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

• 作者: 羊新州 闫正和 罗睿乔 杨鹏 唐圣来
• 来源期刊: 石油天然气学报
• 关键词: 天然气 终端液态产品 异常标记 机器学习 潜力挖掘
• 年，卷（期）: 2020,（4）
• 页码范围: 13-21
• 页数: 9页
• 语种: 中文
• DOI: 10.12677/jogt.2020.424107

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.