CC BY
21
УДК 543.4:5.44.2
А. Р. Мухутдинов, З. Р. Вахидова, М. Г. Ефимов
НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ ИМПЛОЗИОННОГО ПРОЦЕССА
ПРИ СРАБАТЫВАНИИ УСТРОЙСТВА В НЕФТЯНОЙ СКВАЖИНЕ
Ключевые слова: моделирование, имплозия, давление гидравлического удара, рабочий агент, искусственная нейронная сеть,
диаметр имплозионной камеры, глубина обрабатываемого пласта.
Исследованиями показана возможность нейросетевого моделирования процесса имплозии. Наглядно продемонстрирован прогноз выходного параметра (давления гидравлического удара) на заранее обученной сети с относительной погрешностью равной 2%. Определено, что от диаметра и длины имплозионной камеры устройства зависит давление гидравлического удара в процессе имплозии.
Keywords: modeling, implosion, hydraulic shock pressure, working agent, artificial neural network, diameter of the implosion chamber, depth of the treated formation.
Studies have shown the possibility of neural network simulation of the implosion process. The forecast of the output parameter (hydraulic shock pressure) on a pre-trained network with a relative error of 2% is clearly demonstrated. It is determined that the diameter and length of the implosion chamber of the device depend on the pressure of the hydraulic impact during implosion.
Введение
Увеличение производительности долговременно эксплуатируемых нефтяных месторождений возможно с помощью перспективных технологий интенсификации нефтедобычи, которые сочетают в себе методы, обеспечивающие прочную гидродинамическую связь между скважиной и пластом, т.к. они дают возможность создавать в призабойной зоне пласта (ПЗП) искусственные трещины [1-4]. С этой целью широко используется метод имплозии, как. простой, доступный, технологичный, приводящий к образованию трещин в призабойной зоне скважин без закачки в них закрепляющих материалов [4, 5]. Следует отметить, что данный метод, также обеспечивает локальный гидроразрыв пласта в призабойной зоне, при этом структура основного нефтяного пласта не нарушается, а его эффективность зависит от правильности выбора конструктивных параметров имплозионного устройства и соответствующей технологии проведения самого процесса, которые основываются на эмпирические данные.
В связи с этим, перспективным способом повышения эффективности метода имплозии является использование универсальных вычислительных возможностей современных программных средств, основывающихся на искусственных нейронных сетях (ИНС). Они позволяют, исходя из одного только эмпирического опыта, строить нейросете-вые модели, которые способствуют извлечению знаний из данных, выявлению особенностей процесса и активному использованию их для решения конкретных практических задач [6-8]. Поэтому создание нейросетевой модели и ее применение для выявления особенностей влияния диаметра и длины имплозионной камеры устройства на давление гидравлического удара в процессе имплозии является актуальной задачей, имеющей научный и практический интерес.
Методика и объект исследования
Объектом исследований является процесс имплозии, а его определяющим эксплуатационным параметром для обработки нефтяной скважины -давление гидравлического удара, от которого зависит эффективность обработки призабойной зоны пласта. ИНС будет использоваться для прогнозирования давления гидравлического удара (P, МПа), создаваемого устройством и зависящего от следующих параметров: давление разрыва мембраны (р, МПа), диаметр имплозионной камеры (d, мм), длина имплозионной камеры (l, м) и глубина обрабатываемого пласта (L, м).
По экспериментальным данным (8 опытов, [4]) в среде MS Excel создавалась база знаний (табл. 1), которая делилась на обучающую (6 примеров) и тестирующую (2 примера) выборку. Значения экспериментальных данных вводились без предварительного отсева экспериментов. Затем обучающая выборка помещалась в программную среду разработки NeuroPro, где разрабатывалась компьютерная модель на основе ИНС, т.е. определялись входные и выходные данные, ее структура. Входными параметрами для обучения являлись: давление разрыва мембраны (р, МПа), диаметр (d, мм), длина (l, м) и глубина обрабатываемого пласта (L, м). В качестве рабочего агента выбрана нефть.
Таблица 1 - База знаний для нейросетевого моделирования
№ опыта Р» МПа d, мм l, м L, м P, МПа
1 15 76 18 1000 90
2 20 76 22,5 1400 120
3 25 76 17,5 1750 135
4 30 76 14 2400 148
5 35 76 9 2600 160
6 40 76 7,5 3100 175
7 45 76 28 3300 112
8 15 59 8 990 36
Выходным параметром являлось давление гидравлического удара (Р, МПа), создаваемое устройством в рабочем агенте - нефть в процессе обработки ПЗП. Этот параметр зависим от входных данных. После чего происходило обучение и тестирование нейронной сети. В программной среде разработки ИНС применялся процесс обучения «с учителем».
При проведении вычислительного эксперимента, построении графика зависимости давления гидравлического удара от диаметра имплозионной камеры [Р=ДйО] и его анализе, остальные входные параметры имели постоянные значения: р=35 МПа; 1=9 м; L=2600 м, а диаметр имплозион-ной камеры изменялся в диапазоне 59^76 мм.
Результаты экспериментов и их обсуждение
С использованием разработанной базы знаний и результатов исследований по оптимизации структуры определена архитектура ИНС (сеть с прямым распространением сигнала, общее количество скрытых слоев - 2, количество нейронов в слоях: 60 и 35, функция активации - сигмоидная и метод оптимизации - сопряженные градиенты). В соответствии с количеством входных и выходных параметров определено количество нейронов в первом слое - 4, в последнем - 1. Для выборки из 8 экспериментов общее число шагов обучения методом сопряженные градиенты составило - 144.
После тестирования нейросетевая модель дает прогноз с максимальной относительной ошибкой 2%, что подтверждает возможность точного прогнозирования значения давления
гидравлического удара в процессе имплозии. С применением разработанной модели проведены исследования и получены следующие результаты:
- установлена значимость входных параметров, влияющих на значение давления гидравлического удара;
- определена зависимость давления гидравлического удара от диаметра имплозионной камеры устройства
- определена зависимость давления гидравлического удара от длины имплозионной камеры Р=Д/)].
В ходе определения значимости влияния входных параметров на выходные выявлено, что наибольшее влияние на давление гидравлического удара оказывает диаметр и длина имплозионной камеры устройства, что согласуется с литературными данными [4]. Показатели значимости определяют дальнейший ход исследования, поэтому в работе изучено влияние тех параметров, значимости которых являются наибольшими. Первоначально, исследовался характер влияния диаметра, а потом длины имплозионной камеры на значение давления гидравлического удара. Поскольку диаметр имплози-онной камеры является изменяемым при исследовании в системе эксплуатационным параметром, остановимся подробнее на нем.
График зависимости давления гидравлического удара от диаметра имплозионной камеры устройства Р=ДйТ), полученный на основе нейросетевой модели представлен на рисунке 1.
Р, МПа
150 120 90 60
59 63 67 71 75 4 мм
Рис. 1 - Зависимость давления гидравлического удара от диаметра имплозионной камеры: • -экспериментальная точка натурного эксперимента
На графике Р=ДйО отмечается резкий рост давления гидравлического удара с 48 до 162 МПа (в три раза) при увеличении диаметра имплозионной камеры устройства от 65 мм до 67 мм.
На основании результатов исследований вторым значимым параметром является длина имплозион-ной камеры. В связи с этим в работе изучалось влияние длины имплозионной камеры на значение давления гидравлического удара с использованием нейросетевой модели [характер зависимости Р=Д/) показан на рисунке 2].
5 13 18 23 !,м
Рис. 2 - Зависимость давления гидравлического удара от длины имплозионной камеры: • - экспериментальная точка натурного эксперимента
На зависимости Р=Д/) отмечается резкое снижение давления гидравлического удара от 140 до 87 МПа (на 61%) при увеличении длины имплози-онной камеры от 19 м до 22 м, что согласуется с литературными данными.
Таким образом, определена значимость входных параметров. Установлено, что диаметр и длина имплозионной камеры оказывают существенное влияние на давление гидравлического удара.
Выводы
1. Показано, что решение задачи прогнозирования эксплуатационного параметра компьютерным моделированием процесса имплозии с использованием искусственных нейронных сетей является актуальным.
2. Отработана методика решения задач прогнозирования с использованием программного средства на основе искусственных нейронных сетей.
3. Исследована и показана возможность нейросе-тевого моделирования процесса имплозии для рабо-
чего агента - нефть. Наглядно продемонстрирован прогноз выходного параметра, в данном случае давления гидравлического удара, на заранее обученной сети, с относительной погрешностью равной 2%, с помощью базы знаний.
4. Создана нейросетевая модель процесса имплозии для рабочего агента - нефть, на основании которой получены зависимости давления гидравлического удара от диаметра и длины имплозионной камеры устройства.
Литература
1. Солдатов A.M., Тимофеев АИ, Спирин П.В. Интенсификация добычи нефти. - Куйбышевское кн. изд-во, 1968.
2. Тимонин В.И., Демко Т.Т., Муллаев Б.Т. Применение различных методов воздействия на пласты и призабой-ную зону скважин //ТНТО ВНИИОЭНГа. Сер. Нефтепромысловое дело. - М.: 1974.
3. Блажевич В. А. Логинов Б.Г Гидравлический разрыв пласта. - М.: Гостоптехиздат, 1958. - 140 с.
4. Попов А.А. Имплозия в процессах нефтедобычи. - М.; Недра, 1996.
5. Попов А.А. Разработка технологии обработки и освоения скважин с одновременным имплозионным воздействием на призабойную зону пласта - Ухта, 1992. - 93 с.
6. Мухутдинов А.Р., Вахидова З.Р., Любимов П.Е. Повышение эффективности работы котла ТП-230 за счет нейросетевых технологий // Вестник Казан. технол. унта. - 2011 - Т.14, № 21. - С. 91-94.
7. Мухутдинов А.Р., Вахидова З.Р., Файзуллина М.Р. Нейросетевое моделирование теплообмена диэлектрической жидкости в электрическом поле // Вестник Казан. технол. ун-та. - 2013 - Т.16, № 1. - С. 79-81.
8. Мухутдинов А.Р., Вахидова З.Р., Двоеносова М.В. Исследование особенности горения фрезерного торфа нейросетевым моделированием // Вестник Казан. тех-нол. ун-та. - 2014 - Т.17, № 22. - С. 55-57.
© А. Р. Мухутдинов - д-р техн. наук, проф. каф. технология твердых химических веществ КНИТУ, muhutdinov@rambler.ru; З. Р. Вахидова - канд. техн. наук, доц. каф. машиностроения и информационных технологий К(П)ФУ, MRZulphi-ya@rambler.ru; М. Г. Ефимов - аспирант каф. технология твердых химических веществ КНИТУ, jero07@bk.ru.
© A. R. Mukhutdinov - Federal State Educational Institution of Higher Professional Education "Kazan National Research Technological University", the doctor of Technical Sciences, Professor of the Department "Technology solid chemical substances", muhutdi-nov@rambler.ru; Z. R. Vahidova - Federal State Educational Institution of Higher Professional Education «Kazan (Volga) Federal University», Ph.D., assistant professor of mechanical engineering and information technology, MRZulphiya@rambler.ru; M.
G. Efimov - State educational institution of higher education "Kazan National Research Technological University", Postgraduate Student of the Department "Technology solid chemical substances", jero07@bk.ru.
