摘要：随着石油行业不断向海洋发展,水下油气生产工艺也随之诞生,传统的技术手段面临诸多新的问题。虚拟计量系统已经逐步在国内外的海上油气田生产系统中开始应用。该技术利用油气田的常规基础工艺参数以及从生产控制系统获取的实时仪表数据,通过多种模型实时计算出单井油气水各相的流量。本文主要研究人工神经网络在虚拟计量方面的应用。由于目前常用的井筒模型不能适应产量的瞬时变化,不能及时准确地预测产量,本文引入具有高度非线性预测能力的误差反向传播的人工神经网络方法,以人工调试后的井筒模型结果作为数据样本库,模拟各种影响因素与天然气井产量之间的映射关系,通过学习和训练建立了基于BP神经网络模型的天然气井产量计算模型。预测结果表明:该方法的计算结果与现场物理流量计测量值的相对误差平均值为3.33%,超过80%的数据点相对误差处于±5%内,预测精度较高。综合分析表明,人工神经网络模型能够满足实际生产需要,且该模型结构简单,不拘泥于具体的形式,计算量少。

关键字：水下油气生产工艺;虚拟计量系统;人工神经网络模型;天然气—凝析液管道;深海流动安全保障;

发表日期：2017-09-15

影响因子：0.000000

期刊分区（SCI为中科院分区）：无

收录情况：国内一般期刊

发表期刊名称：石油科学通报

通讯作者：宋尚飞,洪炳沅,康琦,王智

第一作者：史博会,吴海浩,宫敬

论文类型：期刊论文

论文概要：宋尚飞,洪炳沅,史博会,吴海浩,康琦,王智,宫敬，基于人工神经网络的天然气井产量计算方法研究，石油科学通报，2017，

论文题目：基于人工神经网络的天然气井产量计算方法研究