本发明专利技术涉及一种天然气井泡沫排水采气智能算法，涉及页岩气采气领域，包括以下步骤：获取历史页岩气生产平台的现场数据导入系统，然后设计包括多个残差块的残差神经网络架构，划分训练集、验证集和测试集用于模型的训练、调优和评估；使用验证集评估模型性能并优化，使用测试集评估最终模型性能，分析预测精度；将部署好的模型部署到实时控制系统中，基于实时采集的数据计算得到起泡剂和消泡剂的总注入量以及不同阶段的注入量，自动控制各个阀门的开度以控制产量和流态调整，完成对天然气井泡沫排水采气智能控制，本发明专利技术具有由人工智能实现页岩气在不同工况下能够准确进行准确决策，结合精细化操作实现稳定的井况的优点。结合精细化操作实现稳定的井况的优点。结合精细化操作实现稳定的井况的优点。
【技术实现步骤摘要】
一种天然气井泡沫排水采气智能算法
[0001]本专利技术涉及页岩气采气
，尤其涉及一种天然气井泡沫排水采气智能算法。
技术介绍
[0002]积液气井泡排加注过去主要是通过人工的方式进行加注，面临人工劳动强度大，管理困难，泡排措施效率低的局面。同时，单一人工加注难以达到最大排液效果，且受到外间干扰因素大，无法确保加注的及时性和规律性。
[0003]而目前所使用的传统自动泡排装置采用定时和间隔模式实现自动加注，智能化程度低；单一采取套管加注方式，受油套管连通和套管液面因素的影响，泡排剂运移至油管比较困难，极易造成井筒的堵塞。泡排剂用量的模糊核算也容易导致起泡剂的过量加注而造成浪费。而单纯的间歇开关井技术受储层产能限制在排液阶段液柱滑脱明显，排液效率低。
[0004]因此，针对以上不足，需要提供一种天然气井泡沫排水采气智能算法。
技术实现思路
[0005]（一）要解决的技术问题本专利技术要解决的技术问题是解决传统的自动泡排方式较为单一，无法应对复杂环境的问题。
[0006]（二）技术方案为了解决上述技术问题，本专利技术提供了一种天然气井泡沫排水采气智能算法，包括以下步骤：Ⅰ.获取历史页岩气生产平台的现场数据，以及相同时间下人工进行的起泡剂加注量和消泡剂加注量，导入系统中进行数据清洗、缺失值处理和特征选择；Ⅱ.设计包括多个残差块的残差神经网络架构，并引入跳跃连接以避免梯度消失和梯度爆炸；Ⅲ.将数据集中的前十分之一划分为训练集，相邻十分之一作为验证集，再相邻十分之一划分为测试集，其余数据依次分类，以用于模型的训练、调优和评估；Ⅳ. 对数据进行归一化处理，改进残差神经网络的权重和偏置，开始训练模型；
Ⅴ
.使用验证集评估模型性能并优化，使用测试集评估最终模型性能，分析预测精度；
Ⅵ
.将部署好的模型部署到实时控制系统中，基于实时采集的数据计算得到起泡剂和消泡剂的总注入量以及不同阶段的注入量，自动控制各个阀门的开度以控制产量和流态调整，完成对天然气井泡沫排水采气智能控制。
[0007]作为对本专利技术的进一步说明，优选地，页岩气生产平台现场数据包括设备运行数据、设备状态信息、起泡剂与消泡剂的配制数据、气井的产气量、产液量、积液量、油压和套压数据。
[0008]作为对本专利技术的进一步说明，优选地，控制多井泡沫排水时，依据多个井况参数依次进行模拟分析，指定相应的多井轮换泡排工作制度。
[0009]作为对本专利技术的进一步说明，优选地，单井采用撬装泡排装置，起泡剂和消泡剂通过井口柱塞泵控制注入，井口角式节流阀以及分离器后外输闸阀上分别有安装电动执行机构，撬装泡排装置、井口柱塞泵和电动执行机构均通过RTU系统采用4G网络实现远程控制。
[0010]作为对本专利技术的进一步说明，优选地，根据模拟计算得到起泡剂总加注量满足其中， 表示起泡剂推荐用量，单位为kg； 表示推荐浓度，单位为103×
kg/m3； 表示气井日产水量，单位为m3； 表示气井积液量，单位为m3。
[0011]作为对本专利技术的进一步说明，优选地，起泡剂推荐浓度为3
‰±1‰
。
[0012]作为对本专利技术的进一步说明，优选地，起泡剂与消泡剂用量比例不低于1:1。
[0013]（三）有益效果本专利技术的上述技术方案具有如下优点：本专利技术通过利用残差神经网络算法，将多种变量引入算法中进行训练，以获取最优模型，并应用到气井泡沫排水中，使设备能够自动根据各项实时数据的反馈调节起泡剂和消泡剂的注入量，提高起泡剂和消泡剂注入量的精度和稳定性的同时，减少人工干预，保障采气工作能够长时间正常进行。
附图说明
[0014]图1是本专利技术的泡沫排水结构图；图2是本专利技术的气井环空液面动态监测图；图3是本专利技术的计算后泵注曲线图。
具体实施方式
[0015]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0016]一种天然气井泡沫排水采气智能算法，包括以下步骤：Ⅰ.获取历史页岩气生产平台的现场数据，包括但不限于设备运行数据、设备状态信息、起泡剂与消泡剂的配制数据、气井的产气量、产液量、积液量、油压和套压数据，以及相同时间下人工进行的起泡剂加注量和消泡剂加注量，导入系统中进行数据清洗、缺失值处理和特征选择，例如筛选出哪些数据变化，以及在哪些变化范围时需要注入起泡剂或消泡剂；哪些数据变化，以及在哪些变化范围时并未注入起泡剂或消泡剂等。
[0017]Ⅱ.设计包括多个残差块的残差神经网络架构，每个残差块由多个卷积层组成，在残差块中引入跳跃连接以避免梯度消失和梯度爆炸的问题，将输入直接添加到残差块的输出上。
[0018]Ⅲ.将数据集中的前十分之一划分为训练集，相邻十分之一作为验证集，再相邻十分之一划分为测试集，其余数据依次分类，以用于模型的训练、调优和评估，比如研究根据气井井筒积液状况选择使用油管或者环空的加注方式；根据气井积液量和泡排剂作用比例计算药剂加注量；根据气井积液量和周期携液量确定加注周期等。
[0019]Ⅳ. 对数据进行归一化处理，以确保数据具有相似的尺度；然后初始化改进的残差神经网络的权重和偏置，使用训练集对网络进行训练，通过反向传播算法和梯度下降优化算法更新网络参数，并使用残差连接来提高网络的学习能力和收敛速度，以达到训练模型的作用。
[0020]Ⅴ
.使用验证集评估模型性能，调整网络架构、超参数或正则化参数等，以优化模型的性能；之后使用测试集评估最终模型性能，分析模型的预测精度和误差。
[0021]Ⅵ
.将部署好的模型部署到实时控制系统中，基于实时采集的数据计算得到起泡剂和消泡剂的总注入量以及不同阶段的注入量，自动控制各个阀门的开度以控制产量和流态调整，完成对天然气井泡沫排水采气智能控制。
[0022]通过采用残差神经网络算法，可在进行深度计算时，由于可以跨层连接，避免网络性能退化，即使随着网络深度的加深，也不会产生梯度消失和梯度爆炸，提升神经网络的计算性能，进而提升根据多组变量计算出的起泡剂和消泡剂的实时注入量以及总注入量更为准确，使单个气井不会产生停喷等问题。
[0023]如图1所示，现实中不仅仅只使用一个气井，而需要控制多井泡沫排水时，则依据多个井况参数依次进行模拟分析，指定相应的多井轮换泡排工作制度。
[0024]如图1所示，单井采用撬装泡排装置，起泡剂和消泡剂通过井口柱塞泵控制注入，井口角式节流阀以及分离器后外输闸阀上分别有安装电动执行机构，撬装泡排装置、井口柱塞泵和电动执行机构均通过RTU（远程终端单元）系统采用4G网络实现远程控制，无需操作人员到现场进行手动操作控制，降低人力成本。
[0025]本专利技术还提供本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种天然气井泡沫排水采气智能算法，其特征在于：包括以下步骤，Ⅰ.获取历史页岩气生产平台的现场数据，以及相同时间下人工进行的起泡剂加注量和消泡剂加注量，导入系统中进行数据清洗、缺失值处理和特征选择；Ⅱ.设计包括多个残差块的残差神经网络架构，并引入跳跃连接以避免梯度消失和梯度爆炸；Ⅲ.将数据集中的前十分之一划分为训练集，相邻十分之一作为验证集，再相邻十分之一划分为测试集，其余数据依次分类，以用于模型的训练、调优和评估；Ⅳ. 对数据进行归一化处理，改进残差神经网络的权重和偏置，开始训练模型；
Ⅴ
.使用验证集评估模型性能并优化，使用测试集评估最终模型性能，分析预测精度；
Ⅵ
.将部署好的模型部署到实时控制系统中，基于实时采集的数据计算得到起泡剂和消泡剂的总注入量以及不同阶段的注入量，自动控制各个阀门的开度以控制产量和流态调整，完成对天然气井泡沫排水采气智能控制。2.根据权利要求1所述的一种天然气井泡沫排水采气智能算法，其特征在于：页岩气生产平台现场数据包括设备运行数据、设备状态信息、起泡剂与消泡剂的配制数据、气...
【专利技术属性】
技术研发人员：潘军，吕伟，孙盛涛，赵恒平，陈世强，谢雕，梁铃，王占锋，
申请(专利权)人：北京万普瑞能源技术有限公司，
类型：发明
国别省市：
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。