鄂尔多斯盆地致密油水平井体积压裂改造实践与认识——以定边油田致密油为例

定边油田致密油主要发育于半深湖-深湖相区,最典型是延长组长7油层,烃源岩条件优越。致密油分布范围广,同时砂岩储层致密、物性差、孔隙结构复杂、含油饱和度高、油藏压力系数低的特点。另外微裂缝较为发育。开发历程经历了三个阶段:致密油开发试验阶段、致密油开发推广阶段、致密油开发综合治理阶段。本文总结分析了致密油勘探开发过程,且从工程参数特征等因素进行差异性分析,找出影响致密油开发效果的主控因素,在此基础上不断的技术攻关,深化完善工艺参数,配套形成了致密油储层改造技术系列,并实现规模化应用。因此,根据目前的储层特征和开采现状,积极的转换开发方式,注水吞吐、体积压裂、与井网结合的缝控体积压裂取得很好效果,是致密油提高采收率的经济有效手段,形成了致密油不同井况、不同井组的增产技术思路,这几种方式措施后的水平井均取得一定成效,对致密油藏水平井开发提供了指导性的意义。

基于多头自注意力机制的协作频谱感知算法

针对协作频谱感知中部分用户受到阴影、衰落等影响导致在低信噪比环境下对微弱信号的感知性能急剧降低及部分聚类模型没有充分利用能量向量的问题,提出一种基于多头自注意力机制的协作频谱感知算法。各次用户独立采样数据,融合中心收集各次用户的能量数值并构成能量向量作为自注意力网络的输入;设计基于多头自注意力机制的网络模型,利用该网络自动学习信号和噪声的能量向量特征,有效提取局部特征,实现智能协作频谱感知。仿真结果表明,该频谱感知算法性能优于对比算法,在信噪比为-14 dB、虚警概率为0.001时,该算法检测概率高于对比算法0.29~0.4。

基于多目标遗传的频谱切换目标信道序列设计算法

信道容量与切换时延是次级用户选择目标信道的2个重要性能指标,目前的目标信道设计方法多数没有同时考虑这2个指标,存在一定的局限性。为此,基于多目标遗传算法,提出2种综合考虑累积时延和信道容量的目标信道序列设计算法:离散非支配排序遗传算法和离散的基于Pareto包络选择算法,并设计离散的种群编码和更新方式。仿真结果表明,与传统随机顺序访问方法相比,所提算法的信道容量提高24%以上,时延减少9%,能够兼顾网络实时性和高吞吐率。

基于稀疏傅里叶变换的哈希映射宽带频谱感知算法

宽带频谱感知一般要求对高达数GHz带宽信号进行频谱分析,信号的采样点数大,计算量大。稀疏傅里叶变换算法利用信号频谱稀疏性,高效计算宽带信号频谱,其计算复杂度低于快速傅里叶变换算法。本文详细研究了稀疏傅里叶变换的哈希映射法,证明了频谱重排性质。为了降低频谱漏采的概率,需先对信号进行频谱重排和时域加窗处理;然后进行时域混叠以实现频谱降采样;最后利用哈希反映射和循环投票方法尽可能准确地从降采样的频谱中恢复宽带信号原频谱,从而实现频谱感知。仿真结果表明当采样长度由1024点增加到2048点时,本文方法的运算时间分别比OMP算法减少约19倍和47倍。

利用多目标PSO优化的累积时延和信道容量联合优化的频谱切换算法

目前频谱切换中多以单目标优化设计目标信道,为了满足大容量实时传输要求,需要综合考虑累积切换时延和有效信道容量。对此构建了目标信道设计的多目标函数,提出了求解离散多目标优化问题的粒子群算法(DMOPSO),给出了种群编码、更新方式离散化设计。仿真结果表明,所提出的频谱切换算法得到的最优信道访问解集能够兼顾网络的实时性和高吞吐率,算法复杂度较低。

油田注水系统效率的影响因素及对策

近年来,我国各大油田油井含水率不断上升,注水开发系统出现效率低下,泵效低等问题,本文主要对出现上述问题产生的原因进行分析,并提出针对性的对策。

定边地区致密油动态吞吐渗吸驱油技术研究

为解决鄂尔多斯盆地致密油油藏储层在常规衰竭式开发中地层能量快速下降,产量递减加快的问题,通过室内动态吞吐渗吸驱油实验、椭圆形水驱前缘法以及平面径向流压力传播时间与注入量的关系对定边地区致密油动态吞吐渗吸驱油机理进行了系统研究。结果表明:以0.3%的BHJ8溶液作为渗吸液时,能最大程度提高动态吞吐渗吸采收率,且随着渗吸液注入量的增加而增大,根据试验区水驱前缘距离计算出合理的单井注入量为2500~3000 m3,随着延长关井时间,渗吸采收率逐步得到提高,确定最佳关井时间为300 h。通过采取注水动态吞吐渗吸驱油措施后,致密油藏采收率得到明显提升,对致密油藏的高效注水开发具有实际的指导意义。

融合学习差分进化和粒子群优化算法的认知决策引擎

为了提高认知无线电系统的参数决策速度和性能,提出一种融合粒子群和学习差分进化算法的认知无线电决策引擎(HPSO-BLDE)。首先,对学习差分进化算法引入自适应变异机制,使得每条染色体随个体适应度和平均适应度进行自适应变异,提高其局部寻优能力。然后,改进粒子群算法的学习因子,并加入扰动项,防止算法早熟;选用更合适的变换函数,将正反向速度转换为相同概率更新粒子位置,提高最优解的精度,从而提高粒子群算法的全局寻优能力。最后,在认知引擎模型中并行地运行改进的粒子群算法(IBPSO)和差分进化算法(IBLDE),每隔固定的迭代次数后,融合两种算法的最优个体信息,得到HPSO-BLDE算法,使IBPSO算法和IBLDE算法的种群兼具二者的优点,从而提高了最优解的求解精度并加快了收敛速度。多载波通信系统的参数决策仿真结果表明,IBPSO算法、IBLDE算法和HPSO-BLDE算法的性能优于已有的爬山遗传(HGA)算法、量子粒子群算法(BQPSO)和二进制学习差分进化算法(BLDE),其中HPSO-BLDE算法的性能最优。

融合PSO与DE的认知决策引擎

针对认知无线电系统参数重配置问题,提出一种融合粒子群和差分进化的认知决策引擎(IPSO-DE)。首先对粒子群算法(PSO)引入自适应惯性权重机制,使得每个个体随各自的适应度自适应进化,提高其探索能力。然后改进差分进化算法(DE)的交叉概率,从而提高DE算法的开发能力。最后在认知引擎模型中,将经过PSO进化的种群分为优等种群和劣等种群,劣等种群利用改进DE进行优化变异,增加粒子群个体的差异性。仿真表明IPSO-DE增强了种群开发和探索能力,多载波系统的参数优化决策实验证明了其有效性。

定边油田致密油水平井增产方式研究

定边油田致密油层发育于半深湖-深湖相区,最典型是延长组长7油层,烃源岩条件优越。致密油分布范围广,同时砂岩储层致密、物性差、孔隙结构复杂、含油饱和度高、油藏压力系数低的特点。微裂缝较为发育,采用规模注水开发,由于常规注水开发压力传递不均匀,形成注水不见效、见效即见水的特点,开发效果不佳。对定边采油厂区域内部分水平井进行体积压裂、体积压裂压后不返排闷井扩压、水平井吞吐采油、异步注采等增油措施,地层压力得到有效的补充,缓解了地层能量快速的衰竭。矿场试验对比得出:在自然能量的开发方式下,体积压裂比常规压裂的平均每天产油量多1.19~3.69倍,稳产期也是常规压裂的1.3~2.4倍。在注水开发区域,有效的延缓了水平井见水时间,促使其稳定生产,对致密油藏水平井开发提供了指导性的意义。

人工智能背景下劳动力成本上涨对研发的影响--以A公司为例

劳动力成本是我国劳动密集型企业最关注的问题之一,近年来我国劳动力成本不断上涨,导致部分产业转移、升级。通过研究现有文献,结合当代科技发展现状,探究在人工智能迅速发展的背景下,劳动力成本上涨对研发创新的影响路径,以服装辅料产业龙头企业A公司为例,分析劳动力成本以及研发创新的变化情况,分析其发展战略的合理性,为其他劳动密集型企业制定转型升级的战略提供思路与方向。