基于机器学习方法的海洋天然气水合物水平井降压开采模拟—优化耦合模型

由天然气水合物(以下简称水合物)开采引起的含水合物沉积层力学变形问题不能被忽视,因其直接威胁到海域水合物的安全开采。为了找到甲烷累计产气量最优值与地层稳定性的关系,基于机器学习方法形成模拟-优化耦合技术,构建起水合物降压开采传热-流动-力学数值模拟模型、可以替代数值模拟模型的机器学习模型和以甲烷累计产气量最优为目标的混合整数非线性规划优化模型;在此基础上,选取南海北部神狐海域厚层Ⅱ类水合物藏W11站位为研究对象,获得了海底面沉降量约束下的水合物储层甲烷累计产气量及相对应的最优开采方案参数。研究结果表明:①模拟-优化耦合技术的关键是机器学习方法的运用,基于径向基函数人工神经网络方法而建立的替代模型计算精度较高,可以替代模拟模型来确定输入输出变量的关系,从而摆脱既定方案的限制,找到全局最优解;②模拟-优化耦合技术可以解决受含水合物沉积层力学响应特征影响的水合物开采方案优选问题,根据试采工程安全要求改变海底面沉降量最大允许值,可以计算得到相应的甲烷累计产气量,以及降压幅度、开采时间、井位布置、水平井段长度等最优开采方案参数;③随着最大允许沉降量增大,甲烷累计产气量增大,二者满足正相关关系;④海底面沉降量随着开采时间增长而增大,也随降压幅度增大而增大;⑤水合物开采引起海底面沉降主要发生在开采初期,为了获得较高甲烷累计产气量及较小海底面沉降量最大允许值,在开采初期必须减小降压幅度。结论认为,所形成的模拟-优化耦合技术适用性强,可以为水合物安全、高效规模化开采方案的制订提供支撑。