劉斌 杜海為 崔金榜 祝捷 樊彬 張斌

1.華北油田公司煤層氣事業(yè)部；2.中國(guó)礦業(yè)大學(xué)(北京)力學(xué)與建筑工程學(xué)院

0 引言

中國(guó)擁有豐富的煤層氣資源儲(chǔ)存量，位居世界第三，其中埋深2 000 m 以淺的煤層氣資源量約為36.8×1012m3，與常規(guī)天然氣儲(chǔ)量相當(dāng)，可采量約為10.9×1012m3；1 500 m 以淺資源量大于24×1012m3［1］。

煤層氣是賦存在煤層中以甲烷為主的多組分混合氣體。我國(guó)煤層氣主要開采區(qū)域集中在沁水盆地、東北阜新盆地、鄂爾多斯盆地東緣等。現(xiàn)階段，中國(guó)煤層氣開采正面臨諸多挑戰(zhàn)，其中排采控制方面主要表現(xiàn)如下［2-3］。

(1)煤層氣解吸—擴(kuò)散—滲流是極其復(fù)雜的動(dòng)態(tài)過程，很難用一個(gè)數(shù)學(xué)模型進(jìn)行量化、精準(zhǔn)描述。

(2)煤層氣井產(chǎn)氣、產(chǎn)水階段性強(qiáng)。產(chǎn)量變化需要?dú)v經(jīng)排采初期主要產(chǎn)水階段、排采中期氣水同產(chǎn)階段、排采后期產(chǎn)量下降階段。針對(duì)不同的開采階段需要制定不同的排采方案。

(3)在排采過程中，由于煤層氣儲(chǔ)層層內(nèi)結(jié)構(gòu)較為復(fù)雜、非均質(zhì)性強(qiáng)，氣水滲流過程復(fù)雜，井底流壓波動(dòng)較大。

(4)煤層滲透性受應(yīng)力變化影響較大。煤層孔隙壓力隨排水降壓過程的延續(xù)而下降，與外部圍巖應(yīng)力產(chǎn)生的應(yīng)力差增大，量化該過程無有效方法。

(5)煤層氣田多處于偏遠(yuǎn)地區(qū)，地形復(fù)雜，交通不便，且分布面積廣，井?dāng)?shù)多，很難做到集中精細(xì)化控制。

將煤層氣排采控制技術(shù)發(fā)展歷程分為3 個(gè)階段：傳統(tǒng)排采工藝階段、自動(dòng)化排采階段、基于機(jī)器學(xué)習(xí)的智慧排采階段。分別討論了傳統(tǒng)排采和自動(dòng)化排采工藝的優(yōu)勢(shì)與不足，探討了機(jī)器學(xué)習(xí)算法在煤層氣排采控制中的發(fā)展趨勢(shì)及技術(shù)挑戰(zhàn)。

1 傳統(tǒng)排采工藝

傳統(tǒng)的排采方法以煤層氣井的增產(chǎn)技術(shù)為主要目標(biāo)，如水力壓裂技術(shù)、水平井技術(shù)等，必須深入研究排采制度優(yōu)化、動(dòng)態(tài)監(jiān)測(cè)、分析預(yù)測(cè)等，以實(shí)現(xiàn)煤層氣井生產(chǎn)目標(biāo)［4］。

煤層氣井傳統(tǒng)排采制度中，地質(zhì)技術(shù)人員首先進(jìn)行動(dòng)態(tài)分析，依據(jù)不同階段單井排水量、產(chǎn)氣量和井底流壓的關(guān)系，合理劃分每口井的排采階段，然后結(jié)合各階段產(chǎn)水產(chǎn)氣特征制定相應(yīng)的排采制度。這就需要不定時(shí)地人工調(diào)整參數(shù)和手動(dòng)控制設(shè)備。這種管理模式存在一定的局限性，不能實(shí)現(xiàn)自動(dòng)化控制［5-6］。主要弊端為：(1)人工采集數(shù)據(jù)難度大，準(zhǔn)確性差，周期長(zhǎng)，很難做到精細(xì)化控制；(2)不能實(shí)時(shí)反映排采關(guān)鍵數(shù)據(jù)，無法保證排采設(shè)備平穩(wěn)、連續(xù)運(yùn)行；(3)不能及時(shí)調(diào)整設(shè)備運(yùn)行參數(shù)，有異常情況時(shí)不能及時(shí)維修；(4)人工成本高，工作效率低，勞動(dòng)強(qiáng)度大；(5)多數(shù)井區(qū)交通不便，安全風(fēng)險(xiǎn)高。

綜上所述，在傳統(tǒng)排采控制階段，最大的難題是人工調(diào)參的局限性：周期長(zhǎng)、調(diào)節(jié)不及時(shí)、準(zhǔn)確性差、勞動(dòng)強(qiáng)度大、安全風(fēng)險(xiǎn)高等。因此需要開展盡可能降低人工干預(yù)程度的自動(dòng)化排采控制技術(shù)研究［7］。

2 自動(dòng)化排采工藝

2.1 研究和應(yīng)用現(xiàn)狀

煤層氣井自動(dòng)化排采有利于管理部門及時(shí)掌握煤層氣井的各項(xiàng)工作狀態(tài)，有效縮短故障處理時(shí)間和減少人工巡井的次數(shù)，提高煤層氣生產(chǎn)現(xiàn)場(chǎng)管理水平，從而實(shí)現(xiàn)煤層氣生產(chǎn)管理的信息化、精準(zhǔn)化、穩(wěn)定化和自動(dòng)化。

自動(dòng)化排采控制技術(shù)以控制井底流壓為核心，結(jié)合煤層氣田的儲(chǔ)層特性和地質(zhì)情況，根據(jù)氣井的產(chǎn)氣產(chǎn)水規(guī)律和井底流壓變化規(guī)律，人工預(yù)先設(shè)置井底流壓的變化速度，監(jiān)測(cè)系統(tǒng)采集井底流壓變化情況，控制器自動(dòng)計(jì)算并通過控制變頻器調(diào)整抽油機(jī)沖次、電機(jī)轉(zhuǎn)速等，可實(shí)現(xiàn)煤層氣生產(chǎn)過程長(zhǎng)期、連續(xù)、精準(zhǔn)控制，以實(shí)現(xiàn)自動(dòng)化排采［8］。

1987年，美國(guó)Burlington 公司研發(fā)了世界第1套煤層氣自動(dòng)化開采系統(tǒng)，并成功應(yīng)用于圣胡安盆地。系統(tǒng)由計(jì)算機(jī)監(jiān)控裝置、遙控裝置、中繼線系統(tǒng)等部分組成，可實(shí)現(xiàn)煤層氣現(xiàn)場(chǎng)的通迅、遙控、數(shù)據(jù)采集、計(jì)算和報(bào)警等功能，大大提高生產(chǎn)效率［9-10］。

國(guó)內(nèi)石惠寧等［5］基于自動(dòng)化控制原理，研發(fā)了以變頻閉環(huán)控制技術(shù)為主的智能控制技術(shù)，實(shí)現(xiàn)對(duì)井底流壓和排采制度智能控制；秦義等［11］基于“五段三壓法”排采認(rèn)識(shí)和策略，開發(fā)了專門的智能控制軟件及對(duì)應(yīng)設(shè)備，實(shí)現(xiàn)了井底流壓的智能控制，現(xiàn)場(chǎng)應(yīng)用效果良好；白利君［12］將一種適應(yīng)于煤層氣井的專用排采機(jī)應(yīng)用于山西鄭莊地區(qū)煤層氣井，根據(jù)管理者的意愿，實(shí)現(xiàn)多項(xiàng)參數(shù)的自動(dòng)采集記錄儲(chǔ)存，并自動(dòng)生成最優(yōu)工作制度；陳秀萍等［13］基于“雙環(huán)三控法”控制認(rèn)識(shí)和策略，采用適用于煤層氣井的地面變頻控制設(shè)備，實(shí)現(xiàn)了煤層氣井從降液、解吸至產(chǎn)氣等不同階段的自動(dòng)化排采控制。

2.2 現(xiàn)階自動(dòng)化排采工藝的不足

現(xiàn)階段的自動(dòng)化排采工藝需要根據(jù)人工事先設(shè)定的參數(shù)(如動(dòng)液面下降速度、井底流壓變化范圍等)，設(shè)備自動(dòng)調(diào)整抽油機(jī)沖次。無法根據(jù)現(xiàn)場(chǎng)的實(shí)際情況進(jìn)行快速反應(yīng)。

解決上述問題時(shí)，綜合煤層地質(zhì)因素、井筒工程因素、地面集輸因素后，進(jìn)行產(chǎn)能預(yù)測(cè)，制定未來排采控制制度的優(yōu)化方案。

傳統(tǒng)的產(chǎn)能預(yù)測(cè)方法有數(shù)學(xué)建模、軟件建模、歷史產(chǎn)氣產(chǎn)水量分析等［3］。一些學(xué)者將預(yù)測(cè)煤層氣產(chǎn)能的研究角度從動(dòng)態(tài)生產(chǎn)的模型分析轉(zhuǎn)移到歷史排采井?dāng)?shù)據(jù)挖掘的機(jī)器學(xué)習(xí)方法上：通過對(duì)歷史煤層氣井的地質(zhì)、工程、排采、集輸大數(shù)據(jù)機(jī)器學(xué)習(xí)和挖掘，擬合出一套具有自適應(yīng)煤層氣井的智慧排采決策系統(tǒng)，實(shí)現(xiàn)一井一制度智慧排采。

3 基于機(jī)器學(xué)習(xí)的智慧排采工藝

機(jī)器學(xué)習(xí)算法可以根據(jù)實(shí)際情況自動(dòng)優(yōu)化排采策略，大大減少人工分析的過程，實(shí)現(xiàn)排采制度的快速?zèng)Q策和優(yōu)化。

機(jī)器學(xué)習(xí)是從經(jīng)驗(yàn)數(shù)據(jù)中學(xué)習(xí)數(shù)據(jù)表象背后的復(fù)雜關(guān)系和模式，并對(duì)此進(jìn)行研究，以幫助機(jī)器自動(dòng)決策，是一個(gè)跨領(lǐng)域的學(xué)科，與數(shù)據(jù)挖掘、人工智能、數(shù)理統(tǒng)計(jì)和計(jì)算機(jī)等學(xué)科都有密切聯(lián)系。

目前，機(jī)器智慧學(xué)習(xí)算法在煤層氣領(lǐng)域應(yīng)用還處于萌發(fā)的起步階段，常見的有神經(jīng)網(wǎng)絡(luò)技術(shù)、支持向量機(jī)技術(shù)及支持向量回歸機(jī)技術(shù)等［14］。

神經(jīng)網(wǎng)絡(luò)是一種模擬動(dòng)物神經(jīng)行為特征的數(shù)學(xué)模型，基于對(duì)信息的分布儲(chǔ)存和并行處理，具有自學(xué)習(xí)功能。神經(jīng)網(wǎng)絡(luò)根據(jù)系統(tǒng)的復(fù)雜程度，通過調(diào)整大量?jī)?nèi)部節(jié)點(diǎn)之間的互聯(lián)方式，達(dá)到信息處理的目的；通過分析歷史數(shù)據(jù)進(jìn)行自學(xué)習(xí)，對(duì)控制參數(shù)進(jìn)行調(diào)整，以達(dá)到最佳控制效果。

當(dāng)抽采管路中的氣體濃度發(fā)生動(dòng)態(tài)變化時(shí)，通過邏輯可編程控制器來調(diào)整閥門開度，調(diào)整煤層氣流量，可實(shí)現(xiàn)煤層氣地面抽采的智慧控制［15］?；谏窠?jīng)元人工網(wǎng)絡(luò)智能控制理論和智能動(dòng)態(tài)專家?guī)旒夹g(shù)，自動(dòng)排采控制方法可自動(dòng)優(yōu)化系統(tǒng)的各參數(shù)值，實(shí)現(xiàn)煤層氣井均衡、穩(wěn)定、精確排采［16］。潘莊CM1 井應(yīng)用了基于時(shí)間序列預(yù)測(cè)思想的BP 神經(jīng)網(wǎng)絡(luò)模型進(jìn)行實(shí)際產(chǎn)能預(yù)測(cè)，結(jié)果表明：該模型能準(zhǔn)確預(yù)測(cè)煤層氣井未來30 d 的產(chǎn)量變化情況，為煤層氣井排采制度的制定和調(diào)整提供依據(jù)［17］。

神經(jīng)網(wǎng)絡(luò)技術(shù)還被應(yīng)用于煤層氣井開采模型中，用于優(yōu)化通風(fēng)，建立有監(jiān)督的神經(jīng)網(wǎng)絡(luò)長(zhǎng)壁礦井通風(fēng)的瓦斯排量預(yù)測(cè)模型［18］。C.?.Karacan［19］利用智能優(yōu)化控制方法進(jìn)行了煤礦長(zhǎng)壁工作面采空區(qū)的瓦斯通氣孔排采性能預(yù)測(cè)。

支持向量機(jī)(SVM)是根據(jù)已有數(shù)據(jù)建立一種函數(shù)關(guān)系的映射，通過最大化分隔超平面與數(shù)據(jù)之間距離的方式來最小化泛化誤差的上界，以此獲得相應(yīng)的解。20 世紀(jì) 90年代，V.Vapnik［20］首次提出支持向量機(jī)的通用學(xué)習(xí)方法，現(xiàn)已廣泛應(yīng)用于各領(lǐng)域。一般對(duì)小樣本學(xué)習(xí)而言，支持向量機(jī)的預(yù)測(cè)準(zhǔn)確率要高于神經(jīng)網(wǎng)絡(luò)法［20-25］。煤層氣排采不同產(chǎn)層的水源來源識(shí)別中引入支持向量機(jī)的分析方法，通過建立二叉樹結(jié)構(gòu)的支持向量機(jī)模型，識(shí)別煤層氣井的產(chǎn)出水源，計(jì)算準(zhǔn)確率高于80%［21］。

故障診斷方面，建立單井故障診斷模型，將支持向量機(jī)與模糊聚類算法相結(jié)合，并利用粒子群算法對(duì)模型參數(shù)進(jìn)行優(yōu)化，用于煤層氣井具有良好的故障診斷效果和自學(xué)習(xí)能力［22］。基于模糊型支持向量機(jī)故障診斷模型還可預(yù)先處理并確定訓(xùn)練樣本數(shù)據(jù)的模糊隸屬度，實(shí)現(xiàn)故障類型的有效診斷［23］。

在產(chǎn)能預(yù)測(cè)方面，支持向量機(jī)技術(shù)擁有在非線性預(yù)測(cè)領(lǐng)域的優(yōu)勢(shì)，將改進(jìn)的混合粒子群優(yōu)化算法和支持向量回歸機(jī)等技術(shù)應(yīng)用于煤層氣井的產(chǎn)能預(yù)測(cè)中，在沁水盆地南部樊莊區(qū)塊的近20 口井進(jìn)行了產(chǎn)能預(yù)測(cè)應(yīng)用［14］。依據(jù)智能計(jì)算方法，基于貝葉斯證據(jù)框架和混沌時(shí)間序列的最小二乘支持向量機(jī)(LS-SVM)的煤層氣產(chǎn)能預(yù)測(cè)模型在產(chǎn)能預(yù)測(cè)方面優(yōu)于BP 神經(jīng)網(wǎng)絡(luò)和SVM 預(yù)測(cè)方法［3］。

顏愛華［24］基于支持向量機(jī)理論的瓦斯含量預(yù)測(cè)模型，利用工具箱結(jié)合現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)對(duì)模型進(jìn)行了求解預(yù)測(cè)，并對(duì)比神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、多元線性回歸預(yù)測(cè)模型，發(fā)現(xiàn)支持向量機(jī)理論模型的預(yù)測(cè)結(jié)果與現(xiàn)場(chǎng)實(shí)測(cè)值的誤差最小。

此外基于支持向量機(jī)的井底流壓預(yù)測(cè)模型可以用于預(yù)測(cè)煤層氣井的井底流壓變化趨勢(shì)，具有良好的預(yù)測(cè)和分析效果［25］。

綜上所述，目前神經(jīng)網(wǎng)絡(luò)主要在排采控制、產(chǎn)能預(yù)測(cè)方面已展開研究。支持向量機(jī)技術(shù)則主要應(yīng)用于產(chǎn)能預(yù)測(cè)和故障診斷、水位檢測(cè)等其他方面，在智慧排采控制方面研究較少。隨著人工智能和大數(shù)據(jù)時(shí)代的到來，機(jī)器學(xué)習(xí)算法在煤層氣排采中初步取得了一定的成果，但還處于起步階段。

4 智慧排采技術(shù)發(fā)展方向及面臨的挑戰(zhàn)

煤層氣排采控制技術(shù)未來的發(fā)展方向是充分利用機(jī)器學(xué)習(xí)算法和人工智能技術(shù)，形成智慧排采決策系統(tǒng)，為煤層氣井實(shí)現(xiàn)智能化和數(shù)字化氣田管理、提高勞動(dòng)生產(chǎn)率、節(jié)能降耗提供有力的保障，并且為未來煤層氣舉升裝備的發(fā)展提供新的發(fā)展方向。與此同時(shí)，嵌入機(jī)器學(xué)習(xí)算法的智慧排采技術(shù)在煤層氣領(lǐng)域的推廣也會(huì)面臨許多挑戰(zhàn)：一是在數(shù)據(jù)庫(kù)建設(shè)方面，機(jī)器學(xué)習(xí)算法需要大量的訓(xùn)練樣本，樣本數(shù)量越多，算法程序自動(dòng)分析出來的規(guī)律越準(zhǔn)確。這里的樣本指的是煤層氣井的生產(chǎn)數(shù)據(jù)，需要建立一個(gè)有足夠樣本的數(shù)據(jù)庫(kù)平臺(tái)，以便對(duì)未來新井的開采提供數(shù)據(jù)支撐；二是需要進(jìn)一步完善監(jiān)測(cè)技術(shù)，氣體在煤層中的流動(dòng)是一個(gè)極其復(fù)雜的動(dòng)態(tài)過程，影響產(chǎn)量的因素很多，現(xiàn)有的監(jiān)測(cè)技術(shù)大多關(guān)注井底流壓、套壓、動(dòng)液面、產(chǎn)氣、產(chǎn)水、沖次、沖程等基本參數(shù)，且記錄周期較長(zhǎng)，不利于進(jìn)行動(dòng)態(tài)分析，因此需要對(duì)更多生產(chǎn)參數(shù)(儲(chǔ)層壓力分布、卸壓面積、解吸面積等)進(jìn)行監(jiān)測(cè)，并且建立動(dòng)態(tài)連續(xù)的數(shù)據(jù)采集系統(tǒng)；三是需要挖掘產(chǎn)量與各生產(chǎn)參數(shù)之間的內(nèi)涵關(guān)系，由于煤層氣的解吸-擴(kuò)散-滲流過程的復(fù)雜性，數(shù)據(jù)之間的關(guān)系大多表現(xiàn)為非線性，要挖掘其中的內(nèi)涵關(guān)系，必須結(jié)合統(tǒng)計(jì)學(xué)、力學(xué)、地質(zhì)學(xué)、熱學(xué)等多各學(xué)科進(jìn)行綜合分析。

5 結(jié)論

(1)應(yīng)用機(jī)器學(xué)習(xí)算法的智慧排采工藝替代傳統(tǒng)排采工藝和自動(dòng)化排采工藝，是煤層氣排采控制工藝的必然發(fā)展方向和結(jié)果。

(2)對(duì)自動(dòng)化排采技術(shù)跨領(lǐng)域引入機(jī)器學(xué)習(xí)算法，形成煤層氣智慧排采控制決策系統(tǒng)，預(yù)先進(jìn)行煤層氣產(chǎn)能預(yù)測(cè)，無需人為干預(yù)，智慧實(shí)時(shí)調(diào)整排采參數(shù)，實(shí)現(xiàn)煤層氣產(chǎn)能的最大化。

(3)目前機(jī)器學(xué)習(xí)算法在煤層氣領(lǐng)域的應(yīng)用還處于起步階段，同時(shí)也面臨著許多挑戰(zhàn)。未來隨著智慧排采系統(tǒng)的完善，它不僅可以應(yīng)用在排采控制階段，同樣在地質(zhì)、工程、集輸?shù)确矫嬉灿辛己玫难芯亢蛻?yīng)用前景。