煤粉和油页岩颗粒流化行为研究

为了研究煤粉和油页岩颗粒流动特性,在直径400 mm、300 mm循环流化床冷模试验装置上,考察了不同操作条件下煤粉和油页岩细粉物料的流化性能,并对煤粉、油页岩粉的流化特性进行了对比。结果表明,油页岩粉物料的起始流化速度约0. 043 m/s,煤粉物料约0. 023 m/s;油页岩粉的小颗粒带出速度约0. 7 m/s,煤粉约0. 6 m/s,2种物料的大颗粒带出速度约1. 4 m/s。床层表观气速在0. 1～0. 7 m/s时,床层密度沿床层高度有所降低,其中油页岩粉床层密相密度为800～350 kg/m^3,煤粉床层密相密度为750～300 kg/m^3。在提升管内随提升管高度的增加和表观气速增大,床层密度表现为由下至上逐渐降低,有一定波动的S形分布,提升管内床层密度为20～110 kg/m^3。

D凹陷沙四段致密油储层岩性识别方法研究

首先通过统计方法对D凹陷沙四段致密油储层中的油页岩、粉砂岩和泥质云岩3类岩性测井曲线敏感性进行分析,优选出声波时差、密度和自然伽马。其次基于敏感测井响应,分别建立了测井响应交会图岩性识别方法以及决策树和量子神经网络岩性识别模型。在测井响应交会图法中,首先利用密度-标准化自然伽马交会图区分油页岩与粉砂岩和泥质云岩,然后利用密度-声波时差交会图区分粉砂岩和泥质云岩;在决策树模型中,构建了3层岩性判别树状图,直观映射出4条分类规则;在量子神经网络模型中,构建了三层前馈量子神经网络模型,并优选出精度最高的样本构造方法。通过与实际取心结果对比分析发现,决策树和量子神经网络模型均能很好地识别致密油储层复杂岩性,而测井响应交会图法难以对致密储层复杂岩性进行有效识别。