周春燕++李兵元++陳雷

[摘 要] 稠油采用蒸汽驅(qū)動(dòng)，采出液常伴隨蒸汽，蒸汽穩(wěn)定性差，因此，采出液流量變化大，瞬時(shí)流量不能反映油井的真實(shí)生產(chǎn)狀態(tài)，產(chǎn)量精確計(jì)量非常困難。通過(guò)分析稠油生產(chǎn)不同層面的生產(chǎn)特點(diǎn)和信息需求特點(diǎn)，建立多級(jí)矯正系統(tǒng)，確定了稠油產(chǎn)量精確計(jì)量的方法。

[關(guān)鍵詞] 稠油；精確計(jì)量；多級(jí)矯正

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 19. 084

[中圖分類號(hào)] TP311 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 1673 - 0194（2017）19- 0197- 03

1 項(xiàng)目背景

由于稠油生產(chǎn)過(guò)程的特殊性，產(chǎn)量精確計(jì)量非常困難。

在廠級(jí)分線計(jì)量方面，采用人工量油的方式，通過(guò)對(duì)大罐液位的變化計(jì)量液量，液位的變化可由下式表示：

Δh= f（Q）dt

由上式可以看出，液位變化不僅與流量變化有關(guān)，還與流量的積分時(shí)間有關(guān)，因此，盤(pán)庫(kù)方式的計(jì)量結(jié)果往往具有較大的滯后性的特點(diǎn)，不能及時(shí)反映生產(chǎn)實(shí)際，另外人工測(cè)量液位及油層厚度誤差較大，生產(chǎn)指揮中采用這樣的數(shù)據(jù)常出現(xiàn)與現(xiàn)場(chǎng)不符的現(xiàn)象，影響采油廠生產(chǎn)協(xié)調(diào)，生產(chǎn)決策、配產(chǎn)及考核工作。

在計(jì)量站計(jì)量方面，采用人工定時(shí)大罐液位方式計(jì)量，由于稠油生產(chǎn)隨機(jī)性大的原因，定時(shí)計(jì)量存在片面性的問(wèn)題。

在單井計(jì)量方面，由于稠油采用蒸汽驅(qū)動(dòng)，采出液常伴隨蒸汽，蒸汽穩(wěn)定性差，因此，采出液流量變化大，瞬時(shí)流量不能反映油井的真實(shí)生產(chǎn)狀態(tài)，如果通過(guò)長(zhǎng)時(shí)間計(jì)量可得到油井階段生產(chǎn)狀況。

2 項(xiàng)目研究主要內(nèi)容

2.1 分線計(jì)量技術(shù)研究

含水分析儀采集的實(shí)時(shí)數(shù)據(jù)，是當(dāng)時(shí)流過(guò)管線中的原油液體的含水率，實(shí)時(shí)的數(shù)據(jù)是不能反映出當(dāng)天站庫(kù)整體的含水情況的，所以需要通過(guò)大量實(shí)時(shí)的含水值計(jì)算出當(dāng)天的整體含水情況，這里面采用積分算法。

現(xiàn)場(chǎng)實(shí)現(xiàn)中，經(jīng)過(guò)半個(gè)月的調(diào)試、標(biāo)定，在線儀表和人工化驗(yàn)的含水結(jié)果基本吻合。

2.2 計(jì)量站計(jì)量技術(shù)研究

計(jì)量站計(jì)量采用兩種方式，一是有輸油泵的計(jì)量方式，二是依靠自壓的無(wú)泵方式。根據(jù)有泵的計(jì)量站工藝特點(diǎn)，從節(jié)省計(jì)量成本的角度考慮，通過(guò)對(duì)液位變化（見(jiàn)圖1）的測(cè)量與液位的積分運(yùn)算，實(shí)現(xiàn)大罐計(jì)量。

根據(jù)無(wú)泵的計(jì)量站工藝特點(diǎn)，采用流量計(jì)累計(jì)計(jì)量的方式計(jì)量，在儀表的選型上，考慮稠油含砂量高的特點(diǎn)，選用了不易阻塞的靶式流量計(jì)，優(yōu)點(diǎn)是維護(hù)量小，但其計(jì)量范圍較小，通常要求明確計(jì)量范圍，根據(jù)生產(chǎn)工藝中的計(jì)量站實(shí)際流量選擇相適應(yīng)的量程，這樣做工作量大，但效果明顯。

2.3 單井產(chǎn)量計(jì)量技術(shù)研究

在單井計(jì)量方面，分析了翻斗計(jì)量、分離器計(jì)量、流量計(jì)計(jì)量在稠油計(jì)量過(guò)程中的問(wèn)題后，最終采用了人工神經(jīng)網(wǎng)絡(luò)技術(shù)，回避直接計(jì)量方式中的各種缺陷。

人工神經(jīng)網(wǎng)絡(luò)，簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)，是一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)可以從數(shù)據(jù)中自動(dòng)地獲取知識(shí)，逐步地把新數(shù)據(jù)結(jié)合到其映射函數(shù)中去，并執(zhí)行邏輯的假設(shè)檢驗(yàn)，通過(guò)這種能力，神經(jīng)網(wǎng)絡(luò)非常適合于處理某類知識(shí)，特別是不精確的知識(shí)。

2.3.1 充滿度計(jì)算

通過(guò)直接計(jì)算和間接計(jì)算充滿度，直接計(jì)算是從功率曲線直接尋找刀把拐點(diǎn)，并以此計(jì)算充滿度，這種計(jì)算優(yōu)勢(shì)是計(jì)算量相對(duì)較小，代碼可直接應(yīng)用與嵌入式系統(tǒng)。間接計(jì)算是先將功率數(shù)據(jù)擬合出載荷數(shù)據(jù)，再在載荷數(shù)據(jù)上尋找刀把拐點(diǎn)，并以此計(jì)算充滿度，這種計(jì)算優(yōu)勢(shì)是計(jì)算結(jié)果準(zhǔn)確度高，接近人工標(biāo)注。利用卡爾曼濾波，融合兩種算法的計(jì)算結(jié)果，最終計(jì)算準(zhǔn)確度高的充滿度。

2.3.2 泵漏失計(jì)算

漏失是由于游動(dòng)凡爾和固定凡爾工作不良而造成上沖程載荷加載緩慢，下沖程載荷過(guò)早釋放，導(dǎo)致載荷功圖頂部或底部出現(xiàn)拱形，面積減小。井下泵工作正常時(shí)的載荷功圖左右和上下曲線平行，接近平行四邊形。由于漏失的存在，載荷功圖的四角會(huì)變得圓滑。通過(guò)計(jì)算由于漏失造成的載荷功圖面積的缺失占載荷功圖總面積的比例，得到抽油機(jī)的漏失系數(shù)。由于供液不足，氣體影響等多種原因都會(huì)對(duì)右下角的缺失面積產(chǎn)生影響，為了不重復(fù)計(jì)算，將右下角的缺失歸納為供液不足，而在計(jì)算漏失時(shí)，只計(jì)算剩下三個(gè)角的面積，見(jiàn)圖2，計(jì)算公式如下：

漏失系數(shù)= （s1+s2+s3）/s。

由于某些井的載荷功圖的上沖程不夠水平，在計(jì)算漏失時(shí)誤差較大，所以在計(jì)算前先對(duì)載荷功圖進(jìn)行校正，使載荷供圖上沖程的曲線基本維持水平，并在校正后的載荷功圖上計(jì)算漏失。

2.3.3 訓(xùn)練庫(kù)的建立

訓(xùn)練庫(kù)是準(zhǔn)確計(jì)算示功圖的基礎(chǔ)，訓(xùn)練庫(kù)的質(zhì)量好壞決定著計(jì)算的精度，它的大小決定著計(jì)算的速度。訓(xùn)練庫(kù)的構(gòu)建原則是，學(xué)習(xí)庫(kù)的量程覆蓋要廣，工況類型要全，規(guī)模盡可能的小。

單井?dāng)?shù)據(jù)訓(xùn)練的優(yōu)點(diǎn)是數(shù)據(jù)一致性好，易擬合；針對(duì)性強(qiáng)，突出個(gè)性，但缺點(diǎn)是工況類型少，擴(kuò)展性差；訓(xùn)練庫(kù)選取工作量大。多井?dāng)?shù)據(jù)訓(xùn)練的優(yōu)點(diǎn)是工況種類較多，缺點(diǎn)是不同抽油機(jī)的數(shù)據(jù)會(huì)有些許差異，造成擬合困難。

2.4 多級(jí)校正技術(shù)的研究

2.4.1 多級(jí)校正技術(shù)路線

公司稠油生產(chǎn)目前有三個(gè)級(jí)別的計(jì)量系統(tǒng)，并且各系統(tǒng)分別具有獨(dú)立模型、獨(dú)立算法，在三級(jí)系統(tǒng)分別計(jì)算處理時(shí)，應(yīng)用到大量的參數(shù)及方法，但只能同儀表或人工計(jì)量數(shù)據(jù)進(jìn)行對(duì)比，無(wú)法保證數(shù)據(jù)的準(zhǔn)確性。因此，通過(guò)各計(jì)量系統(tǒng)之間的相互校正不僅可以提高計(jì)量產(chǎn)量的準(zhǔn)確率，并且還能找到故障源頭。

2.4.2 多級(jí)校正應(yīng)用方法

通過(guò)研究各系統(tǒng)影響計(jì)量產(chǎn)量的因素，建立系統(tǒng)特征值，開(kāi)發(fā)預(yù)警報(bào)表，快速定位異常站或異常井，加快故障處理速度，提高系統(tǒng)性能。

2.4.2.1 分線計(jì)量與計(jì)量站計(jì)量產(chǎn)量相互校正

當(dāng)分線計(jì)量與計(jì)量站計(jì)量產(chǎn)量的誤差率δ1>±3%時(shí)，查看計(jì)量站系統(tǒng)的特征值，通過(guò)特征值的偏差提示定位異常站，再進(jìn)一步對(duì)異常站進(jìn)行追蹤處理，若計(jì)量站系統(tǒng)沒(méi)有問(wèn)題，再反向排查分線系統(tǒng)是否異常，通過(guò)相互校正，提高計(jì)量效果。誤差率δ1的計(jì)算公式如下：

δ1= >±3%

計(jì)量站計(jì)量系統(tǒng)目前有4個(gè)特征值，分別為模擬泵效、電機(jī)負(fù)載、測(cè)量干擾、日產(chǎn)量誤差率。

2.4.2.2 計(jì)量站計(jì)量與單井計(jì)量產(chǎn)量相互校正

當(dāng)計(jì)量站計(jì)量與單井計(jì)量產(chǎn)量的誤差率δ2>±10%時(shí)，查看計(jì)量站系統(tǒng)的特征值，通過(guò)特征值的偏差提示定位異常井，再進(jìn)一步對(duì)異常井進(jìn)行單井診斷，若單井沒(méi)有問(wèn)題，再反向排查計(jì)量站計(jì)量系統(tǒng)是否異常，通過(guò)相互校正，提高計(jì)量效果。誤差率δ2的計(jì)算公式如下：

δ2= >±10%

單井計(jì)量系統(tǒng)目前有2個(gè)特征值，分別為井口溫度和誤差率，日產(chǎn)量誤差率。

3 成果先進(jìn)性對(duì)比

（1）利用數(shù)字積分算法，自主研發(fā)液量、含水率計(jì)算算法，代替過(guò)去簡(jiǎn)單平均的方法，得到較可靠的計(jì)算結(jié)果。

（2）采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行單井產(chǎn)量計(jì)量，避免了傳統(tǒng)稠油計(jì)量因工藝復(fù)雜、故障率高、不能連續(xù)長(zhǎng)時(shí)間計(jì)量的問(wèn)題，主要依賴抽油機(jī)電流分析，硬件投入少，計(jì)量過(guò)程故障率明顯下降，計(jì)量可靠性得到保障。將人工神經(jīng)網(wǎng)絡(luò)技術(shù)引用到單井產(chǎn)量計(jì)算研究中，探索一套適用于現(xiàn)場(chǎng)單井計(jì)量的可行計(jì)算方法。

（3）計(jì)量站大罐自動(dòng)計(jì)量方法充分利用了現(xiàn)有硬件資源，在不增加硬件投入的條件下，通過(guò)分析液位變化，利用軟件技術(shù)實(shí)現(xiàn)計(jì)量，實(shí)現(xiàn)了計(jì)量站的產(chǎn)量計(jì)量，技術(shù)上重點(diǎn)考慮的數(shù)據(jù)清洗、濾波等技術(shù)應(yīng)用，似的計(jì)量結(jié)果更真實(shí)、穩(wěn)定、可靠。

（4）廠級(jí)分線計(jì)量方法根據(jù)稠油集油工藝特點(diǎn)，從計(jì)量系統(tǒng)的工藝安裝到數(shù)據(jù)分析計(jì)算充分考慮了隨機(jī)現(xiàn)象對(duì)計(jì)量結(jié)果的影響，通過(guò)長(zhǎng)期觀察得出隨機(jī)分布特征，采取相適應(yīng)的算法，實(shí)現(xiàn)了產(chǎn)量的自動(dòng)化計(jì)量。

（5）應(yīng)用多級(jí)校正模型，各系統(tǒng)相互校正，保證了各級(jí)計(jì)量產(chǎn)量的準(zhǔn)確性，通過(guò)系統(tǒng)特征值快速定位異常情況，為生產(chǎn)管理提供可靠依據(jù)。

4 綜合效益分析

（1）針對(duì)作業(yè)區(qū)來(lái)液波動(dòng)導(dǎo)致的產(chǎn)量計(jì)量誤差大的問(wèn)題，綜合利用自動(dòng)化、網(wǎng)絡(luò)、數(shù)據(jù)庫(kù)技術(shù)，通過(guò)對(duì)各作業(yè)區(qū)來(lái)液含水及流量的全過(guò)程分析，得到了更加符合生產(chǎn)實(shí)際的作業(yè)區(qū)日產(chǎn)量數(shù)據(jù)，為現(xiàn)場(chǎng)生產(chǎn)指揮提供了準(zhǔn)確的生產(chǎn)信息。

（2）根據(jù)計(jì)量站特點(diǎn)，研究適合現(xiàn)場(chǎng)的產(chǎn)量分析方法，建立了流量計(jì)分析法和液位分析法相結(jié)合的稠油計(jì)量站計(jì)量模式，為班組管理提供了有效信息。

（3）針對(duì)稠油井產(chǎn)量計(jì)量困難的問(wèn)題，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)技術(shù)分析抽油機(jī)運(yùn)行電流隨沖程的變化，擬合油井載荷、充滿度及產(chǎn)量等指標(biāo)，結(jié)合統(tǒng)計(jì)規(guī)律，評(píng)價(jià)抽油機(jī)生產(chǎn)狀態(tài)。對(duì)70口井進(jìn)行實(shí)驗(yàn)，現(xiàn)場(chǎng)符合率達(dá)到80%，為實(shí)現(xiàn)采油生產(chǎn)過(guò)程遠(yuǎn)程監(jiān)控，提高管理效率，探索了新的方法。

主要參考文獻(xiàn)

[1]工業(yè)和信息化部電信研究院. 大數(shù)據(jù)白皮書(shū)[R]. 北京：工業(yè)和信息化部電信研究院，2014.

[2]張蕾，章毅. 大數(shù)據(jù)分析的無(wú)限深度神經(jīng)網(wǎng)絡(luò)方法[J].計(jì)算機(jī)研究與發(fā)展，2016，53（1）.

[3]張會(huì)先.自適應(yīng)濾波算法的研究與應(yīng)用[D]. 西安：西安電子科技大學(xué)，2012.

[4]何夢(mèng)醒，唐晨，趙勝秋，等.油氣水三相流管道流動(dòng)規(guī)律研究進(jìn)展[J]. 中國(guó)石油和化工標(biāo)準(zhǔn)與質(zhì)量，2012（13）.

[5]楊婷婷.基于人工神經(jīng)網(wǎng)絡(luò)的油田開(kāi)發(fā)指標(biāo)預(yù)測(cè)模型及算法研究[D].大慶：東北石油大學(xué)，2013.