本發(fā)明屬于地下資源原位開發(fā)，具體而言，涉及一種中低成熟度頁巖油原位轉(zhuǎn)化開采熱解動力學(xué)模型構(gòu)建方法。

背景技術(shù)：

1、近年來，隨著常規(guī)油氣資源的日益枯竭，頁巖油作為重要的非常規(guī)油氣資源受到廣泛關(guān)注。頁巖油藏的開發(fā)主要采用水平井壓裂技術(shù)，但由于中低成熟度頁巖儲層的滲透率極低，常規(guī)開采方式難以實現(xiàn)經(jīng)濟(jì)可行的開發(fā)。原位轉(zhuǎn)化技術(shù)作為一種新型開采方法，通過向儲層注入熱量，促使頁巖中的有機(jī)質(zhì)發(fā)生熱解反應(yīng)生成石油，具有較大的應(yīng)用前景。然而，頁巖有機(jī)質(zhì)的熱解轉(zhuǎn)化過程十分復(fù)雜，涉及多種反應(yīng)機(jī)理和動力學(xué)行為，這給原位轉(zhuǎn)化技術(shù)的優(yōu)化設(shè)計帶來了巨大挑戰(zhàn)?，F(xiàn)有研究大多采用單一的動力學(xué)模型構(gòu)建方法，如等效一級反應(yīng)模型或分布活化能模型，這些方法往往過于簡化了實際反應(yīng)過程。特別是在處理干酪根和重?zé)N共存的復(fù)雜體系時，難以準(zhǔn)確描述各組分之間的相互作用和轉(zhuǎn)化關(guān)系。此外，傳統(tǒng)的動力學(xué)參數(shù)獲取方法主要依賴熱重分析數(shù)據(jù)，缺乏對熱解產(chǎn)物組成和產(chǎn)率的深入分析，導(dǎo)致建立的動力學(xué)模型與實際生產(chǎn)過程存在較大偏差。隨著人工智能技術(shù)的發(fā)展，深度學(xué)習(xí)方法在復(fù)雜系統(tǒng)建模方面展現(xiàn)出獨(dú)特優(yōu)勢，但在頁巖油熱解動力學(xué)模型構(gòu)建中的應(yīng)用仍處于起步階段，并沒有探究各自反應(yīng)的具體機(jī)理函數(shù)，其確定的動力學(xué)模型難以準(zhǔn)確描述有機(jī)質(zhì)熱解轉(zhuǎn)化的真實動力學(xué)行為。因此，如何建立一個能夠準(zhǔn)確描述中低成熟度頁巖油原位轉(zhuǎn)化過程的熱解動力學(xué)模型，是當(dāng)前急需解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供一種中低成熟度頁巖油原位轉(zhuǎn)化開采熱解動力學(xué)模型構(gòu)建方法，能夠解決現(xiàn)有的動力學(xué)模型難以準(zhǔn)確描述有機(jī)質(zhì)熱解轉(zhuǎn)化的真實動力學(xué)行為的技術(shù)問題。

2、本發(fā)明是這樣實現(xiàn)的：

3、本發(fā)明提供一種中低成熟度頁巖油原位轉(zhuǎn)化開采熱解動力學(xué)模型構(gòu)建方法，其中，包括以下步驟：

4、s10、制備不同有機(jī)質(zhì)組成的中低熟頁巖樣品；

5、s20、開展不同升溫速率下的中低熟頁巖熱解失重實驗；

6、s30、開展不同熱解終溫的中低熟頁巖高溫?zé)峤鈱嶒?，收集熱解油氣產(chǎn)物，并定量表征熱解反應(yīng)中干酪根、重?zé)N、熱解油、熱解氣和焦炭的質(zhì)量變化，記為實驗物質(zhì)質(zhì)量變化數(shù)據(jù)；

7、s40、構(gòu)建熱解動力學(xué)數(shù)據(jù)增廣模型，基于所述實驗物質(zhì)質(zhì)量變化數(shù)據(jù)生成擴(kuò)充數(shù)據(jù)集；

8、s50、建立對抗生成網(wǎng)絡(luò)模型，所述對抗生成網(wǎng)絡(luò)模型的生成器負(fù)責(zé)生成符合物理規(guī)律的理論物質(zhì)質(zhì)量變化數(shù)據(jù)，所述對抗生成網(wǎng)絡(luò)模型的判別器負(fù)責(zé)區(qū)分生成數(shù)據(jù)與真實實驗數(shù)據(jù)的差異；

9、s60、利用所述擴(kuò)充數(shù)據(jù)集訓(xùn)練對抗生成網(wǎng)絡(luò)，通過最小化生成器與判別器之間的損失函數(shù)，優(yōu)化理論物質(zhì)質(zhì)量變化數(shù)據(jù)生成效果；

10、s70、將對抗生成網(wǎng)絡(luò)生成的理論物質(zhì)質(zhì)量變化數(shù)據(jù)與所述實驗物質(zhì)質(zhì)量變化數(shù)據(jù)進(jìn)行合并形成合并數(shù)據(jù)；

11、s80、基于所述合并數(shù)據(jù)，結(jié)合阿倫尼烏斯公式和反應(yīng)機(jī)理函數(shù)，利用遺傳算法迭代優(yōu)化所述預(yù)測結(jié)果與實驗數(shù)據(jù)的擬合精度不低于90%，輸出最終的反應(yīng)動力學(xué)方程、反應(yīng)活化能和頻率因子，作為中低成熟度頁巖油原位轉(zhuǎn)化開采熱解動力學(xué)模型。

12、所述升溫速率分別為5至40攝氏度每分鐘。

13、在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明的一種中低成熟度頁巖油原位轉(zhuǎn)化開采熱解動力學(xué)模型構(gòu)建方法還可以做如下改進(jìn):

14、其中，所述制備不同有機(jī)質(zhì)組成的中低熟頁巖樣品的過程包括利用二氯甲烷抽提中低熟頁巖粉末樣品，對抽提液進(jìn)行旋蒸獲得重?zé)N樣品，對抽提后的固體粉末進(jìn)行酸洗獲得干酪根樣品。

15、具體而言，所述步驟s10具體包括：

16、步驟101、獲取中低熟頁巖樣品并進(jìn)行粉碎處理，控制粒徑小于0.2毫米；

17、步驟102、采用二氯甲烷對中低熟頁巖粉末樣品進(jìn)行索氏抽提，抽提時間不低于48小時；

18、步驟103、對抽提液進(jìn)行旋轉(zhuǎn)蒸發(fā)處理，溫度控制在40攝氏度，獲得重?zé)N樣品；

19、步驟104、對抽提后的固體粉末依次采用鹽酸和氫氟酸進(jìn)行酸洗處理，酸洗溫度控制在60攝氏度；

20、步驟105、對酸洗后的固體粉末進(jìn)行過濾、洗滌和干燥處理，獲得干酪根樣品；

21、步驟106、測定所獲得的中低熟頁巖樣品中干酪根和重?zé)N的含量；

22、步驟107、根據(jù)實驗需求設(shè)計不同干酪根和重?zé)N的配比方案，將原始中低熟頁巖粉末、重?zé)N樣品和干酪根樣品按照預(yù)設(shè)配比進(jìn)行混合；

23、步驟108、采用球磨機(jī)對混合樣品進(jìn)行充分混合，獲得不同有機(jī)質(zhì)組成的中低熟頁巖樣品。

24、具體而言，所述步驟s20具體包括：

25、步驟201、采用熱重分析儀對不同有機(jī)質(zhì)組成的中低熟頁巖樣品進(jìn)行熱解失重實驗；

26、步驟202、將所述不同有機(jī)質(zhì)組成的中低熟頁巖樣品放置于熱重分析儀的坩堝中，樣品質(zhì)量控制在10至15毫克；

27、步驟203、采用氮?dú)庾鳛檩d氣，控制氣體流量為50毫升每分鐘；

28、步驟204、采用5攝氏度每分鐘升溫速率進(jìn)行第一組實驗，記錄溫度和質(zhì)量變化數(shù)據(jù)；

29、步驟205、采用10攝氏度每分鐘升溫速率進(jìn)行第二組實驗，記錄溫度和質(zhì)量變化數(shù)據(jù)；

30、步驟206、采用15攝氏度每分鐘升溫速率進(jìn)行第三組實驗，記錄溫度和質(zhì)量變化數(shù)據(jù)；

31、步驟207、采用20攝氏度每分鐘升溫速率進(jìn)行第四組實驗，記錄溫度和質(zhì)量變化數(shù)據(jù)；

32、步驟208、采用30攝氏度每分鐘升溫速率進(jìn)行第五組實驗，記錄溫度和質(zhì)量變化數(shù)據(jù)；

33、步驟209、采用40攝氏度每分鐘升溫速率進(jìn)行第六組實驗，記錄溫度和質(zhì)量變化數(shù)據(jù)；

34、步驟210、對所獲得的溫度和質(zhì)量變化數(shù)據(jù)進(jìn)行整理和存儲。

35、具體而言，所述步驟s30具體包括：

36、步驟301、基于熱解失重實驗數(shù)據(jù)，確定頁巖熱解第二階段的溫度范圍；

37、步驟302、在所述溫度范圍內(nèi)均勻選取8至12個溫度點(diǎn)作為熱解終溫；

38、步驟303、將不同有機(jī)質(zhì)組成的中低熟頁巖樣品置于高溫高壓反應(yīng)釜中；

39、步驟304、抽真空后通入氮?dú)?，控制初始壓力?.5兆帕；

40、步驟305、以10攝氏度每分鐘的升溫速率加熱至目標(biāo)熱解終溫；

41、步驟306、采集熱解氣體產(chǎn)物并計量；

42、步驟307、收集并稱重?zé)峤庥彤a(chǎn)物；

43、步驟308、對熱解殘渣進(jìn)行抽提和有機(jī)碳含量測試；

44、步驟309、記錄并整理各物質(zhì)的質(zhì)量變化數(shù)據(jù)，記為實驗物質(zhì)質(zhì)量變化數(shù)據(jù)。

45、具體而言，所述步驟s40具體包括：

46、步驟401、構(gòu)建基于熱解動力學(xué)基礎(chǔ)方程的數(shù)據(jù)增廣基礎(chǔ)模型；

47、步驟402、將所述基礎(chǔ)模型中的擴(kuò)散系數(shù)設(shè)置為溫度的函數(shù)關(guān)系；

48、步驟403、在所述基礎(chǔ)模型中引入時變隨機(jī)擾動項，構(gòu)建熱解動力學(xué)擾動方程；

49、步驟404、建立考慮導(dǎo)熱和反應(yīng)熱的溫度場分布方程；

50、步驟405、構(gòu)建包含化學(xué)勢梯度的組分?jǐn)U散方程；

51、步驟406、設(shè)計基于高斯分布的噪聲擾動模型，并引入時間衰減項；

52、步驟407、建立溫度梯度變換模型，引入周期性波動和空間衰減項；

53、步驟408、構(gòu)建組分比例調(diào)整模型，確保各組分質(zhì)量守恒；

54、步驟409、將上述模型進(jìn)行組合，生成擴(kuò)充數(shù)據(jù)集。

55、具體而言，所述步驟s50具體包括：

56、步驟501、構(gòu)建生成器網(wǎng)絡(luò)，包含多層卷積神經(jīng)網(wǎng)絡(luò)和全連接層；

57、步驟502、在所述生成器中加入殘差連接，提高網(wǎng)絡(luò)性能；

58、步驟503、設(shè)計判別器網(wǎng)絡(luò)，采用深度卷積判別器結(jié)構(gòu)；

59、步驟504、在判別器中加入譜歸一化層，提高訓(xùn)練穩(wěn)定性；

60、步驟505、設(shè)計基于物理約束的損失函數(shù)；

61、步驟506、加入質(zhì)量守恒和能量守恒的約束項；

62、步驟507、設(shè)計反應(yīng)動力學(xué)參數(shù)的合理性約束；

63、步驟508、將所有約束整合到對抗損失函數(shù)中。

64、具體而言，所述步驟s60具體包括：

65、步驟601、對擴(kuò)充數(shù)據(jù)集進(jìn)行歸一化預(yù)處理；

66、步驟602、將數(shù)據(jù)集劃分為訓(xùn)練集和驗證集；

67、步驟603、初始化生成器和判別器網(wǎng)絡(luò)參數(shù)；

68、步驟604、設(shè)計預(yù)訓(xùn)練策略，采用漸進(jìn)式訓(xùn)練方式；

69、步驟605、執(zhí)行對抗訓(xùn)練，更新生成器參數(shù)；

70、步驟606、計算判別器損失，更新判別器參數(shù)；

71、步驟607、計算物理約束損失，調(diào)整網(wǎng)絡(luò)參數(shù)；

72、步驟608、評估模型性能，保存最優(yōu)模型。

73、具體而言，所述步驟s80具體包括：

74、步驟801、確定阿倫尼烏斯公式中的頻率因子默認(rèn)為10-16次方每小時，活化能范圍為100至300千焦每摩爾，反應(yīng)中化學(xué)計量數(shù)在范圍0-1之間查找；

75、步驟802、設(shè)定遺傳算法參數(shù)，其中種群大小為200至500，最大進(jìn)化代數(shù)為1000，交叉概率為0.7至0.9，變異概率為0.01至0.05；

76、步驟803、采用實數(shù)編碼方式對所述合并數(shù)據(jù)進(jìn)行編碼，生成初始化種群；

77、步驟804、利用阿倫尼烏斯公式計算反應(yīng)速率常數(shù)，結(jié)合反應(yīng)機(jī)理函數(shù)求解反應(yīng)動力學(xué)方程組；

78、步驟805、針對每個個體計算預(yù)測結(jié)果與實驗數(shù)據(jù)之間的均方根誤差，將擬合精度作為適應(yīng)度函數(shù)；

79、步驟806、采用輪盤賭選擇、均勻交叉和高斯變異算子進(jìn)行種群進(jìn)化，直至擬合精度達(dá)到90%以上或達(dá)到最大進(jìn)化代數(shù)；

80、步驟807、提取最優(yōu)個體對應(yīng)的反應(yīng)動力學(xué)參數(shù)，包括反應(yīng)活化能和頻率因子，和反應(yīng)中各物質(zhì)前的化學(xué)計量系數(shù)；

81、步驟808、將所獲得的反應(yīng)動力學(xué)方程、反應(yīng)活化能和頻率因子作為中低成熟度頁巖油原位轉(zhuǎn)化開采熱解動力學(xué)模型的最終輸出結(jié)果。

82、進(jìn)一步的，所述干酪根質(zhì)量計算具體表示如下：

83、;

84、式中，為熱解實驗后殘渣中剩余干酪根質(zhì)量，單位為g；為不同溫度熱解實驗后除去重?zé)N的殘渣質(zhì)量，單位為g；為頁巖殘渣中有機(jī)碳含量，單位為%；為原始干酪根的有機(jī)碳含量，單位為%。

85、所述焦炭質(zhì)量計算具體表示如下：

86、;

87、式中，為焦炭質(zhì)量，單位為g；為初始樣品中的干酪根和重?zé)N總質(zhì)量，單位為g；為剩余干酪根質(zhì)量，單位為g；為剩余重?zé)N質(zhì)量，單位為g；為熱解油質(zhì)量，單位為g；為熱解氣質(zhì)量，單位為g。

88、所述轉(zhuǎn)化率計算具體表示如下：

89、;

90、式中，為轉(zhuǎn)化率；為初始質(zhì)量，單位為g；為t時刻質(zhì)量，單位為g；為反應(yīng)終點(diǎn)質(zhì)量，單位為g。

91、所述轉(zhuǎn)化速率計算具體表示如下：

92、;

93、式中，為轉(zhuǎn)化速率，單位為min-1；為升溫速率，單位為k/min；為失重速率，單位為g/k；為初始質(zhì)量，單位為g。

94、所述高斯活化能分布計算雙平行高斯分布函數(shù)具體表示如下：

95、;

96、式中，為分布峰幅度，取值范圍為0-1；為分布峰中心溫度，單位為k；為標(biāo)準(zhǔn)差，反映峰寬與反應(yīng)溫度范圍比值；為溫度變量，單位為k。

97、所述機(jī)理函數(shù)具體表示如下：

98、反應(yīng)級f2模型：；

99、幾何收縮r3模型：；

100、反應(yīng)速率表征：；

101、阿倫尼烏斯公式：；

102、式中，α為轉(zhuǎn)化率；t為反應(yīng)時間，單位h；k為反應(yīng)速率常數(shù)，單位h-1；e為活化能，單位kj/mol；a為頻率因子，單位h-1；t為反應(yīng)溫度，單位k；r為通用氣體常數(shù)，取8.314j/(mol·k)。

103、所述機(jī)理函數(shù)積分形式判定具體表示如下：

104、;

105、式中，為機(jī)理函數(shù)積分形式；為機(jī)理函數(shù)微分形式；為轉(zhuǎn)化率。

106、所述擬合精度計算公式具體表示如下：

107、;

108、式中，為擬合精度；為實驗值；為計算值；為平均值；為數(shù)據(jù)點(diǎn)數(shù)量。

109、所述主圖法機(jī)理函數(shù)判定公式具體表示如下：

110、;

111、式中，為當(dāng)前溫度，單位為k；為轉(zhuǎn)化率為0.5時的溫度，單位為k；為轉(zhuǎn)化率；為轉(zhuǎn)化率為0.5時的實驗轉(zhuǎn)化速率；為反應(yīng)機(jī)理函數(shù)微分形式；為反應(yīng)機(jī)理函數(shù)積分形式。

112、其中，所述熱解動力學(xué)數(shù)據(jù)增廣模型包括熱解動力學(xué)基礎(chǔ)方程、熱解動力學(xué)擾動方程、溫度場分布方程、組分?jǐn)U散方程、以及高斯噪聲擾動模型、溫度梯度變換模型、組分比例調(diào)整模型。

113、所述熱解動力學(xué)基礎(chǔ)方程具體表示如下：

114、;

115、式中，為組分i的濃度，單位為mol/m3；為組分i的擴(kuò)散系數(shù)，單位為m2/s；為反應(yīng)j中組分i的反應(yīng)速率，單位為mol/(m^3·s)；為反應(yīng)數(shù)；為時間，單位為s；為空間坐標(biāo)，單位為m。

116、所述熱解動力學(xué)擾動方程具體表示如下：

117、;

118、式中，為擾動后組分i的濃度；為時變隨機(jī)擾動項，服從均值為0、方差為的高斯分布。

119、所述溫度場分布方程具體表示如下：

120、;

121、式中，為密度，單位為kg/m3；為比熱容，單位為j/(kg·k)；為導(dǎo)熱系數(shù)，單位為w/(m·k)；為反應(yīng)熱，單位為w/m3；為外加熱源，單位為w/m^3。

122、所述組分?jǐn)U散方程具體表示如下：

123、;

124、式中，為組分i的擴(kuò)散通量，單位為mol/(m^2·s)；為組分i的化學(xué)勢，單位為j/mol。

125、所述高斯噪聲擾動模型具體表示如下：

126、;

127、式中，為加入噪聲后的數(shù)據(jù)；為原始數(shù)據(jù)；為噪聲強(qiáng)度系數(shù)，取值范圍為0.01-0.1；為噪聲衰減時間常數(shù)，單位為s。

128、所述溫度梯度變換模型具體表示如下：

129、;

130、式中，為變換后的溫度場；為溫度波動幅值，取值范圍為1-10k；為角頻率；為相位；為特征長度，單位為m。

131、所述組分比例調(diào)整模型具體表示如下：

132、;

133、式中，為調(diào)整后組分i的濃度；為組分i的調(diào)整系數(shù)，取值范圍為-0.1到0.1，且滿足。

134、所述對抗生成網(wǎng)絡(luò)損失函數(shù)具體表示如下：

135、;

136、式中，為對抗損失；為判別器輸出；為生成器輸出；為真實數(shù)據(jù)分布；為噪聲分布；為期望算子。

137、所述遺傳算法適應(yīng)度函數(shù)具體表示如下：

138、;

139、式中，為適應(yīng)度函數(shù)值；為實驗值；為計算值；為數(shù)據(jù)點(diǎn)數(shù)；為防止分母為零的小常數(shù)，取值為10^{-6}。

140、所述最終動力學(xué)模型具體表示如下：

141、;

142、式中，為指前因子；為活化能，單位為kj/mol；為氣體常數(shù)，取8.314j/(mol·k)；為溫度，單位為k；為擴(kuò)散系數(shù)；為空間坐標(biāo)。

143、與現(xiàn)有技術(shù)相比較，本發(fā)明提供的一種中低成熟度頁巖油原位轉(zhuǎn)化開采熱解動力學(xué)模型構(gòu)建方法的有益效果是：

144、首先，本發(fā)明采用系統(tǒng)的樣品制備方法，通過控制干酪根和重?zé)N的配比，獲得了具有不同有機(jī)質(zhì)組成的標(biāo)準(zhǔn)樣品，為后續(xù)模型構(gòu)建提供了可靠的實驗基礎(chǔ)。其次，通過熱解失重實驗和高溫?zé)峤鈱嶒灥挠袡C(jī)結(jié)合，不僅獲得了樣品的整體熱解行為特征，還實現(xiàn)了對各反應(yīng)產(chǎn)物的精確定量分析，顯著提高了動力學(xué)模型的準(zhǔn)確性。特別是在數(shù)據(jù)處理方面，本發(fā)明開發(fā)的數(shù)據(jù)增廣模型能夠有效擴(kuò)充實驗數(shù)據(jù)集，克服了實驗數(shù)據(jù)量有限的問題。通過引入對抗生成網(wǎng)絡(luò)，本發(fā)明實現(xiàn)了符合物理規(guī)律的物質(zhì)質(zhì)量變化數(shù)據(jù)生成，避免了傳統(tǒng)方法中參數(shù)優(yōu)化容易陷入局部最優(yōu)的問題。另外，本發(fā)明在制備不同干酪根和重?zé)N含量的中低熟頁巖樣品的基礎(chǔ)上，開展熱解失重實驗和高溫?zé)峤鈱嶒?，利用高斯活化能分布方法分離干酪根反應(yīng)和重?zé)N反應(yīng)，利用主圖法分別確定干酪根反應(yīng)和重?zé)N反應(yīng)的機(jī)理函數(shù)，結(jié)合遺傳算法擬合確定反應(yīng)動力學(xué)方程和動力學(xué)參數(shù)，解決了現(xiàn)有的動力學(xué)模型難以準(zhǔn)確描述有機(jī)質(zhì)熱解轉(zhuǎn)化的真實動力學(xué)行為的技術(shù)問題。