Виртуальное измерение расхода на основе фундаментальных принципов и машинного обучения: обзор литературы

First Principles and Machine Learning Virtual Flow Metering: A Literature Review
Timur Bikmukhametov, Johannes Jäschke
2019-09-10

динамическая оценка состояниямодели на основе первых принциповмашинное обучениеоценка расхода многофазного потокавиртуальное измерение расхода
Виртуальное измерение расхода (Virtual Flow Metering, VFM) представляет собой все более привлекательный метод оценки расходов многофазных потоков в системах добычи нефти и газа. Вместо использования дорогостоящих аппаратных средств измерения для расчета расходов применяются численные модели, использующие доступные промысловые измерения, такие как давление и температура. В настоящее время разработано несколько методов и программных средств VFM, различающихся методологической основой и промышленным применением. В данной работе представлен обзор современного состояния методов VFM, используемых численных моделей, промыслового опыта и текущих научных исследований. Кроме того, выявлены направления, требующие дальнейших исследований и разработок в области VFM. Обзор показывает, что VFM является активно развивающейся областью исследований и потенциально может использоваться как самостоятельное решение для измерения расхода или как резервная система для физических измерителей многофазного расхода. Однако для повышения ценности технологии VFM для операторов нефтегазовой отрасли дальнейшие исследования должны быть сосредоточены на разработке методов автоматической настройки и калибровки, учитывающих изменения свойств флюида и условий эксплуатации. Кроме того, обзор показывает, что потенциал методов машинного обучения в VFM еще не раскрыт в полной мере; дальнейшие исследования должны быть направлены на разработку надежных методов, способных количественно оценивать неопределенности определения расхода и включать модели, основанные на фундаментальных принципах, что позволит создавать более точные и надежные гибридные системы VFM. Наконец, обзор показывает, что методы динамической оценки состояния в сочетании с моделями, основанными на фундаментальных принципах и машинном обучении, могут дополнительно повысить точность VFM, особенно в переходных режимах. Однако реализация этих методов может быть сложной, и для обеспечения их надежности необходимы дальнейшие исследования.
1
Объединение динамической оценки состояния с моделями первых принципов и машинного обучения может повысить точность при переходных режимах, однако надежная реализация остается сложной задачей.
2
Существующие подходы и программные средства VFM различаются методологической основой и промышленным применением, включая модели на основе первых принципов, машинного обучения и другие численные модели.
3
Потенциал машинного обучения в VFM пока раскрыт не полностью; необходимы устойчивые методы количественной оценки неопределенности расхода и интеграции моделей первых принципов в более точные гибридные системы.
4
VFM может использоваться как самостоятельное решение или резерв для физических многофазных расходомеров, однако для расширения практической ценности необходимы автоматическая настройка и калибровка с учетом изменений свойств флюида и условий эксплуатации.
5
Виртуальное измерение расхода оценивает расходы многофазного потока по доступным измерениям давления и температуры, снижая зависимость от дорогостоящих аппаратных расходомеров.

Виртуальный расходомерный контроль (VFM) многофазных расходов в системах добычи нефти и газа

Состояние развития, точность, робастность, количественная оценка неопределённости, калибровка и эффективность при переходных режимах методов VFM на основе фундаментальных моделей, машинного обучения и их гибридного сочетания

Publication Details
Publication Date
2019-09-10
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Timur Bikmukhametov
Johannes Jäschke
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%