基于小波变换和LSSVM-DE的天然气日负荷组合预测模型

为了提高天然气短期负荷的预测精度,提出了基于小波变换和LSSVM-DE(Least Squares Support Vector MachineDifferential Evolution)的天然气日负荷组合预测模型,首先,采用Mallat快速算法对天然气日负荷实际采集数据样本时间序列进行小波分解;其次,对分解出来的高频分量和低频分量分别建立LSSVM预测模型,各分量的模型参数分别采用DE进行优化,以期得到更准确的预测结果;最后,分别对各分量的预测结果进行小波重构。以某市实际采集的样本数据为例,并将重构结果与单独应用LSSVM预测模型及ANN(Artificial Neural Networks)预测模型进行对比分析。结果表明:小波变换和LSSVM-DE预测模型的预测精度分别比单独应用LS-SVM和ANN预测模型高出1.662%、1.14%、3.96%、2.99%、15.53%和1.942%、1.01%、3.07%、1.86%、12.26%。该结论预示着将小波变换和LSSVM-DE理论相结合对天然气日负荷时间序列进行预测是一种行之有效的方法。     

神经网络在油田动态预测方面的应用

常规的动态预测方法因适应的开发阶段和范围不同,在应用过程中各有其局限性.BP网络则能克服这些缺点,不仅能描述油田开发的整个过程,而且还可以考虑单一变量和多变量影响因素,把能影响动态预测指标的各种因素自行组织起来,加以训练和学习,建立起广义的、精确的动态预测模型.在对各种BP网络改进方法进行全面综合研究的基础上,总结并提出了自组织优化学习因子方法,进一步增强了BP网络的自适应性能.同时依据BP网络的特点,提出了多变量预测技术,并将该技术应用到油藏数值模拟和油田开发规划之中,取得了较好的成果,为神经网络广泛应用于油田开发找到了突破口.     

油田开发动态指标多步预测模型研究

为了实时了解单井、井组及区块开发状况,需要对油田各类动态指标作准确而快速的短期预测。油田生产数据一般都是非线性的小样本时间序列,而且各个指标之间的关系都是非常复杂的。根据单变量时间序列的相空间重构思想,在选取模型参数的时候综合考虑了油田的实际适用性,建立了基于支持向量机的时间序列多步预测模型。应用该模型,针对江苏陈堡油田某单井月度含水率的时间序列,分别在含水率低、中、高等不同时期进行了多步预测,一步预测有很高的精度,5步范围内绝对误差不超过10%。对江苏陈堡油田老井月度产油量的时间序列进行了多步预测,在峰谷处相对误差较大,而峰谷之间预测较好。实例计算表明,该模型具有较强的自适应能力和良好的多步预测效果,能够准确而快速地短期预测油田开发动态指标值。     

低渗透油田地面工程总体规划方案优化研究

建立了油田地面网络的相关矩阵及节点的参数计算通式,为计算机处理油田地面网络问题提供了有利手段。采用大系统优化理论,针对低渗透油田地面工程网络拓扑优化问题,建立了适用于多级分解优化算法的数学模型。给出了低渗透油田地面工程网络拓扑优化的多级分解优化算法,即顺次进行油气集输系统、污水处理系统、注水系统和供配电系统的优化,各子系统间又通过变量互相联系,每一个子系统的网络优化又分解为布局优化和参数优化。子系统的优化目标函数是等额年费用;总体优化的目标函数是财务净现值。编制了低渗透油田地面工程总体规划方案优化软件,为油田开发建设的宏观决策提供了一个科学而快速的工具。     

产量构成非线性优化模型的研究与应用

将油田产量构成分解为9部分，以总产量的利润之和最大为最优目标，以平均吨油成本不大于规定成本作为成本约束条件，以各产量部分投资之和不超过总投资作为投资约束条件，以9个决策变量要满足其上下限为决策变量约束条件，建立了产量构成非线性优化模型，可用于求得规划期内每年总产量和各部分产量及其成本、利润等指标。应用油田开发历史数据，用带有外部激励的自回归滑动平均模型预测优化模型参数，用最小二乘法多项式拟合产量与工作量之间的非线性关系，用遗传算法求解非线性模型。对某油田产量构成非线性优化结果符合该油田的实际。     

油田产量的多变量预测研究

研究了神经网络模型和多元线性回归模型用于产量预测的原理和方法 ,采用神经网络模型和多元线性回归模型对油田油产量进行预测 ,综合考虑各种地质因素及人为因素对油产量的影响 ,提出了油田产量的多变量预测方法。对我国某油田的实际数据进行拟合预测的结果表明 ,神经网络模型和多元线性回归模型用于油田产量的多变量预测都可得到较满意的结果 ;与多元线性回归模型相比 ,神经网络模型的预测精度更高 ,而且快速简便。     

油田配电网网损率的一种精确算法

网损率是电网经济运行和技术管理的综合考核指标。在油田电网中，配电网的网损率在整个网损中占有较大的比重。中国石油天然气总公司九五科技发展规划纲要提出“要使油田电网网损率降低一个百分点”，主要要从降低油田配电网网损实现。但目前尚无计算配电网网损率的精确算法。本文针对油田特点提出的“功率方差法”及其应用软件《油田配电网优化运行、节能降耗决策支持系统》对提高配电网网损率计算精度、统一油田配电网网损率计算方法，使各油田配电网节能效果和管理水平的考核有了可比的基础。     

随机油价下油田产量构成优化模型的混合遗传算法求解

建立随机油价下油田产量构成优化模型，在此基础上将Powell方法作为一个与选择、交叉和变异平行的算子嵌入到标准遗传算法中，并利用模拟退火精确罚函数法处理约束条件，构成了遗传算法、Powell方法与模拟退火算法相结合的Powell遗传退火精确罚函数算法。结合实例分析，将算法应用到随机油价下油田产量构成优化模型中并得到了最优解。     

数据驱动型层间多次波预测方法研究

采用表面相关的多次波预测算法（SRME）时,对于层间多次波,是将表面接收到的波场利用基准面重建或CFP算子延拓到产生层间多次波的界面,然后利用SRME方法预测,该方法的缺陷是需要知道产生多次波层界面以上的速度模型。而数据驱动型层间多次波预测（IMP）算法是将层间多次波分解为三个波场分量,即无层间多次波的一次反射波,产生层间多次波界面的一次反射波,及该层界面以下的总反射,此三个波场通过互相关和褶积即可预测出层间多次波。第二个分量和第三个分量均可通过简单的切除得到,第一个分量可通过类似于SRME的基于最小平方能量准则的自适应迭代算法得到,其初始值与第三个分量相同,因此该方法是完全数据驱动的。模型数据试验表明,该方法可有效地预测层间多次波。     

基于卷积门控循环单元网络的储层参数预测方法

储层参数是储层评价的一项重要内容。针对传统储层预测方法难以摆脱线性方程的束缚及预测精度不高的问题,将卷积神经网络与门控循环单元网络相结合,提出了卷积门控循环单元网络模型。该模型不仅具备卷积神经网络局部感知的特性,还具备门控循环单元网络长期记忆的功能,从而具有表达数据时空特征的能力。基于某井区A井已知井段测井资料建立卷积门控循环单元网络孔隙度预测模型,预测该井区未知深度段的孔隙度,并提出变学习率训练方法。实验证明,与单一的卷积神经网络模型、门控循环单元网络模型相比,卷积门控循环单元网络模型能够更有效地提取数据特征,预测精度更高,可为储层参数的预测提供新的思路。     

预测油田水驱油效率四参数模型

预测油田水驱油效率对调整油田开发方案、描述剩余油微观分布等具有重要意义。针对油藏水驱油效率随生产时间变化的特性,利用新型增长曲线拟合油藏驱油效率与生产时间的关系,建立了预测驱油效率的四参数模型。以室内水驱岩心试验数据为基础,采用非线性回归方法及多变量寻优算法求解四参数模型,获得4个模型参数值,实现对油田水驱油效率的拟合和预测。实例表明,利用四参数模型获得的水驱油效率拟合曲线与试验值比较相符,预测的水驱油效率与试验值的平均相对误差为1.78%,较其他方法的平均相对误差7.46%和5.36%更精确。该模型的建立为预测油田水驱油效率提供了一种实用、有效的方法。     

沿层地震属性数据空间滤波去噪方法

 由于受地震采集观测系统的影响和属性数据提取方法的约束，沿层地震属性数据上会出现一些规则的线性噪声和随机噪声，这些噪声对于进一步应用地震属性进行储层预测和含油气检测有严重影响。为了滤除这些噪声，提高属性精度，本文采用因子克里金分析，在变差函数域将变差函数分解为不同变化尺度上的分量，进而在空间域将区域化变量分解为不同角度、不同尺度上的空间分量。这样就可以得到空间各分量对克里金估计结果的贡献。对这些分量进行选择就可以得到有用信息，同时滤除噪声和人为假象，达到滤波的目的。文中在对变差函数进行分解的同时，还推导出因子克里金方程组。经理论数据的试算和对实际地震数据处理，说明此法是可行的。     

遗传算法与神经网络结合预测低渗透油藏产油量——以宝浪油田为例

基于遗传算法的全局搜索能力和神经网络算法的局部精确搜索特性,将遗传算法和神经网络算法有机结合,在提高油气产量预测精度的研究中得到了很好的应用.对宝浪油田某区块产油量的预测,验证了这种方法的正确性,结果表明该方法预测精度明显优于单纯的BP算法,证明了这种方法的有效性和可靠性.     

改进遗传算法在随机油价下油田产量构成优化模型中的应用

近年来,油价受到随机因素的影响,成为一个不确定量,所以油价应该是一个随机变量而不是一个确定量,将原来的确定油价下的优化模型改为随机油价下的优化模型更符合实际情况.考虑油价的随机性,建立随机油价下油田产量构成优化模型(定产量,定成本,效益最好),在此基础上将Powell方法作为一个与选择、交叉和变异平行的算子嵌入到标准遗传算法中,并利用模拟退火精确罚函数法处理约束条件,构成了遗传算法、Powell方法与模拟退火算法相结合的Powell遗传退火精确罚函数算法.结合实例分析,运用MATLAB6.5编写算法程序,实现该算法在随机油价下油田产量构成优化模型中的应用,得到各分项产量的构成及其对应的工作量与成本构成的最优解.     

注水系统的计算方法

提高注水系统效率、降低能耗和精确实施合理的注水方案、控制含水率上升速度是中高含水率油田开发中的两个重要技术问题.注水系统的流量和压力分布的计算是解决上述两个问题的技术基础.本文首次提出了用大系统分解迭代方法,解决油田大型注水系统的上述计算问题,并提出“压力谷”新概念将注水系统分解成子系统,克服了水力系统耦合强的困难,保证了上述算法的收敛性.文中给出了注水系统的通用模型和通用计算方法,应用于分解后的各子系统,简化了建模、计算和编程工作.该算法已从理论上证明是严格收敛的,并被编成计算机程序,应用于油田大型注水系统.     

海上油气平台不稳定电源与储能联合配置优化策略

针对海上油气平台集群接入不稳定电源与储能的联合配置问题,结合海上风电、光伏特点及已有的拓扑结构,提出了三阶段风机/光伏/储能阶段式联合配置策略,介绍嵌入潮流计算的阶段式粒子群算法。第一阶段通过LightGBM网络预测模型得到风机光伏的时序预测发电功率,再以投资建设经济性和潮流稳定性为目标优化每个节点的风机/光伏容量;第二阶段针对不稳定电源配置后的配电网,提出了基于电压和损耗灵敏度为指标的集群划分方法,将配电网集群划分为若干个子集群;第三阶段根据划分后的子集群,以储能容量、配电网损耗和节点电压波动为目标为每个子集群内配置储能。以渤海油田某10 kV实际油气平台配电网为例,设立燃气机出力功率自定义和经济性自定义两种方案来验证联合配置优化决策的合理性。结果表明,两种配置策略都可以有效地提升海上油气平台配电网的潮流稳定性,提高新能源的渗透率。本文研究验证了海上分散式风机/光伏发电工程的可行性,有利于实现未来海上油气平台的“零碳”建设。     

基于差分进化算法的BP神经网络脱硫效率预测控制

针对当前BP神经网络技术应用在大型燃煤热电厂以及燃煤脱硫机组效率数值预测分析计算模型中易陷入局部最优，预测效果可靠性差，收敛算法响应速度过慢，给出了一套结合自适应差分进化算法模型和BP神经网络理论的新一代高效率数值预测优化算法。该算法能自动优化BP神经网络的初始权值和阈值，将优化后的结果直接应用于BP神经网络模型训练中，进而获得脱硫效率的最佳预测网络模型。实验分析结果表明：该模型算法与目前传统的BP网络方法相比，算法收敛速度快，对网络参数的预测及精度估计更高，从而为脱硫系统的改进提出了必要的理论基础。     

基于人工神经网络的凝析气藏动态预测

常规的动态预测方法因适应的开发阶段和范围不同,在应用过程中有其局限性.BP人工网络则能克服这些缺点,不仅能描述油田开发的整个过程,而且还可以考虑单一变量和多变量影响因素,把能影响动态预测指标的各种因素自行组织起来,加以训练和学习,建立起广义的、精确的动态预侧模型.针对凝析气藏的开发,提出一种基于BP人工神经网络的凝析气藏产油量和产气量的动态预报方法,该方法对气藏开发过程的时变性和各种随机干扰因素具有自适应性.基于BP人工神经网络的模型,设计了BP网络算法的计算机实现的流程.在Windows XP环境下,采用面向对象的编程方法,以Visual C .NET为编程语言成功开发了凝析气藏的单井动态产量预测软件.进行了牙哈凝析气藏2口井的产油量和产气量的预测对比,结果表明,模型预测值与实际生产值具有很好的一致性,该预测软件具有较高的预测精度和可靠性,适合于牙哈凝析气藏各个阶段的产油量、产气量的动态预报,具有良好的推广价值.     

基于高阶扩展快速行进法的缺失地震数据重建

传统地震数据重建算法大多采用整体重建模式.受数字图像重建思路启发,提出了一种基于高阶扩展快速行进法的缺失地震数据重建算法.该算法采用局部重建模式,首先将缺失地震数据映射为地震图像,并定量分析映射导致的量化误差; 再采用二抽取小波变换对地震图像进行分解,分解后的低频分量采用高阶扩展快速行进法做局部逐点重建,高频分量通过已重建低频部分的水平、垂直和对角预测滤波做重建; 然后采用小波逆变换得到重建后的地震图像; 最后将地震图像映射回地震数据.叠前和叠后实际地震数据重建实例验证了算法的可行性; 与基于形态分量分析、基于K-奇异值分解(SVD)字典学习等地震数据重建算法的对比结果表明,本文算法具有更快的重建速度和更高的重建精度.     

基于谱分解的薄层预测方法

本文基于复信号的瞬时特征,实现了基于雷克子波的两步匹配追踪（Matching Pursuit,MP）算法。借助三层双界面反射系数模型推导了地震信号偶分量的峰值频率与薄层厚度的一一对应关系,结合时频分辨率较高的MP分解,提出了利用反射系数序列的奇、偶分解原理求取薄层厚度的新方法：地震记录在地震子波为零相位时关于某时窗中心的奇、偶分量,相当于对应反射系数关于该时窗中心的奇、偶分解与子波的褶积结果;在子波主频确定的情况下,偶分量峰值频率和层厚之间关系,不再受限于薄层反射系数因素的制约,两者之间满足一一对应关系;通过MP分解得到偶分量峰值频率,代入峰值频率—薄层厚度关系曲线模板即可估算薄层厚度。模型试算验证了方法的可行性。