【技术实现步骤摘要】
本专利技术属于石油工程油气田开发工程领域，具体涉及一种基于混合深度学习框架的井筒运行状态智能预测方法。
技术介绍
1、co2捕集、利用与封存技术是应对全球气候变化的关键减排技术，将工业源捕获的co2注入深部咸水层进行地质封存（gcs）已成为最具前景的减排方案之一。然而，深部地质封存系统的长期安全性和稳定性仍面临挑战，其中以co2注入过程及潜在泄漏风险最为突出。在注入或泄漏过程中，随着井筒内温度-压力条件的动态变化，co2可能发生复杂的相态演变，这种非稳态相变过程会显著改变其流变特性与运移机制，从而可能引发系列工程安全隐患。因此，深入研究co2在井筒环境中的多相流动机理与传热特性，精确构建井深-时间多维度下的压力、温度剖面预测模型，将为co2地质封存项目的风险评估和安全管理提供重要的理论支撑和技术保障。
2、数值模拟作为一种精确且高效的研究手段，在co2地质封存项目的风险评估体系中占据核心地位，尤其为co2注入动态及泄漏风险的量化表征提供了关键支撑。基于计算流体力学的数值模拟方法，能够精确刻画井筒内co2流动-传热耦合过程中的...
【技术保护点】
1.一种基于混合深度学习框架的井筒运行状态智能预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述基于混合深度学习框架的井筒运行状态智能预测方法，其特征在于，所述步骤1中，地质封存井筒瞬态温度-压力耦合数学模型的构建过程为：首先依次构建井筒质量守恒方程、动量守恒方程及能量守恒方程；然后构建CO2物性参数模型；
3.根据权利要求2所述基于混合深度学习框架的井筒运行状态智能预测方法，其特征在于，所述步骤1中，采用温度-压力对偶迭代算法对瞬态温度-压力耦合数学模型进行耦合求解，具体过程为：
4.根据权利要求1所述基于混合深度学习框...
【技术特征摘要】
1.一种基于混合深度学习框架的井筒运行状态智能预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述基于混合深度学习框架的井筒运行状态智能预测方法，其特征在于，所述步骤1中，地质封存井筒瞬态温度-压力耦合数学模型的构建过程为：首先依次构建井筒质量守恒方程、动量守恒方程及能量守恒方程；然后构建co2物性参数模型；
3.根据权利要求2所述基于混合深度学习框架的井筒运行状态智能预测方法，其特征在于，所述步骤1中，采用温度-压力对偶迭代算法对瞬态温度-压力耦合数学模型进行耦合求解，具体过程为：
4.根据权利要求1所述基于混合深度学习框架的井筒运行状态智能预测方法，其特征在于，所述步骤2的具体过程为：在co2注入场景下，以时间步长、注入压力、注入温度、注入速率、初始井筒温度剖面、初始井筒压力剖面和井筒配置参数作为输入参数，基于井筒瞬态温度-压力耦合数学模型求解各时间步井筒压力、温度剖面及co2相态分布作为输出响应，建立co2注入工况的双重序列特征数据库；在co2泄漏场景下，以时间步长、井口泄漏压力、初始井筒温度剖面、初始井筒压力剖面和井筒配置参数作为输入参数，基于井筒瞬态温度-压力耦合数学模型求解各时间步井筒压力剖面、温度剖面及co2相态分布作为输出响应，建立co2泄漏工...
【专利技术属性】
技术研发人员：苏玉亮，庄新宇，王文东，邓雨轩，贾明巍，郝永卯，李蕾，
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。