基于SVM 的高含水率油井常溫集輸可行性分析及能耗優(yōu)化

李迎恩（大慶油田有限責(zé)任公司第八采油廠）

目前，我國(guó)大部分原油屬于高凝點(diǎn)、高含蠟、高黏度的“三高”原油，為了使其具有較好的流動(dòng)性，通常采用加熱方式輸送至集輸站內(nèi)[1]。其中，集油環(huán)節(jié)占地面系統(tǒng)總能耗的60%～80%，而集油中的熱能消耗又是重中之重。因此設(shè)法降低集油環(huán)節(jié)中的熱能是實(shí)現(xiàn)少投入、增效益的有效手段[2-3]。

鑒于我國(guó)陸上油田大多開(kāi)發(fā)已超過(guò)30 a，大慶、華北、大港、遼河、江漢等油田均已進(jìn)入特高含水率期，對(duì)于高含水率原油，其流動(dòng)性會(huì)大幅提升，韓善鵬等[4]、魯曉醒等[5]、賈治淵[6]均采用室外可視化實(shí)驗(yàn)證明了高含水率原油可在常溫條件下輸送，其黏壁溫度界限低于凝點(diǎn)3～5 ℃。但以上研究只適用于單一固定區(qū)塊和原油物性，對(duì)于其余區(qū)塊無(wú)法大面積推廣使用。基于此，利用目前已實(shí)現(xiàn)常溫輸送的油井?dāng)?shù)據(jù)，通過(guò)熵權(quán)-灰色關(guān)聯(lián)算法確定影響高含水率油井常溫輸送的主要因素，建立支持向量機(jī)（SVM）模型進(jìn)行數(shù)據(jù)分類的訓(xùn)練和預(yù)測(cè)，并根據(jù)模型結(jié)果進(jìn)行能耗分析。研究結(jié)果可為油井常溫輸送技術(shù)的推廣提供實(shí)際參考。

1 油井常溫集輸相關(guān)性分析

在大量生產(chǎn)實(shí)踐和現(xiàn)場(chǎng)經(jīng)驗(yàn)的基礎(chǔ)上，可以得到以下判斷油井常溫集輸可行性的經(jīng)驗(yàn)規(guī)律：

1）井口出油溫度高的油井與出油溫度低的相比，更易實(shí)現(xiàn)常溫集輸。

2）集油管線長(zhǎng)、管徑大的油井由于流速較低，與管壁和土壤之間的換熱較大，不易實(shí)現(xiàn)常溫集輸。

3）受地溫的影響，夏季容易實(shí)現(xiàn)低溫集輸，對(duì)于高寒地區(qū)冬季很難實(shí)現(xiàn)常溫集輸。

4）產(chǎn)液量大、含水率高的油井易實(shí)現(xiàn)常溫集輸。

5）含氣量相對(duì)較大的油井易實(shí)現(xiàn)常溫集輸。

6）對(duì)于不能實(shí)現(xiàn)常溫集輸?shù)挠途筛鶕?jù)其集輸溫度界限適當(dāng)調(diào)節(jié)伴熱水或摻水的參數(shù)，也能實(shí)現(xiàn)節(jié)能降耗。

以上均為定性結(jié)論，技術(shù)人員需在現(xiàn)場(chǎng)反復(fù)實(shí)驗(yàn)、調(diào)節(jié)，才能實(shí)現(xiàn)部分油井的常溫集輸，但工作量較大、推廣性不強(qiáng)。因此，需對(duì)影響常溫集輸?shù)闹T多因素進(jìn)行相關(guān)性分析。灰色關(guān)聯(lián)算法可對(duì)某一系統(tǒng)的發(fā)展趨勢(shì)進(jìn)行定量比較和分析，可將相對(duì)分散的信息整合化處理，但考慮對(duì)于關(guān)聯(lián)度的計(jì)算是取所有因素的均值，未考慮因素所占的權(quán)重，故將熵權(quán)法與灰色關(guān)聯(lián)法相結(jié)合使用[7-8]。

首先，考慮與常溫集輸相關(guān)的因素為井口產(chǎn)液溫度、回油溫度、集油管線長(zhǎng)度、管徑、埋地溫度、產(chǎn)液量、含水率、氣液比、凝點(diǎn)等，構(gòu)建初始因素矩陣X：

式中：xmn為第m個(gè)影響因素下的第n個(gè)樣本數(shù)據(jù)，m=1，2，…，i，n=1，2，…，j。

其次，為控制因素間量綱差異帶來(lái)的不確定性，采用極值法對(duì)數(shù)據(jù)進(jìn)行處理，得到無(wú)量綱因素矩陣Y：

式中：min(xm)、max(xm)分別為第m個(gè)影響因素下所有樣本數(shù)據(jù)的最小值和最大值。

隨后，根據(jù)信息熵原理，求解不同影響因素的熵值Em：

式中：j為樣車總個(gè)數(shù)；i為影響因數(shù)總個(gè)數(shù)。

將熵值進(jìn)行歸一化處理，得到因素的權(quán)值為Wm：

將公式（1）作為子序列Xi，將井口回壓與最高限制回壓的差值作為母序列X0，計(jì)算母序列對(duì)于子序列的關(guān)聯(lián)度值δm(k)：

式中：δm(k)為第m個(gè)影響因素下，X0與Xi在k處的關(guān)聯(lián)值；Δm(k)為X0與Xi在k處的差值；ρ為分辨系數(shù)，一般取0.5。

最后，在考慮權(quán)重的情況下，計(jì)算關(guān)聯(lián)度ri：

2 油井常溫集輸可行性預(yù)測(cè)模型

鑒于常溫集輸影響因素間的多重非線性特征，采用對(duì)于小樣本和高維數(shù)據(jù)分類效果較好的SVM 模型作為可行性預(yù)測(cè)模型。將經(jīng)熵權(quán)-灰色關(guān)聯(lián)篩選的主控因素作為SVM 模型的輸入，將是否實(shí)現(xiàn)常溫集輸作為模型的輸出，進(jìn)行數(shù)據(jù)訓(xùn)練和預(yù)測(cè)。

算法原理是假設(shè)訓(xùn)練數(shù)據(jù)的集合為{(x1，y1)，(x2，y2)，…，(xn，yn)}，其中xi為輸入 矢量，yi為輸入矢量，將原始的分類函數(shù)問(wèn)題轉(zhuǎn)化為優(yōu)化函數(shù)，并通過(guò)約束條件和拉格朗日乘子得到輸入和輸出的基本表達(dá)式[9-10]：

式中：ai、均為拉格朗日乘子；SV為經(jīng)過(guò)模型訓(xùn)練的數(shù)據(jù)集；K(xixj)為核函數(shù)；b為偏置。

核函數(shù)是將低維非線性數(shù)據(jù)映射至高維空間的點(diǎn)積函數(shù)，決定了特征的線性可分性，在此選擇非線性較好的徑向基核函數(shù)。

3 實(shí)例驗(yàn)證

某油田在室外實(shí)驗(yàn)的基礎(chǔ)上[11-12]，通過(guò)3 a 的反復(fù)現(xiàn)場(chǎng)驗(yàn)證和調(diào)節(jié)，共實(shí)現(xiàn)了3 個(gè)區(qū)塊150 口油井從三管伴熱或雙管摻水轉(zhuǎn)為常溫集輸。3 個(gè)區(qū)塊內(nèi)油井的生產(chǎn)情況見(jiàn)表1。

表1 3 個(gè)區(qū)塊內(nèi)油井的生產(chǎn)情況Tab.1 Production situation of oil wells in the three blocks

參照公式（1）～（8）對(duì)150 口油井的數(shù)據(jù)進(jìn)行權(quán)重計(jì)算及灰色關(guān)聯(lián)度分析，影響因素權(quán)重見(jiàn)圖1，影響因素灰色關(guān)聯(lián)度見(jiàn)圖2。可見(jiàn)，埋地溫度、產(chǎn)液量、含水率、氣液比在影響因素中的權(quán)重占比較大。埋地溫度決定了流體與土壤之間的傳熱效率，根據(jù)蘇霍夫公式，埋地溫度越高，總傳熱系數(shù)越小，油流與周圍介質(zhì)的散熱越弱，油流的保溫性越強(qiáng)；產(chǎn)液量決定了介質(zhì)流速，液量大時(shí)，管內(nèi)流速較大，與管壁接觸換熱的時(shí)間變短，油流的保溫性變強(qiáng)；含水率和氣液比決定了介質(zhì)流型，由于表1 中的含水率均超過(guò)了轉(zhuǎn)相點(diǎn)，故流型為水包油分散流，此時(shí)與管壁接觸為水濕條件，摩擦力大幅降低，流動(dòng)性增強(qiáng)，在氣量較大時(shí)，可以沖刷掉前端因溫度降低引發(fā)的黏壁原油，恢復(fù)介質(zhì)流動(dòng)性。

圖1 影響因素權(quán)重Fig.1 Weight of influencing factors

圖2 影響因素灰色關(guān)聯(lián)度Fig.2 Grey correlation degree of influencing factors

灰色關(guān)聯(lián)度大于0.2 的因素有埋地溫度（0.65）、產(chǎn)液量（0.42）、含水率（0.33）、氣液比（0.45）和集油管長(zhǎng)（-0.34），其中前四個(gè)因素與常溫輸送呈正相關(guān)，集油管長(zhǎng)與常溫輸送呈負(fù)相關(guān)。區(qū)塊C的埋地溫度、產(chǎn)液量、氣液比明顯高于其余區(qū)塊，故常溫集輸油井比例也較高，評(píng)價(jià)結(jié)果與實(shí)際工況相符。

根據(jù)可行性分析結(jié)果，利用SVM 建立油井常溫集輸可行性預(yù)測(cè)模型，將埋地溫度、產(chǎn)液量、含水率、氣液比和集油管長(zhǎng)等作為輸入，將是否實(shí)現(xiàn)常溫集輸作為輸出。為了便于統(tǒng)計(jì)，將可實(shí)現(xiàn)常溫輸送的油井編碼為1，不能實(shí)現(xiàn)常溫輸送的油井編碼為0，對(duì)表1 中的252 口油井進(jìn)行訓(xùn)練。數(shù)據(jù)集分為訓(xùn)練集、預(yù)測(cè)集和驗(yàn)證集，其中訓(xùn)練集占比60%，用于對(duì)SVM 模型進(jìn)行擬合回歸，得到最優(yōu)的模型超參數(shù)；預(yù)測(cè)集占比30%，當(dāng)訓(xùn)練集滿足容許收斂誤差時(shí)，用于驗(yàn)證預(yù)測(cè)模型的準(zhǔn)確性和可靠性；驗(yàn)證集占比10%，當(dāng)預(yù)測(cè)集滿足容許收斂誤差時(shí)，用驗(yàn)證集考察模型的泛化能力和魯棒性。

隱含層節(jié)點(diǎn)數(shù)是決定模型結(jié)構(gòu)和預(yù)測(cè)效果的關(guān)鍵因素，在總迭代次數(shù)100 次，懲罰參數(shù)0.1，不敏感參數(shù)0.01 的條件下，考察不同隱含層節(jié)點(diǎn)數(shù)對(duì)分類正確率的影響，不同隱含層節(jié)點(diǎn)對(duì)分類正確率的影響見(jiàn)圖3。隨著節(jié)點(diǎn)數(shù)的增加，分類正確率迅速上升，當(dāng)節(jié)點(diǎn)數(shù)為19 時(shí)，訓(xùn)練集、預(yù)測(cè)集和驗(yàn)證集的分類準(zhǔn)確率分別為93.19%、89.24% 和85.63%，隨后繼續(xù)增加節(jié)點(diǎn)數(shù)，分類準(zhǔn)確率有所上升，說(shuō)明模型出現(xiàn)過(guò)擬合，網(wǎng)絡(luò)的泛化能力受限。因此，最終確定模型結(jié)構(gòu)為5-19-1 型。

圖3 不同隱含層節(jié)點(diǎn)對(duì)分類正確率的影響Fig.3 Influence of different hidden layer nodes on classification accuracy

SVM 模型的迭代過(guò)程見(jiàn)圖4。隨著迭代次數(shù)的增加，模型的準(zhǔn)確率不斷上升，訓(xùn)練集、預(yù)測(cè)集在經(jīng)過(guò)227 次迭代后，正確率分別為99.46%、99.35%，均滿足容許收斂誤差99%，測(cè)試集在經(jīng)過(guò)255 次迭代后，分類正確率為99.18%，與訓(xùn)練集和預(yù)測(cè)集的差距不大，說(shuō)明模型訓(xùn)練成功，已經(jīng)達(dá)到指定要求。

圖4 SVM 模型的迭代過(guò)程Fig.4 Iterative process of SVM model

為驗(yàn)證SVM 模型的準(zhǔn)確性，對(duì)其余3 個(gè)實(shí)驗(yàn)區(qū)塊（D、E、F）的油井常溫輸送可行性進(jìn)行預(yù)測(cè)，模型預(yù)測(cè)結(jié)果與實(shí)際生產(chǎn)情況對(duì)比見(jiàn)圖5。通過(guò)對(duì)比不同月份油井的實(shí)際運(yùn)行數(shù)據(jù)，模型預(yù)測(cè)準(zhǔn)確率為96.66%，說(shuō)明模型的魯棒性較好。區(qū)塊D 和E 的產(chǎn)液量較高、集油管線較短，且為環(huán)狀集油方式，在集輸過(guò)程中液量逐漸增大，一年四季均可實(shí)現(xiàn)常溫集輸；區(qū)塊F 的埋地溫度較低，可實(shí)現(xiàn)常溫集輸?shù)挠途壤蛔銓?shí)際開(kāi)井?dāng)?shù)的20%，夏季常溫集輸油井多，冬季常溫集輸油井少，呈明顯季節(jié)性特征。因此，在實(shí)際工況中，應(yīng)考慮根據(jù)模型預(yù)測(cè)結(jié)果調(diào)整油井井口的回壓限值，從而降低生產(chǎn)能耗。

圖5 模型預(yù)測(cè)結(jié)果與實(shí)際生產(chǎn)情況對(duì)比Fig.5 Comparison between model prediction results and actual production

4 能耗分析

以上油井的集油方式均從三管伴熱或雙管摻水轉(zhuǎn)為常溫集輸，通過(guò)黑箱模型對(duì)不同方式進(jìn)行能耗計(jì)算，統(tǒng)計(jì)常溫集輸前后的節(jié)能占比如下：

式中：η為節(jié)能占比，%；Q為常溫集輸前的能耗，kgce/d；Q0為常溫集輸前的能耗，kgce/d。

以其中的2 口井為例，不同油井常溫集輸前后的節(jié)能占比見(jiàn)表2。在相同的含水率下，產(chǎn)液量越大，節(jié)能占比約小；在相同的產(chǎn)液量下，含水率越高，節(jié)能占比越大。這是由于產(chǎn)液量和含水率的變化對(duì)集輸前后的熱力能耗和動(dòng)力能耗均有影響，其中產(chǎn)液量增加對(duì)常溫集輸前的能耗降低程度較大，而含水率增加，相當(dāng)于用于加熱的水量變大，油量變小，而水的比熱容是油的兩倍，故能耗增加較多。

表2 不同油井常溫集輸前后的節(jié)能占比Tab.2 Energy conservation ratio of different oil wells before and after normal temperature gathering and transportation

隨后統(tǒng)計(jì)區(qū)塊A～F 實(shí)現(xiàn)常溫集輸（包括季節(jié)性集輸）的油井節(jié)能情況，實(shí)現(xiàn)常溫集輸?shù)挠途當(dāng)?shù)量按照全年平均計(jì)算，共計(jì)309 口。其中，減少減阻劑、降凝劑、降黏劑等藥劑添加0.5 t，藥劑成本按16 000 元/t 核算，年可節(jié)約藥劑247 萬(wàn)元；年減少熱洗0.5 次，每次熱洗人工、水、電和設(shè)備折舊按照2 萬(wàn)元/次核算，年可節(jié)約熱洗費(fèi)用309 萬(wàn)元；年減少加熱原油的燃料費(fèi)用25 t，燃料按照6 000 元/t核算，年可節(jié)約燃料費(fèi)用4 635 萬(wàn)元；但常溫集輸帶來(lái)了井口回壓的上升，平均井口回壓上升0.1～0.5 MPa，每井?dāng)?shù)年多消耗6 000 kWh，按照電價(jià)1.5 元/kWh 核算，年共花費(fèi)動(dòng)力費(fèi)用278 萬(wàn)元。綜上所述，年合計(jì)節(jié)約4 913 萬(wàn)元，經(jīng)濟(jì)潛力巨大。

5 結(jié)論

1）采用熵權(quán)-灰色關(guān)聯(lián)分析對(duì)影響油井常溫集輸?shù)囊蛩剡M(jìn)行了分析，其中有埋地溫度、產(chǎn)液量、含水率、氣液比和集油管長(zhǎng)的影響較大，前四個(gè)因素與常溫輸送呈正相關(guān)，集油管長(zhǎng)與常溫輸送呈負(fù)相關(guān)。

2）建立了基于SVM 的油井常溫集輸可行性預(yù)測(cè)模型，當(dāng)隱含層節(jié)點(diǎn)數(shù)為19 時(shí)的預(yù)測(cè)效果最好，實(shí)驗(yàn)區(qū)塊上的分類準(zhǔn)確率為96.66%，結(jié)果與實(shí)際工況相符。根據(jù)模型預(yù)測(cè)結(jié)果及時(shí)調(diào)整油井井口的回壓限值，從而降低生產(chǎn)能耗。

3）通過(guò)能耗分析，高含水油井實(shí)現(xiàn)常溫輸送后，可節(jié)約藥劑、熱洗和燃料等費(fèi)用，年合計(jì)4 319 萬(wàn)元，節(jié)能潛力巨大，可以在其他油田推廣使用。