混合物理-数据驱动方法在富含二氧化碳的气体注入作业中用于压力估计

《IEEE Access》:Hybrid Physics-Data-Driven Approach for Pressure Estimation in CO2-Rich Gas Injection Operations

【字体: 大 中 小 】 时间:2026年05月20日 来源:IEEE Access 3.6

编辑推荐:

   摘要: 在注气井中可靠地监测井底压力(BHP)对于水库管理、运营安全以及提高石油采收率(EOR)和碳捕获、利用与封存(CCUS)项目的成功至关重要。特别是在海上油田中,由于产出气体中含有二氧化碳,将其与碳氢化合物气体重新注入会带来独特的挑战,因为流动通常发生在超临界状态下。此外

  

摘要:

在注气井中可靠地监测井底压力(BHP)对于水库管理、运营安全以及提高石油采收率(EOR)和碳捕获、利用与封存(CCUS)项目的成功至关重要。特别是在海上油田中,由于产出气体中含有二氧化碳,将其与碳氢化合物气体重新注入会带来独特的挑战,因为流动通常发生在超临界状态下。此外,可能无法使用永久性井下测量仪(PDGs)进行测量。传统的机械模型和纯粹的数据驱动机器学习(ML)方法在处理这些系统中的非线性和不确定性方面都存在局限性。在这项工作中,我们通过开发一种物理引导神经网络(PGNN)来克服这些局限性,该网络结合了第一性原理建模和监督学习,并采用了一种混合损失函数。该方法使用来自巴西盐下层海域的一个海上油田的全面数据集进行了验证,该数据集涵盖了多个注入周期和不同的气体组成。结果表明,这种混合方法能够实现稳健的井底压力估计,误差指标约为1%,优于传统的物理模型和标准神经网络,尤其是在处理数据有限或噪声较大的情况下。所提出的虚拟传感器解决方案能够实现注气井中可靠的井底压力监测,从而降低运营成本,并支持安全、高效和可持续的水库管理及二氧化碳储存。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号