在周期长、精度低、溶剂有毒等问题,这将严重影响原油组分的检测效率、生产工艺与操作方案的合理性。为此,基于化学计量学原理,对300组渤海地区的原油样品进行实验,建立红外光谱与原油组分的多元校正模型,提出了通过检测原油红外光谱来预测原油组分的方法。通过多次重复性实验对比分析发现,该方法的平均相对误差、绝对误差及标准差分别为5.3%、5.1%、6.1%,重复性小于3%、再现性小于15%,优于标准检测方法,且该检测方法比标准方法耗时短、成本低、可靠性与检测效率高。     

大庆原油组分在界面膜的扩张流变性质

利用悬挂滴的方法系统研究了大庆原油中四种活性组分在煤油-水间界面扩张流变性质,并深入探讨了振荡频率和质量分数的影响。结果表明,实验所用的大庆原油中的四种活性组分表现出较强的界面活性,其降低界面张力能力的顺序为:胶质沥青质芳香分饱和分。随着振荡频率增大,这四种活性组分的扩张模量均增大,而相角均降低。此外,随质量分数增大,实验所用大庆原油中的沥青质的扩张模量线性增加,最大值高达50 mN/m,明显高于其它三种活性组分,也比一般原油中组分的扩张模量高。与此同时,这四种大庆原油活性组分的相角随质量分数增加虽然略有加大,但数值仍然较低,其界面吸附膜表现出较强的弹性行为。图12表1参26     

基于卷积神经网络模型的抽油机系统故障诊断

陆地机械采油普遍采用有杆抽油系统,示功图是油井工况的重要指示。在实际开采过程中,由于抽油井数量大、分布广,人工检测油井耗时费力。为提高人工检修效率、提升自动化水平,针对示功图的图形特征,在卷积神经网络Le-Net模型的基础上,建立简化卷积神经网络模型。收集实际生产数据经预处理后输入机器学习模型进行训练,得到关于示功图的分类模型,同时通过测试集数据对分类结果进行评价。结果表明,建立的卷积神经网络模型具有良好的稳定性,能够通过数据学习得出准确率较高的分类模型;所建立的分类模型能够稳定处理多分类问题,对于15种故障类型分类实现效果良好;通过测试集进行评价,该模型准确率达92%以上,预测效果可以满足油田实际生产需求。     

胜利原油各组分对界面膜扩张流变性的影响

 采取经典的四组分分离方法(SARA)将胜利原油分离得到饱和分、芳香分、胶质和沥青质,利用醇碱萃取法得到酸性组分。通过滴外形分析方法系统研究了上述5类原油组分及稀释原油的界面扩张流变性质,考察了振荡频率和各组分质量分数的影响。结果表明,各类活性组分及稀释原油表现出与表面活性剂类似的界面扩张行为,扩张模量均随振荡频率增大而增大,随质量分数的增加先增大后减小;相角随振荡频率增大而降低,随质量分数增大而增加。各组分模拟油及稀释原油形成的界面膜均表现出较强的弹性行为,且按其界面行为可以分为3组：稀释原油和饱和分、酸性组分和胶质、芳香分和沥青质。模量最大值对应的质量分数高低顺序为稀释原油和饱和分、酸性组分和胶质、芳香分和沥青质。沥青质扩张模量的最大值在 25 mN/m 左右,略高于稀释原油和其它活性组分。     

胜利原油活性组分对原油-甜菜碱溶液体系油-水界面张力的影响

采用传统的柱色谱四组分分离方法（SARA）将胜利孤岛原油分离得到沥青质、饱和分、芳香分和胶质,采用碱醇液法萃取原油得到酸性组分。测定了正构烷烃、煤油以及原油活性组分模拟油与2种不同疏水结构的甜菜碱溶液组成的体系的油 水界面张力。结果表明,在原油活性组分模拟油 甜菜碱溶液体系中,直链甜菜碱由于疏水基团较小,与原油活性组分尤其是酸性组分和胶质发生正协同效应的混合吸附,使油 水界面上表面活性剂分子的含量增加,界面膜的排布更紧密,导致油 水界面张力降低;支链甜菜碱由于具有较大尺寸的疏水基团,煤油中少量的活性物质即可将油 水界面张力降至超低(<10-3 mN/m),而原油活性组分的加入,则使界面上表面活性剂分子的排布被破坏,削弱了界面膜原有的紧密性,导致油 水界面张力大幅度升高。     

原油组分的性质与结构对其粘度的影响

粘度是流体的重要物理性质之一, 其数值的准确与否对制定油气田开发政策以及选用化工分离技术都具有重要意义。考察了现有粘度模型对原油粘度的计算精度, 发现其预测误差都较大。在此基础上, 提出利用四组分实验的数据将原油阳性组分分割成饱和烃、芳烃、胶质、沥青质等4 个假组分进行原油特征化的方法, 以更准确地描述原油阳性组分中不同性质与结构对原油粘度的影响。     

原油组分对驱油体系界面性质影响的研究

对大庆油田不同地区原油族组成进行了分析,并测量了胶质沥青质含量不同的原油与三元体系间的界面张力。结果表明,将原油分离出的各组分分别与氢氧化钠溶液、表面活性剂ORS41及三元复合体系作用,其界面张力有明显的差别,这说明在与三元驱油体系形成超低界面张力时,原油性质也有非常重要的影响。     

基于神经网络模型的混合原油黏度预测

采用BP(back propagation) 神经网络模拟了混合油配比和温度与黏度之间的映射关系,建立了混合油黏度神经网络预测模型.将鲁-宁输油管道混合油的预测黏度与实际黏度进行了对比,结果表明,利用BP神经网络进行混合油黏度预测是可行的,完全可以满足工程需要的精度要求.     

基于粒子群算法原油集输管网优化

随着油田开发进入中后期不断进行井网加密,如何在最大化合理利用已建联合站年处理能力的基础上,尽可能减少投资管网建设,实现新建的计量间和联合站之间原油集输管网的合理分配,寻求以管网造价最小为目标函数,以联合站的最大年处理能力、集输半径和连接方式为约束条件,建立单目标优化模型。根据粒子群算法寻优特点,结合十进制编码,通过适应度函数评价,实现该模型的优化求解。采用遗传算法和粒子群算法分别对某一星状原油集输管网优化问题进行计算对比,结果表明,粒子群算法计算更为简洁,收敛速度也较优,有利于提高集输站利用效率．     

原油组分对CO2最小混相压力的影响

为研究原油组分对CO2与原油最小混相压力的影响程度,在不同压力条件下开展两组细管驱油实验。结果表明,当原油中组分C5-C9和C10-C14含量降低,C15-C19、C20-C24和C25-C33含量增加时,CO2与原油最小混相压力升高至36 MPa,较第1组实验最小混相压力上升约5.88%。     

基于主成分分析的SOM神经网络在火山岩岩性识别中的应用

针对火山岩储层岩性识别难的问题,提出一种将主成分分析和SOM神经网络相结合对测井资料进行处理的岩性识别方法.主成分分析能较好地提取表征样本的少数几个独它的综合指标,从而能够消除神经网络输入间的相关性,降低神经网络的输入维数,简化网络结构,加速网络收敛速度,从整体上提高网络的性能.针对松辽盆地徐家围子地区内有薄片分析及全岩分析的325块岩样,单独使用主成分分析方法的岩性识别正确率为79.38%,单独使用自组织神经网络方法的岩性识别正确率为82.15%,结合上述2种方法的岩性识别正确率为87.38%.由此在实际处理20口井火山岩层段时,将原始测井数据通过主成分分析进行精简处理,然后再通过SOM神经网络进行识别分类,最终厚度符合率为85.2%,从而为利用常规测井资料识别火山岩岩性又提供一种有效方法.     

The Prediction of Undersaturated Crude Oil Viscosity: An Artificial Neural Network and Fuzzy Model Approach

Abstract

Viscosity is one of the most important governing parameters of the fluid flow, either in the porous media or in pipelines. So it is important to use an accurate method to calculate the oil viscosity at various operating conditions. In the literature, several empirical correlations have been proposed for predicting undersaturated crude oil viscosity. However these correlations are not able to predict the oil viscosity adequately for a wide range of conditions. An extensive experimental data of undersaturated oil viscosities from different samples of Iranian oil reservoirs was applied to develop an Artificial Neural Network (ANN) model and fuzzy model to predict and calculate the undersaturated oil viscosity. Validity and accuracy of these models has been confirmed by comparing the obtained results of these correlations and with experimental data for Iranian oil samples. It was observed that there is acceptable agreement between the ANN model and fuzzy model results with experimental data.     

基于神经网络的油罐故障模糊诊断系统

根据油罐故障现象分析，建立了油罐故障诊断模型。采用模糊数学和BP神经网络结合的算法对此诊断模型进行求解，并对模型的有效性进行了分析。     

油相组成对无碱二元驱油体系界面性质的影响

通过测定原油与石油磺酸盐KPS-2/聚合物二元SP复合驱体系间的界面张力,研究了原油组分变化对界面特性的影响。结果表明,相对分子质量较大的有机酸对降低平衡界面张力有利,相对分子质量较小的有机酸对降低初始界面张力有利;沸程在180～210℃间的原油馏分与SP驱油体系间的界面张力达到了超低;原油放置过程中,组分氧化要比轻质组分挥发对界面张力影响大;较之石蜡基原油,KPS-2更适合与其疏水链结构相似的环烷基原油。     

基于SPS软件的原油管道水力摩阻分析

Stoner Pipeline Simulator软件是世界公认的用于长距离输油（气）管道设计、计算以及全线自动化控制模拟的高精度软件。应用SPS软件对某原油管道工艺模拟计算时,发现在某一输油温度范围内存在反常规律,即随着管道输油温度的上升,站间摩阻反而呈增大的趋势,针对反常现象进行研究分析。介绍了摩阻系数常用计算方法和SPS软件内置摩阻系数的计算方法;通过研究分析发现,流体从层流到紊流的过渡区,SPS软件对摩阻系数计算公式的选取发生了变化,为层流和紊流计算结果的加权平均数,由于紊流的摩阻系数曲线斜率大干层流摩阻系数曲线斜率,加权后摩阻系数出现随着温度上升反而增大的现象。     

基于原油物性定量分析的原油乳状液转相点预测模型

以流动状态下的原油乳化含水率来表征原油-水体系的乳化特性,通过实验研究了体系含水率对原油乳化含水率的影响。研究表明：当体系含水率较小时,原油能将水相全部乳化,形成稳定的W/O乳状液;而当体系含水率超过一定的临界值后,原油乳化含水率急剧减少,形成的是W/O/W多重乳状液;该临界体系含水率,即为原油乳状液从W/O型向W/O/W型转变的转相点。确定了5个典型参数来表征原油物性,分别是沥青质胶质含量、蜡含量、机械杂质含量、原油酸值、原油全烃平均碳数。通过回归分析,建立了原油乳状液转相点预测模型,预测结果的平均相对偏差为3.2%。     

The Artificial Neural Network's Prediction of Crude Oil Viscosity for Pipeline Safety

Abstract

Predicting crude oil viscosity is a challenge faced by reservoir engineers in production planning. Some early researchers have propounded some theories based on crude oil properties and have encountered various problems leading to errors in forecasted values. This article discusses work carried out with a model using an artificial neural network (ANN) for predicting crude oil viscosity of Nigerian crude oil. The model was started through adoption of a classical regression technique empirical method for dead oil viscosity as a function of American Institute for Petroleum (API) and reduced temperature. The Peng–Robinson equation of state and other thermodynamic properties are introduced, coupled with the Standing model for calculating bubble point pressure (P_b). The developed model was evaluated using existing measured real-life data collected from 10 oil fields within the Niger Delta region of Nigeria. Both the predicted and measured viscosities were plotted against each corresponding reservoir pressure to establish the model's level of reliability. The superimposition of the pressure-viscosity relationship shows that at each point, the viscosity model captures the physical behavior of viscosity variations with pressure. In each case, the ANN does not require a data relationship to predict the crude oil viscosity but rather relies on the field data obtained for training. For this reason, it is recommended that the ANN approach should be applied in oil fields for reduction in error, computational time, and cost of overproduction and underproduction.