功圖量油與診斷算法簡介

功圖量油與診斷算法簡介6/1/20241主要內(nèi)容功圖量油概述現(xiàn)有問題與改進多氣井量油抽油井故障診斷6/1/20242功圖量油概述從傳統(tǒng)量油到功圖量油功圖量油技術(shù)發(fā)展功圖量油的國內(nèi)外現(xiàn)狀功圖量油原理工程應用實例6/1/20243從傳統(tǒng)量油到功圖量油傳統(tǒng)量油計量間量油智能化多相流量計量油容積式計量法功圖量油理論示功圖6/1/20244功圖量油技術(shù)發(fā)展全天候間抽任意時段……示功圖泵功圖即時產(chǎn)量2003Gibbs方程等力學模型拉線法面積法有效沖程法……示功儀產(chǎn)量累加6/1/20245功圖量油技術(shù)發(fā)展拉線面積法：80年代，B?M?卡西揚諾夫示功圖的理論排量實際日產(chǎn)液量其中為AB、BC、CF延長線和AD延長線所圍的面積。液量疊加法等6/1/20246功圖量油技術(shù)發(fā)展有效沖程法式中，-柱塞直徑-沖次-充滿系數(shù)-柱塞沖程-泵功圖的有效沖程6/1/20247功圖量油的國內(nèi)外現(xiàn)狀國際Shell,Lufkin,Enerplus…國內(nèi)長慶，中原，大港，……6/1/20248功圖量油原理有效沖程AD段長度充滿系數(shù)有效沖程/最大沖程AD/EC段沖次驢頭一分鐘內(nèi)來回的次數(shù)6/1/20249功圖量油原理示功圖量油泵功圖量油API算法量油綜合考慮三者計算結(jié)果6/1/202410示功圖量油日產(chǎn)液量＝24hr*60min*泵的面積*有效沖程*沖次其中，沖次：N次/min有效沖程/沖程=充滿系數(shù)關(guān)鍵：凡爾開閉點216個原數(shù)據(jù)平滑數(shù)據(jù)曲線變化6/1/202411泵功圖的推算Gibbs波動方程6/1/202412示功圖量油以實測地面功圖為邊界條件應用計算模型擬合泵功圖應用實測井下泵功圖對比修正建立計算模型對比修正實測地面示功圖計算泵功圖實測井下示功圖確定邊界條件實測泵功圖實測井口示功圖計算泵功圖實測井口示功圖實測示功圖6/1/202413泵功圖量油日產(chǎn)液量＝

24hr*60min*泵的面積*有效沖程*沖次6/1/202414APIRP11算法量油由已知的液面、泵掛深度、沖次、光桿沖程、泵塞直徑、液體密度，再結(jié)合抽油桿尺寸和組合，以及油管直徑、是否錨定等信息，能過查表、曲線圖等確定柱塞沖程、泵排量、光桿最大最小載荷等需求量。6/1/202415工程應用實例計算過程實例泵功圖驗證計算結(jié)果分析莊13量油分析6/1/202416計算過程實例功圖量油計算過程以堡1-3井為例

2009-12-2 示功圖6/1/202417計算過程實例推算泵功圖6/1/202418計算過程實例數(shù)據(jù)處理并確定凡爾開閉點6/1/202419計算過程實例計算單日產(chǎn)液量堡1-3井2009-12-2各時間段產(chǎn)量值時間8:0010:0012:0014:0016:0018:0020:0022:000:002:004:006:00產(chǎn)量m38.628.288.659.036.527.898.548.579.469.048.498.806/1/202420泵功圖驗證以沙22-21為例，在其井下1300m和1790m處均安裝了井下示功儀6/1/202421計算結(jié)果分析單井單日產(chǎn)液量分析6/1/202422計算結(jié)果分析單井多日產(chǎn)液量分析，以堡1-4A為例堡1-4A功圖計算產(chǎn)液量與計量產(chǎn)液量對比分析表日期堡1-4A井大罐量油（m3）功圖計量（m3）差值（m）誤差率（%）10月7日14.71514.4700.2451.6610月8日15.93015.9010.8395.2710月9日15.66015.1790.4813.0710月10日15.93115.3440.5873.6810月12日16.33515.4800.8553.6810月14日16.20015.5410.6594.0710月16日15.52515.560-0.0350.236/1/202423計算結(jié)果分析堡1-4A一個月數(shù)據(jù)對比6/1/202424計算結(jié)果分析李堡數(shù)據(jù)匯總，見下頁表格功圖量液與大罐量液誤差6/1/202425功圖計量與大罐量油對比分析表日期堡1站大罐量油（m3）功圖計量（m3）差值（m3）誤差率（%）9月28日110.476108.8961.581.459月29日99.404108.4989.0948.389月30日103.085107.6214.5364.2110月1日104.144108.5824.4384.0910月7日101.912105.4073.4953.3210月8日103.292105.3272.0351.9310月10日100.745105.0394.2944.0910月12日99.198103.2974.0993.9710月14日100.204104.2094.0053.8410月16日99.688104.1724.4844.3010月18日99.834103.6413.8073.6710月20日99.297101.2061.9091.8910月22日97.858100.883.0223.0010月24日98.825100.621.7951.7810月26日98.69499.8541.1601.1610月28日97.176100.5433.3673.356/1/202426莊13量油分析莊13總產(chǎn)量對比6/1/202427莊13量油分析莊13總產(chǎn)量對比6/1/202428主要內(nèi)容功圖量油概述現(xiàn)有問題與改進多氣井量油抽油井故障診斷6/1/202429現(xiàn)有問題與改進量油產(chǎn)量及報表分析，基本與報表產(chǎn)量一致。但有少部分油井量油存在一定誤差，對這些油井工作狀況進行分析。6/1/202430現(xiàn)有問題與改進拐點計算偏差6/1/202431現(xiàn)有問題與改進功圖數(shù)據(jù)采集錯誤6/1/202432現(xiàn)有問題與改進氣體影響導致有效沖程偏大6/1/202433現(xiàn)有問題與改進數(shù)據(jù)采集錯誤6/1/202434現(xiàn)有問題與改進有效沖程變化比較大6/1/202435主要內(nèi)容功圖量油概述現(xiàn)有問題與改進多氣井量油抽油井故障診斷6/1/202436多氣井量油算法概述6/1/202437多氣井量油算法概述液體沖程Sfreegas6/1/202438多氣井量油算法概述測量壓力滿足eq.a時，進入油管的氣液量

(Gibbsetal.,2006)-沉沒壓力-泵出口壓力-液體載荷-活塞面積Lufkin,Enerplus6/1/202439多氣井量油算法概述沉沒壓力方程求解6/1/202440多氣井量油算法概述溶解GOR和原油體積系數(shù)與壓力關(guān)系6/1/202441多氣井量油算法概述Nolencorrelations6/1/202442多氣井量油算法概述6/1/2024436/1/202444多氣井量油算法概述PIP推算測定1.假定一個很小的起始值Pistart。2.從經(jīng)驗曲線計算求解溶解氣和石油收縮。3.計算游離氣體積。4.計算油管氣液比。5.考慮多相流、泵掛深度等因素，確定對應的Pa。6.如(Pistart,Pa)不滿足eq.a，增加Pi，回到步驟2，直至找到真實的Pitrue。7.由Pitrue從經(jīng)驗曲線中確定氣體影響和石油收縮效應。6/1/202445主要內(nèi)容功圖量油概述現(xiàn)有問題與改進多氣井量油抽油井故障診斷6/1/202446故障診斷功圖量油須建立在抽油井工況健康的基礎上，因此在量油之前需進行故障診斷。6/1/202447故障診斷整個故障診斷系統(tǒng)分為：診斷界面讀寫數(shù)據(jù)庫底層模塊接口診斷模塊6/1/202448底層接口為診斷模塊提供標準功圖、當前功圖和前一功圖實現(xiàn)功圖數(shù)據(jù)的前期處理，提供給診斷模塊入口，對漸變故障進行后期處理底層模塊接口診斷模塊原始數(shù)據(jù)標準功圖第n個功圖第n-1個功圖一部分診斷結(jié)果漸變故障處理漸變故障診斷結(jié)果6/1/202449診斷模塊數(shù)據(jù)采集錯誤抽油桿斷脫或活塞遇卡或凡爾失靈柱塞脫出工作筒油井結(jié)蠟或乳化油稠油管漏失固定凡爾漏失供液不足上碰掛下碰泵6/1/202450診斷模塊6/1/202451智能分類人工神經(jīng)網(wǎng)絡已經(jīng)有40多年的歷史,近些年來神經(jīng)網(wǎng)絡技術(shù)被越來越廣泛地應用于石油工業(yè)的許多不同領域。與傳統(tǒng)的分類方法相比，人工神經(jīng)網(wǎng)絡模型有許多優(yōu)勢:具有極強的非線性映射能力，可以以任意精度逼近任何連續(xù)函數(shù)采用并行計算機制,具有高速度和高精度采用信息的分布式存儲方式，具有更好的穩(wěn)定性和容錯性，允許樣本缺失和扭曲，部分計算單元的損壞不會削弱整個系統(tǒng)的功用;具有較強的自學習綜合能力、聯(lián)想記憶能力和調(diào)整功能6/1/202452智能分類現(xiàn)在人工神經(jīng)網(wǎng)絡已經(jīng)廣泛的應用于有桿抽油井的故障診斷中。在眾多的神經(jīng)網(wǎng)絡模型中,比較常用的是誤差反向傳播神經(jīng)網(wǎng)絡,簡稱BP神經(jīng)網(wǎng)絡，我們就使用了BP神經(jīng)網(wǎng)絡進行油井故障的診斷。6/1/202453智能分類BP神經(jīng)網(wǎng)絡是一種基于誤差反向傳播算法的多層前饋型人工神經(jīng)網(wǎng)絡,具有三層或三層以上神經(jīng)元，有輸入層、隱含層和輸出層。它的學習方式是一種有監(jiān)督的學習,在輸出層比較網(wǎng)絡的實際輸出和對應的期望輸出的誤差均方差,如果不能得到滿意的誤差精度,則根據(jù)誤差通過梯度下降法調(diào)整各層神經(jīng)元的權(quán)值,最終使誤差達到最小。6/1/202454智能分類具有兩個隱層的神經(jīng)網(wǎng)絡示意圖6/1/202455智能分類診斷過程示意圖6/1/202456目前，我公司應用于油田現(xiàn)場的診斷系統(tǒng)可以識別出以下幾種故障：數(shù)據(jù)采集錯誤，抽油桿斷脫或活塞遇卡或凡爾失靈，柱塞脫出工作筒，油井結(jié)蠟或乳化油稠，油管漏失，固定凡爾漏失，供液不足，上碰掛，下碰泵。其中，數(shù)據(jù)采集錯誤可以通過功圖的物理屬性判斷出來；其他故障類型的判斷以神經(jīng)網(wǎng)絡為主，同時結(jié)合功圖的物理屬性。6/1/202457以“供液不足”為例神經(jīng)網(wǎng)絡訓練階段訓練階段分為神經(jīng)網(wǎng)絡構(gòu)建、訓練數(shù)據(jù)提取和網(wǎng)絡訓練三個部分。這里把神經(jīng)網(wǎng)絡設計為包含一個隱層的BP網(wǎng)絡，隱含層神經(jīng)元的傳遞函數(shù)使用正切S型，輸出層神經(jīng)元的傳遞函數(shù)使用對數(shù)S型，訓練函數(shù)使用trainlm，反傳算法采用收斂速度較快的Levenberg-Marquadt算法。6/1/202458以“供液不足”為例神經(jīng)網(wǎng)絡訓練階段選取供液不足的典型功圖，對功圖數(shù)據(jù)進行預處理，主要包括功圖平滑和歸一化。供液不足的功圖特征主要為下行程功圖缺失，因此提取從上死點開始的108組載荷數(shù)據(jù)作為功圖特征數(shù)據(jù)。將提取好的數(shù)據(jù)作為神經(jīng)網(wǎng)絡的輸入進行訓練，直到網(wǎng)絡達到預定的識別誤差。6/1/202459以“供液不足”為例實時診斷階段診斷系統(tǒng)運行時，將實時功圖數(shù)據(jù)進行預處理、特征提取，然后將處理好的數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡，神經(jīng)網(wǎng)絡識別后將診斷結(jié)果輸出，診斷完成。其它幾種故障類型的神經(jīng)網(wǎng)絡診斷模型類似上述過程，只是在特征值提取階段有所不同。6/1/202460新進展在診斷過程中，由于某些故障類型的功圖數(shù)據(jù)非常的少，導致神經(jīng)網(wǎng)絡訓練不充分，診斷的效果不明顯，因此我們引進了“支持向量機”數(shù)據(jù)分類方法。支持向量機也是一種數(shù)據(jù)分類的方法，其一個重要優(yōu)點是使用簡單的線性分類器劃分樣本空間，并且可以處理線性不可分的情況，對小樣本情況下的分類效果尤為顯著。6/1/202461支持向量機1、支持向量機簡介以最簡單的線性可分的兩類樣本為例,假設對于數(shù)據(jù)集D={(xi,yi)}i=1~n,其中每個數(shù)據(jù)點對應的類別標識∈{+1,-1},在能夠正確分類的所有線性分類器中,希望找到能夠使泛化誤差最小的分類器。直觀的看,如果將分類間隔(margin)定義為兩類中距分類面最近的數(shù)據(jù)點到分類面的距離之和,那么,能夠使分類間隔最大的分類器顯然是最佳的選擇,如圖1所示。圖1a的分類面分類間隔較小,圖1b中的分類面分類間隔比較大,顯然圖1b所示的分類器擁有更好的泛化性能。6/1/2024626/1/2024