文档库 最新最全的文档下载
当前位置:文档库 › 基于人工神经网络的煤层气井产能预测研究_杜严飞

基于人工神经网络的煤层气井产能预测研究_杜严飞

基于人工神经网络的煤层气井产能预测研究_杜严飞
基于人工神经网络的煤层气井产能预测研究_杜严飞

★经济管理★

基于人工神经网络的煤层气井产能预测研究*

杜严飞1,2

 吴财芳3,4 杨庆龙3,4 薛佳佳5

(1.国土资源部页岩气资源勘查重点实验室(重庆地质矿产研究院),重庆市渝中区,400042;2.重庆市页岩气资源与勘查工程技术研究中心(重庆地质矿产研究院),重庆市渝中区,4000423.中国矿业大学资源与地球科学学院,江苏省徐州市,221008;

4.煤层气资源与成藏过程教育部重点实验室,江苏省徐州市,221008;

5.中国矿业大学理学院,江苏省徐州市,221008

) 摘 要 基于时间序列预测思想构建了适合于煤层气井产能预测的B

P神经网络模型。以潘庄CM1井为预测实例,结果表明:该模型能够较为准确地预测出煤层气井未来30天的产能变化,其产气量和产水量预测平均相对误差分别为1.35%和3.88%,从而可为煤层气井排采制度的调整提供依据。

关键词 BP神经网络 煤层气井 产能预测中图分类号 TD-9 文献标识码 A

!*基金项目:国家科技重大专项项目(2011ZX05034);国家“973”项目(2009CB219605)

;国家自然科学基金重点项目(40730422

);青年科学基金项目(40802032)Study on coalbed methane well productivity prediction by using 

artificial neural networkDu Yanfei 1,

2,Wu Caifang3,

4,Yang 

Qinglong3,

4,Xue Jiajia5

1.Key Laboratory of Shale Gas Exploration,Ministry 

of Land and Resources,Chongqing Institute of Geology and Mineral Resources,Yuzhong,Chongqing 

400042,China;2.Chongqing Engineering 

Research Center for Shale Gas Resource &Exploration,ChongqingInstitute of Geology and Mineral Resources,Yuzhong,Chongqing 

400042,China;3.School of Mineral Resources and Geosciences,China University 

of Miningand Technology,Xuzhou,Jiang

su 221008,China4.Key Laboratory of CBM Resource and Reservoir-generating Process,China Ministry 

of Education,Xuzhou,Jiangsu 221008;5.School of Sciences,China University of Mining &Technology,Xuzhou,Jiangsu 221116,China) Abstract In order to achieve the purpose of real-time dynamic monitoring 

and forecastingthe coalbed methane well productivity

,so build the BP neural network model that based on timeseries prediction idea suitable for coalbed methane well productivity 

prediction.Use PanzhuangCM1well for forecast instance,the results show that:this model can accurately 

predict the pro-ductivity change of the CBM wells in the next 30days,the average relative error of gas produc-tion and water production forecast respectively 1.35%and 3.88%,thus provide the basis for theadjustment of the coalbed methane wells drainage sy

stem.Key words BP neural network,coalbed methane well,productivity prediction 在煤层气井的实际排采过程中,为了尽最大可

能地提高煤层气井的排采效率和采收率,需根据产能大小的变化,不断适当地调整排采工作制度。如

果我们能够较为准确地预测出煤层气井未来短期、中期或长期的产能大小变化,势必将为排采工作制度的调整提供科学的依据,从而采取适宜的排采工作制度,促进煤层气的开发。本文基于以上实际开

发需求,利用BP神经网络强大的非线性预测能力构建适合于煤层气井产能预测的网络预测模型,利用构建好的预测模型对煤层气未来产能变化进行准

基于人工神经网络的煤层气井产能预测研究*

确预测,使其达到对煤层气井产能实时动态监测和预测预报的作用。1 BP神经网络简介

BP(Back Propagation)神经网络是一种使用BP算法进行学习的多层前馈神经网络,其最突出的优点是具有很强的非线性映射能力和泛化能力,可从大量复杂的数据中学习知识,抽象出一般性规律。BP神经网络结构由输入层、隐含层和输出层组成,其中隐含层可以有多层。在工程预测中,经常使用的是三层BP神经网络结构,见图1。这种神经网络结构的特点是:每一层内的神经元之间无任何连接,相邻层神经元之间具有单向连接,隐含层的激励函数采用非线性的S型函数,输出层的激励函数为线性函数

图1 三层BP神经网络结构

2 BP神经网络煤层气井产能预测模型设计

为了达到对煤层气井产能的实时动态监测,本文基于时间序列预测思想来构建网络预测模型,利用煤层气井前期的排采数据来训练和检验网络,根据检验效果不断调整和优化网络结构,直至达到满意,最终确定出适合于煤层气井产能预测的BP网络结构。运用构建好的网络预测模型,对煤层气井未来30天内的产能大小进行预测。整个预测过程由MATLAB7.11软件编程实现。2.1 网络层数的确定

虽然BP神经网络的非线性映射能力可以通过增加隐含层的数目来提高,但隐含层的数目过多,反而会降低网络的预测性能。通常神经网络的网络结构不能过于复杂,因为复杂的网络结构需更多的参数,会降低网络的预测精度。由万能逼近定理可知,含一个隐含层的3层BP网络,只要隐节点数足够多,就能以任意精度逼近有界区域上的任意连续函数。因此,本文选取含有一个隐含层的3层BP网络。

2.2 输入输出向量的选取和样本数据的处理

在煤层气井实际生产过程中,煤层气井前期的产水量、产气量和井底流压对未来煤层气井的产能变化关联性较大,同时数据也易于收集。为了选取恰当的输入向量,本文设计了多种网络输入方案,并通过对数十口煤层气井产能的模拟预测实验,最终确定15个参数,见表1。这些参数作为煤层气井产能预测模型的输入向量,未来30天每天的产能为输出向量。

表1 网络输入向量

节点

节点含义节点

节点含义X1前一天产气量X9前七天平均产水量X2前一天产水量X10前15天平均产气量X3前一天井底流压X11前15天平均产水量X4前三天平均产气量X12前15天平均井底流压X5前三天平均产水量X13前30天平均产气量X6前三天平均井底流压X14前30天平均产水量X7前七天平均产气量X15

前30天平均井底流压

X8

前七天平均产水量

为了避免原始数据过大造成网络麻痹,提高网络的泛化能力,需利用式(1)对其训练样本和目

标样本数据进行归一化处理。

x′=

x-xmin

xmax-xmin

(1

)式中:x′———归一化处理后的数据;x—

——原始样本数据;xmin———样本数据中的最小值;xmax———样本数据中的最大值。式(1

)可变换为:x=x′(xmax-xmin)+xmin

(2

) 原始数据可由式(

2)进行反归一化。2.3 学习参数的选取

(1

)初始权值的选取。初始权值的选取对于网络预测系统的学习是否达到局部最小、是否能够收敛以及学习时间的长短具有重要的影响。选取的初始权值过大,会使得加权后的输入和落在S型激励函数的饱和区,最终会导致权值的调节过程几乎停顿下来,网络无法收敛。为了保证每个神经元都能够在它们的S型激励函数变化最大处进行调节,应使初始加权后的每个神经元的输出值都尽可能接近于零。因此,本文选取初始权值为(-1,1

)之间的随机数。

1中国煤炭第38卷第12期2012年12月

(2)学习速率的选取。学习速率是影响BP学习算法收敛速度的关键,它决定着每一次循环训练中所产生的权值变化量。选择大的学习速率,可能导致系统不稳定,网络出现振荡而无法收敛;小的学习速率会使网络学习过慢,迭代次数增加,从而延长了收敛时间。但为了保证网络的误差值不跳出误差表面的低谷而最终趋于最小误差值,一般倾向于选取较小的学习速率。通常学习速率的选取范围为0.01~0.8之间。

本文拟采用学习速率自适应调整算法来不断地调整学习速率,从而减少网络的迭代次数和学习时间。本文初始学习速率的取值为0.1。

2.4 激励函数的选取

双曲正切函数和对数函数(Sigmoid函数)都具有饱和非线性特征,可增强网络的非线性映射能力。同时,它们还有非线性放大系数功能,双曲正切函数可把(-∞,+∞)的输入数据变成(-1,+1)之间的输出,而Sigmoid函数可把(-∞,+∞)的输入数据变换成(0,+1)之间的输出。线性函数(pureline函数)可以使网络输出(-∞,+∞)之间的任意值。

不同激励函数网络收敛速度统计见表2。本文经多次实验证实,采用双曲正切函数作为隐含层激励函数网络收敛速度相对较快,输出层采用线性函数,网络预测效果较为理想,故网络隐含层采用双曲正切函数,输出层采用线性函数。

表2 不同激励函数网络收敛速度统计表

隐含层激励函数

双曲正切函数

产气量产水量

对数函数

产气量产水量

网络收敛

平均迭代次数

15 50 40 1342.5 训练函数的选取

BP网络的训练函数有数十种,MATLAB7.11中大都有相应的命令函数,为了确定最快捷准确的训练函数,本文经实验对比采用训练效果较好的L-M法作为网络的训练函数。不同训练函数的实验结果对比见表3。

迭代次数和收敛精度是评价网络训练性能的常用指标。在网络收敛精度一定的条件下,迭代次数越少,网络训练性能越好;迭代次数一定时,收敛精度越高,网络训练性能越佳。从表3中可以看出,运用trainlm函数(L-M法)训练网络时,只需平均收敛29次就可达到0.001的收敛精度,在众多训练函数中训练效果最好。

表3 不同训练函数的实验结果对比

函数名称迭代次数收敛精度

Train 2000 0.035

Adapt 2000 0.009

Trainb 2000 0.0056

Traingda 2000 0.0032

trainlm 29 0.001

traingd 2000 0.0027

traingdm 1893 0.001

traincgf 235 0.001

通过上述可知,本文设计的网络预测模型为:含一个隐含层的3层BP网络,输入节点数为15,输出节点数为30,初始权值为(-1,1)之间的随机数,初始学习率为0.1,隐含层激励函数为双曲正切函数,输出层为pureline函数,训练函数为L-M法训练函数。

3 实证分析

选取潘庄CM1井为预测实例。CM1井位于潘庄西侧,排采目标煤层为3号煤层,煤层埋深465m。该井从2008年1月1日开始排采,现今仍在排采,本次资料截止到2010年7月11日,共922天。至2010年7月11日,该井累计产水915.6m3,日产水量0~2.5m3,平均日产水量0.99m3,日产水量较小;累计产气3658768m3,日产气量0~4969m3,平均日产气量3968m3;2008年2月20日开始产气,稳定产气873天(近2年5个月),日产气量介于2000~4979m3,前期产气量相对稳定,后期波动较大,见图2。

选取2009年2月7日至2009年9月25日连续230天的排采数据为原始样本数据,其中,前200天的排采数据为训练样本,后30天的排采数据为检验样本。通过网络训练,并输入检验样本,最终预测结果见表4和图3~图6。

BP神经网络能够较为准确地预测出未来30天内的产气量大小,预测结果的平均相对误差为1.35%。CM1井排采生产曲线见图2。从图2中可以看出,产气量预测值与实际值之间偏差较小,变化趋势基本一致。相对误差频数分布直方图(产气量预测)见图4。在预测的30天中,有12天的预测误

基于人工神经网络的煤层气井产能预测研究*

差小于1%,有8天的预测误差在1%~1.5%之间,只有2天的预测误差大于3%,最大误差为5.02%,

表明该模型具有较好的预测稳定性和可靠性

图2 CM1

井排采生产曲线

图3 BP神经网络产气量预测结果对比图

BP神经网络也能够较为准确地预测出未来30天内的产水量大小,但相比产气量预测精度较低,平均相对误差为3.88%,均方误差为0.0266。从

图4中可以看出,产水量预测值与实际值的变化趋势基本一致,在预测的30天中,有9天的预测误差小于1%

图4 相对误差频数分布直方图(产气量预测)

表4 BP神经网络产能预测结果

日期产气量

实际值

/m

3·d-1预测值

/m

3·d-1绝对误差

/m3·d-1相对

误差/%产水量

实际值

/m3·d-1预测值

/m

3·d-1绝对误差

/m3·d-1相对

误差/%2009-8-27 4708 

4694

-15

-0.31 0.70 0.69

-0.006-0.872009-8-28 4708 4685-23-0.49 0.80 0.80-0.003-0.432009-8-29 4708 4682-27-0.56 0.90 0.90-0.005-0.542009-8-30 4708 4661-48-1.01 0.80 0.81 0.010 1.242009-8-31 4708 4646-62-1.32 0.70 0.72 0.024 3.422009-9-1 4512 4615 103 2.28 0.80 0.82 0.016 2.032009-9-2 4512 4567 55 1.22 0.80 0.81 0.015 1.822009-9-3 4512 4523 11 0.24 0.70 0.72 0.020 2.912009-9-4 4662 4503-159-3.40 0.60 0.63 0.028 4.672009-9-5 4662 4541-120-2.58 0.90 0.90 0.004 0.402009-9-6 4662 4578-84-1.80 0.90 0.90-0.001-0.122009-9-7 4662 4611-51-1.08 0.70 0.71 0.014 2.062009-9-8 4611 4646 35 0.76 0.70 0.70 0.000 0.022009-9-9 4611 4668 57 1.24 0.30 0.32 0.018 5.842009-9-10 4611 4695 84 1.82 0.20 0.21 0.008 3.792009-9-11 

4611 

4712 

101 

2.18 

0.10 

0.09

-0.008

-7.80

1中国煤炭第38卷第12期2012年12月

日期

产气量

实际值

/m3·d-1

预测值

/m3·d-1

绝对误差

/m3·d-1

相对

误差/%

产水量

实际值

/m3·d-1

预测值

/m3·d-1

绝对误差

/m3·d-1

相对

误差/%

2009-9-12 4632 4708 76 1.65 0.30 0.26-0.035-11.682009-9-13 4632 4689 57 1.24 0.80 0.72-0.082-10.192009-9-14 4632 4656 24 0.52 0.70 0.65-0.049-7.052009-9-15 4632 4630-2-0.04 0.70 0.68-0.020-2.922009-9-16 4632 4612-20-0.44 0.60 0.61 0.007 1.152009-9-17 4554 4602 48 1.05 0.80 0.79-0.007-0.822009-9-18 4842 4599-243-5.02 0.70 0.70-0.003-0.402009-9-19 4842 4680-162-3.34 0.20 0.24 0.044 22.242009-9-20 4842 4769-73-1.52 0.35 0.37 0.017 4.862009-9-21 4872 4852-20-0.40 0.50 0.49-0.013-2.642009-9-22 4872 4909 37 0.77 0.80 0.76-0.045-5.612009-9-23 4872 4920 48 1.00 0.90 0.85-0.048-5.282009-9-24 4868 4914 46 0.95 0.80 0.78-0.023-2.832009-9-25 4868 4889 21 0.42 0.70 0.69-0.006-0.81

有8天的的预测误差大于3%,最大误差达22.24%,表明产水量预测网络模型波动性相对较大,究其原因,是由于产水量受外界因素影响较大,如停电或水泵冲次的调整等都会造成产水量的突然变化,极大地影响了网络的预测精度

4 结论

(1)利用人工神经网络理论,在实验分析的基础上,建立了BP神经网络煤层气井产能预测模型。预测网络模型为:含一个隐含层的3层BP网络,输出节点数为15,输出节点数为30,初始权值为(-1,1)之间的随机数,初始学习率为0.1,隐含层激励函数为双曲正切函数,输出层为pureline函数,训练函数为L-M法训练函数。

(2)以潘庄区块CM

井为预测实例,实例分析表明:BP神经网络能够较为准确地预测出煤层气井未来30天的产能变化,其产气量和产水量预测平均相对误差分别为1.35%和3.88%。可以满足生产实践的精度需求,能够达到对煤层气排采井产能预测预报、实时监测的作用,为排采工作制度的调整提供依据。

参考文献:

[1] 吴观茂,黄明,李刚.基于BP神经网络的瓦斯含量预测[J].煤田地质与勘探,2008(1)

[2] 孟召平,田永东,雷旸.煤层含气量预测的BP神经网络模型与应用[J].中国矿业大学学报,2008

(4)

[3] 吴财芳,曾勇,张子戌.自适应神经网络在瓦斯含量预测中的应用[J].辽宁工程技术大学学报,

2003(5)

[4] 郭峰,郝天轩.基于数量化理论的瓦斯含量预测模型研究[J].中国煤炭,2008(11)

[5] Huang Wei.A general approach based on autorrele-tion to determine input variables of neural networks

for time series forecasting[J].Journal of Systems

Science and Complexity,2004(3)

[6] 刘卫国.MATLAB程序设计教程[M].北京:中国水利水电出版社,2005

(下转第17页)

基于人工神经网络的煤层气井产能预测研究*

布,该企业大物流体系的规划建设应该更多地考虑建立具有多功能综合型的“储洗配运”型的中游物流节点,这些节点就可以不再局限于单纯的煤炭储存买卖,而是通过配煤、洗煤加工来实现自我增值,这样就能更好地降低单一储煤型物流节点的经营风险,增强产业链中中游节点与上下游节点的联动发展功能。这样的设计会大大地提升物流节点的功能集成度以及发展规模,并让其具备较大的服务延伸空间,最终实现区域型大型煤炭物流体系的建立。

按照上述煤炭大物流体系的设计,离不开基于上述大物流体系的信息化机构。其中,系统总体构建包括业务构架、技术构架、应用构架。业务构架包括管理和业务两条线。其中,管理线包括战略管理、经营管理、综合管理、审计管理、技术安全、财务管理、人力资源、资产管理。业务线包括营销管理、订单管理、调度管理、运输管理、储配煤管理、配送管理、理赔管理、结算管理。技术架构包括软件计算模式、流程管理、应用集成、数据中心。其中,软件计算模式基于B/S模式、C/S模式。流程管理包括业务流程、管理流程。应用集成基于SOA构架。数据中心包括市级公司数据中心、县级公司数据中心。应用构架包括客户层、决策层、资源支持层、作业层。其中,客户层包括信息门户、外部门户、内部门户。决策层包括决策支持系统、统计查询子系统、商务智能子系统。资源支持层包括决策支持系统(协同办工子系统、文档管理子系统)以及资源管理系统(资产管理/人力资源/财务管理/供应商管理子系统、客户关系管理子系统)。作业层包括生产作业系统,内含订单管理/运输管理/仓储管理/配送管理/采购管理/销售管理/国际货代/结算管理子系统。

参考文献:

[1] 蒋立群.供应链管理提升流通企业竞争力[J].北京物资流通,2008(3)

[2] 赵鲁华,曹庆贵.中国煤炭物流中心宏观选址布局探讨[J].中国煤炭,2012(1)

[3] 曹卫东,阎伍玖.淮北市煤炭物流发展与空间布局研究[J].中国煤炭,2009(1)

[4] 阎世春.公路煤炭物流e化应用[J].中国煤炭,2008(1)

[5] 吕涛.煤炭供应链的系统结构与协调机制[J].中国矿业大学学报(社会科学版),2009(1)

[6] 彭红军,周梅华,刘满芝.大型煤炭供应链集成决策模型及应用[J].计算机集成制造系统,2009

(9)

[7] 韩广,夏英伟.关于中国煤炭物流信息化的分析[J].中国煤炭,2009(4)

[8] 梁姗姗,周敏.煤炭企业物流模式选择思路研究[J].煤,2007(1)

[9] 刘祺.山西煤销集团构建煤炭物流新体系[J].物流科技,2010(3)

[10] 管小俊.煤炭物流运输网络风险评价及均衡保持关键问题研究[D].北京交通大学,2010

作者简介:刘文涛(1966-),女,贵州紫云人,贵州财经大学管理科学与工程管理学院教授,研究方向:管理科学、工程管理、物流管理。

(责任编辑 张大鹏

檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶檶

(上接第13页) 

[7] 陈杰.MATLAB宝典[M].北京:电子工业出版社,2010

[8] 葛哲学,孙志强.神经网络理论与MATLAB R2007实现[M].北京:电子工业出版社,2007

[9] 董长虹.Matlab神经网络与应用[M].北京:国防工业出版社,2007

[10] 施彦,韩力群,廉小亲.神经网络设计方法与实例分析[M].北京:北京邮电大学出版社,2009[11] 史忠植.人工神经网络[M].北京:高等教育出版社,2009[12] 张良均,曹晶,蒋世忠.神经网络实用教程[M].北京:机械出版社,2008

[13] 丛爽.面向MATLAB工具箱的神经网络理论与应用[M].合肥:中国科学技术大学出版社,2009

作者简介:杜严飞(1983-),男,汉族,山东济宁人,硕士,毕业于中国矿业大学矿产普查与勘探专业,现为重庆地质矿产研究院技术员,主要从事资源勘查方向的研究。

(责任编辑 张大鹏)

基于煤炭大物流体系的战略规划和企业实现案例研究

A油田井网优化调整可行性研究

A油田井网优化调整可行性研究 摘要:分析了A油田高含水期产量递减、含水上升的主要影响因素,并提出了井网优化调整方式。利用数值模拟、综合分析等方法对A油田一断块的油层动用状况、剩余油分布情况进行了研究,阐述了窄小砂体油田高含水期井网优化调整的可行性及方法,为进一步改善油田开发效果提供借鉴。 关键词:井网优化窄小砂体剩余油注采关系 一、主要影响因素 (1)砂体发育规模小且分布零散。研究表明,A油田主体河道砂呈南北向分布,砂体宽度100-200m,同排相邻2口以上的井钻遇同一条河道砂体井数仅占钻遇河道砂体井数的6.9%。与长垣北部油田相比,单层厚度较薄,砂体发育规模较小,侧向连续性和连通性较差。 (2)单向连通比例大。A油田水驱控制程度72.9%,其中单向连通比例高达36.3%。各类微相中,连通比例范围在3.6-35.9%之间,反映出不同微相间水驱控制程度差别较大。 (3)部分区块油水井数比大。A油田目前总油水井数比为1.90,正常开井的油水井井数比为1.92,五个断块油水井数比都在2.0以上,说明A油田目前井网仍然不适应,从单砂体来看,普遍存在有注无采、有采无注等情况。 二、井网优化调整可行性研究 2.1加密调整对象 (1)目前井网控制住的砂体,但因注采关系不完善或物性差而没有动用、动用差的储层。 (2)因砂体发育规模小,原井网控制不住,而新井网能够钻遇的砂体。 2.2加密调整潜力 (1)原井网未动用和动用差的储层潜力。根据A油田一断块60口井环空测试资料统计,平均单井未动用和动用差的厚度为2.07m。 (2)井网控制不住的储层潜力。统计A油田二次加密井完钻后可调厚度情况,平均单井新钻遇砂岩层数为1.2个,占可调层数的27.9%,钻遇厚度为1.2m,占可调厚度的25.6%,新钻遇砂体比例较高,说明A油田砂体规模小、分布零散,井网对砂体的控制程度低,具有一定的加密调整潜力。

煤层气排采技术规范

煤层气排采技术规范

煤层气企业标准 煤层气井排采工程技术规范 (试行) 2008-08-18发布2008-08-18实施

煤层气企业标准 煤层气井排采工程技术规范 1范围 本标准规定了煤层气井排采工程施工过程中各工序的技术标准,包括排采总体方案的制定、泵抽系统、排采设备及地面流程的安装、场地标准、下泵作业、洗井、探冲砂、资料录取、分析化验、总结报告编制等技术要求。 本标准适用于煤层气井的排采作业工程。 2引用标准 下列标准所包含的条文,通过对标准的引用而成为本规范的条文。 中联煤层气有限责任公司煤层气井排采作业管理暂行办法 SY/T 5587.6-93 油水井常规修井作业起下油管作业规程 SY/T 5587.7-93 油水井常规修井作业洗井作业规程 SY/T 5587.16-93 油水井常规修井作业通井、刮削套管作业规程 SY/T 5587.5-93 油水井常规修井作业探砂面、冲砂作业规程 SY/T5523-92 油气田水分析方法 SY/T6258-1996 有杆泵系统设计计算方法

3 排采总体方案的制定 3.1基本数据 3.1.1钻井基本数据 钻井基本数据包括地理位置、构造位置、井别、井型、施工单位、目的层、开钻日期、完钻日期、完井日期、钻井周期、完钻井深、完钻层位、最大井斜、井深、方位、人工井底、补芯高。 3.1.2完成套管程序 完成程序包括套管规范、下深、钢级、壁厚、水泥返高、固井质量、短套管、油补距。 3.1.3煤层深度、厚度及射孔井段 3.1.4解吸/吸附分析成果 包括含气量、含气饱和度、临界压力 3.1.5注入/压降测试及原地应力测试数据 包括渗透率、表皮系数、储层压力、压力梯度、研究半径、煤层温度、闭合压力、闭合压力梯度、破裂压力等。 3.2 排采总体方案 3.2.1排采目的 3.2.2排采目的层及排采方式 3.2.3排采设备及工艺流程设计 3.2.4排采周期 3.3工艺技术要求 3.3.1动力系统 3.3.2抽油机 3.3.3泵挂组合

煤层气钻井中的几个关键技术问题

煤层气钻井中的几个关键技术问题 2008-11-17 来源 关于煤层气 1.1煤层气的成因及主要成份 煤层气是一种在含煤岩层中,以腐植性有机物质为主的成煤物质在成煤过程中自生、自储式非常规的天然气,俗称瓦斯,主要成分为CH4,占90%以上。煤层气在煤层中生成,并以吸附、游离状态储存在煤层及邻近岩层之中。 1.2煤层气的危害 煤层气一直被看作是对煤矿开采造成严重安全威胁的有害气体,在煤炭开采史中,由于煤层气导致了多起瓦斯、煤尘爆炸事故和煤与瓦斯的突出事故。煤层气的主要成分甲烷是具有强烈温室效应的气体,其温室效应要比CO2大20倍,散发到大气中的甲烷污染环境,导致气候异常,同时大气中的甲烷消耗平流层中的臭氧,而臭氧减少使照射到地球上的紫外线增加、形成烟雾,还可诱发某些疾病,危害人类健康。 1.3煤层气的利用 另一方面,甲烷作为煤层气的主要成分,其常温下的发热量为3.43~ 3.71MJ/Nm3,其热值与天然气相当,是一种高效、洁净的非常规天然气,可以用作民用燃料,也可以用于发电和汽车燃料,还是化工产品的上等原料,具有很高的经济价值。 1.4山西沁水潘庄矿区煤层气开发 山西沁水潘庄矿区煤层气开发已经初具规模,其中由中联公司开发的煤层气井日产气量平均在2000m3以上,主要用作化工及工业燃料、汽车燃料等,山西晋城煤业集团所属的寺河煤矿正在建设全国最大的120MW燃气轮低热值煤层气发电站。 1.5煤层气钻井工艺 煤层气钻井工艺基本和石油钻井工艺相似,都是在井眼钻成后,全井下生产套管,固井,然后通过射孔、压裂等工艺,最后达到采气的目的。一九四队从2006年8月起在山西沁水县为中联公司施工煤层气井,已成功完井6口,进尺2800多米,实现产值300余万元。本文结合煤层气井施工的实际,提出煤层气井钻井施工中防止井斜、钻井液固相控制、煤层钻进、下套管和固井这四个关键性技术问题。 2.煤层气钻井施工中的几个关键技术问题 2.1钻井防斜 2.1.1煤层气钻井对井斜的要求 由于在钻井完成后,还要进行射孔、压裂、安装井下装置等后续施工,对于钻井质量中的井斜有严格的要求,井深500m井斜0~1.0°为优质,1.0~2.5°为合格,超过2.5~3.0°为不合格,超过3.0°为报废。 2.1.2造成井斜的主要原因

基于BP神经网络的电力系统负荷预测

基于人工神经网络的负荷预测 1.人工神经网络概述 人工神经网络类似于一个“多输入-多输出”的黑匣子,由一些能并行操作的简单单元组成,整个网络的功能是由单元之间的互连所决定的。 人工神经网络是通过“训练-调整-再训练-再调整”的过程,使得一个特定的输入能够通过网络得到一个特定的输出,其实质是通过调整单元之间的相互影响参数。其结构如下图1: 图1 神经网络结构图 2.题目要求及说明: 以广东某城市的2004年7月20日到7月30日的负荷值以及2004年7月 21日到7月31日的气象特征状态作为网络的训练样本,来预测7月31日的电

2.程序源代码 P=[0.2452 0.1466 0.1314 0.2243 0.5523 0.6642 0.7015 0.6981 0.6821 0.6945 0.7549 0.8215 0.2415 0.3027 0; 0.2217 0.1581 0.1408 0.2304 0.5134 0.5312 0.6819 0.7125 0.7265 0.6847 0.7826 0.8325 0.2385 0.3125 0; 0.2525 0.1627 0.1507 0.2406 0.5502 0.5636 0.7051 0.7352 0.7459 0.7015 0.8064 0.8156 0.2216 0.2701 1; 0.2016 0.1105 0.1243 0.1978 0.5021 0.5232 0.6819 0.6952 0.7015 0.6825 0.7825 0.7895 0.2352 0.2506 0.5; 0.2115 0.1201 0.1312 0.2019 0.5532 0.5736 0.7029 0.7032 0.7189 0.7019 0.7965 0.8025 0.2542 0.3125 0; 0.2335 0.1322 0.1534 0.2214 0.5623 0.5827 0.7198 0.7276 0.7359 0.7506 0.8092 0.8221 0.2601 0.3198 0; 0.2368 0.1432 0.1653 0.2205 0.5823 0.5971 0.7136 0.7129 0.7263 0.7153 0.8091 0.8217 0.2579 0.3099 0; 0.2342 0.1368 0.1602 0.2131 0.5726 0.5822 0.7101 0.7098 0.7127 0.7121 0.7995 0.8126 0.2301 0.2867 0.5; 0.2113 0.1212 0.1305 0.1819 0.4952 0.5312 0.6886 0.6898 0.6999 0.7323 0.7721 0.7956 0.2234 0.2799 1; 0.2005 0.1121 0.1207 0.1605 0.4556 0.5022 0.6553 0.6673 0.6798 0.7023 0.7521 0.7756 0.2314 0.2977 0]'; T=[0.2217 0.1581 0.1408 0.2304 0.5134 0.5312 0.6819 0.7125 0.7265 0.6847 0.7826 0.8325; 0.2525 0.1627 0.1507 0.2406 0.5502 0.5636 0.7051 0.7352 0.7459 0.7015 0.8064 0.8156; 0.2016 0.1105 0.1243 0.1978 0.5021 0.5232 0.6819 0.6952 0.7015 0.6825

文79小块相控井网优化配置技术研究

文 79小块相控井网优化配置技术研究 X 邵智敏 (中原油田分公司采油四厂,河南濮阳 457176) 摘 要:文79小块油藏属高压低渗油藏,储层平面、层间非均质性较强,导致油藏平面见效不同步,层间储量动用不均衡,开发井网对剩余油适应性变差。2011年以来,针对油藏存在的矛盾,开展了沉积微相研究、剩余油分布规律研究及井网配置关系研究,并应用于矿场实践,油藏注采井数比由1∶1.2提高到1∶1,储量动用程度由47.2%上升到54.3%,增加7.1个百分点,采油速度由0.12%提高到1.15%,提高1.03个百分点,油藏采收率提高6个百分点,开发效果得到较大改善。 关键词:文79小块;难动用储量;细分沉积单元;井网优化配置 中图分类号:T E32+ 4 文献标识码:A 文章编号:1006—7981(2012)11—0103—02 文79小块位于东濮凹陷中央隆起带文留构造南部,属高压低渗油藏,平均油层中部深度3100m 左右,平均孔隙度为15.6%,储层总体非均质性较强。文79小块经过近二十多年的勘探开发,已进入中后期。层间储量动用不均衡,开发井网对剩余油适应性变差。2011年以来,针对油藏存在的矛盾,开展了沉积微相、剩余油分布规律及井网配置关系的研究,并应用于矿场实践,开发效果得到较大改善。1 相控井网优化配置研究 1.1 沉积微相研究 文79小块沙二下亚段沉积沉积环境为间歇性涨缩湖盆。将文79断块区与文33断块区整体研究,认识到:一是物源主要来自西部;二是由北向南水动力条件逐渐变弱,水下分流河道砂体规模变小。本次研究以文33块沙二下沉积剖面为基础,利用原标志18个,增加辅助标志19个,展开文南全区地层对比划分,制作多条剖面对比闭合,统一文南油田沉积单元对比划分标准,将该区沙二下亚段由46个小层划选择SRME 的方法去除)通常对于海底鸣震这样的短周期多次波可以选择预测反褶积方法压制多次,而海底多次波则选择SRME 方法压制。 [参考文献] [1] D .J .Ver schuur 著,陈浩林,张保庆,刘军等 译.地震多次波去除技术的过去、现在和未来[M ].北京:石油工业出版社. [2] 文鹏飞,徐华宁.952南区多道地震多次波压 制方法[J].南海地质研究,94~99. [3] 张金强,牟永光.多次波压制的自适应方法 [J].石油地球物理勘探,2002,37(3),209~ 215. [4] 闫桂琼,何玉华,龚建明,等.多次波压制技术 适用性分析[J ].海洋地质动态,2010,26,(8),42~45. [5] 李丽君.改进的波场外推海底多次波压制方法 [J ].海洋地质前沿,2011,27(4),61~64. [6] 李丽青,梁蓓文,徐华宁.海上单道地震资料中 多次波的衰减[J].2007,46(5):457~462.[7] 李鼎民,王克明,仵永强.新疆伊犁地区多次波 压制技术应用研究[J].2008,30(3):232~233. The overview of marine data multiple wave attenuation technology XU Yun-xia (Guangzhou Marine Geology Survey,Guangzhou,510760,China) Abstr act:As the sea-ming marine seismic data,seabed reflection,bottom r efection wave causes the phenomenon of multiple data very serious,so go to the many waves of ocean data on a data processing to remove the main content.T his article summarizes the many waves of ocean data generated,the type and the main removal methods. Key wor ds:Multiple Wave;Produce;T ype;Removal Methods;Data Processing 103  2012年第11期 内蒙古石油化工 X 收稿日期35 作者简介邵智敏(),河南省濮阳市中原油田采油四厂地质研究所,工程师,6年毕业于中国石油大学(华东) 石油工程专业,主要从事油藏开发地质研究。 :2012-0-2:1979-200

煤层气井压裂技术现状研究及应用

煤层气井压裂技术现状研究及应用 摘要:煤层气其主要成分为高纯度甲烷。煤层气开发的主要增产措施是压裂,而压裂设计是实施压裂作业的关键。本文介绍了煤层气储层的特征,并根据美国远东能源公司煤层气井压裂工艺技术,对其在山西寿阳区块几口井的压裂设计进行了分析。讨论了煤层气井压裂设计的主要参数如施工排量、压裂液、支撑剂、加砂程序的优化措施。 关键词:煤层气储层压裂设计小型压裂测试树脂涂层砂 1 引言 美国是率先进行煤层气开采的国家,其煤层气工业起步于70年代,大规模的发展则是在80年代。我国是世界上煤炭资源最丰富的国家之一,经测算煤层甲烷总资源量为30~351012 m3,约是美国的三倍。我国煤层气目前处于商业化生产的阶段。至今已在全国各煤矿区施工600多口煤层气井、10余个井组,大部分进行了压裂增产等措施。煤层气是我国常规天然气最现实、最可靠的替代能源,开发和利用煤层气可以有效地弥补我国常规天然气在地域分布上的不均和供给量上的不足。山西省是中国煤层气储量最丰富的地区之一,开发利用煤层气的优势十分突出,如何坚持科学发展的指导思想,解决开发利用过程中遇到的难点和瓶颈问题,达到合理有效地开发利用是我们当前应该着重思考的问题。 2 煤层气概况 煤层气俗称瓦斯,其主要成分为高纯度甲烷,是成煤过程中生成的、并以吸附和游离状态赋存于煤层及周岩的自储式天然气体,属于非常规天然气。在亿万年漫长的煤炭形成过程中,都有以甲烷为主的气体产生,如果它较多地从母质煤炭岩层中游离迁移出来并进入具有孔隙性和渗透性均良好的构造中储存积聚,则被称为煤成气(即煤基天然气),其开采方式与常规天然气较相似。 2.1 煤层气的赋存特点 煤层气藏与常规气藏最大的差异就是煤层甲烷不是以简单的游离状态储存于煤岩的孔隙中,煤层气中90%以上均是吸附状态附着于煤的内表面上,少量的煤层气是以游离状态储存于煤岩的割理、裂隙和孔隙中,还有部分煤层气是以溶解状态储存于煤层水中。煤是一种多孔介质,其中微孔隙特别发育,形成了异常巨大的内表面面积,据测定每吨煤的内表面面积可达0.929亿m2 。煤的颗粒表面分子通过范德华力吸引周围气体分子,这是固体表面上进行的一种物理吸附过程。压力对吸附作用有明显影响,国内外的研究均表明,随着压力增加,煤对甲烷的吸附量逐渐增大。 2.2 煤层气储层特征

毕业设计:基于BP神经网络的短期电力负荷预测(终稿)

毕业设计:基于BP神经网络的短期电力负荷预测(终稿)西安工业大学北方信息工程学院 题目:基于BP神经网络的短期电力负荷预测 系别电子信息工程系 专业电气工程及其自动化 班级 B070307 姓名宋亮 学号 B07030716 导师张荷芳焦灵侠 2011年6月 毕业设计(论文)任务书 系别电子信息系专业电气工程自动化班 b070307 姓名宋亮学号 b07030716 1.毕业设计(论文)题目: 基于bp神经网络的短期电力负荷预测题目背景和意义:电力系统是由电力网、电力用户组成,其作用就是对各类用户尽可能经济2. 地提供可靠而合乎标准要求的电能,以随时满足负荷要求。但是由于电力的生产与使用具有 其特殊性,即电能是不能储存的。这就要求系统发出电力随时紧跟系统负荷的变化动态平衡, 否则,就会影响供用电的质量。电力系统负荷预测因此发展起来,成为工程科学中重要的研 究领域,是电力系统自动化中一项重要内容。在电力系统安排生产计划和实际运行的过程中,

负荷预测起着十分重要的作用,主要表现在以下几个方面: (1)经济调度的主要依据。对电力 系统来说,必须对用户提供可靠而经济的电能,以随时满足各类用户的要求,亦即满足用户 的负荷需求,而在另一方面,又要考虑生产成本,由于电能不能大量储存,因此必须在确保 系统安全的情况下尽量减少实时发电备用容量。(2)生产计划的要求。电力系统中,由于其可 靠性的要求,各种发、供电设备都有确定的检修周期。(3)电力系统安全分析的基础。电力事 故所造成经济损失和社会影响是巨大的,必须尽量避免。 3.设计(论文)的主要内容(理工科含技术指标): 负荷预测并达到一定误差范围之内。 4.设计的基本要求及进度安排(含起始时间、设计地点):电子系实验室1-5周;开题,针对原理及应用、主要技术难点的收集资料,熟悉课题方案。 6-10周; 完成方案论证,确定设计方案。 10-15周;利用Matlab对系统做进一步的仿真分析 16-18周;完成所有的设计工作,整理资料,完成毕业论文,准备答辩。 5.毕业设计(论文)的工作量要求 400机时 *? 实验(时数)或实习(天数): 100天 *? 图纸(幅面和张数):A4×2 ? 其他要求: 论文:15000字以上;外文翻译:5000字以上 指导教师签名: 年月日 学生签名: 年月日 系主任审批: 年月日

煤层气井钻井井控实施细则

煤层气钻井井控实施细则(暂行) 中石油煤层气有限责任公司 ○二一一年四月

目录 一一一总则 一一一风险评估和分级管理 一一一一级风险井井控管理 一一一二级风险井井控管理 第五章防火、防爆措施 第六章井控应急救援 第七章井控技术培训 第八章井控管理制度 第九章附则

第一章总则 第一条煤层气是一种以吸附态吸附在煤的微孔隙表面的气体,需要通过排水降压方式才得以采出,是一种非常规气藏。 第二条为了进一步推进煤层气钻井井控工作科学化、规范化,提高井控管理水平,有效预防井喷事故的发生,保证人民生命财产安全,保护环境和油气资源不受破坏。参照中国石油天然气集团公司《石油与天然气钻井井控规定》,结合煤层气自身开发特点制定本实施细则。 第三条本实施细则适用于煤层气勘探开发钻井工程施工作业,进入所辖地区的所有钻井队伍及相关技术服务队伍应执行本细则。 第二章风险评估和分级管理 第四条井控风险评估 根据煤层气特点,将煤层气钻井作业风险划分为两级,按二 级井控风险进行管理。 一级风险井:预探井、含浅层气和CO2、H2S等有毒有害气体的开发井、评价井。 二级风险井:不含浅层气和CO2、H2S等有毒有害气体的详探(评价)井、开发井。 第五条井控分级管理 (一)井控装备配套 一级风险井必须安装防喷器,二级风险井在满足一次井控的条件下,可不安装防喷器。

(二)管理要求 一级风险井:相关建设单位在公司专业管理部门的指导下全 面进行管理。 二级风险井:相关建设单位独立进行全面管理。 第三章一级风险井井控管理 第六条井控设计是钻井地质和钻井工程设计的重要组成 部分,公司地质、工程设计部门要严格按照井控设计的相关要求进行井控设计,需由公司主管部门负责审核审批。 第七条钻井井口距离高压线及其它永久性设施不小于75m,距民宅不小于100m;距铁路、高速公路不小于200m;距学校、医院、油库、河流、水库、人口密集及高危场所等不小于500m。若安全距离不能满足上述规定,应组织进行安全、环境评估,并制定有针对性的井控措施和应急预案。 第八条地质设计应根据物探资料及本构造邻近井和邻构造的钻探情况,提供本井全井段预测的地层压力系数、浅气层、有毒有害气体资料和复杂情况。 第九条工程设计应根据地层压力系数、浅气层资料、岩性剖面及安全钻进的需要,设计合理的井身结构和套管程序,绘制 各次开钻井口装置及井控管汇安装示意图,并提出相应的安装、试压要求。 第十条工程设计应根据地质设计提供的资料进行钻井液设计,钻井液密度以各裸眼井段中的最高地层孔隙压力当量钻井液密度值为基准,另加一个安全附加值0.02g/cm3~0.15g/cm3;具

基于BP神经网络的短期电力负荷预测

西安工业大学北方信息工程学院 本科毕业设计(论文)题目:基于BP神经网络的短期电力负荷预测 系别电子信息工程系 专业电气工程及其自动化 班级B070307 姓名宋亮 学号B07030716 导师张荷芳焦灵侠 2011年6月

毕业设计(论文)任务书 系别 电子信息系 专业 电气工程自动化 班 b070307 姓名 宋亮 学号 b07030716 1.毕业设计(论文)题目: 基于bp 神经网络的短期电力负荷预测 2.题目背景和意义:电力系统是由电力网、电力用户组成,其作用就是对各类用户尽可能经济地提供可靠而合乎标准要求的电能,以随时满足负荷要求。但是由于电力的生产与使用具有其特殊性,即电能是不能储存的。这就要求系统发出电力随时紧跟系统负荷的变化动态平衡,否则,就会影响供用电的质量。电力系统负荷预测因此发展起来,成为工程科学中重要的研究领域,是电力系统自动化中一项重要内容。在电力系统安排生产计划和实际运行的过程中, 负荷预测起着十分重要的作用,主要表现在以下几个方面: (1)经济调度的主要依据。对电力系统来说,必须对用户提供可靠而经济的电能,以随时满足各类用户的要求,亦即满足用户的负荷需求,而在另一方面,又要考虑生产成本,由于电能不能大量储存,因此必须在确保 系统安全的情况下尽量减少实时发电备用容量。(2)生产计划的要求。电力系统中,由于其可 靠性的要求,各种发、供电设备都有确定的检修周期。(3)电力系统安全分析的基础。电力事 故所造成经济损失和社会影响是巨大的,必须尽量避免。 3.设计(论文)的主要内容(理工科含技术指标): 负荷预测并达到一定误差范围之内。 4.设计的基本要求及进度安排(含起始时间、设计地点):电子系实验室 1-5周;开题,针对原理及应用、主要技术难点的收集资料,熟悉课题方案。 6-10周; 完成方案论证,确定设计方案。 10-15周;利用Matlab 对系统做进一步的仿真分析 16-18周;完成所有的设计工作,整理资料,完成毕业论文,准备答辩。 5.毕业设计(论文)的工作量要求 400机时 ① 实验(时数)*或实习(天数): 100天 ② 图纸(幅面和张数)*:A4×2 ③ 其他要求: 论文:15000字以上;外文翻译:5000字以上 指导教师签名: 年 月 日 学生签名: 年 月 日 系主任审批: 年 月 日 说明:1本表一式二份,一份由学生装订入册,一份教师自留。 2 带*项可根据学科特点选填。

煤层气钻井与完井技术

煤层气井钻井完井技术浅议 蒋作焰 【摘要】:煤层在储层物性、机械力学性质及储集方式等方面具有与常规油气储层不同的特征;这些特征决定了煤层气井钻井、取心、完井及储层保护诸技术的特殊性。据此,我们从钻井完井工程的角度分析了现有技术存在的问题和制约煤层气开发效果的主要因素。研究并形成了一整套煤层气井的取心技术、储层保护技术和完井技术。这套技术应用于中国多个煤层气试验开发区,不仅满足了地质评价的需要,也为实现煤层气工业性开采起到了积极推动作用。 【关键词】:煤层气钻井技术完井技术 【作者】:蒋作焰2006年毕业于长江大学石油工程专业,中原石油勘探局钻井一公司工程师。

前言 煤层气又称煤层甲烷,是一种优质高效清洁能源。凭借良好的安全效益、环保效益和经济效益,煤层气的勘探开发已在国际上引起广泛的关注。我国煤层气资源十分丰富,但是目前我国的天然气勘探开发还处于起步阶段。中原钻井通过多年的攻关研究和试验,形成并掌握了一整套适合煤层气的钻井完井工艺技术,其内容包括:煤层造穴技术、连通技术、煤层井眼轨迹控制技术、水平分支井技术、充气欠平衡钻井技术、煤层绳索取心技术、煤层气完井技术、煤储层保护技术、煤层气井完井技术等。 一、煤层气井钻井完井的特殊性 煤层气钻井完井技术是建立在煤层地质力学性质及开采要求基础之上的。煤层具有不同于其他储层的特殊地质特性表现在以下几个方面: 1、井壁稳定性差,容易发生井下复杂故障。 煤层机械强度低,裂缝和割理发育,均质性差,存在较高剪切应力作用。因而煤层段井壁极不稳定,在钻井完井过程中极易发生井壁坍塌、井漏、卡钻甚至埋掉井眼等井下复杂。 2、煤层易受污染,实施煤层保护措施难度大。 煤层段孔隙压力低且孔隙和割理发育,极易受钻井液、完井液和固井水泥浆中固相颗粒及滤液的污染;但在钻井完井过程中,为安全钻穿煤层,防止井壁坍塌,又要适当提高钻井液完井液的密度,保持一定的压力平衡。这就必然会增加其固相含量和滤失量,加重煤层的污染。因此,存在着防止煤层污染和保证安全钻进的矛盾,从而使实施煤层保护较油气层更为困难。 3、煤层破碎含游离气多,取心困难。

基于井网差异性研究优化注采调整对策

基于井网差异性研究优化注采调整对策 发表时间:2019-10-24T15:54:55.413Z 来源:《科学与技术》2019年第11期作者:杨红 [导读] 对不同类型剩余油分类部署井网,优化中渗油藏开发中后期的井网配置,形成了适合本油藏特点的井网配置技术。 中石化胜利油田现河采油厂郝现管理区 摘要:研究油区中低渗透油藏为主,独特的地质特点造成了目前主要存在着砂体发育不均匀、储层非均值严重,部分单元井网井距不适应;注采井距不适配,驱替不均衡;单井产注能力低等问题。在沉积微相研究的基础上,运用单砂体平面图和沉积微相图叠合法,通过勾绘含水分级图来半定量研究分析水淹状况及剩余油潜力。井网适配差异调整技术就是针对中低渗油藏的上述问题,通过优化调整,提高注采井网的有效性;转变思路,变单一措施为开发技术;精细注水,实现油藏有效均衡驱替,进一步夯实中低渗油藏稳产基础,取得了较好效果。 关键词:井网井距不适应;井网适配差异;均衡驱替;注采调整 不同类层单独组网,既一类层、二三类层单独组成独立的注采井网,是中渗油藏后期保持稳定开发的必要手段。油藏经过多年的注水开发,层间和平面矛盾突出,加上油水井合注合采,注水及见效见水关系复杂,注水流线模糊,剩余油分规律性差,认识困难。为改善油藏开发效果,利用沉积微相精细描述技术开展单砂体沉积微相研究,明确沉积微相展布规律,在沉积微相控制下开展单砂体相控剩余油研究,定量定性描述剩余油分布,针对不同类型剩余油分类部署井网,优化中渗油藏开发中后期的井网配置,形成了适合本油藏特点的井网配置技术。 1 前言 中低渗油藏动用含油面积123.4平方公里,动用地质储量1.08亿万吨,主要包含沙三段、沙四段两套含油层系,其中沙三段油藏主要分布在中央隆起带西段,埋藏深度在2950-3500米,主要为多层透镜体、及单一岩性储层;沙四段油藏主要分布在南坡地区通王断裂带、洼陷东缘地区,埋藏深度从1340-3100米,主要为构造复杂的多薄层、及部分构造简单的单一岩性储层。中低渗油藏地质储量比重占采油厂已动用储量的31.3%,是保持可持续稳定发展的重要阵地。 2 井网适配调整的背景 油区中低渗油藏主要以浊积砂岩油藏为主,标定采收率18.3%。油区中低渗透油藏目前主要存在着砂体发育不均匀、储层非均值性严重,部分单元井网井距不适应;注采两难与水淹水窜并存,平面层间动用不均衡;能量保持水平低,单井产注能力低,油藏潜力发挥不充分等问题。2016年以来,中低渗油藏以提高注采井网的适应性及有效性为目标,通过区块的持续加密调整,对其他区块立足“数砂体完善”,在不打井的情况下,通过井网适配,协调注采关系,进一步夯实稳产基础,取得了较好效果。 3 井网适配调整的主要做法 3.1 优化方式,提高注采井网有效性。 3.1.1 “三定一优”矢量井网加密。 针对平面非均质性严重、注采井距大的问题,在深化储层物性、非均质性、地应力研究的基础上,实施“以地应力定井排方向、分区域定注采井距、分情况定矢量调整对策、优化注水方式”的“三定一优”矢量井网加密,提高采收率。调整后,区块水驱控制程度提高7.7%,自然递减率为降低4.5%,注采对应率由77.3%上升至80.9%;层段合格率提高5.4%;水井治理初见成效,地层能量得到一定补充,油藏稳产基础得到进一步增强。 3.1.2 核注翼采,转方向,调流线。 针对储层非均质性差异造成砂体核部水淹水窜现象,通过转注变流线,提高波及面积。2016年,砂体核部转注工作量实施8井次,油井见效率68%,起到了防止水窜,调整流线,确保油井见效的良好效果。 3.1.3 水转油,井网归位,提高储量控制。 针对区块井网不完善的现象,优选水井转油井,井网归位,提高储量控制程度。水转油井网归位工作量实施6井次,效果显著,目前已累计增油4349吨。如区块的A井2016年1月水转油,井网归位后效果明显,初期日增油5.1吨/天,累增787吨。 3.1.4 立足砂体井组式完善。 针对中低渗油藏部分单元砂体零散,井网不完善的问题,2016年加大了立足砂体、井组完善力度,首先通过水井强化注水,提高地层能量,特别是补孔未射层,增加油水井注采对应率,实现油井注水见效;然后通过油井补孔水井对应注水层,提高油井产能。统计2016年共实施油井工作量25口,已累增油6159吨。 3.2 转变思路,变措施为井网完善方式。 2016年坚持将工艺技术发挥到极致,最大限度提高工艺性价比的理念,将水力压裂和水力径向射流技术从增产增注措施转变为井网完善方式,利用压裂裂缝和径向钻孔适配井网,实现压头前移,实现实际注采井距满足理论注采井距的需求。 3.2.1 变压裂增产措施为井网完善方式。 2016年以来区块实施老井压裂适配井网8井次,建立了有效的驱替压差。如B井区设计压裂半缝长120米。该井实施后初增能3.3吨/天,累增687吨。 3.2.2 水力径向射流,平面变方向变长度,纵向变孔密变长度对井网进行适配。 区块共实施水力径向射流13井次,使井网得以有效适配。平面变方向变长度:如C井,根据理论测算,技术极限井距240米,实际注采井距327米。为改善井网适应程度,实施水力径向射流,在北东130°和北东310°各钻3个孔,避开主流线,挖掘分流线剩余油。水力径向射流后有效注采距离缩短到230米,对应油井也见到效果,日油由3.3吨/天上升到6.1吨/天。纵向变孔密变长度:如对层内吸水差异大的问题,对不同岩性段,不同渗透率层段通过变射孔孔密及钻孔长度,根据吸水剖面测试,吸水差异得到改善。 3.3 精细调整,实现油藏有效均衡驱替。 3.3.1 堵调结合,均衡三场。针对井组平面水驱不均衡问题,开展堵水试验。堵调实施10天后对应油井相继见效,井组日油比调前增加5吨/天,综合含水下降了10.7%,井组累增油260吨。 3.3.2 矢量配注,激动压差。针对部分井组注水见效差、水淹水窜现象,加大矢量调配工作,激动压差、均衡注采流线,保持井组产量的相

煤层气井排采工操作手册

煤层气井排采操作手册中石油煤层气公司韩城分公司

目录 一、名词解释 二、煤层气排采基本原则 三、韩城煤层气地质特征 四、韩城煤层气排采特点 五、韩城煤层气井排采制度要求 六、煤层气井排采资料录取要求 七、排采巡井工岗位职责 八、排采住井工岗位职责 九、排采工作业流程 十、排采设备检查保养要求 十一、典型案例 基础篇 一:名词解释 1、煤层气:就是指在煤层内产生和赋存的天然气,其主要成分是 甲烷(CH4),约占70%以上,又称煤层甲烷、煤层吸附气或煤层瓦斯,它是煤层气的一种,是一种非常规天然气。煤层气与常规天然气最大不同点就在于煤岩既是它的储集岩又是生气原岩,它是煤层煤化作用的结果。煤的储集性和煤中天然气的储集是整个成煤作用过程的结果。 2、煤储集岩石学方面的参数:主要指煤阶、煤的显微组分、煤的 显微硬度。煤阶通过测定煤中镜质组反射率(R0)来确定。其余则用反光显微镜区分,同时亦可以求得割理宽度和密度。

3、煤阶:表示煤在埋藏历史中,沉积物有机质在成分和结构上经 历了一系列变化,其过程称之为煤的变质作用或煤化作用。可 以用多种物理和化学参数来表征煤的变质程度,常见的煤阶参 数有固定碳含量、镜质组反射率、水分含量。煤阶是影响割理 发育的主要因素。通常,低媒阶的煤割理不甚发育,到烟煤系 列时割理发育。割理面最密集的主要发生在低挥发分烟煤煤阶 附近,高于低挥发分烟煤煤阶,割理或裂缝又不发育,标本上 表现为割理封闭。 4、煤岩工业分析参数:该类参数是指煤的固定碳、挥发分、灰分、 水分,目的是对煤岩性能质量作出评价以及在煤储层评价中校 正含气量。 5、煤显微硬度:显微镜下可识别的煤的显微组分的抗压强度。不 同煤级和不同显微组分的显微硬度不同。在研究中,一般以均 质镜质体的显微硬度为代表。它是用专门的显微硬度仪进行测 定的。随着煤级的增高,煤显微硬度也有变化。 从褐煤到超无烟煤,煤的显微硬度值是增大的;同一煤级中,当镜质组还原性增强时,煤显微硬度略微降低;同一煤样中,煤显微硬度最大值与最小值间亦存在微小差异,反映出非均一性。 6、煤层含气量:是散失气量、解析气量和残余气量之和。散失气 量是指现场取出的含气煤心在装入解析罐之前释放出的气量; 解析气量是指煤心装入解析罐之后解析出的气体总量;残余气 量是指终止解析后仍留在煤中的那部分气量。对煤层气开采有 实际意义的是散失气量和自然解析气量,两项之和占总含气量 百分率越大,对煤层气开采越有利。 7、煤储层压力:是指煤层孔隙内流体所承受的压力,即通常所说 的孔隙流体压力。 8、临界解析压力:临界解析压力是指在煤层降压过程中气体开始 析出时所对应的压力值。可以根据临界解析压力与煤层压力了 解煤层气早期排采动态,临界解析压力越接近地层压力,排水 采气中需要降低的压力越小,越有利于气体降压开采,据此可 为制定煤层气排采方案提供重要依据。 9、地解比:地解比是临界解析压力与原始地层压力的比值。据此 比值可以预测产气高峰期到来的时间及是否可以高产。临界解 析压力越接近原始地层压力,含气饱和度愈高,高产富集条件 愈优越。据已勘探开发的数据,可将地解比划分为高地解比(>

人工神经网络在电力负荷预测上的分析与探讨

人工神经网络在电力负荷预测上的分析与探讨 作者:赵宇红胡玲刘旭宁 来源:《科技创新导报》2011年第02期 摘要:电力负荷的预测是电力系统规划的基础,对配变系统和新发电厂的建立具有重要意义。传统的预测方法是通过数学模型来分析电力负荷与其影响因素之间的关系,但由于实际工作中的不可预见因素较多,因此很难建立一个适用于任何情况的表达式。本文通过对人工神经网络在短期电力负荷预测中应用的分析,对其优缺点进行了探讨。 关键词:电力负荷预测人工神经网络应用人工神经网络的分析与探讨 中图分类号:TM76 文献标识码:A 文章编号:1674-098x(2011)01(b)-0090-01 对电力系统负荷的预测对于实现安全发供电、电力系统的自动化运行以及制定工作计划都有着非常重要的意义。传统的预测方法是将线形或分段线形表达作为负荷的预报函数,通过对其进行概率及数理统计的方式对其进行计算,并最终得出预测值。这种方法存在着建模所需的数据量大、适应性不强以及精度不高的问题,因此正逐渐被人工神经网络预测所取代。 1 日负荷模型的构成 电力系统负荷变化的周期性较强,因天气的变化而出现的负荷波动是导致电力系统负荷变化的主要因素,也就是说,N时刻负荷的变化量可以反映出天气的变化情况。因此,用向量的方式来表示负荷型,从而使全部的自变量相对于神经网络来说都属于输入量的中间分量,进而在自变量中隐含负荷与天气变化之间的函数关系。因此,日负荷模型的构成主要包括日基础负荷型和负荷影响因子模型。 1.1 日基础负荷模型 日基础负荷具有明显的周日性和周期性特征,代表了负荷的连续性,是负荷变化的基本规律。 ML[n,t]=∑(1-w)w(i-1)·L[n-(i·7),t] 其中ML[n,t]代表的是日基础负荷; L[n,t]代表的是第n天t时刻的实际负荷; W代表的是加权系数,取指小于1大于0;

煤层气井排采制度探讨总结

煤层气井排采制度探讨总结 1、稳定生产阶段。这一阶段储层特性将决定气、水产量和生产时间。此时环空液面应低于生产层,而且井口压力应接近大气压。随着排采的进行,压力的下降,在近井地带形成一个很小的低含水饱和区,有助于解吸气体流人井筒。此时,生产制度平稳,不要频繁更换油嘴改变生产压差。尽管在开始排采的前几周,产气量较低,达不到设计产量,但从长远的观点看,有助于保证今后生产的正常进行,减少故障发生。(任源峰.煤层气排采中的技术管理[J].油气井测试,2003,12(5):66-68.) 2、当储层压力接近解吸压力时要特别注意,这时易产生一个突变,一般表现为气产量突然增大,套压增大,有时气会将环空水带出,造成环空液面突然下降。(任源峰.煤层气排采中的技术管理[J].油气井测试,2003,12(5):66-68.) 3、由于继续排水,液面缓慢下降,同时逐步加大油嘴使套压降低,减小套压利于储层中更多的水进入井筒并疏干井筒附近的水,目的是在环空液面降低到泵的吸人口后,地面压力长期保持在正常工作的范围(O.05~0.1MPa)。(任源峰.煤层气排采中的技术管理[J].油气井测试,2003,12(5):66-68.) 4、加大油嘴直径,套压下降,产气量上升;反之,减小油嘴直径,套压上升,产气量下降。一般油嘴直径为3~7mm,套压不低于0.05MPa。(任源峰.煤层气排采中的技术管理[J].油气井测试,2003,12(5):66-68.) 5、对产水量大的井,需长期的排采才能使压力逐步下降,不可能在很短时间内将液面降低到要求的范围。因此,有些供液能力强的井,需要一个很长的排采周期。(任源峰.煤层气排采中的技术管理[J].油气井测试,2003,12(5):66-68.) 6、检泵时最好不洗井,一旦需要检泵,在砂面不埋煤层的情况下最好不要洗井,如必须洗井,最好用煤层产出的水,这样可防止煤层污染。另外,尽量缩短检泵作业时间,可缩短恢复产气的时间。检泵后,排采降液仍需一个缓慢的过程,切不可降液幅度太大,急于产气。(任源峰.煤层气排采中的技术管理[J].油气井测试,2003,12(5):66-68.) 7、排采流压的控制依靠控制液面来实现,要及时调整排采工作制度,使环

基于BP神经网络的短期负荷预测

基于BP神经网络的短期负荷预测 基于BP神经网络的短期负荷猜测 摘要:基于人工神经网络原理,设计了一个三层的BP网络来实现电力系统的短期负荷猜测。经过仿真验证,利用BP神经网络进行电力系统短期负荷猜测是可行和有效的,其预告结果正确性很高。 要害词:短期负荷猜测;BP神经网络;电力系统 0前言 电力系统负荷猜测是电力生产部门的重要工作之一,通过正确的负荷猜测,可以经济合理地安排机组启停,减少旋转备用容量,合理安排检修计划,降低发电成本,提高经济效益。很多学者对此进行了研究,提出了很多种猜测方法,并且及时地将数学上的最新进展应用到猜测中去,使猜测的水平得到迅速提高,负荷猜测研究取得了很大的进展。 1负荷的分类及其短期猜测的方法 1.1负荷的分类 负荷猜测按猜测时间可以分为长期、中期和短期负荷猜测。其中,在短期负荷猜测中,周负荷猜测(未来7天)、日负荷猜测(未来24小时负荷猜测)及提前小时猜测对于电力系统的实时运行调度至关重要。因为对未来时刻进行预调度要以负荷猜测的结果为依据,负荷猜测的结果的正确性将直接影响调度的结果,从而对电力系统的安全稳定运行和经济性带来重要影响。 1.2负荷短期猜测的方法 电力系统负荷短期预告问题的解决办法和方式可以分为统计技术、专家系统法和神经网络等3种。统计技术中所用的短期负荷模型一般可归为时间系列模型和回归模型。时间系列模型的缺点在于不能充分利用对负荷性能有很大影响的气候信息等因素,但需要事先知道负荷与气象变量之间的函数关系,这是比较困难的。并且为了获得比较精确的预告结果,需要大量的计算,这一方法不能处理气候变量和与负荷之间的非平衡暂态关系。专家系统法利用了专家的经验知识和推理规则,使节假日或有重大活动日子的符合预告精度得到了提高。但是,把专家知识和经验等正确地转化为一系列规则是非常不轻易的。 众所周知负荷曲线是与很多因素相关的一个非线性关系函数。对于抽取盒逼近这种非线性函数,神经网络是一种合适的方法。神经网络的优点在于它具有模拟多变量而不需要对输入变量做复杂的相关假定的能力。它不依靠专家经验,只利用观察到的数据,可以从练习过程中通过学习来抽取和逼近隐含的输入/输出非线性关系。近年来的研究表明,相对于前两种方法,利用神经网络技术进行电力系统短期负荷预告可获得更高的精度。本文主要采纳BP神经网络来对电力系统短期负荷进行猜测。 2BP神将网络 2.1BP学习算法的思想 BP算法的基本思想是,学习过程由暗号的正向传播与误差的反向传播两个过程组成。正向传播时,输入样本从输入层传入,经各隐层逐层处理后,传向输出层。若输出层的实际输出与期望的输出(教师暗号)不符,则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐层向输入层逐层反传,并将误差分摊给各层的所有单元,从而获得各层单元的误差暗号,此误差暗号即作为修正各单元权值的依据。这种暗号正向传播与误差反向传播的各层权值调整过程,是周而复始地进行的。权值不断调整的过程,也就是网络的学习练习过程。此过程一直进行到网络输出的误差减少到可接受的程度,或进行预先预定的学习次数为止。 2.2BP神经网络的组成及作用

基于人工神经网络的电力系统短期负荷预测

龙源期刊网 https://www.wendangku.net/doc/a016389214.html, 基于人工神经网络的电力系统短期负荷预测作者:李晶 来源:《科学与技术》2018年第26期 摘要:随着智能电网技术的发展,电网问题的管理变得尤为重要,负荷预测是电网管理的主要内容之一。针对电力负荷预测随机性强、稳定性低、影响因素复杂等特点,具有非线性特性的神经网络可以极大地提高预测精度。 关键词:电力系统;负载预测;神经网络;反向传播算法 引言 电力系统负荷预测按预测的时间可分为长期、中期、短期、超短期以及特殊日,然而其中的短期负荷预测对电力系统来说有着很重要的地位,也是现有电力市场环境下编排发电计划、交易计划、调度计划的基础。随着电力行业的发展,分布式电源的接入和电动汽车等新负荷的加入,电力系统负荷预测的精确度就显得尤其重要。因此负荷预测成为了电网运行和管理的一个重要研究领域。由于负荷预测在电网中占有很重要的地位,所以对负荷预测初始数据的处理、预测方法的选择就显得尤其的重要。对短期负荷预测的研究已有很长的历史,国内外专家和学者在预测方面做了很多工作,提出很多预测模型。 1 负荷预测方法比较 1.1 神经网络法 目前神经网络广泛应用于图像识别、自然语言处理、机器翻译、自动驾驶等方面。谷歌、百度、阿里等企业最主要的人工智能算法都是神经网络。神经网络在能源领域大量应用于电力负荷预测、电力现货市场价格预测、风电发电预测等方面。神经网络法在负荷预测上的应用主要分为人工神经网络和递归神经网络。神经网络法选取过去一段时间的负荷作为训练样本,构建适宜的网络结构,用某种训练算法对网络进行训练,使其满足精度要求之后,此神经网络作为负荷预测模型。神经网络对大量非结构性、非精确性规律具有自适应能力,能够信息记忆、自主学习、知识推理和优化计算,具有很强的计算能力、复杂映射能力、容错能力及各种智能处理能力。江西负荷预测表明,其短期负荷预测精度高于中长期预测精度,日前负荷预测精度可达99.3%,5年规划负荷预测精度约为95.4%。 1.2 模糊预测法 模糊预测法是建立在模糊数学理论上的一种负荷预测技术,可以描述负荷预测中的一些关键因素,如天气状况的评判、经济发展的不确定性等。模糊负荷预测可分为模糊聚类法、模糊相似优先法和模糊最大贴近度法等。江西负荷预测表明,短期负荷模糊预测的精度约为

相关文档