CN106291710A - 在气田井深测试中的液面波形模糊识别方法 - Google Patents
在气田井深测试中的液面波形模糊识别方法 Download PDFInfo
- Publication number
- CN106291710A CN106291710A CN201610780178.1A CN201610780178A CN106291710A CN 106291710 A CN106291710 A CN 106291710A CN 201610780178 A CN201610780178 A CN 201610780178A CN 106291710 A CN106291710 A CN 106291710A
- Authority
- CN
- China
- Prior art keywords
- liquid level
- waveform
- membership
- tested
- gas field
- 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
Links
Classifications
-
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种在气田井深测试中的液面波形模糊识别方法,该方法首先找出候选液面,然后确定候选液面的各个参数,并计算各个参数的隶属度,最后进行综合评判确定真实液面波形位置。候选液面的各个参数包括波形幅度、重复性、两个通道波形相似性以及两个通道波形相关性这四个参数。本发明采用了模糊识别的方法来查找液面波,并通过对气田井深的测试数据进行大量数据的分析和仿真。该算法流程中采用了模糊数学中的隶属度,其创新点在于查找液面不再按照某一具体标准,而是综合考查若干个候选项中哪一个最为合适,使用该方法查找液面波形具有很高的智能性和可靠性。
Description
技术领域
本发明涉及高压微音器在气田井深测试中自动查找液面波的计算方法,属于气田智能井深测试技术领域。
背景技术
随着天然气市场需求迅猛增长,实现气田经济有效开发实现安全稳定供气,促进持续、有效、协调发展具有十分重要的意义。目前国内很多气井需要采用排水采集法才能实现低成本、可持续开采。对于排水采集这种工艺而言,井筒积液的判别及积液高度的计算是难以回避且必须解决的问题,需要掌握和控制好井筒里的积液量,以便制定适用的排液方案,达到将本增效的目的。
由于气井一般都有数个甚至数十个兆帕的井口气压,并且有些井含有大量有害气体,井上作业有风险,因此需要有一套智能计算的设备来减少人工上井作业,从而有利于实现安全稳定供气这一发展方向。
对于计算液面深度而言,主要是两个参数:声速大小和液面波位置。至于声速可以用频谱分析法等方法得出,至于液面波需要得出一个准确的值才能保证自动计算的准确性与可靠性。
目前本领域现有技术中尚没有理想的技术方案解决该问题。
发明内容
本发明的目的是提供一种在气田井深测试中的液面波形模糊识别方法,以解决井筒积液的判别及积液高度的计算问题。
发明的技术方案是这样的:
一种在气田井深测试中的液面波形模糊识别方法,该方法首先找出候选液面,然后确定候选液面的各个参数,并计算各个参数的隶属度,最后进行综合评判确定真实液面波形位置。
候选液面的各个参数包括波形幅度、重复性、两个通道波形相似性以及两个通道波形相关性这四个参数。
其中,确定波形幅度时以通道能量突出作为判断真实液面的指标,而判断某一波形能量是否突出,采用以下方法:
1)找出所有待查液面的上下峰峰值,装入数组PpvArray;
2)找出次大值SecondMaxOne;
3)将PpvArray中的值除以SecondMaxOne得到PpvRatio;
4)将PpvRatio按“公式1”转为隶属度:
PpvMsd(PpvRatio)=1-e-1.2*(PpvRatio)-------------------------(1)。
其中,液面重复性的隶属度按照如下公式计算:
RptMsd(repeat)=1-1.5e-1.2*(repeat)-------------------------(2)。
其中,计算两个通道波形相似性隶属度时的计算公式为:
式中:
根据施瓦兹(Schwartz)不等式可知,0≤r≤1,因此对于相似性的隶属度即为:
CorMsd(cor)=r-------------------------(4)。
其中,两个通道波形相关性隶属度采取以下方式计算:
1)找出所有待查液面在对应液面位置映射上的峰值,装入数组RxxArray;
2)找出次大值SecondMaxOne;
3)将RxxArray中的值除以SecondMaxOne得到RxxRatio;
4)将RxxRatio按“公式5”转为隶属度:
RxxMsd(RxxRatio)=1-e-1.2*(RxxRatio)-----------------(5)。
本发明采用了模糊识别的方法来查找液面波,并通过对气田井深的测试数据进行大量数据的分析和仿真。该算法流程中采用了模糊数学中的隶属度,其创新点在于查找液面不再按照某一具体标准,而是综合考查若干个候选项中哪一个最为合适,使用该方法查找液面波形具有很高的智能性和可靠性。
附图说明
图1是某测试信号的A通道;
图2是液面波形模糊识别的主要步骤;
图3是某气井数据液面波在幅度上的突出;
图4是峰峰值的隶属度函数图像;
图5是具有多次反射波的测试数据波形;
图6是液面次数的隶属度函数图像;
图7是A通道和B通道波形相似性;
图8是液面波位置的映射;
图9是某气井现场测试数据。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。
在井深测试设备中,对于液面测试得到的波形,由于受到各种干扰以及传播的衰减,真正的液面信号没有固定的形状和很稳定的特征。不同的油井具有不同的境况特性,一口井在不同的时间段里,井况也是千差万别的。如图1中,“位置1”和“位置2”到底哪一个才是真正的液面波,这关系到计算的成功与否。
为了实现波形的识别的成功率,本发明采用了模糊识别的方法来查找液面波。通过对气田井深的测试数据进行大量数据的分析和仿真,制定出如图2所示的方法。
该算法流程中采用了模糊数学中的隶属度,系本行业首创,其创新点在于查找液面不再按照某一具体标准,而是综合考查若干个候选项中哪一个最为合适。
在液面波查找过程中,对某一候选液面特征进行描述主要有:波形幅度、重复性、两个通道波形相似性以及两个通道波形相关性等四个参数。
1.波形幅度
A通道能量突出对于真实液面是一个很大的特征,经过对多个油田数据进行分析,大多数情况下都能满足这一特点,如图3所示。
在这里判断某一个波形的能量比较突出,采取这样的方式:
1)以一定宽度的窗口找出所有待查液面的上下峰峰值,装入数组PpvArray;
2)找出次大值SecondMaxOne;
3)将PpvArray中的值除以SecondMaxOne得到PpvRatio;
4)将PpvRatio按“公式1”转为隶属度:
PpvMsd(PpvRatio)=1-e-1.2*(PpvRatio)--------------------------------(1)
其隶属度函数图像如图4所示。
从图4可以看出,当PpvRatio为1的时候,说明这个地方时液面的可能性比较大,隶属度约为0.7;当PpvRatio为2时,隶属度很快升至0.9以上,这意味着如果某个波形的峰峰值是次大值的两倍,表明这个地方基本上可以确定已经是液面波了。
2.液面重复性
对于一些浅井或者井内压力较大的井,真实液面波会重复出现,如图5所示。对于液面波出现的个数repeat,可以按照“公式2”来计算出隶属度,当重复出现的液面个数由1到10,可以得到其可信度的函数图像为图6所示。
RptMsd(repeat)=1-1.5e-1.2*(repeat)-----------------------(2)
从图6可以看出,当某个波形只出现一次时,仅凭这一点判断液面波是不可靠的;一旦有了重复液面(二次液面),是液面波的可靠性就会很快增大;当出现多个时,这个地方是液面几乎是很确定的了。
3.两个通道波形相似性
微音器接收的原始数据经过两个通道的处理,使得A通道主要是低通特性接收液面波,B通道主要是带通特性接收节箍波。尽管原始信号经过两个电路调理通道后会引入不同的噪声,但由于进入微音器的时候是相同的信号,因此对于真实液面波在两个通道上仍然具有相似性,如图7所示,框中为真实液面,可见两个通道的形状是相似的。
信号分析中常用相关系数来描述两个离散信号的相似程度,计算公式为:
式中:
根据施瓦兹(Schwartz)不等式可知,0≤r≤1,因此对于相似性的隶属度即为:
CorMsd(cor)=r--------------------------(4)
4.波形相关分布
由于采气树的特殊结构,使得井口和套管存在一个直角转弯,根据声学相关原理,此时在转弯的有较强的反射波,对于真正井底液面反射波而言,到达微音器后和采气树转弯的反射波具有很强的相关性。
这个相关性是数字式液面测试系统对于井深测试信号特征的一个重大发现,利用该相关性可以有两个大的好处:
1)对于真实液面波会脱颖而出,对于其它一些杂波,尽管幅度较大,但是经过相关处理后得到了很大的抑制,如图8所示。
2)可以忽略井口位置的影响,这里井底的反射波和采油树井口的反射波是与井口位置没有任何关系,它只是反映了井口到井底的时间,因此该相关分布也就相当于液面波位置的映射。
从图8可以看出,经过相关后(液面波位置映射后),真实液面波形的位置得到明显加强,根据相关性的一些特点,最高点即就是真实液面的位置,这也构成了真实液面波的一个重要分析参数。求解隶属度采取这样的方式:
1)找出所有待查液面在对应液面位置映射上的峰值,装入数组RxxArray;
2)找出次大值SecondMaxOne;
3)将RxxArray中的值除以SecondMaxOne得到RxxRatio;
4)将RxxRatio按“公式5”转为隶属度:
RxxMsd(RxxRatio)=1-e-1.2*(RxxRatio)-------------------------------(5)
实施例1:
某气井现场测试数据如图9所示,从图中看出位置1、位置2、位置3和位置4最有可能是真实液面,将这几个波形列为候选液面,通过人为观察和经验,结合B通道的数据以及波形映射曲线,不难得出位置3的可能性较大。
将候选液面的参数值整理得到表1:
表1
按照前面的方法计算各个参数的隶属度得到表2:
表2
从表2的综合可信度可以看出,四个位置的可信度都不大,位置3的可信度要比其它位置要高,综合评判认定位置3是真正的液面。通过该井的其它资料辅助分析(另外一次测试数据),真实的液面位置的确是位置3。
该方法已在苏里格气田成功应用,大量的现场应用表明,使用该方法查找液面波形具有很高的智能性和可靠性,自2015年产品现场安装以来,至今尚未出现液面波形清楚而模糊识别出错的情况。
当然,以上只是本发明的具体应用范例,本发明还有其他的实施方式,凡采用等同替换或等效变换形成的技术方案,均落在本发明所要求的保护范围之内。
Claims (6)
1.一种在气田井深测试中的液面波形模糊识别方法,其特征在于:该方法首先找出候选液面,然后确定候选液面的各个参数,并计算各个参数的隶属度,最后进行综合评判确定真实液面波形位置。
2.根据权利要求1所述的在气田井深测试中的液面波形模糊识别方法,其特征在于:候选液面的各个参数包括波形幅度、重复性、两个通道波形相似性以及两个通道波形相关性这四个参数。
3.根据权利要求2所述的在气田井深测试中的液面波形模糊识别方法,其特征在于:确定波形幅度时以通道能量突出作为判断真实液面的指标,而判断某一波形能量是否突出,采用以下方法:
1)找出所有待查液面的上下峰峰值,装入数组PpvArray;
2)找出次大值SecondMaxOne;
3)将PpvArray中的值除以SecondMaxOne得到PpvRatio;
4)将PpvRatio按“公式1”转为隶属度:
PpvMsd(PpvRatio)=1-e-1.2*(PpvRatio)-------------------------(1)。
4.根据权利要求2所述的在气田井深测试中的液面波形模糊识别方法,其特征在于:液面重复性的隶属度按照如下公式计算:
RptMsd(repeat)=1-1.5e-1.2*(repeat)-------------------------(2)。
5.根据权利要求2所述的在气田井深测试中的液面波形模糊识别方法,其特征在于:计算两个通道波形相似性隶属度时的计算公式为:
式中:
根据施瓦兹(Schwartz)不等式可知,0≤r≤1,因此对于相似性的隶属度即为:
CorMsd(cor)=r-------------------------(4)。
6.根据权利要求2所述的在气田井深测试中的液面波形模糊识别方法,其特征在于:两个通道波形相关性隶属度采取以下方式计算:
1)找出所有待查液面在对应液面位置映射上的峰值,装入数组RxxArray;
2)找出次大值SecondMaxOne;
3)将RxxArray中的值除以SecondMaxOne得到RxxRatio;
4)将RxxRatio按“公式5”转为隶属度:
RxxMsd(RxxRatio)=1-e-1.2*(RxxRatio)-----------------(5)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610780178.1A CN106291710B (zh) | 2016-08-31 | 2016-08-31 | 在气田井深测试中的液面波形模糊识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610780178.1A CN106291710B (zh) | 2016-08-31 | 2016-08-31 | 在气田井深测试中的液面波形模糊识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106291710A true CN106291710A (zh) | 2017-01-04 |
CN106291710B CN106291710B (zh) | 2019-08-27 |
Family
ID=57673205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610780178.1A Active CN106291710B (zh) | 2016-08-31 | 2016-08-31 | 在气田井深测试中的液面波形模糊识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106291710B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107355216A (zh) * | 2017-06-30 | 2017-11-17 | 中国电子科技集团公司第三十三研究所 | 一种基于回波相关的油井动液面波识别方法 |
CN117514148A (zh) * | 2024-01-05 | 2024-02-06 | 贵州航天凯山石油仪器有限公司 | 一种基于多维可信度融合的油气井动液面识别诊断方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090276157A1 (en) * | 2008-05-01 | 2009-11-05 | Chevron U.S.A. Inc. | System and method for interpretation of well data |
CN101769148A (zh) * | 2009-12-24 | 2010-07-07 | 中国石油大学(华东) | 海上油田开发生产系统分布式模拟方法 |
CN102146791A (zh) * | 2011-05-24 | 2011-08-10 | 中国科学院声学研究所 | 一种油井动液面测量方法及其测量装置 |
-
2016
- 2016-08-31 CN CN201610780178.1A patent/CN106291710B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090276157A1 (en) * | 2008-05-01 | 2009-11-05 | Chevron U.S.A. Inc. | System and method for interpretation of well data |
CN101769148A (zh) * | 2009-12-24 | 2010-07-07 | 中国石油大学(华东) | 海上油田开发生产系统分布式模拟方法 |
CN102146791A (zh) * | 2011-05-24 | 2011-08-10 | 中国科学院声学研究所 | 一种油井动液面测量方法及其测量装置 |
Non-Patent Citations (2)
Title |
---|
吴新杰 等: "基于分形模糊控制滤波处理油井液面深度信号的方法", 《传感技术学报》 * |
林立星: "声波法测油井动液面信号辨识技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107355216A (zh) * | 2017-06-30 | 2017-11-17 | 中国电子科技集团公司第三十三研究所 | 一种基于回波相关的油井动液面波识别方法 |
CN117514148A (zh) * | 2024-01-05 | 2024-02-06 | 贵州航天凯山石油仪器有限公司 | 一种基于多维可信度融合的油气井动液面识别诊断方法 |
CN117514148B (zh) * | 2024-01-05 | 2024-03-26 | 贵州航天凯山石油仪器有限公司 | 一种基于多维可信度融合的油气井动液面识别诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106291710B (zh) | 2019-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10995606B2 (en) | Well integrity analysis using sonic measurements over depth interval | |
Tariq et al. | Data-driven application of MEMS-based accelerometers for leak detection in water distribution networks | |
US20190203585A1 (en) | Wellbore Sand Detection Using Passive Acoustic Array | |
CN102466819B (zh) | 地震信号的频谱分析方法及装置 | |
CN106090621A (zh) | 一种基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法 | |
US11105948B2 (en) | Downhole tool analysis using anomaly detection of measurement data | |
CN107917341B (zh) | 一种输油管道泄漏检测方法及装置 | |
CN104766090A (zh) | 一种基于bemd和sofm的探地雷达数据可视化方法 | |
CN106291710A (zh) | 在气田井深测试中的液面波形模糊识别方法 | |
Jin et al. | Approximate entropy-based leak detection using artificial neural network in water distribution pipelines | |
CN112327293A (zh) | 一种基于分形特征智能学习的海面目标检测方法 | |
CN109403958B (zh) | 利用气测录井功率谱等效指数识别地层流体性质的方法 | |
CN106951822A (zh) | 一种基于多尺度稀疏保持投影一维距离像融合识别方法 | |
Wang et al. | Cumulative absolute velocity prediction for earthquake early warning with deep learning | |
KR102373480B1 (ko) | 매설 배관의 누수 예측 방법 및 그를 위한 장치 | |
CN113343402A (zh) | 基于多层卷积稀疏编码的管道腐蚀等级评估方法 | |
US8649984B2 (en) | Process and apparatus for processing signals | |
Wu et al. | A detection and diagnosis method for tubing leakage below liquid level in gas wellbore | |
Lyu et al. | Health state inversion of Jack-up structure based on feature learning of damage information | |
CN112943224B (zh) | 稠油井动液面的计算方法 | |
Gao et al. | Acoustic Emission‐Based Small Leak Detection of Propulsion System Pipeline of Sounding Rocket | |
Elyasi et al. | A new damage index for isolated structures | |
CN112147682B (zh) | 基于贝叶斯和级数反演理论的avo反演方法及系统 | |
Silik et al. | Wavelet-based damage-sensitive features extraction | |
CN112649865B (zh) | 基于特征子波的火山岩储层识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |