基于液滴微观分布衍化的油水分离预测方法及装置

1.本发明涉及一种基于液滴微观分布衍化的油水分离预测方法、装置、介质及设备，属于油田开发技术领域。


背景技术：

2.随着我国油田开发的周期延长，许多油田进入中高含水开发阶段，井口采出液油气水中采出水的含量不断提高，为了能够快速对原油进行破乳脱水、加工处理，卧式三相分离器、油水沉降罐等成为油田联合站处理油气水混合物的重要机械装备，这也是油气田集输处理工程的第一道工艺。卧式油气水三相分离器主要是将油田进口采出液分离成湿天然气、含水量较少的原油以及含油量较少的污水；多级串联的三相分离器或者立式油水沉降罐可以进一步对含水原油进行脱水处理，使之含水率达到外输的标准。高效率的油气水分离为后续的加工生产提供便利，减少了原油处理加工费用。而对于三相分离器的研究，从油水分离池逐步改进，发展成球形、立式和卧式分离器，卧式分离器以其适用性和高效性得到国内外学者的高度关注，并得到较快的发展。
3.在实际生产过程中，影响油水分离效果的因素众多，除了分离器本身的结构与运行时的工况外，原油的不均匀性，ph值，盐分，胶质沥青含量、水中杂质的复杂性以及表面活性化合物、破乳剂等各种因素，都有可能对三相分离器出口的原油含水率造成影响。对于卧式三相分离器油水分离效果的预测分析，国内外的学者主要通过室内脱水实验、沉降物理模型、cfd数值模拟等方式进行研究，然而室内脱水实验忽略了三相分离器本身结构的影响，沉降物理模型与cfd模拟等方法对于破乳剂等复杂因素的描述也较为困难，同时存在建模复杂，操作困难等问题。采用人工智能的机器学习算法可以直接通过现场运行数据库进行学习训练，从而得到可以预测油水分离效果的预测模型，但是这种预测模型没有完整的物理理论进行支持，在外延性和稳定性等方面存在不足。如今的智能化发展趋势便是物理模型和智能算法的融合与改进。


技术实现要素：

4.本发明提供一种基于液滴微观分布衍化的油水分离预测方法、装置、介质及设备，该方法以油水乳状液滴为主要研究对象，综合机理模型与人工智能算法，对油水分离效果的影响因素进行尽可能全面的考虑，并在实际应用中比数值模拟软件。
5.为实现上述目的，本发明采取以下技术方案：
6.一种基于液滴微观分布衍化的油水分离预测方法，包括如下步骤：
7.1)基于设计或现场运行获取三相分离器基本结构参数与运行常见工况，以确定三相分离器的入口处油水液滴演化过程的边界初始条件；
8.2)基于现场运行或实验测试的三相分离器所使用的破乳剂试验数据，确定在当前破乳剂投加量浓度下的油水乳状液液膜的寿命，再根据油水乳状液液滴随时间变化的液滴直径演化模型，求解在三相分离器油水停留时间内的油水乳状液液滴平均直径的演化过
程；
9.3)基于斯托克斯公式沉降理论、油水乳状液液滴直径分布、液滴二维聚并模型，建立油水液滴分离效果的机理模型，利用离散化w/o型乳状液的液滴直径以及三相分离器体积模型耦合，求解出不同液滴直径下的液滴沉降分离效率；
10.4)基于所述步骤3)对三相分离器入口与出口的油水乳状液液滴粒径分布的机理演化过程分析，选取油水乳状液滴初始粒径分布状态、油水乳状液滴出口粒径分布状态、破乳剂投加量、来液初始含水率，作为四个特征输入参数，选取现场生产的出口原油含水率作为特征输出参数，采用深度学习模型与svm算法进行模拟，最终预测三相分离器出口的原油含水率。
11.所述的油水分离预测方法，优选地，所述步骤1)中三相分离器的入口处油水乳状液液滴的平均直径采用油水乳状液液滴直径模型计算，油水乳状液反相前后液滴直径的比值满足下式(1)：
[0012][0013]
其中，(d
32
)
w/o
为w/o乳状液滴索特平均直径；(d
32
)
o/w
为o/w乳状液滴索特平均直径；μ
w
为水相黏度；μ
o
为油相黏度；ρ
o
为水相密度；ρ
w
为油相密度；ε
w
为含水率；
[0014]
液滴直径分布规律服从对数正太分布时，如式(2)所示:
[0015][0016]
其中，δ
i
为当前液滴直径；σ
g
为液滴直径分布的几何标准差；δ
m
为液滴直径平均值。
[0017]
所述的油水分离预测方法，优选地，所述步骤3)中，设已知参数为油水界面高度h
w
、油气界面高度h
o
，三相分离器尺寸直径d，油水分离有效长度l，推导三相分离器油水沉降楔形体积模型，如式(3)
‑
(8)所示：
[0018][0019][0020][0021][0022][0023][0024]
其中，v
s
(x)为油水沉降楔形体积公式；r为卧式三相分离器半径；l
*
为乳状液液滴
沉降所需理论距离；为乳状液液滴沉降轨迹与水平面夹角；v
ov
为乳状液液滴沉降速率；g为重力加速度；l为三相分离器油水分离有效长度；f
w/o
(δ
i
)为液滴直径δ
i
的分布概率；v
oil
为油相中水滴沉降总楔形体积；为未分离的楔形体积；θo为油相界面夹角；θw为水相界面夹角；ε
i
为油相中直径为δ
i
的水滴的分离率；e
w/o
为油相中水滴总分离率。
[0025]
所述的油水分离预测方法，优选地，所述步骤4)中，破乳剂对于油水破乳分离过程的作用主要体现为促使油相中的w/o型乳状液水滴发生聚结，以提高油水分离效率ε，破乳剂聚结效果模型由下式(9)
‑
(10)所示：
[0026][0027][0028]
式中，破乳剂的作用表现为改变乳状液界面膜寿命τ0，一般取值范围为0.01s—100s；h
p
为油水乳化层厚度；r
i
为液滴半径；为加入破乳剂后的乳状液聚结平均直径；d
i
为乳状液初始直径；λ为聚结系数；t为聚结时间；τ0为乳状液界面膜寿命。
[0029]
所述的油水分离预测方法，优选地，所述步骤1)至4)中，三相分离器的油水分离过程为一种稳态运行过程，即三相分离器入口的油水混合流量应该等于出口的原油流量与水流量之和；总流量q、原油流量q
o
、水流量qw、油水界面高度h
w
、油水分离有效长度l、油气界面高度h
o
、停留时间t，其对应的关系式如下式(11)
‑
(14)所示:
[0030][0031]
v
o
＝r2l(θ
o
‑
0.5cosθ
o
)
‑
r2l(θ
w
‑
0.5cosθ
w
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0032][0033][0034]
其中，v
o
为三相分离器中油相实际所占体积。
[0035]
所述的油水分离预测方法，优选地，三相分离器为常规的卧式油气水三相分离器，整体形状为卧式圆柱形，主要结构参数包括分离器直径d、油水分离有效长度l、油堰高度h
o
,入口管道直径d
ru
。
[0036]
本发明还提供一种基于液滴微观分布衍化的油水分离预测装置，包括：
[0037]
第一处理单元，用于基于设计或现场运行获取三相分离器基本结构参数与运行常见工况，以确定三相分离器的入口处油水液滴演化过程的边界初始条件；
[0038]
第二处理单元，用于基于现场运行或实验测试的三相分离器所使用的破乳剂试验数据，确定在当前破乳剂投加量浓度下的油水乳状液液膜的寿命，再根据油水乳状液液滴随时间变化的液滴直径演化模型，求解在三相分离器油水停留时间内的油水乳状液液滴平均直径的演化过程；
[0039]
第三处理单元，用于基于斯托克斯公式沉降理论、油水乳状液液滴直径分布、液滴二维聚并模型，建立油水液滴分离效果的机理模型，利用离散化w/o型乳状液的液滴直径以
及三相分离器体积模型耦合，求解出不同液滴直径下的液滴沉降分离效率；
[0040]
第四处理单元，用于基于第三处理单元对三相分离器入口与出口的油水乳状液液滴粒径分布的机理演化过程分析，选取油水乳状液滴初始粒径分布状态、油水乳状液滴出口粒径分布状态、破乳剂投加量、来液初始含水率，作为四个特征输入参数，选取现场生产的出口原油含水率作为特征输出参数，采用深度学习模型与svm算法进行模拟，最终预测三相分离器出口的原油含水率。
[0041]
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于液滴微观分布衍化的油水分离预测方法的步骤。
[0042]
本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于液滴微观分布衍化的油水分离预测方法的步骤。
[0043]
本发明由于采取以上技术方案，其具有以下优点：
[0044]
1、本发明三相分离器体积模型能对三相分离器的设计结构参数(直径、分离长度、油水界面高度)进行表征描述，三相分离器油水液滴沉降模型与油水乳状液液滴直径模型可以将原油与采出水物性以及油田现场工况参数对热化学沉降脱水的影响体现在油水分离效果中。
[0045]
2、本发明中的破乳剂聚结效果模型可以对破乳剂的破乳脱水效果进行相应表征，将破乳剂的作用表示为促进乳状液由小液滴聚结成大液滴，从而在油水分离的热化学沉降中有着更高沉降效率，达到提高油水分离效果的目的。同时破乳剂的油水液滴聚结效果与破乳剂的种类、投加浓度密切相关，一般都存在最佳破乳剂浓度。破乳剂种类、浓度与聚结效率的关系可以通过室内脱水实验或者现场经验获取，也可以通过破乳剂的临界胶束浓度cmc进行估计，或者用人工智能与机理模型相结合的方式，进行预测。
[0046]
3、人工智能机器，作为发展迅速的新兴技术领域，能直接通过海量数据进行不断分析，来直接达到机理模型的预测效果。对于油田集输工程现场复杂的工艺条件与在机理模型中未能涵盖的隐藏影响因素，可以通过机器分析算法从现场生产数据中提取知识与经验，用于预测三相分离器的油水分离效果。人工神经网络算法适用于较为充足的现场经验数据的模拟，支持向量机适用于数量较少的数据样本。当缺少现场经验数据与工况参数时(如进行新油田的分离器设计)，采用机理模型也可以预测出油水分销效果。
[0047]
4、本发明的预测方法基于油水乳化液滴演化过程的三相分离器油水分离预测方法，以较为成熟的油水乳状液液滴聚结沉降的机理模型与机器学习算法为基础，可以直接且较快的得出三相分离器出口的原油含水率。其中，机理模型以三相分离器油水分离体积建模为基础，用沉降模型、破乳聚结效果模型、油水液滴直径分布模型来描述从三相分离器入口到出口的热化学沉降破乳分离过程，综合考虑三相分离器设计结构，原油与采出水物性，油田现场工况参数等影响，具有较为完善的物理意义与工艺原理；人工智能技术主要采用机器分析中的神经元网络(包括深度学习网络、bp神经网络)和支持向量机，能在机理模型的基础上通过现场经验数据不同分析，从而进一步将众多复杂影响因素的影响带入到机理模型中，使模型的油水分离效果预测精度得以提升。相比现有的cfd数值模拟、室内脱水实验以及简单沉降预测模型等方法，具有快速、精度较高、可发展性强等优势。
附图说明
[0048]
图1为本发明一实施例提供的三相分离器机理模型流程构建图；
[0049]
图2为本发明该实施例提供的另外一种三相分离器机理模型流程构建图；
[0050]
图3为本发明该实施例提供的三相分离器油水分离过程示意图；
[0051]
图4为本发明该实施例提供的三相分离器中油水乳状液滴在不同破乳剂影响的液膜寿命下的平均直径演化过程；
[0052]
图5为本发明该实施例提供的三相分离器不同脱水停留时间的预测结果图。
具体实施方式
[0053]
为使本发明的目的、技术方案和优点更加清楚，下面对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0054]
下面以基于油水乳化液滴演化过程的三相分离器油水分离预测方法用于预测某油田中高含水的三相分离器油水分离过程的油水分离效果为例，进一步对本发明进行说明。
[0055]
实施例1：预测三相分离器停留时间变化的分离效果
[0056]
某中高含水油田采用卧式三相分离器作为油气水三相分离的主要设备，三相分离器可以快速的脱除井口来液中绝大部分的游离水，而如果原油乳化稳定性较差或破乳效果较好，三相分离器则可以通过加热或者延长停留时间的方式将原油含水率降至0.5％的外输原油含水标准。
[0057]
本实施例中，三相分离器脱水30min，脱水温度为30℃，站场原油属于中含蜡原油，密度为840kg/m3，黏度为5mpa
·
s，油水界面张力为12mn/m，分离器直径为2.5m，油水分离有效长度为9m，分离器入口直径0.2m，油水界面高度为1.50m，油堰高度为2.25m，入口流量为0.500m3/min，出口水流量为0.150m3/min，出口油流量为0.350m3/min，破乳剂投加量为最佳破乳剂投加量150ppm。
[0058]
在此站场中，采用本发明的预测方法预测三相分离器在不同脱水停留时间(0
‑
30min)下的脱水效果，结果见图5。
[0059]
如图5所示，脱水10min就可以将含水率降至20％以下，与现场实际生产经验吻合，经过加热和延长时间则可以将脱水后的原油含水率降至更低，与现场生产运行以及室内脱水实验规律相一致。
[0060]
本实施例表明，在油水破乳分离的实际生产过程中，本发明所提供的基于油水乳化液滴演化过程的三相分离器油水分离预测方法在预测不同停留时间下的油水分离效果(原油出口含水率)有着较为良好的效果，可以为现场生产运行或者三相分离器的分离效果预测提供支持。
[0061]
实施例2：预测不同影响因素的分离效果
[0062]
初始参数与实施例1中基本一致，停留时间为30min，分别设置破乳脱水的初始温度为40℃，减小油水界面张力为10mn/m，增大原油密度为850kg/m3，预测油水分离之后的原油含水率，预测结果见表1：
[0063]
表1不同基本参数下油水分离效果预测结果
[0064][0065]
实施例2的预测方法计算结果表明，对于影响油水分离效果的影响因素，本发明的预测方法能很好的反映出影响因素变化对于油水分离效果的影响，对于油水分离影响不利的因素(油水密度差减小、温度降低、油水界面张力下降等)会造成出口原油含水率上升，反之，有利的影响会使出口原油含水率下降。
[0066]
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于液滴微观分布衍化的油水分离预测方法的步骤。
[0067]
本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于液滴微观分布衍化的油水分离预测方法的步骤。
[0068]
本发明是根据具体实施方式的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0069]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0070]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0071]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；
而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。