一种原油的全粘温曲线确定方法及系统技术方案

技术编号:26259512 阅读:46 留言:0更新日期:2020-11-06 17:54
本发明专利技术涉及一种原油的全粘温曲线确定方法及系统,包括:获取原油的密度值和凝点值;根据上述值采用原油牛顿流体粘温系数预测模型,确定牛顿流体状态粘温系数;根据牛顿流体状态粘温系数和蜡含量采用原油非牛顿流体粘温系数预测模型,确定非牛顿流体状态粘温系数;从原油温度集合中选取温度值大于原油反常点温度值,作为原油牛顿流体温度集合;剩余的作为原油非牛顿流体温度集合;根据原油牛顿流体温度集合和牛顿流体状态粘温系数确定原油牛顿流体温度区间粘温曲线;根据原油非牛顿流体温度集合和非牛顿流体状态粘温系数确定原油非牛顿流体温度区间粘温曲线。通过本发明专利技术的上述方法得到原油的全粘温曲线,保证了原油管道输送与储存的安全性。

【技术实现步骤摘要】
一种原油的全粘温曲线确定方法及系统
本专利技术涉及原油勘探
,特别是涉及一种原油的全粘温曲线确定方法及系统。
技术介绍
原油的粘度是原油的安全运输与储存环节中的关键参数。一方面,对于长距离输油管道,油品粘度增加会使管道沿流向的摩阻增加,输送能耗上升,并且当油品的粘度发生波动时可能会引起电机和输油泵的负荷而产生波动,使电动机和输油泵偏离高效工作区范围而造成浪费。另一方面,海上油轮在码头卸油时,如果原油粘度过高会给原油码头的接卸、储存和后续管道输送带来重大安全隐患。尤其在冬季较低温度或气温突变的恶劣工况下,原油粘度显著增大,流动性恶化,码头难以有效开展接卸油作业,油轮必须调整接卸地点,这不仅增加了油轮滞期时间,也给炼化企业原油资源保供带来压力。因此,准确获取原油的粘温曲线是储运环节正常运行的基本条件。中国原油的特点是蜡含量较高,常温下粘度较大。此类原油在温度高于反常点时处于牛顿流体状态,对于一种油品其粘度仅随温度的变化而变化;当温度低于反常点时,原本溶解在原油中的蜡结晶析出形成一定的三维网络结构,此时原油处于非牛顿流体状态,对于一种油本文档来自技高网...

【技术保护点】
1.一种原油的全粘温曲线确定方法,其特征在于,包括:/n获取原油的密度值和凝点值;/n根据所述密度值和所述凝点值采用原油牛顿流体粘温系数预测模型,确定牛顿流体状态粘温系数;所述原油牛顿流体粘温系数预测模型是依据量子粒子群优化算法和广义回归神经网络建立而成;/n获取原油的蜡含量;/n根据所述牛顿流体状态粘温系数和所述蜡含量采用原油非牛顿流体粘温系数预测模型,确定非牛顿流体状态粘温系数;所述原油非牛顿流体粘温系数预测模型是依据量子粒子群优化算法和广义回归神经网络建立而成;/n获取原油温度集合;所述原油温度集合中包括不同的温度值;/n从所述原油温度集合中选取温度值大于原油反常点温度值,作为原油牛顿流...

【技术特征摘要】
1.一种原油的全粘温曲线确定方法,其特征在于,包括:
获取原油的密度值和凝点值;
根据所述密度值和所述凝点值采用原油牛顿流体粘温系数预测模型,确定牛顿流体状态粘温系数;所述原油牛顿流体粘温系数预测模型是依据量子粒子群优化算法和广义回归神经网络建立而成;
获取原油的蜡含量;
根据所述牛顿流体状态粘温系数和所述蜡含量采用原油非牛顿流体粘温系数预测模型,确定非牛顿流体状态粘温系数;所述原油非牛顿流体粘温系数预测模型是依据量子粒子群优化算法和广义回归神经网络建立而成;
获取原油温度集合;所述原油温度集合中包括不同的温度值;
从所述原油温度集合中选取温度值大于原油反常点温度值,作为原油牛顿流体温度集合;
从所述原油温度集合中选取温度值小于或等于原油反常点温度值,作为原油非牛顿流体温度集合;
根据所述原油牛顿流体温度集合和所述牛顿流体状态粘温系数确定原油牛顿流体温度区间粘温曲线;
根据所述原油非牛顿流体温度集合和所述非牛顿流体状态粘温系数确定原油非牛顿流体温度区间粘温曲线。


2.根据权利要求1所述的原油的全粘温曲线确定方法,其特征在于,所述原油牛顿流体粘温系数预测模型获取过程具体包括:
获取原油样本密度值集合和原油样本凝点值集合;所述原油样本密度值集合中包括每个原油样本的密度值;所述原油样本凝点值集合中包括每个原油样本的凝点值;
将所述原油样本密度值集合和所述原油样本凝点值集合输入到第一广义回归神经网络中,得到第一均方根误差;
判断第一迭代次数是否小于第一预设迭代次数,得到第一判断结果;
若所述第一判断结果表示第一迭代次数小于第一预设迭代次数,采用量子粒子群优化算法对所述第一广义回归神经网络中的超参数进行调整,将调整后的广义回归神经网络更新为第一广义回归神经网络,并返回步骤“将所述原油样本密度值集合和所述原油样本凝点值集合输入到第一广义回归神经网络中,得到第一均方根误差”;
若所述第一判断结果表示第一迭代次数大于或等于第一预设迭代次数,选取第一均方根误差值最小时对应的第一广义回归神经网络作为原油牛顿流体粘温系数预测模型。


3.根据权利要求2所述的原油的全粘温曲线确定方法,其特征在于,所述原油非牛顿流体粘温系数预测模型获取过程具体包括:
将所述原油样本密度值集合和所述原油样本凝点值集合输入到所述原油牛顿流体粘温系数预测模型中,得到原油样本牛顿流体状态粘温系数集合;
获取原油样本蜡含量集合;所述原油样本蜡含量集合中包括每个原油样本的蜡含量值;
将所述原油样本牛顿流体状态粘温系数集合和所述原油样本蜡含量集合输入到第二广义回归神经网络中,得到第二均方根误差;
判断第二迭代次数是否小于第二预设迭代次数,得到第二判断结果;
若所述第二判断结果表示第二迭代次数小于第二预设迭代次数,采用量子粒子群优化算法对所述第二广义回归神经网络中的超参数进行调整,将调整后的广义回归神经网络更新为第二广义回归神经网络,并返回步骤“将所述原油样本牛顿流体状态粘温系数集合和所述原油样本蜡含量集合输入到第二广义回归神经网络中,得到第二均方根误差”;
若所述第二判断结果表示第二迭代次数大于或等于第二预设迭代次数,选取第二均方根误差值最小时对应的第二广义回归神经网络作为原油非牛顿流体粘温系数预测模型。


4.根据权利要求1所述的原油的全粘温曲线确定方法,其特征在于,所述根据所述原油牛顿流体温度集合和所述牛顿流体状态粘温系数确定原油牛顿流体温度区间粘温曲线,具体包括:
根据公式μ1=aT12+bT1+c确定原油牛顿流体温度区间粘温曲线;
其中,μ1为在温度T1时的粘度,a,b,c均为牛顿流体状态粘温系数,T1为原油牛顿流体温度集合中的温度值。


5.根据权利要求1所述的原油的全粘温曲线确定方法,其特征在于,所述根据所述原油非牛顿流体温度集合和所述非牛顿流体状态粘温系数确定原油非牛顿流体温度区间粘温曲线,具体包括:
根据公式确定原油非牛顿流体温度区间粘温曲线;
其中,μ2为在温度T2时的粘度,n′=fT2+g,d,e,f,g均为非牛顿流体状态粘温系数,K为稠度系数,n′为流变行为指数,γ为剪切速率,T2为原油非牛顿流体温度集合中的温度值。


6.一种原油的全粘温曲线确定系统,其特征在于,包括:
原油密度值和凝点值获取模块,用于获取原油的密度值和凝点值;
牛顿流体状态粘温系数确定模块,用于根据所述密度值和所述凝点值采用原油牛顿流体粘温系数预测模型,确...

【专利技术属性】
技术研发人员:姚博张健铭李传宪杨飞孙广宇
申请(专利权)人:中国石油大学华东
类型:发明
国别省市:山东;37

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1