一种海上稠油热化学采油方法

本发明涉及稠油开采，尤其涉及一种海上稠油热化学采油方法。

背景技术：

1、石油是全球能源供应的主要来源之一，然而，随着时间的推移，传统的轻质原油资源逐渐减少，石油工业逐渐转向采集稠油和重质原油，这些油具有较高的黏度和较低的流动性。稠油和重质原油的采油过程相对复杂，传统的采油方法在处理这些油时效率较低，导致高能耗、高生产成本以及环境影响。海上稠油开采是石油工业的一个重要领域，尤其在海洋环境中，挑战更加严峻。稠油在低温、高压的地下储层中凝固成坚硬的物质，使得其采油变得极具挑战性。传统的稠油采油方法通常依赖于热力学原理和物理过程，如热力注蒸汽法和水驱法。这些方法虽然有效，但存在一些局限性，如高能耗、温度梯度不均匀、稠油黏度降低有限等。因此，寻找一种更智能、更可控、更环保的方法变得迫切；因此，发明出一种海上稠油热化学采油方法变得尤为重要。

2、经检索，中国专利号cn102635342a公开了一种海上稠油热化学采油方法，该发明虽然投入和维护费用更低，实现节能增效的海上稠油热化学驱油，但是无法提供更全面的系统状态和性能评估，无法即使采取纠正措施，降低生产效率；此外，现有的海上稠油热化学采油方法无法提供可靠的预测结果，不能准确对新的油井位置和储量提供估计；为此，我们提出一种海上稠油热化学采油方法。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的缺陷，而提出的一种海上稠油热化学采油方法。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种海上稠油热化学采油方法，该采油方法具体步骤如下：

4、(1)确定油井位置与储量并规划平台建设；

5、(2)将热能与化学物质注入稠油储层；

6、(3)采集油井数据以进行参数调整；

7、(4)实时监测并油井以及管道系统运行状况；

8、(5)监测油水混合物的组成并进行分离；

9、(6)收集多组采油作业的数据以优化采油策略。

10、作为本发明的进一步方案，步骤(1)中所述油井位置与储量具体确定步骤如下：

11、步骤一：通过地震勘探、井下测量和卫星遥感收集海上稠油区域的地质和地球物理数据，通过高斯滤波去除数据中的噪声并平滑数据，之后计算物理数据集的标准偏差，之后依据计算出的标准偏差筛除数据集中的异常数据；

12、步骤二：通过统计方法、领域知识或特征重要性分析从原始物理数据中选择最相关和有用的特征，将原始特征进行转换或组合，以创建新的特征或改善数据的分布；

13、步骤三：将各组特征数据缩放到统一的尺度，并将其划分为训练集以及测试集，之后使用训练集数据来训练svm模型以获取最佳的决策边界，并依据决策边界将不同类别的数据分开，并计算该模型损失函数，通过交叉验证方法对svm模型的超参数进行调整；

14、步骤四：使用测试集数据对训练好的svm模型进行评估，模型训练完成后，将未知的地质和地球物理数据输入到模型中，以预测新数据点属于“有油井”或“无油井”的类别，再根据已知的油井位置和稠油储量预测新油井的位置和稠油储量，并对其进行可视化表示。

15、作为本发明的进一步方案，步骤三中所述svm模型具体计算公式如下：

16、f(x)＝sign(w·x+b)   (1)

17、式中，f(x)代表对样本的分类结果；w代表权重向量；x代表输入特征向量；b代表截距；

18、步骤三中所述损失函数具体计算公式如下：

19、

20、式中，yi代表第i个样本的真实标签；||w||2代表正则化项；λ代表正则化参数。

21、作为本发明的进一步方案，步骤(3)中所述参数调整具体步骤如下：

22、步骤ⅰ：通过传感器、测井工具和监控设备收集井内、井口和地下储层中的油井和油藏的数据，并将收集到的数据进行分布式存储，之后对采集到的实时数据流进行清洗和预处理；

23、步骤ⅱ：提取处理后的实时数据流中的特征信息，将数据汇总为不同的时间窗口或汇总级别，选择最相关的特征进行建模和分析，再使用建立的模型来预测未来的油井行为；

24、步骤ⅲ：依据预测结果判断是否需要注入热能以及化学物质降低稠油的黏度与流动性，若需要，则计算所需的热能量以及化学物质类型和注入速率，并将其传送到油井井口，并实时调整热能和化学物质的注入速率，并记录各组监测数据。

25、作为本发明的进一步方案，步骤ⅰ中所述分布式存储具体步骤如下：

26、步骤1：按照预设的时间区间对各组处理数据进行分割，以获形成多组数据块，之后通过哈希算法生成各组数据块的标识，收集各组节点信息；

27、步骤2：获取数据块划分规则以及节点负载情况，并通过负载均衡算法选择合适的节点来存储每组数据块，数据块存储完成后，根据系统的要求和可用资源进行配置复制规定数量的数据块到多组节点上；

28、步骤3：当节点存储的数据发生变化时，通过数据同步算法将数据更新从一个节点传播到其他节点，之后自动检测节点运行情况，并对故障节点进行数据迁移或修复。

29、作为本发明的进一步方案，步骤(5)中所述油水混合物分离具体步骤如下：

30、步骤①：传感器定期采集油水分离设备数据，处理传感器数据中的异常值或噪声，通过多组注意力层从不同角度对历史传感器数据进行线性变换，依据处理结果提取其中重要特征，将多组注意力头提取出的重要进行融合以获取多模态特征数据集；

31、步骤②：将多模态特征数据集按照预设比例分为训练集、验证集和测试集，构建一组混合检测模型并根据要求确认该模型层数以及结构，根据原有设置初始化该混合检测模型各项参数，之后使用训练集进行模型训练，每个训练周期迭代一次，在每个迭代中，将一组批次的数据输入模型，通过交叉熵损失函数计算此次混合检测模型输出结果损失值，若损失值不满足预设要求，通过反向传播算法来更新权重和参数；

32、步骤③：通过验证集来监控混合检测模型在验证集上的性能，若性能不再提升或开始下降，则停止训练，之后使用测试集来评估最终训练好的模型的性能，并使用与验证集相同的评估指标来评估模型在测试集上的性能，再将训练好的模型部署到相关平台中；

33、步骤④：构建混合图谱，将实时采集的传感器数据进行预处理后获得多模态特征向量，将融合后的多模态特征向量作为输入传至训练好的混合检测模型中，输入数据从混合检测模型输入层开始经过模型的各隐藏层，并分别对输入数据处理后，通过各层之间的权重和激活函数进行逐层传递，之后输出层输出一组或多组物质的概率分布，并通过预测概率以及混合图谱确定油水混合物的组成和性质；

34、步骤⑤：基于数据分析结果确定分离过程的控制策略，并根据控制策略自动调整分离设备的操作，同时继续监测传感器数据以实时追踪油水分离过程的状态，若检测到异常情况，则发出警报并反馈给工作人员。

35、作为本发明的进一步方案，步骤④中所述混合图谱具体构建步骤如下：

36、第一步：从互联网以及历史数据库中收集与油水混合物相关的各种知识和信息，并对收集到的油水混合物知识进行分类、去重以及筛选处理，通过nlp技术识别和抽取出处理后的油水混合物知识中的实体；

37、第二步：从相关的知识信息中提取每个实体的对应属性，并建立实体之间的关系，形成混合图谱的连接，采用三元组的形式将实体、属性和关系处理成对应图状结构，选择合适的图数据库来存储和管理混合图谱，并对混合图谱进行不断地更新和维护。

38、相比于现有技术，本发明的有益效果在于：

39、1、该海上稠油热化学采油方法通过传感器定期采集油水分离设备数据，通过多组注意力机制处理传感器数据以获取多模态特征数据集，通过多模态特征数据集训练并验证混合检测模型，并评估最终训练好的模型的性能，将训练好的模型部署到相关平台中，构建混合图谱，将实时采集的传感器数据进行预处理后传至训练好的混合检测模型中，通过模型的各隐藏层对输入数据处理后，通过各层之间的权重和激活函数进行逐层传递，之后输出层输出一组或多组物质的概率分布，并通过预测概率以及混合图谱确定油水混合物的组成和性质，基于数据分析结果确定分离过程的控制策略，并根据控制策略自动调整分离设备的操作，同时继续监测传感器数据以实时追踪油水分离过程的状态，若检测到异常情况，则发出警报并反馈给工作人员，能够提供更全面的系统状态和性能评估，同时有助于及时采取纠正措施，避免生产中断和设备损坏，确保分离过程在不同情况下仍然高效运行，提高生产效率和稳定性，减少生产中断和故障的风险。

40、2、该海上稠油热化学采油方法通过地震勘探、井下测量和卫星遥感收集海上稠油区域的地质和地球物理数据，并对各组数据进行预处理后，通过统计方法、领域知识或特征重要性分析从原始物理数据中选择最相关和有用的特征，创建新的特征或改善数据的分布，将各组特征数据缩放到统一的尺度，并将其划分为训练集以及测试集，之后使用训练集数据来训练svm模型以获取最佳的决策边界，并依据决策边界将不同类别的数据分开，并计算该模型损失函数，通过交叉验证方法对svm模型的超参数进行调整，使用测试集数据对训练好的svm模型进行评估，模型训练完成后，将未知的地质和地球物理数据输入到模型中，以预测新数据点属于“有油井”或“无油井”的类别，再根据已知的油井位置和稠油储量预测新油井的位置和稠油储量，并对其进行可视化表示，能够提供可靠的预测结果，提供更全面的预测，且能够对新的油井位置和储量提供准确的估计。