页岩气压裂过程异常工况预测与溯源方法研究

《页岩气压裂过程异常工况预测与溯源方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：X937单位代码：11414学号：2014214116题目页岩气压裂过程异常工况预测与溯源方法研究学科专业安全科学与工程研究方向安全监测与智能诊断工程硕士生田斯赟指导教师胡瑾秋教授二○一七年四月摘要摘要页岩气压裂过程中常会出现砂堵、沉砂等异常，若不及时采取措施，会导致压裂作业失败。压裂施工曲线可反映系统异常，因此，有必要进行施工参数变化预测，从而预知异常信息，及时调整施工操作，并对异常进行溯源分析，提出防控措施。本文对此进行了以下几方面工作：（1）针对传统时间序列算法在页岩气压裂施工曲线预测方面效果差的问题，提出基于粒子滤波算法、自回归滑动平均模型的优化局部加权线性回归（Lo

2、callyWeightedLinearRegression，LWLR）算法，对压裂过程中压力参数进行了向前多步预测。结果表明，相比传统方法，新方法更能准确描述曲线的变化趋势及幅度，预测精度平均提高了2.28个百分点。（2）为提高页岩气压裂异常工况预测准确性，提出基于压裂施工曲线趋势的异常工况预测方法。以砂堵为例，根据压力变化的特点，设置合理的报警阈值，结合向前多步预测方法，实现了异常工况的正确预测。相比传统方法，新方法预测精度提高了6.24个百分点，更准确地预测了预警级别及补救时间，同时减少了误警次数。（3）页岩气压裂过程因素的复杂交互、紧密耦合加大了构建异常工况溯源模型的难度。为此，开

3、展基于贝叶斯网络和功能共振事故模型（BayesianNetwork-FunctionalResonanceAccidentModel，BN-FRAM）的溯源方法研究，并通过贝叶斯网络的建立，解决了传统FRAM无法定量分析共振单元影响因素和不能得出直接后果的问题。相比传统方法，新方法可更准确地辨识出异常工况的发生过程及根本原因。关键词：压裂曲线趋势预测；LWLR；异常工况预测；异常溯源；BN-FRAM-II-ABSTRACTResearchonShaleGasFracturingAbnormalConditionPredictionandCauseAnalysisMethodABSTRAC

4、TSandplug,sandsettingandotheranomaliesoftenemergeintheprocessofshalegasfracturing,thefracturingoperationmayfailifmeasuresarenottakenintime.Toacertainextent,theabnormalconditionoffracturingcouldbereflectedbythevariationoffracturingparametersbytime.Therefore,inordertoreducetheanomaliesrate,itisnece

5、ssarytoknowtheabnormalinformationaheadandmakeoperationadjustmentsthroughthepredictionofthechangetrendoffracturingparameters.Andthepreventivemeasuresshouldbetakenintimethroughanalyzingthereasonsofanomalies.Forthispurpose,severalaspectsofresearchareworkedoutasfollows:(1)Aimingattheproblemthatthetra

6、ditionaltimeseriesalgorithmhasbadeffectonthepredictionofshalegasfracturingconstructioncurve,anoptimizedlocallyweightedlinearregression(LWLR)algorithmbasedonparticlefilterandauto-regressiveandmovingaveragemodelispresented.Finally,theforwardmulti-steppredictionvaluesareobtainedwithsmallerrors.There

7、sultsofthecaseanalysisshowthattheaccuracyoftheoptimizedLWLRmodelis2.28percentagepointshigherthanthatofthetraditionalmethod.Inaddition,thechangetrendandamplitudeofthecurvecouldbedescribedmoreaccuratelybytheoptimizedLWLR