性能预测和加热参数优化有机丰富的页岩在现场转换基于数值模拟和人工智能算法
Yaqian Liu1,2,3, Chuanjin Yao1,2,3, Baishuo Liu1,2,3
1National Key Laboratory of Deep Oil and Gas, China University of Petroleum (East China), Qingdao, Shandong 266580, China.
ACS omega
|April 8, 2024
概括
这项研究引入了一种快速预测框架,用于使用人工神经网络和粒子群集优化进行页岩现场转换. 它优化了供热参数,以实现高效的碳化合物生产,并确定了影响水库性能的关键因素.
科学领域:
- 石油工程是石油工程中的一个.
- 地质化学 地质化学
- 计算科学 计算科学
背景情况:
- 现场转化技术为开发有机丰富的页岩资源提供了一种可持续的方法.
- 超临界二氧化碳 (Sc-CO2) 是页岩现场转换的有效加热介质.
- 在现场转换的数值模拟是计算密集的,限制了参数优化.
研究的目的:
- 为快速预测页岩现场转化性能开发一个计算框架.
- 为了优化加热参数,提高碳化合物回收.
- 确定影响水库温度和碳化合物生产的关键因素.
主要方法:
- 将人工神经网络 (ANN) 与粒子群优化 (PSO) 合起来,用于预测和优化.
- 从许多现场转换实验中构建一个模拟数据库.
- 使用皮尔森相关性分析和随机森林方法来确定控制因素.
主要成果:
- 煤热解和碳化合物释放主要发生在转化后的前两年内.
- 在ANN模型中,预测的确定系数达到>97%和MSE<0.3%.
- 为一个基本的储情况确定了最佳的Sc-CO2注入参数 (350-450°C,600 m3/day).
结论:
- 该ANN-PSO框架能够准确预测和快速优化页岩现场转化.
- 这种方法促进了页岩油资源的有效设计和开发.
- 了解关键的控制因素对于最大限度地提高碳化合物生产至关重要.
