Luận án tiến sĩ kỹ thuật dầu khí: Nâng cao hiệu quả xử lý khí tự nhiên mỏ Hải Thạch - TS. Trần Ngọc Trung

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT NCS. TRẦN NGỌC TRUNG NGHIÊN CỨU NÂNG CAO HIỆU QUẢ XỬ LÝ KHÍ TỰ NHIÊN TẠI MỎ HẢI THẠCH Ngành: Kỹ thuật dầu khí Mã số: 9520604 LUẬN ÁN TIẾN SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. Triệu Hùng Trường 2. Ngô Hữu Hải Hà Nội, 2022 1 LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi.

Các số liệu, kết quả nêu trong Luận án là trung thực và chưa từng được công bố trong bất cứ công trình nào khác. Hồ Chí Minh, ngày tháng năm 2023 Tác giả Luận án Trần Ngọc Trung 2 MỤC LỤC LỜI CAM ĐOAN.2 DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT.5 DANH MỤC CÁC BẢNG.8 DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ. 13 CHƯƠNG 1: TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU TRONG LĨNH VỰC XỬ LÝ KHÍ TRÊN THẾ GIỚI, VIỆT NAM VÀ CÁC GIẢI PHÁP NÂNG CAO HIỆU QUẢ XỬ LÝ KHÍ. Tổng quan về xử lý khí tự nhiên trên các giàn khai thác.

Vị trí và vai trò của mỏ khí – condensate HT-MT. Hệ thống khai thác, xử lý khí tại mỏ HT-MT. Hệ thống thu gom khí đầu vào và bình tách lỏng. Hệ thống làm khô khí.

Hệ thống nén khí áp suất cao và đo đạc thương mại. Hệ thống xử lý condensate. Hệ thống và cơ chế dự báo lưu lượng nhằm tối ưu chế độ vận hành và đảm bảo dòng chảy trong đường ống nội mỏ. Hệ thống và cơ chế dự báo bất thường của giếng và thiết bị trong việc nâng cao hiệu quả xử lý khí tại mỏ HT.

Các phương pháp nâng cao hiệu quả xử lý khí tự nhiên. Các phương pháp truyền thống nâng cao hiệu quả xử lý khí tự nhiên. Các giải pháp hiện đại nâng cao hiệu quả xử lý khí tự nhiên. Phương pháp nâng cao hiệu quả xử lý khí tự nhiên sử dụng công nghệ xử lý số liệu thông minh.

Luận giải các phương pháp đang được áp dụng hiện nay và xu hướng trong thời gian tới. Kết luận chương.87 CHƯƠNG 2: XÂY DỰNG MÔ HÌNH XỬ LÝ SỐ LIỆU THÔNG MINH NHẰM NÂNG CAO HIỆU QUẢ XỬ LÝ KHÍ TẠI MỎ HẢI THẠCH. Nghiên cứu nâng cao độ chính xác phương pháp dự báo lưu lượng khí condensate, đảm bảo khả năng thu hồi và khai thác tại mỏ HT. Giới thiệu phương pháp đang được áp dụng nhằm dự báo lưu lượng khí condensate tại mỏ HT.

Các nghiên cứu xử lý số liệu thông minh trong dự báo lưu lượng khai thác. Nghiên cứu phát triển mô hình dự báo sản lượng khí condensate sử dụng hệ thống suy luận mờ thần kinh thích ứng cải tiến. Xây dựng mô hình dự báo sản lượng khi condensate mỏ HT. Nghiên cứu mô hình dự báo bất thường nhằm ổn định áp suất và đảm bảo dòng chảy khí bay hơi cho quá trình xử lý khí tại mỏ HT.

Giới thiệu phương pháp đang được áp dụng nhằm dự báo, theo dõi bất thường tại mỏ HT. Phương pháp xử lý số liệu thông minh nhằm dự báo bất thường. Nghiên cứu mô hình phát hiện bất thường sử dụng mạng tự động mã hoá dựa trên bộ nhớ dài – ngắn hạn cải tiến (LSTM-AE). Xây dựng mô hình dự báo bất thường cho bộ dữ liệu giếng khai thác và máy nén khí cao áp HT.

Kết luận chương.148 CHƯƠNG 3: ÁP DỤNG MÔ HÌNH XỬ LÝ SỐ LIỆU THÔNG MINH NHẰM NÂNG CAO HIỆU QUẢ XỬ LÝ KHÍ TẠI MỎ HẢI THẠCH. Áp dụng mô hình dự báo sản lượng khí condensate mỏ HT. Tập dữ liệu nhằm dự báo sản lượng giếng khai thác mỏ HT. Kiểm chứng kết quả áp dụng mô hình dự báo lưu lượng khai thác tại mỏ HT 157 3.

Áp dụng kết quả nghiên cứu trong quá trình tối ưu hoá khai thác các giếng của mỏ HT-MT. Đánh giá kết quả áp dụng tại mỏ HT. Áp dụng mô hình phát hiện bất thường cho quá trình xử lý khí tại mỏ HT. Các máy nén khí tại mỏ HT-MT.

Tập dữ liệu giếng khai thác và máy nén khí cao áp mỏ HT. Cơ chế phát hiện bất thường. Kiểm chứng và thảo luận kết quả phát hiện bất thường sử dụng phương pháp xử lý số liệu thông minh tại mỏ HT. Đánh giá kết quả áp dụng tại mỏ HT.187 KẾT LUẬN VÀ KIẾN NGHỊ.191 DANH MỤC CÁC BÀI BÁO, CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ ĐÃ 4 CÔNG BỐ.

192 TÀI LIỆU THAM KHẢO.195 5 DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT STT Ký hiệu chữ Chữ viết và nghĩa đầy đủ Chữ viết và nghĩa đầy đủ viết tắt (tiếng Việt) (tiếng Anh) 1 AI Trí tuệ/Trí thông minh nhân Artificial Intelligence tạo 2 AM Cơ chế chú ý Attention Mechanism 3 ANFIS Hệ thống suy luận mờ thần Adaptive Neuro-Fuzzy kinh thích ứng Inference System 4 ANN Mạng nơ-ron nhân tạo Artificial Neural Network 5 BPF Mạng thần kinh truyền thẳng Backpropagation Feed- lan truyền ngược forward 6 CNN Mạng nơ-ron tích chập Convolutional Neural Network 7 DL Học sâu Deep Learning 8 DNN Mạng thần kinh học sâu Deep Neural Networks 9 FCM Phương pháp phân cụm mờ Fuzzy C-mean (FCM) C-mean clustering 10 FIS Hệ thống suy luận mờ Fuzzy Inference System 11 FL Logic mờ Fuzzy Logic 12 GA Giải thuật di truyền Genetic Algorithm 13 GAN Mạng đối nghịch tạo sinh Generative Adversarial Networks 14 HT-MT Hải Thạch - Mộc Tinh Hai Thach – Moc Tinh field 15 LeakyReLU Đơn vị chỉnh lưu tuyến tính Leaky Rectified Linear Unit Leaky 16 LOESS Hồi quy cục bộ sử dụng bình Local regression using phương tuyến tính tối thiểu weighted linear least squares có trọng số 6 17 LSTM Mạng bộ nhớ dài - ngắn hạn Long Short Term Memory network 18 LSTM-AE Mạng tự động mã hóa dựa Long Short Term Memory trên Bộ nhớ dài - ngắn hạn based Autoencoder network 19 MAE Trung bình sai số tuyệt đối Mean Absolute Error 20 MAPE Phần trăm sai số trung bình Mean Absolute Percent Error tuyệt đối 21 MCC Hệ số tương quan Matthews Matthews Correlation Coefficient 22 MF Hàm liên thuộc Membership Function 23 ML Học máy Machine Learning 24 MLP Perceptron nhiều lớp Multi-Layer Perceptrons 25 MSE Sai số toàn phương trung bình Mean Square Error 26 OCSVM Máy vector hỗ trợ một lớp One-class Support Vector Machine 27 PE Nơron (phần tử xử lý PE) của Processing Elements for mạng ANN ANN 28 PSO Tối ưu hoá bầy đàn Particle Swarm Optimization 29 R2 Hệ số xác định Coefficient of determination 30 ReLU Đơn vị chỉnh lưu tuyến tính Rectified Linear Unit (Rectified Linear Unit) 31 RLOESS Một phiên bản mạnh mẽ của Robust Local regression ‘loess’ chỉ định trọng số thấp using weighted linear least hơn cho các giá trị ngoại squares biên (outliner) trong hồi quy 32 RMSE Lỗi trung bình bình phương Root Mean Squared Error gốc 33 RNN Mạng nơ-ron hồi quy Recurrent Neural Network 7 34 RS Tìm kiếm ngẫu nhiên Random Search 35 SVM Máy vector hỗ trợ Support Vector Machines 36 TVD Độ sâu theo phương thẳng True Vertical Depth đứng 37 VA Tính toán phương sai Variance Account 8 DANH MỤC CÁC BẢNG Bảng 1.1: Tiêu chuẩn kĩ thuật cho dòng khí thương mại, áp dung tại Bắc Mỹ, châu Âu và Trung Đông.2: Tiêu chí kỹ thuật cho dòng khí thương mại đi vào đường ống dẫn khí Nam Côn Sơn.3: Bảng phân tích thành phần khí khô cho Mộc Tinh.1: Các thông số chính của Mô hình ANFIS với hai kiểu thuật toán phân vùng trừ và FCM.2: Tối ưu hóa siêu tham số.1: So sánh mô hình đang áp dụng và ANFIS cải tiến.2: Kết quả độ mở từng giếng và sản lượng condensate tương ứng cho mẫu thử 2,169 triệu mét khối khí/ngày.3: Kết quả độ mở từng giếng và sản lượng condensate tương ứng cho mẫu thử 6,044 triệu mét khối khí/ngày.4: TPR, FPR và giá trị ngưỡng nhằm đạt được điểm F tối đa.177 9 DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1.1: Quá trình xử lý khí tự nhiên và chế biến thành phẩm ở hạ nguồn.2: Mô hình thu gom và hệ thống xử lý khí tự nhiên: (1) thiết bị đầu giếng; (2) hệ thống tách và xử lý tạp chất.3: Sơ đồ vị trí Lô 05-2 và 05-3, bể Nam Côn Sơn.4: Sản lượng khí đã và sẽ khai thác tại mỏ HT-MT.5: Các cụm giàn tại mỏ HT-MT.6: Sơ đồ hệ thống công nghệ xử lý khí tại giàn công nghệ PQP-HT.7: Quá trình hình thành slug trong đường ống.8: Đường vận hành tối ưu cho các thiết bị như máy nén, máy phát.9: Công cụ RTO tại công trình xử lý khí Karso, Na Uy.10: Công suất nhà máy tăng lên 1% lượng tiêu thụ tại công trình xử lý khí Karso, Na Uy.11: Mô hình mô phỏng tĩnh áp dụng tại hệ thống đường ống dẫn khí NOGAT, Hà Lan.12: Đường ống dẫn khí NOGAT, Hà Lan.13: Áp suất hơi Reid (RVP) tại công trình BG Tunisia, trước và sau khi áp dụng phương pháp Realtime APC.1: Kết quả tính toán áp suất, nhiệt độ đầu ra của máy nén cấp 1 và cấp 2 sử dụng phần mềm mô phỏng HYSYS với các điều kiện thực tế vận hành.2: Sơ đồ hệ thống xử lý khí condensate tại mỏ HT-MT kết nối với 2 giếng cùng một vỉa chứa.3: Sơ đồ khối của hệ thống suy luận mờ.4: Mô hình mờ Sugeno cơ bản bậc nhất với hai đầu và hai quy tắc.5: Mô hình ANFIS tương đương cho mô hình mờ Sugeno bậc nhất với 2 luật mờ.6: Mô hình chung cho các bài toán Machine Learning.7: Phân chia dữ liệu cho các giai đoạn của quá trình học máy.8: Lưu đồ cho thuật toán ANFIS cải tiến để dự báo lưu lượng giếng khí - condensate.9: Kết quả huấn luyện mô hình ANFIS cải tiến cho tập huấn luyện 117 Hình 2.10: Các chỉ số kiểm chứng mô hình với phân vùng FCM 80 cụm và 4 phương pháp làm mịn khác nhau.11: Các chỉ số kiểm chứng mô hình với phân vùng trừ có bán kính ảnh hưởng = 0,2 và 4 phương pháp làm mịn khác nhau.12: Các chỉ số kiểm chứng mô hình ANFIS cho phân vùng trừ với bán kính ảnh hưởng lần lượt là 0,3, 0,2 và 0,1: (a) MSE; (b) R; (c) Trung bình sai số và (d) Độ lệch chuẩn sai số.13: Các chỉ số kiểm chứng mô hình ANFIS cho phân vùng FCM với số cụm lần lượt = 30, 40 và 50: (a) MSE; (b) R; (c) Trung bình sai số và (d) Độ lệch chuẩn sai số.14: Sơ đồ quy trình xác thực chéo K-fold ví dụ với k = 5.15: Các chỉ số đánh giá khi so sánh với nghiên cứu trước đây của Elbaz và cộng sự cho ANFIS FCM, PSO-ANFIS cải tiến: (a) MSE, (b) 𝑅2 và (c) VA 126 Hình 2.16: Hệ thống giám sát thiết bị theo hướng dữ liệu.17: Khả năng học tập của học sâu so với học máy truyền thống.18: Sơ đồ lược đồ của LSTM.19: Bộ tự mã hoá Autoencoder bao gồm quá trình mã hóa - encoder (giảm kích thước), giải mã - decoder (tái tạo) và không gian tiềm ẩn (Latent space).20: Quy trình tính toán của mạng tự mã tự hoá dựa trên bộ nhớ dài ngắn hạn cải tiến.