CN104895556A - 油井动液面远程监测方法及系统 - Google Patents

Abstract

一种油井动液面的远程监测方法及系统，以远程无线方式采集安装在油井井口的动液面回声测量仪器所采集到的油井的动液面测量数据；采用一种集成识别的方法对采集的动液面数据进行处理，两种方法以并行的方式运行；采用基于经验模态分解的方法对数据序列进行处理，确定接箍反射波中的基波信号点和回声声波遇到动液面发生反射的点，然后计算得到动液面深度；采用基于局部均值分解的方法对数据序列进行处理，同样确定接箍反射波中的基波信号点和回声声波遇到动液面发生反射的点，然后计算得到动液面深度；最后将两种方法计算得到的两个动液面深度求平均值，得到最终的动液面深度。能实现动液面的自动识别，从而提高动液面计算的准确性。

Description

油井动液面远程监测方法及系统

技术领域

本发明属于油田采油技术领域，具体涉及一种油井动液面远程监测方法及系统。

背景技术

油井动液面是油田生产中一个重要的参数，能够体现井下的供液情况，从而反映油井的工作效率。准确掌握动液面的变化情况，对于确定油井的供排关系，制定合理的工作制度具有十分重要的意义。对于动液面的测量，目前主要有浮筒法、井下压力法、示功图测量法、回声测量法等。浮筒侧量法一般是用于环空式井和敞开井口的作业井使用，但不能带压测试，受液面泡沫影响使得误差较大；井下压力法利用测井仪器或者在井下安装压力传感器，并利用作业机会回收压力传感器再推算动液面，成本高，施工周期长；利用示功图推算动液面，有一定的应用限制，推导方程的很多参数是通过概率统计和工程经验得来的，通过长时间调试油井的某些参数进行测量，适应性差，误差也较大；回声法是目前油田中最常用的测量方法，安装回声测量仪向井下发射声波，声波遇到动液面进行反弹，通过对接收的反弹信号进行辨识，确定动液面深度，但是测量时需要人工逐井测试，工作量大，安全性低，并且采集后需要由技术人员人工辨识数据，效率较低。

发明内容

本发明要解决的技术问题是提供一种油井动液面远程监测方法及系统，实现对油井动液面数据的远程自动采集，并可对采集到的数据进行自动辨识，得到动液面深度。

本发明的技术解决方案是：一种油井动液面远程监测方法，其步骤如下：

1、由数据采集控制模块Ⅰ采集安装在油井井口的动液面回声测量仪器所采集到的油井的动液面测量数据，由无线Zigbee模块1-1通过无线网络传输给无线Zigbee模块1-2，然后数据采集控制模块Ⅱ将接收的数据经交换机Ⅱ由无线AP从站模块通过无线网络远程传输给无线AP主站模块，再经交换机Ⅰ传至动液面监测及数据处理服务器，由动液面监测及数据处理服务器接收采集到的动液面数据；

2、采用集成识别的方法，即分别由基于经验模态分解(EMD，Empirical ModeDecomposition)的方法即EMD方法和基于局部均值分解(Local Mean Decomposition，LMD)的方法即LMD方法以并行的方式同时对油井动液面反射波曲线进行识别；

2.1基于EMD方法的油井动液面反射波曲线识别的主要步骤如下：

步骤a用x(n)表示油井动液面反射波曲线数据序列，其中n为数据序列中数据点的个数；将x(n)的所有的极大值点用三次样条插值函数拟合，得到x(n)的上包络线；同理，将x(n)的所有的极小值点用三次样条插值函数拟合，得到x(n)的下包络线；x(n)的上下包络线的平均值记作m(n)，将原数据序列x(n)减去该平均值m(n)得到一个新的数据序列h₁(n)，即：h₁(n)＝x(n)-m(n)；

步骤b若h₁(n)满足条件，则将该h₁(n)看作x(n)的第一个IMF分量，记为c₁(n)＝h₁(n)；若h₁(n)不满足条件，说明它还不是一个本征模函数，使h₁(n)取代原数据序列x(n)，重复步骤a直至计算得到一个满足条件的IMF分量，记为c₁(n)；

步骤c用x(n)减去c₁(n)得到剩余值数据序列，即：x₁(n)＝x(n)-c₁(n)；把x₁(n)作为一个新的待分解数据序列，重复步骤a和步骤b，依次提取出第2个、第3个直至第l个IMF分量，以及原数据序列的余项r_l(n)；当满足终止条件时结束分解，终止条件为最新的数据序列不能再提取IMF分量；将原数据序列x(n)表示成l个IMF分量c_l(n)和一个余项r_l(n)的和，即：

$x\left(n\right)=\underset{i=1}{\overset{l}{\mathrm{\Σ}}}{c}_i\left(n\right)+r_l\left(n\right)---\left(1\right)$

步骤d去除分解后的高频IMF分量，将剩余的低频IMF分量和原数据序列的余项r_l(n)求和进行数据序列的重构，得到新的数据序列，记为x’(n)，即：

$x^{\′}\left(n\right)=\underset{j=l-k}{\overset{l}{\mathrm{\Σ}}}{c}_j\left(n\right)+r_l\left(n\right)---\left(2\right)$

其中，k表示所去除的高频IMF分量的数量；

步骤e由于回声声波在传递过程中遇到油管间的接箍会发生反射，所形成的波形称为接箍反射波，因此由接箍反射波计算回声声波的传播速度；并将接箍反射波看成是周期性的信号，在接箍反射波形中选取连续的10个波形均匀、宽度相近的周期波形计算回声声波的传播速度；设接箍反射波的周期为T，表示了回声声波在相邻两个油管接箍之间传播时所用的时间；将所选取的10个连续波形中幅值最大的点作为基波信号点，假设其在油井动液面反射波曲线数据序列中为第N₁个点，那么接箍反射波的周期T由下式进行计算：

$T=\frac{N}{N_1{f}_s}---\left(3\right)$

其中，N为油井动液面反射波曲线数据序列中所有点的数量，f_s为采样频率。

将周期T认为是回声声波在两个接箍之间来回两个油管长度路程所用的时间，则回声声波在油管中的传播速度为：

$v=\frac{2L}{T}=\frac{{2\mathrm{LN}}_1}{N}{f}_s---\left(4\right)$

其中，L为单根油管的长度。

将油井动液面反射波曲线数据序列中除去井口数据点和接箍反射波数据点后剩余的数据点中具有最大幅值的数据点记为回声声波遇到动液面发生反射的点，假设其在油井动液面反射波曲线数据序列中为第N₂个点，那么回声声波到达动液面处用的时间为：

$t=\frac{N_2}{f_s}---\left(5\right)$

那么，动液面的深度由下式进行计算，

$h=\frac{\mathrm{vt}}{2}=\frac{1}{2}\·\frac{{2\mathrm{LN}}_1}{N}{f}_s\·\frac{N_2}{f_s}=\frac{{\mathrm{LN}}_1{N}_2}{N}---\left(6\right)$

2.2基于LMD方法的油井动液面反射波曲线识别方法的主要步骤如下：

步骤A找到油井动液面反射波数据序列x(n)中所有的局部极值点，包括极大值点和极小值点，计算相邻两个极值点的平均值m_i和包络估计值a_i，分别为：

$m_i=\frac{J_i+J_{i+1}}{2}---\left(7\right)$

$a_i=\frac{|J_i-J_{i+1}|}{2}---\left(8\right)$

其中，J_i为数据序列中的局部极值点；

对所有平均值m_i以及包络估计值a_i，分别用直线将相邻两点连接起来形成两条折线，采用三次样条插值分别对两条折线进行平滑处理，得到局域均值函数m₁₁(n)和包络估计函数a₁₁(n)；

步骤B将得到的局域均值函数m₁₁(n)从油井动液面反射波数据序列中分离出来，得到：h₁₁(n)＝x(n)-m₁₁(n)。用h₁₁(n)除以包络估计函数a₁₁(n)，对h₁₁(n)进行解调，有：

$s_{11}\left(n\right)=\frac{h_{11}\left(n\right)}{a_{11}\left(n\right)}---\left(9\right)$

步骤C将s₁₁(n)看作新的数据序列，重复步骤A，得到s₁₁(n)的包络估计函数a₁₂(n)，如果a₁₂(n)不等于1，说明s₁₁(n)不是一个纯调频信号，重复步骤A和步骤B直到得到的包络估计函数为1时停止，假设重复k(k≥1)次后满足要求，记为a_1k(n)＝1；此时，重复第k次的新的数据序列s_1k(n)满足纯调频信号，得到的第一个PF分量可以由下式表示，

PF₁＝a₁(n)·s_1k(n)       (10)

其中，a₁(n)为重复k次过程中产生的所有包络估计函数相乘得到的第一个PF分量的包络信号；由下式计算，

a₁(n)＝a₁₁(n)a₁₂(n)…a_1k(n)        (11)

步骤D用x(n)减去PF₁(n)产生新的数据序列x₁(n)，即：x₁(n)＝x(n)-PF₁(n)，重复步骤A至步骤C，依次提取出第2个、第3个直至第p个PF分量，以及原数据序列的残余项u_p(n)，此时u_p(n)为一个纯调频信号；那么，将原数据序列x(n)表示成p个PF分量PF_p(n)和一个残余项u_p(n)的和，即：

$x\left(n\right)=\underset{i=1}{\overset{p}{\mathrm{\Σ}}}{\mathrm{PF}}_i\left(n\right)+u_p\left(n\right)---\left(12\right)$

步骤E找到数据序列x(n)经过LMD方法分解后的虚假PF分量，将其去除掉，用剩余的PF分量和残余项进行油井动液面反射波数据序列的重建；由于数据序列中的异常数据和噪声一般存在于高频分量中，因此将LMD方法分解后的高频分量作为虚假PF分量。

步骤F将剩余的PF分量和原数据序列的残余项u_p(n)求和进行数据序列的重构，得到新的数据序列，记为x”(n)，即：

$x^{\′\′}\left(n\right)=\underset{z=p-v}{\overset{p}{\mathrm{\Σ}}}{\mathrm{PF}}_z\left(n\right)+u_p\left(n\right)---\left(13\right)$

其中，v表示所去除的高频PF分量的数量；

步骤G按照EMD方法中的步骤e的方法计算动液面深度；

3、将两种方法的计算结果取平均值，得到动液面深度的最终结果。

进一步的，步骤2)中，当动液面监测及数据处理服务器接收到采集的动液面数据时，两种方法同时启动运行。

进一步的，步骤2.1)中，如果分解得到的IMF分量的数量为两个，则认为第一个IMF分量为含有高频成分的IMF分量，将其去除；如果分解得到的IMF分量的数量大于两个，则认为前两个IMF分量为含有高频成分的IMF分量，将其去除；

进一步的，步骤2.2)中，如果分解得到的PF分量的数量为两个，则认为第一个PF分量为虚假分量，将其去除；如果分解得到的PF分量的数量大于两个，则认为前两个PF分量为虚假分量，将其去除。

一种油井动液面远程监测系统，包括安装在油井井口的动液面回声测量仪器、数据采集控制模块Ⅰ、无线Zigbee模块1-1、无线Zigbee模块1-2、交换机Ⅱ、无线AP从站模块、无线AP主站模块、交换机Ⅰ和动液面监测及数据处理服务器。

本发明的有益效果是：本发明所建立的油井动液面远程监测及识别系统，以无线的方式远程采集动液面测量数据，并能实现动液面的自动识别，解决了人工识别数据的不足。采用EMD方法进行油井动液面反射波曲线数据序列的处理，将数据序列分解为有限个本征模函数，包含了原信号的不同时间尺度的局部特征信号，将含有噪声信号的高频分量去除掉，能够准确定位回声声波遇到动液面发生反射的点；采用LMD方法进行油井动液面反射波曲线数据序列的处理，从另一个角度出发，将数据序列分解为若干个瞬时频率有物理意义的乘积函数和一个残余项，将含有噪声信号的虚假分量去除掉，从而准确找到回声声波遇到动液面发生反射的点。采用集成识别的方法，将两个不同方法的计算结果取平均值，杜绝了单一识别方法所存在的片面性，从而提高动液面计算的准确性。

附图说明

图1是本发明涉及的油井动液面远程监测系统示意图；

图2是油井动液面反射波曲线示意图；

图3是油井动液面集成识别方法结构框图示意图；

图4是油井动液面反射波曲线的EMD分解结果示意图；

图5是EMD分解后重建的油井动液面反射波曲线示意图；

图6是油井动液面反射波曲线的LMD分解结果示意图；

图7是LMD分解后重建的油井动液面反射波曲线示意图；

具体实施方式

如图1所示，一种油井动液面远程监测系统，包括安装在油井井口的动液面回声测量仪器、数据采集控制模块Ⅰ、无线Zigbee模块1-1、无线Zigbee模块1-2、交换机Ⅱ、无线AP从站模块、无线AP主站模块、交换机Ⅰ和动液面监测及数据处理服务器。

油井动液面远程监测步骤如下：

1、采用如图1所示的油井动液面远程监测系统，数据采集控制模块Ⅰ采集安装在油井井口的动液面回声测量仪器所采集到的油井的动液面测量数据，由无线Zigbee模块1-1通过无线网络传输给无线Zigbee模块1-2，然后数据采集控制模块Ⅱ将接收的数据经交换机Ⅱ由无线AP从站模块通过无线网络远程传输给无线AP主站模块，再经交换机Ⅰ传至动液面监测及数据处理服务器，最后动液面监测及数据处理服务器接收采集到的动液面数据。

2、动液面监测及数据处理服务器所采集到的动液面数据，如图2所示。由于包含各种噪声以及动液面回声反射波形中混杂的节箍反射波形，必须采用一定的算法进行计算，去除噪声且能正确识别动液面的反射波形，从而确定准确的动液面深度。，为了提高对油井动液面反射波曲线识别的准确性，本发明采用一种集成识别的方法，分别由二种不同的识别算法以并行的方式同时对油井动液面反射波曲线进行识别，得到二个动液面深度的计算结果，然后取平均值得到最终结果。所采用的集成识别方法的结构框图如图3所示，其中两种不同的识别方法分别为基于经验模态分解的方法即EMD方法和基于局部均值分解的方法即LMD。

EMD方法是一种自适应的信号处理方法，不需要设定任何基函数，具有很高的信噪比。EMD方法在处理非线性、非平稳信号上具有明显的优势，在理论上可以应用于任何类型的信号的分解，尤其适合于分析非线性、非平稳信号序列。它对非平稳数据进行平稳化处理，使复杂信号分解为有限个本征模函数，所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号，然后进行希尔伯特变换获得时频谱图，得到有物理意义的频率。由于分解是基于信号序列时间尺度的局部特性，因此具有自适应性。

EMD方法产生各IMF的特性就意味着它可以用来去除噪声，因此不需要提前采用其它的方法对数据序列进行去噪处理。将其用于油井动液面反射波曲线的识别，分解得到不同的数量的IMF分量和一个剩余分量。含有高频成分的IMF分量主要反映了数据序列中的异常数据和噪声；而含有低频成分的IMF分量，噪声影响较弱，包含的信息量较多。因此，将含有高频成分的IMF分量去除，而将剩余的含有低频成分的IMF分量和剩余分量相结合进行数据序列的重建。这样能够去除数据序列中混杂的噪声数据，从而准确的判定数据序列中能够代表回声声波遇到动液面发生反射的点，进而计算出动液面的深度。

EMD方法需要满足以下条件：

(1)信号数据序列是由互相独立的本征模态函数组成；

(2)对于整个数据序列，极值点的数量(包括最大极值点和最小极值点)和过零点数量相同，且在相邻的过两个零点之间只有一个极值点；

(3)对于整个数据序列上的任意一点，由局部极大值确定的上包络线和由局部极小值确定的下包络线的均值为零。

2.1基于EMD方法的油井动液面反射波曲线识别方法的主要步骤如下：

步骤a用x(n)表示油井动液面反射波曲线数据序列，其中n为数据序列中数据点的个数。将x(n)的所有的极大值点用三次样条插值函数拟合，得到x(n)的上包络线；同理，将x(n)的所有的极小值点用三次样条插值函数拟合，得到x(n)的下包络线；x(n)的上下包络线的平均值记作m(n)，将原数据序列x(n)减去该平均值m(n)得到一个新的数据序列h₁(n)，即：h₁(n)＝x(n)-m(n)。

步骤b若h₁(n)满足条件，则将该h₁(n)看作x(n)的第一个IMF分量，记为c₁(n)＝h₁(n)；若h₁(n)不满足条件，说明它还不是一个本征模函数，使h₁(n)取代原数据序列x(n)，重复步骤a直至计算得到一个满足条件的IMF分量，记为c₁(n)。

步骤c用x(n)减去c₁(n)得到剩余值数据序列，即：x₁(n)＝x(n)-c₁(n)。把x₁(n)作为一个新的待分解数据序列，重复步骤a和步骤b，依次提取出第2个、第3个直至第l个IMF分量，以及原数据序列的余项r_l(n)。当满足终止条件时结束分解，终止条件为最新的数据序列不能再提取IMF分量。那么，原数据序列x(n)可以表示成l个IMF分量c_l(n)和一个余项r_l(n)的和，即：

$x\left(n\right)=\underset{i=1}{\overset{l}{\mathrm{\Σ}}}{c}_i\left(n\right)+r_l\left(n\right)---\left(1\right)$

采用EMD方法对图2所示的油井动液面反射波曲线进行分解，得到如图4所示结果。

步骤d去除分解后的高频IMF分量，将剩余的低频IMF分量和原数据序列的余项r_l(n)求和进行数据序列的重构，得到新的数据序列，记为x’(n)，即：

$x^{\′}\left(n\right)=\underset{j=l-k}{\overset{l}{\mathrm{\Σ}}}{c}_j\left(n\right)+r_l\left(n\right)---\left(2\right)$

其中，k表示所去除的高频IMF分量的数量。

IMF1分量和IMF2分量为原数据序列的高频分量，反映了原数据序列中的异常数据和噪声，将其去除掉；对剩余的分量IMF3至IMF9和余项求和，将数据序列进行重建，得到如图5所示的不含异常数据和噪声的新的数据序列。

步骤e由于回声声波在传递过程中遇到油管间的接箍会发生反射，所形成的波形称为接箍反射波，因此由接箍反射波计算回声声波的传播速度。由于接箍基本上等长，回声声波在井口的传播速度基本不变，因此将接箍反射波看成是周期性的信号。在接箍反射波形中选取连续的10个波形均匀、宽度相近的周期波形计算回声声波的传播速度。设接箍反射波的周期为T，表示了回声声波在相邻两个油管接箍之间传播时所用的时间。将所选取的10个连续波形中幅值最大的点作为基波信号点，假设其在油井动液面反射波曲线数据序列中为第N₁个点，那么接箍反射波的周期T由下式进行计算：

$T=\frac{N}{N_1{f}_s}---\left(3\right)$

其中，n为油井动液面反射波曲线数据序列中所有点的数量，f_s为采样频率。

周期T认为是回声声波在两个接箍之间来回两个油管长度路程所用的时间，因此回声声波在油管中的传播速度为：

$v=\frac{2L}{T}=\frac{{2\mathrm{LN}}_1}{N}{f}_s---\left(4\right)$

其中，L为单根油管的长度。

将油井动液面反射波曲线数据序列中除去井口数据点和接箍反射波数据点后剩余的数据点中具有最大幅值的数据点记为回声声波遇到动液面发生反射的点，假设其在油井动液面反射波曲线数据序列中为第N₂个点，那么回声声波到达动液面处用的时间为：

$t=\frac{N_2}{f_s}---\left(5\right)$

那么，动液面的深度由下式进行计算，

$h=\frac{\mathrm{vt}}{2}=\frac{1}{2}\·\frac{{2\mathrm{LN}}_1}{N}{f}_s\·\frac{N_2}{f_s}=\frac{{\mathrm{LN}}_1{N}_2}{N}---\left(6\right)$

根据步骤e，确定基波信号点为重建后的油井动液面反射波数据序列中的第266个点，即N₁＝266；确定回声声波遇到动液面发生反射的点为重建后的油井动液面反射波数据序列中的第491个点，即N₂＝491；单根油管长度L＝9.8米，重建后的油井动液面反射波数据序列中所有点的数量为1499，即n＝1499。那么，根据公式(6)可以计算动液面的深度h₁＝853.86米。

在采用EMD方法进行油井动液面反射波曲线的识别的同时，采用LMD方法进行油井动液面反射波曲线的识别。LMD方法是一种自适应的信号处理方法，由信号自身数据驱动，自主地确定信号在不同尺度上的分辨率。LMD方法将一个复杂的信号分解为若干个瞬时频率有物理意义的乘积函数(Production Function，PF)和一个残余项。它基于信号的局部极值点，通过滑动平均循环迭代实现分解，具有迭代次数少、端点效应不明显、得到的虚假分量少等优点。

将LMD方法用于油井动液面反射波曲线的识别，分解得到不同的数量的PF分量和一个残余项。由于受到油井动液面反射波数据序列中的异常数据和噪声的影响，不可避免会产生虚假PF分量的情况。因此，将虚假的PF分量去除，而将剩余的PF分量和残余项相结合进行数据序列的重建。这样能够去除数据序列中混杂的噪声数据，从而准确地计算出动液面的深度。

2.2、基于LMD方法的油井动液面反射波曲线识别方法的主要步骤如下：

步骤A找到油井动液面反射波数据序列x(n)中所有的局部极值点，包括极大值点和极小值点，计算相邻两个极值点的平均值m_i和包络估计值a_i，分别为：

$m_i=\frac{J_i+J_{i+1}}{2}---\left(7\right)$

$a_i=\frac{|J_i-J_{i+1}|}{2}---\left(8\right)$

其中，J_i为数据序列中的局部极值点。

对所有平均值m_i以及包络估计值a_i，分别用直线将相邻两点连接起来形成两条折线，采用三次样条插值分别对两条折线进行平滑处理，得到局域均值函数m₁₁(n)和包络估计函数a₁₁(n)。

步骤B将得到的局域均值函数m₁₁(n)从油井动液面反射波数据序列中分离出来，得到：h₁₁(n)＝x(n)-m₁₁(n)。用h₁₁(n)除以包络估计函数a₁₁(n)，对h₁₁(n)进行解调，有：

$s_{11}\left(n\right)=\frac{h_{11}\left(n\right)}{a_{11}\left(n\right)}---\left(9\right)$

步骤C将s₁₁(n)看作新的数据序列，重复步骤1，得到s₁₁(n)的包络估计函数a₁₂(n)，如果a₁₂(n)不等于1，说明s₁₁(n)不是一个纯调频信号，重复步骤A和步骤B直到得到的包络估计函数为1时停止，假设重复k(k≥1)次后满足要求，记为a_1k(n)＝1。此时，重复第k次的新的数据序列s_1k(n)满足纯调频信号，得到的第一个PF分量由下式表示，

PF₁＝a₁(n)·s_1k(n)        (10)

其中，a₁(n)为重复k次过程中产生的所有包络估计函数相乘得到的第一个PF分量的包络信号。由下式计算，

a₁(n)＝a₁₁(n)a₁₂(n)…a_1k(n)       (11)

步骤D用x(n)减去PF₁(n)产生新的数据序列x₁(n)，即：x₁(n)＝x(n)-PF₁(n)，重复步骤A至步骤C，依次提取出第2个、第3个直至第p个PF分量，以及原数据序列的残余项u_p(n)，此时u_p(n)为一个纯调频信号。那么，原数据序列x(n)表示成p个PF分量PF_p(n)和一个残余项u_p(n)的和，即：

$x\left(n\right)=\underset{i=1}{\overset{p}{\mathrm{\Σ}}}{\mathrm{PF}}_i\left(n\right)+u_p\left(n\right)---\left(12\right)$

采用LMD方法对图2所示的油井动液面反射波曲线进行分解，得到如图6所示结果。

步骤E找到数据序列x(n)经过LMD方法分解后的虚假PF分量，将其去除掉，用剩余的PF分量和残余项进行油井动液面反射波数据序列的重建。由于数据序列中的异常数据和噪声一般存在于高频分量中，因此将LMD方法分解后的高频分量作为虚假PF分量。

图6中的PF1分量为原数据序列的高频分量，包含异常数据和噪声，将其看作虚假分量去除掉。

步骤F将剩余的PF分量和原数据序列的残余项u_p(n)求和进行数据序列的重构，得到新的数据序列，记为x”(n)，即：

$x^{\′\′}\left(n\right)=\underset{z=p-v}{\overset{p}{\mathrm{\Σ}}}{\mathrm{PF}}_z\left(n\right)+u_p\left(n\right)---\left(13\right)$

其中，v表示所去除的高频PF分量的数量。

将剩余的分量PF2和残余项求和，将数据序列进行重建，得到如图7所示的不含异常数据和噪声的新的数据序列。

步骤G按照EMD方法中的步骤e的方法计算动液面深度。

根据EMD方法中的步骤e，确定基波信号点为重建后的油井动液面反射波数据序列中的第253个点，即N₁＝253；确定回声声波遇到动液面发生反射的点为重建后的油井动液面反射波数据序列中的第499个点，即N₂＝499；单根油管长度L＝9.8米，重建后的油井动液面反射波数据序列中所有点的数量为1499，即n＝1499。那么，根据公式(6)可以计算动液面的深度h₂＝825.36米。

5、将两种识别方法的计算结果取平均值，得到动液面深度的最终结果为：

步骤2)中，当动液面监测及数据处理服务器接收到采集的动液面数据时，两种方法同时启动运行。

进一步的，步骤2.1)中，如果分解得到的IMF分量的数量为两个，则认为第一个IMF分量为含有高频成分的IMF分量，将其去除；如果分解得到的IMF分量的数量大于两个，则认为前两个IMF分量为含有高频成分的IMF分量，将其去除；

进一步的，步骤2.2)中，如果分解得到的PF分量的数量为两个，则认为第一个PF分量为虚假分量，将其去除；如果分解得到的PF分量的数量大于两个，则认为前两个PF分量为虚假分量，将其去除。

现场使用中，对10口油井的回声测量仪器所采集到的动液面测量数据进行远程监测及识别，采用本发明的动液面集成识别方法与现有技术中的人工识别回声法数据得到的动液面深度如表1所示。

表1 动液面集成识别方法与人工识别方法得到的结果对比

动液面集成识别方法	人工识别方法	误差率
			1211.24	1220.15	-0.73％
2051.29	2033.41	0.88％
			1863.58	1872.00	-0.45％
2144.28	2134.00	0.48％
			1342.00	1331.49	0.79％
2012.19	2048.00	-1.75％
			1913.67	1986.61	-3.67％
1856.26	1795.00	3.41％
			1715.00	1756.76	-2.38％
2203.98	2252.00	-2.13％

Claims (5)

1.一种油井动液面远程监测方法，其特征是步骤如下：

1)、由数据采集控制模块Ⅰ采集安装在油井井口的动液面回声测量仪器所采集到的油井的动液面测量数据，由无线Zigbee模块1-1通过无线网络传输给无线Zigbee模块1-2，然后数据采集控制模块Ⅱ将接收的数据经交换机Ⅱ由无线AP从站模块通过无线网络远程传输给无线AP主站模块，再经交换机Ⅰ传至动液面监测及数据处理服务器，由动液面监测及数据处理服务器接收采集到的动液面数据；

2)、采用集成识别的方法，即分别由基于经验模态分解(EMD，Empirical Mode Decomposition)的方法即EMD方法和基于局部均值分解(Local Mean Decomposition，LMD)的方法即LMD方法以并行的方式同时对油井动液面反射波曲线进行识别；

2.1)基于EMD方法的油井动液面反射波曲线识别的主要步骤如下：

步骤a用x(n)表示油井动液面反射波曲线数据序列，其中n为数据序列中数据点的个数；将x(n)的所有的极大值点用三次样条插值函数拟合，得到x(n)的上包络线；同理，将x(n)的所有的极小值点用三次样条插值函数拟合，得到x(n)的下包络线；x(n)的上下包络线的平均值记作m(n)，将原数据序列x(n)减去该平均值m(n)得到一个新的数据序列h₁(n)，即：h₁(n)＝x(n)-m(n)；

步骤b若h₁(n)满足条件，则将该h₁(n)看作x(n)的第一个IMF分量，记为c₁(n)＝h₁(n)；若h₁(n)不满足条件，说明它还不是一个本征模函数，使h₁(n)取代原数据序列x(n)，重复步骤a直至计算得到一个满足条件的IMF分量，记为c₁(n)；

步骤c用x(n)减去c₁(n)得到剩余值数据序列，即：x₁(n)＝x(n)-c₁(n)；把x₁(n)作为一个新的待分解数据序列，重复步骤a和步骤b，依次提取出第2个、第3个直至第l个IMF分量，以及原数据序列的余项r_l(n)；当满足终止条件时结束分解，终止条件为最新的数据序列不能再提取IMF分量；将原数据序列x(n)表示成l个IMF分量c_l(n)和一个余项r_l(n)的和，即：

步骤d去除分解后的高频IMF分量，将剩余的低频IMF分量和原数据序列的余项r_l(n)求和进行数据序列的重构，得到新的数据序列，记为x’(n)，即：

其中，k表示所去除的高频IMF分量的数量；

步骤e由于回声声波在传递过程中遇到油管间的接箍会发生反射，所形成的波形称 为接箍反射波，因此由接箍反射波计算回声声波的传播速度；并将接箍反射波看成是周期性的信号，在接箍反射波形中选取连续的10个波形均匀、宽度相近的周期波形计算回声声波的传播速度；设接箍反射波的周期为T，表示了回声声波在相邻两个油管接箍之间传播时所用的时间；将所选取的10个连续波形中幅值最大的点作为基波信号点，假设其在油井动液面反射波曲线数据序列中为第N₁个点，那么接箍反射波的周期T由下式进行计算：

其中，N为油井动液面反射波曲线数据序列中所有点的数量，f_s为采样频率。

将周期T认为是回声声波在两个接箍之间来回两个油管长度路程所用的时间，则回声声波在油管中的传播速度为：

其中，L为单根油管的长度。

将油井动液面反射波曲线数据序列中除去井口数据点和接箍反射波数据点后剩余的数据点中具有最大幅值的数据点记为回声声波遇到动液面发生反射的点，假设其在油井动液面反射波曲线数据序列中为第N₂个点，那么回声声波到达动液面处用的时间为：

那么，动液面的深度由下式进行计算，

2.2)基于LMD方法的油井动液面反射波曲线识别方法的主要步骤如下：

步骤A找到油井动液面反射波数据序列x(n)中所有的局部极值点，包括极大值点和极小值点，计算相邻两个极值点的平均值m_i和包络估计值a_i，分别为：

其中，J_i为数据序列中的局部极值点；

对所有平均值m_i以及包络估计值a_i，分别用直线将相邻两点连接起来形成两条折线，采用三次样条插值分别对两条折线进行平滑处理，得到局域均值函数m₁₁(n)和包络估计函数a₁₁(n)；

步骤B将得到的局域均值函数m₁₁(n)从油井动液面反射波数据序列中分离出来，得到：h₁₁(n)＝x(n)-m₁₁(n)。用h₁₁(n)除以包络估计函数a₁₁(n)，对h₁₁(n)进行解调，有：

步骤C将s₁₁(n)看作新的数据序列，重复步骤A，得到s₁₁(n)的包络估计函数a₁₂(n)，如果a₁₂(n)不等于1，说明s₁₁(n)不是一个纯调频信号，重复步骤A和步骤B直到得到的包络估计函数为1时停止，假设重复k(k≥1)次后满足要求，记为a_1k(n)＝1；此时，重复第k次的新的数据序列s_1k(n)满足纯调频信号，得到的第一个PF分量可以由下式表示，

PF₁＝a₁(n)·s_1k(n)        (10) 

其中，a₁(n)为重复k次过程中产生的所有包络估计函数相乘得到的第一个PF分量的包络信号；由下式计算，

a₁(n)＝a₁₁(n)a₁₂(n)…a_1k(n)         (11) 

步骤D用x(n)减去PF₁(n)产生新的数据序列x₁(n)，即：x₁(n)＝x(n)-PF₁(n)，重复步骤A至步骤C，依次提取出第2个、第3个直至第p个PF分量，以及原数据序列的残余项u_p(n)，此时u_p(n)为一个纯调频信号；那么，将原数据序列x(n)表示成p个PF分量PF_p(n)和一个残余项u_p(n)的和，即：

步骤E找到数据序列x(n)经过LMD方法分解后的虚假PF分量，将其去除掉，用剩余的PF分量和残余项进行油井动液面反射波数据序列的重建；由于数据序列中的异常数据和噪声一般存在于高频分量中，因此将LMD方法分解后的高频分量作为虚假PF分量。

步骤F将剩余的PF分量和原数据序列的残余项u_p(n)求和进行数据序列的重构，得到新的数据序列，记为x”(n)，即：

其中，v表示所去除的高频PF分量的数量；

步骤G按照EMD方法中的步骤e的方法计算动液面深度；

3)、将两种方法的计算结果取平均值，得到动液面深度的最终结果。

2.根据权利要求1所述的油井动液面远程监测方法，其特征是步骤2)中，当动液面监测及数据处理服务器接收到采集的动液面数据时，两种方法同时启动运行。

3.根据权利要求1所述的油井动液面远程监测方法，其特征是步骤2.1)中，如果分解得到的IMF分量的数量为两个，则认为第一个IMF分量为含有高频成分的IMF分量，将其去除；如果分解得到的IMF分量的数量大于两个，则认为前两个IMF分量为含有高频成分的IMF分量，将其去除。

4.根据权利要求1所述的油井动液面远程监测方法，其特征是步骤2.2)中，如果分解得到的PF分量的数量为两个，则认为第一个PF分量为虚假分量，将其去除；如果分解得到的PF分量的数量大于两个，则认为前两个PF分量为虚假分量，将其去除。

5.一种油井动液面远程监测系统，其特征是包括安装在油井井口的动液面回声测量仪器、数据采集控制模块Ⅰ、无线Zigbee模块1-1、无线Zigbee模块1-2、交换机Ⅱ、无线AP从站模块、无线AP主站模块、交换机Ⅰ和动液面监测及数据处理服务器。