阿赛管道蜡沉积速率模型与计算实例

针对阿赛输油管道结蜡严重,导致清管频率高、清管器无法到达预定位置等问题,探讨了蜡沉积速率计算方法、模型及其构建方法。考虑油流冲刷对蜡沉积的影响,基于Fick扩散定律,确定了蜡沉积速率模型的形式。在理论分析和实验研究的基础上,确定了管壁剪切应力、管壁温度梯度与蜡沉积倾向系数之间的关系。运用蜡沉积预测软件,基于阿赛管道输送原油的基本物性,构建了蜡沉积速率模型,预测了不同工况下管道沿线蜡沉积速率分布情况。研究成果对于优化进站油温具有一定的指导意义。     

L—M方法优化管输原油蜡沉积速率模型

通过设计一个平方和函数,使蜡沉积速率的计算值与实测值的残差平方和为最小的优化数学模型成为一个无约束的非线性规划问题.采用快速、准确搜索非线性模型未知变量的Levenberg-Marquardt优化方法求解模型中的回归参数.经算例检验,与逐步回归分析法相比,用L-M优化方法搜索模型回归参数能更准确地描述蜡沉积速率的变化规律.     

基于灰色系统理论的蜡沉积速率预测模型

基于灰色系统理论建立了管输原油蜡沉积速率灰色预测模型,借助该模型可以得到多个不同影响因素相互作用的结果,从而避免了因片面考察个别因素而影响预测结果客观性的问题。实例验证结果表明:该模型预测结果的平均相对误差为2.376%,优于逐步回归预测模型;在管壁处剪切应力、管壁处温度梯度、管壁处蜡分子质量分数梯度和原油动力粘度4个影响因素中,管壁处蜡分子质量分数梯度对蜡沉积速率的影响最大。该模型算法简单,易于掌握,可提供的信息量较大,但仍属于静态模型,欲使模型更加完善,需要建立动态灰色预测模型。     

含蜡原油蜡沉积影响因素对比试验

为探究不同蜡沉积因素对大庆原油结蜡规律的影响,采用单一变量法,控制不同的结蜡时间、油壁温差、温度区间、剪切速率等影响因素,利用某新型动态蜡沉积试验装置对大庆原油进行蜡沉积对比试验。结果表明:当剪切速率一定时,随着结蜡时间延长,蜡沉积量逐渐增多,蜡沉积速率逐渐降低;当结蜡筒壁温度不变且在析蜡点以下时,随着油温的升高,蜡沉积量逐渐增大;当油壁温差保持不变且温度区间逐渐上升时,蜡沉积量逐渐减小;剪切应力与剪切剥离蜡量并非线性关系,当剪切力达到某一临界值时,蜡沉积层会被油流冲刷下来。研究结果可为未来含蜡原油管道的输送提供借鉴与技术支持。     

管输含蜡原油蜡沉积速率影响因素权值的确定

含蜡原油蜡沉积速率影响因素多而复杂,确定各影响因素的主次对于建立蜡沉积预测模型尤为重要。从蜡沉积影响因素中选择7个主要影响因素,采用主成分分析法确定了蜡沉积速率影响因素之间的关系,量化了各影响因素的权值,并对这7个影响因素的影响程度进行排序。对青海原油两种实验条件下的蜡沉积速率实验数据进行分析,结果表明:管壁剪切应力、油温、蜡分子浓度梯度这3个影响因素对蜡沉积速率的贡献较大,且两种实验条件下各因素权值大小顺序基本一致,这也证实了该方法确定蜡沉积影响因素权值的可靠性。     

W/O型乳状液蜡沉积影响因素

利用自行设计制造的冷指实验装置,在油-水两相体系下,系统研究了含水率、冷指温度、乳状液温度和温度区间对W/O型乳状液蜡沉积规律的影响,得到了W/O型乳状液蜡沉积规律的宏观特性:在相同温度区间下,蜡沉积速率随含水率的增大而减小,且冷指温度较高时,蜡沉积速率随含水率增大而减小的趋势明显,冷指温度较低时,该趋势较平缓;蜡沉积速率随乳状液与冷指表面温差的增大而增大;在乳状液和冷指表面温差相同的情况下,蜡沉积速率随乳状液温度的升高而减小.基于静态条件下W/O型乳状液中沉积物相对质量基本不随含水率变化这一特性,提出了利用沉积物相对质量预测W/O型乳状液蜡沉积速率的新方法.     

原油蜡沉积研究进展

从蜡沉积装置、蜡沉积热力学模型及蜡沉积动力学模型出发,系统总结了目前国内外原油蜡沉积的研究进展状况,分析了不同蜡沉积装置的优缺点,指出了蜡沉积动力学模型和热力学模型的适用范围及其存在的主要问题.     

基于BP神经网络的蜡沉积速率及清蜡周期预测方法

为应对XX油矿井筒结蜡对油井生产造成的严重危害,首先通过试验方法对原油基本物性以及析蜡特性进行分析,再运用SPSS大数据分析软件进行敏感性分析,发现油井产液量、含水量、生产气油比和生产时间是影响蜡沉积速率的地面生产特征,而剪切应力、原油黏度、径向温度梯度、蜡分布密度为其地下内在联系。将这4个内在影响因素作为输入参数,蜡沉积速率作为目标参数,使用SPSS Modeler软件建立神经网络模型。最终应用模型计算可以得到各油井的清蜡周期,针对蜡堵严重油井进行提前预判,采取相应清防蜡技术,降低结蜡对油田开发的不利影响,提高油井生产时率,这对油田的稳产具有重要的意义。     

供应商优选与订货量分配的多目标微粒群算法

分析了供应商优选与订货量分配问题的特性,构建了带界约束的多目标优化模型,并设计具备有综合学习机制的多目标微粒群优化算法以求解该模型．实验结果表明,该多目标微粒群优化算法是有效的．     

基于改进微粒群算法的无人机姿态控制参数智能整定

提出了基于改进微粒群算法的无人机姿态控制器参数智能整定方法.标准微粒群算法在搜索后期由于群体缺乏多样性而容易出现收敛停滞现象,为此提出了一种改进的微粒群算法.标准微粒群算法中的微粒速度是根据惯性运动、群体历史最优位置和自身历史最优位置来调节的.改进微粒群算法中的微粒除了保持惯性运动外,仅向当前群体中任意更优个体的状态学习,而且惯性权重系数是随机数.改进方案减少了算法不确定参数,简化了微粒学习机制,且增强了群体多样性.本文构建了无人机姿态控制系统,将改进微粒群算法用于四个控制参数的寻优整定.仿真结果表明,改进微粒群算法比一般微粒群算法具有更强的全局搜索能力,故获得更优的无人机姿态控制参数.