CN102628356A - 抑制稠油热采井温度监测噪声的方法 - Google Patents

Abstract

抑制稠油热采井温度监测噪声的方法，应用于油井温度监测技术领域。在空间域，采用小波多分辨率分析滤除原始空间-时间域温度分布信息中的高频噪声，得到初步降噪后的空间-时间域温度分布信息；在时间域，采用移动灰色模型去除该初步降噪后空间-时间域温度分布信息的非平稳噪声和干扰，并采用最小二乘法递归优化移动灰色模型中各个窗口的灰色模型参数，得到最终降噪后的空间-时间域温度分布信息。效果是：能抑制稠油热采井下采集到的温度信号中的非平稳随机噪声和干扰，提高温度分布信号信噪比。

Description

抑制稠油热采井温度监测噪声的方法

技术领域

本发明涉及油井温度监测技术领域，尤其涉及一种抑制稠油热采井温度监测噪声的方法。

背景技术

在油田勘探开发生产中，井温测试信息始终扮演着重要角色，特别是在稠油油藏开发动态监测中，需要对地层温度的变化进行长期实时的监测，从而在时间和空间上对蒸汽腔的形成过程、发育程度以及蒸汽前缘的位置进行连续监测。井温测井仪器测量精度的提高关键在于解决温度漂移问题，而这些问题的解决依赖于传感器的选择。在众多的传感器中，光纤传感器以其具有体积小、不含电子设备、信号传输快、抗电磁干扰、抗腐蚀等独特优势越来越受到人们青睐。目前基于拉曼散射的分布式温度传感器(DTS)已被广泛应用于提供实时全井筒的温度监测。在拉曼DTS中，光脉冲入射到传感光纤中，之后采集散射信号的返回时间和强度，以了解特定位置的温度。温度分辨率和空间分辨率可以分别达到0.1摄氏度和厘米量级。结合油井的地质及油藏流体信息，可以从测得的温度信息中把有价值的信息提取出来。

传感器采集到的原始温度信息是随空间-时间分布的。温度的空间分布反映了井下温度随深度的变化过程，时间分布反映了温度随时间的变化过程。在稳态下，对于某一特定位置，时间分布应是平稳随机过程。然而由于纯二氧化硅光纤的高损耗以及存在于井下环境的非平稳噪声和干扰，得到的信号在高频和低频均存在非平稳噪声，属于非平稳随机过程。

在稠油热采井环境下，传统光纤中掺杂的锗元素会与高浓度的含氢化合物反应以致永久损坏光纤。因此纯二氧化硅光纤被广泛应用于井下DTS中。然而此类光纤较传统光纤损耗更大，使得传感信号对于非平稳噪声和干扰更加敏感。由于在稳态下温度很难在小的空间和时间范围内发生跳变，因此我们需要的是较低频率的温度变化趋势。而非平稳噪声和干扰在低频和高频均存在，因此会导致将储层的温度信息错误的解释为蒸汽前沿或井下的突变点。在这种情况下，独立应用传统的信号降噪方法，例如低通滤波，中值滤波，小波分析以及灰色模型很难去除上述非平稳噪声和干扰。

单独利用各类传统滤波方法，包括低通滤波、中值滤波、小波分析以及灰色模型。这些单独的模型可以很好的应用在只含有平稳噪声的环境下，因为上述模型的理论假设前提是信号为平稳随机过程。由于稠油热采井环境中存在很多非平稳随机噪声和干扰，上述方法从理论上说不再适用，简单的独立应用上述方法不能抑制噪声中的非平稳成分，以致降噪后信号较有用信息失真。具体来说，低通滤波和中值滤波方法会滤除信号中的有用部分。单独应用小波分析方法的具体过程和性能可参阅文献【蒋奇，隋青关，″分布式光纤传感油井高温测试及其信号去噪研究″，《化工自动化及仪表》2007年第5期，54-56页】，该方法的缺点在于不同部分时间域温度信息序列的相关性未被考虑，即在时间范围t₁至t_n的降噪后信息只利用了相同区间的原始信息而未考虑t1之前的历史信息，然后不同部分原始温度信息之间的相关性对于抑制偏离稳定趋势的非平稳噪声和干扰十分关键。单独应用灰色模型方法的具体过程和性能可参阅文献【和志明，陈智雍，″分布式光纤温度测井及其信号滤波法的改进″，《石油仪器》，2010年10月，4-7页】，该方法的缺点在于将整段时间域温度信息序列建立一个灰色模型而忽略了不同段温度信息之间的区别，易造成降噪后信息与有用温度信息的偏差，这一缺点在上述文献的图4(实际温度分布)和图5(降噪后温度分布)的比较中显著的表现出来。

发明内容

本发明的目的是：提供一种抑制稠油热采井温度监测噪声的方法，以抑制稠油热采井下采集到的温度信号中的非平稳随机噪声和干扰，提高温度分布信噪比。

本发明采用的技术方案是：抑制稠油热采井温度监测噪声的方法，包括：利用光纤分布式温度传感器实时采集稠油热采井下温度，得到原始空间-时间域温度分布信息。

在空间域，采用小波多分辨率分析滤除原始空间-时间域温度分布信息中的高频噪声，得到初步降噪后的空间-时间域温度分布信息；在时间域，采用移动灰色模型去除该初步降噪后空间-时间域温度分布信息的非平稳噪声和干扰，并采用最小二乘法递归优化移动灰色模型中各个窗口的灰色模型参数，得到最终降噪后的空间-时间域温度分布信息。得到的最终降噪后的空间-时间域温度分布信息，用于恢复稠油热采井内的地质参数及油藏流体信息，指导采油操作。

上述方案中，所述采用小波多分辨率分析滤除原始空间-时间域温度分布信息中的高频噪声，得到初步降噪后的空间-时间域温度分布信息，包括：

利用小波分解函数对原始空间-时间域温度分布信息中的空间域温度信息进行分解，得到前两层的概貌系数和细节系数；在得到的前两层的细节系数上设置阈值，将阈值之下的细节系数置零，阈值之上的细节系数保留；以及对所述概貌系数和所述处理后的细节系数进行小波逆变换重构，得到初步降噪后的空间-时间域温度分布信息。

上述方案中，所述利用小波分解函数对原始空间-时间域温度分布信息中的空间域温度信号进行分解，得到前两层的概貌系数和细节系数，包括：选择Daubechies6小波在空间域对原始空间-时间域温度分布信息进行分解，直至分解到第二层，得到第一层和第二层这前两层的概貌系数与细节系数。

上述方案中，所述对所述概貌系数和所述处理后的细节系数进行小波逆变换重构得到初步降噪后的空间-时间域温度分布信息，包括：选择Daubechies6小波在空间域对所述概貌系数和所述处理后的细节系数进行小波逆变换重构，得到初步降噪后的空间-时间域温度分布信息。

上述方案中，所述在时间域采用移动灰色模型去除该初步降噪后空间-时间域温度分布信息的非平稳噪声和干扰，包括：

步骤A：设时间域温度信息原始序列的总点数为N，在时间域温度信息原始序列中从起始位置选取长度为W的信息点应用灰色模型GM(1，1)得到预测序列第1个位置的温度信息，其中W和N均为自然数，W＜N；

步骤B：将时间域温度信息原始序列中的移动窗口W向后平移1个信息点，利用灰色模型GM(1，1)得到预测序列第2个位置的温度信息；

步骤C：重复步骤B，直到预测序列的长度达到N-W；

步骤D：将时间域温度信息原始序列的前W点和预测序列合并组成处理后的时间域温度信息序列。

上述方案中，所述采用最小二乘法递归优化移动灰色模型中各个窗口的灰色模型参数得到最终降噪后的空间-时间域温度分布信息的步骤中，所述最小二乘法用于求解灰色模型GM(1，1)的待定系数向量U＝(a，b)^T，根据最小二乘理论，U可被表示为

U＝(B^TB)^-1B^TY_l        公式3

其中

$B=\left[\begin{array}{cc}-\frac{1}{2}\left(x^{\left(1\right)}\right(1)+x^{\left(1\right)}\left(2\right))& 1\\ -\frac{1}{2}(x^{\left(1\right)}\left(2\right)+x^{\left(1\right)}\left(3\right))& 1\\ ...& ...\\ -\frac{1}{2}(x^{\left(1\right)}(N-1)+x^{\left(1\right)}\left(N\right))& 1\end{array}\right]$ 公式4

向量Y_l是

Y_l＝(x⁽⁰⁾(2)，x⁽⁰⁾(3)，...，x⁽⁰⁾(N))         公式5

因此，利用式公式2、公式3、公式4和公式5能够计算出待定系数能够计算出待定系数向量U＝(a，b)^T。

本发明的有益效果：本发明抑制稠油热采井温度监测噪声的方法，能抑制稠油热采井下采集到的温度信号中的非平稳随机噪声和干扰，提高温度分布信噪比。

附图说明

图1是本发明提供的抑制稠油热采井温度监测噪声的方法流程图；

图2是依照本发明实施例的原始的空间-时间域温度分布的示意图；

图3是依照本发明实施例的当时刻t₀为950分钟时温度随深度变化的示意图；

图4是依照本发明实施例的当深度z₀为100米时温度随时间变化的示意图

图5是依照本发明实施例的抑制稠油热采井温度监测噪声的方法流程图；

图6是依照本发明实施例的移动灰色模型GM(1，1)的示意图；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体

实施例，并参照附图，对本发明进一步详细说明。

实施例1：

本实施例提供的抑制稠油热采井温度监测噪声的方法，原始温度信息来自中国新疆克拉玛依油田F11051号油井，该油井属于典型稠油热采井。利用基于拉曼散射的光纤分布式温度传感器对该油井进行了长期现场测量，井下原始温度信息每隔10分钟被采集一次，本实施例中随机抽取上述原始信息中连续16小时(960分钟)的信息。传感器的空间分辨率设置为0.5m。原始温度时空分布，参阅图2。图2是依照本发明实施例的原始的空间-时间域温度分布的示意图。图2显示储油层位于深度范围10米至200米范围内。在储油层内，温度随深度缓慢增加。

图3和图4中的虚线代表空间域和时间域的温度原始曲线。在空间域，中间位于储油层的90米被放大。本实施例注意到非平稳随机噪声(高频和低频)被调制在原始信息上，特别是在时间域时变噪声(例如在200分钟，480分钟，800分钟位置)令整个过程非平稳。

本实施例提出的降噪方法结合了小波多分辨率分析的降噪特性和灰色模型GM(1，1)的预测特性，参阅图5。图5是依照本发明实施例的抑制稠油热采井温度监测噪声的方法流程图。本实施例首先在空间域应用小波降噪。应用二层Daubechies6小波分解以及斯特恩无偏风险原理选择阈值，处理后的概貌系数和细节系数经小波重构后高频噪声被初步滤除。得到的初步降噪信号由于突出了温度的低频轮廓因而更加适合应用灰色模型GM(1，1)。灰色模型GM(1，1)的处理过程可被表示为：

$\frac{{\mathrm{dX}}^{\left(1\right)}}{\mathrm{dt}}+{\mathrm{aX}}^{\left(1\right)}=b$

公式1

其中X⁽¹⁾的分量为：

$x^{\left(1\right)}\left(k\right)=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{x}^{\left(0\right)}\left(k\right),$

k＝1，2，…，N          公式2

x⁽⁰⁾＝(x⁽⁰⁾(1)，x⁽⁰⁾(2)，...，x⁽⁰⁾(N))是初步降噪后的时间域温度信号序列向量(单位为摄氏度)，N是时间域温度信号序列总点数(单位为个)，a和b是待定系数(a为规则化系数，无单位；b的单位为摄氏度)。在本实施例中应用移动灰色模型GM(1，1)在时间域恢复温度趋势，参阅图6。图6是依照本发明实施例的移动灰色模型GM(1，1)的示意图。应用移动灰色模型GM(1，1)步骤如下：

步骤A：本实施例中时间域温度信息原始序列(即图6原始序列中的点)的总点数为960，在时间域温度信息原始序列中从起始位置选取长度为W的信息点，W长度取30。应用公式1和公式2(即灰色模型GM(1，1))得到预测序列(即图6预测序列中的点)第1个位置的温度信息；

步骤B：将时间域温度信息原始序列中的移动窗口W向后平移1个信息点，再次应用公式1和公式2(即灰色模型GM(1，1))得到预测序列第2个位置的温度信息；

步骤C：重复步骤B，直到预测序列的长度达到930个信息点；

步骤D：将时间域温度信息原始序列的前30点和预测序列合并组成处理后的时间域温度信息序列(共960个信息点)。

因此通过应用移动灰色模型GM(1，1)，预测序列恢复了所有时刻温度信息且非平稳噪声和干扰被抑制。每个窗口中的灰色模型参数a，b可以用最小二乘递归优化。假设待定系数向量为U＝(a，b)^T，根据最小二乘理论，U可以被表示为

U＝(B^TB)^-1B^TY_l                 公式3

其中

$B=\left[\begin{array}{cc}-\frac{1}{2}\left(x^{\left(1\right)}\right(1)+x^{\left(1\right)}\left(2\right))& 1\\ -\frac{1}{2}(x^{\left(1\right)}\left(2\right)+x^{\left(1\right)}\left(3\right))& 1\\ ...& ...\\ -\frac{1}{2}(x^{\left(1\right)}(N-1)+x^{\left(1\right)}\left(N\right))& 1\end{array}\right]$

公式4

向量Y_l是

Y_l＝(x⁽⁰⁾(2)，x⁽⁰⁾(3)，...，x⁽⁰⁾(N))    公式5

利用公式3、公式4和公式5能够计算出待定系数能够计算出待定系数向量U＝(a，b)^T，各个窗口灰色模型参数被优化。

最终降噪后的温度曲线示于图4中的实线。为比较，利用小波降噪的时域信号示于点划线。我们发现，在非平稳点，例如480分钟和800分钟位置，移动灰色模型GM(1，1)更好地恢复了温度趋势。经计算移动灰色模型GM(1，1)的标准差为0.55，较小波降噪(0.61)小10％。结果说明利用不同段信息的相关性得到的降噪结果更平稳亦即更好地抑制了非平稳噪声和干扰。最后我们利用时域降噪信号恢复空间域信号，示于图3中的实线。可见非平稳随机噪声和干扰被滤除，降噪信号很好地恢复了温度变化趋势。最终信噪比的提高可以利用降噪后温度信号与原始温度信号的标准差比率估计，因为实际温度分布在稳态时具有最小标准差。通过估计降噪后温度信号与原始温度信号的标准差比率(取20倍以十为底对数)，信噪比提高了11dB。

因此，本发明提供的这种抑制稠油热采井温度监测噪声的方法，结合小波多分辨率分析和移动灰色模型GM(1，1)，首先在空间域应用小波降噪以去除高频噪声，之后在时间域应用移动灰色模型GM(1，1)去除高频和低频非平稳噪声和干扰。在移动灰色模型中应用最小二乘递归优化各个窗口参数。该方法在中国新疆克拉玛依油田进行了长期现场测试(试用)，结果显示该方法可将温度分布信噪比提高11dB。

Claims (10)

1.一种抑制稠油热采井温度监测噪声的方法，其特征在于，

利用光纤分布式温度传感器实时采集稠油热采井下温度，得到原始随空间-时间域温度分布信息；

在空间域，采用小波多分辨率分析滤除原始空间-时间域温度分布信息中的高频噪声，得到初步降噪后的空间-时间域温度分布信息；

在时间域，采用移动灰色模型去除该初步降噪后空间-时间域温度分布信息的非平稳噪声和干扰，并采用最小二乘法递归优化移动灰色模型中各个窗口的灰色模型参数，得到最终降噪后的空间-时间域温度分布信息；

得到的最终降噪后的空间-时间域温度分布信息，用于恢复稠油热采井内的地质参数及油藏流体信息，指导采油操作。

2.根据权利要求1所述的抑制稠油热采井温度监测噪声的方法，其特征在于，所述采用小波多分辨率分析滤除原始空间-时间域温度分布信息中的高频噪声，得到初步降噪后的空间-时间域温度分布信息，包括：

利用小波分解函数对原始空间-时间域温度分布信息中的空间域温度信息进行分解，得到前两层的概貌系数和细节系数；

在得到的前两层的细节系数上设置阈值，将阈值之下的细节系数置零，阈值之上的细节系数保留；以及对所述概貌系数和所述处理后的细节系数进行小波逆变换重构，得到初步降噪后的空间-时间域温度分布信息。

3.根据权利要求2所述的抑制稠油热采井温度监测噪声的方法，其特征在于，所述利用小波分解函数对原始空间-时间域温度分布信息中的空间域温度信息进行分解，得到前两层的概貌系数和细节系数，包括：

选择Daubechies6小波在空间域对原始空间-时间域温度分布信息进行分解，直至分解到第二层，得到第一层和第二层这前两层的概貌系数与细节系数。

4.根据权利要求2所述的抑制稠油热采井温度监测噪声的方法，其特征在于，所述在得到的前两层的细节系数上设置阈值，将阈值之下的细节系数置零，阈值之上的细节系数保留，包括：

在第一层和第二层的细节系数上根据斯特恩无偏风险准则设置阈值，将阈值下的细节系数置零，阈值上的细节系数保留。

5.根据权利要求2所述的抑制稠油热采井温度监测噪声的方法，其特征在于，所述对所述概貌系数和所述处理后的细节系数进行小波逆变换重构得到初步降噪后的空间-时间域温度分布信息，包括：

选择Daubechies6小波在空间域对所述概貌系数和所述处理后的细节系数进行小波逆变换重构，得到初步降噪后的空间-时间域温度分布信息。

6.根据权利要求1所述的抑制稠油热采井温度监测噪声的方法，其特征在于，所述在时间域，采用移动灰色模型去除该初步降噪后空间-时间域温度分布信息的非平稳噪声和干扰，包括：

步骤A：设时间域温度信息原始序列的总点数为N，在时间域温度信息原始序列中从起始位置选取长度为W的信息点应用灰色模型GM(1，1)得到预测序列第1个位置的温度信息，其中W和N均为自然数，且W＜N；

步骤B：将时间域温度信息原始序列中的移动窗口W向后平移1个信息点，利用灰色模型GM(1，1)得到预测序列第2个位置的温度信息；

步骤C：重复步骤B，直到预测序列的长度达到N-W；

步骤D：将时间域温度信息原始序列的前W点和预测序列合并组成处理后的时间域温度信息序列。

7.根据权利要求6所述的抑制稠油热采井温度监测噪声的方法，其特征在于，所述灰色模型GM(1，1)是灰色模型GM(n，m)中的一种模型，灰色模型GM(n，m)是一种用于建模灰色系统动态特性的预测方法，由m个变量的n阶差分方程标识；其中，灰色模型GM(1，1)可被表示为：

$\frac{{\mathrm{dX}}^{\left(1\right)}}{\mathrm{dt}}+{\mathrm{aX}}^{\left(1\right)}=b$

公式1

其中X⁽¹⁾的分量为：

$x^{\left(1\right)}\left(k\right)=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{x}^{\left(0\right)}\left(k\right),$

k＝1，2，…，N    公式2

x⁽⁰⁾＝(x⁽⁰⁾(1)，x⁽⁰⁾(2)，...，x⁽⁰⁾(N))是时间域温度信息原始序列(单位为摄氏度)，N是时间域温度信息原始序列总点数(单位为个)，a和b是待定系数(a为规则化系数，无单位；b的单位为摄氏度)。

8.根据权利要求1所述的抑制稠油热采井温度监测噪声的方法，其特征在于，所述采用最小二乘法递归优化移动灰色模型中各个窗口的灰色模型参数得到最终降噪后的空间-时间域温度分布信息的步骤中，所述最小二乘法用于求解灰色模型GM(1，1)的待定系数向量U＝(a，b)^T，根据最小二乘理论，U可被表示为

U＝(B^TB)^-1B^TY_l        公式3

其中

$B=\left[\begin{array}{cc}-\frac{1}{2}\left(x^{\left(1\right)}\right(1)+x^{\left(1\right)}\left(2\right))& 1\\ -\frac{1}{2}(x^{\left(1\right)}\left(2\right)+x^{\left(1\right)}\left(3\right))& 1\\ ...& ...\\ -\frac{1}{2}(x^{\left(1\right)}(N-1)+x^{\left(1\right)}\left(N\right))& 1\end{array}\right]$

公式4

向量Y_l(单位为摄氏度)是

Y_l＝(x⁽⁰⁾(2)，x⁽⁰⁾(3)，...，x⁽⁰⁾(N))    公式5

因此，利用公式2、公式3、公式4和公式5能够计算出待定系数向量U＝(a，b)^T。

9.根据权利要求8所述的抑制稠油热采井温度监测噪声的方法，其特征在于，在采用移动灰色模型去除初步降噪后空间-时间域温度分布信息中时间域信息的非平稳噪声和干扰时，通过设立移动窗口W，时间域信息序列的不同时间段使用不同的灰色模型GM(1，1)预测，达到在稠油热采井中信号和噪声随时间变化的情况下精确恢复有用信息。

10.根据权利要求9所述的抑制稠油热采井温度监测噪声的方法，其特征在于，所述移动窗口W取30个信息点。

Images