原油净化系统

原油净化系统（精选十篇）

原油净化系统 篇1

1 原油卸车鹤位设计

原油卸车的鹤管个数由原油年卸车量和来油的稳定性等决定, 可参考下列公式计算:

式中:N—每种油品的装卸油鹤管数, 个;

K—卸车不均衡系数, 考虑来车不均衡系数及辅助作业时间等, 可取3~5;

B—季节不均衡系数;

G—原油的年卸车量, t;

T—每年卸车作业工时, h;

Q—一个卸车鹤位自流卸车时卸油量, m3/h;

r—油品密度, t/m3;

t—卸车站每年工作天数, d, 宜取350d;

n—卸车站每天工作时间h;

本炼厂原油年卸车量为100万吨, 密度为943t/m3, 卸车不均衡系数取3, 季节不均衡系数取1, 每天卸车按8小时计算, 鹤位的额定卸油量为50m3/h。计算得N=18.94, 圆整后取鹤位数为20。

原油汽车槽车底部卸车可采用下卸鹤管或不引起静电的金属软管, 前端设置有DN150的快速接头, 卸油时与槽车的快速接头对接, 实现密闭卸油, 避免因油气挥发、集聚等造成安全隐患。

2 卸油汇管设计

卸油汇管可采用埋地或管沟敷设, 以不小于8‰的坡度坡向卸油池。当采用管沟敷设时, 管沟内需充砂处理, 防止油气集聚。

自流卸车管道阻力降控制较为严格, 每百米阻力将不应大于5Kpa。卸油汇管管径可按下列公式初步选取:

其中, ——管道内径, m;

——流体的密度, kg/m3;

——流体的运动粘度, ㎡/s;

——管道的计算长度, m;

——流体的体积流量, m³/h;

——管道的阻力降, KPa。

本项目卸车原油温度为50℃, 运动粘度为0.000245㎡ /s, 卸油汇管长度为150米 (含当量长度) , 体积流量为1000m3/h。计算得di=0.56m, 管径圆整为DN600。由于实际来油情况较为复杂, 为保证原油能顺利卸车, 本项目汇油管取DN800。

汇油管两端高点处应设置通气管, 卸油时产生的油气可通过通气管引至油气回收装置, 消除安全隐患。汇油管采用蒸汽管线伴热, 非动火情况不得采用蒸汽吹扫 (管线应力过大) 。

管沟内管墩底部预留排水孔, 沟底每隔2m设置向下的渗水孔, 防止积水。管沟内保温管线应采用硬质保温材料, 经过管墩时采用管托加保温管卡, 防止管托与管道直接接触而造成腐蚀泄露。

3 地下卸油池设计

原油卸车零位罐容积应不小于原油一次卸车量。本项目共设有20个卸车位, 一次卸车量为900m3左右, 考虑到地下油罐存在排水、油气集聚等问题, 故设置一个900m3的地下卸油池作为零位罐。

卸油池整体采用水泥浇铸, 池底及池壁预埋8mm厚钢板防止原油渗漏, 顶部采用水泥盖板密封, 预埋人孔、量油孔等附件。卸油池池底整体坡向抽出口, 设置蒸汽加热管线防止原油冷凝。

汇油管自流至地下卸油池时分为两根DN600导油管, 通过金属软管与预埋在卸油池池壁的钢管连接, 以抵消管道应力对池壁产生影响。导油管向下延伸至距离池底150mm处, 防止进油时发生喷溅, 产生静电。

卸油池池顶安装液位计及温度计, 设置液位及温度联锁。当卸油池内液位到达一定高度时, 开启转输油泵将原油输送至油品罐区, 当液位下降至指定高度时自动停泵。当油池内温度低于设定温度时, 打开蒸汽线进行加热, 达到指定温度时自动关闭。

4 转输油泵设计

本项目卸车规模为100万吨 / 年, 平均每天卸车3030m3原油, 共设置3台200m3/h转输油泵并联工作, 每天工作5小时左右。若卸车量较大时, 可延长泵的工作时间。采用较小流量的泵并联设置, 操作时可根据来油车辆情况灵活调整。

由于原油等重质油品粘度随温度变化较大, 当来油温度无法保证时, 应采用抽吸能力强的螺杆泵做为转输油泵。应注意原油转输油泵不能选择安装于池顶的长轴液下泵。

5 安全措施设计

5.1 消防措施

在卸车台周边设置消防栓, 每个消防栓保护半径均不得大于120m, 并配备相应数量的灭火器。在原油汽车卸车台上应设置半固定式蒸汽灭火系统, 其保护半径不大于20m。原油转输泵房内设置固定式的蒸汽灭火系统。

卸车台上设置可燃气体检测报警系统, 报警信号应发送至报警器和有人值守的控制室或现场操作室的指示报警设备, 并进行声光报警。

5.2 静电接地

每个卸车鹤位旁均设置一套带有报警器的本安型静电接地夹, 接地夹头部带有破漆针, 通过破漆针、夹体、连接导线至接地极的连接, 将卸车过程中可能产生的静电导出。若静电接地出现故障, 报警器会自动报警, 使操作人员及时排除故障, 确保卸车安全。

6 结语

目前中小型炼厂汽车卸车设施差别较大, 部分现有设施存在安全隐患。本文通过浅析原油汽车卸车的设计过程, 望与同行共同讨论, 使原料汽车卸车设施更加系统、规范。

摘要：大多数中小型炼厂原油进厂以公路运输为主, 原油自汽车槽车经卸车鹤位自流至汇油管, 再经汇油管自流至地下卸油池, 由原油转输泵输送至罐区。文章以某新建炼厂为例, 分析原油汽车卸车系统设计。

关键词：原油,汽车卸车,汇油管,地下卸油池,转输泵

参考文献

原油净化系统 篇2

研究生考查课作业

Forecasting PVT properties of crude oil systems based on support vector machines modeling scheme 基于支持向量机建模方案预测原油系统

PVT参数

课程名称：

电信学部专业英语

导师： 赵珺

研究生姓名：

李德祥

学号： 20909173

作业成绩：

任课教师(签名)

交作业日时间：2010 年12月17日

基于支持向量机建模方案预测原油系统PVT参数

摘要：PVT参数在油储工程计算中发挥着重要的作用。目前有许多种方法用来预测各种PVT参数，例如经验公式法，计算机智能法。神经网络的成就为数据挖掘建模技术打开了一扇们，同时它在石油工业中起到了重要的作用。然而不幸的是，由于仓储流体的一些特性，现有神经网络方法在其上的应用存在许多缺点和限制。本文提出了一种新的智能模型——支持向量机用来预测原油系统的PVT参数，该方法解决了现有神经网络预测的大部分缺点。文中简要介绍了预测步骤和建模算法，同时从神经网络，非线性回归以及经验公式法中分别选择了一种方法与支持向量机回归建模法进行了比较。结果表明支持向量机方法更加准确，可靠，同时优于大多数现有的公式法。这说明支持向量机建模法具有光明的前景，我们建议将其用于解决其他石油和煤气工业问题，诸如渗透率和孔隙率预测，确定持液量流动区和其他油储特性。

关键字：支持向量回归机(SVR);PVT参数预测;神经网络;1 引言

储层流动参数在石油工程计算中是非常重要的，例如物质平衡计算，试井分析，储量预测，向井流动态计算以及油藏数值模拟。众所周知，准确的PVT数据对物质平衡计算是非常重要的。这些PVT参数包括起泡点压力(Pb)，石油形成层参数(Bob)，这个被定义储存石油的容积。Bob的准确预测在储量和产量计算中至关重要，同时在储量动态计算，生产操作和设计以及构成评估的计算中，PVT参数也是非常重要的。这个流程的经济效益也取决与这些参数的准确预测。

现存的PVT仿真器在预测储藏流体的物理参数时，其预测精度随使用模型的类型，流体特性以及当时环境的变化而变化。因此他们在预测准确性方面都存在极大的缺陷。理想情况下，PVT参数通过对取自井底或者表面的样本进行试验研究而获得，但这样做获取试验数据代价昂贵。因此，现在多采用状态等式，统计回归，图解法以及经验公式法来预测PVT参数。用于PVT计算的相关方法一直是研究的重点，并发表了许多论文。过去十年间，有人提出了几种确定Pb和Bob的图解法和数学方法。这些研究都基于这样一个假设，Pb和Bob都是油气比，油藏温度，煤气比重以及石油比重的强函数。尽管如此，这些状态等式包含了大量的数据计算,其中需要知道储藏流体的详细成分，而得到它们即费力又费时。另外，这些方法在预测中是 不可靠的，它取决与原始应用数据的变化程度以及相似流体成分和API油比重的地理区域。此外PVT参数以基于容易测量的现场数据为基础，诸如储存压力，储存温度和石油比重。

近年来，人工神经网络(ANNs)被用于解决许多煤气和石油工业方面的问题，其中包括渗透率和孔隙率预测，岩相类型鉴定，地震模式识别，PVT参数预测，油管及油井中压降估计以及井产量预测。在机器学习和数据挖掘领域最流行的神经网络方法是前向神经网络(FFN)和多层感知器（MLP）。它们在石油和煤气工业中应有广泛。尽管如此，这些神经网络建模方法存在许多缺点，诸如识别可能因果关系的能力受到限制，在后向传播算法的构造中比较耗时，这些缺点将导致过拟合和评价函数收敛于局部极小点。另外，前向神经网络的结构参数也需要提前估计，诸如前向传播神经网络的隐层数量和大小，多层神经元之间的传递函数类型。同时，训练算法参数通过估计初始随机权重，学习率和动量而获得。

本研究的主要目的是了解支持向量机回归算法在模型化原油系统PVT参数方面的能力，同时解决上述神经网络存在的一些问题。大量的用户介入不仅减缓了模型开发，也违背了让数据说话的原则。在工作中，我们精确的研究了基于核函数的支持向量机回归算法在模型化Pb和Bob参数的能力，试验数据来源与全世界已出版的PVT数据库。我们也从神经网络，非线性回归以及各种不同的经验公式中分别选取了一种方法与支持向量机回归法进行了比较研究。

高原油采收率的预测是采收率分析的基础，这也保证了分析结果的可靠性。在统计学习理论中，建立一个高采收率预测模型属于函数逼近问题的范畴。根据Vapnik结构风险最小化原则,提高学习机的泛化能力即是对于有效训练样本的小误差能够保证相对独立的测试样本的小误差。近几年，最新的统计理论的研究结果首次运用到高采收率的分析。我们讨论了改进的后向传播人工神经网络和支持向量机。我们将神经网络同三个不同的经验公式法以及前向传播神经网络进行了对比研究，结果表明支持向量机无论在可靠性和效率上都优于大多数目前流行的建模方法。

为了说明支持向量机回归法作为一种新的计算机智能算法的有效性，我们使用三种不同的PVT参数建立了先进的支持向量机回归校准模型。在包括782个观测值的数据库中数据来自马来群岛，中东，墨西哥湾和哥伦比亚。由于宽域性和不确定分布，这些数据具有很大的挑战性。因此，我们使用了四个不同输入参数的数据库来建立预测起泡点压力和石油形成层参数的支持向量机回归模型。这四个参数分别是：油气比率，油藏温度，石油比重以及煤气相对比重。结果表明支持向量机回归学习算法比其他石油工程论文中所提方法更快，更稳定。另外，这种新型支持向量回归机建模法在绝对平均误差，标准差和相关系数上都优于标准神经网络和大多数现存的系数模型。

本论文的其余部分组织如下：第二部分是文献综述，简要介绍了在确定PVT关系中一些最常用的经验公式和神经网络建模法。应用神经网络对PVT参数建模的主要缺点也在这部分提及。同时也提出了支持向量回归机和其训练算法的最常用结构。第四部分介绍了数据获取和统计质量测度。试验结果在第五部分进行了讨论。第六部分通过给出试验结果说明了方法的性能。文献综述

PVT参数，渗透性和孔隙率，岩相类型，地震模式识别在石油和煤气工业中是非常重要的参数。过去的六十年中，工程师们认识到发展和使用试验公式预测PVT参数的重要性，因此在这一领域的研究促进了新方法的发展。在实验室预测这些参数代价高昂,因此很难确定，同时预测的准确性又是至关重要的，而我们并不能提前预知。本部分简要总结了一下预测PVT参数的一些通用经验公式和几种不同的计算机智能算法。2.1 最常用的经验模型和评价研究

过去的六十年里，工程师们认识到发展和使用经验公式对于预测PVT参数的重要性。在这一领域的大量研究促进了新的公式的发展。诸如Standing,Katz,Vasquez& Beggs,Glaso&Al-Marhoun的相关研究.Glaso针对形成层参数使用45组石油样本发展其经验公式，这些样本来自于北海的烃化合物。Al-Marboun提出了一种经验公式用于预测中东石油的起泡点压力和石油形成层参数，他使用来自中东69个油井的160组数据集来构造他的公式。Abdul-Majeed and Salman提出了一种基于420组数据集的油量层形成公式，并命名为Abdul-Majeed and Salman 经验公式。他们的模型与采用新参数的Al-Marhoun油量层参数公式类似。Al-Marthoun提出了第二种针对油量层参数的经验公式，该公式基于11728个起跑点压力上下的形成层参数试验数据点。数据集的样本来自全世界700多个油井，这些油井大部分位于中东和北美。读者也可以参考其他经验公式，诸如Al-Shammasi and EI-Sebakhy等等。本研究中，我们仅仅关注于三个最常用的经验公式，分别为Al-Marhoun,Glaso 和Standing.Labedi提出了针对非洲原油的油量层参数公式。他使用了来自利比亚的97组数据集，尼日利亚的28组数据集以及安哥拉的4组数据集来形成他的公式。DOKLa and Osman提出了用于预测阿联酋原油起泡点压力和油量层参素的系数集，他们使用51组数据集来计算新的系数。Al-Yousef and Al-Marhoun指出Dokla and Osaman 起泡点压力公式违背物理规则。Al-Marhoun 提出了另一种针 2

对石油形成层参数的公式，该公式使用11728个起泡点压力上下的形成层参素。该数据集的样本来自于全世界700多个油井，这些油井大部分来自与中东和北美。

Macary and El-Batanoney提出了针对起泡点压力和形成层参数的公式。他们使用了来自苏伊士湾30个油井的90组数据集。该新公式又与来自埃及的数据进行了对比测试，并表现出超过其他已有公式的性能。Omar and Todd提出了一种基于标准系数模型的石油形成层参数公式。该公式使用了来自马来群岛油井包含93个观察点的数据集。Kartoamodjo and Schmidt 使用全球资料库发明了一种新的预测所有PVT参数的公式，该公式使用740个不同的原油样本，这些样本从全世界采集，并包括5392组数据集。Almehaideb提出了一种针对阿联酋原油的系数集，其中使用了62组来自阿联酋油井的数据集来测量起泡点压力和形成层参数。起泡点压力公式，像Omar and Todd使用形成层参数作为输入,并排除了石油比重，煤气比重，气油混合比以及油井温度。Suttton and Farshand提出了一种针对墨西哥湾原油的公式，其中使用了天然气饱和原油的285组数据集以及代表31个不同原油和天然气系统的134组欠饱和石油数据集。结果表明Glaso公式预测形成层参数对于大多数研究数据表现良好。Petrosky and Farshad提出了一种基于墨西哥湾的新公式，并说明了Al-Marhoun公式对预测油量层系数是最好的。McCain提出了一种新的基于大规模数据的油井参数评估公式，他们建议在将来的应用中采用Standing公式来预测起泡点压力上下的形成层参数。

Ghetto基于195组全球数据集得出了一种针对PVT参数的复杂研究公式，其中使用的数据集来自地中海盆地，美洲，中东和北海油井。他们建议运用Vasquez and Beggas公式预测油量层参数。另一方面，Elsharkawy使用44组样本评估了用于科威特原油的PVT公式，结果表明，对于起泡点压力,Standing公式给出了最好的结果，而Al-Marhoun石油形成层参数公式的表现也是令人满意的。Mahmood and Al-Marhoun提出针对巴基斯坦原油的PVT估计公式，其中使用了来自22个不同原始样本中的166组数据集。Al-Marhoun指出油量层参数预测结果良好，而起泡点压力误差却是已有公式所得结果中最高的几个之一。另外，Hanafy基于Macary and EI-Batanoney公式评价预测埃及原油形成层参数，结果表明其平均绝对误差为4.9%，而Dokla and Osman公式却是3.9%。因此，研究结果表明本地公式要优于全球公式。

Al-Fattan and Al-Marhoun所著的书中，他们基于来自已有674组数据集对现有的油量层参数进行了评估，结果表面Al-Marhoun公式对于全球数据集有最小的误差。另外，他们也进行了趋势测试以评估模型的物理行为。最后，Al-Shammasi以来自世界各地的烃混合物为代表，从准确性和适应性两方面对已发表的针对起泡点压力和油量层参数的公式和神经网络模型进行了评估，并提出了一种新的起泡点压力公式，该公式基于1661个已发表的全球数据集和48个未发表的数据集。同时他也提出了神经网络模型，并且将其与数值公式进行了比较，结果表明从统计学和趋势性能分析来看，一些公式违背了烃流参数的物理特性。2.2 基于人工神经网络的PVT参数预测

人工神经网络是并行分配信息处理模型，它能识别具有高度复杂性的现有数据。最近几年，人工神经网络在石油工业中得到了广泛的应用。许多学者探讨了石油工程中人工神经网络的应用，诸如Ali,Elshakawy,Gharbi and Elsharkawy,Kumoluyi and Daltaban,Mohaghegh and Ameri,Mohaghegn,Mohaghegn,和Varotsis等人。在文献中最常用的神经网络是采用倒传递算法的前向传播神经网络，参见Ali,Duda以及Osman的论文。这种神经网络在预测和分类问题上有着良好的计算机智能建模能力。采用神经网络模型化PVT参数的研究还不多，最近，有人采用前向传播神经网络预测PVT参数，参见Gharbi and Elsharkawy以及Osman等人的论文。

Al-Shammasi提出了神经网络模型，并将其与数值公式进行了性能比较，结果表明从统计学和趋势性能来看一些公式违背了烃流参数的物理性质。另外，他还指出已发表的神经网络模型丢失了主要模型参数而需要重建。他使用神经网络(4-5-3-1)结构来预测起泡点压力和石油形成层参数，并以来自世界各地的烃混合物为例，从准确性和适应性两方面对已发表的用于预测如上两个参数的公式和神经网络进行了评价。

Gharbi 和Elsharkawy以及Osman等在前向神经网络和四种经验公式之间进行了对比研究，这四种公式分别是Standing,Al-Mahroun,Glaso以及Vasquez and Beggs经验公式，更多的结论和对比研究结果可参见他们的论文。1996，Gharbi and Elsharkawy提出了预测中东原油起泡点压力和形成层参数的神经网络模型。该模型基于具有对数双弯曲激发函数的神经系统来预测中东油井的PVT数据。同时，Gharbi和Elsharkawy训练了两个神经网络分别预测起泡点压力和形成层参数。输入数据是油气比率，油储温度，石油比重以及煤气比重。他们使用具有两个隐层的神经网络，第一个神经网络预测起泡点压力，第二个神经网络预测形成层参数。二者都使用中东地区包含520个观察点的数据集，其中498个观察点用于训练，其余22个观察点用于检验。

Gharbi和Elsharkawy在更广大区域采用了同样的标准，这些区域包括：南北美，北海，东南亚和中东地区。他们提出了一种只采用1个隐层的神经网络，其中使用了来自350个不同原油系统的5432个观察点的数据库。该数据库被分成具有5200个观察点的训练集和234个观察点的测试集。对比研究结果表明，前向神经网络预测PVT参数在减小平均绝对误差和提高相关系数方面优于传统经验公式。读者可以参看Al-Shammasi和EI-Sebkhy的论文获取其他类型的神经网络在预测PVT参数方面的应用。例如，径向基函数和诱导神经网络。2.3 神经网络建模法最普遍的缺点

神经网络相关经验已经暴露了许多技术上的限制。其中之一是设计空间的复杂性。在许多设计参数的选择上由于没有分析指导，开发者常常采用一种人为试探的尝试错误方法，该方法将重点放在可能搜索空间的小区域里。那些需要猜测的结构参数包括隐层的数目和大小以及多层神经元间传递函数的类型。需要确定的学习算法参数包括初始权重，学习率以及动量。尽管得到的可接受的结果带有偏差，但很明显忽视了可能存在的高级模型。大量的用户干预不仅减慢了模型构建也违背了让数据说话的原则。为了自动设计过程，Petrosky 和Farshad提出了遗传算法形式的外部优化标准。对于新数据在实际应用中的过拟合和弱网络泛化能力也是一个问题。当训练进行时，训练数据的拟合提高了，但是由于训练中新数据不能提前预知网络性能可能因为过学习而变坏。训练数据的一个单独部分常常保留下来监视性能，以保证完成收敛之前停止训练。尽管如此，这减少了实际训练中有效的数据量，当好的训练数据缺乏时这也是一大劣势。Almehaideb提出了一种网络修剪算法用以提高泛化能力。最常用的采用梯度下降法的后向传递训练算法在最小化误差时存在局部极小点的问题，这限制了优化模型的推广。另一个问题是神经网络模型的黑箱不透明性。相关解释能力的缺失在许多决策支持应用中是一个障碍，诸如医学诊断，通常用户需要知道模型给出的结论。附加分析要求通过规则提取从神经网络模型中获得解释设备。模型参数掩盖在大规模矩阵中，因此获得模型现象或者将其与现存经验或理论模型进行对比变得非常困难。因为模型各种输入的相对重要性信息还没有获得，这使得通过排除一些重要输入来简化模型的方法变得不可行。诸如主成份分析技术也需要额外的处理。

在本研究中，我们提出了支持向量机回归法来克服神经网络的缺点同时采用此方法来预测PVT参数。支持向量机建模法是一种基于统计学习理论和结构风险最小化原则的新型计算机智能算法。基于该原则，支持向量机通过在经验误差和Vapnik-Chevonenkis置信区间之间取得合适的平衡来得到最有效的网络结构，因此这种方法不可能产生局部极小。支持向量机回归建模法

支持向量机回归法是机器学习和数据挖掘领域最成功和有效的算法之一。在分类和回归中它作为鲁棒性工具得到了广泛的应用。在许多应用中，该方法具有很强的鲁棒性，例如在特征识别，文 4

本分类和人脸图像识别等领域。支持向量机回归算法通过最优化超平面的特征参数以确保其高度的泛化能力。其中超平面在高维特征空间中最大化训练样本间的距离。3.1 背景知识和综述

近年来，人们对支持向量机做了很多研究。从如下这些人的文章中可以获得已完成的支持向量机建模法的概述，他们是Vapnik,Burges,Scholkopt，Smola，Kobayashi以及Komaki。该方法是一种新的基于统计学习理论的机器学习法。它遵循结构风险最小化原则，通过最小化泛化误差的上界，而不是最小化训练误差。该归纳法基于泛化误差的界，而泛化误差通过加和训练误差和依赖VC维的置信区间得到。基于此原则，支持向量机通过平衡经验误差和VC维置信区间取得最优的网络结构。通过此平衡支持量机可以取得优于其他神经网络模型的泛化性能。

起初，支持向量机用于解决模式识别问题。尽管如此，随着Vapnik 不敏感损失函数的引入，支持向量机可以扩展用于解决非线性回归预测问题。例如刚刚为人所知的支持向量回归法，它表现出了良好的性能。该方法的性能取决于预定义的参数（也叫超参数）。因此，为建立一个良好的支持向量回归预测模型，我们要细心设置其参数。最近，支持向量回归法已经作为一种可供选择的强有力技术用于预测复杂非线性关系问题。因其许多特有性质和良好的泛化能力，支持向量回归法无论是在学术界还是工业应用领域都取得了极大的成功。3.2 支持向量回归机的结构

最近，通过引入可变的损失函数，支持向量回归机(SVR)作为一种新的强有力技术用于解决回归问题。这部分，我们简要介绍一下SVR.更多的细节参见Vapnik和EI-Sebakhy的论文。通常情况下，SVR的构造遵循结构风险最小化原则，它试图最小化泛化误差的上界而不是最小化训练样本的预测误差。该特征能在训练阶段最大程度的泛化输入输出关系学习以得到对于新数据良好的预测性能。支持向量回归机通过非线性映射将输入数据x映射到高维特征空间F.，并在如图1所示的特征空间中产生和解决一个线性回归问题。

图1 映射输入空间x到高维特征空间

回归估计通过给定的数据集G{(xi,yi):XiR}Rni1来预测一个函数，这里xi代表输入向量，yi代表输出值，n代表数据集的总大小。建模的目的是建立一个决策函数yf(x)，在给定一组新的输入输出样本xi,yi的情况下准确预测输出yi。该线性逼近函数由下面的公式表示：

f(x)(w(x)b),:RF;wFTP(1)这里w,b是系数，(x)代表高维特征空间，通过输入空间x的非线性映射得到。因此，高维特征空间中的线性关系被映射到了低维特征空间中的非线性关系。这里不用考虑高维特征空间中w和(x)的内积计算。相应的，包含非线性回归的原始优化问题被转换到特征空间F而非输入空间x中寻找最平缓模型的问题。图1中的未知参数w和b通过训练集G预测得到。

通过不敏感损失函数支持向量回归机在高维特征空间中模拟线性回归。同时，为了避免过拟合，2并提高泛化能力，采用最小化经验风险和复杂度w2之和的正则化函数。系数w和b通过最小化结构风险函数预测得到。

RSVR(C)Remp12w2Cnni1L(yi,yi)212w2(2)这里RSVR和Remp分别代表回归风险和经验风险。w2代表欧几里德范数，C代表度量经验风险的损失函数。在公式2给出的结构风险函数中，回归风险RSVR是在给定测试样本输入向量情况下由约束函数f得到的可能误差。

(|y,y|),if|yy|L(y,y)(3)

Otherwise0,n在公式2中，第一项C/nL*(yi,yi)代表经验误差，该误差通过公式3中不敏感损失函

i1数预测得到。引入损失函数可以使用少量的数据点来获得公式1中决策函数的足够样本。第二项2w2是正则化系数。当存在误差时，通过折中经验风险和正则化系数，正则化常量C用于计算惩罚值。增大C值等于提高了相应泛化性能的经验风险的重要性。当拟合误差大于时接受惩罚。损失函数用来稳定预测。换句话说，不敏感损失函数能减小噪声。因此，能被看作如图2所示训练数据近似精度的等效值。在经验分析中，C和是由用户选择的参数。

图2 一种线性支持向量回归机的软边缘损失集

为了估计w和b，我们引入正的松弛变量i和i，从图2可知，超常的正负误差大小由i和i分别代表。假设松弛变量在,外非零，支持向量回归机对数据拟合f(x)如下：(i)训练误差通过最小化i和i得到。(ii)最小化 w2/2提高f(x)的平滑性，或者惩罚过于复杂的拟合函数。因此，支持向量回归机由最小化如下函数构造而成： 最小化：RSVR(w,C)12nw2CL(ii)（4）

*i1yiw(xi)bii*目标值：0*w(x)byiiii

这里i和i分别代表度量上下边沿误差的松弛变量。以上公式表明在同一结构函数f(x)下增大将减小相应的i和i，从而减小来自相应数据点的误差。最后通过引入拉格朗日多项式和扩展最优性约束，公式1所给决策函数有如下的形式：

nf(x,i,i)*(i1ii)K(xxi)b*（5）

*i这里公式5中参数i和i被称为拉格朗日乘子，他们满足公式i*0，i0和*i0，在i1,2....,n。公式5中的K(xi,xj)称作核函数，而核函数的值等于特征空间(xi)和(xj)中 7

向量xi和xj的内积，其中K(xi,xj)=(xi)(xj)。核函数用来表征任意维特征空间而不用精确计算(x)。假如任给一个函数满足Mercer条件，他就可用作核函数。核函数的典型例子是多项式核(K(x,y)[xy1]d)和高斯核(K(x,y)exp[(xy)2/22])。这些公式中，d代表多项式核的次数，代表高斯核宽度。这些参数必须精确选择，因为他们确定了高维特征空间的结构并且控制最终函数的复杂性。24 数据获取和统计质量度量

4.1 要求数据

研究结果基于来自三个不同的已发表研究论文的三个数据库中获得。第一个数据库引自Al-Marhoun的文章。该数据库包括来自中东69口油井的160组数据，通过它提出了一种用于预测中东石油起跑点压力和油量层参数的公式。第二个数据库来自Al-Marhoun&Osman(2002)，Osman&Abel-Aal(2002)以及Osman&Al-Marhoun（2005）的文章。该数据库使用采集于沙特各地的283个数据点来预测沙特原油的起泡点压力以及该压力点附近的油层量参数。模型基于142组训练集的神经网络来建立前馈神经网络校正模型用以预测起泡点压力和油量层参数，其中71组数据集用于交叉验证训练过程中建立的关系，余下的71组数据集用于测试模型以评估精度。结果表明发展的Bob模型比现有的经验公式有更好的预测效果和更高的精度。第三个数据库来自Goda(2003)和Osman(2001)的著作，这里作者采用具有对数双弯曲传递函数的前向神经网络来预测起泡点压力附近的石油形成层参数。该数据库包括从803个实际数据点中删除了21个观察点之后的782个观察点。该数据集采集于马来群岛，中东，墨西哥湾和加利福尼亚。作者采用倒传递学习算法设计了一种单隐层的前向神经网络，其中使用4个输入神经元来隐藏输入的油气比重，煤气比重，相对煤气浓度以及油储温度，五个神经元的单隐层以及输出层构造参数的单一神经元。

使用以上三个不同的数据库来评估支持向量回归机，前向神经网络和三个经验公式建模法的性能。采用分层标准划分整个数据库。因此，我们使用70%的数据建立支持向量回归机模型，30%的数据用于测试和验证。我们重复内部和外部验证过程各1000次。因此数据被分为2到3组用于训练和交叉验证。

本研究中，382组数据集，267组用于建立校正模型，余下的115组用于交叉验证训练和测试过程中建立的关系，并以此来评价模型的精度和稳定性。对于测试数据，支持向量回归机建模法，神经网络法以及最著名的经验公式法的预测性能使用以上的数据集进行度量。起泡点压力和石油形成层参数的预测性能分别如表1-6所示。

表1 测试结果(Osman(2001)和EI-Sebakhy(2007)数据)：预测Bo的统计质量量度

表2 测试结果(Osman(2001)和EI-Sebakhy(2007)数据)：预测Pb的统计质量量度

表3测试结果(Al-Marhoun&Osman(2002)和Abdel-Aal(2002)数据)：预测Bo的统计质量量度

表4测试结果(Al-Marhoun&Osman(2002)和Abdel-Aal(2002)数据)：预测Pb的统计质量量度

表5测试结果(Osman(2001)和Goda(2003)数据)：预测Bo的统计质量量度

表6测试结果(Osman(2001)和Goda(2003)数据)：预测Pb的统计质量量度

在应用中，用户应该知道输入数据的范围以确保其在正常的范围内。这步叫做质量控制，它是最终取得准确和可信结果的重要一环。以下是一些主要变量的输入/输出范围。包括油气比，煤气比重，相对煤气密度，油储温度。在输入和输出层使用起泡点压力和石油形成层参数进行PVT分析。

 油气比在26和1602之间，scf/stb  油量层参数在1.032和1.997之间变化  起泡点压力起于130止于3573 psia  油井温度从74F到240F  API比重在19.4和44.6之间变化。 煤气相对浓度改变从0.744到1.367 4.2 评价和质量度量

在学习完成后，我们进行了拟合模型能力和质量的评价和估计。为此，我们计算了大量的质量量度。诸如实际和预测输出之间的相关系数(r)，根方误差(Erms),平均相对百分误差(Er),平均绝对百分误差(Ea),最小绝对百分误差(Emin)，最大绝对百分误差(Ermax)，标准差(SD)和执行时间。最好的模型有最高的相关性和最小的根方误差。

支持向量机建模法的性能与神经网络和最常用的经验公式进行了比较。其中使用三种不同的数据库。执行过程采用交叉验证（内部和外部交叉）并重复了1000次。我们得到了支持向量回归机建模法的良好结果，为了简便起见，这里只记录了一些必须的点。这些点能给读者关于支持向量机建模法精度和稳定性方面一个完整的图形。4.3统计质量度量

为了比较新模型与其他经验公式在精度和性能方面的差异，我们采用统计误差分析法。选用的误差参数如下：平均相对百分误差(Er),平均绝对百分误差(Ea),最小绝对百分误差(Emin)，最大绝对百分误差(Ermax)，均方根误差(Erms),标准差(SD)，相关系数(R2)。为了说明支持向量机回归法的有效性，我们采用了基于三个不同数据库的校正模型。(i)160个观察点的数据库.(ii)283个观察点的数据库用于预测Pb和Bob(iii)Goda(2003)和Osman(2001)发表的包含782个观察点的全世界范围内的数据库。

结果表明支持向量机回归法具有稳定性和有效性。另外，它的性能在均方根误差，绝对平均百分误差，标准差和相关系数方面也超过了最流行的经验公式中的一种以及标准前向神经网络法。实验研究

我们在所有数据集上进行了质量控制检测并且删除了多余的和不用的观察点。为了评估每一种建模方法的性能，我们采用分层标准划分了整个数据库。因此，我们使用70%的数据建立支持向量回归机模型，30%的数据用于测试和验证。我们重复内部和外部验证过程各1000次。因此数据被分为2到3组用于训练和交叉验证。而在782组数据点中，382组用来训练神经网络模型，剩下的200组用来交叉验证训练过程中建立的关系，最后200组用于测试模型以评估其准确性和趋势稳定性。对于测试数据，我们用支持向量机回归建模法，前向神经网络系统和最著名的经验公式分别预测起泡点压力和石油形成层参数，并研究了他们不同质量度量的统计总和。

通常情况下，在训练了支持向量机回归建模系统后，我们使用交叉验证来测试和评价校正模型。

同时我们将支持向量机回归模型的性能和精度同标准神经网络和三种常用的经验公式进行了对比研究。这三种常用的公式分别是：Standing,Al-Mahroun和Glaso经验公式。5.1 参数初始化

本研究中，我们采用与Al-Marhoun&Osman(2002),Osman(2001)以及Osman&Abdel-Aal(2002)同样的步骤。其中采用单或双隐层的前向神经网络，该网络基于具有线性和S型激发函数的倒传递学习算法。初始权重随机获得，学习能力基于1000元或0.001目标误差和0.01学习率获得。每个隐层包括的神经元都与其相邻层的神经元连接。这些连接都有相关的权值，并可以在训练过程中调整。当网络可以预测给定的输出时训练完成。对于这两个模型，第一层包括四个神经元，分别代表油储温度，油气比，煤气比重和API石油比重的输入值。第二层包含用于Pb模型的七个神经元和用于Bob模型的8个神经元。第三层包括一个神经元，其代表Pb或Bob的输出值。我们使用的用于Pb和Bob模型的简略图正如Al-Marhoun&Osman(2002),Osman&Abdel-Aal(2002)论文中所述。它基于1000次的重复计算使得我们可以检测网络的泛化能力，阻止对训练数据的过拟合并且对所有运行取平均。

执行过程开始于对现有数据集的支持向量机建模，每次一个观察点，到时学习过程从现有输入数据集中获得。我们注意到交叉验证可让我们监视支持向量回归机建模的性能，同时阻止核网络过拟合训练数据。在执行过程中，我们采用三种不同的核函数，分别名为多项式，S型核以及高斯核。在支持向量回归机的设计中，首先初始化那些控制模型整体性能的参数，诸如kenel=’poly’,kernel opt=5;epsilon=0.01;lambda=0.0000001;verbose=0;以及常量C为简便起见取为1或10。交叉验证方法基于均方根误差作为训练算法中的检查机制来阻止过拟合和复杂性。Bob和Pb模型的结果权重如下表格和图表中所示。同时，如下所示，每一个输入参数的相对重要性在训练过程中确定，并由Bob和Pb模型给出。

5.2 讨论和对比研究

我们可以研究除已选择的检验公式之外其他常用的经验公式，更多关于这些公式数学表达式的细节可以参考EI-Sebakhv和Osman(2007)的文章。测试中的比对结果，在表1-6中分别进行了外部交叉验证总结。从结果中我们注意到支持向量机建模法优于采用倒传递算法的神经网络以及最流行的经验公式。提出的模型以其稳定的性能在预测Pb和Bob值时表现出了很高的精度，在采用三个不同数据集的情况下该模型在其他公式中得到了最低的绝对相对百分误差，最低的最小误差，最低的最大误差，最低的均方根误差以及最高的相关系数。

我们对所有计算机智能预测算法和最著名的经验公式预测所得的绝对相对百分误差EA和相关系数绘制了离散点图。每个建模方法由一种符号表示。好的预测方法应该出现在图形的左上部分。图3所示为所用建模方法EA以及R或r的离散点，这些方法使用Osman(2001)的数据库预测Bob。11

图3基于Osman数据库的所有建模法和经验公式法预测Bob的平均绝对相对误差和相关系数 我们注意到支持向量回归机建模法落在图形的左上部分，EA=1.368%和r=0.9884，而神经网络次之，EA=1.7886%和r=0.9878，其余的经验公式则有更高的误差且更低的相关系数。例如，AL-Marhoun(1992)的EA=2.2053%，r=0.9806，Standing(1947)有EA=2.7238%和r=0.9742以及Glaso公式的EA=3.3743%，r=0.9715。图4所示为同样的图形，只不过采用同样的数据集和建模方法来预测bP。我们注意到支持向量回归机建模法落在图形的左上部分，EA=1.368%和R=0.9884，而神经网络次之，EA=1.7886%和r=0.9878，其余的经验公式则有更高的误差且更低2的相关系数。例如，AL-Marhoun(1992)的EA=2.2053%，r=0.9806，Standing(1947)有EA=2.7238%和r=0.9742以及Glaso公式的EA=3.3743%，r=0.9715。

图4基于Osman数据库的所有建模法和经验公式法预测Pb的平均绝对相对误差和相关系数 我们也对其他数据集重复了同样的执行过程，但为了简便起见，本文并没有包括这些内容。这些数据集是Al-Marhoun(1988,1992)和Al-Marhoun&Osman(2002)以及Osman&Abdel-Aal(2002)。

图5-10所示为使用三个不同的数据集的试验数据对bpp和Bob所得预测结果的六张离散图形。这些交叉点说明了基于支持向量回归机的高性能试验值和预测值之间的吻合程度。读者可以对已发表的神经网络建模法和最著名的经验公式进行比较。最后，我们的结论是支持向量回归集建模法相比其他著名的建模法和经验公式有更好的性能和更高的稳定性。

在预测bpp和Bob时支持向量机优于标准前向神经网络和最常用的经验公式，其中使用4个输入数据：油气比，油储温度，煤气比重和煤气相对密度。

图5 基于Osman数据库的支持向量回归机预测Pb和Bob的平均交会图

图6 基于Osman数据库的支持向量回归机预测bP或bPP的平均交会图

图 7 基于Al-Marhoun,Osman和Osman&Abdel-Abal数据集支持向量回归机预测Bo的交会图

图 8 基于Al-Marhoun,Osman和Osman&Abdel-Abal数据集支持向量回归机预测bP的交会图

图 9 基于已有数据集(Al-Marhoun)支持向量回归机预测Bo的交会图

图 10基于已有数据集(Al-Marhoun)支持向量回归机预测bP的交会图

6结论和建议

在本研究中，我们使用三种不同的数据集来考察支持向量回归机作为一种新型模式在预测原油系统PVT参数过程中的能力。基于得到的结果和比对研究，我们得出如下结论：

我们使用支持向量回归机及4个输入变量来预测起泡点压力和石油形成层参数。这4个变量分别是：油气比，油储温度，石油比重和煤气相对密度。在石油工程领域，这两个参数被认为是原油系统PVT参数中最重要的。

成熟的支持向量回归机建模法优于标准前向神经网络和最常用的经验公式。因此，该方法相比其他方法有着更好，更有效和更可靠的性能。另外，该方法在预测Bob值时以其稳定的性能表现出了很高的准确性，同时得到最低的绝对相对百分误差，最低的最小误差，最低的最大误差，最低的根均方误差和最大的相关系数。因此，支持向量回归机建模法在油气工业中应用灵活，可靠并有着很好的发展前景。特别是在渗透率，孔隙率，历史匹配，预测岩石机械参数，流型，液体停止多相流和岩相分类中。

参数命名

Bob 起泡点压力附近的OFVF, RB/STB Rs 油气比，SCF/STB T 油储温度，华氏温度

r0 石油相对密度（水为1.0）

rg 煤气相对密度（空气为1.0）

Er平均相对百分误差 Ei 相对百分误差

Ea平均绝对百分相对误差 Emax 最大绝对百分相对误差 Emin 最小绝对百分相对误差

原油集输系统储运过程节能技术探讨 篇3

关键词原油集输;节能降耗;措施

中图分类号TE8文献标识码A文章编号1673-9671-(2010)051-0143-01

随着油藏开发的不断深入,高含水及特高含水期油藏逐渐增多,如何充分动用油藏,不断改善油藏开发效果,降低原油集输中所需能耗,是高含水期油藏所面临的主要问题。

1原油集输储运能耗现状

原油集输系统是油田地面生产系统的核心,它与注水、集气和输配电等系统一起构成了庞大的生产体系。原油集输系统在油田地面建设投资中占主导地位,在原油生产过程中的消耗也主要集中于此。因此,该系统的规划设计在油田储运建设中显得尤其重要。输油管道原油集输生产过程中消耗的燃料油主要是优质的原油,年消耗原油数十万吨,每年都要消耗大量的费用,其中能量消耗费用是构成运行费用的主要部分。与集油过程耗能相关的因紊是多方面的,只有采用综合节能技术来改进原油运输过程不合理的用能环节,才有可能使集油运输能耗有较大幅度下降。

2原油集输储运过程中节能措施

2.1不加热集油低能耗工艺技术

不加热集输(常温输送)技术的推广应用原油含水即使未达到转相点,当含水和油井产液高到一定程度,使井口出油温度高于允许的最低集输温度值时即可采用不加热集输。近年来,原油常温集输技术得到各油田越来越广泛的重视,各油田都根据开发阶段、原油物性、气候条件等不同条件做了大量研究和现场试验工作,形成了单管常温集油、双管不加热集油、掺低温水环状不加热集油等技术。

采用单管不加热集油是将原有掺水管线停掺扫线,依靠油井生产时的自身压力和温度将液体通过集油管线输送到计量间;双管不加热集油是停掺原有掺水管线并改为集油管线,对井口和计量间做部分改造,实现主、副双管同时出油。这种集油方式可随时恢复掺水,便于冬季井下作业及各种故障处理;掺低温水环状不加热集油是在一座计量阀组间中的几口油井由一条集油管线串联成一个环状的集油方式,环的一端由计量阀组间提供掺水,另一端则把油井生产的油、水、气集输到计量阀组间汇管中。目前,这些技术已经在大庆等十几个油田得到大规模应用,都取得了很好的效果。

目前采油油井普遍采用的不加热进站、采油区计量站不加热外输。通过在单管加热流程上取消井口加热炉及计量站、集输干线上的加热炉后,不加热集输不仅节能效果显著,而且由于精减了加热保温系统,投资降低,减轻了管理难度。

2.2油气混输技术

油气混输技术是近年来在石油工业界较为广泛提及的一门新兴技术,它主要是将井口物流中的油、气、水种介质,在未进行分离的状态下,直接用混输泵经海底管道泵送到油气水处理终端进行综合处理的工艺流程。

以前对油气进行采集处理,需用三相分离器、原油外输泵、天然气压缩机和条独立的海底分输管道,才能完成油、气、水分离后的液体泵送和气体压缩。采用油气混输技术,仅需用台混输泵和条混输管道就可以解决这个问题,同时简化了油气混合物在海上的处理工艺,节约了设备的投资,缩短了油气田的投资回报期,提高了开发油气田的经济效益。

混输技术具有很好的节能效果,增加了单井采收率,为创造新的经济效益奠定了基础。

2.3油气处理节能技术

油气处理要在各个环节进行分析,减少能源消耗,可以从以下几个方面考虑解决问题的办法:并排来油经气液分离后,先进行低温预脱水,排出大量游离水,减小后续工艺的加热负荷,从而实现对热能的节约;充分利用井排进站剩余压力,完成原油脱水、稳定、进罐等一系列工艺过程,取消中间提升环节(如脱水泵),从而减少动力费用的支出;由于加热负荷、动力负荷的减少,在设计施工时可以减少加热设施、动力設施以及储罐的建设,从而实现流程减化,投资节约。综合上述各项过程,即可形成一种高效、节能型的油气处理工艺。

处理油气的阶段是整个油田生产的关键环节,这一环节运行质量的高低将直接影响油田的综合效益。从能耗的角度看,油气处理是一个纯消耗的生产过程。在以往的油气处理工艺设计中,往往将可靠性、使用性、先进性摆在首位,而对整个处理工艺的经济性未能予以足够重视。当前,伴随着油田改革的不断深化,对油气处理工艺技术高效、节能性的要求不断提高,如何在满足油气处理可靠性、使用性的前提下,降低投资,简化流程,优化运行,已成为一个重要课题。

2.4新技术、新工艺的推广应用

在原油集输储运过程中所耗费的高能量要求我们不断探索新技术,与集油过程耗能相关的因素是多方面的,只有采用综合节能技术来改进过程不合理的用能环节,才有可能使集油生产能耗有较大幅度下降,实现节能降耗。

依靠技术进步来降低能源消耗是原油集输储运节能的根本途径。多年来,在开发高效油气集输与处理技术方面作了大量的工作,创造出了丰富多彩的高效成果,包括高效工艺技术和高效设备,丰富了油气集输工艺理论与实践。这些新技术、新工艺包括:ZGM超导节能加热器推广应用;撬装式计量车装置的设计与应用;胡状联合站储罐及管网阴极保护工程;智能温压控制装置应用等等,高效油气集输与处理技术有利于节能降耗、降低投资和提高工程效益的工艺技术,它对保证油气田地面工程整体技术水平起着至关重要的作用,能够真正实现优质、高效、低耗。

3原油集输储运节能意义

1)原油集输储运节能降耗有利于降低投资和提高工程效益,原油性质和装车作业与成品油有很大不同。因此,我们必须对原油长途运输的主要原因、形式及过程等进行分析。通过对原油油气蒸发降耗研究,对引起油品蒸发损耗的原因有了一定了解。因此,在原油运输管理中,我们要进一步加强油品储运的科学有效管理,从而有效降低油品的蒸发损耗。这就为企业的更大发展提供保障。由于公司各企业以前瞻性眼光,本着环保项目超前优先的原则,在新建环保项目时,为企业以后的项目发展预留了余能。

2)节能使企业的社会形象得到提升,融资环境得到改善。石化企业最大的风险来自对环境的污染和破坏,也是金融机构对石化企业的最大担忧。而节能降耗可以帮助企业树立良好的社会形象,最终赢得企业所在地政府及各金融机构的大力支持。

3)发展节能技术是油气田企业转变增长方式的重要途径,能够使企业战略由高产、稳产向清洁、节约、逐步转变,形成低投入、低消耗、低排放、高效率的清洁节约型增长方式,实现可持续发展。

4结束语

随着对油气资源的需求日益增大,如何高效利用油气越来越重要,而原油的性质和集输储运与成品油有很大不同,这就要求我们必须对原油集输过程中能源损耗的主要原因、形式及过程进行分析,只有这样,才能研究开发出各种新技术、新设备,进一步加强原油集输储运的科学有效管理,有效降低原油集输的能耗,实现中国石油行业的高效、稳定、可持续发展。

参考文献

[1]油田地面建设总体规划方案优选系统.

[2]刘又新原油最优热输温度的计算方法.

[3]吴长春.油气储运工程最优化.北京:石油大学出版社.

原油集输管线系统运行能量分析 篇4

1油气水的分离过程能耗

要使原油产出液的油水分离, 那么应提高进站原油的温度。同时随着油田开发的逐渐深入, 油田逐渐进入了高含水期, 同时由于开采时间较久的油井的集输系统依旧采取高含水原油直接进站加热升温的加工工艺, 容易在导致能源的浪费, 降低系统运行的能耗。同时, 油井的产量减少也在一定程度上导致了外输泵功率与实际的需求不相符合, 所消耗的电能较大。由此, 在油井的特高含水开发期, 大部分油田都通过工艺的改进, 采取了有效的措施提高运输设备的效率。可通过利用阶梯式的热化学沉降脱水代替了电化学脱水方式, 其主要的原理在于井站来液通过三相分离器进行分离后, 而后通过加热炉升温后通过三级沉降进行脱水, 从而使油水分离。

2集输流程能耗

典型的原油集输系统是通过计量站到中转站最后到联合站等一系列的处理和分离过程实现原油的分离。为了实现输油任务, 集输系统要将油井的产液加热到一定的外输温度, 系统热量的消耗主要来源于油井产出液含量、含水量以及产液温度和外输温度。同时集输系统通过三极管进行散热, 所消耗的热量在一定程度上受到各级管网的长度、介质的温度以及环境的温度影响。系统的三级站设备散热所消耗的能量受到操作温度、设备的大小以及环境的温度的影响, 而对于具体的油田或者系统, 就理论上而言, 操作温度、设备以及环境温度都是确定的, 由此, 总体的所消耗的能源也是确定的。这些消耗的能源都来自于设备的加热或者原油的燃烧以及天然气的燃烧所得出来的, 就理论上而言也是确定的, 若是将原油加热的设备转换成热泵集输系统, 那么就应全面考虑集输系统的能源消耗的状况。

3原油输送过程中的参数以及油泵的能源消耗

在输送容易凝结或者高展油样品的输送过程中, 不能直接使用等温输送的方式, 是由于油品的粘度较高时, 若是使用常温输送, 那么在实际工程中难以实现, 同时输送中的动力损失的折合费用较高, 经济性不强。加热的输送方式是当前对高凝固点的原油输送的最为常用的方式, 也就是将高凝固点的原油加热然后输入输送管道, 有效提高输送的温度从而有效降低输送的粘度, 减少油品由于摩擦而造成的损失, 通过消耗热量节约动能。由此减少输送过程中的能源消耗意义重大。

在实际的输送过程中, 原油的粘度受到较多因素的影响, 油品本身内在的胶质、沥青、石蜡、气体以及水的含量都对粘度造成了一定的影响, 同时外部环境中的温度也将对油品的粘度造成了影响。具体的试验表明, 压力作用对原油的影响程度很小, 基本上可以忽略不计。温度的变化对原油的粘度影响较大, 原油的粘度随着温度的升高而下降。而含水量对原油的粘度影响较为复杂, 当含水度在10%-20%范围内时, 原油的粘度将随着含水量的上升而增大, 而当含水量保持在20%-40%时, 其粘度是不含水原油的3倍到5倍。而当含水量达到55%-75%时, 其粘度是不含水原油的9倍到22倍, 粘度达到最大, 当含水量超过80%时, 相应液体的粘度与水的粘度接近。就实际而言, 原油的粘度对输油泵的性能具有较大的影响, 当原油粘度提升时, 输油泵的排量和扬程都有所降低, 而油泵的功率将上升, 油泵的能效将下降。

4总结

综上所述, 原油集输系统运行过程中的能量分析, 以原油的集输系统运行原理为基础, 原油分离过程中由于需要将油井产出液进行加热由此产生了能量的消耗, 可以通过使用阶梯式的热化学沉降脱水对原油进行分离, 同时原油的集输流程以及输送过程中原油的温度以及含水量、粘度等也将产生能量的消耗, 由此在原油的集输系统的运作过程中, 应关注原油在输送过程中的参数, 为节约输送系统的能源消耗奠定良好的基础。

摘要：原油的集输管线系统是油田地面工程主体部分, 原油的集输以及其系统的运行对油田的开发以及建设有着十分重要的作用。较为成熟的原油技术管线系统依旧处于研究当中, 通过对原油集输管线运行系统中的能耗分析, 明确了原油集输系统各部分的能源消耗, 从而为管线系统能源节约和运输效率提高提供了一定的参考。

关键词：原油,集输管线,系统,运行,能量

参考文献

[1]张奎文.原油集输及处理系统节能对策[J].油气田地面工程, 2007, (08) .

[2]龙凤乐, 杨肖曦, 李松岩.油气集输系统能量分析[J].油气储运, 2005, (12) .

[3]张兰双, 魏立新, 王文秀, 刘晓燕.原油集输系统效率计算与能耗分析软件开发[J].油气田地面工程, 2005, (11) .

[4]刘扬, 刘晓燕, 魏立新, 张兰双, 庄贵涛.原油集输系统转油站效率及能耗测算[J].油气储运, 2006, (11) .

原油管护总结 文档 篇5

今年以来，我大队以采油厂2011年原油管护工作会议精神为指导思想，坚持“严打重罚“的原则，采取”以防为主、打防结合“的办法，深入开展油区原油管护专项整治活动，有效遏制和打击了犯罪分子的嚣张气焰，营造了良好的工作氛围和生产环境，现就我大队2011年原油管护工作做以简单汇报，不妥之处、请指正。

一、原油管护工作措施

我大队在原油管护工作中，一是坚持高压严打态势，成立原油管护小组，加强对重点井区、重点范围、可疑人物的严防死守。二是大队、区队、班站密切配合石油保卫大队等相关部门通力合作，采取井区巡查和夜间电话巡查相结合的方式，形成了内外联防的管护体制；三是定期召开原油管护专题会议，提醒职工要时刻保持清醒头脑，提高思想认识，通过召开专题会议，进一步消除了职工的不良念头。四是于今年6月份开展了整治油区治安秩序专项行动活动，最大限度的遏制盗贩原油等涉油黑恶势力犯罪，促进了油区治安秩序和生产秩序持续稳定好转，促进了采油大队和谐发展；五是大队将负责任，工作认真的职工安排到检查站工作岗位，并要求检查站工作人员对进出站车辆进行严格检查、登记，通过对检查站的严格管理，进一步杜绝了原油产品非法外流现象发生；六是采取播放广播、散发传单、悬挂横幅等形式，进行大力宣传，进一步提高广大油区群众对违法偷盗，贩卖原油的思想认识，维护了油区治安稳定；七是时刻观察职工思想动态，对有思想波动的职工及时进行思想教育，坚决杜绝发生内外勾结等现象，严厉打击里应外合、监守自盗行为；八是不定期负责对井区库存、油井含水进行盘查、化验，对新井、措施井、偏远井、重点井随时抽查并作为重点管护对象，二、原油管护成效

今年以来，我大队共完成库存核查2400井次，含水化验3000井次；深入油区散发宣传教育传单1000余份，张贴横幅5幅，原油管护出动人力128余人次，先后查获盗卖原油车辆8辆、追回被盗原油10吨，挽回经济损失约33000元，有效的震慑了违法犯罪分子，保证了井区生产秩序稳定运行。

三、2012年原油管护工作计划

一是继续高压严打态势，深入开展油区治安秩序专项整顿活动。二是密切配合保卫大队、保卫科，采取井区夜间巡查和电话巡查相结合的方式，形成了内外联防的管护体系。三是时刻观察职工思想动态，对有思想波动的职工及时教育，严厉打击里应外合、监守自盗行为，坚决杜绝盗卖原油现象发生。

总之，在2012年原油管护工作中，我们将动员广大干部员工站在新的起点上，面对新形势，迎接新挑战，统一思想，振奋精神，扎实推进我大队原油管护工作在上新台阶，打造一个平安和谐油区。

原油净化系统 篇6

关键词：原油价格；VEC模型；脉冲响应；方差分解

一、稳定性检验与实证检验

本文将通过格兰杰因果检验、脉冲响应函数以及方差分解对布伦特原油价格与中国原油价格之间的关系进行稳定性检验。

（一）变量的平稳性检验

为了避免使用非平稳变量进行回归可能造成的伪回归。首先使用ADF进行平稳性检验，结果见表1。

表1 变量的平稳性检验

变量ADF统计量1%临界值5%临界值是否存在单位根

Bupetrol-1.906124-3.467633-2.877823是

Dapetrol-2.012551-3.467633-2.877823是

Bupetrol（-1）-8.749861-3.467633-2.877823否

Dapetrol（-1）-8.278222-3.467633-2.877823否

注：d（·）表示对变量取一阶差分

从表1中看出，即使在显著性水平为5%时，各变量原始序列的ADF值都不显著。说明这些序列都存在单位根。而各序列的一阶差分序列ADF值都在1%的显著水平下拒绝了单位根的原假设。由此可知所有变量都是I（1）序列，这满足协整检验的前提条件。

（二）脉冲响应分析

图1结果显示：布伦特原油价格对于自身的冲击反应较为强烈，自身事件的正向冲击短期内就会导致Bupetrol价格的迅速上涨。布伦特原油现货价格对中国原油现货价格产生正的响应，而且影响较大，此响应经历了由小到大的过程。BUPETROL冲击之后，DAPETROL立刻受到较大影响，并在4期后达到顶点，之后基本趋于稳定。

图1 布伦特和中国原油现货价格的脉冲响应

从表5中可以看出，在第1期，中国原油现货价格波动的预测方差有82.22248%的部分是由Bupetrol扰动引起的，10.77752%是由Dapetrol自身引起的。随后的预测中，Dapetrol的预测方差中由自身扰动引起的部分逐渐减少，由Bupetrol扰动引起的部分逐渐增加。这说明Dapetrol预测方差的变化主要是由Bupetrol扰动引起的，并且影响持久，在本文所选的20个时期内都产生很大影响；而Dapetrol自身因素也产生一定影响，但影响甚小，随着时间的推移可以忽略不计。

二、主要结论

本文通过格兰杰因果检验、脉冲响应分析以及方差分解，分析了国际原油价格波动对中国原油价格的影响，主要结论如下：

第一，根据格兰杰因果关系检验结果，国际原油现货价格波动是中国原油现货价格波动的格兰杰原因，而中国原油现货价格不是国际原油现货价格的格兰杰原因。

第二，从脉冲响应分析的结果来看，国际原油现货价格对中国原油现货价格影响较大，在受到Bupetrol冲击的第一期，中国原油现货价格上涨5.337%，在第二期达到7.366%，随后几期稳定在8.5%左右。而Dapetrol对Bupetrol的冲击影响几乎为零。

第三，从方差分解的结果来看，布伦特原油现货价格预测方差主要是自身扰动因素引起的，中国原油现货价格预测方差主要是由国际原油价格变动所引起的，在第一期的贡献度达到89.222%，在随后几期一直维持90%多的贡献度。（作者单位：重庆师范大学）

参考文献：

[1] 魏巍贤、林伯强，2007：《国内外石油价格波动性及其互动关系》，《经济研究》第12期。

[2] 焦建玲、范英、张九天、魏一鸣，2004：《中国原油价格与国际原油价格的互动关系研究》，《管理评论》第7期。

[3] 黄一玲，2013：《石油经济学：国际油价波动机制与我国的能源安全》，《求索》第8期。

[4] 方健敏、于川、张文平2005：《国际石油价格波动的宏观经济效应及对策》，《经济纵横》第10期。

[5] 张大永、曹红2014：《国际石油价格与我国经济增长的非对称性关系研究》，《经济学（季刊）》第2期。

[6] 田新翠、雷钦礼、吕月英，2010：《基于非均衡理论研究国际石油价格波动对中国经济的影响》，《数理统计与管理》第2期。

[7] 韩亮亮、周德群、李宏伟，2006：《石油价格波动与中国宏观经济运行关系的协整分析》，《价格理论与实践》第6期。

[8] 史丹，2000：《国际油价的形成机制及对我国经济发展的影响》，《经济研究》第12期。

油田原油集输系统节能技术与措施 篇7

1 原油集输系统耗能分析

我们先对原油集输系统的耗能环节的节能潜能进行探讨, 为深入探讨原油集输系统的节能方法做好准备。

1.1 加热炉

油气集输系统里必要的专用装置之一是加热炉。加热炉是联合站最主要的耗气装置, 这是因为加热炉需要对原油脱水与外输、掺水、冬季取暖及管线伴热等流程进行提温加热, 在此过程中能比耗较大。加热炉的效率、被加热介质的数量、加热前后的温度差异都会对加热炉的耗气量产生影响。工作实践中, 需要依据油井产量、处理工艺和生产要求来确定各个加热介质的数量和加热前后的温度, 虽然其调整幅度较小, 但是仍然具备不小的节能空间, 这就需要完善配套技术以达到提高炉效与灵活掌握运行时间的目的。

1.2 机泵

当今, 离心泵是联合站较多采用的泵, 输送量、输送压降越大, 它的耗电量就越大, 但是和泵效是反比关系。由于扬程、吸程管道配置不适当, 管道阻力大等情形使离心泵工作时能量损耗较大;由于泵的选取偏离正常工况, 产生较大的富余量, 导致水泵效率低下:以上两种状况是影响离心泵效率的原因。如果机泵及其相应工艺流程已经安装就绪, 机泵的输送量处于相对稳定的情况下, 可以通过调节流量以达到维持机泵的效率的目的。若机泵的输送量波动比较强, 偏离正常高效区而运行, 泵就做了无用的工作。所以采取措施降低泵的此类耗能、提升节电效力的潜能, 在于减少或消除输水、输油泵做无用的工作。

1.3 生产工艺

多数联合站在油田低、中含水期的开发阶段时主要采取两段脱水措施。虽然该措施有助于提高油气分离、脱水速度与效率, 但是热能耗费不小。当油田处在特高含水开发期的时候, 进站原油就会发生液量高、含水率大的现象, 如果在井场高含水原油进站以后直接采用加热升温、沉降等传统方法, 就会使加热炉的热负荷加大, 同时在污水的加热升温等环节将会耗费比较多的热能, 从而使大量的能源被耗费掉。

2 主要的节能降耗技术

2.1 采用高效加热炉

加热炉类型、燃烧器、空气系数、排烟温度与炉体散热损失等因素是影响加热炉工作效率的主要原因。近年来, 加热炉制造时相继使用最新的传热、换热与燃烧技术, 新产品主要为真空加热炉、常压高效节能水套加热炉与分体相变加热炉等等。真空加热炉的使用情况为:通过在真空或微正压状态 (表压力-0.01 MPa≤P≤0.02 MPa) 下采用水或其它液体等中间介质气化以后, 再用其加热盘管内的油与水等被加热介质。现场应用效果表明, 真空加热方法具备效率稳定、安全可靠、节能节水、炉内燃烧系统不出现结垢等优点。

2.2 采用变频调速技术

变频调速技术采用改变电机频率来实现电机调速目的。效率高, 没有因调速而带来附加的转差损耗, 调速范围大, 精度高, 可实现无级调速, 而且容易实现协调控制和闭环控制, 这些是变频调速节能控制装备的特征。因为其具备杰出的调速性能、卓越的节电效果, 可提高现有设备的运行工况, 增强系统的安全可靠性与设备利用率, 延长设备的使用寿命等诸多优势, 被当作风机、泵类负载交流调速节能的有效措施。针对油气集输过程中集输泵泵型和实际液量差异大, 处理液量时有波动的难题, 合理运用变频调速装置, 可以降低电能的耗费, 节电率可以达到40%~70%。

2.3 降低热损失

2.3.1 减少原油散热损失

防止管线凝油、确保输油温度, 集输系统的输油管线和输送与贮存设备都装置了伴热管线或者伴热盘管等辅助设施, 同时各种污水罐的收油管线也装置了伴热流程。减少加热损失、增大系统的伴热效率是实现联合站节能降耗的重要方面。要做好加热炉炉体、三相分离器、电脱水器、原油储罐、污油罐和各种输油管线的保温工作, 尽量降低散热量。

2.3.2 降低加热炉排烟热损失

影响加热炉排烟热损耗的主要原因是排烟温度与排烟量。排烟热损失随着排烟温度和排烟量的增加而变大。加热炉运行中需要保证合理的空气过剩系数, 如果空气过剩系数太大, 炉膛出口温度就会升高, 致使烟气量上升, 从而将引发排烟损失上升与加热效率的下降。当今加热炉的自动燃烧器可以采用变频或者机械方法进行调节, 以实现空气过剩系数的自动控制。

2.4 优化运行工艺

2.4.1 游离水预脱除

游离水预脱除技术是指在集中处理站通过增加游离水脱除器、三相分离器等设施, 对高含水的进站来液, 在常温下进行分离、沉降, 使部分游离水分出, 直接进入污水处理部分。分离后的低含水原油再进行加热, 可减少总的热负荷, 从而达到降低热能消耗的目的。

2.4.2 夏季停运伴热系统

根据原油脱水处理和外输时所要求的运行温度, 针对夏季高温季节 (6月至10月) , 可灵活采用停运联合站内原油管线和储油罐的伴热流程等措施。依据现场推行效果来看, 这种即时合理的举措既保证了油品温度、未发生凝油现象, 又节省了大量的电能和天然气的消耗。

2.5 信息化技术应用

通过在站内安装自动化控制系统, 将原油脱水、污水处理、生化处理等生产系统的关键控制点 (如油水界面高度、阀门开度、运行压力、温度、流量等各项生产参数) 及时远传至中心控制室, 快速准确地反映出各个生产过程中的运行参数, 并且对其参数进行必要的实时监测和控制, 使生产运行参数更加合理。同时还应结合储油罐液位、污水罐以及高低液位报警的预警响应措施, 确保各生产系统的安全和稳定地运行, 最大程度上提高运行效率。

参考文献

[1]朱益飞.胜利油田油气集输系统现状及能耗控制对策[J].石油工业技术监督, 2008;1:55～5

[2]李建, 梁婷, 刘伟等.老油田集输系统现状及改进策略[J].油气田地面工程, 2010;29 (1) :28～29

延长油田原油集输系统能耗构成分析 篇8

生产方式的变化, 也体现在经营模式的转变。原油集输系统为进入原油销售或处理合格 (成品) 前的关键环节, 集输系统在运行上的功能上环节较多, 其能耗情况对企业经营至关重要。

本论文截取原油集输站的日常运行能耗情况进行研究。研究思路为:通过延长油田典型的原油集输系统的工艺流程, 揭示其能耗使用和能耗结构;解决目前存在与管理当中的能耗主体的认识不足的问题。

1 延长油田原油集输系统能源消耗结构现状

延长油田原油集输系统主要能源消耗为:原煤、电力、燃料油和石油伴生气。其主要消耗所占比例如图1所示。

2006年至2010年延长油田产量和节能降耗完成指标, 见表1所示。

其下属最大的原油流转枢纽姚店联合站2010年能耗如表2所示。

2 延长油田原油集输系统典型工艺流程

2.1 工艺布局

陕北地域特色和地势以土塬、沟台为主, 高差优势明显, 大多集输站依塬借势, 分台建设, 形成层次分明和管理明晰的区块。按照地势由高到低分为四台, 四台主要有:消防储水区、卸油管理区;三台主要有:储油罐区;二台主要有外输计量换热区、水处理装置及注水装置区;一台主要为:热力电力配生产辅助和办公配套区。 延长油田典型集输站或联合站布局如图2所示。

2.2 运行环节

延长油田原油集输系统所承担原油为高含水原油, 平均含水56%以上, 且原油中含有杂质, 既有原油开采过程中带入的, 也有外来环境影响的如杂草树叶风沙等沉积物。

(1) 原油接收和沉降处理环节。

单车车辆拉运原油接收部分, 主要是高含水原油的接收过程。沉降处理过程, 包括一次沉降和二次沉降。主要功能为脱水、脱杂质, 处理成基本合格原油含水<2%。

(2) 储运和再净化环节。

①加热升温:

原油储罐一般都用蒸气加热, 底部加设加热盘管。

②净化处理:

降低输送过程中的动力消耗, 泵效降低, 动力消耗急剧增大。

(3) 污水处理和回注环节。

①污水处理。

②污水回注。

比较典型的如:油田下属某采油厂8号集输站现代化的污水处理设施, 从污水回收、油水分离、加料处理到重新注入, 日污水处理能力达到1800立方米, 集输生产油井162口, 日集输液量1380立方米、原油183吨。日注水量1300立方米 (清、污混合) , 为58口注水井提供了充足的资源。

(4) 原油管道外输。

延长油田管道输油分为两级系统。一级为原油集输站向主管道干线输油;二级为采油厂内部集输站之间输油, 也是原油的汇集过程。

3 主要耗能设备及状况

原油集输系统能源消耗主要有三大系统:加热系统、供热系统和电力系统。

3.1 加热系统及主要热备

①储油罐加热盘管。

②进出站管道原油加热器。

螺旋板式换热器 (SHE) 结构简单而精密, 它由两块或四块长金属薄板绕同一个中心卷制而成, 板与板之间焊有定距柱, 形成了两条或四条间距相同又各自完全独立的螺旋形流道。如图4所示:

3.2 供热系统

①供热锅炉:

新疆天山锅炉厂生产的SZL6-1.25-AⅡ锅炉在延长油田占有的市场60%份额, 具有一定的代表性。锅炉规范及设计参数 (见表3) 。

②蒸汽的利用:

蒸汽的含热量包括两个部分:一个是物理显热。另一个是想变潜热。蒸汽即具有品味的二次能源, 又是具有广泛利用价值的载热工质, 合理有效的利用蒸汽是节能降耗关注的一大重点。

③热力管网和设备的绝热保温:

绝热保温是阻止设备热散失或外界热量进入冷设备的一种回收能量的方式。热力设备不采用绝热保温措施的热量损失很大。如表4所示。

3.3 电能消耗系统

电力拖动用在原油集输系统中的有:泵类、风机、牵引、传输等。

两个概念: (1) 机电系统效率不取决与电动机的效率; (2) 各个环节的运行效率之积是机电系统效率。

3.3.1 输油机泵

管道输送是用油泵将原油从外输站直接向外输送, 具有输油成本低、密闭连续运行等优点, 是最主要的原油外输方法。延长油田油区内汽车运输约占65%, 管输率占35%。其中一级站约占30%, 二级站约89%, 三级站100%。

(1) 输油泵效率67.7%;

(2) 电动机效率75.7%;

(3) 蓄能器的平衡作用。

3.3.2

电力拖动系统能源效率89.4%

3.3.3

变压器配电效率95%

(1) 变压器功率损耗;

(2) 变压器的效率97%;

(3) 变压器最佳工况;

(4) 提高用电功率因数, 开展无功补偿。

4 结论

(1) 延长油田现有生产能耗以燃煤和电力为主, 需要加大油田能耗结构调整。

(2) 原油集输系统设施单耗还有提升的空间。现有集输系统工艺上还有改进的空间。

参考文献

原油净化系统 篇9

关键词：集输系统,节能潜力,参数优化,措施方向

前言

朝阳沟油田探明石油地质储量20060.63×104t, 含油面积331.22km2, 动用地质储量17982.37×104t, 开发面积268.4km2。自1986年开发建设以来, 共建成联合站5座 (运行3座) , 转油站23座 (运行20座) , 计量阀组间168座。建成油井3658口, 集油工艺采用双管掺水和环状掺水流程。建成集输油管线2890 km, 其中油管线1693km, 掺水管线1197km。

油田所产原油具有三高特征, 即含蜡量一般在20~30%, 平均凝固点35.4℃, 一般在26~40℃, 50℃的粘度20m Pa.s以上。“十五”以来通过开展低温集输工作和应用一系列的节能措施, 并加强管理, 在建设规模不断扩大, 生产用气、用电均有所增加的情况下, 能耗指标得到了有效控制。到2009年, 吨油耗气控制在55 m3/t以内, 吨油综合耗电控制在220k Wh/t以内, 仍然超出油田公司要求指标吨油耗气指标为50m3/t。因此必须挖掘集输系统节能潜力, 切实开展技术攻关和低温集输工作, 加强管理, 确保能耗目标的实现。

一、集输系统能耗测试分析

为了准确分析原油集输系统各环节的能耗状况, 本文通过能耗分析模型, 并通过对朝三地区井口——计量间——中转站——联合站各节点的压力、温度等参数的现场测试和计算, 分析能耗分布规律。

1.1 能耗分析模型的建立

在查阅了大量国内外相关文献基础上, 根据传热学、工程热力学、流体力学等学科的知识, 依据原油集输系统效率测试方法 (SY/T 5264-1996) , 集输系统效率和能耗分析计算的黑箱模型[1,2]。模型分为联合站的能量平衡模型、转油站的能量平衡模型、管网的能量平衡模型三种。

1.1.1、联合站的能量平衡模型:

图中:Eow2—转油站来液总能;

Eow1—计量间来液总能 (只在联合站带计量间的情况下存在此能量) ;

Eo—外输原油带出能;Ew—污水带出能;Ef—联合站供给燃料能;

Ee—联合站供给电能;E1—联合站总能损。

以上各项均包括热能和压能, 即Ei=Ehi+Epi, 下文同。

由上述黑箱模型得:

供给能量:ESUP=Ef+Ee

有效能量:Eef=Eo+Ew-Eow2-Eow1系统能损:E1=ESUP-Eef

联合站的能量利用率及能损系数分别为:

能量利用率ηe=Eef/ESUP= (EO+EW-Eow2) / (Ef+Ee)

能损系数Ke=E1/ESUP

1.1.2、转油站的能量平衡模型

图中:Eow1—计量间来液总能;Eow2—外输液带出能;Ew 1—循环水带入能;Ew2—循环水带出能;Ef—供给的燃料能;Ee—供给的电能;E1—系统总能损;Ehi—热能Epi—压能。

由上述黑箱模型得:各项能量:Ei=Ehi+Epi供给能量:ESUP=Ef+Ee

有效能量:Eef=Eow2-Eow1+Ew2-Ew1系统能损:E1=ESUP-Eef

转油站的能量利用率及能损系数分别为:

能量利用率:ηe=Eef/ESUP= (Eow2

能损系数:Ke=E1/ESUP

1.1.3、管网的能量平衡模型

图中:E1-管道进口流体带入能;E2-管道出口流体带出能;E3-管道能损。

由上述黑箱模型得出:供给能量:ESUP=E1总损失能量:Es=E3有效能量:Eef=E2管道能损系数:Ke=Es&#247;ESUP管道能量利用率:ηe=1-∑Ke

热能消耗计算公式为:

动力能耗计算公式为:

式中:q1-热能消耗, KW;q2-动力能耗, KW;c水-热水的比热容, k J/kg·K;

m水-热水的质量流量, kg/h;i-环路的井口数;v水-热水的体积流量, m3/s;

Tj-热水从中转站进入计量间的温度, K;

T0-热水从计量间进环路后经过第一段热水管道的降温后的温度, K;

Pj-热水从中转站进入计量间的压力, k Pa;

P0-热水从计量间进环路后经过第一段热水管道的降压后的压力, k Pa;

ci混-经过第i口井混合后的环路油气水混合物的比热容, k J/kg·K;

m混i-经过第i口井混合后的环路油气水混合物的质量流量, kg/h;

v混i-经过第i口井混合后的环路油气水混合物的体积流量, m3/s;

Ti-第i口井产液量进入环路后与环路工质混合后的油气水混合物温度, K;

Pi-第i口井产液量进入环路后与环路工质混合后的油气水混合物压力, k Pa.

1.2、集输管网能耗测试分析

我们选择朝阳沟油田朝三地区进行能耗测试分析, 基础数据如表1~7所示。

10月份我们对朝三地区的生产运行数据进行了全面的测试, 包括井间站的温度、压力以及加热炉外输炉的温度、压力、流量等, 同有关基础数据带入能耗计算公式及能量平衡模型中, 经过计算得出了集输系统各环节的能效, 见表。

根据以上的计算结果可知, 能耗最大的环节是井间环路管网, 占比例为6 4.1%;其次是联合站和转油站, 占总能耗的31.3%。所以在油田的生产实际中应该重点从这三个环节进行节能挖潜。

二、集输系统节能潜力分析

根据能耗测试, 我们对能耗较大的井间环路管网、联合站和转油站三个环节进行了潜力分析。

2.1 井间环路管网

2.1.1、优化管网埋深和保温材质

管网的热能耗损主要受保温层厚度、管道埋深的影响。因此在今后的产能建设和老区改造中, 应选用保温效果好的保温层, 合理增加管道的埋深, 以减少管道的散热损失。

2.1.2、中转站和联合站集输管网运行参数的优化

针对掺水温度和掺水量的合理匹配问题, 我们建立了优化模型并以单井临界温度为基础开发了优化运行软件。

我们将朝三联所辖站、间、井的基础参数 (包括管长、管径、保温、埋深、各井产液量等) 输入到软件中, 以回油温度38℃为基准, 经过软件计算得出了以下优化结果 (以30天作为调整单元) 如表8~9所示。

采用软件优化结果与去年同期实际运行情况相比, 年节约运行成本162.6×104元。而且在实际生产运行中, 随着开关油井及集油温度界限等情况的变化, 可随时通过软件计算, 动态调整集输参数, 指导生产运行, 实现运行成本最低。

2.1.3、进行管网优化

一是将双管掺水流程改为单管环状掺水流程;二是将常规井口集油工艺改为组合阀;三是根据生产运行状况对低效井、间、站进行优化调整, 提高负荷率, 降低能耗等。

2.2中转站和联合站

2.2.1、机泵改造

对于机泵的改造措施, 主要有以下几种方法:

(1) 采用变频调速、绕笼电机串接调速、级差配合等技术改变机泵泵管特性不匹配状态, 降低用电消耗, 提高系统效率。

(2) 推广钕铁硼永磁同步电机。

(3) 合理匹配各种电机和变压器, 最大限度降低空载损耗和网损。可采用自动同步补偿技术和高、低压跟踪补偿技术。

(4) 对于离心泵, 可通过改进泵的水力性能、提高光洁度等措施, 防止“大马拉小车”及节流所带来的能源浪费, 减小水力摩阻损失。

2.2.2、加热炉改造及运行管理

转油站中热耗所占比例较大, 因此对加热炉的节能改造是关键。应从调整炉子供风量、调节空气过剩系数、更换节能火嘴、应用高效热管技术、更换高效加热炉等措施提高热能利用率。

三、结论及认识

1、根据集输系统能耗测试分析结果, 能耗最大的环节是井间环路管网, 占比例为64.1%;其次是联合站和转油站, 二者占总能耗的31.3%。所以在油田的生产实际中应该重点从这三个环节进行节能挖潜。

2、通过对集输系统运行参数的优化可以看出, 集输系统的运用参数仍有进一步调整的空间, 可作为下一步节能降耗工作的重点。同时在实际生产中, 应对各项参数不断摸索修正, 达到节能降耗的目的。

3、对环井井口工艺和双管掺水流程的改造及机泵、加热炉节能新技术的应用, 并适时对低效井、间、站进行优化调整, 是目前我厂集输系统节能降耗的主要措施。

参考文献

[1]刘晓燕, 刘扬, 孙建刚, 等.输油管道运行优化研究[J].工程热物理学报.2004, 25 (4) :558-562

原油铁路装车设施监控系统的设计 篇10

某仓储罐区新建原油铁路装车设施,用于向地方炼油厂发送原油,配套4台装车泵机组,60台电动阀门及远传压力、温度、流量等检测仪表。其监控系统要求高可靠性、高安全性,且保证装车泵机组出口压力稳定;泵的启停不能影响电网的稳定运行及其它用电设备、检测仪表的正常使用,并有节能降耗的效果。针对工程实际并综合考虑各项工艺生产指标,提出了应用PLC、变频器和上位机的总体解决方案。

1 系统设计方案

监控系统以PLC为主控制器,并扩展了模拟量和数字量输入/输出模块。4台装车泵机组由变频器拖动运行,变频器和PLC之间采用Profibus-DP现场总线实现高速、双向、全数字通信[1],控制数据精度高,抗干扰能力强。监控系统的上位机采用工业监控计算机安装监控软件的方式。系统总体结构如图1所示。

(1)监控系统控制器选用西门子S7-300 PLC,该款PLC采用模块化结构,具有运算速度快、软件指令丰富、功能强大、扩展灵活、易于实现分布式配置等特点,可靠性高,抗干扰能力强;CPU模块选用314C-2DP;另外配置了数字量输入/输出模块、模拟量输入/输出模块及电源模块、通信模块等。

(2)变频器选用ABB ACS800型,加装Profibus-DP总线通信适配器FPBA-01并配置控制盘。该变频器的核心技术是直接转矩控制(DTC),具有启动向导、自定义编程、内置电抗器、通用备件等优点。

(3)上位机选用研华工控机,监控软件采用西门子WinCC7.0。

(4)管道压力检测选用罗斯蒙特2088智能压力变送器,温度检测选用罗斯蒙特智能温度变送器,均为二线制24V DC供电、4～20mA电流输出。这两款远传仪表性能可靠、精度高,防爆、耐腐蚀性能好,带现场液晶表头。

(5)系统数字量采用OMRON中间继电器隔离;模拟量采用MTL安全栅隔离。

2 系统控制方案

2.1 PLC功能设置

PLC的数字量输入模块SM321采集现场装车泵机组、电动阀门的运行状态信号,实时监控其状态;数字量输出模块SM322控制装车泵机组的启停以及电动阀门的开关;模拟量输入模块SM331采集现场的压力、温度、流量等传感器信号,实时监测管道介质的运行情况。

由PLC完成装车泵转速控制,采用了PID算法并保证管道有足够的流量和相对稳定的压力。模拟量输入模块将采集到的管道压力信号转换为成比例的数字值,再进行测量值和设定值的比对运算;在PLC内,压力偏差通过相应的控制算法并经Profibus-DP现场总线实时控制变频器的输出频率,从而控制装车泵机组的转速,实现管道介质的恒压运行。

通过PLC的MPI接口实现PLC与上位机的实时、双向通信,达到良好的人机界面效果。

2.2 变频器功能设置

装车泵机组采用双螺杆泵,且长时间处于运行状态,属于连续变动负载和恒转矩负载。变频器的主要功能设置如下:

(1)上下限频率。若转速超过额定转速,则电机的输出功率将超过其额定容量,双螺杆泵的机械性能会严重下降,甚至造成螺杆断裂,发生事故;若转速过低,则会出现管道流量不足。因此,上限频率一般设为额定频率50Hz,下限频率设为15Hz。

(2)加减速时间。装车泵机组启动不频繁,对加减速时间没有特别的要求,但从安全角度考虑,可适当延长。因此,加速时间设为40s,减速时间设为30s。

(3)加减速方式。选择S形加减速方式。

(4)设置掉电自动重启功能。

(4)控制盘设置密码,防止参数被误操作修改。

2.3 管道压力PID控制

装车泵机组对过渡过程的响应时间要求不高,因此采用积分分离的PID控制方式完全满足控制要求。以管道内的液体压力为被控量,智能压力变送器将管道压力的检测值转换成标准的电信号送至PLC;PLC根据设定值得出两者的偏差,经运算后产生控制信号并输出至变频器,从而控制变频器的输出频率,改变电机转速,使管道压力始终保持在设定值。PID控制原理如图2所示。

2.4 Profibus总线通信实现

变频器与PLC之间的连接总线采用西门子双屏蔽层、双芯Profibus-DP总线专用通信电缆。

(1) PLC的设置。首先安装ABB变频器GSD文件ABB_0812.GSD;然后在系统Profibus-DP硬件配置中添加从站ABBDrivesRPBA-01,站号为#2(或其它地址号),插入PPOTypeModule为4;在#2从站的参数设置中,将OperationMode改为VendorSpecific(即ABB传动协议),其它为默认配置;最后将配置下载到主站中。

通过以上设置,主站对#2从站的输出区(Output)的数据结构为:Output的第1个字用于ABB传动通信协议的控制字CW;第2个字是变频器的给定值REF1;第3个字是变频器的给定值REF2;第4个字是变频器的给定值REF3(由ACS800变频器参数90.01决定);第5个字是变频器的给定值REF4(由ACS800参数90.02决定);第6个字是变频器的给定值REF5(由ACS800参数90.03决定)。

(2)ACS800参数的设置。首先安装ACS800变频器Profibus适配器模块,并按照用户手册调整硬件(如站号、终端电阻等),将参数98.02(Comm ModuleLink)改为FIELDBUS,确定参数98.07(COMMPROFILE)为AB-BDRIVES;随后修改51组参数,将参数51.04(PPOtype)改为PP04,参数51.05(PZD3OUT)改为3,参数51.06(PZD3IN)改为6,参数51.07(PZD4OUT)改为7,参数51.08(PZD4IN)改为10,参数51.09(PZD5OUT)改为8,参数51.10(P2D5IN)改为11,参数51.11(PZD6OUT)改为9,参数51.12(PZD6IN)改为12。

2.5 软件设计

采用Step 7编程软件,实现系统的各种控制功能,如安全/操作逻辑联锁、实时控制参数的设定值输出/反馈值采集与滤波处理、工艺参数的实时采集等。由上位机实现现场监控,管理软件采用WinCC7.0,主要完成以下功能:

(1)登录身份及权限保护。画面设有登录、退出、用户更改、帮助等按钮,赋予不同的操作级别和使用权限;设置系统工程师、操作员、监视员三类权限。工程师具有最高权限,可以修改控制器参数、组态过程画面、调用/查看数据库及退出系统;操作员可修改某些设备的运行参数、浏览趋势、报警等画面,向有关设备发出控制指令等;监视员的权限最小,只能浏览主要的操作画面。

(2)实现生产过程和现场设备实时、动态的监控和检测。上位监控画面主要完成CRT操作、工艺及过程参数显示、报警等。

(3)现场设备运行状态在线检测、报警功能。设备故障时,运行状态画面上将动态显示故障画面,以提醒操作人员及时处理。

(4)设备维护管理与记录、历史数据记录与趋势分析等。

(5)报表与统计功能。系统可自动生成8/12小时的有关参数报表。

3 安装与调试中的注意事项

在监控系统的安装和调试中,需注意以下事项。

(1)由于铁路装车设施属于防爆区域,因此应严格按照有关规范要求进行施工。电缆进入电缆沟、槽盒以及穿管时,出入口和关口应密封;电气、仪表电缆应分开敷设,以降低干扰;电缆沟应填沙充实。

(2)在变频器及电机首次上电运行前,应确认回路的绝缘电阻、变频器输出侧的对地绝缘、相间绝缘;检查变频器内有无异物,保持通风道畅通、电路板清洁,并核对接线。

(3)工作时,变频器内部有高压电,因此为确保人身和设备的安全,变频器不可与其它大功率设备共用接地,且接地线越短越好。

(4)PID控制不稳定时的调节步骤为:当控制量的变化比目标值慢时,增加比例系数;当控制量的变化比目标值快且不稳定时,减少比例系数;当目标值难以和控制量保持一致时,减少积分系数;当目标值和控制量都不稳定,出现震荡时,增加积分系数。若增加比例系数后,响应仍慢,则增加微分系数;若增加比例系数后,响应不稳定,则减少微分系数。

4 结束语

装车泵机组监控系统采用PLC、变频器和上位机的总体解决方案,并通过Profibus-DP总线通信实现了PLC和变频器之间的高速、双向、全数字通信,不但节省了仪表电缆,而且增加了监控系统的开放性和可维护性。

实际运行表明,该控制系统安全、稳定,抗干扰能力强,年节电量可达6万kW·h,降低了能源消耗,取得了明显的经济和社会效益,具有一定的借鉴和推广价值。

参考文献

[1]张还.空压机组电气控制系统的设计[J].自动化仪表,2010 (4):34-36

[2]方承远.工厂电气控制技术[M].北京:机械工业出版社, 2000

[3]戴明宏,张君霞.电气控制与PLC应用[M].北京:北京航空航天大学出版社,2007