神经网络用于油田地面集输管道结垢预测

利用典型的误差反传神经网络理论,对油田地面集输管道结垢进行预测和评判,避开了各种因素对其结垢影响规律的难题,准确地预测和评判地面集输管道的结垢情况。应用人工神经网络分析某油田地面集输系统管道的结垢情况后表明,人工神经网络无需建立数学模型,学习过程通过自动调节神经元之间的连接权值完成,在选取有代表性的训练样本情况下,人工神经网络能够成功地预测和评判地面集输管道的结垢情况。     

三元复合驱掺水系统结垢影响规律研究

在三元复合驱生产过程中,包括掺水管道、掺水炉等在内的地面掺水集输系统中存在严重的淤积、结垢,直接造成集输能耗上升,设备、管线极易损坏或寿命缩短等一系列威胁油田正常开发的生产难题。以大庆杏北油田三元复合驱开发区块为研究对象,分析了其地面掺水系统中的结垢物组成。并通过模拟试验研究了影响掺水系统结垢的因素与规律。结果表明,掺水系统中是集硅垢、碳酸垢、腐蚀垢等于一体的含油混合垢,且以硅垢为主,含量占到45%以上。掺水温度、掺水量、掺水压力及含聚浓度均对结垢有影响,但在三元复合驱集输系统正常生产工况条件下,含聚浓度对于垢质的沉积具有更显著的影响。500 mg/L左右的见聚浓度是结垢速率的高峰期。     

基于化学动力学的地层硫酸钡结垢模型研究

成垢离子在地层中发生沉淀反应的规律与普通水溶液中的不尽相同。多孔介质渗流过程中的扩散与沉淀反 应的反应系数需要通过岩芯流动实验中所测得的出口端钡离子浓度拟合得到。在已有的岩芯结垢模型与地层结垢模 型求解方法中,需要分别假设入口端与近井地带边界处的钡离子与硫酸根离子的浓度比远小于1,这一假设使模型有 很大的局限性。采用罗巴托与牛顿法求解岩芯结垢模型,取消了关于离子浓度比的假设;并详细推导了地层结垢模 型,修正了控制方程中的二阶项系数,研究了低硫酸根离子浓度的海水作为注入水的情况下,不同无因次扩散系数,无 因次化学反应系数,边界浓度比对地层结垢模型中阻力系数的影响。结果表明,采用低硫酸根离子浓度注入水降低边 界离子浓度比,阻力系数将大大降低;若离子浓度比与无因次反应系数降低相同的百分比,前者将导致更大的阻力系 数减幅。     

吴定区块多层系开发采出液集输系统的堵塞机理

针对吴定区块多层系开发油井集输管线中堵塞严重的问题,对不同层系的采出水化学组成进行分析,按照均匀设计原理对各层系采出水不同配比进行结垢类型与趋势预测,结合不同位置堵塞物的化学容量分析、X-荧光光谱半定量分析和采出水腐蚀性评价结果对集输管线中的堵塞物形成机理进行了分析研究。结果表明:吴7增侏罗系采出水高含碳酸盐,结垢类型以CaCO_3垢为主,含有一定量的硫酸锶钡垢,延4+5与延10两个层系的采出水水质不配伍,应将其分开输送;吴8增三叠系硫酸盐含量较高,结垢类型主要为硫酸锶钡垢型,长2、长4+5和长6三层系集输的最佳比例为2∶47.5∶14;吴7增侏罗系和吴8增三叠系堵塞物分析结果与结垢趋势预测基本一致,同时堵塞物中Fe离子含量较高主要是由腐蚀严重引起的。吴定区块多层系开发油井集输管线堵塞主要是由结垢和腐蚀的相互作用引起的无机物堵塞。     

高温高压气藏地层水结垢规律实验研究

针对目前国内外缺乏直接检测高温高压地层水离子含量设备的问题,设计了测试高温、高压条件下实际气藏流体中地层水离子含量及结垢量的静态实验。采用实际气藏流体进行了高温高压PVT 分析及离子含量检测实验,测试不同条件下水中气、气中水含量及地层水离子组成,确定地层流体结垢量,综合研究了高温高压地层水相态变化和离子含量的变化规律及其内在联系。结果表明：随地层压力降低,天然气在水中的溶解度降低,水的蒸发加剧,地层水矿化度升高,结垢趋势增加。一定的低压高温条件下,地层流体中的无机盐结垢且结垢量随压力降低而增加,随温度降低而减小;实际地层流体结垢量比脱气地层水低且结垢量随温度压力的变化趋势更为明显。     

长输管道悬索跨越结构损伤的试验模拟与识别

结构的损伤会导致结构模态参数的变化,通过获取不同损伤模式下结构的模态参数并经过分析对比,可实现对结构的损伤模式识别.为此,针对咸阳至宝鸡天然气输气管道工程的渭惠渠悬索跨越结构,制作了缩尺比例为1∶8的悬索桥模型结构,针对悬索桥模型结构进行了完好状态和3种基本损伤模式状态下的输入白噪声和地震波的振动试验研究,得到了多组长输管道悬索桥模型结构在完好状态和不同损伤状态下的频率参数;且采用目前广泛应用的神经网络BP网络实现了对长输管道悬索桥完好状态和3种主要损伤模式的识别.     

基于BP神经网络的精对苯二甲酸回收系统水含量预测模型

采用电导率法测量精对苯二甲酸回收系统水含量,考察了电导率与水含量、金属离子浓度及温度的关系。以温度、金属离子浓度、电导率为输入变量,通过BP人工神经网络贝叶斯正则化算法建立水含量预测模型。优化后的BP神经网络模型结构为3-13-1,动量因子为0.75。使用优化的模型对水含量进行预测,测试集最大绝对相对偏差为4.36%,平均绝对相对偏差为0.96%,表明所建立的神经网络模型可较好地用于预测精对苯二甲酸回收系统的水含量。     

超大能力超细全尾砂长距离自流输送临界流速ELM预测

 为准确预测司家营铁矿超大能力超细全尾砂浆体长距离管道自流输送的临界流速,对比传统的BP 神经网络、支持向量机(SVM),建立了以管道直径、物料平均粒径、浆体体重和体积浓度为输入因子,临界流速为输出因子的极限学习机(ELM)预测新模型。研究结果表明,ELM 模型与SVM 模型的相对误差均控制在5%以内,远低于BP 神经网络模型的9.56%。由于隐层节点参数均随机选取且无需调节,使得ELM 算法在隐层节点数为110 和200 时,训练时间仅为0.02 s 和0.05 s,远少于同节点状态SVM 模型的0.04 s 和0.095 s,且隐含节点数越多,训练时间差距越大,运算效率越高。     

油田注入井井筒碳酸盐结垢初始阶段影响因素研究

针对油田注入水结垢问题,通过室内实验研究了温度、材质、pH值、粗糙度和离子浓度等对油田常用钢材碳酸盐结垢初始阶段的影响。实验结果表明,温度升高促进碳酸盐结垢,温度增加20℃,前8 h平均结垢速率增大35%左右;油田常用3种钢材中A3钢碳酸盐结垢量最小,24 h结垢量比N80的结垢量少27%左右,12 h内J55钢结垢速率大于N80。试样表面粗糙度越大,碳酸盐结垢速率越大,打磨试样砂纸由800~#变为400~#,同时间段结垢量平均增加15%。溶液pH值减小和离子浓度增加,试样结垢速率增大。离子浓度增加一倍,同时间段结垢量增加28%。因此较多地采用A3钢和尽可能降低管材表面粗糙度,通过必要的水处理来降低注入水离子浓度、保持注入水的pH值在一定范围内均可以有效延长碳酸盐结垢诱导期,减小设备清洗频率。     

汽轮机叶片结垢在线诊断的一种新方法

克服以往对汽轮机故障诊断侧重于对振动信号的监测与分析,而对热力参数重视不够的局限从对热力状态参数的监测与分析出发,以汽轮机叶片结垢为例,了汽轮机叶片结垢与热力养育 关系;并以热力计算结果为训练样本,建立了判别结垢程度的神经网络模型,经实例验证,该模型可以较准确地判明叶片结垢程度。．