石油学报

作者：徐宝昌, 张学智, 王雅欣, 刘伟, 孟卓然

单位：1. 中国石油大学(北京)信息科学与工程学院 北京 102249;2. 中国石油集团工程技术研究院有限公司 北京 102206

关键词：物理信息神经网络,偏微分方程,井筒水力学,压力预测,自适应

基金：徐宝昌,男,1974年8月生,2005年获北京航空航天大学博士学位,现为中国石油大学(北京)信息科学与工程学院副教授,主要从事钻井工程自动化、复杂系统建模与先进控制、多传感器信息融合与软测量技术方面的研究工作。Email:xbcyl@cup.edu.cn

摘要： 石油勘探开发不断面向着更为复杂多变的地层,为应对深层复杂油气藏钻探过程中存在的气侵现象,需要采用控压钻井技术(MPD)以防止气侵导致的井喷事故。其中,通过求解气侵工况下两相流井筒水力学偏微分方程组(PDEs)来准确预测井底压力是制定控制方案的关键。采用基于自适应物理信息神经网络(PINN)方法对两相流井筒环空压力进行预测:首先,根据井筒机理设计全连接神经网络,用于拟合训练数据样本的分布;其次,将已知的两相流井筒模型的偏微分方程以微分形式约束条件融入神经网络的损失函数中,此外,采用可训练的自适应权重提升神经网络模型精度,使网络在训练过程中着重关注边界点、初始点等求解困难区域;最后采用Adam算法对网络参数和微分方程的权重进行优化,并使用L-BFGS算法对网络参数进一步优化。随机选取有限差分法在稠密网格情况下求解井筒水力学模型所得的部分数据作为实验数据集。实验结果表明,相较于常规的物理信息神经网络和传统的有限差分法,用于两相流环空压力预测的自适应物理信息神经网络模型性能更佳。

来源：2023年第3期

《石油学报》期刊编辑部

查看石油学报杂志2023年第3期