CN111006731B - 一种基于多相流量计的油井流量智能测量方法 - Google Patents

Abstract

本发明公开了一种基于多相流量计的油井流量智能测量方法，首先测定多相流的实时流量，得到若干流量‑时间数据对，形成时间序列，并实时检验所述时间序列的平稳性；以判定井况的平稳性；在井况稳定后，再重新开始计时，并测定多相流的实时流量，设定流量的稳定性判定标准，对实时流量的稳定性进行判断，当判定实时流量稳定时，停止流量检测；最后计算得到算法流量。采用本发明的显著效果是，可对油井测试时间序列稳定性的进行判断，并可计算稳定后继续测试的时间，通过油井从井况稳定状态到停止流量测试前的数据获取平均流量，从而大幅缩短每日生产测试时间，提高测量设备的利用率，降低设备及人员投入成本。

Description

一种基于多相流量计的油井流量智能测量方法

技术领域

本发明涉及油井的生产监测，具体涉及一种油井流量的测量方法。

背景技术

在现有的流动条件或预期的流动条件下，定期对油井产量进行监测对于获得决定生产策略以及确定产量分配所需的储层生产信息至关重要。采用多相流量计或生产测试分离器定期进行油井产量测量，获得单口油井油，水和天然气的日产量是油田生产优化及油藏管理的一个主要措施。在日常生产中，常采用“MSV测井”和“移动测井”两种方式，“MSV测井”是指多相流量计和多路选择阀门(MSV)串联使用的油井产量测试方法。通过一台多选阀，每台多相流量计可以最多连通8口井，但在同一时刻只能测试一口井，当测试编号为1的井时，编号2-8的井和多相流量计不连通；1号井测试完毕，将阀门切换至2号井连通，进入2号井的测试，以此类推。“移动测井”是指利用车载可移动的多相流量计设备进行油井产量测试的方法。当某口油井需要进行测试时，将可移动测井车驶入目标井位，连接车载多相流量计进行测试，油井测试工作结束，将移动多相流量计设备运输到下一口需要测试的油井位置。对油井的产量测量的标准测试程序要求测试时长为24小时到72小时，该段时间内的平均产量被视为该次测试的最终产量。对于包含数百口生产井的油田，油公司需要投入大量测试装置和时间实现对单井产量变化的有效监测，极大增加了油田生产成本。尽管测试工程师非常希望缩短每口井的测试时间，但产量和压力变化的波动阻碍了对减少测试时间的良好判断，人类无法轻易做出这样的决定。与使用多相流量计(MPFM)相比，使用测试分离器时延迟的油井产量输出和人为干扰流量特性的原因导致测试时间更长。

发明内容

有鉴于此，本发明提出一种基于多相流量计测得的实时流量，对井况稳定性和流量的测试稳定性进行实施分析判断，以缩短多相流量计对单口井的测试时间的方法，具体技术方案如下：

一种基于多相流量计的油井流量智能测量方法，其关键在于包括以下步骤：

步骤一、井况检验

测定多相流的实时流量，得到若干流量-时间数据对，形成时间序列，并实时检验所述时间序列的平稳性；

以所述时间序列的平稳性检验结果为依据，当检验到所述时间序列平稳时，则判定井况稳定，再进行流量检测；

步骤二、流量检测阶段

重新开始计时，并测定多相流的实时流量，设定流量的稳定性判定标准，对实时流量的稳定性进行判断，当判定实时流量稳定时，停止流量检测；

步骤三、以流量检测阶段测得的所有实时流量为基础，计算得到算法流量。

检验所述时间序列的平稳性时，采用的方法为ADF检验法、KPSS检验法和PP检验法中的一种、两种、或三种。

对实时流量的稳定性进行判定时，采用的方法为线性回归分析法、平均误差分析法和正态分布分析法中的一种、两种、或三种。

作为一种优选的技术方案：

对实时流量的稳定性进行判定时，采用线性回归分析法、平均误差分析法和正态分布分析法三种方法的结合，最终算法流量Q_F＝q_RQ_R+q_eQ_e+q_GQ_G，其中：

Q_R、Q_e、Q_G分别为采用线性回归分析法、平均误差分析法和正态分布分析法测得的算法流量；

q_R、q_e、q_G分别为采用线性回归分析法、平均误差分析法和正态分布分析法测得的算法流量的权重，q_R+q_e+q_G＝1。

Q_R、Q_e、Q_G采用以下公式计算：

其中：

C_R为采用线性回归分析法判定实时流量稳定，停止流量检测时的时间；

C_e为采用平均误差分析法判定实时流量稳定，停止流量检测时的时间；

C_G为采用正态分布分析法判定实时流量稳定，停止流量检测时的时间；

S为检验时间序列的平稳性，判定井况稳定时的时间；

S_R为采用线性回归分析法判定实时流量稳定、停止流量检测时，测得的实时流量的数据总量；

S_e为采用平均误差分析法判定实时流量稳定、停止流量检测时，测得的实时流量的数据总量；

S_G为采用正态分布分析法判定实时流量稳定、停止流量检测时，测得的实时流量的数据总量。

所述线性回归分析的具体过程为：

采用最小二乘法计算线性回归方程y＝bx+a的系数b和a，其中：

x_i为实时流量对应的时间；

y_i为实时流量；

n为进行实时流量的稳定性判定时，测得的实时流量的数据总量；

为进行实时流量的稳定性判定时，时间的平均值；

为进行实时流量的稳定性判定时，流量的平均值；

并设定b≥k₁时，流量不稳定；b＜k₁时，流量稳定；

k₁为判断系数。

所述平均误差分析的具体过程为：

设定实时流量的平均误差为

其中：

为进行实时流量的稳定性判定时，第h个10分钟的平均流量；

为进行实时流量的稳定性判定时，第h+1个10分钟的平均流量；

并设定error_h≥k₂时，流量不稳定，error_h＜k₂时，流量稳定；

k₂为判断系数。

所述正态分布分析的具体过程为：

设定

其中：

σ为进行实时流量的稳定性判定时，流量的标准差；

并设定Num/n≥k₃时，流量不稳定，Num/n＜k₃时，流量稳定；

k₃为判断系数。

作为一种优选的技术方案：检验所述时间序列的平稳性时，采用ADF检验法、KPSS检验法和PP检验法三种方法相结合；

所述ADF检验法输出结果为“0”时，判定所述时间序列平稳，井况稳定；所述ADF检验法输出结果为“1”时，判定所述时间序列不平稳，井况不稳定；

所述KPSS检验法输出结果为“0”时，判定所述时间序列平稳，井况稳定；所述KPSS检验法输出结果为“1”时，判定所述时间序列不平稳，井况不稳定；

所述PP检验法输出结果为“0”时，判定所述时间序列平稳，井况稳定；所述PP检验法输出结果为“1”时，判定所述时间序列不平稳，井况不稳定；

对所述ADF检验法、KPSS检验法和PP检验法在同一时间的输出结果取众数，作为所述时间序列平稳性的最终判断依据，当三种检验法中有至少两种检验法输出结果为“0”时，则判定所述时间序列平稳。

多相流的实时流量包括实时液相流量、实时水流量、实时油流量、实时气流量。

根据大数据统计分析：q_R＝0.2、q_e＝0.3、q_G＝0.5。

k₁＝0.001。

k₂＝0.02。

k₃＝0.1。

基于传统的流量计：多相流的实时流量由多相流量计采集得到，所述多相流量计每分钟测得一组多相流的实时流量数据。

附图说明

图1a为实时液相流量曲线图；

图1b为实时油流量曲线图；

图1c为实时水流量曲线图；

图1d为实时气流量曲线图；

图2为对37井次进行测算统计得到的时间柱状图。

具体实施方式

(一)、以下结合实施例和附图对本发明作进一步说明。

一种基于多相流量计的油井流量智能测量方法，包括以下步骤：

步骤一、井况检验

测定多相流的实时流量，得到若干流量-时间数据对，形成时间序列，并实时检验所述时间序列的平稳性；

以所述时间序列的平稳性检验结果为依据，当检验到所述时间序列平稳时，则判定井况稳定，再进行流量检测；

步骤二、流量检测阶段

重新开始计时，并测定多相流的实时流量，设定流量的稳定性判定标准，对实时流量的稳定性进行判断，当判定实时流量稳定时，停止流量检测；

步骤三、以流量检测阶段测得的所有实时流量为基础，计算得到算法流量。

多相流的实时流量由多相流量计采集得到，所述多相流量计每分钟测得一组多相流的实时流量数据；多相流量计测得的实时流量包括实时液相流量、实时水流量、实时油流量、实时气流量。

检验所述时间序列的平稳性时，采用的方法为ADF检验法、KPSS检验法和PP检验法中的一种、两种、或三种。

作为一种具体的实施方式，采用ADF检验法、KPSS检验法和PP检验法三种方法相结合检验所述时间序列的平稳性；

所述ADF检验法输出结果为“0”时，判定所述时间序列平稳，井况稳定；所述ADF检验法输出结果为“1”时，判定所述时间序列不平稳，井况不稳定；

所述KPSS检验法输出结果为“0”时，判定所述时间序列平稳，井况稳定；所述KPSS检验法输出结果为“1”时，判定所述时间序列不平稳，井况不稳定；

所述PP检验法输出结果为“0”时，判定所述时间序列平稳，井况稳定；所述PP检验法输出结果为“1”时，判定所述时间序列不平稳，井况不稳定；

对所述ADF检验法、KPSS检验法和PP检验法在同一时间的输出结果取众数，作为所述时间序列平稳性的最终判断依据，当三种检验法中有至少两种检验法输出结果为“0”时，则判定所述时间序列平稳。

对实时流量的稳定性进行判定时，采用的方法为线性回归分析法、平均误差分析法和正态分布分析法中的一种、两种、或三种。

作为一种具体的实施方式，采用线性回归分析法、平均误差分析法和正态分布分析法三种方法的结合判断实时流量的稳定性，并计算得到最终算法流量Q_F＝q_RQ_R+q_eQ_e+q_GQ_G，其中：

Q_R、Q_e、Q_G分别为采用线性回归分析法、平均误差分析法和正态分布分析法测得的算法流量；

q_R、q_e、q_G分别为采用线性回归分析法、平均误差分析法和正态分布分析法测得的算法流量的权重，q_R+q_e+q_G＝1。

以上Q_R、Q_e、Q_G采用以下公式计算：

其中：

C_R为采用线性回归分析法判定实时流量稳定，停止流量检测时的时间；

C_e为采用平均误差分析法判定实时流量稳定，停止流量检测时的时间；

C_G为采用正态分布分析法判定实时流量稳定，停止流量检测时的时间；

S为检验时间序列的平稳性，判定井况稳定时的时间；

S_R为采用线性回归分析法判定实时流量稳定、停止流量检测时，测得的实时流量的数据总量；

S_e为采用平均误差分析法判定实时流量稳定、停止流量检测时，测得的实时流量的数据总量；

S_G为采用正态分布分析法判定实时流量稳定、停止流量检测时，测得的实时流量的数据总量。

所述线性回归分析的具体过程为：

采用最小二乘法计算线性回归方程y＝bx+a的系数b和a，其中：

x_i为实时流量对应的时间；

y_i为实时流量；

n为进行实时流量的稳定性判定时，测得的实时流量的数据总量；

为进行实时流量的稳定性判定时，时间的平均值；

为进行实时流量的稳定性判定时，流量的平均值；

并设定b≥k₁时，流量不稳定；b＜k₁时，流量稳定；

k₁为判断系数，k₁可以是人为设定，也可以由统计分析得到，根据大数据统计分析得k₁＝0.001时，流量的智能测量检测结果与实际检测结果贴近。

所述平均误差分析的具体过程为：

设定实时流量的平均误差为

其中：

为进行实时流量的稳定性判定时，第h个10分钟的平均流量；

为进行实时流量的稳定性判定时，第h+1个10分钟的平均流量；

并设定error_h≥k₂时，流量不稳定，error_h＜k₂时，流量稳定；

k₂为判断系数，k₂可以是人为设定，也可以由统计分析得到，根据大数据统计分析得k₂＝0.02时，流量的智能测量检测结果与实际检测结果贴近。

所述正态分布分析的具体过程为：

设定

其中：

σ为进行实时流量的稳定性判定时，流量的标准差；

并设定Num/n≥k₃时，流量不稳定，Num/n＜k₃时，流量稳定；

k₃为判断系数，k₃可以是人为设定，也可以由统计分析得到，根据大数据统计分析得k₃＝0.1时，流量的智能测量检测结果与实际检测结果贴近。

根据大数据统计分析得到，q_R＝0.2、q_e＝0.3、q_G＝0.5,即：Q_F＝0.2Q_R+0.3Q_e+0.5Q_G。

ADF检验计算原理：

假设时间序列数据(真实过程)由：

其中：{ε_t}为独立同分布过程，且E(ε_t)＝0，D(ε_t)＝σ²＜∞，

其中B为滞后算子，其系数满足条件

在回归模型y_t＝α+ρy_t-1+u_t中检验假设：H₀：ρ＝1：α＝0，假设时间序列服从P阶自回归过程AR(P)：

其中：{ε_t}为独立同分布过程，且E(ε_t)＝0,D(ε_t)＝σ²。利用滞后算子，可将上式表示为：

令

可将滞后多项式

分解成：

则式3可转化为：

整理可得：

y_t＝ρy_t-1+ξ₁y_t-1+ξ₂y_t-2+…+ξ_p-1y_t-p-1+ε_t (式6)

若服从(2)的序列有且只有一个单位根，则其特征方程：

有且只有一个值为1的根，从而有：

上式等价于ρ＝1。因此，对于服从((式2)的序列的单位根检验，就是检验模型(式6)中是否有ρ＝1，实际上就是对扰动项为一平稳过程的单位根检验。

PP(Phillips-Perron)检验原理及步骤为：

(a)以最小二乘法估计回归模型，得到参数估计和残差序列；

(b)计算残差序列的样本自协方差及

的估计值；

其中：q的大小根据实际情况确定，构造该估计量的Newey和West建议取3或4。

(c)计算参数估计量ρ的标准差σ_ρ和残差u_t的估计方差

(d)将上述计算结果代入z_ρ或z_t统计量的表达式，得到统计量的值，查临界值并进行比较，然后做出推断。

KPSS(Kwiatkowski-Phillips-Schmidt-Shin)检验将观测到的时间序列的三分量表示视为确定性时间趋势、随机游走和平稳残差之和：

其中：γ＝0时不存在单位根，为原假设，γ≠0时存在单位根，为备择假设令e_t＝y_t-α-βt,

则有

其中：

k_j＝1-j/(q+1)

(二)、下面结合流量数据对本案进行进一步说明

单井测算：

图1(1a、1b、1c、1d)所示的为一台多相流量计在某测试井的测量数据，其中横坐标为时间(单位：分钟)，纵坐标为每分钟对应的流量，总测试时间为4521分钟，实测平均流量Q_A见表1。

采用以上智能测量方法进行计算，一般认为：在多相流量计刚接入时，测得的流量数据不稳定，因而可以考虑略去。因而可以省略第1-10分钟测得的数据，从第11分钟测得的数据开始，进行步骤一：分别采用ADF检验法、KPSS检验法和PP检验法进行检验，直到第53分钟初次出现三种检验法中至少两种检验法输出结果为“0”，三种检验方法的检测结果分别为“0”稳定、“0”稳定、“1”不稳定，因而可判定该口井在第53分钟井况稳定。

从第53分钟开始重新计时，进行步骤二：

采用线性回归分析法直到在井况稳定后的第56分钟初次出现b＜0.001的情况，可判定采用线性回归分析法测得的流量稳定；

采用平均误差分析法直到在井况稳定后的第6个10分钟初次出现error_h＜0.02的情况，可判定采用平均误差分析法测得的流量稳定；

采用正态分布分析法直到在井况稳定后的第62分钟初次出现Num/n＜0.1的情况，可判定采用正态分布分析法测得的流量稳定。

由线性回归分析法、平均误差分析法和正态分布分析法测得的算法流量Q_R、Q_e、Q_G，以及最终算法流量Q_F见表1：

表1、流量统计表

从表1可以看出，算法流量Q_R、Q_e、Q_G、Q_F与实测平均流量Q_A非常接近，最终算法流量Q_F与实测平均流量Q_A的误差(1-Q_F/Q_A)分别为：液相流量的误差为0.96％，油流量的误差为3.11％，水流量的误差为1.15％，气流量的误差为2.35％，平均误差为0.48％。算法流量Q_R、Q_e、Q_G、Q_F可以作为实测平均流量Q_A的近似表达。

采用线性回归分析法、平均误差分析法和正态分布分析法测算所耗时间见表2：

表2、测算时间统计表

从表2可以看出，采用以上测算方法所需的流量测量时间将大幅缩短，大大节约了时间成本。

多井测算

采用本发明的方法在某油田的一个区块选取了37井次进行验证，测得各自的算法流量均与实测平均流量接近，所得到的最终算法流量与实测平均流量的平均误差为1.184％。

统计得到的井况稳定时间(Stable Time)、流量稳定检测时间(Continuous testtime after stabilization)和节省时间(Save Time)见图2，图2显示了37井次的平均节省时间为2256分钟，大约节约80％的测井时间，81％的井在井况稳定后60分钟即可停止测试。

与现有技术相比，本发明通过分析MPFM的流量的时间序列数据，通过统计学模型开发了一种新方法，模型可提供油井测试时间序列稳定性的判断，并可计算稳定后继续测试的时间，通过油井从井况稳定状态到停止流量测试前的数据获取平均流量，可以将每日生产测试时间最多缩短80％。在日常生产测试中采用这种模型可以有效提高测量设备的利用率，降低设备及人员投入成本。

最后需要说明的是，上述描述仅仅为本发明的优选实施例，本领域的普通技术人员在本发明的启示下，在不违背本发明宗旨及权利要求的前提下，可以做出多种类似的表示，这样的变换均落入本发明的保护范围之内。

Claims (11)

1.一种基于多相流量计的油井流量智能测量方法，其特征在于包括以下步骤：

步骤一、井况检验

测定多相流的实时流量，得到若干流量-时间数据对，形成时间序列，并实时检验所述时间序列的平稳性；

以所述时间序列的平稳性检验结果为依据，当检验到所述时间序列平稳时，则判定井况稳定，再进行流量检测；

步骤二、流量检测阶段

继续计时，持续测定多相流的实时流量，设定流量的稳定性判定标准，对实时流量的稳定性进行判断，当判定实时流量稳定时，停止流量检测；

步骤三、以流量检测阶段测得的所有实时流量为基础，计算得到算法流量；

检验所述时间序列的平稳性时，采用的方法为ADF检验法、KPSS检验法和PP检验法中的一种、两种、或三种；

对实时流量的稳定性进行判定时，采用的方法为线性回归分析法、平均误差分析法和正态分布分析法中的一种、两种、或三种；

对实时流量的稳定性进行判定时，采用线性回归分析法、平均误差分析法和正态分布分析法三种方法的结合，最终算法流量Q_F＝q_RQ_R+q_eQ_e+q_GQ_G，其中：

Q_R、Q_e、Q_G分别为采用线性回归分析法、平均误差分析法和正态分布分析法测得的算法流量；

q_R、q_e、q_G分别为采用线性回归分析法、平均误差分析法和正态分布分析法测得的算法流量的权重，q_R+q_e+q_G＝1；

Q_R、Q_e、Q_G采用以下公式计算：

其中：

C_R为采用线性回归分析法判定实时流量稳定，停止流量检测时的时间；

C_e为采用平均误差分析法判定实时流量稳定，停止流量检测时的时间；

C_G为采用正态分布分析法判定实时流量稳定，停止流量检测时的时间；

x_i为实时流量对应的时间；

S为检验时间序列的平稳性，判定井况稳定时的时间；

S_R为采用线性回归分析法判定实时流量稳定、停止流量检测时，测得的实时流量的数据总量；

S_e为采用平均误差分析法判定实时流量稳定、停止流量检测时，测得的实时流量的数据总量；

S_G为采用正态分布分析法判定实时流量稳定、停止流量检测时，测得的实时流量的数据总量。

2.根据权利要求1所述的一种基于多相流量计的油井流量智能测量方法，其特征在于：所述线性回归分析的具体过程为：

采用最小二乘法计算线性回归方程y＝bx+a的系数b和a，其中：

x_i为实时流量对应的时间；

y_i为实时流量；

n为进行实时流量的稳定性判定时，测得的实时流量的数据总量；

为进行实时流量的稳定性判定时，时间的平均值；

为进行实时流量的稳定性判定时，流量的平均值；

并设定b≥k₁时，流量不稳定；b＜k₁时，流量稳定；

k₁为判断系数。

3.根据权利要求1或2所述的一种基于多相流量计的油井流量智能测量方法，其特征在于：所述平均误差分析的具体过程为：

设定实时流量的平均误差为

其中：

为进行实时流量的稳定性判定时，第h个10分钟的平均流量；

为进行实时流量的稳定性判定时，第h+1个10分钟的平均流量；

并设定error_h≥k₂时，流量不稳定，error_h＜k₂时，流量稳定；

k₂为判断系数。

4.根据权利要求1或2所述的一种基于多相流量计的油井流量智能测量方法，其特征在于：

所述正态分布分析的具体过程为：

设定

其中：

σ为进行实时流量的稳定性判定时，流量的标准差；

并设定Num/n≥k₃时，流量不稳定，Num/n＜k₃时，流量稳定；

k₃为判断系数。

5.根据权利要求2所述的一种基于多相流量计的油井流量智能测量方法，其特征在于：检验所述时间序列的平稳性时，采用ADF检验法、KPSS检验法和PP检验法三种方法相结合；

所述ADF检验法输出结果为“0”时，判定所述时间序列平稳，井况稳定；所述ADF检验法输出结果为“1”时，判定所述时间序列不平稳，井况不稳定；

所述KPSS检验法输出结果为“0”时，判定所述时间序列平稳，井况稳定；所述KPSS检验法输出结果为“1”时，判定所述时间序列不平稳，井况不稳定；

所述PP检验法输出结果为“0”时，判定所述时间序列平稳，井况稳定；所述PP检验法输出结果为“1”时，判定所述时间序列不平稳，井况不稳定；

对所述ADF检验法、KPSS检验法和PP检验法在同一时间的输出结果取众数，作为所述时间序列平稳性的最终判断依据，当三种检验法中有至少两种检验法输出结果为“0”时，则判定所述时间序列平稳。

6.根据权利要求1或2所述的一种基于多相流量计的油井流量智能测量方法，其特征在于：多相流的实时流量包括实时液相流量、实时水流量、实时油流量、实时气流量。

7.根据权利要求1或2所述的一种基于多相流量计的油井流量智能测量方法，其特征在于：q_R＝0.2、q_e＝0.3、q_G＝0.5。

8.根据权利要求2所述的一种基于多相流量计的油井流量智能测量方法，其特征在于：k₁＝0.001。

9.根据权利要求1、2或8所述的一种基于多相流量计的油井流量智能测量方法，其特征在于：k₂＝0.02。

10.根据权利要求1、2或8所述的一种基于多相流量计的油井流量智能测量方法，其特征在于：k₃＝0.1。

11.根据权利要求1、2或8所述的一种基于多相流量计的油井流量智能测量方法，其特征在于：多相流的实时流量由多相流量计采集得到，所述多相流量计每分钟测得一组多相流的实时流量数据。

Images