CN111271049B - 一种有杆泵抽油井充满程度识别方法 - Google Patents
一种有杆泵抽油井充满程度识别方法 Download PDFInfo
- Publication number
- CN111271049B CN111271049B CN202010073089.XA CN202010073089A CN111271049B CN 111271049 B CN111271049 B CN 111271049B CN 202010073089 A CN202010073089 A CN 202010073089A CN 111271049 B CN111271049 B CN 111271049B
- Authority
- CN
- China
- Prior art keywords
- pump
- power
- oil
- well
- pumping well
- 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.)
- Active
Links
- 238000005086 pumping Methods 0.000 title claims abstract description 134
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004519 manufacturing process Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims abstract description 16
- 238000003745 diagnosis Methods 0.000 claims abstract description 15
- 239000007788 liquid Substances 0.000 claims description 50
- 230000007246 mechanism Effects 0.000 claims description 32
- 239000003129 oil well Substances 0.000 claims description 32
- 230000008929 regeneration Effects 0.000 claims description 25
- 238000011069 regeneration method Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 22
- 238000012360 testing method Methods 0.000 claims description 16
- 239000012530 fluid Substances 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 14
- 238000006073 displacement reaction Methods 0.000 claims description 12
- 238000013178 mathematical model Methods 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000001172 regenerating effect Effects 0.000 claims description 5
- 238000013256 Gubra-Amylin NASH model Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000001364 causal effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 10
- 230000002035 prolonged effect Effects 0.000 abstract description 4
- 239000002699 waste material Substances 0.000 abstract description 4
- 238000005299 abrasion Methods 0.000 abstract description 3
- 238000005065 mining Methods 0.000 abstract 2
- 239000003208 petroleum Substances 0.000 abstract 1
- 241001023788 Cyttus traversi Species 0.000 description 9
- 230000009467 reduction Effects 0.000 description 7
- 239000012071 phase Substances 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013016 damping Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 210000000245 forearm Anatomy 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 206010057175 Mass conditions Diseases 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
- E21B43/12—Methods or apparatus for controlling the flow of the obtained fluid to or in wells
- E21B43/121—Lifting well fluids
- E21B43/126—Adaptations of down-hole pump systems powered by drives outside the borehole, e.g. by a rotary or oscillating drive
- E21B43/127—Adaptations of walking-beam pump systems
Abstract
本发明公开一种有杆泵抽油井充满程度识别方法，属于石油开采技术领域，该方法通过检测三相异步电机的运行参数，并对参数进行分析，模拟得到不同生产工矿下的样本簇；再利用样本簇重构充满程度不足工矿诊断规则库，用重构后规则库中的样本训练充满程度不足再生工矿诊断模型；最后利用训练好的模型可以通过对连续实时监测的电参数来实时诊断抽油井的充满程度。本发明连续实时获取的充满程度，对抽油井进行连续实时闭环控制起到辅助作用，可实现井下供排协调，避免无效抽吸造成的电能浪费和二次损害的发生，减少无用的机械磨损，有效延长抽油系统寿命，降低生产运行成本。
Description
技术领域
本发明涉及石油开采技术领域，尤其涉及一种有杆泵抽油井充满程度识别方法。
背景技术
随着油田开发过程不断推进，油层能量逐渐衰减，驱油能力下降，油井便会由开发初期的自喷生产转为依靠人工举升方式生产，其目的是获得较大的井底生产压差，保证油井具有较高的产量。据统计，全世界拥有约92万口油井，其中约90％以上为人工举升机械采油井，且普遍采用游梁式抽油机井有杆泵采油(简称有杆泵抽油井或有杆抽油系统，俗称“磕头机”)，有杆泵抽油井结构如图2所示。我国在用有杆泵抽油井约10万口以上，年耗电量占油田总耗电量的30～40％，能耗费用是影响采油成本的主要因素之一，由于有杆抽油系统效率在国内一般地区平均只有12～23％，先进地区也不到30％，因而节能潜力巨大。伴随国内大部分油田进入开发中后期，不断降低的产量输出与持续增加的产能消耗的矛盾日益显现，油田节能降耗减排形势严峻。对油田目前落后的生产、管理方式进行升级改造，建设智能油井、油田物联网和智慧油田，提高自动化、信息化水平，走一条节能降耗减排、控制采油成本、提高产能比的稳产道路，将是实现我国油田未来可持续发展、确保国家能源战略安全的必然选择。
当油井转为依靠人工举升方式生产，受地层压力降低、地层渗透率变差和砂(气)锚堵塞等综合复杂因素影响，使得相当数量的油井不同程度地存在间歇出液，或者充满程度不足(抽空)的现象，这不仅造成了抽油设备的无效磨损，还导致了电能的浪费。因此，连续实时监测有杆泵抽油井的充满程度，并及时调整抽汲参数以实现井下供排协调，对于油田节能降耗减排意义重大。
目前，油田生产实际中仍普遍采取人工巡井与不定期测井相结合的方式对有杆泵抽油井进行监控管理。其中，测井的主要手段是地面示功图与井下动液面测试。
示功图作为分析深井泵工作状况的主要依据，被油田普遍使用。有定期停井安装和长期固定放置两种测试方式，但现有示功图测试方法存在以下缺陷：
(1)安装时通常需要卸掉驴头载荷，操作繁琐且存在一定安全隐患。
(2)定期停井安装的测试间隔较长，井况监控实时性差。
(3)长期固定放置的测试方式面临供电形式选择的难题。若采用电池供电，日常维护量大，停井换电池影响产量，测试频率一般为每日一至四次，井况监控实时性差；若采用有线供电，线缆随驴头运动容易损坏，且走线距离较长，现场施工不便；
(4)驴头载荷均采用压力应变片测量，必须定期校准，实际使用过程中不易实现。
(5)示功图主要监测井下工况，难以反映抽油机等地面设备的运行状况。
使用回声仪测量环空液面深度，主要为了掌握油层压力、油井流入动态等油田开发动态特性。回声仪测试的主要缺陷在于测试繁琐、耗时长、效率低、成本高，测量结果易受人为因素影响，因而现场实际工作中并不经常测液面。
通过上述分析不难发现，在我国油田生产实际中，目前亟需找到一种切实可行的技术手段，能够立足于井前实现对抽油系统运行工况的连续实时准确监测，以提高抽油系统效率，节能降耗，延长设备使用寿命，提高油田生产管理水平，控制生产管理和运行成本。
发明内容
针对上述现有技术的不足，本发明提供一种有杆泵抽油井充满程度识别方法。该方法仅检测抽油井电机的电量参数，将其视为包含抽油井综合运行工况的“心电图”，综合运用抽油井同构机理建模和模式识别技术，真正实现了立足于井前对抽油井生产过程的连续实时监测、与诊断。
现场长期运行结果表明，上述方法可连续实时检测、分析和记录抽油系统每个冲程周期内的电参数，能够实时预测采油过程关键生产指标——充满程度，诊断泵抽空。在此基础上，通过智能间抽和变频调速，实现井下供排协调，避免无效抽吸造成的电能浪费和二次损害的发生，减少无用的机械磨损，有效延长抽油系统寿命，降低生产运行成本。
为解决上述技术问题，本发明所采取的技术方案是：一种有杆泵抽油井充满程度识别方法，其流程如图1所示，包括如下步骤：
步骤1：以固定采样频率对有杆抽油系统所用三相异步电机的电压、电流、有功功率及功率因数进行连续实时的高速检测，对已获得的连续多个冲程的有功功率数据采用快速傅里叶变换FFT算法确定抽油机冲程周期；
步骤2：利用动态差分阈值法确定瞬时功率和功率因数的最小值，结合抽油机冲程周期或人工辅助功能，辨识出上、下死点在功率波形中的位置；
步骤3：根据现场输入的下泵深度、抽油泵直径、使用冲程、井液密度、油藏压力、油管规格、井口油压、抽油杆柱组合和抽油机几何尺寸数据，结合抽油井同构机理模型实现对有杆泵采油的全过程预测，从而自动生成不同生产工况下包括三相异步电机的电压、电流、有功功率和功率因数在内的电参数样本簇；
所述抽油井同构机理模型采用同构独立模块化方法建立，如图2所示的有杆泵抽油井结构示意图，分别建立电动机、皮带-减速箱传动装置、四连杆机构、杆-管-液柱耦合振动、抽油泵抽汲过程、环空液面变化规律以及油井附近油藏子系统的数学模型。
所述抽油泵抽汲过程子系统的数学模型是按照井液从井下被抽汲至地面的过程中气液质量比恒定原则，描述泵腔压力、进泵流体流量、泵腔内液体体积与柱塞位置之间关系的动态建模方法。
步骤4：提取上述电参数样本簇中有功功率的多个不同特征值并确定各个特征值的阈值，以重构产生式有杆泵抽油井充满程度不足工况诊断规则库，并利用规则库中的样本训练充满程度不足再生工况诊断模型；
所述提取有功功率的多个不同特征值包括：周期平均功率、上行平均功率、下行平均功率、上行功率峰谷值、下行功率峰谷值和上下死点功率，以上述特征值作为有杆泵抽油井充满程度识别的依据。
步骤4.1：在抽油井同构机理模型生成的电参数样本中提取有功功率的周期平均功率阈值、上行平均功率阈值、下行平均功率阈值、上行功率峰谷阈值、下行功率峰谷阈值和上下死点功率阈值；
步骤4.2：根据现有实测的泵未充满的示功图与电参数样本、油井日运行报表和油田专家先验知识，经由统计分析确定油井所有充满程度不足模态特征；
所述充满程度不足模态特征包括：
①实测冲程周期平均功率低于由电参数样本簇提取的特征阈值；
②实测上冲程平均功率大于由电参数样本簇提取的特征阈值，且误差不超过5％；
③实测下冲程平均功率小于由电参数样本簇提取的特征阈值；
④实测下冲程内功率曲线存在双波峰。
步骤4.3：利用抽油井同构机理模型和充满程度不足模态特征，建立泵未充满模态搜索树，重构产生式抽油井充满程度不足工况下的电参数样本集再生规则，建立不同程度泵未充满时的电参数样本集。
所述的建立泵未充满模态搜索树时，首先确定泵未充满模态为搜索树顶事件，进而逐一找出与该事件的产生具有因果逻辑的中间事件；以此类推，直到分解至抽油井各基本环节电参数特征为止，并将各事件用相应逻辑门联结成树。
步骤4.3.1：按最小割集模态谱所含基本事件配置油井同构机理模型，通过泵未充满模态搜索树仿真获得第i个充满程度不足模态样本
步骤4.3.2：将实测的充满程度O与步骤4.3.1仿真得到的充满程度不足模态样本的特征值进行比较，比较包括下冲程功率第二波峰所对应的位置、下冲程平均功率与标准阈值的比值、下冲程负功率大小情况，计算模态再生训练误差为E1，再生训练误差控制为其中ε1为模型容许误差；
步骤4.3.3：自适应整定抽油井同构机理模型，对重构产生式抽油井充满程度不足工况下的电参数样本再生规则产生的样本和实测样本差值进行控制，使得模态再生测试误差控制为其中ε2为测试容许误差，且ε2＜ε1；
步骤4.3.4：将满足步骤4.3.3的精度要求的样本称为有效样本，将其与相应的特征值加入到有效样本集；同时利用k近邻算法分离未知充满程度不足类型，并加入到有效样本集中；
步骤4.3.5：对最小割集工况谱对应的再生泵未充满工况重复执行步骤4.3.1至步骤4.3.4，直到取得有效完备样本集。
步骤4.4：利用充满程度不足工况再生规则产生的样本集对对抗网络GAN模型进行训练，得到工况诊断模型；训练时将充满程度不足特征作为模型输入，输出则为泵未充满程度编号。
所述未充满程度分为严重、中等和轻微三类，分别用1、2、3对其进行编号。
步骤5：将实测的多冲程有功功率数据相叠加进行均值滤波以消除随机噪声，进而采用中值滤波抑制脉冲噪声，从而获得一个完整冲程周期的参考有功功率曲线，并提取特征值；
步骤6：采用充满程度不足再生工况诊断模型识别深井泵是否未充满，若诊断为泵未充满则执行步骤7，反之，给出充满程度为100％的结论；
步骤7：根据抽油井处于充满程度不足工况时的电参数特征和与其对应的曲柄角位移，结合光杆位置随曲柄角位移变化的规律确定深井泵有效活塞行程；
步骤7.1：抽油井出现充满程度不足，下冲程电功率出现第二波峰时的曲柄角位移由下式计算：
其中，n为冲程周期内电功率采样点数；j为下冲程电功率第二波峰所对应的采样点数；为观察时井口位置在左侧，曲柄从12点钟位置开始，按顺时针方向的旋转角；
步骤7.2：抽油井出现充满程度不足，下冲程电功率出现第二波峰时游梁后臂C与连杆P之间的夹角βj，由下式计算：
其中，C为游梁后臂长度；P为连杆长度；K为曲柄轴心至游梁轴心的距离；R为曲柄旋转半径；为K与12点钟位置的夹角，由下式计算：
其中，I曲柄轴心至游梁轴心的水平距离；H为游梁轴心至底座地面的高度；G为曲柄轴心至底座地面的高度；
步骤7.3：计算抽油井出现充满程度不足时，下冲程电功率出现第二波峰时C与K之间的夹角ψj：
ψj＝κj+ρj
其中，Jj为下冲程电功率出现第二波峰时曲柄销中心至游梁轴心的距离；κj为下冲程电功率出现第二波峰时C与J之间的夹角；ρj为下冲程电功率出现第二波峰时J与K之间的夹角；
步骤7.4：计算抽油井处于充满程度不足工况时，深井泵有效活塞行程sj：
sj＝(ψb-ψj)A
其中，A为游梁前臂长度；ψb为驴头在下死点位置时的ψ角。
步骤8：根据抽油井同构机理模型计算得到最大活塞行程，按活塞有效行程与最大行程之比最终确定深井泵充满程度。
采用上述技术方案所产生的有益效果在于：
1、本发明提供的有杆泵抽油井充满程度识别方法可实现连续实时监测，而现有的基于示功图和液面测试的充满程度识别方法测试频率通常为每月1次，对井况监控的及时性差。
2、本发明提供的有杆泵抽油井充满程度识别方法仅检测三相异步电机的运行参数，设备成本远低于示功图和液面测试所需。
3、本发明提供的有杆泵抽油井充满程度识别方法无需在井前安装任何传感器，系统可靠性高，使用便捷，免维护。
4、根据本发明提供的有杆泵抽油井充满程度识别方法连续实时获取的充满程度，通过智能间抽和变频调速，对抽油井进行连续实时闭环控制，实现井下供排协调，避免无效抽吸造成的电能浪费和二次损害的发生，减少无用的机械磨损，有效延长抽油系统寿命，降低生产运行成本。
附图说明
图1为本发明一种有杆泵抽油井充满程度识别方法的流程图；
图2为本发明有杆泵抽油井结构示意图；
图3为本发明抽油井同构机理建模各子系统关系图；
图4为本发明游梁式抽油机几何尺寸示意图；
图5为本发明抽油井同构机理建模中有杆泵抽汲过程示意图；
图6为本发明利用抽油井同构机理模型生成电参数样本簇的流程图；
图7为本发明实施例中某油井不同充满程度下电参数曲线对比图；
图8为本发明重构产生式充满程度不足电参数样本再生基本思路；
图9为本发明实施例中抽油井实测电参数曲线显示界面；
图10为本发明实施例中抽油井充满程度诊断分析界面。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
如图1所示，本实施例的方法如下所述。
步骤1：本实施例以25Hz采样频率对有杆抽油系统所用三相异步电机的电压、电流、有功功率及功率因数进行连续实时的高速检测，对已获得的连续多个冲程的有功功率数据采用快速傅里叶变换FFT算法确定抽油机冲程周期；
步骤2：利用动态差分阈值法确定瞬时功率和功率因数的最小值，结合抽油机冲程周期或人工辅助功能，辨识出上、下死点在功率波形中的位置；
步骤3：根据现场输入的下泵深度、抽油泵直径、使用冲程、井液密度、油藏压力、油管规格、井口油压、抽油杆柱组合和抽油机几何尺寸数据，结合抽油井同构机理模型实现对有杆泵采油的全过程预测，从而自动生成不同生产工况下包括三相异步电机的电压、电流、有功功率和功率因数在内的电参数样本簇；
所述抽油井同构机理模型采用同构独立模块化方法建立，综合考虑有杆泵动态抽汲过程，多级抽油杆柱、油管柱和抽油泵柱塞上液柱耦合振动，分别建立电动机、皮带-减速箱传动装置、四连杆机构、杆-管-液柱耦合振动、抽油泵抽汲过程、环空液面变化规律以及油井附近油藏子系统的数学模型。鉴于各子系统不是通过状态参数直接耦合的，而是通过子系统的输入与输出产生一定程度的耦合。因此，协调各子系统的独立模块化建模和数值模拟，可实现对整个采油过程的精确动态描述，有杆泵抽油井各子系统之间相互关系如图3所示。游梁式抽油机几何尺寸如图4所示。
所述杆-管-液柱耦合振动子系统的数学模型，在确定井上、井下边界以及多级抽油杆柱衔接条件的基础上，建立杆、管、液柱耦合振动三维波动方程。该方程在计算抽油杆柱、油管柱或液柱所受到的阻尼力时，考虑了抽油杆柱、油管柱和液柱运动速度对阻尼力的共同影响。因此，数学模型中的抽油杆柱、油管柱和液柱三维波动方程是通过阻尼项和抽油泵处的边界条件而产生耦合。
在求解时，本发明将三阶波动方程转换为一阶偏微分方程组，在空间方向上使用网格点上的位移、粒子速度及它们的梯度值的组合来近似逼近空间高阶偏导数，使一阶偏微分方程组转化为一个半离散的常微分方程组，然后对这个半离散的常微分方程组采用三阶或四阶Runge-Kutta方法进行时间推进计算，从而获得求解波动方程的Runge-Kutta方法。
所述抽油泵抽汲过程子系统的数学模型是按照井液从井下被抽汲至地面的过程中气液质量比恒定原则，描述泵腔压力、进泵流体流量、泵腔内液体体积与柱塞位置之间关系的动态建模方法，图5为有杆泵抽汲过程中固定阀、游动阀开关状态及泵筒内物性分布示意图。
(1)为了便于数学建模，现作如下假设：
a)抽油泵的沉没压力ps与排出压力pd为常数；
b)不考虑泵阀自重，泵阀开关动作瞬间完成；
c)气体的压缩与膨胀按照多变过程进行；
d)气液两相按一定比例均匀混合进泵，均匀混合排出，泵腔内无溶解气和凝析气产生；
e)流体进泵前后气液质量比恒定。
(2)泵腔容积变化规律建模。抽油泵柱塞与固定阀之间的泵腔容积V(t)为：
V(t)＝fpUp(t)+Vs
其中，fp为柱塞横截面积；Up(t)为柱塞位移；Vs为余隙容积；
(3)泵腔压力变化规律建模。
a)游动阀开启前的泵腔压力。游动阀开启前任意时刻t，泵腔内气体均满足如下变质量的气体多变过程方程：
其中，pi(t)为泵腔压力；Vg(t)为泵腔内气体体积；Mg(t)为泵腔内气体质量；R为与气体有关的常数；n为多方指数。泵腔内质量为Mg(t)的气体在沉没压力ps下，同样满足多变过程方程：
其中，Vgs为质量等于Mg(t)的气体在沉没压力状态时的体积。考虑到气液以一定比例均匀混合进泵，均匀混合排出，且进泵前后气液质量比恒定，则有：
其中，Vl(t)为游动阀开启前任意时刻t泵腔内液体体积；ξ为泵口处的气液质量比，可根据生产气液比计算；ρl为泵口处液体密度；ρg为泵口处气体密度；ε为泵口处液气密度比。设游动阀开启时刻为t3，可得游动阀开启前，变质量情况下泵腔压力表达式为：
b)游动阀开启后的泵腔压力。游动阀开启后，泵开始向油管内排液，泵腔内压力pi(t)等于排出压力pd。
(4)泵腔内液体体积变化规律建模。
a)游动阀开启前泵腔内液体体积。游动阀开启前，泵腔内液体体积Vl(t)为：
Vl＝ΔVl(t)+Vsl,0≤t≤t3
其中，Vsl为余隙内液体体积；ΔVl(t)游动阀开启前任意时刻t泵腔内液体体积增量。
b)泵腔内液体体积增量。设固定阀开启时刻为t1，关闭时刻为t2，且0<t1<t2<t3，游动阀开启前任意时刻t，进泵液体体积ΔVl为：
其中，qo(t)为进泵液体体积流量。一个冲程内累计进泵液体体积ΔVlmax为：
c)游动阀开启后的泵腔内液体体积。泵向油管内排液阶段，柱塞在抽汲液体中下行，泵腔内液体体积Vl(t)等于泵腔容积V(t)。
(5)进泵液体流量方程。根据能量守恒定律，忽略进泵液体的位能损失，经过固定阀进泵液体流量方程为：
其中，As为固定阀过流面积；ζ为固定阀阻力系数；k为与单位制有关的常数。固定阀关闭时qo(t)恒为0。
通过对有杆泵采油过程机理分析可知，对于某一口特定的抽油井而言，影响其深井泵充满程度的主要因素为油藏压力、井液物性和冲程周期，因此，确定相应的抽油机井基础数据后，在一定范围内调整油藏压力、井液物性和冲程周期，即可利用抽油井同构机理模型生成相应的电参数样本簇，该流程如图6所示，某油井不同充满程度下电参数曲线对比如图7所示。
步骤4：提取上述电参数样本簇中有功功率的多个不同特征值并确定各个特征值的阈值，以重构产生式有杆泵抽油井充满程度不足工况诊断规则库，并利用规则库中的样本训练充满程度不足再生工况诊断模型；
所述提取有功功率的多个不同特征值包括：周期平均功率、上行平均功率、下行平均功率、上行功率峰谷值、下行功率峰谷值和上下死点功率，以上述特征值作为有杆泵抽油井充满程度识别的依据。
步骤4.1：在抽油井同构机理模型生成的电参数样本中提取有功功率的周期平均功率阈值、上行平均功率阈值、下行平均功率阈值、上行功率峰谷阈值、下行功率峰谷阈值和上下死点功率阈值；
步骤4.2：根据现有实测的泵未充满的示功图与电参数样本、油井日运行报表和油田专家先验知识，经由统计分析确定油井所有充满程度不足模态特征；
所述充满程度不足模态特征包括：
①实测冲程周期平均功率低于由电参数样本簇提取的特征阈值；
②实测上冲程平均功率大于由电参数样本簇提取的特征阈值，且误差不超过5％；
③实测下冲程平均功率小于由电参数样本簇提取的特征阈值；
④实测下冲程内功率曲线存在双波峰。
步骤4.3：利用抽油井同构机理模型和充满程度不足模态特征，建立泵未充满模态搜索树，重构产生式抽油井充满程度不足工况下的电参数样本集再生规则，建立不同程度泵未充满时的电参数样本集。
所述的建立泵未充满模态搜索树时，首先确定泵未充满模态为搜索树顶事件，进而逐一找出与该事件的产生具有因果逻辑的中间事件；以此类推，直到分解至抽油井各基本环节电参数特征为止，并将各事件用相应逻辑门联结成树。该搜索树可以表示为确定的布尔结构函数，进而分析确定抽油井泵未充满模态全部的单一或多电参数特征的最小割集模态谱，为利用抽油井同构机理模型重构再生泵未充满模态下的电参数样本集提供具有严格概率意义的理论依据。
考察某一最小割集模态谱，按其中所有基本事件(周期平均功率降低、下冲程平均功率降低、下冲程功率波形存在双波峰或负功率明显等)配置油井同构机理模型，仿真运行获得油井充满程度不足模态电参数样本，建立再生式电参数样本集，基本思路如图8所示，由以下5个主要步骤实现：
步骤4.3.1：按最小割集模态谱所含基本事件配置油井同构机理模型，通过泵未充满模态搜索树仿真获得第i个充满程度不足模态样本(含对应特征值)；
步骤4.3.2：将实测的充满程度O(如下冲程功率第二波峰所对应的位置、下冲程平均功率与标准阈值的比值、下冲程负功率大小情况)与步骤4.3.1仿真得到的充满程度不足模态样本的特征值进行比较，比较包括下冲程功率第二波峰所对应的位置、下冲程平均功率与标准阈值的比值、下冲程负功率大小情况，计算模态再生训练误差为E1，再生训练误差控制为/>其中ε1为模型容许误差；
步骤4.3.3：自适应整定抽油井同构机理模型，对重构产生式抽油井充满程度不足工况下的电参数样本再生规则产生的样本和实测样本差值进行控制，设模态再生测试误差为E2，测试的容许误差为ε2，使得模态再生测试误差控制为且ε2＜ε1；
步骤4.3.4：将满足步骤4.3.3的精度要求的样本称为有效样本，将其与相应的特征值加入到有效样本集；同时利用k近邻算法分离未知充满程度不足类型，并加入到有效样本集中；
步骤4.3.5：对最小割集工况谱对应的再生泵未充满工况重复执行步骤4.3.1至步骤4.3.4，直到取得有效完备样本集。
步骤4.4：利用充满程度不足工况再生规则产生的有效样本集对对抗网络GAN模型进行训练，得到工况诊断模型；训练时将充满程度不足特征作为模型输入，输出则为泵未充满程度编号；
所述未充满程度分为严重、中等和轻微三类，分别用1、2、3对其进行编号。
步骤5：将实测的多冲程有功功率数据相叠加进行均值滤波以消除随机噪声，进而采用中值滤波抑制脉冲噪声，从而获得一个完整冲程周期的参考有功功率曲线，并提取特征值；
步骤6：采用充满程度不足再生工况诊断模型识别深井泵是否未充满，若诊断为泵未充满则执行步骤7，反之，给出充满程度为100％的结论；
步骤7：根据抽油井处于充满程度不足工况时的电参数特征和与其对应的曲柄角位移，结合光杆位置随曲柄角位移变化的规律确定深井泵有效活塞行程；
步骤7.1：抽油井出现充满程度不足，下冲程电功率出现第二波峰时的曲柄角位移由下式计算：
其中，n为冲程周期内电功率采样点数；j为下冲程电功率第二波峰所对应的采样点数；为观察时井口位置在左侧，曲柄从12点钟位置开始，按顺时针方向的旋转角；
步骤7.2：抽油井出现充满程度不足，下冲程电功率出现第二波峰时游梁后臂C与连杆P之间的夹角βj，由下式计算：
其中，C为游梁后臂长度；P为连杆长度；K为曲柄轴心至游梁轴心的距离；R为曲柄旋转半径；为K与12点钟位置的夹角，由下式计算：
其中，I曲柄轴心至游梁轴心的水平距离；H为游梁轴心至底座地面的高度；G为曲柄轴心至底座地面的高度；
步骤7.3：计算抽油井出现充满程度不足时，下冲程电功率出现第二波峰时C与K之间的夹角ψj：
ψj＝κj+ρj
其中，Jj为下冲程电功率出现第二波峰时曲柄销中心至游梁轴心的距离；κj为下冲程电功率出现第二波峰时C与J之间的夹角；ρj为下冲程电功率出现第二波峰时J与K之间的夹角；
步骤7.4：计算抽油井处于充满程度不足工况时，深井泵有效活塞行程sj：
sj＝(ψb-ψj)A
其中，A为游梁前臂长度；ψb为驴头在下死点位置时的ψ角。
步骤8：根据抽油井同构机理模型计算得到最大活塞行程，按活塞有效行程与最大行程之比最终确定深井泵充满程度。
步骤8.1：按下式计算光杆冲程损失λ：
其中，ρl为井液密度；Ld为动液面深度；fp为柱塞的截面积；ft为油管的截面积；Lp为下泵深度；m为抽油杆柱级数；Li为第i级抽油杆的长度；fri为第i级抽油杆的截面积；
步骤8.2：按下式计算为光杆冲程S：
S＝(ψb-ψt)A
其中，ψt为驴头在上死点位置时的ψ；
步骤8.3：抽油井处于充满程度不足工况时，深井泵充满程度ηp由下式计算：
Sp＝S-λ
其中，Sp为深井泵活塞最大行程。
本实施例如图9所示为某油井出现供液不足时，抽油井智能监控仪实测电参数曲线，图10所示为监控仪自动识别该油井充满程度为40.3％。
Claims (8)
1.一种有杆泵抽油井充满程度识别方法，其特征在于包括如下步骤：
步骤1：以固定采样频率对有杆抽油系统所用三相异步电机的电压、电流、有功功率及功率因数进行连续实时的高速检测，对已获得的连续多个冲程的有功功率数据采用快速傅里叶变换FFT算法确定抽油机冲程周期；
步骤2：利用动态差分阈值法确定瞬时功率和功率因数的最小值，结合抽油机冲程周期或人工辅助功能，辨识出上、下死点在功率波形中的位置；
步骤3：根据现场输入的下泵深度、抽油泵直径、使用冲程、井液密度、油藏压力、油管规格、井口油压、抽油杆柱组合和抽油机几何尺寸数据，结合抽油井同构机理模型实现对有杆泵采油的全过程预测，从而自动生成不同生产工况下包括三相异步电机的电压、电流、有功功率和功率因数在内的电参数样本簇；
步骤4：提取上述电参数样本簇中有功功率的多个不同特征值并确定各个特征值的阈值，以重构产生式有杆泵抽油井充满程度不足工况诊断规则库，并利用规则库中的样本训练充满程度不足再生工况诊断模型；
步骤5：将实测的多冲程有功功率数据相叠加进行均值滤波以消除随机噪声，进而采用中值滤波抑制脉冲噪声，从而获得一个完整冲程周期的参考有功功率曲线，并提取特征值；
步骤6：采用充满程度不足再生工况诊断模型识别深井泵是否未充满，若诊断为泵未充满则执行步骤7，反之，给出充满程度为100％的结论；
步骤7：根据抽油井处于充满程度不足工况时的电参数特征和与其对应的曲柄角位移，结合光杆位置随曲柄角位移变化的规律确定深井泵有效活塞行程；
步骤8：根据抽油井同构机理模型计算得到最大活塞行程，按活塞有效行程与最大行程之比最终确定深井泵充满程度。
2.根据权利要求1所述的一种有杆泵抽油井充满程度识别方法，其特征在于：所述提取有功功率的多个不同特征值包括：周期平均功率、上行平均功率、下行平均功率、上行功率峰谷值、下行功率峰谷值和上下死点功率，以上述特征值作为有杆泵抽油井充满程度识别的依据。
3.根据权利要求1所述的一种有杆泵抽油井充满程度识别方法，其特征在于：所述抽油井同构机理模型采用同构独立模块化方法建立，分别建立电动机、皮带-减速箱传动装置、四连杆机构、杆-管-液柱耦合振动、抽油泵抽汲过程、环空液面变化规律以及油井附近油藏子系统的数学模型。
4.根据权利要求3所述的一种有杆泵抽油井充满程度识别方法，其特征在于：所述抽油泵抽汲过程子系统的数学模型是按照井液从井下被抽汲至地面的过程中气液质量比恒定原则，描述泵腔压力、进泵流体流量、泵腔内液体体积与柱塞位置之间关系的动态建模方法。
5.根据权利要求1所述的一种有杆泵抽油井充满程度识别方法，其特征在于：所述步骤4的过程如下：
步骤4.1：在抽油井同构机理模型生成的电参数样本中提取有功功率的周期平均功率阈值、上行平均功率阈值、下行平均功率阈值、上行功率峰谷阈值、下行功率峰谷阈值和上下死点功率阈值；
步骤4.2：根据现有实测的泵未充满的示功图与电参数样本、油井日运行报表和油田专家先验知识，经由统计分析确定油井所有充满程度不足模态特征；
步骤4.3：利用抽油井同构机理模型和充满程度不足模态特征，建立泵未充满模态搜索树，重构产生式抽油井充满程度不足工况下的电参数样本集再生规则，建立不同程度泵未充满时的电参数样本集；
步骤4.4：利用充满程度不足工况再生规则产生的样本集对对抗网络GAN模型进行训练，得到工况诊断模型；训练时将充满程度不足特征作为模型输入，输出则为泵未充满程度编号；
所述未充满程度分为严重、中等和轻微三类，分别用1、2、3对其进行编号。
6.根据权利要求5所述的一种有杆泵抽油井充满程度识别方法，其特征在于步骤4.2所述充满程度不足模态特征包括：
①实测冲程周期平均功率低于由电参数样本簇提取的特征阈值；
②实测上冲程平均功率大于由电参数样本簇提取的特征阈值，且误差不超过5％；
③实测下冲程平均功率小于由电参数样本簇提取的特征阈值；
④实测下冲程内功率曲线存在双波峰。
7.根据权利要求5所述的一种有杆泵抽油井充满程度识别方法，其特征在于步骤4.3所述的建立泵未充满模态搜索树时，首先确定泵未充满模态为搜索树顶事件，进而逐一找出与该事件的产生具有因果逻辑的中间事件；以此类推，直到分解至抽油井各基本环节电参数特征为止，并将各事件用相应逻辑门联结成树。
8.根据权利要求5所述的一种有杆泵抽油井充满程度识别方法，其特征在于所述步骤4.3的过程如下：
步骤4.3.1：按最小割集模态谱所含基本事件配置油井同构机理模型，通过泵未充满模态搜索树仿真获得第i个充满程度不足模态样本
步骤4.3.2：将实测的充满程度O与步骤4.3.1仿真得到的充满程度不足模态样本的特征值进行比较，比较包括下冲程功率第二波峰所对应的位置、下冲程平均功率与标准阈值的比值、下冲程负功率大小情况，计算模态再生训练误差为E1，再生训练误差控制为其中ε1为模型容许误差；
步骤4.3.3：自适应整定抽油井同构机理模型，对重构产生式抽油井充满程度不足工况下的电参数样本再生规则产生的样本和实测样本差值进行控制，使得模态再生测试误差控制为其中ε2为测试容许误差，且ε2＜ε1；
步骤4.3.4：将满足步骤4.3.3的精度要求的样本称为有效样本，将其与相应的特征值加入到有效样本集；同时利用k近邻算法分离未知充满程度不足类型，并加入到有效样本集中；
步骤4.3.5：对最小割集工况谱对应的再生泵未充满工况重复执行步骤4.3.1至步骤4.3.4，直到取得有效完备样本集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010073089.XA CN111271049B (zh) | 2020-01-22 | 2020-01-22 | 一种有杆泵抽油井充满程度识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010073089.XA CN111271049B (zh) | 2020-01-22 | 2020-01-22 | 一种有杆泵抽油井充满程度识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111271049A CN111271049A (zh) | 2020-06-12 |
| CN111271049B true CN111271049B (zh) | 2024-01-19 |
Family
ID=70996895
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010073089.XA Active CN111271049B (zh) | 2020-01-22 | 2020-01-22 | 一种有杆泵抽油井充满程度识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111271049B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113027387B (zh) * | 2021-02-22 | 2023-04-07 | 中国石油天然气股份有限公司 | 一种油井间抽控制系统及方法 |
| CN113107432B (zh) * | 2021-05-19 | 2022-03-25 | 东北大学 | 一种抽油机井自动控制方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4490094A (en) * | 1982-06-15 | 1984-12-25 | Gibbs Sam G | Method for monitoring an oil well pumping unit |
| US5372482A (en) * | 1993-03-23 | 1994-12-13 | Eaton Corporation | Detection of rod pump fillage from motor power |
| CN101285463A (zh) * | 2008-05-30 | 2008-10-15 | 华中科技大学 | 一种有杆泵抽油机抽油控制方法及其系统 |
| CN201535241U (zh) * | 2009-10-30 | 2010-07-28 | 北京佰旺合康节能科技有限公司 | 有杆泵抽油井抽空控制器 |
| CN103422851A (zh) * | 2012-05-21 | 2013-12-04 | 王双全 | 抽油泵动态充满度试井确定间歇泵抽制度法 |
| CN106522901A (zh) * | 2016-12-13 | 2017-03-22 | 西安石油大学 | 高转差率电动机驱动的游梁式抽油机平衡判定调整方法 |
| CN109826615A (zh) * | 2017-11-20 | 2019-05-31 | 中国石油化工股份有限公司 | 油井节能生产控制系统 |
| CN110284875A (zh) * | 2019-06-13 | 2019-09-27 | 中国石油化工股份有限公司 | 一种基于电流参数的电潜泵井工况诊断方法和装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8967250B2 (en) * | 2010-06-23 | 2015-03-03 | Mike Lisk | Well pumping and control system |
| US8910710B2 (en) * | 2011-05-24 | 2014-12-16 | Schneider Electric USA, Inc. | Pumpjack production control |
-
2020
- 2020-01-22 CN CN202010073089.XA patent/CN111271049B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4490094A (en) * | 1982-06-15 | 1984-12-25 | Gibbs Sam G | Method for monitoring an oil well pumping unit |
| US5372482A (en) * | 1993-03-23 | 1994-12-13 | Eaton Corporation | Detection of rod pump fillage from motor power |
| CN101285463A (zh) * | 2008-05-30 | 2008-10-15 | 华中科技大学 | 一种有杆泵抽油机抽油控制方法及其系统 |
| CN201535241U (zh) * | 2009-10-30 | 2010-07-28 | 北京佰旺合康节能科技有限公司 | 有杆泵抽油井抽空控制器 |
| CN103422851A (zh) * | 2012-05-21 | 2013-12-04 | 王双全 | 抽油泵动态充满度试井确定间歇泵抽制度法 |
| CN106522901A (zh) * | 2016-12-13 | 2017-03-22 | 西安石油大学 | 高转差率电动机驱动的游梁式抽油机平衡判定调整方法 |
| CN109826615A (zh) * | 2017-11-20 | 2019-05-31 | 中国石油化工股份有限公司 | 油井节能生产控制系统 |
| CN110284875A (zh) * | 2019-06-13 | 2019-09-27 | 中国石油化工股份有限公司 | 一种基于电流参数的电潜泵井工况诊断方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 侯延彬.采油过程多尺度状态特征生成的有杆泵动态液面预测.《化工学报》.2019,第311-321页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111271049A (zh) | 2020-06-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106761681B (zh) | 基于时序数据分析的电泵井故障实时诊断系统及方法 | |
| US5634522A (en) | Liquid level detection for artificial lift system control | |
| CN106682815B (zh) | 一种抽油井监控系统及监控方法 | |
| CN102168551B (zh) | 油井动液面深度连续测量和采出液连续计量装置及方法 | |
| CN111271049B (zh) | 一种有杆泵抽油井充满程度识别方法 | |
| US20230323871A1 (en) | Pump system | |
| CN105464644B (zh) | 一种井口压力监测方法及控制系统 | |
| CN111648764B (zh) | 一种多层气藏井下分布式温度监测产出剖面解释评价方法 | |
| CN107288617A (zh) | 一种提高抽油机井示功图量油精度的方法及系统 | |
| CN103510940B (zh) | 机械采油井工况综合诊断分析方法及装置 | |
| CN104405365A (zh) | 抽油机功图法产液量计量技术 | |
| CN104570991A (zh) | 基于功图的抽油机调控方法 | |
| Chen et al. | Using the motor power and XGBoost to diagnose working states of a sucker rod pump | |
| Tian et al. | A novel method for prediction of paraffin deposit in sucker rod pumping system based on CNN indicator diagram feature deep learning | |
| Zhang et al. | A real-time diagnosis method of reservoir-wellbore-surface conditions in sucker-rod pump wells based on multidata combination analysis | |
| CN113508215A (zh) | 用于使用极坐标分析来评估往复井下泵数据的系统和方法 | |
| Li et al. | An improved sucker rod pumping system model and swabbing parameters optimized design | |
| CA2865085A1 (en) | System and method for measuring well flow rate | |
| CN201963296U (zh) | 油井动液面深度连续测量和采出液连续计量装置 | |
| Han et al. | Hybrid modeling for submergence depth of the pumping well using stochastic configuration networks with random sampling | |
| CN101673093A (zh) | 抽油机智能变频控制系统 | |
| CN113027387B (zh) | 一种油井间抽控制系统及方法 | |
| CN111963161B (zh) | 确定隐性不正常油井的方法及装置 | |
| Zhang et al. | Calculation method for inflow performance relationship in sucker rod pump wells based on real-time monitoring dynamometer card | |
| CN116084921A (zh) | 动液面预测方法、装置、设备及可读存储介质 |
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 |