论文部分内容阅读
CO2捕获、利用与封存（CCUS）技术是实现节能减排和低碳环保的主要手段。CO2提高原油采收率（CO2-EOR）技术能够同时实现CO2的利用和封存,是CCUS技术中最为重要且经济有效的CO2利用方式。CO2与油藏原油间的最小混相压力（MMP）是CO2驱替过程中的关键参数之一,是区分CO2混相驱和非混相驱的界限。准确估计CO2与原油的最小混相压力对于提高CO2混相驱替效率、降低操作成本、产生社会经济效益来说都是非常重要的。各种MMP确定方法中,实验测量法操作复杂、耗时较长且花费较大,而理论计算方法则更为快速、简便、经济。因此,本文拟建立四种不同类型的理论模型,即Winprop流体相态模型、传统神经网络模型、改进型神经网络模型以及改进型数值关联式,对纯CO2注入和含杂质CO2注入两种情况下的MMP进行计算和模拟预测。本文以10个影响MMP的参数,即油层温度（TR）、原油中易挥发组分摩尔分数（xvol）、原油中C2-C4组分摩尔分数（xC2-4）、原油中C5-C6组分摩尔分数（xC5-6）、原油中C7+组分分子量（MWC7+）、注入气中CO2及四个杂质摩尔分数（即yCO2、yC1、yN2、yH2S和yHC）,作为输入变量建立本文的理论计算公式或模型。通过与实验测量值及已有关联式的计算结果进行对比验证模型的可靠性和准确度。随后,采用长细管实验法测量CO2与模拟油样间的MMP,并分别用几种模型来进行预测,以实际实验数据来评价各模型的预测性能。具体来说,本文主要从以下五个方面进行研究:（1）将某个选定的原油特性参数数据导入Winprop软件,模拟CO2与原油混相过程中的相态及性质变化,拟合PVT参数以建立更为准确的流体相态模型;调整状态方程（EOS）参数,用多级接触混相模拟计算CO2与原油混相过程的最小混相压力,并探究CO2与该油样的混相机理。（2）收集汇总数据,分别建立反向传播神经网络（BPNN）和径向基神经网络（RBFNN）模型,同时对纯CO2注入和含杂质CO2注入两种情况下的CO2-原油MMP进行模拟预测。通过适当的编程调整网络模型参数,找寻出最优的网络模型结构参数值。研究发现,BPNN和RBFNN均有较好的预测效果,训练和测试数据预测值与实验值均有较高的相关性,但相对来说,BPNN有更好的泛化能力和适应度。此外,可扩展性分析显示了所建立模型在任意参数值区间内的良好预测精度。（3）利用遗传算法（GA）和粒子群算法（PSO）空间参数寻优技术,对BPNN网络模型的初始权值、偏置值进行优化预处理,以改善单一神经网络模型易陷入局部最优或过度拟合的缺陷。将优化后的权值和偏置值代入神经网络模型中作为初始特征值,建立GA-BPNN和PSO-BPNN改进型神经网络模型,并与单一BPNN模型的预测结果进行对比,发现:GA-BPNN和PSO-BPNN的预测精度均高于BPNN,两种改进型模型的测试AAD值比BPNN分别减少了32.65%和22.93%。相比较而言,GA-BPNN比PSO-BPNN有更好的泛化能力。GA-BPNN的灵敏度分析结果显示,由于地下油层流体与CO2注入气各组分间的交互作用机理的复杂性,MMP的变化趋势随每个参数值的变化而改变。（4）通过对已有预测MMP的理论关联式进行分析,考查各影响参数表达形式、理论关系式类型、复杂度等对预测精度的影响,进而构建本文的改进型数值关联式,以直观反映MMP与各影响因素间的关联度。结果对比显示该改进型关联式的计算结果与实验值吻合度很高,且预测精度优于其他理论关联式。改进型关联式的预测精度比GA-BPNN模型略低,但可以很直观地反映出MMP与各影响因素间的非线性关系,且关联式的结构更为简便。可扩展性分析结果显示了改进型关联式的良好适应性。MMP与10个影响参数间的相关性大小为:TR>x C5-C6>MWC7+>xvol>y H2S>y HC>y CO2>y C1>y N2>x C2-C4。（5）采用填砂管模型测定了纯CO2气体与模拟油样在40℃下的MMP值,作为进一步检验本文几种不同模型预测性能的实践依据。根据一系列不同压力下的驱替实验结果,最终得到的MMP值为8.2MPa。多种模型预测结果对比显示:改进型关联式的预测精度最高（预测值与实验值的相对偏差（AD）仅有4.15%）,其次是GA-BPNN模型（AD为4.88%）,而单一的RBFNN模型预测效果最差（AD为34.02%）。本文所采用的模拟油样中未含易挥发组分和C2-C4轻质油组分,但各模型的预测结果（尤其是改进型关联式和GA-BPNN模型）却显示出了与实验测量值较高的吻合度,充分说明了所建立的MMP预测模型的高预测精度。