【技术实现步骤摘要】
本专利技术属于油气藏相态计算领域，具体涉及一种基于机器学习相识别模型的高效三相闪蒸计算方法。
技术介绍
1、随着世界范围内的广泛勘探开发，油藏组分模拟器在页岩储层的高效开发中起到越来越重要的作用。在组分模拟器中，每一个时间迭代步需要对每个油藏网格进行对应状态的闪蒸计算，这通常占用了组分模拟的大部分运行时间。因此，开发一种鲁棒且高效的两相闪蒸计算方法一直是过去研究的热点。由于页岩储层中可能存在自由水，导致需要考虑油、气和水的相平衡，也即是以水为第三相态的三相闪蒸计算。同时，由于利用co2注入提高采收率的可行性，页岩储层中也可能出现油-气-co2系统的相平衡，即是以co2为第三相态的三相闪蒸计算。与两相闪蒸相比，三相闪蒸计算的不稳定性和计算复杂性是众所周知的问题。开发高效稳健的三相闪蒸计算算法不仅可促进其在数值模拟中的应用，同时可有效地增强对页岩储层中多相流体相间传质关系的理解。
2、传统的三相闪蒸计算是在两相闪蒸的计算结果上进行的。两相闪蒸计算收敛后，对于存在的每个相态，均要进行相稳定测试。使用一系列启动方案计算该两相体系的吉布斯自由能，判断是否可以通过分裂一个新的相态，使得新生成的平衡体系有着更低的吉布斯自由能。传统的相稳定测试启动方案由wilson方程及其衍生形式构成：(1)；式中，kiini代表相稳定测试使用的启动方案，kiwilson代表应用wilson方程计算得到的相平衡常数，具体表达式如下：(2)；式中，pci代表i组分的临界压力；ωi代表i组分的偏心因子；tci代表i组分的临界温度。为了保证所有可能的相均
技术实现思路
1、针对现有技术中存在的上述技术问题，本专利技术提出了一种基于机器学习相识别模型的高效三相闪蒸计算方法，设计合理，克服了现有技术的不足，具有良好的效果。
2、为了实现上述目的，本专利技术采用如下技术方案：一种基于机器学习相识别模型的高效三相闪蒸计算方法，包括以下步骤：步骤1：初始化组分数据；步骤2：基于cnn（convolutional neural network，卷积神经网络）构建相识别模型；步骤3：基于相识别模型进行相平衡常数调整；步骤4：进行相稳定性测试，若测试结果为单相平衡，则输出结果，反之，执行步骤5；
3、步骤5：进行两相闪蒸计算；步骤6：通过cnn相识别模型，判断两相闪蒸计算结果中是否存在富集相，若存在富集相，则采用wilson方程作为相平衡常数初始值进行后续计算，反之，采用针对富集相的初始方法作为相平衡常数初始值进行后续计算；步骤7：进行相稳定性测试，若测试结果为两相平衡，则输出结果，反之，执行步骤8；步骤8：进行三相闪蒸计算并输出结果。
4、优选地，步骤1中，定义第三相为富集相，若进料摩尔分数中单独富集成相的组分分数大于0.2，则采用针对富集相的初始方法作为相平衡常数初始值进行后续计算，反之，采用wilson方程作为相平衡常数初始值进行后续计算。
5、优选地，步骤2中，相识别模型采用每相的组分摩尔分数和组分信息作为特征值，以该相是否为富集相作为训练的目标参数，并对每个相添加相标签，用于判断相稳定性分析时检验的相态。
6、优选地，步骤2中，相识别模型训练过程如下：将一维数组输入到输入层中，然后使用两个卷积层对输入的数据进行特征提取，最后使用两个全连接层进行数据传递操作，在分类层，计算模型训练过程的损失并进行分类。
7、优选地，步骤3中，在利用相识别模型进行相平衡常数调整时，包括富集相存在于第一相、第二相和第三相的情况；具体包括如下步骤：步骤3.1：通过相识别模型判断相是否为富集相；步骤3.2：根据富集相存在情况，利用公式（5）计算平均摩尔质量，以此判断油相或者气相：（5）；式中，代表该相的平均摩尔质量；代表第i组分的摩尔质量；代表需要判断相的第i组分摩尔分数；以平均摩尔质量较大相作为油相，平均摩尔质量较小相则作为气相，完成整个计算体系相态的识别。
8、优选地，步骤4中，具体包括如下步骤：步骤4.1：假设闪蒸计算的体系为液相或气相，计算该体系每一组分的逸度；步骤4.2：通过式(6)给定计算所需的气液平衡常数；(6)；式中，代表气液平衡常数，定义为气相组分摩尔分数与液相组分摩尔分数的比值；代表第i组分的临界压力，单位为mpa；代表计算体系压力，单位为mpa；代表第i组分的偏心因子；代表第i组分的临界温度；t代表计算体系温度；步骤4.3：通过式(7)计算另一相的组分摩尔分数；(7)；其中、分别表示气相、液相体积摩尔分数；表示进料组分摩尔分数；步骤4.4：对式(3)计算所得的摩尔分数进行归一化处理；(8)；式中，sv和sl分别是气相和液相的体积分数；代表计算体系的组分数量；归一化处理：(9)；式中，xi、yi分别为归一化后液相和气相组分摩尔分数；步骤4.5：计算第二相的逸度；步骤4.6：计算平衡常数的逐次替换系数：(10)；式中，fci为进料条件下第i组分的逸度；fiv和fil分别为气相和液相中第i组分的逸度；步骤4.7：检查是否收敛，收敛误差见式(11)：(11)；步骤4.8：如果不收敛，依据逐次替换系数更新平衡常数：(12)；步骤4.9：通过式（13）检查是否逼近一个平凡解，若是则更换计算体系的初始相态并回到步骤1；(13)。
9、通过上述过程能够计算出相应的和，如果、均小于1，证明该相处于单相稳定的状态，反之，该相为不稳定状态并会分裂出一个新的相态。
10、优选地，步骤5中， 由相稳定测试结果判断体系是否会分裂为两相，并通过两相闪蒸计算求解相分离后气相、液相的摩尔分数及气相、液相的组分摩尔分数，具体包括如下步骤：步骤5.1：以相稳定测试结果作为平衡常数的初始值，求解式（14）。 (14)；式中，为气相的相摩尔分数。
11、步骤5.2：基于求解式(14)得到的，通过式(13)、式(14)计算、。(15)；(16)。
12、步骤5.3：根据计算所得的、带入pr状态方程，分别计算得到液相、气相的逸度系数、；步骤5.4：通过逸度系数计算液、气相的逸度；(17)；(18)；式中，fil、fiv分别为油相、气相中第i组分的逸度；步骤5.5：若满足式(19)的条件，则认为体系达到气液两相平衡；若不满足，则依据式(20)的方式更新相平衡常数，并回到式(1)；(19)；(20)；式中，kin为第n次计算时的相平衡常数。
13、优选地，步骤8中，针对两相已收敛的结果，由本文档来自技高网...
【技术保护点】
1.一种基于机器学习相识别模型的高效三相闪蒸计算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习相识别模型的高效三相闪蒸计算方法，其特征在于，步骤1中，定义第三相为富集相，若进料摩尔分数中单独富集成相的组分分数大于0.2，则采用针对富集相的初始方法作为相平衡常数初始值进行后续计算，反之，采用Wilson方程作为相平衡常数初始值进行后续计算。
3.根据权利要求1所述的基于机器学习相识别模型的高效三相闪蒸计算方法，其特征在于，步骤2中，相识别模型采用每相的组分摩尔分数和组分信息作为特征值，以该相是否为富集相作为训练的目标参数，并对每个相添加相标签，用于判断相稳定性分析时检验的相态。
4.根据权利要求1所述的基于机器学习相识别模型的高效三相闪蒸计算方法，其特征在于，步骤2中，相识别模型训练过程如下：
5.根据权利要求1所述的基于机器学习相识别模型的高效三相闪蒸计算方法，其特征在于，步骤3中，在利用相识别模型进行相平衡常数调整时，包括富集相存在于第一相、第二相和第三相的情况；具体包括如下步骤：
6.根据权利
7.根据权利要求1所述的基于机器学习相识别模型的高效三相闪蒸计算方法，其特征在于，步骤5中， 由相稳定测试结果判断体系是否会分裂为两相，并通过两相闪蒸计算求解相分离后气相、液相的摩尔分数及气相、液相的组分摩尔分数，具体包括如下步骤：
8.根据权利要求1所述的基于机器学习相识别模型的高效三相闪蒸计算方法，其特征在于，步骤8中，针对两相已收敛的结果，由相稳定测试结果判断体系是否存在第三相，进而三相闪蒸计算求解相分离后气相、液相、富集相的摩尔分数及气相、液相、富集相的组分摩尔分数；具体包括如下步骤：
9.根据权利要求1所述的基于机器学习相识别模型的高效三相闪蒸计算方法，其特征在于，使用随机温度和压力对不同组分进行三相闪蒸计算，记录平衡时每一相的组分数据并添加相态的标签，包括富集相和非富集相，以此作为相识别模型的数据集。
10.根据权利要求1所述的基于机器学习相识别模型的高效三相闪蒸计算方法，其特征在于，相平衡常数初始值采用针对富集相的初始方法：
...【技术特征摘要】
1.一种基于机器学习相识别模型的高效三相闪蒸计算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习相识别模型的高效三相闪蒸计算方法，其特征在于，步骤1中，定义第三相为富集相，若进料摩尔分数中单独富集成相的组分分数大于0.2，则采用针对富集相的初始方法作为相平衡常数初始值进行后续计算，反之，采用wilson方程作为相平衡常数初始值进行后续计算。
3.根据权利要求1所述的基于机器学习相识别模型的高效三相闪蒸计算方法，其特征在于，步骤2中，相识别模型采用每相的组分摩尔分数和组分信息作为特征值，以该相是否为富集相作为训练的目标参数，并对每个相添加相标签，用于判断相稳定性分析时检验的相态。
4.根据权利要求1所述的基于机器学习相识别模型的高效三相闪蒸计算方法，其特征在于，步骤2中，相识别模型训练过程如下：
5.根据权利要求1所述的基于机器学习相识别模型的高效三相闪蒸计算方法，其特征在于，步骤3中，在利用相识别模型进行相平衡常数调整时，包括富集相存在于第一相、第二相和第三相的情况；具体包括如下步骤：
6.根据权利要...
【专利技术属性】
技术研发人员：孙海，肖斌耀，樊冬艳，张磊，付帅师，姚军，杨永飞，张凯，钟俊杰，
申请(专利权)人：中国石油大学华东，
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。