石油天然气学报2020,Vol.42Issue(4) :13-21.DOI:10.12677/jogt.2020.424107

基于机器学习实现海上气田陆地终端液态产品产量预测与挖潜

The Prediction and Improvement of Liquid Hydrocarbons Production Based on the Machine Learning Algorithm

羊新州 闫正和 罗睿乔 杨鹏 唐圣来
石油天然气学报2020,Vol.42Issue(4) :13-21.DOI:10.12677/jogt.2020.424107

基于机器学习实现海上气田陆地终端液态产品产量预测与挖潜

The Prediction and Improvement of Liquid Hydrocarbons Production Based on the Machine Learning Algorithm

羊新州 1闫正和 1罗睿乔 1杨鹏 1唐圣来1
扫码查看

作者信息

  • 1. 中海石油深海开发有限公司,广东深圳
  • 折叠

摘要

海上开采出来的天然气通过海底管线输送到陆地天然气处理终端,经过一系列处理工艺后,生产量丙烷、丁烷、轻烃和凝析油等副产品.副产品的产出不光与各气田本身的气质组分相关,同样受到陆地终端设备工况的影响.笔者首先通过分析陆地终端的工艺流程,归纳影响终端副产品的关键流程.然后将各类副产品的析出情况通过聚类分析,找出对各类副产品回收效率有影响的关键设备,筛选出相应的异常值,进行异常标注.再结合设备工况的标注信息,通过机器学习方法实现对液态产品产量的精准计算.最后挖掘生产潜力,预测在各设备完好条件下各液态产品的产量,为工艺流程的优化方向提供基础.

关键词

天然气/终端液态产品/异常标记/机器学习/潜力挖掘

引用本文复制引用

出版年

2020
石油天然气学报
长江大学

石油天然气学报

影响因子:0.495
ISSN:1000-9752
参考文献量13
段落导航相关论文