張立婷，李世超，鄭東梁，石 碩，曾 鵬

(中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所，遼寧 沈陽(yáng) 110016)

0 引言

“態(tài)勢(shì)感知”這一概念最早起源于美國(guó)空軍，指在特定的時(shí)間和空間下，對(duì)環(huán)境中各元素或?qū)ο蟮挠X(jué)察、理解及對(duì)未來(lái)狀態(tài)的預(yù)測(cè)[1-3]。態(tài)勢(shì)感知過(guò)程大致可分為感知、理解、預(yù)測(cè)3個(gè)主要過(guò)程，其反映了人類(lèi)的行為和思維規(guī)律[4-5]。態(tài)勢(shì)感知理論已在一些大型、復(fù)雜和動(dòng)態(tài)的領(lǐng)域有所應(yīng)用，并結(jié)合各領(lǐng)域?qū)I(yè)知識(shí)和技術(shù)，形成了相應(yīng)的技術(shù)體系，如軍事、航空、網(wǎng)絡(luò)安全和智能電網(wǎng)等領(lǐng)域[6]。

油田生產(chǎn)過(guò)程復(fù)雜，是一個(gè)典型的大型、復(fù)雜和動(dòng)態(tài)的系統(tǒng)。在傳統(tǒng)的油田工作模式下，基于油井的數(shù)據(jù)采集、抽油機(jī)操作控制、工況診斷、趨勢(shì)預(yù)測(cè)和生產(chǎn)參數(shù)優(yōu)化等，主要依賴(lài)人工作業(yè)和個(gè)人經(jīng)驗(yàn)，缺乏對(duì)油井運(yùn)行狀態(tài)發(fā)展變化情況的準(zhǔn)確掌控[7]。

本文從適應(yīng)未來(lái)智能油田發(fā)展需求出發(fā)，將態(tài)勢(shì)感知技術(shù)引入油田開(kāi)發(fā)領(lǐng)域，充分利用油井信息采集系統(tǒng)，對(duì)大量實(shí)時(shí)動(dòng)態(tài)的油井運(yùn)行數(shù)據(jù)和基礎(chǔ)數(shù)據(jù)進(jìn)行融合分析，提取有效信息，以期實(shí)現(xiàn)對(duì)油井運(yùn)行狀態(tài)的全面掌控和生產(chǎn)趨勢(shì)的準(zhǔn)確預(yù)判。

1 油井多源信息融合

信息融合是基于一定的融合結(jié)構(gòu)，對(duì)多源信息進(jìn)行階梯狀、多層次的處理過(guò)程。信息融合的基本功能是相關(guān)、識(shí)別和評(píng)估，重點(diǎn)是識(shí)別和評(píng)估。典型的信息融合系統(tǒng)由多個(gè)傳感器、數(shù)據(jù)傳感系統(tǒng)和融合處理系統(tǒng)組成[8-10]。

油井態(tài)勢(shì)感知系統(tǒng)多源信息融合是將采集到的功圖數(shù)據(jù)與井身結(jié)構(gòu)、井口壓力、溫度、電參數(shù)等多源數(shù)據(jù)相結(jié)合，進(jìn)行融合分析，得出油井多源數(shù)據(jù)與油井運(yùn)行狀態(tài)的關(guān)系，并采取相應(yīng)措施，保障油井長(zhǎng)期穩(wěn)產(chǎn)和長(zhǎng)壽。

2 油井態(tài)勢(shì)感知系統(tǒng)

2.1 油井態(tài)勢(shì)感知系統(tǒng)總體結(jié)構(gòu)

基于多源信息融合的油井態(tài)勢(shì)感知系統(tǒng)總體結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)總體結(jié)構(gòu)圖

該系統(tǒng)主要分為以下3層。

①態(tài)勢(shì)覺(jué)察。態(tài)勢(shì)覺(jué)察是進(jìn)行油井態(tài)勢(shì)感知的前提。傳感器采集的油井?dāng)?shù)據(jù)多含噪聲，或存在數(shù)據(jù)缺失的問(wèn)題，需要對(duì)這些數(shù)據(jù)進(jìn)行預(yù)處理，提取信息特征。

②態(tài)勢(shì)理解。對(duì)這些來(lái)源不同的油井信息進(jìn)行融合分析，明確油井當(dāng)前所處的狀態(tài)。

③態(tài)勢(shì)評(píng)估與預(yù)測(cè)。利用相關(guān)算法完成對(duì)油井運(yùn)行狀態(tài)的評(píng)估和態(tài)勢(shì)預(yù)測(cè)。

2.2 系統(tǒng)主要功能

系統(tǒng)具有油井自動(dòng)監(jiān)測(cè)和數(shù)據(jù)采集、 油井產(chǎn)液量計(jì)量、 油井工況診斷 、系統(tǒng)效率優(yōu)化設(shè)計(jì)等功能 。

①油井狀態(tài)信息。

油井的最新?tīng)顟B(tài)信息包括井號(hào)、油井狀態(tài)、采集時(shí)間、油壓、套壓、溫度、沖程、沖次、泵效、功率、平衡度、電壓、電流、載荷以及井身結(jié)構(gòu)數(shù)據(jù)等。

②油井工況診斷。

根據(jù)油井的示功圖、油壓、套壓、溫度、和電參量等數(shù)據(jù)，應(yīng)用油井優(yōu)化診斷技術(shù)，將功圖數(shù)字化，并提取特征；結(jié)合油井基礎(chǔ)數(shù)據(jù)及工作參數(shù)，對(duì)油井等進(jìn)行綜合診斷分析，判斷油井的工況。

③油井產(chǎn)液量計(jì)量。

在油井正常運(yùn)行期間，根據(jù)采集到油井實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)以及油井基礎(chǔ)數(shù)據(jù)，應(yīng)用產(chǎn)液量計(jì)量技術(shù)計(jì)算油井產(chǎn)液量，及時(shí)掌握油井的生產(chǎn)動(dòng)態(tài)情況 。

④油井動(dòng)液面計(jì)算。

根據(jù)采集到的油井實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)以及油井基礎(chǔ)數(shù)據(jù),計(jì)算油井動(dòng)液面，實(shí)現(xiàn)油井動(dòng)液面的實(shí)時(shí)計(jì)量與監(jiān)測(cè)功能。

⑤油井智能變頻優(yōu)化控制。

應(yīng)用智能變頻優(yōu)化控制方法，解決了依賴(lài)人工參與頻率調(diào)整不及時(shí)、對(duì)油井工況變化的適應(yīng)性差等問(wèn)題，實(shí)現(xiàn)了油井產(chǎn)能和系統(tǒng)效率的實(shí)時(shí)持續(xù)優(yōu)化。

⑥油井生產(chǎn)趨勢(shì)預(yù)測(cè)。

根據(jù)實(shí)時(shí)采集的油井生產(chǎn)數(shù)據(jù)，借助油井生產(chǎn)趨勢(shì)預(yù)測(cè)模型，對(duì)單井的生產(chǎn)狀態(tài)進(jìn)行分析和預(yù)測(cè)。

3 系統(tǒng)關(guān)鍵技術(shù)

系統(tǒng)關(guān)鍵技術(shù)主要有油井工況診斷、產(chǎn)液量計(jì)量、動(dòng)液面計(jì)算、智能變頻及生產(chǎn)趨勢(shì)預(yù)測(cè)。這些技術(shù)共同實(shí)現(xiàn)了油井運(yùn)行狀態(tài)的全面實(shí)時(shí)感知，可及時(shí)、準(zhǔn)確地掌握油井生產(chǎn)情況。

①基于多源信息融合的油井工況診斷。

對(duì)采集到的油井的功圖、油壓、套壓、溫度、電參數(shù)以及井身結(jié)構(gòu)數(shù)據(jù)進(jìn)行分析，采用深度學(xué)習(xí)算法提取信息特征、識(shí)別不同工況，得到油井多源數(shù)據(jù)與油井工況的關(guān)系，從而更加準(zhǔn)確地判斷油井工況。專(zhuān)家知識(shí)庫(kù)故障類(lèi)型已達(dá)18種，包括正常工作、氣體影響、氣鎖、供液不足、液擊、游動(dòng)凡爾漏失、固定凡爾漏失、雙凡爾漏失、泵上碰、泵下碰、抽油桿斷脫、柱塞脫出工作筒、結(jié)蠟、油稠、出砂、卡泵、連抽帶噴、油管漏失。通過(guò)該項(xiàng)技術(shù)，解決了井下故障診斷的核心問(wèn)題。通過(guò)油井工況診斷，可以查明故障原因，及時(shí)采取相應(yīng)措施，保障油井的正常運(yùn)行。

②基于多源信息融合的油井產(chǎn)液量計(jì)量。

有效沖程的準(zhǔn)確計(jì)算和油井漏失量的確定是影響功圖量油計(jì)量準(zhǔn)確度的兩大技術(shù)難點(diǎn)。采用均值濾波法對(duì)五點(diǎn)曲率法進(jìn)行改進(jìn)，求取油井有效沖程。通過(guò)對(duì)油井產(chǎn)量標(biāo)定，選取沖程、沖次、柱塞直徑、柱塞長(zhǎng)度、上下沖程載荷差、油壓、有效沖程、泵掛深度等數(shù)據(jù)，建立油井漏失量誤差反向轉(zhuǎn)播(back propagation，BP)神經(jīng)網(wǎng)絡(luò)模型，結(jié)合油井功圖，從而實(shí)現(xiàn)油井產(chǎn)液量的準(zhǔn)確計(jì)量。

③基于多源信息融合的油井動(dòng)液面實(shí)時(shí)計(jì)算。

采用核主元分析提取載荷及振動(dòng)頻譜和電功率、井口壓力時(shí)域信號(hào)特征；利用改進(jìn)的模糊交互式自組織數(shù)據(jù)分析聚類(lèi)和高斯過(guò)程回歸方法融合時(shí)頻信息特征，建立多個(gè)動(dòng)態(tài)子模型；利用權(quán)重優(yōu)化證據(jù)理論(dempster-shafer, D-S)融合方法構(gòu)造的概率分配函數(shù)作為權(quán)值因子，對(duì)子模型輸出進(jìn)行集成，以得到最終的動(dòng)液面值。

④基于沖程比和動(dòng)態(tài)控制圖的油井智能變頻控制。

通過(guò)對(duì)油井地面功圖進(jìn)行分析，計(jì)算油井有效沖程。分析沖程比變化情況，在泵效盡量高的前提下，維持抽油機(jī)以較低頻率運(yùn)行。以高泵效、低能耗為原則，設(shè)計(jì)油井智能優(yōu)化變頻方案，并結(jié)合油井動(dòng)態(tài)控制圖評(píng)價(jià)結(jié)果對(duì)變頻控制策略進(jìn)行修正，使油井保持合理產(chǎn)量模式生產(chǎn)。

⑤基于BP神經(jīng)網(wǎng)絡(luò)的油井生產(chǎn)趨勢(shì)預(yù)測(cè)。

基于采集的油井生產(chǎn)動(dòng)態(tài)數(shù)據(jù)，研究油井產(chǎn)量遞減規(guī)律，采用BP神經(jīng)網(wǎng)絡(luò)確定適用的油井產(chǎn)量遞減模型，對(duì)油井的生產(chǎn)狀態(tài)進(jìn)行分析和預(yù)測(cè)。根據(jù)油井運(yùn)行狀況，有針對(duì)性地給出相應(yīng)的控水穩(wěn)油措施，以減緩油井產(chǎn)量遞減和含水上升速度。

4 系統(tǒng)應(yīng)用

基于多源信息融合的油井態(tài)勢(shì)感知系統(tǒng)已經(jīng)應(yīng)用在遼河油田、吉林油田、大慶油田油田。以遼河油田為例，該系統(tǒng)根據(jù)遼河油田的實(shí)際需求，開(kāi)發(fā)了抽油機(jī)井工況的實(shí)時(shí)診斷、產(chǎn)液量計(jì)量、動(dòng)液面計(jì)算、智能變頻、生產(chǎn)趨勢(shì)預(yù)測(cè)等功能。

工況診斷技術(shù)實(shí)現(xiàn)了遠(yuǎn)程診斷油井地下泵的工作狀態(tài)，正確率在 92%以上。產(chǎn)液量計(jì)量技術(shù)實(shí)現(xiàn)了油井遠(yuǎn)程軟計(jì)量功能，通過(guò)井口示功儀采集的懸點(diǎn)載荷與位移的關(guān)系曲線(xiàn)，結(jié)合泵的漏失求得產(chǎn)液量，平均誤差在10%以?xún)?nèi)。動(dòng)液面計(jì)量技術(shù)目標(biāo)井的動(dòng)液面進(jìn)行計(jì)算，目前的動(dòng)液面平均計(jì)算誤差在 10%以?xún)?nèi)。 基于沖程比和動(dòng)態(tài)控制圖的抽油井智能變頻控制，通過(guò)對(duì)供液不足的井進(jìn)行間抽控制，實(shí)現(xiàn)了油田的節(jié)能增產(chǎn)。

5 結(jié)束語(yǔ)

隨著我國(guó)智能油田建設(shè)的不斷推進(jìn)，現(xiàn)有的油井監(jiān)測(cè)與控制手段需要全面升級(jí)，多傳感器、多參數(shù)監(jiān)測(cè)將成為未來(lái)發(fā)展的主要趨勢(shì)。態(tài)勢(shì)感知技術(shù)在軍事、計(jì)算機(jī)網(wǎng)絡(luò)方面已有了較成熟的應(yīng)用。本文將態(tài)勢(shì)感知理論引入到油田開(kāi)發(fā)領(lǐng)域，構(gòu)建了基于多源信息融合的油井態(tài)勢(shì)感知系統(tǒng)。該系統(tǒng)可全面、實(shí)時(shí)感知油井運(yùn)行狀態(tài)，將油井生產(chǎn)管理從事后處理提高到事前預(yù)警的高度，實(shí)現(xiàn)油井生產(chǎn)工作狀態(tài)的分析診斷及智能優(yōu)化控制，為智能油田的建設(shè)提供了理論參考與技術(shù)支持。