论文部分内容阅读
有杆泵抽油是国内外石油工业的传统采油方式之一,且在我国石油开采中一直占主导地位。有杆抽油机井具有结构简单、可靠性高、维修方便、适应现场工况等优点,因此在我国各油田中,大约80%以上的油井采用有杆抽油系统。然而,有杆抽油机也存在一些不足,如系统的效率低、生产成本高、能源消耗大等。因此,在保证采油过程安全稳定生产的前提下,增加采油产量,减小能源消耗,降低生产成本,提高经济效益成为了采油生产过程中一个亟待解决的问题,即通过采油生产过程的优化控制实现上述的生产要求。本文以辽河油田某采油作业区有杆泵实际生产过程为背景,针对有杆泵采油过程中整体产液量和单位产液量能耗等综合生产指标在线检测与优化的难点,在深入分析有杆泵采油生产过程特点的基础上,全面展开了有杆泵采油过程相关生产指标整体建模与优化的研究,实现区块有杆泵采油过程的优化操作指导。本文的主要研究工作归纳如下:1.结合有杆泵采油生产过程特点,通过对整个采油生产过程主要影响因素的分析,在已有文献研究的基础上,建立有杆泵采油过程相关生产指标的机理模型,并对模型中未知参数进行了辨识和确定,为采油生产过程混合模型的建立奠定了基础。2.针对机理模型在工业现场应用时存在较大误差的问题,提出基于并行结构的有杆泵采油过程混合建模方法。该方法由机理模型与最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)误差模型组成,利用机理模型描述采油生产过程的整体特性,再利用LS-SVM误差模型对未建模部分的偏差进行补偿。混合模型充分利用二者的优点,使得机理模型与数据模型的优势得到互补,有效地提高了模型的预测精度和泛化能力。通过仿真实验,验证了上述混合模型的有效性。3.为了适应实际生产过程变化的需要,提出混合模型自适应校正策略。首先利用高斯混合模型(Gaussian Mixture Model,GMM)描述采油过程混合模型输出误差的分布特征,并构造误差分布的统计量用以实现对混合模型的性能评价,然后基于模型评价结果进行相应的模型校正,主要包括短期校正和长期校正。利用实际生产数据对提出的混合模型以及模型校正策略进行验证,取得了满意效果。有效地提高了混合模型的预测精度以及适应不同工况的能力,为有杆泵采油过程的优化和控制奠定了模型基础。4.鉴于本文研究的采油过程优化是多目标优化问题,对多目标优化算法进行了深入研究。在带精英策略的非支配排序遗传算法,即第二代非支配排序遗传算法(Nondominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ)的基础上,结合局部搜索思想和混沌思想,引入了基于混合混沌映射模型的种群初始化、基于梯度的混合操作算子和混沌备用种群替换等操作,提出了一种混合梯度算子的混沌非支配排序遗传算法(IG-NSGA-Ⅱ),针对测试函数的仿真实验表明提出的算法具有较好的收敛性、多样性及分布均匀性,适合求解复杂的多目标优化问题。5.目前,有杆泵采油过程普遍存在产量低、能源消耗大等问题,因此,确定了采油过程优化目标为区块整体产液量最大和单位产液量能耗最小,且分析了决策变量及相应的约束条件。并将所建立的自适应校正混合模型作为采油过程优化模型中的过程描述。最后,利用所提出的IG-NSGA-Ⅱ算法对采油过程多目标优化模型进行求解,结果验证了所提优化策略的有效性。