预测环道中胶凝原油启动压力传播速度

启动压力传播速度对启动过程至关重要，但由于影响因素较多，试验测定需要较长的试验周期和较大的资金投入，而且问题的非线性很强。尝试在试验测定的基础上采用人工神经网络进行预测研究，将部分已有的实验数据作为输入模式进行训练，然后利用神经网络进行相应的波速预测，收到了较好的预测效果。     

基于人工神经网络的热油管道能耗预测模型

对长输管道而言,影响管道输油成本变化的因素众多,但影响最大的是生产油耗和电耗费用.为了更深入地探索输油过程中输量与能耗的变化关系,以某条输油管道几年来输量 及生产油耗、电耗数据为基础,用人工神经网络的方法建立了管道输量与生产油耗、电耗的预测模型.分析表明,该模型的计算结果相对偏差在±5％以内,满足工程实际需要,因此可以用该模型来预测热油管道的生产油耗和电耗.该研究首次建立了热油管道输量与生产油耗和电耗的预测模型,为预测管道的能耗总量提供了便利.     

系统压力对海底管道再启动状况的影响

因为石油工业在深水油气生产上投资了数亿万美元,所以对油藏流体开采到地面,以及输送到相关市场的流动保障的关注在调整项目经济性和满足对石油产品不断增长的需求方面变得非常重要。由于多种原因,海底管道的生产系统需要关闭,关闭时间长会形成含蜡原油凝胶,这就可能完全阻止进一步的生产。因此,了解海底管道含蜡原油转变的各个阶段以及影响再启动状况的所有因素是非常必要的。本文对管道再启动过程中的蜡析出、蜡沉积、胶凝作用,以及含蜡原油凝胶的屈服特性的大量研究做了综合的论述。重点对温度和压力对凝胶强度的影响做了详细的实验研究。测试温度对胶凝作用动力学的影响是通过控制应力流变仪（CSR）进行研究的,并应用Lopes-da-Silva和Coutinho提出的解决等温结晶的改进唯象Avrami模型进行分析。另一方面,在一个新的管道模型系统中研究系统压力对再启动的影响,这一压力参数在管道再启动中经常被忽略,此模型给出了迄今文献记录中屈服压力复现性最好值。管道模型结果又进一步与CRS测定的屈服点试验值进行比较。实验研究结果表明,在一个较高的停输压力下可能形成弱凝胶,这使管道再启动更容易。     

热油管道停输再启动过程

通过查阅大量的资料，对最近几年停输再启动过程研究做了系统的总结，通过分析比较提出埋地管线停输过程中的水力、热力以及启动过程中的启动压力、安全停输时间的计算方法，同时还提出了在停输再启动的计算过程中所要考虑的几点因素。对于工程实践有一定的参考价值。     

环道实验装置数据采集系统的研制

1 .实验装置简介环道实验装置由实验管路系统、恒温循环水系统、数据采集系统、清洗系统等 4个基本部分组成 ,其中实验管路系统是实验装置中的关键 ,这里主要介绍该部分的组成及功能。实验管系统由蠕动泵、气体缓冲罐、辅助管段、实验测试管段、热处理罐组成。2 .系统硬件的工作原理被测压力、流量、温度等参数通过传感器转换成 0 2 0ｍＡ标准电流信号。多路信号转换器把各路传感器输出的不同性质的电信号转换成 0 5Ｖ的电压信号 ,并分别送到多路Ａ/Ｄ转换器。Ａ/Ｄ转换器将输入的模拟电压转换成二进制的数字信号 ,通过计算机的数据总线传送…     

热油管道中有流型流态改变时最小输量计算

通过分析有流型流态改变的热输原油管道的流动特征，用数学中的组合方法证明管道中有４３种流型流态组合并给出组合图，建立了且二分法计算有流型流态改变管路最小输量的数学模型。采用二分法具有公式简单，对函数性质要求不高，稳定性好等优点。根据所建模型研制的程序系统可完成４３种组合工艺及最小输量计算，具有广泛使用性，为计算有流型流态转变热油管路的最小输量提供了方法，在此基础上，研制出一整套程序系统性并给出了算例     

应变式压力传感器在环道实验装置中的应用

为了提高环道实验中压力的测量精度，应该选择合适的压力传感器，并要准确标定。正确选择压力传感器的方法是：根据不同的实验方案和实验条件选择具 不同灵敏度、频响、动态范围的传感器，对环道实验的不同测压点，应选用不同测量范围的压力传感器。     

热油管道停输再启动过程模拟分析

热油管道运行过程中不可避免地会遇到停输再启动问题。文章在水力、热力分析的基础上,采用数值模拟的方法,利用CFD软件建立计算模型,以大庆-哈尔滨（庆-哈）埋地输油管道为例,分析停输后管内原油温降规律;分析再启动过程,给出启动时间的计算方法及启动过程热油顶管压力变化情况,为庆-哈输油管道的停输再启动过程提供了一种安全评价手段,对于保障管道安全生产运行具有重要意义。     

含蜡原油输送管道的再启动保护

科特原油管道系统非计划停输三周后,成功地进行了再启动。这是利用降凝剂为输送含蜡原油的管道系统提供再启动保护的成功范例。此例为实验室所预测的数据和现场实际的再启动数据之比较提供了资料。     

地层压力预测的人工神经网络

介绍了利用人工神经网络建立地层压力预测模型的方法。给出了该方法在吉林红岗油田的现场应用情况。研究及应用结果表明，该方法为地层分层压力的确定提供了有效途径。     

Prediction of Bubble Point Pressure From Composition of Black Oils Using Artificial Neural Network

In the present study, an artificial neural network (ANN) constitutive model was developed to predict bubble point pressure for the case of Canadian data. The accuracy of prediction of bubble point pressure was compared using two sets of inputs to the model. One was based on composition of the oil and the other based on easily available parameters such as solution gas-oil ratio, reservoir temperature, oil gravity, and gas relative density. The performance of bubble point pressure prediction with ANN was compared with that of equation of state (EOS) and other available empirical correlations. It was found that ANN models can produce a more accurate prediction of bubble point pressure than the existing empirical correlations and EOS calculations.     

老井重复压裂后产能预测新模型及其应用

致密油藏由于其自然禀赋较差,需要对已压裂过的层段进行二次或更多次压裂,才能维持期望的产量。在重复压裂期间,漏失的部分压裂液会通过渗吸作用将储层中的致密油置换出来,从而提高采收率。目前,考虑渗吸作用对产能影响的研究较少。文章将致密油井控制区域划分为三个渗流区域,基于达西定律,以渗流力学理论为基础,考虑启动压力梯度、重力和毛管力的作用影响,建立了考虑渗吸作用的致密油藏老井重复压裂后产能预测新模型;选取某地区致密油储层10口重复压裂井进行单井产能计算,计算结果与实际生产结果较接近、误差较小;渗吸作用对油井产能影响比较大,渗吸占比在2.97%～12.77%之间,平均值为6.87%。本文研究结果为致密油压裂后产能预测和压裂效果评价提供了参考。     

注触变性水泥停泵安全启动压力预测

触变性水泥浆是现场防窜、堵漏的有效手段之一,但是在注水泥过程中若临时停泵,再启泵时启动压力会随停泵时间增加而增大,启动压力过大可能压漏薄弱地层,甚至无法启泵。针对上述情况,在分析多种触变性模型的基础上,提出了描述触变性水泥浆特征的模型;并将该模型与压降方程结合,得出了注触变性水泥停泵安全启动预测模型。用该模型分析触变性水泥浆在不同井身结构下的启动压力,实例计算结果表明:停泵时间越长,环空间隙越小,所需要启动压力越大,停泵30或60 min后启动压力分别达到13.94和21.12 MPa,选用φ139.7 mm的套管停泵30 min的启动压力比用φ177.8 mm的套管低了4.66 MPa,停泵60 min的启动压力降低了7.51 MPa,触变剂加量改变影响附加压耗,触变剂加量由5%降为2.5%后,30 min的启动压力降低了42.73%。因此触变性水泥浆应在环空间隙较大的井使用,可降低因故停泵重启泵时的风险。      

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.     

Artificial Neural Network's Prediction of Wax Deposition Potential of Nigerian Crude Oil for Pipeline Safety

Abstract

Paraffin wax deposition from crude oil along pipeline is a global problem, making preventive methods preferred to removal methods. In this work, a neural network model based on mathematical modeling technique using regression analysis as the statistical tool was developed to predict the wax deposition potential of 11 reservoirs in Nigeria. Using the viscosity-pressure-temperature data obtained from these fields to supervise the model, the model accurately predicted the present real-life situation in each field. Conclusively, the model could be used to predict wax deposition potential of any reservoir that is yet to be explored provided the temperature used during prediction is close to the actual reservoir temperature.     

宾汉流体稠油非稳态渗流时地层压力分布数学模型及直井产能预测

稠油在地层中的流动具有非牛顿流体特性。将稠油视为宾汉流体，推导了宾汉流体在非稳态状况时地层孔隙中的压力分布数学模型，并求得了数值解。分析了宾汉流体的启动压力梯度对地层压力分布的影响。基于启动压力梯度，考虑宾汉流体的运动半径和运动边界压力，推导了稠油油藏直井的产能预测公式，给出了运动半径和运动边界压力的确定方法，并与普通油藏的直井产能预测公式相比较，结果表明，稠油的非牛顿流动特性对产能预测结果具有一定的影响。     

考虑启动压力梯度的致密气藏渗流数学模型解析解研究

对存在启动压力梯度的致密气藏不稳定渗流数学模型进行分析时,常用的方法是在拉式空间运用格林函数法进行求解,但这个解无法反演到实空间而获得解析解.根据拉式变换及其逆变换的性质引入了附加函数,得到了形式简明的实空间上的解析解.通过对比多组解析解和数值反演的结果表明该解析解的计算精度在5%以内,因而此解析解可以在工程中应用.     

BP网络在油田集输管道结垢预测中的应用

国内大部分油气田进入高含水开发期,油气田管道结垢已经成为危害管道正常运行、影响油气田生产的重要问题。文章建立了混输管道污垢监测装置,采集了数据样本,利用BP人工神经网络理论对油田地面集输系统管道结垢情况进行预测和评价,通过数据的比较分析发现人工神经网络预测的数据和实测数据之间具有较小的误差。同时它不用建立数学模型,学习过程通过自动调节神经元之间的连接权值完成,具有较好的预测性。     

压力预测技术在近平衡钻井及油气预测中的应用

压力预测技术主要是应用了地震层速度计算出地层孔隙压力及压力系数,据此,设计出钻井液密度,从而实现近平衡钻进;同时,根据层速度与深度的交会关系,确定低速高压异常带,则可判断油气层的位置.中原油田自1988年应用压力预测技术以来,已预测了120口重点探井及开发调整井,实现了近平衡钻井及钻前油气预测,节约了大量钻井成本,防止了井喷、井涌等钻井事故,防止了油气层污染,保护了油气的顺利开采.     

一种评价特种凝胶ZND启动压力的新仪器

针对漏失及恶性漏失的堵漏工作,研制的特种凝胶ZND在实际应用中取得了显著的成绩,但是对于恶性漏失堵漏用的凝胶,没有一套合适的仪器及方法来规范其性能指标,因此研制了一台具有高精度的新型启动压力装置,并得到了相关的启动压力评价方法——液位-压力曲线。通过液位-压力曲线,可以确定凝胶在模拟地层中的启动压力,并能够判断相同启动压力情况下凝胶的性能优劣。