CN107076872B - 光学计算装置诊断和处理 - Google Patents
光学计算装置诊断和处理 Download PDFInfo
- Publication number
- CN107076872B CN107076872B CN201480083337.1A CN201480083337A CN107076872B CN 107076872 B CN107076872 B CN 107076872B CN 201480083337 A CN201480083337 A CN 201480083337A CN 107076872 B CN107076872 B CN 107076872B
- Authority
- CN
- China
- Prior art keywords
- tool
- optical
- calibration
- sensor
- optical sensor
- 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.)
- Expired - Fee Related
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 258
- 238000012545 processing Methods 0.000 title description 10
- 238000003745 diagnosis Methods 0.000 title description 6
- 239000012530 fluid Substances 0.000 claims abstract description 110
- 230000004044 response Effects 0.000 claims abstract description 87
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000010200 validation analysis Methods 0.000 claims abstract description 39
- 238000012360 testing method Methods 0.000 claims abstract description 35
- 230000002159 abnormal effect Effects 0.000 claims abstract description 20
- 238000005067 remediation Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000009466 transformation Effects 0.000 claims description 35
- 230000003993 interaction Effects 0.000 claims description 10
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 7
- 238000012512 characterization method Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 229910000831 Steel Inorganic materials 0.000 claims description 5
- 239000010959 steel Substances 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 238000005755 formation reaction Methods 0.000 claims 1
- 230000009467 reduction Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 description 19
- 238000005553 drilling Methods 0.000 description 14
- 239000003921 oil Substances 0.000 description 13
- 239000000523 sample Substances 0.000 description 13
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 12
- 238000004519 manufacturing process Methods 0.000 description 11
- 239000000126 substance Substances 0.000 description 11
- 239000007789 gas Substances 0.000 description 10
- 230000005670 electromagnetic radiation Effects 0.000 description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 8
- 239000000203 mixture Substances 0.000 description 8
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000003786 synthesis reaction Methods 0.000 description 5
- 239000007788 liquid Substances 0.000 description 4
- 230000000704 physical effect Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 239000002002 slurry Substances 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- SNRUBQQJIBEYMU-UHFFFAOYSA-N dodecane Chemical compound CCCCCCCCCCCC SNRUBQQJIBEYMU-UHFFFAOYSA-N 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- UWJJYHHHVWZFEP-UHFFFAOYSA-N pentane-1,1-diol Chemical compound CCCCC(O)O UWJJYHHHVWZFEP-UHFFFAOYSA-N 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- RYHBNJHYFVUHQT-UHFFFAOYSA-N 1,4-Dioxane Chemical compound C1COCCO1 RYHBNJHYFVUHQT-UHFFFAOYSA-N 0.000 description 1
- BVPWJMCABCPUQY-UHFFFAOYSA-N 4-amino-5-chloro-2-methoxy-N-[1-(phenylmethyl)-4-piperidinyl]benzamide Chemical compound COC1=CC(N)=C(Cl)C=C1C(=O)NC1CCN(CC=2C=CC=CC=2)CC1 BVPWJMCABCPUQY-UHFFFAOYSA-N 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 125000003118 aryl group Chemical group 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 239000001273 butane Substances 0.000 description 1
- 238000011088 calibration curve Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- XXQCMVYBAALAJK-UHFFFAOYSA-N ethyl n-[4-[benzyl(2-phenylethyl)amino]-2-(2-phenylethyl)-1h-imidazo[4,5-c]pyridin-6-yl]carbamate Chemical compound N=1C=2C(N(CCC=3C=CC=CC=3)CC=3C=CC=CC=3)=NC(NC(=O)OCC)=CC=2NC=1CCC1=CC=CC=C1 XXQCMVYBAALAJK-UHFFFAOYSA-N 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- IJDNQMDRQITEOD-UHFFFAOYSA-N n-butane Chemical compound CCCC IJDNQMDRQITEOD-UHFFFAOYSA-N 0.000 description 1
- OFBQJSOFQDEBGM-UHFFFAOYSA-N n-pentane Natural products CCCCC OFBQJSOFQDEBGM-UHFFFAOYSA-N 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V13/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices covered by groups G01V1/00 – G01V11/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- 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
- E21B47/06—Measuring temperature or pressure
-
- 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
- E21B47/06—Measuring temperature or pressure
- E21B47/07—Temperature
-
- 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
- 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
- E21B49/081—Obtaining fluid samples or testing fluids, in boreholes or wells with down-hole means for trapping a fluid sample
- E21B49/082—Wire-line fluid samplers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/251—Colorimeters; Construction thereof
- G01N21/253—Colorimeters; Construction thereof for batch operation, i.e. multisample apparatus
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/02—Prospecting
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- General Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Geochemistry & Mineralogy (AREA)
- Environmental & Geological Engineering (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Gyroscopes (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
- Measuring Fluid Pressure (AREA)
Abstract
一种示例性方法包括使用多种参考流体对工具执行验证测试,所述工具具有安装于其中的包括一个或多个光学元件的校准后的光学传感器。可获得来自所述校准后的光学传感器的一个或多个工具传感器响应并对其进行预处理,并且可将所述一个或多个工具传感器响应与在校准期间从所述校准后的光学传感器推导出的校准后的光学传感器响应进行比较,由此检测一个或多个光学传感器异常。可利用一个或多个候选模型通过性能分析来评价所述一个或多个光学传感器异常,并且可选择替代候选模型以缓解所述一个或多个光学传感器异常。当所述替代候选模型未能缓解所述一个或多个光学传感器异常时,可寻求一个或多个补救选项。
Description
发明背景
光学计算装置,通常也称为“光学分析装置”,可用于实时地分析和监控物质。此类光学计算装置通常采用光学元件或光学处理元件,该光学元件或光学处理元件与该物质或它的样本光学地相互作用,以确定物质的一个或多个物理性质或化学性质的定量值和/或定性值。光学元件可为例如集成计算元件(ICE)芯,也称为多元光学元件(MOE),该集成计算元件芯基本上是基于光学干涉的装置,可被设计成在UV至中红外(MIR)范围的电磁谱或该区域的任何子集中在连续波长范围内操作。与物质光学地相互作用的电磁辐射改变并由ICE芯处理以能够由检测器读取,使得检测器的输出可与正分析的物质的物理性质或化学性质相关。
ICE芯通常包括多个光学层,该多个光学层由折射率和尺寸(例如,厚度)可在每个层之间变化的各种材料组成。ICE芯设计是指ICE芯的相应层的数量和厚度。这些层可策略性地安置和设定尺寸以便以不同的波长选择性地经过电磁辐射的预定部分,这些波长被配置成大体模拟与物质的感兴趣的特定物理性质或化学性质相对应的回归矢量。因此,ICE芯设计将展现出相对于波长加权的传输函数。因此,传送到检测器的ICE芯的输出光强度可与物质的感兴趣的物理性质或化学性质有关。
在制造后,并且在投入井下使用之前,每个光学计算装置必须针对现场预期会遇到的温度和压力范围而参照已知参考流体仔细校准。随后将校准后的光学计算装置作为井下工具的一部分来安装并且重新测试以验证来自光学元件的光学响应。在一些情况下,在现场测试光学计算装置时,可能会出现异常的光学响应。异常的光学响应基本上由与校准数据相比过高或过低的光学响应组成。光学响应异常可能是因为例如在高温和高压的应力下光学元件(例如,光聚焦或光准直元件)的损伤、光学紧固材料的变化引起的。光学响应异常可能是在工具服务期间替换零件后发生的,替换零件导致在制造校准和工具实施之间在光学系统部件与信号处理之间产生不一致性。光学响应异常的其他原因可能是由于井下工具中的光学计算装置的组装和/或拆卸变化造成的。
附图简述
以下附图被包含在内以示出本公开的某些方面,并且不应当被视为排他性实施方案。所公开的主题能够在形式及功能上具有相当多的修改、更改、组合和等效形式,而不脱离本公开的范围。
图1示出了可用于校准一个或多个光学元件的校准系统。
图2示出了一般变换模型框架。
图3显示了用于逆变换模型的分级结构。
图4A至图4D为将传感器轮子校准数据与工具验证数据之间的标准化光学信号响应进行比较的曲线图。
图5A和图5B为除图4A至图4D的曲线图中所示之外,还包括附加测试参考流体的数据表。
图6为用于通过基于模型的工具验证测试进行光学传感器诊断的方法的示意性流程图。
图7A至图7D为示出了具有来自相同光学传感器的不同数量的信道输人的候选模型的相对预测变化的曲线图。
图8为钻探系统。
图9为钢丝绳系统。
具体实施方式
本公开涉及光学计算装置,并且更具体地讲,涉及用于校准使用了光学元件的光学计算装置或光学传感器的系统和方法。
本文所述的实施方案提供了基于从工具验证测试和现场测试中获得的光学传感器响应和性能度量而检测光学传感器异常的新方法。目前描述的方法使用与光学传感器相关的光学信道的验证后的输入而改进了实时软件预测。更具体地讲,提供基于变量输入模型的性能评价方法进行光学传感器诊断,这些光学传感器诊断可应用于压力-体积-温度(PVT)表征、光学传感器制造校准、工具验证测试和现场数据后处理。因此,可大体消除与使用非线性建模框架相关的复杂的不确定性分析的需要。本文所述的方法可在允许操作员检测并解决光学传感器异常时证明是有利的并且在需要时实现有关重新校准或光学元件更换的决策。
术语“光学计算装置”和“光学传感器”在本文中可互换使用并且一般是指一种传感器,该传感器被配置成接收已经与物质相互作用的电磁辐射的输入并且从布置在光学计算装置内或另外形成光学计算装置的一部分的光学元件产生电磁辐射的输出。处理元件可以是例如集成计算元件(ICE芯),也称为多元光学元件(MOE)。在现场使用之前,必须校准光学计算装置和其中采用的每个光学元件,使得它们各自能够一旦暴露于井下条件即有效地操作。如果它们未正确地校准,那么从每个光学元件推导出的所得传输函数可一旦光学元件被部署,即为井操作员提供不准确的测量值。
图1示出了可用于校准光学传感器中所用的一个或多个光学元件的示例性制造校准系统100。如图所示,系统100可包括测量系统102,该测量系统与有待校准的一个或多个光学元件104(示为104a,104b,104c…104n)光学通信。每个光学元件104a-n可以是光学带通滤波器,也可以是多元光学元件/集成计算元件(例如,ICE芯)。测量系统102可使具有不同化学组成和性质(即,甲烷浓度、饱和物浓度、油气比或“GOR”等)的一种或多种参考流体在温度、压力和密度的广泛变化的校准条件下流通穿过视细胞106,使得可在这样的条件下结合每个光学元件104a-n对每种参考流体进行光学传输和/或反射测量。
测量系统102可包括光学压力-体积-温度(PVT)仪器,并且在测量系统102中流通的参考流体可包括在井下应用中通常会遇到的代表性流体。系统100可在不同的校准条件下,针对每种指定参考流体而从每个光学元件104a-n收集输出信号。在一些情况下,参考流体可包括易于操作以用于制造校准的七种代表性流体,即十二烷、氮、水、甲苯、1-5戊二醇和两种液体原油或无气体浓度的流体(例如,死油)。用作参考流体的原油储层油可为例如全球石油库13(或“GOL13”)和全球石油库33(或“GOL33”)。在其他情况下,参考流体可包括与死油和烃类气体诸如甲烷混合的活油的样品以及烃气和/或CO2的样品。光学传感器的制造校准可满足检测器输出重新缩放或仪器标准化的需要。
测量系统102可在跨越不同校准条件的若干设置点上改变每种参考流体。为了实现这一点,如图所示,测量系统102可包括液体装料系统108、气体装料系统110、温度控制系统112和压力控制系统114。液体装料系统108将流体注入流体回路中以产生流体变化扰动,使得校准光学元件104a-n将结合有特定参考流体中发现的所有期望化合物。气体装料系统110可将已知气体(例如,N2、CO2、H2S、甲烷、丙烷、乙烷、丁烷和它们的组合等)注入流通的参考流体中。温度控制系统112可改变参考流体的温度以模拟光学元件104a-n可能在井下遇到的若干温度设置点。最后,压力控制系统114可改变参考流体的压力以模拟光学元件104a-n可能在井下遇到的若干压力设置点。
视细胞106流体地耦接到每个系统108、110、112和114,以允许参考流体流过其中并且在连续的闭环流体回路中流通回到系统108、110、112和114中的每一者。在流通通过视细胞106后,光源116发出电磁辐射118,该电磁辐射通过视细胞106以及流过其中的参考流体。当电磁辐射118通过视细胞106时,电磁辐射118与参考流体光学地相互作用并且生成样品相互作用光120,样品相互作用光120包括关于在给定校准条件或设置点流通穿过测量系统102的特定参考流体的光谱数据。可将样品相互作用光120朝向光学元件104a-n引导,这些光学元件如图所示可布置在或另外设置在被配置成沿方向A旋转的传感器轮子122上。虽然示为在传感器轮子122上布置在单一环中,但光学元件104a-n可在滤波器轮子122上替代地布置在两个或更多个环中。
在校准期间,传感器轮子122可以预定频率旋转,使得每个光学元件104a-n可与样品相互作用光120光学地相互作用短时间并且顺序地产生传送到检测器126的光学上相互作用的光124。检测器126一般可表征为光学换能器并且可包括但不限于热检测器(例如,热电堆)、光声检测器、半导体检测器、压电检测器、电荷耦合装置(CCD)检测器、视频或阵列检测器、分裂式检测器、光子检测器(例如,光电倍增管)、光电二极管和它们的任意组合。一旦从每个光学元件104a-n接收到光学相互作用光124的单独检测光束,检测器126即可生成对应的响应信号128或另外将这些响应信号传送到数据采集系统130。数据采集系统130可时分多路传输从检测器126接收的与每个光学元件104a-n相对应的每个响应信号128。随后生成所得输出信号132的对应集合并传送到数据分析系统134,以用于在使用每个光学元件104a-n的输出作为候选变量的情况下,处理并提供各种流体预测性模型所用的输入参数。
一旦传感器轮子122被校准,随后即可将一个或多个校准后的传感器轮子122利用其它系统部件安装在光学工具上并且另外放置在光学计算装置中用于进行组装验证测试。为了验证安装在光学计算装置中的光学工具的光学响应,可将光学计算装置放置在调节环境温度和压力的炉中。随后可使用于校准传感器轮子122的参考流体在用于校准光学元件104a-n的类似设置点处选择性地流通通过光学工具。更具体地讲,可使参考流体在各个设置点井下条件(即,升高的压力和温度)下流通通过光学工具以获得测量的光学响应。
尽管使用参考流体对传感器轮子104a-n的制造校准是在真实的光学传感器或工具参数空间执行的,但使用标准石油库中的大数据实现的流体光谱分析和流体预测性模型校准是在合成光学传感器参数空间(也称为光学PVT数据空间)中执行的。将每个元件的合成传感器响应计算为流体光谱法的全波长范围与由光源激发的传感器元件光谱的点积,这可能由于在计算合成传感器响应和真实系统具体实施的过程中所使用的数学近似法之前的差异而与实际传感器响应相比依比例非线性地或线性地变化。为了补偿上述差异,可在应用流体预测性模型之前将来自光学工具的测量数据通过数据映射或标准化算法从工具参数空间变换到合成传感器参数空间。而且,可将流体预测性模型利用不同的合成光学输入进行校准并且保存在光学流体模型库中以在处理数据变化的不确定性并且改进地层流体组成分析和现场数据插值时提供充分性和自适应性。
在当前实践中,光学流体模型库是取决于传感器的,包括数据变换(即,标准化)模型和性质预测性模型。为了对光学数据处理和解释提供充分的灵活性,光学流体模型库包括以下候选组成部分:通过逆变换而针对选定参考流体进行校准的变换模型;通过向前变换而针对选定参考流体进行校准的变换模型;以及针对光学PVT数据库和传感器轮子122的数据空间进行校准的预测性模型。
使用选定参考流体进行的变换模型开发需要将光学PVT数据空间中模拟的和传感器轮子122数据空间中测量的光学传感器响应的校准数据对相匹配。在光学PVT数据空间中,参考流体上的模拟传感器响应在理想的温度和压力设置点下可用。传感器轮子122的测量的光学响应可在制造校准期间实现微小的温度和压力变化。通过使用实际温度和压力作为输入而通过二维插值获得匹配的变换数据对以在对应的测量条件下生成模拟的传感器响应。取决于其中流体性质预测性模制得到校准的数据空间,数据变换模型将测量的或模拟的光学传感器输出从一个数据空间转换成另一个数据空间。图2示出了一个这样的变换。
更具体地讲,图2示出了具有可由图1的数据分析系统134应用于光学响应的多输入、多输出神经网络的一般变化模型框架的一个实施方案。将实际光学传感器响应信道(SW/Ch01-Ch0n)转换成模拟的光学PVT传感器信道(PVT/Ch01-Ch0n)的模型可称为逆变换模型。将光学传感器响应转换成模拟的光学PVT传感器响应的模型可称为向前变换模型。虽然图2所示的一般变换模型框架被配置成具有多输入/多输出非线性神经网络,但在使用具有单输入/单输出和多输入/单输出配置的其他非线性和线性变换算法时并无限制。
图3示出了用于逆变换模型302的分级结构的一个实施方案。变换模型302的变化可包括在单一模型中转换每个光学传感器的光学信道304、在若干基于检测器的模型306中转换分离的光学信道或在不同的单个模型中每次仅转换感兴趣的选定信道308。与单一模型具体实施相比,多模型选相关可在光学信道中的一个或多个作为变换输入遇到问题的情况下改进输出(即,变换)参数域中的数据构造的可靠性。参考流体块310至320,在分级结构的底部并且在耦接到各个信道304至308的情况下,表示可基于不同参考流体而构造的变换模型(例如,最少数量的参考流体310、314、318和扩展参考流体312、316、320)。最少数量的参考流体可以是指以上论述的七种代表性流体。这些参考流体出于测试目的使用安全且易于清洁,并且它们的光学传感器响应一般在数据范围内具有良好的覆盖率作为现有光学PVT数据库中不同流体的代表。扩展参考流体通常包括一种或多种流体诸如活油和/或气体,以使得变换模型覆盖较宽范围并且更为稳健。
逆变换模型被设计成将工具测量值转换成光学PVT数据空间,然后再应用对所述数据空间校准的预测性模型。向前变换模型可用于将光学PVT数据库的模拟光学传感器响应的整个集合转换成光学传感器/工具域,然后再开发关于该域的预测性模型。在图2中可以看到,可通过切换神经网络模型的输入和输出来形成向前变换模型。换言之,使用光学PVT合成信道响应作为输入,并且使用测量的传感器轮子信道响应作为输出。随后可将神经网络限于校准向前变换算法。
可以理解,用于如图3所示的逆变换模型302的分级结构也可应用于向前变换模型。在开发了向前变换模型之后,该向前变换模型可用于将整个光学PVT数据库中的全球样品的合成传感器响应转换成工具数据空间。随后,可在工具数据空间中校准流体性质预测性,并且正在现场数据处理中不需要另外的变换,因为来自工具的测量的光学响应可作为模型输入直接用于流体组成分析。与逆变换相比,该逆变换每次应用在线工具数据转换,然后再进行流体预测,向前变换通常仅应用单次离线来转换光学PVT传感器响应用于流体预测模型开发。
通过向从光学传感器推导出的光学响应应用变换模型,可将光学传感器考虑为针对使用进行校准并且准备在任意数量的井下工具或“工具”中进行验证测试。在工具验证测试期间,可将一个或多个校准后的光学传感器安装在将引入井下的工具中,以使用校准后的光学传感器获得井筒测量值。在一些实施方案中,如下所述,工具可形成钻探操作中所使用的井底钻具组合件的一部分。在这样的实施方案中,工具可包括多个不同类型的工具包括MWD(随钻测量)工具、LWD(随钻测井)工具等等中的任一个。然而,在其他实施方案中,工具可用于钢丝绳操作中并且另外形成钢丝绳测井工具的一部分,诸如探针或探头,有待由钢丝绳或测井电缆下降到井孔中以获得测量值。
一旦校准后的光学传感器被安装在工具中,即可将各种参考流体在用于校准光学传感器的相同设置点(即,升高的压力和温度)下通过工具送入。在一些情况下,可在实验室设施处进行工具验证测试。在这样的情况下,可使用用于校准光学传感器的相同参考流体。然而,在其他情况下,或除了实验室测试外,可现场进行工具验证测试,诸如在在钻机或井口安装处,在那里工具有待用于井筒操作。在这样的情况下,可使用有限数量的参考流体,诸如水和氮。可通过使用校正工具验证过程的变换模型(即,逆变换、向前变换等)来标准化验证测试期间从工具推导出的光学响应。随后可将光学响应与校准后的光学传感器的光学响应进行比较。
在一些情况下,可在校准光学传感器时获得的响应与工具验证测试期间获得的响应之间检测到光学传感器异常。关于传感器(并不限于光学传感器)异常检测的典型实践用于基于统计分析来对输出信号设置阈值。对于具有有限数量的输出信道的单个或多个输出传感器,如果目标分析物的直接测量或通过线性变换对目标的预测,那么应用标准是简单的。可经由误差分布/变换分析来评价信号异常对模型预测的影响。对于多输出传感器,诸如图1的传感器轮子122和本文所述的相关光学传感器,可观察到信号强度的偏移,但很难确定公差。这是因为特定信道响应对校准模型的影响取决于该输入对目标分析物的重要性。当使用了具有多信道输入的非线性预测性模型诸如多层神经网络时,这尤其真实。
图4A至图4D为在工具已用光学传感器组装后比较光学传感器校准数据与工具验证数据之间的标准化光学信号响应的曲线图。如图所示,图4A示出了考虑到储层流体(例如,GOL33)作为参考流体的比较,图4B示出了考虑到水作为参考流体的比较,图4C示出了考虑到甲苯作为参考流体的比较,并且图4C示出了氮作为参考流体的比较。每个曲线图表示从三十二个信道获得的光学响应,这些光学响应对应于传感器轮子(例如,图1的传感器轮子122)的三十二个光学元件。每个曲线图中的第一曲线402表示在验证测试期间从工具获得的光学信号响应,并且每个曲线图中的第二曲线404表示从校准后的光学传感器获得的光学信号响应。第一曲线402与第二曲线404之间的差表明潜在的光学传感器异常。
继续参考图4A至图4D,图5A和图5B为考虑到七种参考流体而对每个信道上的信号强度的相对差提供计算的数据表,包括图4A至图4D的曲线图中所示的数据表。更具体地讲,图5A和图5B中的表示出从关于油/GOL13、油/GOL33、水(H2O)、甲苯(TOL)、戊二醇(PEN)、十二烷(DOD)和氮(N2)的CH01-Ch32中获得的测试数据。可以观察到,相同信道上的标准化检测器输出的相对差可能是显著的,尤其是在这些信道上的数据的动态范围较小的情况下。然而,光学元件的重新校准或光学传感器中光学元件的更换可能不是必要的也不是推荐的,因为光学传感器通常被配置为具有冗余的光学元件并且如上所述,预测性模型可利用可变光学传感器响应来校准,以使得后处理中流体性质的可预测性的可能最大化。
根据本公开,本文描述了有助于检测偏离在光学传感器校准期间从校准后的光学传感器推导出的光学响应的光学传感器异常并且在工具验证测试期间评价性能测量值的影响的方法。参考图6,显示了根据一个或多个实施方案的用于通过基于模型的工具验证测试进行光学传感器诊断的方法600的示意性流程图。根据方法600,在602处,可使用多种参考流体对工具进行验证测试。工具的验证测试可类似于以上参考工具验证测试描述的过程。更具体地讲,在光学传感器已安装在工具内后,各种参考流体可在一个或多个校准设置点流通穿过工具。光学传感器可包括一个或多个光学元件并且校准设置点可与先前用于校准光学传感器和一个或多个相关光学元件的校准设置点类似。因此,校准设置点可包括特定温度和压力设置点以测试工具。
在604处,由于工具验证测试,可获得来自安装在工具中的光学传感器的工具传感器响应并对其进行预处理。获得并预处理光学传感器响应可包括引导光与参考流体相互作用以产生相互作用的光,将相互作用的光朝向一个或多个光学元件传输,并且在一个或多个光学元件上生成检测器响应作为工具传感器响应。随后可对测量的工具传感器响应基线校正并标准化,并且可将标准化工具传感器响应从井下工具数据空间转换成校准数据空间。
更具体地讲,可通过从每个光学信道中去除基线信道的信号来执行对光学传感器响应的数据预处理。随后可将每个光学信道上的基线校正后的检测器响应除以中性密度信道的光强度以获得标准化信号响应。工具的标准化信号响应通过图4A至图4D中关于四种参考流体的第一曲线402来表示。如上文所指出,图4A至图4D的每个曲线图中的工具验证数据相对于制造校准期间来自光学传感器的测量值并且在工具组装之前进行绘制。在相同的多个温度和压力设置点下收集工具验证和先前光学传感器校准数据以进行比较。
在606处,所述方法可进一步包括将来自工具的一个或多个工具传感器响应与在校准期间从光学传感器推导出的校准后的光学传感器响应进行比较。如上所述,图5A和图5B的数据表提供针对示例性光学传感器的光学传感器校准与工具验证之间的标准化信号响应的计算后的相对差。相对差的计算可基于每种参考流体的在多个设置点内求平均的标准化测量值的平均值,并且除以每个光学信道的整个校准流体的信号强度的全范围。例如,图5A的数据表中,可以观察到的是,信道Ch03、Ch04和Ch06各自展现与其他信道相比,校准和工具验证数据的较大的百分数差。然而,它们对未来工具应用的影响可能很难在使用工具验证数据输入评价具有相关模型的预测流体性质之前确定。
在608处,随后可利用候选模型通过性能分析来评价工具光学传感器响应于校准后的光学传感器输出之间的差的影响。利用工具验证数据进行的性能分析可与仪器标准化模型和流体表征模型的使用相关,一般如上文所述。当利用光学PVT型数据库而不是在实际光学传感器或工具参数空间中校准流体性质预测性模型时,可能需要仪器标准化算法或逆变换算法。在性能分析中,来自工具的标准化光学响应可用作非线性或线性标准化模型的输入,该非线性或线性标准化模型是取决于传感器的,以将每个光学信道上的实际光学传感器响应转换成与流体性质预测性模型的校准数据库相兼容的标准合成传感器响应。随后可将验证参考流体上的变换的光学响应作为候选输入用于模型库中的各种校准模型以预测多个流体性质。
可构造校准模型库,这样使得可根据一系列(小到大)的输入(即,光学信道)来预测每个流体性质。模型库还可包括分别针对冗余光学元件和非同一光学元件校准的模型。当在特定光学信道上检测到异常信号响应时,这可能会影响仅来自该光学信道的相关模型预测。如果校准输入排除掉有问题的光学信道,则其他候选模型可能受影响较小。例如,传感器轮子可具有两个GOR光学元件(例如,ICE芯),其中分别在外环和内环上安装不同的设计用于气/油比预测。第一候选模型可包括第一光学元件信道相应作为输入以进行预测。第二候选模型可使用第二光学元件信道输入,并且第三候选模型可使用这两者。为了表征每个流体性质,将候选预测性模型使用有系统的逐步输入选择算法而利用神经网络来校准,并且保存在传感器模型中用于以不同的水平进行验证分析。
图7A至图7D为示出了在来自同一光学传感器的不同数量的信道输入的情况下,关于甲烷(图7A)、芳香剂(图7B)、饱和物浓度(图7C)和气/油比(图7D)的候选模型的相对预测变化的曲线图。相对预测变化为模型预测与真实目标之间的均方根(RMS)误差除以石油库中的每个特定流体性质的动态范围。如图所示,在每个曲线图中存在三条曲线。第一曲线702表示使用合成传感器响应而对光学PVT数据库中的整个流体样品进行评价的校正标准误差(SEC)。预测可能仅利用候选流体表征模型来处理。第二曲线704表示在对图5A和图5B的数据表中所列的参考流体进行的制造校准期间所获得的实际光学传感器响应。这些光学输入首先利用仪器标准化模型进行处理,然后再用作各种流体预测性模型的输入。第三曲线706是使用相同参考流体而根据工具验证响应计算出的,用于通过预先校准的仪器标准化算法和流体表征算法进行制造校准。
应当指出的是,第一曲线702和第二曲线704在开发流体表征和仪器标准化模型的过程中包括校准曲线。当对训练数据进行评价时,用于PVT校准和用于光学传感器校准的SEC通常较小。第三曲线706在诊断分析中可以证明是有利的,因为它通过一系列非线性或线性转移函数显示了有问题的光学信道输入对最终预测变化的影响。尽管在606处,信道Ch03、Ch04和Ch06可因为将相对输出信号差进行比较而是有疑问的,但在图7A至图7D的每个曲线图中,存在多个候选模型,其中针对工具测试的百分数SEC小于10%。对于该实例,现有光学传感器模型库中的验证后的候选模型能够补偿通过工具系统引发的所有不确定性并且生成可接受的预测。可以理解,这些候选模型可在具有验证后的流体性质的现场数据变得可用时进一步测试。
再次参考图6的方法600,如果可通过切换到替代候选模型来解决光学传感器异常,那么无需重新校准光学传感器。换言之,在610处,方法600可进一步包括一旦检测到光学传感器异常,即选择替代候选模型。然而,如果具有现有仪器标准化算法和流体表征算法的工具验证变化不能满足期望,那么可以寻求一个或多个补救选项。因此,在612处,所述方法可任选地包括当替代候选模型未能校正光学传感器异常时,寻求一个或多个补救选项。
补救选项可包括不需要在光学传感器进行光学部件更换的各种选项。不需要进行光学部件更换的一个合适的选项包括使用受影响较小的光学信道作为输入来重建流体预测性模型。这可通过移除异常光学信道并且随后通过向后逐步输入选择或向前逐步输入选择而使用剩余可用光学信道来重建候选模型库,同时使仪器标准化模型保持不变。不需要进行光学部件更换的另一个合适的选项包括重建仪器标准化模型。在这种方法中,仪器标准化模型的输入可以是在移除了有疑问的光学信道的情况下,从工具验证测试或光学传感器校准数据中获得的整个工具响应数据,同时使流体预测性模型保持不变。另一个合适的选项包括开发新的模型以通过在特定光学信道上生成线性或非线性映射函数而补偿光学传感器制造校准与工具验证之间的信号差,其中工具验证测试数据与光学传感器验证数据之间的相对差较大。在这种方法中,基于传感器的仪器标准化模型和流体预测性模型两者均可保持不变。
612的补救选项可进一步包括需要在光学传感器中进行光学部件更换的各种选项。需要进行光学部件更换的一个合适的选项包括针对特定传感器将异常光学元件更换为新的光学元件。随后可在工具组装后,通过工具验证测试收集对参考流体的光学传感器响应。在这样一个补救选项中,仅需要更新与特定光学元件或光学传感器相关的仪器标准化模型。需要进行光学部件更换的另一个合适的选项包括从工具中移除性能退化的传感器轮子,并且将它更换为最近校准后的传感器轮子(包括相关的光源和部件)。随后可进行工具验证测试。在这样一个补救选项中,仅需要更新仪器标准化模型和与特定光学传感器相关的流体预测性模型。
参考图8,示出了可采用本公开的一个或多个原理的示例性钻探系统800。可通过使用钻探系统800钻入地面802中来形成钻孔。钻探系统800可被配置成驱动定位或以其他方式布置在钻柱806底部的井底钻具组合件(BHA)804从布置在表面810上的井架808延伸到地面802中。井架808包括方钻杆812以及用于降低和升高方钻杆812和钻柱806的动滑块813。
BHA 804可包括可操作地耦接到下井仪器串816的钻头814,下井仪器串816可在附接到钻柱806时在钻探后的井筒818内轴向地移动。在操作期间,钻头814穿透地面802并且由此形成井筒818。BHA 804在钻头814行进到地面802中时提供钻头814的定向控制。下井仪器串816可以半永久性地安装有各种测量工具(未示出),诸如但不限于随钻测量(MWD)和随钻测井(LWD)工具,这些测量工具可被配置成获得钻井条件的井下测量值。在其他实施方案中,测量工具可自动包含在下井仪器串816内,如图1所示。
来自泥浆罐820的流体“泥浆”可使用由相邻电源诸如原动力或马达824供电的泥浆泵822泵送到井下。泥浆可从泥浆罐820通过立管826泵送出来,立管将泥浆馈送到钻柱806中并将所述泥浆传送到钻头814。泥浆离开布置于钻头814中的一个或多个喷嘴并且在该过程中冷却钻头814。在离开钻头814后,泥浆经由井筒818与钻柱806之间所限定的环形空间流通回到表面810,并且在该过程中使钻屑或碎屑返回到表面。使钻屑和泥浆混合物通过流线828并且进行处理以使得清洁后的泥浆再一次穿过立管826回到井下。
BHA 804可进一步包括可与本文所述的井下工具类似的井下工具或“工具”830。更具体地讲,工具830可具有布置于其中的校准后的光学传感器,并且工具830可能已在使用本文大体描述的工具验证测试而引入井筒818中之前来校准。此外,在被引入井筒818中之前,工具830可能已通过遵循图6的方法600来优化。
参考图9,示出了可采用本公开的一个或多个原理的钢丝绳系统900。在井筒818的钻探期间,可能期望了解所遇到的地层流体的类型。系统900可包括形成钢丝绳测井操作的一部分的井下工具或“工具”902,井下工具或“工具”902可包括如本文所述的一个或多个光学传感器904作为井下测量工具的一部分。系统900可包括支撑动滑块813的井架808。钢丝绳测井工具902,诸如探针或探头,可通过钢丝绳或测井电缆874下降到钻孔812中。工具902可下降到感兴趣区域的底部并且随后以大致恒定速度向上拉。工具902可被配置为测量井筒流体的流体性质,并且可将由工具902及其相关光学传感器904生成的测量数据传递到表面测井设置908用于存储、处理和/或分析。测井设施908可被提供有电子设备910,包括用于进行各种类型的信号处理的处理器。
因此,所公开的系统和方法良好适合于获得所提到的目标和优势以及本发明固有的那些目标和优势。以上公开的特定实施方案仅是说明性的,因为本公开的教导内容可以对受益于本文中教导内容的本领域技术人员明显的不同但等效的方式来修改和实践。另外,除非所附权利要求书中另有描述,否则无意限制本文所示的构造或设计的细节。因此明显的是以上公开的特定例示性实施方案可被改变、组合或修改,并且所有此类变化被认为在本公开的范围内。本文中说明性公开的系统和方法可在缺少本文中未特定公开的任何要素和/或本文中所公开的任何任选要素的情况下得以适当实践。虽然组合物和方法在“包括”、“含有”或“包括”各种组分或步骤方面来描述,但是组合物和方法还可“基本上由各种组分和步骤组成”或“由各种组分和步骤组成”。上文所公开的所有数字和范围可变化某一量。每当公开具有下限和上限的数字范围时,就明确公开了落在范围内的任何数字和任何包括的范围。具体地说,本文中所公开的值的每个范围(形式为“约a至约b”,或等效地“大致a至b”,或等效地“大致a-b”)应理解为阐述涵盖在值的较宽范围内的每个数字和范围。另外,除非专利权所有人另外明确地和清楚地定义,否则权利要求书中的术语具有其一般的普通含义。此外,如权利要求中使用的不定冠词“一(a或an)”在本文中被定义来意指它所介绍的一个或多个元件。如果本说明书和可能以引用的方式并入本文中的一个或多个专利或其它文件中词或术语的使用存在任何冲突,应采用与本说明书一致的定义。
如本文所使用的,在一系列项之前的短语“至少一个”,以及用于分开所述项中的任何一个的术语“和”或“或”作为整体修改列表,而不是所述列表中的每一个成员(即,每个项)。短语“至少一个”允许意指包括项目中的任一个的至少一个,和/或项目的任何组合的至少一个,和/或项目中的每一个的至少一个。以举例的方式,短语“A、B和C中的至少一个”或“A、B或C中的至少一个”各自指代仅A、仅B、或仅C;A、B和C的任何组合;和/或A、B和C中的每一个的至少一个。
Claims (23)
1.一种用于光学计算装置诊断和处理的方法,包括:
对工具执行验证测试,所述工具具有包括一个或多个光学元件的校准后的光学传感器,其中,执行所述验证测试包括:
在用于在光学传感器校准期间对所述校准后光学传感器进行校准的一个或多个校准设置点处计算通过所述工具的多种参考流体;以及
在所述一个或多个校准设置点处从每个光学元件的光学信道收集光学传感器响应,并藉此获得一个或多个工具传感器响应;
获得所述一个或多个工具传感器响应并进行预处理;
将所述一个或多个工具传感器响应与在所述光学传感器校准期间从所述校准后的光学传感器推导出的校准后的光学传感器响应进行比较,并且响应于所述一个或多个工具传感器响应与所述校准后光学传感器响应之间的差而检测一个或多个光学传感器异常;
利用一个或多个候选模型通过性能分析来评价所述一个或多个光学传感器异常;以及
选择替代候选模型以缓解所述一个或多个光学传感器异常。
2.如权利要求1所述的方法,其中所述一个或多个校准设置点包括用于校准所述校准后的光学传感器的相同数量或数量减少的特定温度和压力设置。
3.如权利要求1所述的方法,其中获得来自所述校准后的光学传感器的一个或多个工具响应并进行预处理包括:
引导光与所述多种参考流体相互作用以产生相互作用的光;
将所述相互作用的光作为能量朝向所述校准后的光学传感器的所述一个或多个光学元件传输;
在所述一个或多个光学元件上生成检测器响应作为所述一个或多个工具传感器响应,其中所述一个或多个工具传感器响应被基线校正并标准化以提供标准化工具传感器响应;以及
将所述标准化工具传感器响应从工具数据空间转换成校准数据空间。
4.如权利要求1所述的方法,其中比较所述一个或多个工具传感器响应与校准后的光学传感器响应包括:
在所述校准后的光学传感器的所述光学传感器校准期间计算每个光学元件的光学信道的标准化信号响应以获得标准化光学传感器信号响应;
在所述工具的验证测试期间计算每个光学元件的光学信道的标准化信号响应以获得标准化工具传感器响应;
在一个或多个温度和压力校准设置点下对所述标准化光学传感器信号响应求平均;
在所述一个或多个温度和压力校准设置点下对所述标准化工具传感器响应求平均;以及
相对于每个信道上的光学传感器校准数据的全动态范围而计算所述标准化光学传感器信号响应与所述标准化工具传感器响应之间的百分数差。
5.如权利要求1所述的方法,其中利用候选模型通过性能分析来评价所述一个或多个光学传感器异常包括:
在所述工具的验证测试期间计算每个光学元件的光学信道的标准化信号响应以获得标准化工具传感器响应;
将所述标准化工具传感器响应提供到至少一个仪器标准化模型中;
使用所述至少一个仪器标准化模型变换的工具传感器响应作为预先校准的流体表征模型的候选输入;
利用不同数量的输入来预测所述多种参考流体的流体性质;以及
确定是否需要一个或多个补救选项来缓解所述一个或多个光学传感器异常。
6.如权利要求5所述的方法,其中确定是否需要所述一个或多个补救选项包括使用所述不同数量的输入将工具测试的相对预测变化与针对每种流体性质的光学传感器校准和光学压力-体积-温度校准的变化进行比较。
7.如权利要求1所述的方法,进一步包括当所述替代候选模型未能缓解所述一个或多个光学传感器异常时,寻求一个或多个补救选项。
8.如权利要求7所述的方法,其中寻求所述一个或多个补救选项包括选择并不要求更换所述一个或多个光学元件中的一个或多个的补救选项。
9.如权利要求8所述的方法,进一步包括使用受影响较小的光学信道作为输入来重建所述一个或多个候选模型。
10.如权利要求9所述的方法,其中使用受影响较小的光学信道作为输入来重建所述一个或多个候选模型包括:
移除异常光学信道;以及
通过向后逐步输入选择或向前逐步输入选择中的至少一者而使用其他可用光学信道来重建候选模型库,同时使仪器标准化模型保持不变。
11.如权利要求8所述的方法,进一步包括重建仪器标准化模型。
12.如权利要求11所述的方法,其中重建所述仪器标准化模型包括在可疑的光学信道被移除的情况下使用所述一个或多个工具传感器响应和所述校准后的光学传感器响应中的至少一者作为模型输入,同时使流体预测性模型保持不变。
13.如权利要求8所述的方法,进一步包括开发新的候选模型以补偿所述一个或多个工具传感器响应与在光学传感器校准期间从所述校准后的光学传感器推导出的所述校准后的光学传感器响应之间的差。
14.如权利要求13所述的方法,其中开发所述新的候选模型包括在光学信道上生成线性或非线性映射函数,其中所述一个或多个工具传感器响应与所述校准后的光学传感器响应之间的相对差较大,同时使基于传感器的仪器标准化模型和流体预测性模型保持不变。
15.如权利要求7所述的方法,其中寻求所述一个或多个补救选项包括选择要求更换所述一个或多个光学元件中的一个或多个的补救选项。
16.如权利要求15所述的方法,进一步包括:
仅替换所述校准后的光学传感器中的异常光学元件;以及
使用所述多种参考流体对所述工具执行新的验证测试。
17.如权利要求15所述的方法,其中所述一个或多个光学元件设置在布置于所述校准后的光学传感器内的一个或多个传感器轮子上,所述方法进一步包括替换所述工具中的所述一个或多个传感器轮子的至少一个。
18.如权利要求17所述的方法,其中替换所述一个或多个传感器轮子的所述至少一个包括:
从所述工具中移除所述一个或多个传感器轮子的所述至少一个;
将所述一个或多个传感器轮子的至少一个更换为最近校准后的传感器轮子以及相关的光源和部件;
使用所述多种参考流体对所述工具执行新的验证测试。
19.如权利要求1所述的方法,进一步包括:
将所述工具作为钻柱的一部分送入井筒中;以及
利用耦接到所述钻柱的一端的钻头钻出所述井筒的一部分。
20.如权利要求1所述的方法,进一步包括:
将所述工具作为钢丝绳系统的一部分送入井筒中;以及
测量井筒流体的一个或多个流体性质。
21.一种用于光学计算装置诊断和处理的方法,包括:
将工具引入钻入一个或多个地下地层的井筒中,所述工具先前已通过以下动作而校准进行操作:
使用多种参考流体对所述工具执行验证测试,所述工具具有安装于其中的包括一个或多个光学元件的校准后的光学传感器;
获得来自所述校准后的光学传感器的一个或多个工具传感器响应并进行预处理;
将在所述验证测试期间获得的所述一个或多个工具传感器响应与在光学传感器校准期间从所述校准后的光学传感器推导出的校准后的光学传感器响应进行比较,并且响应于它们之间的差而检测一个或多个光学传感器异常;
利用一个或多个候选模型而通过性能分析来评价所述一个或多个光学传感器异常;
选择替代候选模型以缓解所述一个或多个光学传感器异常;以及
当所述替代候选模型未能缓解所述一个或多个光学传感器异常时,寻求一个或多个补救选项;以及
在所述井筒内利用所述工具获得一个或多个井筒参数测量值。
22.如权利要求21所述的方法,其中将所述工具引入所述井筒中包括将所述工具在钢丝绳上引入所述井筒中。
23.如权利要求21所述的方法,其中将所述工具引入所述井筒中包括将所述工具作为钻柱的一部分引入所述井筒中。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2014/069935 WO2016093853A1 (en) | 2014-12-12 | 2014-12-12 | Optical computing device diagnostics and treatment |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107076872A CN107076872A (zh) | 2017-08-18 |
CN107076872B true CN107076872B (zh) | 2019-06-04 |
Family
ID=56107862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480083337.1A Expired - Fee Related CN107076872B (zh) | 2014-12-12 | 2014-12-12 | 光学计算装置诊断和处理 |
Country Status (11)
Country | Link |
---|---|
US (1) | US9612361B2 (zh) |
CN (1) | CN107076872B (zh) |
AU (1) | AU2014413609A1 (zh) |
BR (1) | BR112017009025A2 (zh) |
CA (1) | CA2966751A1 (zh) |
DE (1) | DE112014007016T5 (zh) |
GB (1) | GB2546666A (zh) |
MX (1) | MX2017006256A (zh) |
NO (1) | NO20170753A1 (zh) |
RU (1) | RU2657027C1 (zh) |
WO (1) | WO2016093853A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2544250B (en) | 2014-11-10 | 2021-01-13 | Halliburton Energy Services Inc | Systems and methods for real-time measurement of gas content in drilling fluids |
US10633970B2 (en) | 2016-08-11 | 2020-04-28 | Halliburton Energy Services, Inc. | Drilling fluid contamination determination for downhole fluid sampling tool |
US11169032B2 (en) * | 2017-04-07 | 2021-11-09 | Sercel | Gauge with adaptive calibration and method |
CN107288615B (zh) * | 2017-08-17 | 2023-05-16 | 西南石油大学 | 一种激光固相沉积仪器及其测试方法 |
WO2020009696A1 (en) * | 2018-07-03 | 2020-01-09 | Halliburton Energy Services, Inc. | Fluid optical database reconstruction methods and applications thereof |
US11467314B2 (en) | 2018-07-16 | 2022-10-11 | Halliburton Energy Services, Inc. | Optical sensor adaptive calibration |
CN109471171B (zh) * | 2018-09-21 | 2020-06-09 | 中国石油天然气集团有限公司 | 一种混叠地震数据分离的方法、装置及系统 |
RU2730367C1 (ru) * | 2019-06-10 | 2020-08-21 | Акционерное общество Московский научно-производственный комплекс "Авионика" имени О.В. Успенского (АО МНПК "Авионика") | Способ калибровки интеллектуальных датчиков |
WO2021126160A1 (en) * | 2019-12-16 | 2021-06-24 | Halliburton Energy Services, Inc. | Radiometric modeling for optical identification of sample materials |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101287890A (zh) * | 2005-08-15 | 2008-10-15 | 石油研究和发展公司 | 用于井下流体特性的光谱成像 |
CN104111484A (zh) * | 2013-04-19 | 2014-10-22 | 中国石油集团长城钻探工程有限公司 | 至少检测三维阵列感应测井仪径向线圈平面度的平台 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6703241B1 (en) * | 1999-11-15 | 2004-03-09 | Cyrano Sciences, Inc. | Referencing and rapid sampling in artificial olfactometry |
US6807324B2 (en) * | 2002-05-21 | 2004-10-19 | Weatherford/Lamb, Inc. | Method and apparatus for calibrating a distributed temperature sensing system |
WO2007005822A2 (en) * | 2005-07-01 | 2007-01-11 | Board Of Regents, The University Of Texas System | System, program products, and methods for controlling drilling fluid parameters |
CA2619317C (en) * | 2007-01-31 | 2011-03-29 | Weatherford/Lamb, Inc. | Brillouin distributed temperature sensing calibrated in-situ with raman distributed temperature sensing |
US20120323494A1 (en) * | 2007-02-20 | 2012-12-20 | Schlumberger Technology Corporation | Identifying types of sensors based on sensor measurement data |
CN101187307B (zh) * | 2007-12-14 | 2012-07-25 | 北京蔚蓝仕科技有限公司 | 用于智能井的光纤多点温度与压力测量方法及其装置 |
US20100082258A1 (en) * | 2008-09-26 | 2010-04-01 | Baker Hughes Incorporated | System and method for modeling fluid flow profiles in a wellbore |
EP2199999B1 (de) * | 2008-12-19 | 2012-05-02 | Pepperl + Fuchs GmbH | Verfahren zum Testen eines optischen Sensors und testbarer optischer Sensor |
US8832017B2 (en) * | 2010-05-01 | 2014-09-09 | Bruce W. Adams | System and method to define, validate and extract data for predictive models |
EP2668370B1 (en) * | 2011-01-28 | 2014-12-10 | Halliburton Energy Services, Inc. | Method and apparatus for evaluating fluid sample contamination by using multi sensors |
US9500583B2 (en) * | 2011-05-10 | 2016-11-22 | Li Jiang | Method and apparatus for measuring carbon dioxide dissolved in solution and wellbore monitoring systems based thereon |
US9568461B2 (en) * | 2012-12-31 | 2017-02-14 | Mastinc | Multi-modal fluid condition sensor platform and system therefor |
US9121972B2 (en) * | 2013-01-26 | 2015-09-01 | Halliburton Energy Services, Inc. | In-situ system calibration |
-
2014
- 2014-12-12 BR BR112017009025A patent/BR112017009025A2/pt not_active IP Right Cessation
- 2014-12-12 RU RU2017114500A patent/RU2657027C1/ru not_active IP Right Cessation
- 2014-12-12 WO PCT/US2014/069935 patent/WO2016093853A1/en active Application Filing
- 2014-12-12 GB GB1706006.2A patent/GB2546666A/en not_active Withdrawn
- 2014-12-12 US US14/780,780 patent/US9612361B2/en active Active
- 2014-12-12 CN CN201480083337.1A patent/CN107076872B/zh not_active Expired - Fee Related
- 2014-12-12 DE DE112014007016.5T patent/DE112014007016T5/de not_active Withdrawn
- 2014-12-12 CA CA2966751A patent/CA2966751A1/en not_active Abandoned
- 2014-12-12 AU AU2014413609A patent/AU2014413609A1/en not_active Abandoned
- 2014-12-12 MX MX2017006256A patent/MX2017006256A/es unknown
-
2017
- 2017-05-08 NO NO20170753A patent/NO20170753A1/en not_active Application Discontinuation
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101287890A (zh) * | 2005-08-15 | 2008-10-15 | 石油研究和发展公司 | 用于井下流体特性的光谱成像 |
CN104111484A (zh) * | 2013-04-19 | 2014-10-22 | 中国石油集团长城钻探工程有限公司 | 至少检测三维阵列感应测井仪径向线圈平面度的平台 |
Also Published As
Publication number | Publication date |
---|---|
AU2014413609A1 (en) | 2017-05-04 |
MX2017006256A (es) | 2017-07-31 |
NO20170753A1 (en) | 2017-05-08 |
BR112017009025A2 (pt) | 2018-02-06 |
RU2657027C1 (ru) | 2018-06-08 |
GB2546666A (en) | 2017-07-26 |
CA2966751A1 (en) | 2016-06-16 |
US20160327684A1 (en) | 2016-11-10 |
US9612361B2 (en) | 2017-04-04 |
CN107076872A (zh) | 2017-08-18 |
WO2016093853A1 (en) | 2016-06-16 |
GB201706006D0 (en) | 2017-05-31 |
DE112014007016T5 (de) | 2017-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107076872B (zh) | 光学计算装置诊断和处理 | |
US9702248B2 (en) | Optical fluid model base construction and use | |
US11366247B2 (en) | Dual-sensor tool optical data processing through master sensor standardization | |
US10495778B2 (en) | System and methods for cross-tool optical fluid model validation and real-time application | |
US11933931B2 (en) | System and methods for mapping sensor data across parameter spaces | |
US10519770B2 (en) | Calibration module for pooled optical sensors in downhole fluid analysis | |
US11836109B2 (en) | Fluid optical database reconstruction methods and applications thereof | |
US11822045B2 (en) | Optical sensor adaptive calibration | |
US10108754B2 (en) | Method for ruggedizing integrated computational elements for analyte detection in the oil and gas industry | |
US20190120049A1 (en) | Universal Downhole Fluid Analyzer With Generic Inputs | |
Fujisawa et al. | Hydrocarbon compositional gradient revealed by in-situ optical spectroscopy | |
US10054710B2 (en) | Simulating optical sensor response data for fluids in a wellbore | |
CN1896459B (zh) | 导出井下流体的差别流体性质的系统和方法 | |
Cartellieri et al. | A Rapid Non-Invasive Evaluation Method for Reservoir Fluid Samples |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
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: 20190604 Termination date: 20201212 |