胜利油田水驱开发技术进展及发展方向

水驱油藏是中国东部老油田开发的主体,经过长期注水开发已整体进入特高含水期,室内研究及矿场实践表明,仍有大幅度提高采收率的潜力,但受储层非均质性和开发动态非均质性影响,科学开发和效益开发难度加大,亟需攻关进一步提高采收率技术。整装油藏针对特高含水后期极端耗水严重、效益稳产及水驱提高采收率难等问题,深化了极端耗水层带理论,创新形成了层系近阻重组开发技术、特高含水油藏矢量开发技术和特高含水后期流场调整开发技术,实现了控耗水、降递减,平均采收率为43.7%;断块油藏针对断层多、断块小的特点及特高含水期剩余油规模小、动用难的问题,深化剩余油富集规律及水动力调控机制认识,创新形成了人工边水驱、立体开发等主导开发技术系列,提高了储量控制和水驱动用程度,平均采收率为29.4%,支撑了断块油藏效益稳产;低渗透油藏针对储层物性差、有效建驱难等问题,持续开展非线性渗流机理和压驱开发机理研究,攻关配套开发技术,不断拓宽开发界限,创新形成特低渗透油藏仿水平井注水、一般低渗透油藏井网适配提高采收率、低渗透-致密油藏压驱注水等差异开发技术系列,平均采收率为15.7%,实现了低渗透油藏提速提效开发。通过以上技术进步,实现了特高含水期水驱油藏的效益开发。结合不同类型油藏开发特点及面临形势,对水驱油藏进一步提高采收率提出了下步发展方向。

市场环境下智能配用电系统分层协同优化运行:研究挑战、进展与展望

随着分布式资源在配电网中的比例不断提高,如何在市场化交易机制下实现配用电系统安全经济运行成为当下的研究热点。在市场环境下,配用电系统各层的运行管理面临着不确定性逐层加剧、市场规模快速扩展、市场交易与系统安全运行难以有效衔接等多重挑战。该文首先梳理市场环境下配用电系统运行优化的关键问题;其次,对传统解析优化方法的研究成果与研究中仍待解决的问题进行总结;然后,针对配用电系统市场交易、运行优化等问题特点,系统性地介绍深度强化学习技术,分析归纳深度强化学习在配用电系统中的研究现状。最后,提炼出贯穿配用电系统多层多主体协同优化问题中的三重研究需求,并对深度强化学习技术未来的应用路径与发展趋势进行展望。

斜井各向异性地层阵列侧向测井资料快速分级反演方法

针对斜井各向异性地层阵列侧向测井响应复杂、资料处理难等问题,提出一种快速分级反演方法。首先,分析侵入、各向异性和地层倾角等对阵列侧向测井响应的影响,并对敏感性进行分级;然后,根据深-中-浅电阻率曲线的分离特性,建立不同倾角条件下的数据库;根据敏感性级别和正演数据库,依次确定各个地层参数的最优反演初值;最后,结合Levenberg-Marquardt算法,提升反演结果的准确性。进一步将反演方法应用于青海油田实际资料,利用岩心分析数据标定和验证,取得了良好的应用效果。结果表明固定倾角条件,阵列侧向测井对侵入深度、电阻率和各向异性的敏感性依次降低;正演数据库的方法解决了传统三维反演速度慢的难题,初值分级选取策略则保证了反演算法的全局寻优能力。

断层气密性定量评价方法及其在油田开发中的应用

胜利油田复杂断块油藏已进入特高含水开发阶段,由于断块面积小,剩余油规模小,通过新井挖潜,经济效益较差。油藏开发过程中,提出了在断块构造高部位注氮气形成“人工气顶”,以置换高部位剩余油的技术方法,这就要求开发地质研究中要定量、准确地评价控油断层对注入氮气的封堵能力。文中综合应用断层破碎带内幕密闭取心及围岩普通取心等资料,开展了测试与对比分析;在此基础上,创新性地提出了基于成岩等效类比的断层气密性定量评价方法——通过对围岩普通取心样品排替压力的测试分析,回归建立排替压力公式,据此转换计算得到断层岩的排替压力,并通过“断储压差”的计算,定量评价断层的气密性。该方法在胜利油区“人工气顶驱”开发先导试验工区的应用,为优化特高含水期提高原油采收率方案设计奠定了基础。

基于多目标算法的断块油藏生产优化研究

针对复杂断块油藏注水开发后期平面矛盾加剧、剩余油分布特征复杂的问题,提出了一种断块油藏多目标生产优化方法。通过将多目标优化算法应用到断块油藏注采优化过程中,对油藏不同部位设置各自的优化目标,从而实现不同部位各自独特的优化策略并同时达到最优化的效果。将该方法应用于断块油藏模型中进行测试,对不同区域占优结果进行方案选取,对比生产数据变化情况以及剩余油分布特征,发现该方法能够使油藏不同部位均能达到各自的预期目标,有效地改善了油藏的平面矛盾。该研究成果对断块油藏的开发具有一定的借鉴意义。

基于卷积神经网络和MPGA-LM算法的阵列侧向测井快速反演方法

在大斜度井/水平井环境下,阵列侧向测井受钻井液侵入、地层倾角和各向异性等多种因素影响,导致测井响应复杂,需借助反演手段提取地层真实电阻率.然而,阵列侧向测井三维正演效率低,难以满足测井资料快速反演和油气藏快速评价的需求.为此,本文基于深度学习并联合混合多种群遗传(MPGA)与列文伯格马奎特(LM)算法建立了一种快速反演方法.首先从地层参数敏感性出发,基于严格的三维有限元正演算法,依次确定侵入、各向异性和地层倾角的敏感性大小;其次,引入深度学习和模型可视化技术,实现斜井各向异性地层阵列侧向测井响应的快速正演;最后,基于数据集分解技术和混合MPGA-LM算法,实现斜井各向异性地层电阻率剖面快速精确重构.数值模拟结果表明:斜井各向异性地层中,阵列侧向测井响应对侵入深度敏感性最高,各向异性和地层倾角次之;相较于反向传播神经网络(BPNN),二维卷积神经网络(2D-CNN)能够实现阵列侧向测井响应的快速精确计算,计算一个测井点仅需0.36 ms,精度可达99%左右;基于三层反演模型的MPGA-LM混合算法稳定性强,电阻率参数反演精度高的优点,可用于阵列侧向测井资料的快速处理.

BP Neural Network Based on Microwave Method for Measuring the Moisture Content of Textile

The moisture content of yarn and fabric is an important factor in textiles industry.A novel microwave method used for material moisture content measurements is described in this paper.It can estimate the moisture content of the yarn roll with a standard deviation of 1.58% in the range of 0% to 90.00%.According to the actual size of the yarn,the yarn roll simulation model is established.The microwave attenuation variations arising from the changes in the conductivity and dielectric constant of the wet cone yarn from1.8 GHz to 5.0 GHz frequency are obtained by ultra-wideband antenna.The measured data are analyzed using the BP neural network.The result shows that it is a non-contact and online method to solve the moisture content of the yarn in the wide moisture content range.