Новая методика прогнозирования забойного диапазирующего давления при вертикальном многокомпонентном потоке на иранских месторождениях с использованием искусственных нейронных сетей (ИНС)
A New Methodology for Prediction of Bottomhole Flowing Pressure in Vertical Multiphase Flow in Iranian Oil Fields Using Artificial Neural Networks (ANNs)
2010-12-01
SCID: 54.1/8s7fm82f
Discuss with AI
искусственные нейронные сетидавление на забое при фонтанированиипоказатель продуктивности (PI)двухфазный газо-жидкостный потоквертикальный многофазный поток
Figures from the paper
Abstract (AI)
В данной работе для прогнозирования забойного диапазирующего давления (bottom-hole flowing pressure, BHP) при вертикальном многокомпонентном потоке применяются искусственные нейронные сети (ИНС). Двухфазный поток газа и жидкости широко встречается при добыче и транспортировке нефти и газа. Знание забойного давления скважины и продуктивного индекса (PI или J) позволяет прогнозировать потенциал скважины в течение ее жизненного цикла. Иными словами, возможно мониторирование добычи скважины, что является ключевой задачей для максимизации добычи нефти и снижения эксплуатационных затрат. Были изучены различные корреляции с учетом различных режимов работы и моделей потока для определения наиболее эффективных входных параметров. Точность ИНС сильно зависит от корректности входных и выходных данных. После сбора входных и выходных данных с отобранных месторождений южного Ирана все данные были отфильтрованы с помощью существующих моделей для исключения недостоверных записей. Затем 167 наборов данных были нормализованы и аккуратно введены в модели ИНС. Были разработаны и протестированы различные архитектуры ИНС с разным числом скрытых слоев и функциями передачи, и выбрана лучшая модель с наименьшей ошибкой. Точность прогноза давления, полученная разработанной моделью ИНС, улучшилась примерно в пять раз по сравнению с существующими корреляциями. Для демонстрации точности методики результаты сопоставлены с результатами, полученными по существующим корреляциям. Точное предсказание падения давления в вертикальном многокомпонентном потоке необходимо для эффективного проектирования трубопроводов и оптимальных стратегий добычи. Разработаны и в настоящее время используются в промышленности различные корреляции для двухфазного потока. Наряду с ограничениями применимости всех существующих корреляций, ни одна из них не обеспечивает требуемой точности прогнозирования падения давления.
Key Findings
1
Для обучения и тестирования использовано 167 отфильтрованных и нормализованных полевых наборов данных из южных иранских месторождений.
2
Разработана методика на основе ИНС для предсказания забойного расходного давления (BHP) при вертикальном двухфазном течении газ–жидкость для иранских месторождений.
3
Оценивались различные архитектуры ИНС (с различным числом скрытых слоёв и функциями передачи), и была выбрана модель с наименьшей ошибкой.
4
Существующие корреляции двухфазного потока имеют ограниченную применимость и не обеспечивают требуемую точность предсказания падения давления, что обосновывает применение ИНС.
5
Разработанная модель ИНС улучшила точность прогноза BHP примерно в пять раз по сравнению с существующими корреляциями.
Research Object
Прогноз забойного давления при фонтанировании в вертикальных скважинах с двухфазным (газ–жидкость) потоком в иранских нефтяных месторождениях
Research Subject
Точность и эффективность моделей искусственных нейронных сетей (ANN) для прогнозирования забойного давления при фонтанировании (BHP) в вертикальном многокомпонентном (двухфазном газ–жидкость) потоке, включая выбор входных параметров, фильтрацию/нормализацию данных, настройку архитектуры сети и сравнение с существующими корреляциями
Publication Details
Publication Date
2010-12-01
Journal
Publisher
ISSN
Access Type
Author Information
Download PDF
Subscribe to digest