李英[1]2004年在《基于神经网络和遗传算法的油田采油控制系统的研究》文中提出油田采油控制系统主要是用来测量油田液面高度并进行智能采油的系统。我国油田地质状况决定了部分油井在经过一段时间的开采后就会出现抽空现象，但电机仍在日夜不停的工作，这就造成电机大马拉小车现象，耗电量高，在节约能源方面造成了巨大的难题，所以该系统不仅可以满足油田采油智能控制的需要。同时，为新型采油控制系统的研制、开发和生产提供了有效的设计方案。本系统可以根据用户的要求设计各种量程的采油控制系统。在本课题中设计的电机额定电流为50A。该类系统在国内的研究处于领先地位，因此在系统设计、设备的工艺结构设计、设备安装、VEGA测控软件开发等方面需要许多理论和技术上的创新。本文根据实际工程背景，针对油田采油控制系统的工作原理、方案论证、硬件设计、软件算法设计、测控软件开发平台以及工艺结构设计等关键问题进行了深入的研究和讨论。首先，按照系统提出的技术要求，依据高可靠性、高安全性、高效率、实用性强、操作方便的原则，合理设计了油田采油控制系统的总体结构，并阐述了油田采油控制系统的工作原理。其次，根据油田抽油机采油控制系统的工作特点和技术要求，对系统的硬件电路进行了深入细致的设计研究。然后，本文重点对油田采油控制系统的软件算法进行了深入研究。在
王彩云[2]2006年在《油田采油控制系统神经网络建模和优化算法研究》文中研究指明在石油开采过程中,由于抽油机普遍存在抽取能力大于油井实际负荷的问题,使抽油机出现“长期相对轻载”和“空抽”现象。这不仅造成电机功率因数的降低,抽油无效行程的增加,大量电能的浪费,而且使抽油设备损耗加大,维修费用增高。因此实现油田抽油机的智能控制势在必行。本文对采油系统的控制算法进行了广泛深入的研究。采取抽油机间歇采油控制方案,并设计了整体的采油控制系统。首先对神经网络和遗传算法相关文献进行分析、概括和总结。然后在系统建模方面深入的研究了常规BP算法、同伦BP算法、AHBP算法,实现不同类型储层的各类油气储藏动态辨识及预测;针对停机时间的优化,深入研究了常规遗传算法和改进遗传算法。最后将以上的算法都进行了仿真研究,仿真结果表明了所提出算法的有效性。
张锦良[3]2004年在《基于遗传算法的油田开发规划多目标优化研究》文中进行了进一步梳理常规的油气动态预测方法适应的开发阶段和范围不同，在应用过程中各有其局限性；传统的确定性优化方法其本质决定了优化结果的局部优化特点，而遗传算法除了具有强的鲁棒性和并行性之外，还有全局优化的特点，这使得遗传算法在优化设计中得到了越来越广泛的应用。本论文应用功能模拟原理(微分模拟方法及神经网络方法)建立的油田开发指标的关联关系，研究并建立了油田开发规划的多目标优化模型。并以国内某油田的实际数据为基础，应用patero多目标遗传算法对各类优化模型进行分析求解获得了满意的结果。本论文主要完成了以下几个方面的工作： 1)、在研究传统的油藏机理方法进行开发指标动态预测的基础上，基于系统论的思想，利用功能模拟原理(微分模拟方法、人工神经网络方法)建立了油田开发动态指标间的输入输出关联关系。 2)、利用1)所建立的输入输出关系，在分析“决策变量”、“目标”及“约束条件”的基础上建立多个油田开发规划的“多目标优化模型”，这些优化模型包括： a)产量分配优化模型(将油田的产量最优地分配到各采油厂)； b)产量构成优化模型(解决自然产量、措施产量、新区新井产量、老区新井产量的最优构成问题)； c)措施产量结构优化模型(解决压裂、酸化、大修、补孔、转抽等各项措施产量及措施工作量的最优构成问题)； 3)、把patero方法与实数编码的遗传算法结合起来，形成了patero多目标遗传算法，以国内某油田的实际数据为基础，利用遗传算法对2)中各类优化模型具体实例进行分析求解，优化结果符合油田的实际情况。 最后，本文还对油田开发规划优化软件设计问题进行了初步探讨。
张旭华[4]2014年在《基于神经网络的抽油机节能算法研究》文中研究说明当今我国大部分油田处于开发中后期，多数油井的供液能力不足，使得抽油机常处于轻载或空载运行状态，导致抽油机磨损严重并浪费大量电能。另外，耗电量在油田开采成本中占有较大比例，因此有必要研究一种抽油机节能算法，根据井下油液量的变化动态控制抽油机的启停，达到降低抽油成本、增加油田生产效益的目的。本文在对当前油田生产效益及国内外现状调查分析的基础上，首先介绍抽油系统的工作原理分析目前所采用的几种节能技术及其存在的问题，确定本文所采用间抽的节能方法；其次对神经网络研究方向和主要模型进行了探讨，确定了本文算法采用的网络模型；然后针对抽油机的启停不能与井下油液量变化相匹配的问题，提出一种基于神经网络的间抽节能算法。该算法将遗传算法和模糊神经网络相结合，选取电流相关参数作为样本数据对网络进行训练，得到预测的抽油机状态，根据预测结果确定抽油机合理间抽时间；最后对算法进行了仿真实验和节能分析。结果表明，在油井产量基本保持不变的条件下，本文提出的间抽节能算法能有效降低后期油井的电能消耗，提高油田的生产效益。
张福坤[5]2014年在《油田中后期开发优化与决策研究》文中指出石油作为国家经济发展的支柱性能源,对国家经济结构和走向起着举足轻重的作用。在我国石油资源本身非常匮乏的情形下,国民经济的快速发展导致我国石油需求缺口持续扩大和石油进口依存度不断提高。目前,我国已成为仅次于美国的第二大石油需求国,每年新增石油需求约占世界新增石油需求的叁分之一左右。自从1993年我国首次成为石油净进口国以来,石油对外依存度一路攀升,2012年中国进口原油2.85亿吨,石油进口依存度达到58.7%。在中国能源研究会发布的《中国能源发展报告2012》中,预计到2015年,中国石油进口依存度将超过60%,能源安全形势严峻。目前,以大庆、胜利油田为代表的国内大部分油田都已进入中后期开发阶段,油田产油量不断下降,开采成本不断上升,经济效益逐渐变差,使得我国油田生产经营面临着极为严峻的考验。解决我国的能源安全问题,一方面要扩大同国外的石油合作,另一方面要对老油田进行内部挖潜,通过有效的油田开发规划,优化油田资源配置,从而在降低油田生产经营成本的基础上,确保原油稳产,实现油田资源的合理利用。油田资源配置系统错综复杂,在油田开发决策时需要考虑经济、政策等一系列因素,本文在对油田开发现状进行效果评价的的基础上,确定油田处于中后期开发阶段,为了确保油田的稳产、增产,根据剩余油的分布规律,采用多目标优化决策的方法,优化中后期油田的开发规划,实现油田资源的合理配置。主要的研究内容有：(1)油田开发效果评价。目前,绝大多数油田都把注水开发作为油田的首选方式,对于大庆油田而言,注水开发方式仍然是中后期开发的主要措施与方法,因此在制定油田开发规划方案之前,需要首先掌握油田现阶段的开发现状,包括油田的产量、含水率以及注水利用率等信息,在此基础上,及时有效的进行油田开发效果评价,确定油田所处的开发阶段,并评估油田的开发潜力,改善油田的开发效果,提高油田的采收率和经济效益。本文主要对油田南北区块的含水规律、注水利用率等注水开发效果进行评价。(2)剩余油分布预测及增产对策研究。在油田的开发后期,我们的主要任务就是以剩余油的饱和度为主要的研究对象,进行定量化、精细化以及动态化的油藏描述。本研究在杏西油田历史数据的基础上,通过油藏数值模拟预测剩余油的分布情况,研究发现剩余油的数量和规模平面上分布过于零散,挖掘的难度越来越大。因此,根据主力油层和非主力油层不同开采特征,需要采取不同的增产对策,以确保油田的稳产、增产。通过数值模拟掌握剩余油的储量及分稚状况,也为以后油田开发方案的优化调整提供相应的数据支撑和可靠依据。(3)油田产量优化的多阶段目标规划模型。包括油田产量最优构成模型(解决自然产量、措施产量、老区新井产量和新区新井产量的最优构成问题)和油田产量最优分配模型(解决油田总产量合理分配到下级开采单位的问题),通过分阶段的思想,考虑产量优化的阶段性效果,将上一阶段的开发规划和投资决策作为下一阶段制定开发决策的依据,对油田不同层次的开发指标进行优化,实现油田的自身效益。(4)不同优先级的油田增产措施多目标规划模型。选择影响剩余油产量的各项增产措施为决策变量,确定油田生产决策的产量目标和成本目标,通过改变决策目标的优先次序,来研究决策者偏好在油田中后期增产措施优化中的影响。决策者需要根据目标的轻重缓急和油田的实际情况,投资适当的增产措施,确保油田的稳产、增产。(5)油田开发优化的多目标双层规划模型。针对油田组织结构越发复杂的现状,将油田看作一个双层结构,上层为油田总公司,制定油田的最优规划,下层为油田下级各采油单位,在完成油田下达的任务的基础上,可以根据实际追求自身的利益,通过上下层不同的决策主体相互协调,从而达到整个油田系统的效益最大化。(6)多目标进化算法NSGA-II。由于上层的决策会影响下层的决策,多目标双层规划模型的约束条件随时间推移呈现动态变化的特点,决策环境不断发生改变,这就要求算法除了在固定的进化环境内尽可能多的搜索到Pareto解外,还要能探测到进化环境的任何微小的变化,并对环境变化做出正确的响应,确定新环境的进化参数。基于这些考虑,设计进化算法NSGA-II求解多目标双层规划模型,并对算法的收敛性、均匀性两个性能进行分析。基于多目标优化模型和满意解的筛选方法,以大庆杏西油田中后期的开发规划为实例,研究为了达到国家能源发展“十二五”规划中能源结构调整和保持产量稳步增长的目标,油田总公司和下级采油单位,如何安排生产任务,有针对性的投资、建设油田基础设施,最终提高油田的经济效益、能源效益和社会效益。得到的主要结论有：(1)通过对杏西油田历年的产量规律、含水规律、注水利用率等注水开发效果进行评价,发现杏西油田处于油田开发的中后期阶段,存在含水率不断升高、水驱控制程度低、注水井套管损坏严重等问题,为了确保原油的稳产、增产,需要制定有效的开发规划方案,有针对性的投资压裂、补孔、堵水和大修等增产措施,提高油田资源的合理利用。(2)建立的产量优化多阶段目标规划模型,满足了油田中后期开发决策的需要,决策者可以根据目标的轻重缓急和决策偏好制定开发方案。该模型采用分阶段的思想,考虑资源、工作量和资金等多个约束,较好的描述了油田产量优化决策的过程,解决了油田总产量的最优构成以及各个采油单位产量任务的合理分配问题。(3)建立的油田增产措施目标规划模型,考虑了不同增产措施的工作量、成本等约束,通过比较目标不同优先级的影响,较好的描述了油田中后期油田增产措施投资、决策的过程,解决了油田或采油单位为了确保剩余油的稳产、增产,如何选择增产措施,以及如何根据决策环境的变化合理调整增产措施的问题。(4)建立的油田开发优化多目标双层规划模型,考虑了油田领导层和生产层的关系,实现了油田总公司和下级采油单位的互利共赢,该模型较好的描述了油田开发规划制定的决策过程,解决了由于油田组织结构越发复杂,油田高层决策者忽略下级开采单位效益的问题。(5)应用多目标进化算法NSGA-II解决具有阶段性的动态决策问题。NSGA-II相比NSGA算法,具有更好的收敛性、覆盖性和均匀性；充分利用NSGA-II在全局角度引导算法的搜索方向,探测进化环境随时间推移出现的任何微小变化,并对环境变化做出正确的响应,确定新环境的进化参数。(6)根据杏西油田的实际情况,得到最优决策方案：①油田产量的构成结构更为合理,自然产量的比重下降,措施产量、老区新井产量的比重上升,因此在油田中后期开发过程中,投资、建设增产措施,提高措施产量才是确保剩余油稳产的有效途径。②油田增产措施得到合理配置,对于杏西油田区块来说,酸化、热采等措施的效果很差,应改为投资新井、压裂、补孔、堵水和大修。③油田开发规划制定更为合理,对于油田公司来说,油田总产量细分到了各个采油单位,有利于油田公司决策者下达合理的生产任务；对于下级采油单位来说,新建采油单位的产量提高,而老采油单位的产量下降,利于调动新建采油单位的生产积极性,同时够激励传统的老采油单位进行技术改造,提高自身的管理水平和技术效益。本文的创新点主要体现在以下叁个方面：(1)建立了油田中后期产量优化的多阶段目标规划模型。将分阶段的思想应用到油田开发优化决策过程中,考虑产量优化的阶段性效果,将上一阶段的开发规划和投资决策作为下一阶段制定开发决策的依据,对油田不同层次的开发指标进行优化。该模型较好地协调了中后期油田开发规划中油田总产量的最优构成以及各个采油单位产量任务的合理分配问题。(2)建立了不同优先级的油田增产措施多目标规划模型。通过改变决策目标的优先次序,来研究决策者偏好在油田中后期增产措施中的影响。该模型较好的描述了油田中后期措施增产的决策需要,即：为了达到规划目标,油田或采油单位投资哪些增产措施?哪些增产措施的效果比较好?决策环境发生变化时,如何根据目标的轻重缓急投资合适的增产措施等等。(3)油田开发优化的多目标双层规划模型及NSGA-Ⅱ求解算法。针对油田组织结构越发复杂的现状,将油田看作一个双层结构,通过上下层不同的决策主体相互协调,从而达到整个油田系统的效益最大化。该模型较好的描述了中后期油田开发规划制定的决策需要,即：区分油田开发规划的领导层和生产层,研究如何制定有效的开发规划方案实现油田和下级采油单位的互利共赢?结果表明,通过NSGA-Ⅱ算法很好的解决了具有阶段性的动态决策问题。
廖志强[6]2013年在《基于数据挖掘的油田机采过程建模及节能优化》文中研究说明油田既是产能大户，也是耗能大户，抽油机是油田生产的主要耗能设备，其耗电量占油田用电量的45%左右，与此同时抽油机的系统效率也不高，目前只有25%左右。如何实现油田抽油机的增产节能是目前油田研究的一个重要内容。随着数字化油田的发展，井上、井下都布置了监测装置，对许多工况参数进行了离线或在线监测，并通过无线通信把这些监测数据传送到监测站。油田企业在长期的采油过程中，涉及了各种类型抽油机、及许多井上和井下工况，因此，积累了丰富详实的工况参数和能耗数据。为此，本文拟从数据挖掘的角度出发，以抽油机采油过程为研究对象，对抽油机采油系统的增产节能进行研究。首先，在深入学习抽油机采油过程的基础上，研究抽油机负载不断变化时，工艺变量的变化情况，选出所有可能影响增产节能的工艺变量，并选取一定时间段的样本数据，通过人工去噪等数据处理方法，最终得到有效的研究样本。其次，利用BP神经网络的非线性逼近能力，获得抽油机采油系统的初始模型，接着利用扩展卡尔曼滤波的思想，建立基于扩展卡尔曼滤波（EKF）的神经网络权值和阈值的迭代学习方法，从而使抽油机采油时变系统的模型具有自适应性，实现抽油机采油系统的自适应递归建模，构建基于EKF的自适应神经网络模型，并对此模型进行检验。再次，以EKF神经网络建立的抽油机模型为基础，以模型的两个输出——产量和用电量为指标，运用多目标进化算法非支配排序遗传算法（NSGA-II）对工艺参数进行优化，得到一个帕累托（Pareto）最优解集。最后，考虑到NSGA-II优化的结果不是一个最优解，而是Pareto前沿上的一组解，不便于油田工程师选择，本文进一步研究Pareto解集的决策模型，先用有序加权平均算法（OWA），再用神经网络融合专家经验，进而选出Pareto解集中综合性能最好的解。通过实验验证，与样本平均值比较，用电量与平均值比较降低3.53%，产量提高了6.59%，证实了该方法的可行性和有效性。
李英, 李元春[7]2006年在《基于神经网络和遗传算法的采油控制系统》文中研究表明为了解决部分抽油机“长期相对轻载”和“空抽”的问题,采用抽油机间歇采油控制方法对采油控制系统进行了设计。利用非线性规范化方法的非线性同伦BP神经网络对采油模型进行辨识,采用遗传算法优化停机时间。该控制系统在油田中的实验结果表明,在保证了采油量的前提下,节电率达30%以上,实现了抽油机采油的智能控制。
冯立[8]2008年在《砂岩油层主要工艺措施效果预测及规划方法研究》文中进行了进一步梳理油田进入中高含水期后,油水井增产增注的措施潜力井越来越少,增产增注措施的经济效益逐年下降,油田面临着主力层系含水高,产量逐年递减,剩余可采储量少,开采难度大等问题,因此有必要对油田、区块的主要增产增注措施的效果进行分析、预测,以评价主体措施的潜力,优化措施结构,解决措施种类筛选、确定措施量和措施候选井,为油田的增产增注措施工艺设计提供依据,为编制科学合理的油田措施方案提供理论支撑,从而进一步提高措施挖潜的效果。本研究提出了利用动态数据对无分层测试资料和已知分层测试资料两种情况下的地质参数进行校正的方法,将措施层段内的小层地质参数,生产参数加权合并成措施层,将剩余小层地质参数、生产参数加权合并成非措施层,从而将实际的地质模型转化成包含措施层和非措施层的理想地质模型。以建立的理想地质模型为基础,对油井压裂、油井堵水、水井酸化、水井压裂和水井调剖五种主要增产、增注措施,针对单井通过渗流阻力法建立了能够满足采油工程规划需要的多层措施效果预测解析模型,用于单井增产增注措施效果预测与评价;针对区块采用统计分析的方法,根据已措施井的资料,通过分析影响油田区块一类、二类储层油水井增产增注措施效果的因素,建立影响因素样本库,分别利用多元回归方法和人工神经网络方法建立起区块油水井增产措施效果预测模型。评价出不同工艺条件、不同储层类型下的措施效果,并建立起措施效果与相应工艺类型和储层类型的统计关系,进而利用建立的统计关系反过来预测不同条件下的措施效果。最后根据上述两种方法得出的油水井措施效果预测结果,在一定约束条件下,优化措施工作量以及筛选措施候选井,最大限度的提高措施的整体经济效益,建立了控制成本前提下的单井最优规划和控制开发指标前提下的单井最优规划两种措施规划数学模型,将求解措施规划转化为求解有限制条件的全局最优化问题,并利用遗传算法成功地实现了该复杂模型的求解。在上述研究方法的基础上编制了采油工程措施规划计算软件,实现了效果预测的参数预处理(辅助决策)、效果预测及措施规划的一体化和效果预测的实时化、动态化。
田晓宇[9]2006年在《大庆油田高含水后期综合调整方案DSS的研究》文中提出针对大庆油田高含水后期的开发特征以及开发过程中存在的问题，对高含水后期综合调整方案以及决策支持系统进行了充分的研究，建立了大庆油田高含水后期综合调整方案决策支持系统。 对油田高含水后期开发动态特征进行了分析。基于模糊数学方法建立起动态分析与开发现状评价模型，利用数值模拟方法来预测压力场和饱和度场，在地质模型基础上，利用物质守恒原理、能量守恒原理、达西定律和状态方程，建立起描述流体渗流规律的偏微分方程(组)，然后把时间和空间离散化，即对时间和油层进行网格划分，进而建立描述网格块平均压力和饱和度的线性方程组，求解这种线性方程组得到压力场和饱和度场。利用动态劈分方法把注水量劈分到各个网格块，通过物质平衡方法建立起各网格块的含水饱和度预测方法，进而可以预测出剩余油饱和度。对智能计算决策支持系统的加权模糊逻辑推理、遗传算法进行了研究，遗传算法是建立在自然选择和群体遗传学机理基础上的随机、迭代和进化，具有广泛适用性的搜索方法。它模拟了自然选择和自然遗传过程中发生的繁殖、交配和变异现象，根据适者生存、优胜劣汰的自然法则，利用遗传算子逐代产生，优选个体，最终搜索到较优的个体。基于这些理论给出了高含水后期压裂、堵水、补孔、提液、关井、转注等增产措施的优选方法。首先根据各措施井层选择依据选出适合措施的井层，并给出能够明确考虑的影响因素，利用模糊评判方法进行一级评判和二级评判，对各因素权重打分，根据理论分析和经验统计，确定各因素的优选级和范围，进而选择出最适合措施的井层。 应用神经网络模型中的自组织神经网络模型和学习算法，通过对油田高含水后期开发动态的分析以及措施方案优选建立起大庆油田高含水后期综合调整方案，并利用多指标综合评价方法对综合调整方案进行评价。该评价方法采用专家评议法和层次分析法确定指标权重系数，对各项指标数据进行无量纲归一化处理，解决了对不同计量单位的不可公度问题，对高含水后期综合调整方案做出更准确的评价。最后形成大庆油田高含水后期综合调整方案
李福军[10]2005年在《基于智能计算的油气储集层损害诊断决策支持系统》文中研究表明随着我国经济的持续发展,能源供应日趋紧张,尤其是对石油的需求更是与日俱增,石油供给已成为经济发展的命脉所系。油田生产实践和理论研究结果表明,储集层损害对油田开发将产生严重的不利影响,直接危及油田企业发展和石油资源供给。如何及时有效地对储集层损害进行诊断和保护已成为油田生产管理决策中的关键问题。由于油层损害的原因非常复杂,不确定性较高,传统的人工分析解释方法准确性偏低,引入智能决策支持方法,建立储集层损害诊断决策支持系统,是提高储集层诊断决策效能的必然途径。 本文研究认为,储集层损害的诊断及评价实质上是复杂管理决策问题的求解,需要科学高效的决策支持工具。智能决策支持系统可以存储大量的历史数据、模型以及预先存储和后续学习的专家知识,利用模型对问题进行分析计算,可以模拟人的思维过程对问题进行推理,具有知识、模型、数据存储量大,可自我学习,工作效率高等优点。建立储集层损害诊断智能决策支持系统,利用其存储的专家知识辅助分析储集层损害的类型及原因,通过改善措施效果预测模型选择地层改善方法,可以提高储集层诊断和保护的准确性和决策效率,为油田生产管理决策科学化直接提供有力的手段和工具,同时在实践中丰富了管理科学理论和方法,为其他领域管理问题的科学决策提供了借鉴。 为了实现对储集层损害诊断的智能决策支持,本文在储集层损害机理及影响因素分析的基础上,分别对基于神经网络、基于模糊推理网络的储集层损害评价方法及基于智能计算的决策支持模型进行了重点研究,并完成了储集层损害诊断决策支持系统的设计、集成和系统实现。 在基于神经网络的储集层损害评价方法研究方面,建立了基于前馈神经网络的储集层损害诊断模型和决策支持系统结构,提出了基于遗传—超线性
参考文献：
[1]. 基于神经网络和遗传算法的油田采油控制系统的研究[D]. 李英. 吉林大学. 2004
[2]. 油田采油控制系统神经网络建模和优化算法研究[D]. 王彩云. 吉林大学. 2006
[3]. 基于遗传算法的油田开发规划多目标优化研究[D]. 张锦良. 西南石油学院. 2004
[4]. 基于神经网络的抽油机节能算法研究[D]. 张旭华. 西安石油大学. 2014
[5]. 油田中后期开发优化与决策研究[D]. 张福坤. 中国地质大学. 2014
[6]. 基于数据挖掘的油田机采过程建模及节能优化[D]. 廖志强. 西安石油大学. 2013
[7]. 基于神经网络和遗传算法的采油控制系统[J]. 李英, 李元春. 吉林大学学报(工学版). 2006
[8]. 砂岩油层主要工艺措施效果预测及规划方法研究[D]. 冯立. 大庆石油学院. 2008
[9]. 大庆油田高含水后期综合调整方案DSS的研究[D]. 田晓宇. 哈尔滨工程大学. 2006
[10]. 基于智能计算的油气储集层损害诊断决策支持系统[D]. 李福军. 哈尔滨工程大学. 2005
标签：自动化技术论文; 遗传算法论文; 抽油机论文; 神经网络模型论文; 石油资源论文; 预测模型论文; 石油投资论文; 系统评价论文; 节能评估论文; 动态模型论文; 决策能力论文; 胜利油田论文; 算法论文;