[发明专利]注采管柱临界冲蚀流速确定方法及装置

说明书

本发明实施例提供了一种注采管柱临界冲蚀流速确定方法及装置，其中，该方法包括：获取目标井的与管柱冲蚀相关的注采工况数据；多次修改注采工况数据中的流速后，将修改流速后的注采工况数据数值化后输入到神经网络中，分别得到各修改后的流速下表示管柱是否发生冲蚀的信息，在神经网络输出当前流速下管柱未发生冲蚀，神经网络输出下一流速下管柱发生冲蚀时，将当前流速确定为目标井的临界冲蚀流速，神经网络是经过目标井的各种工况下的注采工况数据和各种工况下管柱是否发生冲蚀的信息训练得到的，神经网络用于输入一种工况下的注采工况数据，输出该工况下表示管柱是否发生冲蚀的信息。

技术领域

本发明涉及注采工程技术领域，特别涉及一种注采管柱临界冲蚀流速确定方法及装置。

背景技术

目前，气井和注采井管柱尺寸设计首先要满足气井配产和注采井注采气量的要求，同时需综合考虑沿程压力损失、临界携液流量及临界冲蚀流量等因素；其中，临界冲蚀流量是限制生产管柱和注采管柱尺寸的重要因素。临界冲蚀流量等于临界冲蚀速率与管柱横截面积的乘积。管柱尺寸不能小于临界冲蚀流量对应的尺寸，否则管柱很容易发生冲蚀，导致管柱失效；反之，如果为满足冲蚀流量而一味增加管柱尺寸，不可避免造成套管尺寸、井眼尺寸增加，进而大幅增加作业成本。

业内比较公认临界冲蚀流速计算方法是API RP 14E提出的方法，其为半经验公式，主要通过选取临界冲蚀系数C确定对应的临界冲蚀流速，进而确定管柱的临界冲蚀流量，但是该方法依赖经验，不利于临界冲蚀流速确定的准确性、合理性。此外，部分研究学者建立了临界冲蚀速率数值计算模型，但是不同模型适应特定冲蚀工况，存在一定的局限性；此外，模型部分参数无法直接获取，需要进行室内实验获取，进一步限制了模型的应用。

发明内容

本发明实施例提供了一种注采管柱临界冲蚀流速确定方法，以解决现有技术中确定注采管柱临界冲蚀流速时存在的准确性低、有局限性的技术问题。该方法包括：

获取目标井的与管柱冲蚀相关的注采工况数据；

将所述注采工况数据数值化后输入到神经网络中，得到所述神经网络输出的表示管柱是否发生冲蚀的信息，多次修改所述注采工况数据中的流速后，将修改流速后的注采工况数据数值化后输入到神经网络中，分别得到各修改后的流速下表示管柱是否发生冲蚀的信息，在所述神经网络输出当前流速下管柱未发生冲蚀，所述神经网络输出下一流速下管柱发生冲蚀时，将当前流速确定为目标井的临界冲蚀流速，其中，所述神经网络是经过目标井的各种工况下的注采工况数据和各种工况下管柱是否发生冲蚀的信息训练得到的，所述神经网络用于输入一种工况下的注采工况数据，输出该工况下表示管柱是否发生冲蚀的信息；

所述注采工况数据包括：温度、压力、CO₂含量、H₂S含量、流速、含水率、固相颗粒浓度、固相颗粒粒径以及管柱材质；所述注采工况数据数值化包括：将不同的管柱材质定义为不同的值。

本发明实施例还提供了一种注采管柱临界冲蚀流速确定装置，以解决现有技术中确定注采管柱临界冲蚀流速时存在的准确性低、有局限性的技术问题。该装置包括：

数据获取模块，用于获取目标井的与管柱冲蚀相关的注采工况数据；

确定模块，用于将所述注采工况数据数值化后输入到神经网络中，得到所述神经网络输出的表示管柱是否发生冲蚀的信息，多次修改所述注采工况数据中的流速后，将修改流速后的注采工况数据数值化后输入到神经网络中，分别得到各修改后的流速下表示管柱是否发生冲蚀的信息，在所述神经网络输出当前流速下管柱未发生冲蚀，所述神经网络输出下一流速下管柱发生冲蚀时，将当前流速确定为目标井的临界冲蚀流速，其中，所述神经网络是经过目标井的各种工况下的注采工况数据和各种工况下管柱是否发生冲蚀的信息训练得到的，所述神经网络用于输入一种工况下的注采工况数据，输出该工况下表示管柱是否发生冲蚀的信息；