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)
Farshid Torabi, Mehdi Mohammadpoor, Kh.. Shahbazi, A.. Qazvini, Alireza Qazvini Firouz, Kh. Shahbazi
2010-12-01

искусственные нейронные сетидавление на забое при фонтанированиипоказатель продуктивности (PI)двухфазный газо-жидкостный потоквертикальный многофазный поток
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.
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.

Прогноз забойного давления при фонтанировании в вертикальных скважинах с двухфазным (газ–жидкость) потоком в иранских нефтяных месторождениях

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
Cited by
39
Access Type
Author Information
Authors
Farshid Torabi
Mehdi Mohammadpoor
Kh.. Shahbazi
A.. Qazvini
Alireza Qazvini Firouz
Kh. Shahbazi
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%