基于前饋性神經(jīng)網(wǎng)絡(luò)在段塞流海底管道壓力預測中的應(yīng)用

柯文超，張金磊，鄧利惠，徐壯飛，趙德喜，姜顯英

中海石油（中國）有限公司天津分公司，天津 300459

在海上油田開發(fā)生產(chǎn)中，油氣混輸管道具有輸送量大、長距離輸送壓損小、熱能損失偏低等優(yōu)點而在海上油田生產(chǎn)中大量運用。對海底管道（以下簡稱海管）壓力進行監(jiān)測以及準確分析海管壓力波動原因是保障油田安全生產(chǎn)的必備工作。海管壓力波動不僅對油田生產(chǎn)流程產(chǎn)生沖擊，還可能引起海管高高壓關(guān)斷或者手動停運電潛泵，從而影響油田原油產(chǎn)量。一旦實際運行壓力產(chǎn)生的高高壓引起海管泄漏，則會導致嚴重安全事故，因此，研究海管運行壓力規(guī)律具有重要意義。有學者指出引起海管高壓的原因有溫度、含水、黏度等因素，也有學者對氣液混輸管路的清管時間和清管球運行速度進行預測。目前，在油田現(xiàn)場觀察海管壓力主要采用壓力變送器傳輸?shù)确绞?。傳統(tǒng)理論認為，油氣混輸海管中氣液在各種不同情況下的流態(tài)主要由段塞流、水平流、純液流等組成；其中，段塞流對現(xiàn)場流程實際影響較為明顯，容易引起下游分離器油相液位大范圍波動，出現(xiàn)高高液位或低低液位產(chǎn)生的生產(chǎn)關(guān)停[1-2]。

1 神經(jīng)網(wǎng)絡(luò)介紹

神經(jīng)網(wǎng)絡(luò)主要模仿人類大腦思維方式，采用信號前向傳遞、誤差反向反饋算法，通常由輸入層、隱含層、輸出層等組成。在傳播過程中，如果輸出層的值達不到預設(shè)值，則繼續(xù)反向修正，根據(jù)誤差調(diào)整神經(jīng)網(wǎng)絡(luò)，從而使神經(jīng)網(wǎng)絡(luò)預測不斷接近期望輸出值，如圖1所示。

圖1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

當出現(xiàn)的問題不能用常規(guī)數(shù)學模型表示時（如故障預判、特征向量提取和數(shù)據(jù)預測等問題），常規(guī)線性函數(shù)關(guān)系不能夠有效建模，神經(jīng)網(wǎng)絡(luò)是目前最佳利用工具。位云生等將神經(jīng)網(wǎng)絡(luò)應(yīng)用于水力壓裂，霍雅迪用神經(jīng)網(wǎng)絡(luò)對重復壓裂技術(shù)進行了優(yōu)選，其他一些學者也證明了前饋性（BP）神經(jīng)網(wǎng)絡(luò)在油田現(xiàn)場應(yīng)用的可行性[3-5]。

對于輸入量X=X1，X2，…，Xk，對海管壓力賦值Xk，壓力波動的最大值與最小值能夠反映出海管壓力變化的強烈程度。

Xmax=max （X1，X2，…，Xk）

Xmin=min （X1，X2，…，Xk）

海管壓力平均值的計算：

海管壓力標準偏差SD的離散度：

1.1 海管運行壓力模型構(gòu)建

構(gòu)建合適的神經(jīng)網(wǎng)絡(luò)海管壓力預測模型，預測流程如圖2所示。

圖2 預測流程

1.2 S油田WHP1平臺海管壓力數(shù)據(jù)波動原因分析

S油田WHP1無人值守平臺2006年投產(chǎn)，采用以下模式生產(chǎn)：一條油氣混輸海管、一根輸送電力的復合電纜、一座井口平臺。WHP1平臺油井采取電潛泵舉升，單泵產(chǎn)液量為30～350 m3/d，目前共有10口電泵井生產(chǎn)。油井產(chǎn)物流在地面加熱處理后，由油氣混輸管道輸送至中心平臺。海管基礎(chǔ)數(shù)據(jù)如表1所示，海管當前運行參數(shù)如表2所示，在對海管壓力分析過程中選取了海管12 h壓力數(shù)據(jù)，如表3所示。

表1 海管基礎(chǔ)數(shù)據(jù)

表2 海管當前運行參數(shù)

表3 海管實際運行壓力值

計算海管流體雷諾數(shù)Re:

式中：Q為輸氣量，m3/s；d為管道內(nèi)徑，m；v為運動黏度，m2/s。根據(jù)流體力學可以判斷此流態(tài)屬于混合摩擦流態(tài)。

當油井中出現(xiàn)不同形態(tài)的井產(chǎn)物流時，混合物的密度也在發(fā)生變化，由上述公式可知，海管中出現(xiàn)一段純氣流或純液流是導致海管產(chǎn)生不同壓力的主要原因。純氣流狀態(tài)下，密度小；純液流狀態(tài)下，密度大。對于純氣體狀態(tài)下的這種摩擦，可以引用潘漢特爾輸氣公式：

式中：Q為產(chǎn)氣量，E為輸氣效率，d為海底管道直徑，Pb為起點壓力，Pe為終點壓力，T為輸氣平均溫度，Z為壓縮因子，L為管道長度，ρ為天然氣相對密度。

由潘漢特爾輸氣公式可知：對于輸送距離較短的輸氣海管，產(chǎn)氣量Q的變化會導致海管內(nèi)能量發(fā)生變化，導致管道前后壓能發(fā)生較大變化[6-9]。

2 數(shù)據(jù)歸一化處理

本模型選取海管實際運行壓力值作為樣本數(shù)據(jù)。由于海管壓力波動，需要對壓力運行數(shù)據(jù)進行歸一化處理，將數(shù)據(jù)轉(zhuǎn)化在區(qū)間[0，1]之間。

首先，在整個數(shù)據(jù)范圍內(nèi)確定最大值Xmax和最小值Xmin。；然后，將運行壓力數(shù)據(jù)Xi代入公式：Xj=（Xi-Xmin） /（Xmax-Xmin），求取歸一化后壓力數(shù)據(jù)Xj。壓力數(shù)據(jù)經(jīng)過標準化處理后，每個值都在[0，1]之間，消除了壓力數(shù)據(jù)由于不同量綱導致的變化，從而構(gòu)建出海管實際運行壓力矩陣。

3 應(yīng)用實例

利用整理好的段塞流海管壓力數(shù)據(jù)樣本P進行網(wǎng)絡(luò)訓練，利用未參與訓練的樣本Ptest對該系統(tǒng)進行檢驗，通過調(diào)整隱含層的層數(shù)、學習率、訓練方法和訓練次數(shù)，經(jīng)過多次的反復訓練，使海管壓力誤差達到了預測的要求。最終，隱含層第一層節(jié)點數(shù)設(shè)置為30，隱含層第二層節(jié)點數(shù)設(shè)置為40，訓練次數(shù)設(shè)置為10 000次。在Matlab軟件中進行運行計算，即輸入訓練樣本中海管壓力數(shù)據(jù)，運行代碼如圖3所示。

圖3 運行代碼

圖4是經(jīng)過10 000次的網(wǎng)絡(luò)訓練后，實際值與預測值的對比結(jié)果，網(wǎng)絡(luò)的誤差下降到了0.001，達到了誤差精度要求；圖5為網(wǎng)絡(luò)訓練誤差。

圖4 實際值與預測值對比

圖5 網(wǎng)絡(luò)訓練誤差

通過收集海管壓力運行數(shù)據(jù)，運用前饋性神經(jīng)網(wǎng)絡(luò)對海管壓力進行預測，可知WHP1平臺海管實際運行壓力高于1 550 kPa（接近1 600 kPa的生產(chǎn)關(guān)停保護壓力、高于1 330 kPa的實際操作壓力）的頻次為1.6 h/d。根據(jù)WHP1平臺海管運行當中出現(xiàn)的高運行壓力次數(shù)，通過對現(xiàn)場油水混合物的黏度、溫度、含水以及海管出口背壓等因素分析，研究WHP1平臺海管高壓原因，得出降低下游中心平臺生產(chǎn)分離器操作壓力是一種保障WHP1平臺海管壓力正常運行的方法，故改變現(xiàn)有流程中壓油系統(tǒng)、天然氣系統(tǒng)、生產(chǎn)污水系統(tǒng)入口壓力值，有效降低了WHP1平臺海管實際運行壓力，避免了WHP1平臺由于海管高高壓產(chǎn)生的生產(chǎn)關(guān)停。

4 結(jié)論

（1）海管壓力波動頻繁受很多因素影響，S油田WHP1平臺海管輸送距離短、管徑小、單井瞬時產(chǎn)氣量波動范圍大，是導致海管壓力波動大的主要原因，具有建立良好壓力數(shù)據(jù)預測樣本集的基礎(chǔ)。

（2）對于受段塞流影響較大的海管，前饋人工神經(jīng)網(wǎng)絡(luò)方法能夠充分考慮各種因素對海管壓力波動影響，對海管壓力進行預測，為后期流程改造和流程調(diào)節(jié)提供依據(jù)。

（3） 利用前饋人工神經(jīng)網(wǎng)絡(luò)預測S油田WHP1平臺海管壓力波動準確率達到99%，證明人工神經(jīng)網(wǎng)絡(luò)方法在非線性常規(guī)數(shù)學方法中可以運用。根據(jù)神經(jīng)網(wǎng)絡(luò)預測海管高壓出現(xiàn)的頻次，S油田通過調(diào)整現(xiàn)場原油流程、生產(chǎn)污水處理流程、天然氣流程運行參數(shù)，有效降低了海管實際運行壓力，可確保海管運行安全。