油田伴生气脱硫胺液无机膜净化工业试验研究

目的解决中国石化西北油田分公司所产高含硫伴生气在脱硫过程中因胺液发泡引起的拦液冲塔及净化气中H₂S含量超标问题。 方法分析生产过程中存在的问题及其产生的原因,开展了伴生气脱硫胺液无机膜净化工业应用试验研究。 结果分析结果表明,伴生气夹带的固体颗粒物和油泥在胺液中累积及吸收过程伴生气中重烃凝析形成的乳化状油滴是导致胺液发泡、吸收效率低的主要原因。无机膜错流过滤净化胺液工业试验结果表明,该技术可使净化后胺液中油质量浓度和固体质量浓度均降低95%以上,且污染后的无机膜通过清洗即可恢复通量。胺液净化后,通过工艺优化,系统胺液质量分数由32%提高到40%,净化气中H₂S质量浓度降至10 mg/m³以下,系统能耗降低25%以上。 结论采用伴生气脱硫胺液无机膜净化工艺后,胺液发泡性能显著降低,消除了拦液现象,解决了因胺液发泡引起的拦液冲塔和净化气中H₂S含量超标问题,脱硫效率得到提高。该工艺在高含硫复杂伴生气脱硫过程的成功应用,可为同类装置提供参考。      

管道悬空灾害的分布式光纤实时监测方法研究

管道悬空是较为常见的一种结构病害形式，随着悬空长度的不断增加将可能导致管道断裂，但是目前还缺乏管道悬空灾害的实时监测技术。根据管－土相互作用机理，提出了一种基于分布式光纤监测管道悬空状态的方法，并通过模型试验对方法的有效性进行验证。试验结果表明该方法能够实时监测管道任意位置的纵向应变，并且可以根据应变数据的分布特征准确识别管道悬空的发展变化情况。     

基于门控循环单元神经网络的测井曲线预测方法

为了减少泥浆侵入对测井曲线的影响，许多油田采用随钻测井技术，需先预测未钻地层测井曲线，这对随钻测井具有非常重要的指导作用。为此，提出一种基于门控循环单元神经网络（GRU）预测未钻地层测井曲线的方法，该模型将长短期记忆神经网络（LSTM）的输入门和遗忘门合并成更新门，输出门变成重置门，使模型结构简单，不易出现过拟合现象，保留LSTM模型的长时记忆功能，且能有效缓解梯度消失或梯度爆炸问题。以新疆油田直井和南海西部油田随钻测井的实际测井数据为例，选取已钻地层以及邻井的自然伽马、深感应电阻率、声波时差、密度和井径5条测井曲线数据作为训练样本输入到LSTM和GRU模型中进行学习训练，将训练好的模型用于预测未钻地层的测井曲线。应用结果表明，GRU比LSTM模型在新疆油田和南海西部油田预测测井曲线的平均相关系数分别提高13.78%和12.13%，平均均方根误差分别下降27.08%和42.17%，GRU模型能够准确地预测未钻地层测井曲线的变化趋势。