井筒多相流动建模与积液预测

研究方向 / 方向 1

油气井从井底到地面要经过直井段、斜井段、水平段和地面管线，气液两相在不同倾角下呈现分层流、段塞流、搅混流、环状流等流型，压降与持液率规律差别很大。井筒多相流模型是人工举升设计、积液判断和生产优化的共同基础，课题组同时发展稳态和瞬态两类模型。

稳态：统一井筒多相流模型。 以段塞单元为控制体，建立适用于多倾角、油气水三相流的统一模型：液膜区对应分层流、环雾状流，液塞区对应分散气泡流、泡状流，其余流型在求解中自然过渡。在此基础上集成和改进界面摩擦、乳化液流变、液塞持液率、平移速度等闭合关系，与文献流型数据和多种经典模型对比验证，并作为柱塞、电潜泵、射流泵工艺模型的井筒底座。

瞬态：水平气井漂移流模型。 建立一维油、气、水三相漂移流模型，考虑油藏侧向质量流入，采用有限体积法、交错网格、全隐式迎风格式和牛顿迭代求解，并带自适应时间步长。与 OLGA 对比，1000–3000 m 井筒压力平均相对误差 0.36%–1.04%，5 类典型工况计算耗时 1.96–3.65 s，已形成「水平气井瞬态计算软件 V1.0」。针对水平井地形段塞，还研究了尾管设计对段塞的抑制作用。

物理信息神经网络（PINN）快速计算。 把守恒方程嵌入神经网络损失函数，让 AI 模型“懂物理”：用 OLGA 多工况数据训练嵌入漂移流守恒方程残差的 PI-DeepONet，水平气井两相流平均相对误差 <1%，隐去 80% 观测数据误差仍在 5% 以内，单次推理约 0.1 s；进一步发展分时间块的 XPINN 框架，只用入口流量与出口压力等边界数据重构管内压力、含气率瞬态场，并比较多流型工况下的重构精度。

气井积液判断。 气体流速下降到不足以携液时，井底开始积液。课题组汇集液滴、液膜、夹带、动能四类 48 个临界携液模型，建立文献气井 620 口、现场数据 36000 余组的资料库，用无监督聚类寻找“相似井”并对模型评分排序，给出特定井况的推荐模型；进一步结合卷积神经网络直接预测积液起始。

泡排剂加注量的数据驱动优化与风险感知决策，见方向 6「油气田大数据分析」。