基于Matlab GUI的渗流力学虚拟仿真实验平台开发

为了改变渗流力学实验内容单一的教学现状,进一步推广渗流力学的可视化教学,基于Matlab2015a平台,使用有限元方法,分别对不同求解域和边界条件下的稳态和非稳态渗流数学模型进行求解,开发了各种渗流力学虚拟仿真实验平台。该虚拟仿真实验平台分为:单井、双井、井网和复杂井4个渗流模块,学生可以通过图形用户界面,与内部的Matlab代码进行人机交互,对不同渗流模型下的渗流场进行数值模拟,从而完成渗流力学虚拟仿真实验。相对于传统的渗流力学教学实验——水电模拟实验,虚拟仿真实验平台具有内容丰富多彩、可视化效果好、造价低廉、节约实验耗材、低碳环保、课时安排灵活等优点,应用于渗流力学教学过程中,有助于学生理解复杂的渗流过程和渗流机理,加深对流体渗流的感性认识,进而提高课堂效率,具有较高的实用性和较广的推广前景。

BiOBr光催化处理聚合物水基钻井液

针对目前各种废弃聚合物水基钻井液无害化处理技术存在的诸多缺点,提出了以常温水解法的方式,在室温下合成三维花状BiOBr光催化材料,并对其组成、形貌和光学性能进行了表征。以罗丹明B(RhB)为目标降解物,考察了其在可见光下的光催化活性,并首次将其用于聚合物水基钻井液体系的降解。研究表明,BiOBr可在可见光条件下激发;10 min对RhB的降解率达58.3%,同时对聚合物水基钻井液体系有很好的降解效果。通过活性物种俘获实验,证明BiOBr通过产生O_(2)^(-)和H^(+)活性组分,从而降解聚合物材料。为废弃聚合物水基钻井液的降解提供了新的思路。

基于工程经验知识约束神经网络的套管选材推荐模型

科学合理的套管设计对于保障油气生产安全、预防资源浪费与财产损失至关重要,是确保钻井及开采作业顺利进行的核心要素。文章针对套管设计所面临的日渐复杂的工况及数据管理难题,提出了一种工程经验知识约束神经网络(EKNN)的方法,旨在指导套管设计工作。该方法利用现有套管数据资产,基于机器学习的强大数据处理能力,构建一个高效的套管选材推荐模型,通过嵌入套管强度校核知识,提高模型选材推荐的科学性和安全性。首先基于套管数据资产构建套管选材数据集,选取经典的MLP(Multi-layer Perceptron,多层感知机)神经网络建立套管选材推荐模型;采用多任务学习策略设计网络结构,模型在训练过程中优化套管的壁厚及钢级分类;然后以模型预测精度通过超参数优化工具Optuna优化模型超参数;最后以损失函数修正的方式嵌入套管强度校核知识(工程经验知识约束)完成EKNN模型的建立。工程经验知识约束神经网络模型对套管选材的预测精度可达90%以上,模型预测得出的套管选材可以很好地满足套管柱强度设计要求,为各油气田有效利用累积的数据资产、降低成本及优化决策提供有力支持。

量子计算发展现状及其在油气领域的应用潜力

量子计算被各国列为未来重要的科技制高点,近年来呈高速发展态势。各国在政策引导、资金支持、专利布局和产业生态建设方面加强布局,主要国家和技术领先企业加强合作攻关,开展“量超融合”和量子计算云平台等关键技术研发。各大国际石油公司近年来围绕量子计算与相关科技公司开展联合研究,以期利用量子计算的潜在优势突破业务难点。在当前智能化发展时代,油气行业面临海量的数据计算分析需求,量子计算在分子模拟和海量地下数据分析等方面具备一定的应用潜力,同时在信息安全等方面具有独特优势。建议中国油气公司开展量子计算的跟踪和布局,积极与量子计算科技公司和科研院所开展合作,推进量子计算在油气行业的应用和转化。