CN101223529A - 估计流体特征的方法和设备 - Google Patents

估计流体特征的方法和设备 Download PDF

Info

Publication number
CN101223529A
CN101223529A CNA2006800135318A CN200680013531A CN101223529A CN 101223529 A CN101223529 A CN 101223529A CN A2006800135318 A CNA2006800135318 A CN A2006800135318A CN 200680013531 A CN200680013531 A CN 200680013531A CN 101223529 A CN101223529 A CN 101223529A
Authority
CN
China
Prior art keywords
time
fluid
value
curve
final
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA2006800135318A
Other languages
English (en)
Other versions
CN101223529B (zh
Inventor
罗科·迪弗吉奥
伯纳多·普和
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baker Hughes Holdings LLC
Original Assignee
Baker Hughes Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Baker Hughes Inc filed Critical Baker Hughes Inc
Priority claimed from PCT/US2006/015096 external-priority patent/WO2006116088A1/en
Publication of CN101223529A publication Critical patent/CN101223529A/zh
Application granted granted Critical
Publication of CN101223529B publication Critical patent/CN101223529B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
    • E21B49/08—Obtaining fluid samples or testing fluids, in boreholes or wells
    • E21B49/087—Well testing, e.g. testing for reservoir productivity or formation parameters
    • E21B49/0875—Well testing, e.g. testing for reservoir productivity or formation parameters determining specific fluid parameters
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
    • E21B49/005—Testing the nature of borehole walls or the formation by using drilling mud or cutting data
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00—Survey of boreholes or wells
    • E21B47/10—Locating fluid leaks, intrusions or movements
    • E21B47/113—Locating fluid leaks, intrusions or movements using electrical indications; using light radiations
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00—Survey of boreholes or wells
    • E21B47/10—Locating fluid leaks, intrusions or movements
    • E21B47/113—Locating fluid leaks, intrusions or movements using electrical indications; using light radiations
    • E21B47/114—Locating fluid leaks, intrusions or movements using electrical indications; using light radiations using light radiation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
    • G01V1/48—Processing data
    • G01V1/50—Analysing data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00594—Quality control, including calibration or testing of components of the analyser
    • G01N35/00693—Calibration
    • G01N2035/00702—Curve-fitting; Parameter matching; Calibration constants

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mining & Mineral Resources (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Fluid Mechanics (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Geophysics (AREA)
  • Acoustics & Sound (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明提供一种用于实时地估计地层流体的特征(包括最终纯度)的系统和方法。所述系统提供以下步骤：随时间对提取的地层流体的参数进行多个测量，并将非渐近曲线拟合到所述测量以估计地层流体的特征。

Description

估计流体特征的方法和设备
技术领域
本发明总的来说涉及一种用于在井眼环境中实时量化流体污染物来作为样本净化的指示的方法和设备。具体说来，本发明是一种用于测量正通过钢丝绳或监视钻具从井眼周围的地层抽吸的流体的物理属性，以便估计样本净化或预测可获得具有期望纯度的样本的时间的方法和设备。
背景技术
在井眼勘探中，典型地使用钻探泥浆，诸如油基泥浆、合成材料基泥浆或水基泥浆。来自这些泥浆的滤出物通常在一定程度上通过井眼壁而侵入地层，这表示必须从所述地层去除滤出物以便得到地层流体。裸井采样是一种用于探测代表性储层流体的有效方式。采样探测允许确定用于评估储层的经济价值的关键信息。此外，可设计最佳生产策略以处理这些合成流体。在裸井采样中，最初，来自地层的流液包含相当多的滤出物，但是随着滤出物从地层排出，流液变得越来越富含地层流体。也就是说，随着抽吸的继续，来自地层的采样流液包含的地层流体的百分比越来越高。
众所周知，从井眼抽吸的流体经历净化处理，其中，随着从地层逐渐去除滤出物并且较少的滤出物出现在样本中，样本的纯度随时间增长。将fp定义为纯度的分数，并将fc定义为污染物的分数，其中，fp+fc＝1。随着采样的地层流体的成分改变，采样流体的光学属性和物理属性也发生改变，所述光学属性和物理属性诸如光吸收率、荧光度、折射率、粘度、密度、声速和体积模量。多种不同的测量用于实时地确定井下流体的各种光学属性和物理属性。因此，对流体的这些属性的测量提供了对流体样本的纯度的定性识别，但是没有提供流体样本的定量值，即，fp。即使在抽吸流体很长时间之后，流体污染物的分数也不必下降到0。在抽吸持续很长时间段之后，光学或物理属性基本停止改变的许多情况下，污染物的分数(如随后在地面仪器车所确定的)可远大于0，在某些情况下，可高达45％。在这种情况下，最终纯度可以为大约55％。
在长时间抽吸之后，可达到动态平衡，其中，从分接区域(tappedzone)抽回的流体样本按照从所述分接区域上面和下面的区域被再次污染的相同速率进行净化。因此，即使井下测量的属性(诸如光密度或“OD”)已经基本停止改变，样本仍旧无法达到100％的纯度。动态平衡取决于各种因素，诸如垂直渗透性与水平渗透性的比率。因此，为了该公开，将ftp定义为最终纯度的分数，其中，最终纯度是在较长时间的抽吸时间达到的纯度，通常少于100％。因此，可通过监视OD或某些其它属性随时间(或随抽吸的体积)的改变而估计出的是最终纯度的分数(ftp)，而不是地层流体的分数(fp)。
当从地层提取流体时，期望实时地量化净化的进程，即，滤出物污染的程度或纯度。如果已知在样本中存在过多滤出污染物(多于5％或10％)，则没有理由收集样本槽中的地层流体样本，直到污染物等级下降到可接受的等级。另一方面，如果通过抽吸比较长的时间则可达到仅略低的污染物等级，则不再需要继续抽吸。因此，需要确定为了从地层获得样本必须进行抽吸的时间。
当抽吸首先开始时，抽吸的流体包含大量泥浆滤出污染物，随后，流体滤出物百分比开始按照第一速率降低。这一降低流体滤出污染物的处理称为样本净化处理。然后，抽吸的流体包含较少的污染物，并且流体滤出百分比按照较低的速率降低。Mullins等人发表了关于用于实时监视净化的样本的吸收率与时间相比的曲线拟合(fit)的论文，题为“Real Time Determination of Filtrate Contamination DuringOpenhole Wireline Sampling by Optical Spectroscopy”SPWLA，41stAnnual Meeting，Dallas，TX，2000年6月。第6,274,865号以及第6,350,986号美国专利也讨论了某些曲线拟合。
在所述论文中，Mulllins等人假设通过观察光密度测量的样本净化的速率依照t-5/12进行，其中，t为时间。所述净化速率基于墨西哥海湾等地的经验实验。然而，Mullins等人还表明：对于扩展的抽吸时期，用于较浅侵入的样本净化速率依照t-1/3进行，较深侵入的净化速率依照t-2/3进行。一种t-5/12的采样净化速率的假设可能是刚性的，并且不可应用于实时情况。此外，将时间用作拟合参数必须假设恒定抽吸速率。通过随时间的过去查看光吸收率来随着时间监视样本净化的另一问题在于沙粒和其它颗粒可引起相当程度的散射，这导致随时间测量的吸收率值产生“跳跃”并出现噪声。因此，需要一种更加灵活的系统和方法，用于实时地基于井下抽吸的流体属性和特征来获得对地层净化的估计。
发明内容
本发明提供一种通过从井眼周围的地层提取的流体样本的某些光学或物理属性随时间(或随着体积)的测量数据而实时地量化样本净化的方法和设备。从井眼周围的地层提取样本流体。随着继续从地层提取流体，采样流体的成分发生改变，这改变了采样流体的光学或物理属性的测量值。
在本发明的第一方面，提供一种将流体测量数据拟合为非渐近曲线的方法和设备。非渐近曲线的一示例为下述曲线(例如，幂级数逼近)，所述曲线随着典型的抽吸时间提供对数据的改进拟合，所述曲线还可在多个时间成功外推到所述抽吸时间，但是所述曲线在无限时间处逼近正无穷大或负无穷大。非渐近曲线的另一示例为具有振荡分量的等式(诸如正弦波)，其永不到达固定极限。可在频率、相位以及幅度上调整正弦波，以提供改进拟合。在本发明的第三方面中，提供一种执行直线的模式识别的方法和设备，所述直线用于对数空间中对于测量数据的最佳拟合。
为了最佳性能，首先去除数据中的峰值。使用平滑函数以100或更多邻近点的滚降间隔对剩余数据进行分段平滑。例如，可使用非渐近拟合等式(诸如，A＝b0+b1t+b2t2)以滚降时间线段对吸收率执行拟合。然后，通过微积分算法，可确定A′＝dA/dt＝b1+2b2t以及A′/A＝(b1+2b2 t)/(b0+b1t+b2 t2)。对于该形式的等式A(t)＝A0-A1t-p，可将ln(dA/dt)对ln(t)进行线性回归，以获得斜率和截距，并通过这些来计算-p＝(1+斜率)以及-A1＝exp(截距-ln(1+斜率))。通过这种方式，对于-p，不存在-5/12、-2/3(如Mullins所建议的)或任何其它固定值的假设值。相反，可通过对于p和A1的最佳拟合值，并两次通过A(t)和A1t-p在多个时间的平均值来计算ftp＝A/A0。
此外，本发明的方法和设备可使用诸如log(1-ftp)＝(-p)log(t)+log(A1/A0)的数据拟合等式，除了p＝0的无意义情况，所述等式是不具有渐近线(Y＝常数)的直线的等式。所述方法和设备使用不同的A0估计值执行一系列回归，但是其不实际计算A0本身。例如，在时间t，可从当前值A开始，作为A0的第一估计值，然后进行到稍高的值A+ε，然后进行到更高的值A+2ε，依此类推。对测量的数据的拟合最接近直线形状的A0值(基于确定的最高系数、或R均方值)随后变为A0值的最佳估计值。在本发明的方法和设备的第三方面，提供一种将可微分曲线拟合到测量数据或从测量数据得到的物理属性数据的方法和设备。本发明随后从(dA/dt)与A的比率来估计ftp。
根据本发明的另一方面，提供一种将渐近曲线拟合到两个响应之差的方法和设备，诸如将渐近曲线拟合到与不同波长(光学通道)相关的两个吸收率之差，而不是吸收率本身。使用吸收率差将去除由于经过沙粒或气泡引起的基线偏移。
附图说明
通过研究下面的详细描述并参照附图，本发明的其它目的和优点将会变得清楚，其中：
图1是流体特征模块的示图；
图2是使用多个源和传感器在钻孔中部署的本发明实施例的示图；
图3到图10是在本发明实施例中执行的功能的示图；
图11是使用声换能器的本发明实施例的示图；
图12是使用焦热电阵列的本发明实施例的示图；以及
图13是根据本发明另一实施例执行的功能的示图。
具体实施方式
图1示出用于获得并分析光学测量数据的井下流体特征模块100的图示。光源101(例如，钨丝灯泡)向流体110发射光。可通过位于光源101与流体110之间的准直透镜装置103来校准光。校准光111通常垂直于邻近样本110的第一蓝宝石窗301来入射。蓝宝石窗301和303通常与校准的光束垂直，并且通过缝隙或通道304分离，所述缝隙或通道304能够使流体110在蓝宝石窗301和303之间流过。通过光学传感器(诸如但不受限于分光计105)随时间测量流体的光学属性(包括但不受限于来自流体的光的反射系数、吸收率和荧光度)。提供处理器113以从光学测量值估计流体属性。现有工具(图1)可适合UV或红外光源112，当钨丝光源101关闭时，可打开UV或红外光源112。例如，同一分光计包括光电二极管之上的单波段滤波器，使得能够收集原油荧光以及红外光谱。处理器113包括存储器，并使用等式执行计算以便从这里所述的流体的光学测量估计流体特征或属性(诸如百分比污染物)。由电源提供对模块100的各个部件的供电。
如图2所示，可添加来自附加源和传感器的附加测量，包括但不受限于用于测量反馈指数(retroactive index)的弯曲机械振荡器、声换能器、焦热电阵列、红外光源和传感器。在图11和图12中示出声换能器和焦热电阵列的更多详细的示意图。可提供这些附加源和传感器以测量流体参数，所述流体参数包括但不受限于粘度、密度、声速、荧光度、稀释率、全反射系数、折射率、体积模量和电阻率。可随时间监视这些测量，以估计流体的特征，包括如下所讨论的分数最终纯度或分数最终污染物。
图2示出可用于执行本发明方法的从表面15钻探并形成于地层16中的钻孔12中部署的系统的实施例。提供探测器以从地层提取流体。在井下工具20中包含测量传感器，诸如传感器100或本发明的其它传感器。从钢丝绳或钻井绳18部署井下工具。工具20包括控制井下工具的操作的控制器。控制器包括存储器和程序，所述程序包括这里所描述的用于执行在此描述的方法的算法。在操作期间，将工具20降到井眼并设置为从地层16获得流体样本。传感器100随时间测量流体的期望属性或特征。工具20中的控制器或表面上的另一控制器采用所述程序执行以下在此所述的方法并提供期望的估计以及这里所述的其它结果。
现有系统使用按照ln(OD)＝C-D/tp逼近的用于净化的函数形式。某些现有系统通过在达到渐近光吸收率时假设样本已经实现零污染物来计算污染物的百分比。然而，其它现有系统可根据垂直渗透性与水平渗透性的比率和其它因素假设在流体净化与继续的滤出物侵入之间可到达动态平衡。因此，即使在较长的抽吸时间之后，污染物也不会下降到零，而是仅下降到某个最小值。也就是说，最终污染物等级代表最小污染物，但不必是零污染物。
随着采样地层流体属性的成分改变，采样流体的光学和物理属性也发生改变，所述光学和物理属性诸如光吸收率、荧光度、折射率、粘度、密度、声速和体积模量。可监视这些属性以估计最终纯度的分数，该分数指示地层流体净化的程度。基于实际条件可使用不同的测量。例如，在某些情况下，会不大期望通过随时间查看光吸收率(通过2mm的路径长度)来随时间监视净化的处理，这是因为沙粒和其它微粒会造成相当程度的散射，这将使得吸收率随时间产生很大“跳变”并显现为非常嘈杂。另一方面，通过监视折射率来随时间监视净化(基于界面的技术)对于流体流中的微粒不大敏感，这是因为仅查看与蓝宝石窗直接接触(在界面)的薄层流体。类似地，对于原油，荧光度仅查看靠近窗的薄层原油，因此，其对于流中的微粒非常不敏感。然而，流体的任何适合参数或特征的测量可用于本发明的目的。
作为地层流体净化的示例，可将光密度的仿真结果和实际现场数据拟合到诸如Y＝mX-p+b或ln(Y)＝mX-p+b的形式。通过将样本污染物浓度用作Y，并将抽吸时间用作X，仿真结果非常拟合这些形式，特别是对数形式。因为光密度(OD)是净化的指示符，所以OD数据可用作Y，抽吸时间可用作X。如果在净化过程期间多次改变抽吸速度，则累积体积代替时间被用作X。
较小的p值指示净化处理较慢并且将花费较长的时间来获得质量样本，而较大的p值指示净化处理比较快并且获得期望的质量的样本的机会较高。将值b用作净化到可实现的最佳样本质量(渐近值)的指示符。通过将当前OD值与b值进行比较，获得当前样本污染物百分比。使用m、p和b的拟合值来估计以后的样本质量，并且如果认为所估计的以后的样本质量不足够，则可确定继续进行抽吸处理还是停止抽吸处理。
X的功率-p(p为正数)可用作净化处理的速度的指示符。因此，当p值较小，并且计算的当前污染物较高时，获得高质量样本的机会较小，并且为了获得期望的样本纯度则需要花费较长的时间，甚至可能花费特别长的时间。
当侵入剖面是逐渐式的(表示存在过渡区域而不是陡峭的侵入边界)时，p值下降到1.0以下。p值取决于滤出物区与地层区之间的过渡区域的厚度。过渡区域越厚，p值越低。该逐渐过渡具有与较深侵入相同的效果。当侵入较深时，来自新鲜区域的干净流体将在流向探测器的同时与滤出物混合。因此，较深侵入将具有较厚的过渡区域，并且对于该区域的净化将花费较长时间。
地层损坏也可影响净化处理。当靠近井眼的地层被损坏或者当靠近井眼地层的渗透性由于小粒子的侵入而低于实际地层渗透性时，可改善净化处理。
可在不考虑侵入深度或地层损坏的情况下最佳拟合到仿真数据的函数形式为OD＝exp(mt-p+b)，从而在较长的时间处，OD停止改变，这是因为随时间趋近无穷大，时间相关项趋近0。该形式等同于ln(OD)＝C-D/t^p的形式，其中，C＝b，m＝-D，p是正数。样本净化的曲线拟合使用ln(Y)＝mX-P+B的形式，其中，Y＝当净化时作为样本的光学或物理属性，诸如在某个波长的吸收率或荧光度，X＝自开始的抽吸采样以来的时间，或者，更确切地说，当体积流速不恒定时，指的是抽吸的累积体积。
将函数形式ln(OD)＝A*1/Timen+B应用于仿真结果，显示：a)在不具有渗透性损坏以及陡峭限定的过滤低带(100％过滤区域之后跟着0％低带)的简单系统中，n值为1.1；b)将渗透性损坏添加到系统，并加速净化处理，则n值为1.3；c)使用渐进的过滤污染物，其中，污染物随着远离井眼而下降(即，100％、80％、60％、...、0％)，则n值为0.75；d)将损坏添加到系统(c)，则n值为1.0；以及e)添加渗透性由于地层损坏而改变，则n值可在0.25到0.5之间变动。通过将地层净化仿真结果和某些现场数据(光密度)拟合到上述函数形式，提供以下发现。
将样本污染物浓度用作Y并将累积抽吸体积用作X，仿真结果很好地拟合所述形式。因为光密度(OD)是净化的指示符，所以OD数据可用作Y，抽吸时间可用作X。如果抽吸速度在净化过程期间多次改变，则抽吸的累积体积应该代替时间被用作X。X的功率-p(p为正数)可用作净化处理的指示符。对于标称的6英寸或更小的侵入，p接近1.0-1.1。当侵入剖面是逐渐式的时，其指示存在过渡区域而不是陡峭的侵入边界，并且p值下降到1.0以下。p值取决于过渡区域的厚度。过渡区域越厚，p值越低。对于较深侵入发现类似的效果。当侵入较深时，来自新鲜区域的干净流体将在流向探测器的同时与滤出物混合。因此，较深侵入将具有较厚的过渡区域，并且对于该区域的净化将花费较长时间。
当靠近井眼的地层被损坏，即，靠近井眼地层的渗透性由于小粒子的侵入而低于实际地层渗透性时，可改善净化处理，这在Society forPetroleum Engineers的论文SPE 39817和SPE 48958的文章中进行了讨论。地层各向异性也有助于净化处理(见SPE论文、SPE 39817和SPE 48958)。当存在损坏或地层各向异性时，p值增加到1.0-1.1之上，直到1.3-1.4。因此，较小的p值指示净化处理较慢，并且将花费较长的时间来获得期望的纯度的质量样本。
发荧光的芳香族和多核芳香烃分子是至关重要的。这就是原油通常比油基泥浆(OBM)的滤出物更加发荧光的原因。由于环境原因，合成OBM被设计为尽量不含芳烃，但是它们可从钻孔拾取某些芳香族污染物，或者它们可添加少量的芳香族乳化剂或流体损失控制材料。此外，水基泥浆的滤出物具有较少荧光度或者不具有荧光度，这是因为水本身是不发荧光的。某些在水中融解的化合物可发荧光。此外，可有意地将荧光化合物添加到水基或油基泥浆，作为示踪剂。
在进行拟合的属性是光吸收率的函数的特定情况下，对于吸收率，可选择某些具体的有用函数。一种这样的函数是指基线调整的油峰与基线调整的水峰的比率，或基线调整的水峰与基线调整的油峰的比率。该函数特别用于监视从水基泥浆滤出物到天然原油的净化。其反函数特别用于当期望收集水的样本时，监视从油基泥浆滤出物到原生水的净化。
基线调整的油峰是油峰通道(靠近1740nm)减去附近的低吸收率“基线参考”通道(例如，位于1300或1600nm的通道)。基线调整的水峰是水峰通道(靠近1420或1935nm)减去附近的低吸收率“基线参考”通道(例如，位于1300或1600nm的通道)。将时间等于无穷大代入我们的预测模型，使得能够估计在无限时间属性的极限值，P。将属性的当前值P除以它的预测终值将产生最终纯度的分数。
在本发明的第一实施例中，本发明的方法和设备将流体测量数据拟合到非渐近曲线。非渐近曲线的一示例为下述曲线(例如，幂级数逼近)，其随着典型的抽吸时间提供对数据的改进拟合，还可在多个时间成功外推到所述抽吸时间，但是在无限时间逼近正无穷大或负无穷大。非渐近曲线的另一示例为具有振荡分量的等式(诸如正弦波)，其永不到达固定极限。可在频率、相位以及幅度上调整正弦波，以提供对与抽吸的每一冲程(stroke)相关的监视响应中的脉冲的改进拟合。
在第二实施例中，所述方法和设备使用模式识别。也就是说，本发明的方法和设备使用诸如log(1-ftp＝(-p)log(t)+log(A1/A0)的等式。所述方法和设备随后执行一系列不同的最终纯度的估计，或者可通过A0来表示流体的物理属性的终值，其中，A0从A1开始，然后进行到A+ε、A+2ε等。对数据的拟合最接近直线的形状的A0值(基于R均方值)随后成为A0的最佳估计值。在第三实施例中，本发明的方法和设备将可微分曲线拟合到测量数据或从测量数据得到的物理属性数据。本发明随后从(dA/dt)与A的比率来估计A/A0。在第四实施例中，本发明将渐近曲线拟合到附近光学通道(波长)的吸收率差，而不是吸收率本身。吸收率差去除由于经过沙粒或气泡引起的基线偏移。
在用于地层的污染物的传统方式中，可应用等式1和等式3。等式1A＝A0-A1t-5/12，其中，A0＞1，A1＞0， lim t → ∞ A = A 0
可使用体积V来代替时间t。还可归纳出计算而不是假设最佳拟合功率p的情况。
等式2A＝A0-A1t-p，其中，A0＞1，A1＞0，p＞0 lim t → ∞ A = A 0
等式3ftp＝A/A0＝最终吸收率A0的分数，当吸收率为A时可实现该等式。
只有在A0是纯原油的吸收率的情况下，ftp ＝最终纯度的分数还等同于fp＝纯度的分数。
等式4 1-ftp＝[1-(A/A0)]＝远离吸收率的分数。
对于等式1，传统方式使用对于N个数据点(Ai，ti -5/12)的线性最小二乘拟合来找到最佳A0、A1，其中，i＝1，N。对于等式2，在如本发明中所述假设或找到用于p的最佳拟合值之后，使用对于N个数据点(Ai，ti -p)的线性最小二乘拟合来找到最佳A0、A1，其中，i＝1，N。
现转到图3到图10，示出在本发明的实施例中执行的各种函数。
如图3所示，在本发明的一示例中，在310从地层提取流体。在320测量流体的属性，从而在330，利用包括被用来获得数据斜率的拟合的非渐近曲线从属性的拟合进行对流体污染物的估计。
尽管以下的讨论将经过时间用作应变量，但是应理解也可使用抽吸的流体体积或某些其它参数。如图4所示，在本发明的实施例中，本发明执行对于数据的分段非渐近曲线拟合，以在每个线段的中心确定平滑值和数据斜率。对于数据随时间的导数的对数相对于时间的对数执行回归，以获得直线的回归斜率和截距。通过直线的回归斜率和截距以及A(t)和A1t-p在多个时间的平均值来估计分数最终纯度的值ftp。例如，提供一种使用非渐近等式(诸如，A＝b0+b1 t+b2 t2)随着滚降时间线段来拟合吸收率的方法和设备。然后，通过微积分算法，A′＝dA/dt＝b1+2 b2 t并且A′/A＝(b1+2 b2t)/(b0+b1t+b2 t2)。对于该形式的等式A(t)＝A0-A1t-p，可执行ln(dA/dt)对ln(t)的直线回归，以获得斜率和截距并计算最佳拟合值-p＝(1+斜率)以及-A1＝exp(截距-In(1+斜率))。通过这种方式，对于-p，不需要假设值-5/12、-2/3或任何其它固定值。相反，可通过对于p和A1的最佳拟合值，并两次通过A(t)和A1t-p在多个时间的平均值来估计ftp＝A/A0(410)。
如图5所示，在本发明的第二实施例中，提供一种使用非渐近曲线来拟合数据的方法和设备510。在该实施例中，所述方法和设备将等式1的修改版本拟合到数据，其中，修改的等式不在无限时间逼近渐近线，诸如以下的等式8和等式9所示的示例，使用形式A＝A0-h(t)，其中，t→∞，h(t)不趋向0。
等式8A＝A0-A1∑tx，其中，x＝-n到+m。
等式9A＝A0-A1[t-p+k-1sin(ωt)]。
sin(ωt)项可提供对在微粒被激起时一般随着每个抽吸冲程出现的响应中具有周期尖峰的数据提供较好的拟合。当然，不管曲线不是渐近曲线的时间有多长，震荡项防止所述曲线曾经稳定到固定值。可选取与抽吸冲程频率一致的ω值。对于等式9，本发明使用对于N个数据点(Ai，ti -5/12+k-1sin(ωt))的线性最小二乘拟合来找到最佳A0、A1。
如图6所示，在第三实施例中，本发明提供一种模式识别610。如图6所示，本发明执行对于A0的反复试验估计的模式识别，而不是直接计算A0。在该实施例中，将被观察的模式为最接近直线的相似点，其通过对于线性最小二乘拟合的最高相关系数R来确定。所述方法和设备使用一系列不同的A0的估计来执行一系列对于吸收率数据的线性最小二乘拟合，其中，所述A0从A+ε开始，然后到A+2ε，直到A+Nε，其中，A+Nε＜3.5 OD，其中，3.5用作用于工具的动态范围上限的示例。拟合在重对数空间中最接近直线的A0值随后成为A0的最佳估计。根据R2趋向一的接近程度来确定拟合到直线形状的接近程度，其中，R2为平方值范围从0(不相关)到1(完全相关)的相关系数。也就是说，对于一系列A0猜测，在对于N个测量数据点(log[ti]，log[1-(A(ti)/A0)])的线性最小二乘拟合中，基于最佳R2来找到最佳A0。
所述线的斜率的示例将为(-p A1/A0)，其对于p的任何固定值，还允许立即确定A1。可假设p的固定值，或者可通过ln(dA/dt)对ln(t)的直线回归的斜率计算p的最佳拟合值。应注意在此不计算A0。对于A0的不同猜测(估计)仅计算R2。也就是说，尝试A0＝A+nε的不同估计，使用产生最佳R2的估计。为了将A0估计到比ε更加精细的分辨率，可使用二元会聚，以在最佳的两个先前确定的A0值之间迭代地测试A0值。
等式10 log(1-ftp)＝(-p)log(t)+log(A1/A0)
对于等式10，在一系列不同的A0猜测中，本发明使用对于N个数据点的线性最小二乘拟合来找到最佳R2。
在第四实施例中，本发明的方法和设备将可微分曲线拟合到测量的数据。本发明通过将连续可微分的曲线拟合到吸收率数据(或平滑吸收率数据)从(dA/dt)/A估计ftp。也可执行对于数据的各个线段的分段拟合。应注意：拟合曲线本身不需要逼近终值。它的目的仅仅是对于数据点的足够大的时间间隔提供平滑拟合函数，从而对于所述间隔内的任何时间t，可计算A(t)和dA(t)/dt两者的拟合值，随后将其代入等式14-16。
如等式14-16所示，现在可通过当前斜率dA(t)/dt与当前值A(t)的比率确定最终吸收率值。用于计算dA(t)/dt和A(t)的局部拟合和平滑函数本身不需要具有终值。如随着功率系列拟合或功率系列拟合组发生的，所述函数甚至可以在无限时间，趋向正无穷大或负无穷大。
因此，如图7、图8和图9所示，在不曾计算A0或将渐近曲线拟合到吸收率数据的情况下，可通过吸收率的改变速率与吸收率的比率来确定在时间t达到的最终纯度分数，ftp。
例如，使得
等式11 A＝A0-A1h(t)，其中，lim h(t)＝0 t→∞
关于时间提取第一导数，
等式12(dA/dt)＝-A1(dh/dt)，因此，A1＝-(dA/dt)/(dh/dt)
等式13
ftp＝A/[A+A1 h(t)]＝1/[1+A1 h(t)/A]＝1/[1-(dA/dt)(dh/dt)-1h(t)A-1]，所以
710等式14ftp＝[1-A-1(dA/ht)g(t)(dh/dt)-1]-1
示例：使得h(t)＝t-p，从而dh/dt＝-p t-pt-1，然后
810等式15ftp＝[1+A-1(dA/dt)tp-1]-1
对于p＝5/12的特殊情况，
910等式16ftp＝[1+(12/5)A-1(dA/dt)t]-1
在第五实施例中，如图10所示，本发明的方法和设备找到吸收率差数据的终值，而不是吸收率本身。绘制邻近通道的吸收率差，以去除由沙粒或气泡引起的基线偏移(1010)。本发明的方法和设备执行对吸收率差而不是吸收率本身的拟合。例如，通道差是与不同光波长相应的光通道OD16-OD15之间的差到达它们的终值的预测，而不是单个OD通道到达它的终值的预测。吸收率差数据被独立使用或与图3-9中描述的方式结合使用来确定分数最终纯度，ftp。
在第六实施例中，如图13所示，本发明将连续可微分的非渐近曲线1302拟合到可作为与流体有关的任何适合参数的测量值或从所述测量值得出的数据的原始数据。拟合可针对经过时间，或者拟合可针对抽吸的流体体积。作为示例而不是限制，本发明使用拟合到原始数据点的非渐近曲线，诸如A(t)＝c1+c2 t1/2+c3 t1/3+c4 t1/4。使用微积分算法，分析地计算第一导数，作为dA/dt＝(c2/2)t-1/2+(c3/3)t-2/3+(c4/4)t-3/4，以在某些非常长的时间(例如，24小时)估计参数(诸如吸收率、折射率、电阻率)的“终”值，其中，所述非常长的时间(例如，24小时)比一般终止抽吸以实现样本净化的时间(2小时)长得多。随时间继续，(A0-A)和t(dA/dt)两者均下降，其中，A是时间t的吸收率。假设它们以相同的速率下降，则它们是成比例的，这表示，(A0-A)＝mt(dA/dt)，其中，“m”是常数。本发明尝试对于A0的各种猜测，直到找到在y＝(A0-A)与x＝[t(dA/dt)]之间产生最佳线性最小二乘拟合的猜测。最佳拟合由y＝mx+b给出，其中，截距b最接近0，我们发现这种情况比在直接成比例的两个变量之间找到线性拟合的最大R2更加敏感。本发明选择在某时间t(优选地，最近时间t)的原始数据点，在所述某时间上，实际数据增长到(或最接近)最佳拟合线。为了预测在稍后时间(t+Δt)的吸收率，我们使用ΔA＝(A0-A)/[1+m(1+t/Δt)]，其通过在(A0-A)＝mt(dA/dt)中，用ΔA/Δt代替dA/dt，用t+Δt代替t，并用A+ΔA代替A所获得。我们递归地应用该ΔA公式来预测t+Δt的吸收率，然后，使用我们重新计算的吸收率来计算在某些稍后的时间t+Δt的吸收率，对于所有后来的时间依此类推。
如果所述拟合的斜率1304，即，m为正，则表示所选择的是原始数据的较差区段或不期望的区段，其朝向正无穷大或负无穷大向上或向下弯曲。选择在某个时间t的原始数据点(优选的，最近时间t)，在该时间上，实际数据与最佳拟合线相交(或最为接近)。本发明随后使用ΔA＝(A0-A)/[1+m(1+t/Δt)]，根据t、A(t)和A0项计算在某稍后的时间的吸收率，A(t+Δt)＝A(t)+ΔA。本发明随后递归地向前应用该ΔA公式，以产生原始数据的未来预测A(t)。对于随时间上升并变平的数据，通过A(t)/A0给出在以后任何时间t的最终纯度的分数。对于随时间下降并变平的数据，通过[As-A(t)]/[As-A0]给出在以后任何时间t的最终纯度的分数。这里，As是在用户选择的数据窗的左侧边缘(较早时间)的开始吸收率。
在第六实施例中，如图13所示，不假设“m”为负数，这就是为什么递归公式被写为[1+m(1+t/Δt)]而不被写为[1-m(1+t/Δt)]。在第六实施例中，使用截距“b”到0的接近程度。使用截距到“b”的接近程度是因为当已知拟合线的截距应该为0时，对于找到最佳拟合线而言，所述截距到“b”的接近程度比R2趋向一的接近程度更加敏感。此外，使用用于预测以后时间的吸收率的递归公式。对于随时间下降并变平的数据，我们将用户选择的窗的左侧边缘的吸收率用作开始吸收率，而不是如数据上升并变平时所进行的那样将0用作开始吸收率。
现参照图11，示出用于确定流体的中红外光谱的焦热电阵列的更加详细的示图。在一实施例中，本发明提供光源402，诸如红外光源，其可以是稳定状态光源或调制或脉冲光源。在稳定状态光源的情况下，提供光调制器。调制器可以是任何适合的装置，其变动光源的强度，所述装置包括但不受限于本领域公知的电子脉冲发生器电路，其变动光源的强度；或者机电换流器404，其中断光源到井下流体的路径。提供调制器以调制照射在流体和光检测器上的来自光源的关的强度。可提供反射镜或瞄准仪403以聚焦和/或集中来自光源402的光。提供腔室或管道406以便提供井下流体，从而向来自光源的光暴露井下流体。提供光学窗408，通过该光学窗408，井下流体407被暴露向光。为了应用的目的，术语“流体”包括液体、气体以及从流体或气体沉淀的固体。
本发明还包括检测器，诸如焦热电检测器412。焦热电检测器412还可包括焦热电检测器阵列。提供分光计414和处理器422来分析来自焦热电监测器的信号以确定井下流体407的属性。提供中红外线性可变滤波器416，并将其插入从井下流体辐射的光440与焦热电检测器412之间。提供高增益放大器420以当需要时放大来自焦热电检测器412的信号。分光计414包括具有存储器的处理器422。处理器422包括实现软建模技术的程序，以将化学计量等式、神经网络或其它软建模程序应用于对由焦热电检测器检测的红外光的测量，从而通过焦热电检测器信号来估计井下流体的其它物理和化学属性。还将响应于焦热电信号的分光计输出输入软建模程序、神经网络或化学计量等式，以估计井下流体的属性。
现参照图12，示出用于确定流体中的声速的声换能器的更加详细的示意图。本发明提供换能器701、样本流水线703或样本流动路径705，其包含用于测量位于管道或样本流动路径或样本槽711内的流体708的流体密度和声速的流体样本。流水线壁706的厚度707是已知的。提供处理器702和脉冲调制电子装置704，以便声脉冲从脉冲发生器701a经过壁706发送到流动路径705中的流体705，或者从脉冲701b经过厚度707b的壁706发送到样本腔室711。换能器701从处理器监视的声脉冲接收回波。本发明还包括壁隔绝件，其为插入换能器与壁之间的声分离件，由与壁相同的材料制成。所述分离件简单地增加脉冲回波反射在组合的隔绝件加上近壁材料之内的往返距离和相应的行进时间。它用于增长连续衰减的回波脉冲之间的时间，从而用于改善脉冲分离，避免脉冲的重叠并改善每个脉冲中能量的定量。
处理器确定样本流水线中流体的密度。本发明从地层或钻孔捕获流水线中的流体样本。本发明随后将声脉冲送入流水线或样本槽中的流体样本。本发明的处理器随后监视流水线或样本槽的壁内的回波返回，并将每个声回波脉冲的能量集成。处理器随后确定震动流水线的壁内侧的集成声回波脉冲的衰减斜率。本发明随后确定内侧壁/流体界面的反射系数。本发明确定流体中的声速。本发明如上所述地确定所述线中的流体密度。本发明如上所述确定流水线中的流体粘度。
已经在优选实施例中将本发明描述为操作于井下环境中的方法和设备，然而，还可将本发明实现为计算机可读介质上的一组指令，所述计算机可读介质包括ROM、RAM、CD ROM、闪存或当前已知或未知的任何其它的计算机可读介质，所述指令被执行时将促使计算机实现本发明的方法。尽管已经按照上述发明示出了本发明的优选实施例，但是它们的目的仅仅是示例而不是为了限制本发明的范围，本发明的范围由权利要求限定。

Claims (28)

1.一种用于估计井下流体的特征的方法，包括：
随着时间从地层接收所述流体；
进行与流体的属性相关的多个测量；
将非渐近曲线拟合到所述多个测量；以及
从拟合的曲线估计所述流体的特征。
2.如权利要求1所述的方法，还包括：
提取拟合曲线的第一导数；以及
产生对参数的终值的估计A0，直到在y与x之间找到产生基本最佳的最小二乘拟合的估计，其中，y＝参数A在时间t的值减去终值A0，其中，x＝t(dA/dt)，t＝时间。
3.如权利要求2所述的方法，其中，通过y＝mx+b给出最佳拟合，其中，截距b最接近0，并且m为斜率。
4.如权利要求3所述的方法，还包括：
选择接近拟合曲线的数据点；以及
使用A和时间t来预测参数A在稍后的时间t+Δt的未来值。
5.如权利要求4所述的方法，其中，预测参数A的未来值还包括：
确定ΔA＝(A0-A)/[1+m(1+t/Δt)]。
6.如权利要求5所述的方法，还包括：
递归地确定ΔA以便预测未来时间的参数A。
7.如权利要求1所述的方法，其中，拟合非渐近曲线的步骤包括：执行分段非渐近曲线，以在数据线段的中心获得平滑值和数据斜率，所述方法还包括：
使得数据相对于时间或体积之一的导数的对数对于包含时间和体积的集合中的一个的对数进行回归，以获得直线回归斜率和截距。
8.如权利要求7所述的方法，还包括：
从直线回归斜率和截距以及平滑数据值在多个时间的平均值来计算分数最终纯度ftp。
9.如权利要求1所述的方法，其中，通过以下等式来定义非渐近曲线：
A＝A0-A1∑tx，其中，x ＝-n到+m。
10.如权利要求1所述的方法，其中，通过以下等式定义非渐近曲线：
A＝A0-A1[t-p+k-1sin(ωt)]。
11.如权利要求1所述的方法，其中，拟合非渐近曲线的步骤包括：拟合终值A0的一系列线性最小二乘估计，其适合等式logfc＝log[1-(A/A0)]＝(-5A1/12A0)logt，其中，具有对数空间中最接近直线的拟合的估计是A0在最终流体污染物的最佳估计。
12.如权利要求1所述的方法，其中，所述特征为分数最终纯度ftp和分数最终污染物ftc之一。
13.如权利要求1所述的方法，其中，所述特征是分数最终纯度，其通过以下等式从ftp估计得出：ftp＝[1-A-1(dA/dt)h(t)(dh/dt)-1]-1。
14.如权利要求1所述的方法，其中，所述特征是分数最终纯度ftp并通过以下等式来确定：ftp＝[1+A-1(dA/dt)tp-1]-1。
15.如权利要求1所述的方法，还包括：估计分数最终纯度ftp并通过以下等式来确定：ftp＝[1+(12/5)A-1(dA/dt)t]-1。
16.如权利要求1所述的方法，其中，所述流体的属性包括以下项中的至少一个：粘度、密度、声速、荧光度、折射率、体积模量、电阻率和光属性差。
17.一种用于估计井下地层流体的特征的设备，包括：
与地层相连的流体中的探测器；
传感器，用于随时间对流体的属性进行多个测量；以及
处理器，被配置为将对所述属性的测量拟合到非渐近曲线，以估计所述流体的特征。
18.如权利要求17所述的设备，其中，处理器还被配置为：提取拟合曲线的第一导数；以及产生终值的估计A0，直到在y与x之间找到产生基本最佳的最小二乘拟合的终值的估计，其中，y＝属性A在时间t的p值减去终值A0，其中，x＝t(dA/dt)，t ＝时间。
19.如权利要求18所述的设备，其中，通过y＝mx+b给出最佳拟合，其中，截距b最接近0，并且m为斜率。
20.如权利要求19所述的设备，其中，处理器还被配置为：选择接近拟合曲线的数据点，并使用A和时间t来预测在稍后的时间t+Δt的未来吸收率。
21.如权利要求20所述的设备，其中，为了预测所述未来值，处理器使用等式ΔA＝(A0-A)/[1+m(1+t/Δt)]。
22.如权利要求21所述的设备，其中，处理器还被配置为递归地确定ΔA以便预测所述A的值。
23.一种包含指令的计算机可读介质，当计算机执行所述指令时，所述指令执行用于估计地层流体的特征的方法，包括：
从地层接收所述流体；
随着时间流体的属性进行多个测量；以及
将非渐近曲线拟合到所述属性的测量以估计所述流体的特征。
24.如权利要求23所述的介质，其中，所述方法还包括：
提取所述曲线的第一导数；以及
产生终值的估计A0，直到在y与x之间找到产生基本最佳的最小二乘拟合的估计，其中，y＝在时间t的终值A减去终值A0，其中，x＝t(dA/dt)，t＝时间。
25.如权利要求24所述的介质，其中，在所述方法中，通过y＝mx+b给出最佳拟合，其中，截距b最接近0，并且m为斜率。
26.如权利要求25所述的介质，其中，所述方法还包括：
选择接近拟合曲线的数据点；以及使用A和时间t来预测在稍后的时间t+Δt的未来值。
27.如权利要求26所述的介质，其中，在所述方法中，预测A的步骤还包括确定ΔA＝(A0-A)/[1+m(1+t/Δt)]。
28.如权利要求27所述的介质，其中，所述方法还包括：
递归地确定ΔA以便预测未来时间的参数A。
CN2006800135318A 2005-04-22 2006-04-21 估计流体特征的方法和设备 Expired - Fee Related CN101223529B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US11/112,626 US20060241866A1 (en) 2005-04-22 2005-04-22 Method and apparatus for estimating of fluid contamination downhole
US11/112,626 2005-04-22
US11/207,398 2005-08-19
US11/207,398 US7299136B2 (en) 2005-04-22 2005-08-19 Method and apparatus for estimating of fluid contamination downhole
PCT/US2006/015096 WO2006116088A1 (en) 2005-04-22 2006-04-21 A method and apparatus for estimating of fluid contamination downhole

Publications (2)

Publication Number Publication Date
CN101223529A true CN101223529A (zh) 2008-07-16
CN101223529B CN101223529B (zh) 2010-09-29

Family

ID=37185441

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2006800135318A Expired - Fee Related CN101223529B (zh) 2005-04-22 2006-04-21 估计流体特征的方法和设备

Country Status (4)

Country Link
US (2) US20060241866A1 (zh)
CN (1) CN101223529B (zh)
BR (1) BRPI0609938A2 (zh)
EA (1) EA014302B1 (zh)

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7614302B2 (en) * 2005-08-01 2009-11-10 Baker Hughes Incorporated Acoustic fluid analysis method
US7711488B2 (en) * 2006-12-28 2010-05-04 Schlumberger Technology Corporation Methods and apparatus to monitor contamination levels in a formation fluid
WO2008147953A1 (en) * 2007-05-23 2008-12-04 Baker Hughes Incorporated Estimating gas-oil ratio from other physical properties
US8032311B2 (en) 2008-05-22 2011-10-04 Baker Hughes Incorporated Estimating gas-oil ratio from other physical properties
US20100125532A1 (en) * 2008-11-20 2010-05-20 Michael Cohen Method and apparatus for modeling economic conditions as applied to multiple risk grades
US9091151B2 (en) 2009-11-19 2015-07-28 Halliburton Energy Services, Inc. Downhole optical radiometry tool
US8542353B2 (en) 2010-09-30 2013-09-24 Precision Energy Services, Inc. Refractive index sensor for fluid analysis
US8411262B2 (en) 2010-09-30 2013-04-02 Precision Energy Services, Inc. Downhole gas breakout sensor
AU2010363053B2 (en) * 2010-10-27 2015-05-14 Halliburton Energy Services, Inc. Reconstructing dead oil
EP2946140A4 (en) 2013-03-05 2016-11-16 Halliburton Energy Services Inc SYSTEM, METHOD AND COMPUTER PROGRAM PRODUCT FOR PHOTOMETRIC SYSTEM DESIGN AND ECOLOGICAL ROBUSTNESS
US10858935B2 (en) * 2014-01-27 2020-12-08 Schlumberger Technology Corporation Flow regime identification with filtrate contamination monitoring
US10577928B2 (en) 2014-01-27 2020-03-03 Schlumberger Technology Corporation Flow regime identification with filtrate contamination monitoring
US10294785B2 (en) * 2014-12-30 2019-05-21 Schlumberger Technology Corporation Data extraction for OBM contamination monitoring
US20180178261A1 (en) * 2015-09-22 2018-06-28 Halliburton Energy Services, Inc Optical Device Window Cleaning System
WO2018111281A1 (en) * 2016-12-15 2018-06-21 Halliburton Energy Services, Inc. Contamination estimation of formation samples
WO2019152950A1 (en) 2018-02-05 2019-08-08 Halliburton Energy Services, Inc. Volume, size, and shape analysis of downhole particles
US11193826B2 (en) * 2018-03-28 2021-12-07 Baker Hughes, A Ge Company, Llc Derivative ratio test of fluid sampling cleanup
NO20201171A1 (en) 2018-06-04 2020-10-26 Halliburton Energy Services Inc Velocity measurement of drilled cuttings on a shaker
GB2583860B (en) * 2018-06-05 2022-05-18 Halliburton Energy Services Inc Identifying a line of coherent radiation in a captured image of illuminated downhole particles
EP3584784A1 (en) 2018-06-19 2019-12-25 InterDigital VC Holdings, Inc. Method and apparatus for processing video signals against blue light hazard
EP3977068A4 (en) 2019-05-31 2023-06-21 Perceptive Sensor Technologies LLC NON-LINEAR ULTRASONIC METHOD AND DEVICE FOR QUANTITATIVE DETECTION OF MATERIALS (LIQUIDS, GAS, PLASMA)
US11231311B2 (en) 2019-05-31 2022-01-25 Perceptive Sensor Technologies Llc Non-linear ultrasound method and apparatus for quantitative detection of materials
WO2020264407A1 (en) * 2019-06-26 2020-12-30 Perceptive Sensor Technologies Llc Non-linear ultrasound method and apparatus for quantitative detection of materials
GB2611979B (en) 2020-07-29 2024-09-18 Baker Hughes Oilfield Operations Llc Automated contamination prediction based on downhole fluid sampling
WO2022120074A1 (en) 2020-12-02 2022-06-09 Perceptive Sensor Technologies Llc Variable angle transducer interface block
US11788904B2 (en) 2020-12-04 2023-10-17 Perceptive Sensor Technologies, Inc. Acoustic temperature measurement in layered environments
US11525809B2 (en) 2020-12-04 2022-12-13 Perceptive Sensor Technologies, Inc. Apparatus, system, and method for the detection of objects and activity within a container
US11604294B2 (en) 2020-12-04 2023-03-14 Perceptive Sensor Technologies, Inc. Determining layer characteristics in multi-layered environments
WO2022120257A1 (en) 2020-12-04 2022-06-09 Perceptive Sensor Technologies, Inc. Systems and methods for determining floating roof level tilt and characterizing runoff
CA3201100A1 (en) 2020-12-04 2022-06-09 Lazar Bivolarsky Multi-bounce acoustic signal material detection
EP4256296A1 (en) 2020-12-04 2023-10-11 Perceptive Sensor Technologies, Inc. Acoustic temperature measurement in layered environments
CN116917729A (zh) 2020-12-04 2023-10-20 感知传感器技术股份有限公司 多路径声学信号在材料检测方面的改进
WO2022120265A1 (en) 2020-12-04 2022-06-09 Perceptive Sensor Technologies, Inc. In-wall multi-bounce material property detection and acoustic signal amplification
CN116888468A (zh) 2020-12-30 2023-10-13 感知传感器技术股份有限公司 用信号评估流体质量
WO2023154514A1 (en) 2022-02-11 2023-08-17 Perceptive Sensor Technologies, Inc. Acoustic signal detection of material composition in static and dynamic conditions
US11940420B2 (en) 2022-07-19 2024-03-26 Perceptive Sensor Technologies, Inc. Acoustic signal material identification with nanotube couplant

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5223715A (en) * 1991-09-20 1993-06-29 Amoco Corporation Process for spectrophotometric analysis
US6343507B1 (en) * 1998-07-30 2002-02-05 Schlumberger Technology Corporation Method to improve the quality of a formation fluid sample
US6274865B1 (en) * 1999-02-23 2001-08-14 Schlumberger Technology Corporation Analysis of downhole OBM-contaminated formation fluid
US6350986B1 (en) * 1999-02-23 2002-02-26 Schlumberger Technology Corporation Analysis of downhole OBM-contaminated formation fluid
US7028773B2 (en) 2001-11-28 2006-04-18 Schlumberger Technology Coporation Assessing downhole WBM-contaminated connate water
US6714872B2 (en) * 2002-02-27 2004-03-30 Baker Hughes Incorporated Method and apparatus for quantifying progress of sample clean up with curve fitting
US6956204B2 (en) * 2003-03-27 2005-10-18 Schlumberger Technology Corporation Determining fluid properties from fluid analyzer

Also Published As

Publication number Publication date
EA014302B1 (ru) 2010-10-29
EA200702234A1 (ru) 2008-06-30
US20060241866A1 (en) 2006-10-26
BRPI0609938A2 (pt) 2010-05-11
CN101223529B (zh) 2010-09-29
US7299136B2 (en) 2007-11-20
US20060236758A1 (en) 2006-10-26

Similar Documents

Publication Publication Date Title
CN101223529B (zh) 估计流体特征的方法和设备
US10087753B2 (en) Systems and methods for real-time measurement of gas content in drilling fluids
CA2921151C (en) Real time measurement of mud logging gas analysis
CA2920602C (en) Systems and methods for real time measurement of gas content in drilling fluids
US9671262B2 (en) Systems and methods for analyzing flowback compositions in real time
US20140110105A1 (en) Systems and Methods of Monitoring a Multiphase Fluid
CN100445725C (zh) 光学流体分析信号提纯
US20230313680A1 (en) Determination of downhole formation fluid contamination and certain component concentrations
US10287880B2 (en) Systems and methods for pump control based on estimated saturation pressure of flow-line fluid with its associated uncertainty during sampling operations and application thereof
GB2550483A (en) Real time measurement of mud logging gas analysis
WO2006116088A1 (en) A method and apparatus for estimating of fluid contamination downhole

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20100929

Termination date: 20160421