基于BP神經網絡的蠟沉積速率及清蠟周期預測方法

鄒德昊，柴世超，汪本武，阮新芳，李想,盧軼寬，何濱，楊友國，楊洪濤

(中海石油(中國)有限公司天津分公司，天津 300457)

XX油礦目前包括2個在生產油田，分別為XXA油田和XXB油田。2個油田沙河街組原油性質較為相似，均屬于高蠟、高凝的中質原油。也正因為相似的油品性質，導致2個油田在投產后，均出現了油井蠟堵現象，嚴重影響了油田的正常生產。

通過對渤海某區域所轄各油田沙河街組原油物性的統計，發現該區域所轄油田，共有4個在生產油田、1個在建設油田和1個勘探階段油田具有沙河街油組原油高含蠟的特性。因此可以認為高含蠟油井蠟堵問題，是該區域的普遍問題，是值得深入研究和有待解決的生產問題。

1 BP神經網絡基本原理

BP神經網絡即誤差方向傳播算法的學習過程，由信息的正向傳播和誤差的反向傳播兩個過程組成。輸入層各神經元負責接收來自外界的輸入信息，并傳遞給中間層各神經元，而中間層負責信息變化，誤差通過輸出層，按誤差梯度下降的方式修正各層權值，向隱層、輸入層逐層反傳。

1.1 神經元模型

1.2 神經網絡模型

神經網絡是由多個神經元相互連接組成的網絡。按照連接方式可分為前饋型和反饋型神經網絡。圖2是一個典型的前饋型神經網絡即BP神經網絡。網絡分為3層結構，分別為輸入層x，隱含層y，輸出層o，輸入信號通過輸入層向隱含層再向輸出層傳遞，同一層之間的神經元沒有信息傳遞。BP網絡具有很強的非線性映射能力，一個3層BP神經網絡能夠實現對任意非線性函數進行逼近。

圖1 神經元模型 圖2 三層BP神經網絡機構

2 模型參數的選取

2.1 原油物性及流動性試驗分析

對XXA和XXB油田沙河街油組32口井原油樣品，進行原油的密度(20、50℃)、黏度、蠟含量、膠質含量、瀝青質含量、凝固點等基本物性測定。

地面原油密度(20℃)為0.853～0.885g/cm3，地面原油黏度(50℃)為8.22～31.2mPa·s，瀝青質體積分數為2.49%～7.47%，膠質體積分數為7.97%～11.89%。根據原油工業分類標準,判定XXA和XXB油田沙河街原油屬于高蠟、高凝的中質原油。

2.2 蠟沉積影響因素分析

通過試驗法分析，結合油井實際生產參數，發現油井產液量、含水量、生產氣油比和生產時間等是影響蠟沉積速率的地面生產特征，剪切應力、原油黏度、井筒內徑向溫度梯度、蠟分布密度等為其地下內在聯系。通過使用SPSS Statistics軟件，對各油井的試驗參數進行大數據分析，發現剪切應力、原油黏度、井筒內徑向溫度梯度、蠟分布密度存在非常好的非線性關系(R2=0.941)，且顯著性較強，證明針對這4個影響因素進行非線性擬合是科學合理的。

1)井筒內剪切應力 剪切應力越大，油流對管壁的沖刷作用越強，蠟分子不易沉積在管壁，蠟沉積速率減小。因此當油井液量增大時，剪切應力有使蠟沉積減小的趨勢。

2)井筒內徑向溫度梯度 當管壁溫度下降到析蠟點以下時，管壁處的蠟分子首先結晶析出，導致原油中的蠟分子出現濃度差。依據分子擴散原理，蠟分子由濃度高的油流中心向管壁處遷移并結晶析出，如此循環往復。

3)井筒內蠟分布密度 蠟沉積速率隨蠟分子分布密度增大而增加，含蠟原油蠟沉積的主要機理是分子擴散機制。分子擴散作用主要是通過分子間濃度差進行，當管壁蠟分子分布密度增大時，蠟沉積速率將會增大。

4)井筒內原油黏度 當黏度較大時，原油對蠟分子的阻礙作用較大，不利于蠟分子通過分子濃度梯度差向管壁遷移析出。

2.3 模型參數計算

2.3.1剪切應力的計算

紊流流動時，流體在管壁處的剪切速率可以通過對近管壁處流體的流速分布推導或對管壁處流體運用冪律模型導出。

紊流時管壁處的剪切速率計算公式為：

(1)

(2)

式中：r為剪切速率，s-1；Re為雷諾數，1；f為摩阻系數，1；n為流變指數，1；v為液體通過井筒內單位管長的速度，m/s；D為井筒內徑，m。

通過試驗方法得到的原油在不同溫度下的本構方程如表1(模型選取試驗溫度50℃下的本構方程)。

表1 不同含水率乳狀液本構方程

將計算得到的各井原油樣本在井筒內的剪切速率代入本構方程，得到各油井試驗條件下剪切應力值。

2.3.2徑向溫度梯度的計算

將井筒段看作微元管段，油流與管壁的換熱視作熱傳導，徑向溫度梯度可由微元管段上的熱平衡求得：

(3)

整理得到：

(4)

2.3.3蠟分布密度的計算

折算到對應壓力p、溫度T狀態下原油含蠟率為：

(5)

(6)

式中：Qo為地面產油量，m3；fp為地面含蠟率，1；Rs為溶解氣油比，1；ρo和ρg分別為原油和天然氣的密度，kg/m3；ρT為p、T狀態下的原油密度，kg/m3；Bo為p、T狀態下原油體積系數，m3/m3。

若蠟質組分在流體中均勻分布，在結蠟管段處，其單位體積內蠟質組分分布密度Fd為：

Fd=ρTfyfo

(7)

(8)

式中:Fd為蠟質組分分布密度，kg/m3;fo為p、T狀態下油流體積與流體體積之比，m3/m3；Z為天然氣的壓縮因子，1；p為試驗時的壓力，MPa；T為試驗時的溫度，K；po為標準狀態下的壓力，取0.098MPa；To為標準狀態下的溫度，取293.15K；Rc為生產氣油比，m3/m3；R為水油比，m3/m3。

2.3.4原油黏度的選取

實驗室分析化驗得到各井原油樣本在不同溫度下的原油黏度，選取50℃下化驗結果(50℃低于原油樣品析蠟點，符合結蠟理論模型條件)。

3 模型建立及結果應用

3.1 模型建立

將上述影響因素的計算參數作為4個輸入向量，蠟沉積速率作為目標向量，通過SPSS Modeler軟件建立BP神經網絡模型，進行高次函數無限逼近真實值，選用雙極S形函數作為激活函數。

3.2 模型應用

設置最大訓練周期1000次，準確性99%，初始學習率為0.01，最終運算結果如表2。

表2 模型運算結果

清蠟周期計算公式：

(9)

式中：t為清蠟周期，s；Qo為油井產油量，m3；fy為原油含蠟率，1；ρ為原油密度，kg/m3；vd為蠟沉積速率，kg/(m3·s)-1；r為油管內徑，m；dL為單位管段長，m。

以XX-A7井和XX-B30井為例，2口井分別為XX油礦XXA油田和XXB油田的2口生產井。2口井生產數據如表3所示，由于2口井的液量較低，導致井溫低于析蠟溫度(55℃)，出現井筒蠟堵現象，嚴重影響正常生產。

表3 生產井數據表

將蠟沉積速率代入公式(10)，得到XX-A7和XX-B30井的清蠟周期分別為28d和26d，而與2口井生產過程中的實際清蠟周期27d和26d相比，整體預測結果誤差率小于3%，進一步證明了該方法的可靠性和模型的準確性。

4 結論

1)影響蠟沉積速率的主要因素是剪切應力、原油黏度、井筒內徑向溫度梯度、蠟分布密度，分析時需要綜合考慮。提高日產液量可以增大井筒內剪切應力，井筒保溫處理可以降低徑向溫度梯度，從而延長清蠟周期。

2)BP神經網絡原理運用于井筒內蠟沉積速率的預測，需要大量較高質量的試驗樣本數據。建立的BP神經網絡模型，可用于油井井筒內蠟沉積速率的預測和清蠟周期的計算，研究結果表明預測精度較高，滿足油田分析研究的需要。

[1]王鴻勛，張琪.采油工藝原理[M].北京：石油工業出版社，1989：318～319.

[2]陳德春，劉均榮，吳曉東，等.含蠟原油井筒結蠟剖面的預測模型[J].石油大學學報，1999，23(4):23～26.

[3]陳普敏，韓善鵬，李鴻英，等.采用泰勒分散法測量蠟分子擴散系數[J].化工學報，2014，65(2):605～612.

[4]王利中.油井結蠟速度及清蠟周期預測[J].西部探礦工程，2003，15(11):54～55.

[5]韓力群.人工神經網絡理論、設計及應用[M].北京：化學工業出版社，2007.

[6]武松，潘發明.SPSS統計分析大全[M].北京：清華大學出版社，2014.