基于时序分析的煤层气排采制度优化

发布时间：2020-08-25 20:47

【摘要】：我国煤层气资源相当丰富,煤层气储量世界排名第三、埋深2000m以内资源量为36.8×10~(12)m~3,与常规天然气储量相当。开采煤层气有着很重要的实际意义,不仅可以提高煤矿安全指数、保护工人的人身财产安全;也可以保护环境,防止其主要成分甲烷直接排放到空气中,造成更严重的温室效应;也可以作为我国天然气消费结构中重要的支撑,提供气源,保证我国经济安全。煤层气的开发是一个排水降压的连续过程,对于开采过程中处于不同排采阶段的煤层气井,要结合它的煤层地质情况,来制定对应的排采制度。大量的煤层气开发成功与失败案例可以说明,不合理(过快,过慢,不连续)的工作制度直接会导致煤层气低产,或无产。而现在并没有通用的煤层气排采设备选型及其参数调整方法。从煤层气开发至今,我国学者就从其开采机理、储层伤害、提高开发效益等角度进行了一系列的理论及实验研究,包括对不合理排采制度本质的认识(排采过快、过慢、不连续现象),坚持缓慢降压、连续排采、平稳产气、快速检泵的原则,控压控粉、定压排采为核心的排采体系,煤层气排采多阶段划分(放喷、试抽、稳定降液面、稳定产气、气量衰减),这些对于排采制度的研究和认识多为定性结论,定量的排采制度制定方法研究较少。随着我国煤层气不断开采,积累了丰富的排采数据和经验。我国最大的煤层气公司,山西蓝焰煤层气集团有限责任公司截止到2013年,累计建设完成煤层气地面井5000余口,排采井3300余口,拥有大量的井地质资料、排采数据、生产数据等。煤层气井的地质情况和排采用的设备类型和工作参数选用的情况决定了煤层气生产的情况,在数据的层面,地质数据与排采数据结合起来近似可以代表生产数据、这个等式不仅对于开发过的煤层气适用,同样也适用于新开采的煤层气井,两个等式之间有一定关系,我们用相似度来表示这两口井的差异程度,也就是这两口井包含的各种因素总体表现出来的差异程度。通过模糊匹配的指导原则和层次分析确定各级因素的权重,从而最终确定了新旧井之间的相似度。再经过效率最大化模型和排采阶段性分析的修正,得出了新排采井应该采用的最优工作制度,实践证明,此思路可行,再引入了大数据相关技术进行问题解决,达到高效自动化、智能化,得到的结果具有一定的科学性。
【学位授予单位】：中国石油大学(北京)
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TE37
【图文】：

排采,产气量,煤层气,阶段

用前人对沁水盆地阶段划分的理论来开展进一步研究。通过对煤层气井的重要指标（产水产气）的分析，可以将排采过程划分为6个阶段而进行更精细的管控，如图2.1所示。这些阶段有：未见气阶段、初见气阶段、产气量上升阶段、产气量稳定阶段、产气量下降阶段和废弃阶段[22]。图2.1 排采六阶段Fig. 2.1 Six stages in drainage（1）未见气阶段。这段时间里主要是排水工作，表现为较稳定的降低井底流压，煤层气井未开始解析。（2）初见气阶段。井底流压随着水不断排出而不断下降，当其开始小于煤层气的解析压力的时候，煤层气才会开始慢慢解析出来，再通过渗流裂缝，流入近井地带，从而在井口出现少量的气体。（3）产气量上升阶段。当继续排水降低井底压力的同时，会有更多的煤层气开始解析出来，同时气相的渗透率也会不断升高，解析出来的气体会更加快速地流入到井口

源数据,表文件,大型数据库

图4.1 hive表中的源数据展示Fig. 4.1 orign-data show in hive.1.2 中间结果数据的mysqlmysql是一种关系型数据库，是市面上流行的主流数据库之一，其开源、免定、强大。通过增删改查可以去实现自己的需求。其响应速度快，存储量大巧灵活。mysql是开源的，所以你不需要支付额外的费用。mysql支持大型的数据库。可以处理拥有上千万条记录的大型数据库。mysql采用标准sql来进行增删改查。mysql可以部署在各种系统上，不论是单机模式还是集群的模式，并且支持种编程语言。常见的包括C、C++、Java、Python、Scala等mysql可以很好的与PHP连接，而PHP是当前最火的Web开发语言。mysql支持大型数据库，支持5000万条记录的数据仓库，32位系统表文件最支持4GB，64位系统支持最大的表文件为8TB。

中间结果,相似度,预计算,数据集

中国石油大学（北京）硕士专业学位论文- 21 -图4.2 相似度中间结果在MySQL中的存储Fig. 4.2 Similarity intermediate results are stored in MySQL4.2 数据计算4.2.1 kylin分析数据Apache Kylin是Hadoop大数据平台上的一个开源OLAP引擎。其工作原理工作就是对数据模型做Cube预计算，并利用计算的结果加速查询，Kylin的查询过程不会扫描原始记录，而是通过预计算预先完成表的关联、聚合等复杂运算，并利用预计算的结果来执行查询，因此相比非预计算的查询技术，其速度一般要快一到两个数量级，并且这点在超大的数据集上优势更明显。当数据集达到千亿乃至万亿级别时，Kylin的速度甚至可以超越其他非预计算技术1000倍以上。Apache Kylin也是中国人首次主导的、唯一的Apache顶级开源项目，在开源社区有世界级的影响力。Apache Kylin的主要特点包括支持SQL接口、支持超大数据集、秒级响应、可伸缩性、高吞吐率、BI工具集成等。Apache Kylin通过空间换时间的方式，实现在对超大数据集的数据实现亚秒级别交互式查询；Kylin通过预计算

【相似文献】