《人工智能钻井实时专家控制系统研究.pdf》由会员分享，可在线阅读，更多相关《人工智能钻井实时专家控制系统研究.pdf（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第2 2卷第2期2001年3月石油学报A CTAPE TR OLE I S INIC AVol.22Ma rehNo.220 01文章编号:025 3一2 697(2001)02一0 083一04人工智能钻井实时专家控制系统研究王以法(石油大学石油工程系山东东营25 7 06 1)摘要:随着石油工业的发展和科学技术的进 步,钻井技 术将进人人工智能钻井的新阶段。文中介绍了人工智 能及其两个重要分支专 家系统、智能控 制在 钻井工程 中的应用,给出了人工智能 钻井的概念和内容。结合石油钻井工 程的实际情况,提 出了一 种新型“实时专 家 智能控制系统”(R T E ICS 一Re al Time
2、ExpertIntel ligene eControlSy st e m),它综合了传统专家 系统及智能控制的优点于一身,构 成了一个完整 的人工智 能钻井系统。讨论了RT E-I CS的原理和构成,专家系统和控制系统的接口方式,以及需要解决的实 时性、稳定 性、可靠性、自学习性等问题。并展望了 2 1世纪人工智能钻井的美好 前景。关键词:人工智能;专家系统;智能控制;智能钻井;实时控制;自动钻井设备中 图分类号:T E2 4 9文献标识 码:A1前言年前,世界 石油市场长期处于不太景气的状态,石 油价格低而不稳,严重 影响了石 油钻井业的发展,一方面是油价 下跌,一方面是钻井费用在整个油气田
3、开发成本中不断增加,导致各国都纷纷削减钻井工作量,这就对钻井工作者提出 了一个严峻的问题:要让石油钻井工业生存和发展 下 去,唯 一 的途径就是提高钻井效率和降低钻井成本。同时根据世界油气资源 的现状及对将来发 展 的预测,石 油钻井工业将面 临更复杂的地质条件和更恶劣的自然 环境(沙漠、深海等),这就要求石 油钻井工业大大提高高科技含量,发展大斜度定向井、大位移水平井、丛式井、多底井、径向井等各种 新 的钻井技术,以满足在各种复杂的地 质条件和 恶劣环境下 开发油气田的需要,并达 到最高的采收率、最低的钻井成本、最好的经济效 益 的目的。另外,现在不论新老 油田都面临提高采收率的 问题,采用
4、精确定位的定向井轨迹控制技术去 开发 油气藏边角,是提高剩余采收率的 重要手段(如老井侧钻)。要解决以上几个方面 问题,都要求石油钻井技术有一个革命性的飞跃,随着石 油钻井科学 的发展 和相关高科技的进步,一个新的钻井概念出现了人工智能钻井。展 望未来,2 1世纪 的石油钻井技术将是人工智能钻并技术,既集地质、测井、钻井、油藏、计算机、自动控制、机器人技术等于 一体的全 自动钻井系统,它可根据井下地质情况和油藏位置自动调 整井眼 的设计轨迹并 自动寻找和钻进到最佳的储层位置以获得 最大产能。2人工智能 简介人工智能(Al一Ar t if i c i a lIn te lhgen ce)是一门新
5、兴的边缘科学。自 5 0年代诞生以来,随着计算机科学技术的飞速发展,Al在理论上有了很大进步,在实践应用上更是成绩显著,正在逐步渗人自然科学 和社会科学 的各个领域,引起越来越多人的重视。国外发达 国家一直高度重视人工智能的研究,美、欧、日各国的高科技 发展计划中的重要内容之一,即是人工智能及相关技术研究。我 国的“863”高科技计划以及后续的跨世纪高科技计划也将人工智能及Al计算机的研究作为重要课题。人工智能科学 的研究和发展是与计算机技术分不开 的,它以计算机为研究工具和以物理硬件为基础。当前主要研究怎样使计算机具有人的基本智能,即使计算机初步具有人的感知观察能力、记忆能力、逻辑思维能力墓
6、金项目:国家“九五”重点科技攻关项目“侧钻水平井钻井采油配套技术研究”(95一1 08一。2一04)中的部分内容。作者简介:王以法,男,19 5 3年6月生。1 9 8 8年获石油大学硕士学位。现为石油大学(华东)石油工程系副教 授。石油学报2001年第2 2卷(分析推理能力)、学习能力、语言表达能力等等,并以此来模仿人的部分脑力 活动。使人类在 经 历 了体力 劳 动 自动化后,又将经历一次脑力 劳动 自动化,让人们将智慧都用在 知识与技术创新 工程中,为社会创造更 多 的财富。人 工智能 涉及自然科学和社会科学 的各个领域,是许多 相关技术 的总称。在 此仅提及与石 油工业关系 密切的,如
7、专家系统、机 器学习、人工神经 网络、模式识别、智 能自动控制以及机器人学等等。而当前能应用于钻井行业中的主要是人工智能 的两个较 为实用 的重 要分支:专家系统ES和智能控制IC。前者是解决如何获取与表达专家知识,外部信息 经 它加 工处理后 得 到可供人们参考的 明确建议川,目前在 石 油工业各领域中不 乏成功 的例子;后 者是 在 经典自动控 制、现代自动 控制理论基础 上发 展 起来 的带有人工智能 性质 的自动控制,目前应 用 较多、较成熟的是FLC(Fu z z yLogi cCo爪r ol)模糊逻辑控制等。3R T EIC S原理及 构成过去钻井 业 的 主要目的就是按照地质勘探
8、部 门提供的资料和要求,安全优 质高效快速低成本地完成钻井任务,建立起一个永久性的通道以利于油 气 的开采。它 只是 石油 勘探开发 中一个相对独 立 的环节,但随着9 0年代石油 工业的 发展及各种高新技术的 出现,对钻井业提出 了更高的要求,伴随着人工智能技术被 引进 到钻井行业就产生一个全新的概念:人工智能钻井。即钻井作业不单单是完成单纯 的打井,而要 运 用最 新最先进 的人工智能钻井 技术与装备,为找到油藏多拿 产 能服 务,这 就是广 义 的人工智能钻井(狭 义 的人工智能钻井是 指钻井自动化或称全自动化钻井作业)。它几乎包括 石油科学的整个体系,即石油地质、物探、测井、钻井、采油
9、、油藏工程以及机械、自动化、计算机等等,各专业 在线地联合起来(过 去是离线的各个领域相对独立 的非连续过程),组成一个有机的整体协同工作。其主要 过程为:由地质和物探部门提出地质条件和油藏的物理特性 描述,组成特定的人工智能钻井专家系统,在先 进 的钻井测控技术 支持下,利用当前较为成熟和正 在发 展 的SW(MWD,LwD,swD,PwD,FEwD)作为 手段,结合导 向钻井及井下 闭环 控 制 技 术,在钻进 过 程 中实时地 随 钻 随测 控(随钻测 量各种参数,随钻测井,随钻地 震),及时地把井眼周 围及钻头前方 的各种 地质、地层、环 境信息以及钻进状态 采集进 井下计算机,由井
10、下强 大 的人工智能钻井计算机 系统,根据当时所能得到的井下 最新数据 进行智能 判 断,结合事先已知 的地质勘探资料,从而 发现目标油气藏,精确确定其位置、大小、形 态、厚度及走向,以获得最 大产 能为目标函数,优化各 种工 艺参数,自动钻进 寻找最佳轨 迹穿过油气层,完成钻 进任务。并给出初步 的最佳采油方式和油藏描 述结果,以及实际的井 眼轨 迹和各段井 眼状态。同时钻进 时 就可以直接取得 最接近实际J清况 的第一 手资料,这在 过 去是 根本不可 能实现的。以上过 程 的每一个环节都需 要人工智能的参与和控制。必须指出,虽然人工智能经 过几十 年 的发展有了很大进步,但传统的人工智能
11、方法大多是用于模拟人的某些 行 为、证明数学定理、以及博弈等静态 环境下 的一 些问题的。将这些 方法直接 用于工 业实 时 控制 中 的动态智能 控制问题时,就遇 到 一些 难于克服 的问题,如 系统 的实时性,知识表达 的困难性,系统的脆弱性、灵 活性 问题等等,尤其在石 油钻井工 程 中,钻进过 程 是 一个非常复杂的不确定过 程,不但钻进本身所产生 的和地层 环境所提供的可采集信息 往 往是非精确的图,非确定的,近似定性 的非数值型模糊数据,而且还 要 根据这些模糊信息,实时快速地 进行钻进控制。在这 种情况下,传统的人工图1实时专家智能控制系统Fig.1Theb loek diagr
12、amExpe rtIntelligeneeRT E ICS原理框图ofRe al一TimeControl System智能 往往是无能 为力 的,它 不 能 给实时智能控 制 提供一个成熟的 现成解决办法。有 鉴 于此,本文结合石 油钻井工程 的 实际情 况,提出了一 种新型“实时专家智能控 制系统”T EIC S,它综合了传统专家系统及智能控制的优点于一身,构成了一个完整 的人工智能钻井 系统(见 图1)。它 由专家系统E SI、ESZ,模糊 逻辑控制器F LC,传感系统Tl、TZ,执行机构A及控制对象和 环境O几部分组成。ES I是一个实时专家系统,它 的输人是各种传感器信息及人工 指令,
13、它是用来发现油气层并修正 预定钻第2期王以法:人工智能钻井实时专家控 制系统研究进轨 迹 的,主要 由知识库和推理机组 成。由于 石 油勘探开 发涉 及 自然科学 和石 油 工业 的诸多方面,让一个人对于地 质、物探、钻井、油藏工 程等开发 油田的每个环 节都精通,在各方面都是专家是不可能的,但是可以集中这些行 业 的最优秀专家来开发 构造 这个专家系统,把 他们的宝贵知识和经验升华 到理性 阶段,用 于人工智能钻井方面,而 这在以前是做不到 的。ES Z和FLC是 一种 有机 的结合,它接受ESI的输出作为输 入,对实际 控制对象输出控制命令。由于一般的Fu z z y 控 制中没 有自记忆
14、 自学习的功能,而目前的专家系统在 解决实 际 问题时,无论结 果是否令人满意一般不予保留,即它 不能 在对问题的解决中增加自己的知识,下一 次解决同类甚至 是 同样 问题时,它都要从头 开始,一步步按照程序从头 进行到底,这对于离线的非连 续 过程来讲也许并不是严重的 缺 点,但对于 井 下 实 时控制来讲,也许就是 致命的要害问题(时 间不 允许),所以对ESZ来讲就应有简单的 自学习功 能,它不但集中了控制领域专家 的控制策略和 目标,而且对 上一次成功 的控制策略加以整理记忆,当这一次控制要求和给定条件与上 一次相似时,马上提出来供输 出参考,节 省实时寻优时间,提高控制命中率。将专家
15、 系统和控制系统结合起来,不外 有 两种 方式。3.1外 部方 式或称接口方式在 此方式下专家系统和控制系统是相对独 立 的两个部分(软 硬件都可独 立),专家系统放在一台计算机 中,输出通过接口部分与控制系统的另 一台计算机 连接,这样设计、调试都可分开进 行互不影 响,Es l既是采 用 此种方式和控制 系统结 合 的。3.2内部方 式或称嵌入方式在此 方式下专家系统和控制系统合为一体,成为“专家控制系统”C S(Exper tContr ol Sy stem),专家系统模块 被嵌 人实 时控制系统中共用一个计算机,这 样就 避免了外部方式中两部分接口之间存在 的某些 问题,使两部分浑 然
16、 一体效率更高,这是一 种 被看好的集成方式,ESZ和智能FLC就属于 这一 类。从以上可以看出,整个RTE IC S是 一 种混合系统(符号 表示十定 量 表示)。属于混合型二 级专家智能控制系统。要构成这个系统需 要解决下 面几个问题:3.2.1实时性为了建造 实 用 的人工智能钻井专家系统,需要 石 油 工业各专业领域专家和Al专家(知识工 程师)密 切合作,编 写 大量 的规则 写 入知识库,这 是一 项 十分艰巨的知识工 程。对 于人工智能钻井这样 的复杂 问题,有可能 规则 的数量 十分庞大,而 导致逻辑推理和求解 的时 间及空间,对于 一个实时 系统来讲是不 可接受 的(智能钻井
17、 要求专家系统响应及求解 时 间 的数量 级 为秒级以下)。现在实用 的专家系统一般都为离线的非实时 系统,如果要求它满足钻井实时 控制系统所要求 的快速 响应 时 间,从三个方面 着 手进行 系统优化:优化知识库对 于 石油勘探来讲,有 时判断一个层位不可能存在产油气层比判断它可能存在产 油气层 的把握更大一 些。对于钻井来说,在实际设备条件 的 限制下(如钻压、泵 压、转 速、扭矩等都是 有 限的范围),有许多假设情况是不 可能存在的。这样在构造知识库时就 能在很大程度 上筛掉无用 的不存在状态,减少知 识库的规则数量,而 这一点对 于提高实时专家系统的实时 性是很重 要 的。优化程序设计
18、语言川常用 的人工智 能程序设计语言L isp和P ro lo g未加改造 不能 直接 用于智能钻 井 实时控制 系统上去。为提高程序本身的 运行 速度,ES I可把P ro lo g语言优 化后编译成类C+语言产生的运 行代码来满足实时要求。Bo rlan d公司的Tu rb oP ro lo g(编译型)和T盯b oC十+系列 非逻辑型语言可 方便地直 接 连接。对于ESZ可直接采用实时控制语言来编制程序。优化控制方式由于E SI是用于寻找油气层修正钻井轨迹 的,并不直接和底层实时控制打交道,可采 用 可变 间 隔时 间T输出的方式来满足钻井实时控制的需 要。在这 段T时间 内ES I完全
19、可以进行完应做的工作,而且T也 不是固定 的,而是 随井 下当时具体情况(地 下环 境,地 质情况,钻进状态等等)而 变 的。如 果(I F)输人信息不变,而且(AND)系统 自身参数要求不 变,那 么(TH EN)T不变或可延 长。反之则缩短T,加大输出频率。3.2.2稳定 性由于智能控制本身就是一 门十分年轻的学科,现在 尚处 于理论建立 阶段,而 把专家 系统 引入 自动控制系统石油学报2001年第2 2卷中则不 过 刚 刚几年 的时 间,更无公认成熟 的系统稳定性 判定 法则(不象经典和现代 自动控制理论中,不论在 时域或频 域 中都有 稳 定判 据)。这就 要求我们在构造 这类系统时
20、做新 的考虑。现在 经过精心设计控制算法 可以做到:万 一在规定时间T内ES I没 有完 成 一次循环,不能输出最优结果,但系统保证给出一个可行的次优结 果(或 简单地暂时保持上 次输出结果),以保证整个R TE IC S能正常工作。退 一 步讲,即使ES I停止 工作(出现故障),在最坏 的情况 下RTE IC S也 能按 照 原始输人 的井眼三 维轨 迹曲线打一口原设计的井,而不会产生发散现象导致 系统崩溃,这说明它 有很好的稳定性和容错能力。3.2.3可 靠性整个RT EI CS是由传感器部分、人工智能控制计算机、自动导 向执行 机构、动力 电源 装 置等子 系 统组 成,而每一个子系统
21、又都是由若干 部分和元件构 成,工作在油气井下实时钻进 过程那样恶劣的环境条件下,要求整个系统能 耐高压、高温、高湿、高振 动、高冲击、高摩擦、高腐蚀等,能抗各种 干扰,且受井 眼 尺寸体积所限,难度和要求某些方 面比航天 系统还高。这就要求每一个元件都是高标准、高可靠性的,MTBF(平均无故 障时 间)一般都要 超 过几 万小时 或几十万 小 时,同时还 要求系统具有故障自诊断和自恢复功 能。现在 飞速 发展 的高新科学技术已经 提供了这种 能力。3.2.4自学习性人工智能 系统的一个重要特性 就 是它应具有学习能 力。石油 勘探开 发往往是 在 同一个地区打若干口探井或大 量生产井,有 经
22、验的钻井专家可以从这 些钻井活动 中总 结 出大量 实用 的经验 知识,而对于人工智能钻井专家系 统来讲,就要 求它 利 用动 态数据库技术和知识工程相结合产生 的演绎数据库、演绎知识库来进 行机器智能学习,对数据库中 大量 有 用数据结合记忆体中的情景知识(episo di ckn owle d g e)进行整理、概 括,形成新的知识,加人到专家系统 的知识库中,实行渐进 学习,让人工智能钻井系统每打一口井就“聪 明”一点,逐步达到理想境界,即是说专家 系统中的知识不 是一成不 变 的,应该根据实际 经验反 复验证,增 加新 的证明有用 的 知识规则,去掉 过 时的、错误的、能 引起混乱的不
23、 确切 规则。这个过程在构造专家系统开始 时 可以是人工 的,但发 展到高级阶段就应让专家系统自学习,通过钻井实践来更新自己的知识库。特别 是现在人工神经 网络 的研究 和 应用更 为这种实现增加了可能性。3.2.5开发 工具 与 软硬 件平台要 开发 上述复杂的实时专家智能控制系统,必 须有合适建造 实 时功 能 的专家 系统开发 工具EST。世界上石 油 工业中 的ES约有4/5是用各种EST开 发 的,过 去常用 的有NEXP ERTOBJECT、A RT、K E E、51(Ml,CMI)等等,大都运行在大、中型计算机和工作站 上,随着计算机硬件(特别是C PU和存储器)的 迅 速发、展
24、,现在 大多能工作在微机上,并出现 了一批新的开发工具。4展望2 1世纪已经来临。想象一 下这 时 的钻井 现 场吧:在空旷 的原野上,在茫茫的沙漠中,在浩瀚的大海 里 矗立着雄伟的井架,正 在进 行钻井作业 的钻井平 台上空无一人,机械 手和平 台机器人正 在进 行管具操作,司钻 坐在控制 室内观察着计算机荧屏 上 的变化,井下 机器人正按着人 工智能实时控制着钻 进,一 切都是那么平静和谐。这并不 是一个幻 想,随着 石油 工业 的发 展和科学技 术 的进步,经 过我们的不懈努力,这 一 天一定会来到!参考文献1 傅京孙,蔡自兴,徐光佑.人工智能及其应 用M口.北京:清华大学出版社,198
25、 8:24 8一27 4.2李克向主编.钻井手册(甲方)下册仁M.北京:石油工业出版社,1 99 0:3 3136.3林尧瑞,张钱,石纯一专家系统原理与实践M.北京:清华 大学出版社,199 0:n 一3 9.(收稿日期1 9 0 9一10一1 3修订日期20 0 0一。3一13编辑张君娥)6ACTAP ET ROL E ISINIC AVol.2 2Ma r ehNo.2200 1S T UDYOFTHEA NNU ALMEASUR EMENTFOROILPRODUCTIONPROR AT ION儿IE TH ODLl Bin,etal.(Jidong011FieldC or P.,Petr
26、 o一C hin a,Ta ngsa n06 30 04,C hina)A CTA20 01,2 2(2):7 0一78A bstra ct:An nu alandmonth lymeasur ementr ate15thegr ayoriginaleha r a ete rsystemsinfluene ed bymulti-fa etor.Multinomial for eeastmodel,as sembledfor e e a stmodelandGM(1.1)for e e a stmodelof me a sur ementrate15propos edaeeordingtothe
27、ba sieprineipleofgraytheory.Thee stab lishedfore e astmodelofmutationmonotoneorn omonotoneinitialsequene eadiusted byr e sidualerroramendmentandPe riodamendmentseve r-altime s.Fewe re r ror sa r efou ndbetwee nthefor e e a standtrueproduetion.Thequantifie atio n al fore ea stmodel15adjustedtoa e e o
28、 rdw ithther e alityoftheeomprehensiv eaPPlie ationofmanyty pe sofmodelsata etu aleom-putation.Thesituationthatfor e e a stingme asurementr ateonlyr elie sonexperiene einthepa st15ehanged.It15akindofseientifie,pr a etie alandmaneu ve r ablemethodanditha sbe enprov edtobefea siblebya etualexam-Ple s.
29、Keywords:me a surementrate;multinomial;model;r e sidualerroramendment;gr aysystemPET ROLEUMENGIN E E R INGTHER ESE A RCHONTHEIN T E L L IG EN TA P PL ICAT IONSYST EMOFAB A T TLE(SEMINAR)FORD IST A NCED R IL L INGBA SE DONNE TWORKWA N GKui一sheng,etal.(Xi,a nPetr oleumI nstitute,Xi,a n7 10 06 5,Chin a
30、)ACTA20 0 1,22(2):7 9一82A bstra ct:Thispape rpr e s entsanintellige ntap plie ationsystemof buildingdista ne edrillingmulti一spe eialisteo ope r ativ eguidane e,w hieh15us edtoimplement theide aandtheeone eptof distane edrillingba s edonnet-workeo ope r ativ ewo rk.Thismethodus e sthemode rneompute r
31、s eiene eandnete ommu nie ationte ehnology.Orientingpetroleumdrillingandgathe ringge ologie alexplor ationandde v elopmenttogethe r,studie sandde-v elopsanintelligentapplie atio nsystemwhieh15sup ported bypowerfulpetroleumengine e ringdataba se,mul-ti一spe eialist,softwa r e,gro upeo ope r ativeworka
32、ndr e altimeinstruetion.Thismethodmake sitpos sibletoehangethedrillingworkmode,spante r rainbarrie r,br e akthroughthelimitationoftimeandimplementdis-tanc edrillingba s edonnetworkco ope rativ e妙rkThispape rmainlya nalyzesand diseuss e sthee a cha spe ctofmethodandte ehnology,anddrawstheoutlineofthe
33、ba sierudimentoftheintelligentsystem.words:distaneedrilling;e ompute rnetwork;datawa r eho use;intelligentsystem;eompute rsup portede o ope r ativ ewo rk(C S CW)R EAL一T IMEEX PE RTC ON T ROL S Y ST EMFORAR T IF ICIALIN T E L LIGEN CEDR IL L INGWAN GYi一fa,etal.(Petr oleumUniver sit y,D on舒ing2 5 706
34、1,C hin a)A CTA20 01,2 2(2):83一8 6A bstra et:Asthede velopmentofpetroleumindustryandprogr e ssofseiene e衣te ehnolog y,drillingte ehniquewillente rintoanewphaseofartifieialintelligene edrilling.Theartifieialintelligene eanditstwoimportantbr aneh一expe rtsystemandintelligeneeeo ntrolfo rdrillingengine
35、e ringareintrodueedinthispape r.Italsor a-sis e stheeone eptandeontentofa rtifieialintelligene edrilling.Ae eordingtother e alitiesof drillingengine e r-ing,itpr o vide sanewRe al一T imeExpe rtIntelligene eContr ol System(RT E IC S).Ineombinationwiththead-v antageoftraditionalexpertsystemandintellige
36、ne eeontrolite onstruetsanintegr atedartifieialintelligene edrillingsystem.Thefollowinga r einvolv edinthepape r:prineipleandeonstitutionofRTE IC S;interfa e emode sofexpertsystemande ontrolsystem.Fu rthe rmor eitdis eus s e sdetailsimportanttobesolv edintheRT E ICS一re al一timeproe e ssing,stability,
37、r eliability,s elf一le arningabilityete.Inaddition,itshowstheprospe etsofa rtifieialintelligene edrillingforthetwenty一fir ste entury.Vol.2 2Ma rehNo.22001A CTAPE TROLE ISINIC A仁7Key words:a rtifieialintelligene e;expe rtsystem;intelligene eeo ntrol;intelligene edrilling;r e al一timeeontrol;au-tomatied
38、rillingequipmentCOMPU TERSIMU LA T IONOFDY NAMICSFORPUMPINGU N ITWITHAUXIL IA R YLINK AGELUY i,HUA N GZhen(Fa eult yo f八岔七chanic alEngineering,Y an shanUniver sit y,Qinhua ngdao0 660 0 4,Chin a)A CTA20 0 1,2 2(2):87一9 4A bstr a et:Atypeofpur npingunitw iththeauxiliarylinkageandwhe els15introdue edin
39、thispape rforstrokeine r e a sing.Inlightofitsme ehanism,theanalys e sofworkingloa sdsandealeulationofstrokea r eeondueted,andtheformula sar ederived fore aleulatingthefa etor sof foreeine r e a singandstrokeine rea sing.Then,thesolidmodelsofalleomponentsinthepumpingunitsystema reere ated,andana ss
40、emb lysystem15eo nfigu r ed.Nexttheeomputersimulationsof kinematie sforitar eeondu etedinl一D EA Senvironment,andsomeeurv e sforde s e ribingkinetieeha raete ristie sofpumpingunitar eobtained.Fromthis,theworkingloadsa ree re atedbymea nsofsimulationmethod,andsomeeur vesforde s eribingtheloadsexertedo
41、nmainjointsanddrivingtorqueexe rtedo ner anka replotted.Finally,thes eeur vesareanalyzedandther ea so nab lee ou nte rbalane ewaysandthemas sofeo un te rweightaredetermined.Key words:pumPingunit;eompute rsimulation;dynamie s;e o u nte rbalane eASTUD YONMODELSIMPLIF ICATIONT ECHNOLO GY A N DCALCU L A
42、 T IO NME THODOFWATE RFLO OD INGPIP E L IN ENETWORKSYST EMCHANGYu一lian,etal.(D口gingPetr o leumIn stitute,Anda15140 0,C hin a)A CTA20 01,22(2):95一100A bstr a et:Anoilfield wate rflo oding pipelinenetwork15alarge一se alefluidnetworksystem.Conv entio nalmod-eleale ulationmethod15time一e o nsumingand ha s
43、gr e atlyhinde r edthedevelopmentofsimulationandoptimiz a-tio nofanoilfieldwaterflo odingsystem.Ontheba s eofanalysis,twomethodsa r egiveninthispape r.One15themodelsimplifieationte ehnolog ywhiehr edue e sidentitymatrixKdimensio neonside r ab ly,andtheothe r15theimpro vedite r ationmethodwhiehr edue
44、 e stheamo untofealeulatingwork fromn,ton.Ae aleulatingsoft-wareaboutala rge一s e aleoilfieldpipelingnetwork15e r e atedbytheus eofthetwomethods.Ther esultindi-eatesthatonthepr emisethattheeale ulatinga e eura ey15met,themodele aleulatingspeed15enhaneedex-tremely.Thete ehnologyha sbe enap pliedtooilf
45、ieldflo odingsystemandr e e eived highratings.Key words:oilfield;wate rflooding;pipelinenetwork;modelling;disposal;e aleulationmethod;iterationAMA THEMATICA LMOD ELFORD ETE RMIN INGTHEEC ONOMICA LEQUIPMENTCAPACITYOFTHE RMALR ECOVER YSYSTEMSJIAN GHui一juan,etal.(SoutheastUni ver sit y,Nan j ing2 10 0
46、96,C hin a)ACT A2001,2 2(2):101一104A bstr act:It15wellknownthat thedesignofequipmente apaeitiesha ssignifieantinfluene e sontheequipmentinv e stmentandfurthe rmor eonthee eonomyofthethe rmalr e e o v eryproe e ssof heavy011 bee ausethe011pro-du etiondependsgr eatlyontime.Inthispape ranewmathematie a
47、lmodel fo rdeterminingthee eonomie ale-quipme nte apa eityofthehe a vy011the rmalr e eov e rysystem15propos ed.F irstofall,thev ariationofthepro-duetiondatawa sinve stigatedwithstatistie sbas edonther ee ordedPr oduetiondata,Itwasfo undthatthee-quipmente apaeitygap,namelythedifferene ebetwe enthea v e r aged liquidpr odu etionofthethermalre e o verysystemandthee o r r e spondingequipmenteapaeity,dominantlyaffe etsthee eonomyoftheprodu etionproe e s s.