石油学报

作者：刘雪琪, 王志远, 魏强, 王敏, 孙小辉, 王雪瑞, 张剑波, 尹邦堂, 孙宝江

单位：1. 中国石油大学(华东)石油工程学院 山东青岛 266580;2. 中国石油塔里木油田公司轮南采油气管理区 新疆库尔勒 841000;3. 中国石油塔里木油田公司克拉采油气管理区 新疆库尔勒 841000;4. 中国石油大学(华东)计算机科学与技术学院 山东青岛 266580

关键词：钻井,气井测试,井筒温度,物理信息神经网络,快速预测

基金：刘雪琪,男,1998年11月生,2021年获中国石油大学(华东)海洋油气工程专业学士学位,现为中国石油大学(华东)石油与天然气工程专业博士研究生,主要从事油气井多相流动理论及应用、井筒传热、天然气水合物开采等方面的研究。Email:lxq6snow7@163.com

摘要： 深水、深层油气钻探过程中对井筒温度场计算的实时性要求高,高精度、高效率的井筒温度场求解方法是精确计算流体物性、精细保障井筒流动安全的关键。将井筒温度场模型以损失函数形式嵌入神经网络,利用自适应权重和自适应学习率的优化方法提高训练效率, 建立了物理信息神经网络驱动的井筒温度场求解方法,分析了钻井和气井测试期间井筒温度的瞬态变化。研究结果表明:钻井期间,与有限差分算法相比,钻杆温度和环空温度的平均误差分别为0.847 % 和0.725 % ,井底温度和井口温度的平均误差分别为0.162 % 和1.047 % ,计算效率提高约150倍;与现场实测数据对比,物理信息神经网络驱动的预测解与有限差分数值解的平均误差分别为2.16 % 和2.27 % ,规避偏微分方程的截断误差有助于提高模型精度;气井测试2 d内,天然气水合物生成风险的推断时间为0.728 1 s,该方法可应用于水合物生成区域的快速预测。提出的求解方法在保证计算精度的同时,可大幅度提高计算速度。

来源：2025年第2期

《石油学报》期刊编辑部

查看石油学报杂志2025年第2期