【摘 要】
:
针对石油开采过程中相继出现的各种油井沉没度模型,或多或少地包含一些经验因素,使模型的相关参数在现场应用中需实时校正,影响模型应用的精确度。因此,构建符合抽油过程中油井渗流自然规律的沉没度模型,为油田抽油管控提供可靠的理论依据,对我国大多数已进入开采中后期的油田至关重要。为此,本文通过综合分析油井抽油过程中的流体流动规律,构建了油井抽油沉没度综合模型。在此基础上,给出了两种应用方法,提高了模型在实际
【基金项目】
:
陕西省自然科学基础研究计划项目《面向抽油机节能的抽油优化控制方法研究》(编号:2019JM-174);
论文部分内容阅读
针对石油开采过程中相继出现的各种油井沉没度模型,或多或少地包含一些经验因素,使模型的相关参数在现场应用中需实时校正,影响模型应用的精确度。因此,构建符合抽油过程中油井渗流自然规律的沉没度模型,为油田抽油管控提供可靠的理论依据,对我国大多数已进入开采中后期的油田至关重要。为此,本文通过综合分析油井抽油过程中的流体流动规律,构建了油井抽油沉没度综合模型。在此基础上,给出了两种应用方法,提高了模型在实际油田生产中的可用性。本文完成的主要工作如下:(1)根据油井抽油泵工作原理和液面变化规律,构建了油井抽油沉没度模型。在此模型和油井储油沉没度模型的基础上,充分考虑油井满抽/非满抽状态变换因素,结合综合抽油过程中沉没度的变化规律,利用油井的流体趋势平衡方程构建了油井抽油沉没度综合模型。该模型不仅适用于油井抽油和储油过程,也适用于同样具有趋势平衡能力的其他物质的平衡状态。(2)针对沉没度综合模型中涉及到的多个参数,利用其值变化的相对稳定性,对除沉没度和时间以外的其他参数进行了降维处理。通过能够准确获得取值的参数对降维后的渗流综合参数进行求解,不仅减少了获取参数值的难度,也提高了参数值的准确性,从而有效降低了模型的应用复杂度,增强了模型的可用性。(3)针对降维后的模型,分析了油井满抽状态和非满抽状态模型的上升、保持和下降三个阶段沉没度变化趋势,给出了相应的沉没度与抽油速度变化规律的判别条件,以及油井状态相互转换的判别准则。(4)在此基础上,研究了非线性插值和最小二乘曲线拟合两种数值求解应用方法。由非线性插值法得到了相应的特征方程,利用单侧单调唯一解定理证明了其解的唯一存在性;由最小二乘曲线拟合法得到了使沉没度二范数误差达到最小的特征方程,并证明了其在(0,1)开区间解的唯一存在性。最后,针对数值求解方法进行了误差估计,给出了二分法数值求解的迭代次数估算公式,并进行了相关数值求解误差验证。测试结果表明,运用所提出的油井抽油沉没度综合模型,可以有效地实时监测油井抽油过程沉没度的变化;结合所提出的应用方法,可以获得任意时间点对应的沉没度。所提出的模型与应用方法对制定合理的抽油方案、实施合理的开采方法提供了一定的理论支持。
其他文献
油气田工业中的设备检测是工业安全生产的重要环节。传统的检测方式需要消耗大量的人力、物力,且无法在短时间内准确的检查所有设备。近年来,随着计算机技术的飞速发展,在油气田工业设备检测中,深度学习逐渐有了广泛的应用。经典的目标检测算法Faster RCNN,在工业领域该模型具有一定的局限性。为了能够更好的应用于油气田工业,本文对Faster RCNN的区域生成网络、分类器分别提出改进方案,主要研究工作包
利用深度学习技术对岩心图像进行研究,是近年来计算机视觉领域的一个研究热点。岩心图像往往包含大量的背景信息,且容易受到光照、拍摄设备等因素的影响,如何对识别目标进行精确定位并提取更具有表达力的特征,是研究岩心图像分类算法的基本问题之一。针对以上问题,本文提出了基于深度学习的岩心图像分类算法。主要工作如下:(1)构建一种基于混合域注意力机制的岩心图像分类算法。针对已有岩心图像识别算法存在特征信息易丢失
深度信息是理解场景三维几何关系的重要组成部分,准确有效的深度信息有助于更好地理解场景。现如今深度信息通常通过深度传感器来获取,但由于其硬件成本高及场景受限等原因难以推广使用,因此直接从二维图像中获取深度信息的研究受到广泛关注。图像深度估计就是直接从二维图像中获取深度信息的技术,是计算机视觉领域重要的研究课题之一。传统的深度估计方法大多对设备有较高要求且计算复杂,加大了深度信息获取的难度。得益于计算
随着计算机技术的高速发展,计算机辅助诊断技术在医学图像领域取得了较好的成果。核磁共振成像技术(Magnetic Resonance Imaging,MRI)是目前辅助医生诊治脑瘤疾病的重要成像方法,通过提取复杂医疗图像中的病灶区域,可以为后续的分析与处理工作提供依据。为取得更好的图像分割效果,很多研究人员致力于将改进型的卷积神经网络用于脑瘤MRI图像分割,但由于脑瘤图像缺乏简单的线性特征,复杂度较
油田措施方案是油田增产的重要资料,其中蕴含着很多知识和经验,如何从中抽取知识用于优化措施方案,提高增产效果,是油田亟待解决的问题。对于油田措施方案中知识的抽取,本文主要从标注语料库、命名实体识别和实体关系抽取三方面对油田措施方案中知识抽取方法进行了研究,最后选择效果较优模型,结合油田措施方案知识开发了油田措施方案知识抽取系统。针对油田措施方案的标注语料匮乏问题,本文结合油田措施方案知识的特点对该领
无人机的自主着陆是其飞行中的重要环节,而对无人机进行精准定位是保障无人机安全稳定着陆的前提。传统的GPS(Global Positioning System)、RTK(Real Time Kinematic)等定位方式易受极端天气、卫星状况以及电离层等因素的影响,无法满足高精度定位、适应性强等要求。视觉定位是一种利用摄像机进行定位的技术,其抗干扰能力强、定位精度高,能适应大多数无人机着陆场景。本文
多字段数据,又称为表格数据,是机器学习领域最为经典,应用最为广泛的数据类型。随着深度学习的发展,各种用于多字段数据领域的深度学习模型被不断提出。而特征表示作为影响深度学习模型性能的一个重要因素,对从数据中获取更多有价值的信息具有重要意义。离散化是特征表示中的一项重要技术。近年来的研究表明,离散化在许多模型中均能起到正面作用。但在深度学习中,通常仍对定性特征编码并对定量特征归一化,而没有对离散化的作
显微CT是一种非破坏性的3D成像技术,可以在不破坏样本的情况下了解样本的内部显微结构。在石油地质领域,岩石作为最基本的研究对象,其特性能够直接反映出油气田的分布和存储能力。通过对将显微CT应用于岩芯样本而得到的岩芯断面CT图像进行计算机视觉处理,可实现岩石物性特征分析和计算的目的。在图像超分辨率领域中,深度学习可以依靠图像驱动来获得较优的网络模型,该类模型可直接从低分辨率图像重建出高分辨率图像,且
油气井工程的智能化研究对于增加油气田产能、降低实际操作成本和促进油气井管理水平精细化发展具有重要意义,但是在现实开采中总是充斥着机器故障频发、及时监控困难和产量水平不可控等问题,给高效地完成油气井开采工作形成了阻碍。机器学习方法在油气井开采中相关关键问题的解决上起到了推动作用,可以有效地降低各种干扰因素的影响,减少客观问题引起突发情况的发生概率,提高油气田产量和经济效益。本文以提升油气井智能化水平
随着信息化技术的不断发展,石油行业对油田生产过程的精准监控提出了新的需求,为了获取生产现场的实时工况,实现对油田生产的远程管理,就需要对采油现场的一些数据进行采集,这些实时数据是可以通过施工现场的仪器仪表获得的,本文主要对油田中仪器仪表自动化识读技术的可行性展开研究。机器视觉(Computer Vision)是专门研究用机器来模拟生物视觉功能的学科,又被称为计算机视觉,是当前精密测量领域发展的一个