基于數(shù)字孿生的生產(chǎn)分離器分離效果混合模型

生產(chǎn)分離器作為海上油氣生產(chǎn)平臺的關(guān)鍵處理設(shè)備，其處理效果直接影響油田生產(chǎn)能力。由于分離器內(nèi)部流動特性及化學(xué)藥劑作用機理復(fù)雜，現(xiàn)有機理模型難以對生產(chǎn)分離器實際處理效果進行準(zhǔn)確評估。為此，基于機理與數(shù)據(jù)融合的數(shù)字孿生理念，提出了適用于不同原油含水工況的生產(chǎn)分離器實際分離效果混合模型構(gòu)建方法。對于低含水原油，提出了基于試驗數(shù)據(jù)的卷積神經(jīng)網(wǎng)絡(luò)模型構(gòu)建方法，并通過多種數(shù)據(jù)驅(qū)模型計算結(jié)果比選，驗證該模型在表征多因素與分離效果之間關(guān)系的有效性；針對實驗室乳化效果不佳的高含水原油，集成重力分離機理與代理模型建立了分離效果評估模型，該模型將原油乳狀液的液滴尺寸分布、破乳劑質(zhì)量分數(shù)及含水體積分數(shù)相關(guān)的黏溫特性對分離效果的影響考慮在內(nèi)，通過蒙特卡羅模擬表征模型參數(shù)及工藝參數(shù)的不確定性對分離效果的影響。將建立的混合模型應(yīng)用于實際海上生產(chǎn)分離器，通過與現(xiàn)場化驗數(shù)據(jù)對比及多工況分析對模型的有效性進行驗證。結(jié)果表明，構(gòu)建的混合模型能夠?qū)崿F(xiàn)對海上油氣生產(chǎn)平臺各級分離器實際處理效果的在線孿生。該模型有效解決了數(shù)據(jù)驅(qū)模型對于高含水原油分離效果預(yù)測缺乏泛化性的問題；克服了傳統(tǒng)計算流體力學(xué)模擬效率低、模型偏差無法修正的缺陷。該混合模型能夠用于分析生產(chǎn)分離器在多種工況下的實際分離效果，可為海上生產(chǎn)平臺實際處理能力估計及生產(chǎn)參數(shù)調(diào)優(yōu)提供指導(dǎo)。

生產(chǎn)分離器；實際分離效果；混合模型；重力沉降模型；數(shù)據(jù)驅(qū)模型；海上油氣生產(chǎn)

TE832

A

003

A Hybrid Model for Separating Effect of Production

Separator Based on Digital Twin

He Lei Zhang Ming Yi Hualei Zhang Qian Hu Dong

（CNOOC Research Institute Co.，Ltd.）

Production separator is a key processing equipment on the offshore oil and gas production platforms，and its processing effect directly affects the oilfield production capacity.Due to the complex internal flow characteristics and chemicals active mechanisms of the separator，the existing mechanism models are difficult to accurately evaluate the actual processing effect of the production separator.Based on the digital twin concept of mechanism and data fusion，a construction method of hybrid model for the actual separating effect of production separator suitable for different water cut conditions of crude oil was proposed.For low water cut crude oil，a convolutional neural network model construction method based on test data was proposed，and the effectiveness of the model in characterizing the relationship between multiple factors and separating effect was verified by comparing the calculation results of multiple data driven models.For high water cut crude oil with poor emulsification performance in the laboratory，a separating effect evaluation model was built by integrating gravity separation mechanism and surrogate model；the evaluation model took into account the influence of viscosity temperature characteristics related to droplet size distribution，demulsifier mass fraction and volume fraction of water on separating effect，and characterized the influence of uncertainty of model and process parameters on separating effect through Monte Carlo simulation.The established hybrid model was applied to actual offshore production separator，and its effectiveness was verified through comparison with field assaying data and multiple working conditions analysis.The results show that the constructed hybrid model can achieve online twinning on the actual processing effect of all stages of separators on offshore oil and gas production platforms.It effectively solves the problem of lack of generalization in predicting the separating effect of high water cut crude oil by data driven models，and overcomes the shortcomings of traditional computational fluid dynamics simulation such as low efficiency and inability to correct model deviations.It can also be used to analyze the actual separating effect of production separator under various working conditions，providing guidance for estimating the actual processing capacity and optimizing the production parameters of offshore production platforms.

production separator；actual separating effect；hybrid model；gravity settling model；data driven model；offshore oil and gas production

0 引 言

人口增長和經(jīng)濟集約化推動全球能源需求快速增加。國際能源署預(yù)測到2040年，全球能源需求將增長25%，石油和天然氣將占同期全球能源消費的50%^［1］。隨著陸上石油資源的枯竭，海上油氣開采規(guī)模正在擴大^［2］。開采出的原油一般以油水乳狀液的形式存在，通過大型海上平臺進行油、氣、水分離及處理，再輸送到岸上^［3］。生產(chǎn)分離器作為油氣井下游的核心處理單元，其處理效果直接影響海上平臺油氣生產(chǎn)能力^［4］。因此，開展生產(chǎn)分離器實際分離效果計算模型研究很有實際意義。

在分離器設(shè)計階段，往往結(jié)合油品脫水試驗報告確定需要的停留時間，基于假設(shè)的液滴粒徑及目標(biāo)處理量，利用重力沉降模型對分離器尺寸進行設(shè)計^［5］。

目前AIP 12J、SY/T 0515—1997等重力式分離器設(shè)計規(guī)范，已廣泛應(yīng)用于分離器及油嘴尺寸的設(shè)計過程^［6］。T.AHMED等^［7］結(jié)合制造成本對分離器的設(shè)計尺寸進行優(yōu)化，考慮分離器內(nèi)部流體流態(tài)對分離效果的影響。A.GHAFFARKHAH等^［8］采用離散顆粒模型和有限容積法模擬分析了長徑比對分離效率的影響。A.L.POURAHMADI等^［9］利用計算流體動力學(xué)（CFD）模擬停留時間，并對分離器設(shè)計標(biāo)準(zhǔn)提出了改進建議。考慮油水界面動態(tài)變化特性，T.FRANKIEWICZ等^［10］通過Fluent模擬對分離器內(nèi)部防晃擋板的最優(yōu)位置及多角度晃動對分離效果的影響進行定量計算。

除分離器結(jié)構(gòu)尺寸及液位波動外，油水乳狀液分散相液滴粒徑分布也是影響分離效率的重要因素^［11-12］。

N.KHAROUS等^［13］采用CFD模擬中的人口群平衡模型表征液滴粒徑分布。為表征油品乳化特性，L.M.OSHINOWO等^［14］采用多速度種群平衡模型，預(yù)測了原油乳狀液中液滴粒徑分布的演變以及油品黏度隨含水量的變化過程。文獻［15］進一步考慮了油水乳化層的影響，提出了新的乳狀液黏度模型表征乳化層內(nèi)液滴沉降行為。然而，海上油氣田實際生產(chǎn)過程中，液滴尺寸分布同時受多種因素影響具有隨機特性^［16］。除重力分離外，破乳劑及熱處理對分離效果的作用機理復(fù)雜^［17］，無法采用CFD模型進行定量表征。此外，對于實際生產(chǎn)分離器CFD模型計算效率低，難以應(yīng)用于海上平臺生產(chǎn)分離器在線分離效果計算。

隨著海上平臺數(shù)字化建設(shè)的推進，融合數(shù)據(jù)與機理的數(shù)字孿生體模型開始應(yīng)用于海上油氣生產(chǎn)系統(tǒng)工藝計算^［18-19］。本文基于數(shù)字孿生體理念，提出適用于生產(chǎn)分離器實際分離效果計算模型構(gòu)建方法。該方法綜合應(yīng)用脫水試驗數(shù)據(jù)、生產(chǎn)數(shù)據(jù)、現(xiàn)場化驗數(shù)據(jù)，集成多種數(shù)據(jù)驅(qū)模型與重力沉降模型，建立適用于不同含水體積分數(shù)的油水分離效果計算模型，并通過現(xiàn)場化驗數(shù)據(jù)對模型的有效性進行驗證。

1 整體框架

提出的多模型融合的分離器分離效果計算方法，綜合應(yīng)用實時及歷史工藝參數(shù)、現(xiàn)場化驗數(shù)據(jù)及原油脫水試驗數(shù)據(jù)，實現(xiàn)不同含水體積分數(shù)下原油在生產(chǎn)分離器油相出口含水體積分數(shù)的在線估計，如圖1所示。

海上油田開采初期部分油田含水體積分數(shù)較低，對于這類含水體積分數(shù)低于反相點的原油，實驗室可較好地模擬其乳化過程?；诙喙r脫水試驗數(shù)據(jù)，提出融合多影響因素的分離效果數(shù)據(jù)驅(qū)模型構(gòu)建方法。首先，通過對原油脫水試驗數(shù)據(jù)的分析，確定影響油相出口含水體積分數(shù)的特征變量。然后，采用支持向量機、BP神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)等常用數(shù)據(jù)驅(qū)模型進行訓(xùn)練。區(qū)別于傳統(tǒng)研究中^［20］僅基于測試集訓(xùn)練準(zhǔn)確度指標(biāo)的模型有效性評價方法，這里基于訓(xùn)練模型對分離效果變化規(guī)律性的反映情況進行模型有效評價。最后，基于模型預(yù)測結(jié)果與現(xiàn)場少量的歷史化驗數(shù)據(jù)進行對比，引入偏差修正系數(shù)進行數(shù)據(jù)驅(qū)模型修正。

對于高含水油田，實驗室難以模擬地層中油水乳化過程，脫水試驗中油水快速分層，導(dǎo)致現(xiàn)場分離器出口含水體積分數(shù)化驗值與試驗數(shù)據(jù)差異較大。且油田生產(chǎn)過程原油含水體積分數(shù)變化緩慢，現(xiàn)場存儲的工藝及化驗數(shù)據(jù)具有“大數(shù)據(jù)，小信息”的特點，無法直接進行模型訓(xùn)練。為解決上述問題，集成重力沉降模型與多影響因素代理模型，構(gòu)建適用于高含水原油的分離效果計算模型。在油品黏度特性建模方面，結(jié)合不同含水工況下油品的黏溫特性試驗數(shù)據(jù)，采用BP神經(jīng)網(wǎng)絡(luò)方法構(gòu)建關(guān)聯(lián)含水體積分數(shù)與溫度的油品黏度代理模型。為表征乳化特性及液滴分布隨機特性^［21］對分離效果的影響，對進入油相中分散液滴、乳化液滴的分布參數(shù)進行假設(shè)。為表征破乳劑質(zhì)量分數(shù)對原油乳化特性的影響，構(gòu)建破乳劑質(zhì)量分數(shù)與乳化率之間的代數(shù)關(guān)系式。結(jié)合重力沉降模型，通過10萬次蒙特卡羅模擬分散液滴和乳化液滴的沉降過程。同時考慮液位及流量波動導(dǎo)致停留時間的不確定性，根據(jù)2類液滴沉降時間的累計概率密度及乳化率，進行分離器出口含水體積分數(shù)計算。并設(shè)置2類液滴粒徑的均值及多種代數(shù)關(guān)系式的系數(shù)為可調(diào)參數(shù)，基于現(xiàn)場化驗數(shù)據(jù)對模型參數(shù)進行修正。

2 模型算法

2.1 模型驅(qū)分離效果計算模型

考慮破乳劑處理效果、流動參數(shù)、內(nèi)部結(jié)構(gòu)等不確定性因素的影響，采用蒙特卡羅模擬表征液滴群體重力沉降行為，進而實現(xiàn)對分離器處理效果的定量計算。

2.2.1 停留時間計算

假定單位時間內(nèi)液體的密度不變，則分離器流入的液體流量等于進入油室和水相的流量。分離器混合室中油相體積對時間的導(dǎo)數(shù)可表示為：

式中：V_l為分離器混合室油相體積，m³；t為時間，s；q₁為分離器入口液體流量，m³/s；q_w1為進入水相流量，m³/s；q_o1為進入油室流量，m³/s。

水相流入流量與水相出口管線流量的關(guān)系可根據(jù)混合室水相體積對時間的導(dǎo)數(shù)計算：

根據(jù)分離器混合室的幾何尺寸，水相體積微分方程可表示為與油水界位相關(guān)的微分方程：

式中：V_w為混合室水相體積，m³；h_l油水界位，m；r為分離器半徑，m；L為混合室有效分離長，m；q_w2為分離器水相流出流量，m³/s。

同理，根據(jù)油室的液位、油室?guī)缀纬叽缂坝褪抑杏推妨魅肓髁颗c流出流量的關(guān)系，油室內(nèi)油品體積微分方程為：

式中：V_o為油室內(nèi)油品體積，m³；h_o為油室的液位，m；L_o為油室長度，m；q_o1為流入油室油品流量，m³/s；q_o2為油相出口流出流量，m³/s。

對于氣相部分，基于理想氣體狀態(tài)方程進行流量計算，其微分方程可表示為：

根據(jù)氣體流入、流出流量與氣相體積之間的關(guān)系，式（6）可改寫為如下形式：dp_gdtV_g=RT

式中：p_g為分離器氣相壓力，Pa；V_g為氣相空間體積，m³；T為分離器操作溫度，K；n_g為氣體的物質(zhì)的量，mol；ρ_g為氣相密度，kg/m³;M_g為氣體的摩爾質(zhì)量，kg/mol；R為摩爾氣體常數(shù)，J/（mol·K）；q_g1為流入分離器氣體流量，m³/s；q_g2為氣相出口流出氣體流量，m³/s。

根據(jù)分離器出口流量的求解結(jié)果，結(jié)合式（1）～式（7）可求解獲得分離器入口液相流量及氣相流量。為表征多種不確定性因素對實際停留時間的影響，取入口各相流量計算值為均值，計算值的10%為標(biāo)準(zhǔn)差，通過10萬次正態(tài)分布抽樣模擬實際入口流量，進而獲得各工況下混合室油相和水相的停留時間：

式中：t_o，i為混合室中油相停留時間，s；t_w，i為混合室中水相停留時間，s；下角標(biāo)i表示抽樣序號。

2.1.2 油中含水體積分數(shù)計算

根據(jù)氣體加工工程數(shù)據(jù)手冊（GPSA）^［22］，分離器液滴沉降過程可由下式表示。并結(jié)合分散液滴和乳化液滴直徑的均值和方差，采用對數(shù)正態(tài)分布對液滴的尺寸分布進行抽樣模擬。t_m，

式中：d_i為第i次抽樣獲得的液滴尺寸，m；t_m，i為沉降到水相所需時間，s；h_m為分離器混合室油相界面到油水界位之間的距離，m；ρ_w為水的密度kg/m³；ρ_o為油的密度，kg/m³；μ_o為油品黏度，Pa·s；g為重力加速度，m/s²。

將式（10）中獲得的理論停留時間作為液滴停留時間的均值，設(shè)置均值的10%作為標(biāo)準(zhǔn)差。根據(jù)下式計算對數(shù)正態(tài)分布的分布參數(shù)：

通過求解實際停留時間在對數(shù)正態(tài)分布的累計概率密度獲得該工況下的分離效率（式（12））。

式中：F_i為分離效率；t_v，i為沉降時間的方差；μ_i和σ_i分別為對數(shù)正態(tài)分布的均值和方差。

根據(jù)計算獲得分散液滴和乳化液滴的分離效率，采用下式計算獲得分離器油相出口含水體積分數(shù)。

式中：W_i為油相出口含水體積分數(shù)，%；W₀為分離器入口原油含水體積分數(shù)，%；W_f為入口乳化部分原油含水體積分數(shù)，%；F_d，i為分散液滴分離效率；F_r，i為乳化液滴分離效率；η_d為分散液滴相占比；η_r為乳化液滴占比；W_r為分散液滴和乳化液滴在原油含水體積分數(shù)中的分界值，%。

2.2 數(shù)據(jù)驅(qū)分離效果計算模型

卷積神經(jīng)網(wǎng)絡(luò)（CNN）作為一種深度學(xué)習(xí)網(wǎng)絡(luò)^［23］，通過局部連接、共享權(quán)重和池化的方法，克服簡單神經(jīng)網(wǎng)絡(luò)隨特征變量增加而導(dǎo)致的欠擬合或過擬合問題。CNN模型主要由輸入層、卷積層、池化層和全連接層、輸出層5個部分組成（見圖2）。

輸入層選取脫水試驗報告中的停留時間、初始含水體積分數(shù)、溫度、破乳劑質(zhì)量分數(shù)作為特征變量，并將其重構(gòu)為三維形式進行存儲。在卷積層中，每個隱含層的神經(jīng)元僅與輸入單元的一部分相連。神經(jīng)元之間的連接關(guān)系與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)類似，通過權(quán)重和輸入的點積加偏置的形式表征。在卷積層中，通過連接關(guān)系進行切片分組，同一個切片共享同一組權(quán)重和偏置。池化層的作用是通過下采樣技術(shù)減小神經(jīng)元的規(guī)模。將處理后的神經(jīng)元帶入到全連接層采用傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的方法進行訓(xùn)練。

3 實例應(yīng)用

以海上某浮式生產(chǎn)儲油船（FPSO）工藝流程為例，進行分離器分離效果計算方法有效性驗證。該FPSO工藝流程如下：各平臺采出原油通過海管在油滑環(huán)處匯合進入FPSO，高含水原油通過3個一級分離器進行油、氣、水三相分離，經(jīng)過換熱器加熱后進入二級分離器；分離后的原油通過往復(fù)泵和換熱器進入電脫水器脫水至含水體積分數(shù)0.5%以下，返回到一級分離器出口換熱器進行余熱利用；最后進入油艙（見圖3）。根據(jù)一級分離器（V101A、V101B、V102B）、二級分離器（V102A）進、出口現(xiàn)場取樣數(shù)據(jù)及實時工藝數(shù)據(jù)，分別對高含水混合模型及低含水?dāng)?shù)據(jù)驅(qū)模型計算結(jié)果進行驗證，并利用已建立的模型進行多工況分析。

3.1 高含水原油分離效果混合模型對比分析

基于現(xiàn)場分離器進、出口連續(xù)3個月的化驗數(shù)據(jù)，一級分離器入口含水體積分數(shù)保持在83%左右，屬于高含水原油，采用高含水原油分離效果混合模型進行出口含水體積分數(shù)計算。根據(jù)不同含水體積分數(shù)下黏溫特性試驗數(shù)據(jù)，采用BP神經(jīng)網(wǎng)絡(luò)^［24］構(gòu)建表征含水體積分數(shù)、溫度與油品黏度之間的數(shù)據(jù)驅(qū)模型。

圖4對比了不同溫度和含水體積分數(shù)下訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模型對黏度的預(yù)測值與試驗值。對比結(jié)果表明：基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的代理模型能夠反映溫度與含水體積分數(shù)對黏度的影響規(guī)律，計算結(jié)果與試驗值之間的相對誤差在5%之內(nèi)。該模型可應(yīng)用于高含水原油黏度的計算。

根據(jù)SCADA系統(tǒng)獲得的閥門開度、液位、界位及溫壓觀測數(shù)據(jù)，計算獲得8個油品化驗時間點對應(yīng)的3個一級分離器入口氣、液流量，如表1所示。分別對分離器流量及液滴尺寸進行蒙特卡羅模擬，獲得相應(yīng)工況下的實際停留時間及液滴沉降需求時間。應(yīng)用上文介紹的計算方法可計算得到一級生產(chǎn)分離器出口含水體積分數(shù)。

圖5對比分析了8個取樣時刻下3個一級分離器出口含水體積分數(shù)計算結(jié)果與現(xiàn)場化驗值之間的偏差。對比結(jié)果表明，本文提出的混合模型能夠應(yīng)用于處理量實時波動的實際生產(chǎn)分離器分離效果在線計算，計算結(jié)果與現(xiàn)場化驗值之間的相對誤差在10%之內(nèi)。

圖6進一步分析了停留時間、破乳劑質(zhì)量分數(shù)、溫度及初始含水體積分數(shù)對重力分離效果的影響。計算結(jié)果表明：高含水原油重力分離效果主要受停留時間、溫度及破乳劑質(zhì)量分數(shù)的影響；上述3種因素對分離效果的作用均存在拐點，該變化規(guī)律與文獻［25］中的試驗規(guī)律一致。

基于上述特性，分析了不同處理量下溫度和破乳劑質(zhì)量分數(shù)線性變化對處理效果的影響，如圖7所示。結(jié)果表明：隨著處理量的增加、停留時間縮短，分離效果下降，當(dāng)分離器處理量不高于最大設(shè)計液相處理量（830 m³/h）的10%時，對分離效果影響不大；在破乳劑質(zhì)量分數(shù)為270×10^-6、運行溫度80 ℃附近出現(xiàn)明顯拐點，隨著處理量增加，拐點向溫度與破乳劑質(zhì)量分數(shù)增大方向偏移。

圖8進一步展示了設(shè)計處理量下破乳劑質(zhì)量分數(shù)和溫度對處理效果的影響。結(jié)果表明：在藍色區(qū)域內(nèi)進行破乳劑質(zhì)量分數(shù)及處理溫度選取均可獲得較為理想的油水分離效果。實際生產(chǎn)過程中，可利用該模型結(jié)合加熱能耗及破乳劑成本對最優(yōu)處理參數(shù)進行優(yōu)選。

3.2 低含水原油分離效果數(shù)據(jù)驅(qū)模型對比分析

圖9展示了基于訓(xùn)練后的CNN數(shù)據(jù)驅(qū)模型對二級分離器出口含水體積分數(shù)的計算結(jié)果。結(jié)果表明，基于試驗數(shù)據(jù)訓(xùn)練的數(shù)據(jù)驅(qū)模型對分離器處理效果預(yù)測結(jié)果與現(xiàn)場化驗值之間的相對誤差在10%之內(nèi)。

圖10對比了不同工況下經(jīng)過訓(xùn)練后的CNN模型與BP神經(jīng)網(wǎng)絡(luò)模型、支持向量基（SVM）模型對分離效果預(yù)測結(jié)果。結(jié)果表明：3種模型均能表征停留時間的影響規(guī)律；在原油含水方面，僅CNN模型能夠表征初始含水體積分數(shù)在反向相點前后對分離效果的影響，該規(guī)律與油品黏度在反相點前后的變化規(guī)律相符；在破乳劑質(zhì)量分數(shù)和溫度方面，CNN模型能夠反映分離效果隨破乳劑質(zhì)量分數(shù)及溫度增加而提升的變化規(guī)律，而BP和SVM模型均存在過擬合問題，無法表征上述2種影響因素對分離效果的作用規(guī)律。

4 結(jié) 論

（1）融合重力沉降模型、蒙特卡羅模擬、代理模型，建立了適用于高含水原油實際分離效果計算的混合模型。綜合應(yīng)用物性試驗數(shù)據(jù)、現(xiàn)場運行及少量化驗數(shù)據(jù)，通過一系列代理模型實現(xiàn)了溫度、化學(xué)藥劑、停留時間等因素對分離效果影響的定量表征，為海上平臺分離器分離效果評估提供了新的計算模型及方法。

（2）利用多工況脫水試驗數(shù)據(jù)，建立了適用于低含水原油分離效果計算的CNN數(shù)據(jù)驅(qū)模型，實現(xiàn)了初始含水體積分數(shù)、反相點及多種影響因素對低含水原油分離效果復(fù)雜作用關(guān)系的定量表征。

（3）實例應(yīng)用表明，混合模型能夠在工藝參數(shù)波動工況下實現(xiàn)高含水與低含水原油實際分離效果的在線預(yù)測，分析多種工藝參數(shù)對重力式分離器分離效果的作用規(guī)律，指導(dǎo)現(xiàn)場工藝參數(shù)調(diào)整，提升海上平臺油品處理效果及經(jīng)濟性。

（4）提出的混合模型構(gòu)建方法融合了數(shù)字孿生理念，實現(xiàn)了多種類型的數(shù)據(jù)與機理的融合，能夠為平臺工藝數(shù)字孿生體構(gòu)建方面的研究提供參考。

［1］ KANWAL S，MEHRAN M T，HASSAN M，et al.An integrated future approach for the energy security of Pakistan：replacement of fossil fuels with syngas for better environment and socio-economic development［J］.Renewable and Sustainable Energy Reviews，2022，156：111978.

［2］ 米立軍．認識創(chuàng)新推動南海東部海域油氣勘探不斷取得突破：南海東部海域近年主要勘探進展回顧［J］．中國海上油氣，2018，30（1）：1-10．

MI L J.Continuous breakthroughs on petroleum exploration of the eastern South China Sea with innovative understanding：review of recent exploration progress［J］.China Offshore Oil and Gas，2018，30（1）：1-10.

［3］ LIU Y Q，LU H，LI Y D，et al.A review of treatment technologies for produced water in offshore oil and gas fields［J］.Science of the Total Environment，2021，775：145485.

［4］ 張明，尚超，平朝春，等．海上油田平臺三相分離器靜電聚結(jié)改造及現(xiàn)場應(yīng)用［J］．中國海上油氣，2019，31（6）：143-147．

ZHANG M，SHANG C，PING C C，et al.Electrostatic coalescence modification and field application of three-phase separator on offshore oilfield platform［J］.China Offshore Oil and Gas，2019，31（6）：143-147.

［5］ 李巍，于同川，張曉敏，等．重力式油氣水三相分離器工藝設(shè)計研究［J］．節(jié)能技術(shù)，2016，34（5）：477-481．

LI W，YU T C，ZHANG X M，et al.Study on process design of gravity oil，gas and water separator［J］.Energy Conservation Technology，2016，34（5）：477-481.

［6］ 羅立群，陳玉書，伍桂光，等．對于《油氣分離器規(guī)范》有關(guān)規(guī)定的討論［J］．中國海上油氣，2006，（1）：58-60，72．

LUO L Q，CHEN Y S，WU G G，et al.Discussions on SY/T 0515—1997 specification of oil and gas separators［J］.China Offshore Oil and Gas，2006（1）：58-60，72.

［7］ AHMED T，RUSSELL P A，MAKWASHI N，et al.Design and capital cost optimisation of three-phase gravity separators［J］.Heliyon，2020，6（6）：e04065.

［8］ GHAFFARKHAH A，SHAHRABI M A，MORAVEJI M K.3D computational-fluid-dynamics modeling of horizontal three-phase separators：an approach for estimating the optimal dimensions［J］.SPE Production amp; Operations，2018，33（4）：879-895.

［9］ POURAHMADI LALEH A，SVRCEK W Y，MONNERY W D.Design criteria for oilfield separators improved by computational fluid dynamics［J］.Chemical Engineering amp; Technology，2012，35（2）：323-333.

［10］ FRANKIEWICZ T，LEE C M.Using computational fluid dynamics （CFD） simulation to model fluid motion in process vessels on fixed and floating platforms［C］∥SPE Annual Technical Conference and Exhibition.San Antonio，Texas：SPE，2002：SPE 77494-MS.

［11］ SHOGHL S N，NADERIFAR A，F(xiàn)ARHADI F，et al.Optimization of separator internals design using CFD modeling in the joule-thomson process［J］.Journal of Natural Gas Science and Engineering，2021，89：103889.

［12］ GRIMES B A.Population balance model for batch gravity separation of crude oil and water emulsions.part I：model formulation［J］.Journal of Dispersion Science and Technology，2012，33（4）：578-590.

［13］ KHAROUA N，KHEZZAR L，SAADAWI H.CFD modelling of a horizontal three-phase separator：a population balance approach［J］.American Journal of Fluid Dynamics，2013，3（4）：101-118.

［14］ OSHINOWO L M，QUINTERO C G，VILAGINES R D.CFD and population balance modeling of crude oil emulsions in batch gravity separation-comparison to ultrasound experiments［J］.Journal of Dispersion Science and Technology，2015，37（5）：665-675.

［15］ OSHINOWO L M，VILAGINES R D.Modeling of oil-water separation efficiency in three-phase separators：effect of emulsion rheology and droplet size distribution［J］.Chemical Engineering Research and Design，2020，159：278-290.

［16］ LESS S，VILAGINES R.Light beam reflectance measurement of droplets diameter distribution in crude oil emulsions［J］.Fuel，2013，109：542-550.

［17］ WANG D，YANG D L，HUANG C，et al.Stabilization mechanism and chemical demulsification of water-in-oil and oil-in-water emulsions in petroleum industry：a review［J］.Fuel，2021，286，Part 1：119390.

［18］ FANG X，WANG H H，LI W J，et al.Fatigue crack growth prediction method for offshore platform based on digital twin［J］.Ocean Engineering，2022，244：110320.

［19］ 何鵬，梁裕如，艾昕宇，等．濕氣管線攜液臨界流速預(yù)測的機器學(xué)習(xí)模型［J］．石油機械，2023，51（5）：126-135．

HE P，LIANG Y R，AI X Y，et al.A machine learning model for predicting critical liquid-carrying velocity of wet gas pipelines［J］.China Petroleum Machinery，2023，51（5）：126-135.

［20］ BUI D T，TSANGARATOS P，NGUYEN V T，et al.Comparing the prediction performance of a deep learning neural network model with conventional machine learning models in landslide susceptibility assessment［J］.Catena，2020，188：104426.

［21］ KHAROUA N，KHEZZAR L，SAADAWI H.CFD simulation of three-phase separator：effects of size distribution［C］∥ASME 2013 Fluids Engineering Summer Meeting FEDSM2013.Incline Village，Nevada，USA：ASME，2013：16322.

［22］ Gas Processors Suppliers Association.Engineering data book［M］.13th ed.Tulsa：Gas Processors Suppliers Association，2012.

［23］ CHEN F C，JAHANSHAHI M R.NB-CNN：deep learning-based crack detection using convolutional neural network and na?ve bayes data fusion［J］.IEEE Transactions on Industrial Electronics，2018，65（5）：4392-4400.

［24］ 何蕾，李在蓉，李京，等．基于BP神經(jīng)網(wǎng)絡(luò)與蒙特卡羅法的儲氣庫單元可靠性評價［J］．油氣儲運，2018，37（10）：1104-1113．

HE L，LI Z R，LI J，et al.Reliability assessment of underground gas storage units based on BP neural network and Monte Carlo simulation［J］.Oil amp; Gas Storage and Transportation，2018，37（10）：1104-1113.

［25］ 王國棟，何利民，呂宇玲，等．重力式油水分離器的分離特性研究［J］．石油學(xué)報，2006，27（6）：112-115．

WANG G D，HE L M，LYU Y L，et al.Study on oil-water separating behavior of gravity separator［J］.Acta Petrolei Sinica，2006，27（6）：112-115.第一

何蕾，女，工程師，生于1993年，2022年畢業(yè)于中國石油大學(xué)（北京）油氣儲運專業(yè)，獲博士學(xué)位，現(xiàn)從事海洋油氣生產(chǎn)工藝設(shè)計方向的研究工作。地址：（100028）北京市朝陽區(qū)。電話：（010）84522934。email：739903832@qq.com。

2024-02-25

劉 鋒