THÔNG TIN TÓM TẮT VỀ NHỮNG KẾT LUẬN MỚI CỦA LUẬN ÁN TIẾN SĨ
Tên đề tài luận án: “Nghiên cứu nâng cao hiệu quả xử lý khí tự nhiên tại mỏ Hải Thạch”.
Ngành: Kỹ thuật dầu khí
Mã số: 9520604
Họ và tên nghiên cứu sinh: Trần Ngọc Trung
Khóa đào tạo: 2018 – 2022
Họ và tên cán bộ hướng dẫn:
1. PGS.TS. Triệu Hùng Trường
2. TS. Ngô Hữu Hải
Tên cơ sở đào tạo: Trường Đại học Mỏ – Địa chất
TÓM TẮT NHỮNG KẾT LUẬN MỚI CỦA LUẬN ÁN (về mặt học thuật, lý luận, luận điểm mới về khoa học và thực tiễn )
Luận án đã giải quyết được những vấn đề đặt ra từ yêu cầu của thực tế sản xuất tại mỏ Hải Thạch bằng phương pháp xử lý số liệu thông minh. Đây là dự án có quy mô lớn nhất từ trước tới nay tại Việt Nam, nằm trong vùng bất thường áp suất lớn, nhiệt độ vỉa rất cao, nhiệt độ ở đáy giếng lên đến 187oC và áp suất vượt ngưỡng 898 atm. Việc ứng dụng Học máy vào việc nâng cao hiệu quả xử lý khí ở mỏ HT là giải pháp mới, phù hợp và hiệu quả để có thể tận dụng được cơ sở hạ tầng và dữ liệu khai thác tại mỏ khí – condensate HT, giúp cho việc dự báo, phân tích trở lên chính xác và tin cậy hơn. Đây là hệ thống, phương pháp quản trị mỏ mới, sáng tạo, rất khoa học và mang tính thực tiễn cao theo hướng tiếp cận của khoa học dữ liệu.
Việc ứng dụng thuật toán Hệ thống suy luận mờ thần kinh thích ứng cải tiến (Improved ANFIS) đã nâng cao độ chính xác dự báo lưu lượng khí condensate giúp chủ động đóng mở giếng để phù hợp điều kiện tiêu thụ, tránh dư thừa, lãng phí nhưng vẫn có được lưu lượng condensate cao mà bảo toàn được năng lượng vỉa, đảm bảo khả năng thu hồi và khai thác của từng giếng; ổn định điều kiện đầu vào của hệ thống xử lý. Kỹ thuật tiền xử lý và làm mịn dữ liệu bằng thuật toán hồi quy cục bộ sử dụng bình phương tuyến tính tối thiểu có trọng số ‘loess’, kỹ thuật xáo trộn ngẫu nhiên và xác thực chéo k-lần đã chứng minh khả năng tránh hiện tượng quá khớp và nâng cao độ chính xác của mô hình dự báo lưu lượng giếng khai thác mỏ HT sử dụng cả hai thuật toán phân vùng trừ và phân vùng mờ FCM.
Thuật toán Mạng tự động mã hoá dựa trên bộ nhớ dài ngắn hạn cải tiến (Improved Long Short Term Memory based Autoencoder network – Improved LSTM-AE) có thể dự báo được bất thường nước xâm nhập giếng khai thác và máy nén khí cao áp với nhiều cảm biến (multivariate) dữ liệu chuỗi thời gian, giúp ổn định áp suất, đảm bảo dòng chảy khí cho quá trình xử lý và thu hồi khí bay hơi. Mô hình LSTM-AE cải tiến được tối ưu hóa bằng cách
sử dụng kỹ thuật tối ưu Tìm kiếm Ngẫu nhiên (Random Search optimization) cho các bộ siêu tham số khác nhau dựa trên tính toán chỉ số Trung bình sai số tuyệt đối (MAE) của hàm mất mát. Giá trị ngưỡng (threshold) tối ưu sau đó được lựa chọn để phân loại chính xác nhiều nhất các điểm bất thường với điểm F-score cao nhất trong số các mô hình được tối ưu hóa.
