CN112664177A - 一种基于归一化卷积与自适应滤波的油井动液面测量方法 - Google Patents
一种基于归一化卷积与自适应滤波的油井动液面测量方法 Download PDFInfo
- Publication number
- CN112664177A CN112664177A CN202011593073.8A CN202011593073A CN112664177A CN 112664177 A CN112664177 A CN 112664177A CN 202011593073 A CN202011593073 A CN 202011593073A CN 112664177 A CN112664177 A CN 112664177A
- Authority
- CN
- China
- Prior art keywords
- signals
- signal
- convolution
- module
- resonance
- 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
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明属于油井动液面深度测量领域,具体涉及一种基于归一化卷积与自适应滤波的油井动液面测量方法,包括:采集信号,并利用Welch选取两段长度不一的两组数据,通过两段数据的频率信号的谱减操作截取低频段信号;根据截取的信号确定共振频段,并获取共振频段的共振谐波波动次数,计算油井液面深度;本发明相比于传统算法需要手动选取共振谐波频段的缺点,实现了共振谐波信号分布频段的自动选取,进一步实现动液面深度的自动计算,并且通过对信号进行卷积滤波处理,有效提高了共振谐波信号的信噪比。
Description
技术领域
本发明属于油井动液面深度测量领域,具体涉及一种基于归一化卷积与自适应滤波的油井动液面测量方法。
背景技术
在石油开采领域,油井动液面深度作为油井作业的关键技术参数,是反映地层供液能力的主要指标,也是评估油井工作状态的重要依据。精确测量油井动液面的位置,能够合理控制抽油泵的沉没深度,一方面可以防止由于沉没深度不够造成无效作业,另一方面可以避免因沉没深度过大而增加作业负担和能耗,进而影响设备性能和使用寿命。因此,及时掌握油井动液面的位置非常重要。
现阶段,基于管柱声场模型的油井动液面测量方法通过发送白噪声进行激励,使得油套管中空气柱产生共振,再结合空气柱长度和共振谐波波动次数之间的数学关系进行液面深度的计算。但当通过噪声进行激励时,采集的信号中也含有大量的噪声信号,在强噪声的作用下,有用信号被淹没,使得该测量方法提取共振谐波信号困难,难以实现更大范围的油井动液面测量,也难以实现动液面值的自动计算。
发明内容
本发明旨在解决上述技术问题,提出了一种基于归一化卷积与自适应滤波的油井动液面测量算法,在提高动液面测量范围的基础上,自动选取共振谐波频段,实现动液面值的计算,包括以下步骤:
采集信号,并利用Welch选取两段长度不一的两组数据,通过两段数据的频率信号的谱减操作截取低频段信号;
根据截取的信号确定共振频段,并获取共振频段的共振谐波波动次数,计算油井液面深度。
进一步的,利用Welch选取两段长度不一的两组数据,通过两段数据的频率信号的谱减操作截取低频段信号包括以下步骤:
S1、安装测量装置,扬声器安装于套管口,声传感器安装于靠近扬声器处,且声传感器和扬声器均与套管轴线平齐;
S2、通过扬声器发出低频噪声对管内空气柱进行激振,声传感器采集扬声器发出的噪声和空气柱共振的混合信号,利用Welch功率谱估计选取数据长度不同且频率分辨率有差异的两组信号;
S3、将两组信号进行谱减处理,得到截取的低频信号。
进一步的,根据截取的信号确定共振频段,并获取共振频段的共振谐波波动次数,计算油井液面深度具体包括以下步骤:
S4、对获得的低频信号,设置点数进行分段,对每段信号进行卷积归一化处理,得到多组不同频段的卷积信号;
S5、对每组信号进行短时傅里叶变换,计算变换后的模值,将模值最大的频段作为共振波信号最强的分段片段;
S6、对选取最强频段进行卷积处理,通过快速傅里叶变换计算出其包含的共振波波动次数;
S7、通过共振谐波波动次数和动液面深度的关系,计算出油井液面的深度。
进一步的,第i段数据的卷积信号表示为:
其中,Yi(m)为第i段数据经归一化卷积后得到的信号;y(p)为经谱减滤波操作后截取得到的低频信号,1≤p≤P,P为信号总点数;yi(q)为y(p)的一个分段字集,1≤q≤Q,且Q≤P,Q为每段数据的点数;conv为卷积算子,sqrt为开方算子,m为卷积后的数据点数。
进一步的,油井液面的深度表示为:
其中,υc为套管内的声波传播速度;γ为共振谐波波动次数;d为油管和套管的内径之差,Nw为功率谱估计点数,Mw为选取的共振频带点数,fs为信号采样频率。
本发明提供一种基于归一化卷积与自适应滤波的油井动液面测量装置,包括数据采集模块、自适应滤波处理模块、共振频段确认模块以及油井液面计算模块,其中:
数据采集模块包括扬声器和声传感器,扬声器安装于套管口,声传感器安装于靠近扬声器处,且所述声传感器和扬声器均与套管轴线平齐;
所述扬声器用于发出低频噪声对管内空气柱进行激振;
所述声传感器用于采集扬声器发出的噪声和空气柱共振的混合信号;
自适应滤波处理模块包括基于Welch的信号选择模块、信号转换模块以及谱减模块;
所述基于Welch的信号选择模块从采集的混合信号中根据Welch功率谱估计选择两段长度不同,且频率分辨率有所差异的信号;
所述信号转换模块用于将选取的两组信号进行转换,获取其频率信号;
所述谱减模块用于对获取的两组频率信号进行谱减操作,获得低频段信号;
共振频段确认模块包括分段模块、归一化卷积模块、短时傅里叶变换模块以及快速傅里叶计算模块;
所述分段模块用于根据设置的点数对点频段信号进行分段;
所述归一化卷积模块用于对分段后的每一段信号进行卷积归一化处理;
所述短时傅里叶变换模块用于计算每段信号进行卷积归一化处理后的短时傅里叶变换的模值;
所述快速傅里叶计算模块对短时傅里叶变换的模值最大的分段信号进行快速傅里叶变换,获得共振谐波波动次数;
油井液面计算模块用于根据共振谐波波动次数和动液面深度的数学关系计算出油井液面的深度。
本发明与现有技术相比,具有以下有益效果:
1、提出一种基于Welch算法的自适应滤波器,当对同一信号采取不同分段数进行Welch功率谱估计时,功率谱的频谱分辨率将会发生改变,因此,通过选取不同的L1和L2,即可消除频率信号中的低频干扰。与常规的高通滤波相比,不需要在选择截止频率、滤波器阶数等参数,滤波效果更加稳定可靠,能够最大程度保留频率信号中的共振谐波信号;
2、提出一种归一化卷积算法和最大模值准则确定最强共振谐波频段的方法。通过对频率信号的分段,分别进行归一化卷积处理,并对各分段卷积信号进行STFT计算,结合最大模值准则自动确定最强共振谐波频段;
综上所述,本发明相比于传统算法需要手动选取共振谐波频段的缺点,实现了共振谐波信号分布频段的自动选取,进一步实现动液面深度的自动计算,并且通过对信号进行卷积滤波处理,有效提高了共振谐波信号的信噪比,使得γ的误差进一步减小,在使用较少计算数据时,在传统算法已失效的情况下,所提出的新算法依然能够实现动液面的测量,显著提高了动液面的测量精度和测量范围。
附图说明
图1为本发明提出算法的流程图;
图2为本发明提供优选实施例中测量装置的安装示意图;
图3为实施例1中声传感器(1)采集的声信号时域图;
图4为实施例1中每段功率谱估计点数为M1时的频谱图;
图5为实施例1中每段功率谱估计点数为M2时的频谱图;
图6为实施例1中去除低频干扰后的频率信号图;
图7为实施例1中信号的最大模值曲线;
图8为实施例1中自动选取共振谐波频段中包含的共振谐波波动次数示意图;
图9为实施例1中高通滤波后的频率信号图;
图10(a)为实施例1中自适应滤波滤除低频干扰后信号的STFT三维谱,图10(b)为高通滤波后信号的STFT三维谱;
图11为实施例1中通过STFT三维谱手动选取共振谐波频段中包含的共振谐波波动次数示意图;
图12为实施例2中声传感器(1)采集的声信号时域图;
图13为实施例2中高通滤波后信号的STFT三维谱;
图14为实施例2中信号的最大模值曲线;
图15为实施例2中自动选取共振谐波频段中包含的共振谐波波动次数示意图;
其中,1、声传感器;2、套管;3、扬声器。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提出一种基于归一化卷积与自适应滤波的油井动液面测量方法,如图1,具体包括以下步骤:
S1、安装测量装置,扬声器安装于套管口,声传感器安装于靠近扬声器处,且声传感器和扬声器均与套管轴线平齐;
S2、通过扬声器发出低频噪声对管内空气柱进行激振,声传感器采集扬声器发出的噪声和空气柱共振的混合信号,利用Welch功率谱估计选取数据长度不同且频率分辨率有差异的两组信号;
S3、将两组信号进行谱减处理,得到截取的低频信号;
S4、对获得的低频信号,设置点数进行分段,对每段信号进行卷积归一化处理,得到多组不同频段的卷积信号;
S5、对每组信号进行短时傅里叶变换,计算变换后的模值,将模值最大的频段作为共振波信号最强的分段片段;
S6、对选取最强频段进行卷积处理,通过快速傅里叶变换计算出其包含的共振波波动次数;
S7、通过共振谐波波动次数和动液面深度的关系,计算出油井液面的深度。
实施例1
本实施例,进一步对上述步骤进行说明。
安装检测装置,如图2,扬声器3安装于管道口,声传感器1安装于扬声器前端,离扬声器3距离为40cm,且所述声传感器1和扬声器3均与套管2轴线平齐,实验管道直径d=406mm,管道实际长度806.92m,且管道末端刚性封闭。
设置信号采样频率fs=2048Hz,采样时间t1=120s,实验环境温度T=20℃。声传感器1采集空气柱共振信号,时域信号如图3所示,有用信号被扬声器3发出的低频噪声完全淹没。
对声传感器1采集的信号x(n),选取不同的分段数进行功率谱估计计算。采样数据的总长度N=120fs,将该数据平分,每段数据的长度为M,设置M1=2fs,M2=20fs,功率谱估计点数均为Nw=80fs,得到两组具有不同频率分辨率的信号B1(f)和B2(f),如图4和图5所示。
B1(f)和B2(f)进行谱减操作,消除频率信号中的低频干扰,信号如图6所示。
由于共振谐波主要分布于低频段,因此,截取0-100Hz内的频率信号进行处理,设截取的信号为y(p),信号总点数为P=11000(其中,1≤p≤P);将y(p)的按照每段数据为Q=1000点进行分段,每段信号之间重合500点,得到信号yi(q)(其中,1≤q≤Q,且Q≤P,yi表示第i段数据,则1≤i≤21)。
通过式(1)对分段后的数据分别进行归一化卷积计算,得到多组卷积处理后的信号Yi(m),式(1)中conv定义为卷积算子,sqrt为开方算子,m为卷积后信号的点数;
对得到的多组信号Y(m),通过最大模值准则确定最强的共振谐波频段;首先对Y(m)进行短时傅里叶变换(STFT)处理,然后计算每组信号的最大模值之和,模值曲线如图7所示。
通过图7的曲线可以看出,y10(q)的模值(Amp)结果之和最大,即为共振谐波信号最强的分布频段;y10(q)信号对应的数据点为[4501,5500],为进一步提高有用数据点数,选择[4001,6000]的的数据点作为最强的共振谐波频率段。
对选取的频段进行卷积处理,以进一步提高谐波信号的信噪比;再对卷积后的信号进行快速傅里叶变换(FFT),卷积计算后选取的共振频带点数Mw=3999,计算出该频段内的共振谐波波动次数γ,如图8所示,可得γ1=235。
根据共振谐波波动次数和声速,即可根据动液面深度和共振谐波波动次数的关系计算测量油井的动液面深度值l1,计算公式如式(3)所示,即:
其中υc为套管内的声波传播速度,计算公式如式(2)所示;γ为共振谐波波动次数;d为油管和套管的内径之差,Nw为功率谱估计点数,Mw为选取的共振频带点数,fs为信号采样频率;由式(2)计算可得声速υc=343.65m/s,将各参数带入式(3)即可计算得到实验管道长度l1=807.65m,实际测量误差0.09%。
本实施例对声传感器1采集的信号x(n),利用传统算法进行处理。首先进行功率谱估计,与上述步骤参数设置相同,M2=20fs,功率谱估计点数均为Nw=80fs,得到频率信号B2(f),如图4所示。
对频率信号B2(f)进行高通滤波处理,设置滤波器阶数为10,阻带截止频率为100Hz,高通滤波后的信号如图9所示。
对图6和图9所示信号同时进行STFT三维谱分析,三维谱分别如图10(a)和图10(b)所示,可以看出,经自适应滤波后共振谐波频段的能量更强,高通滤波后共振谐波的部分特征也被滤除,谐波信号在一定程度上衰减;且由于共振谐波的分布频段随着动液面深度的增加逐渐向低频段偏移,导致滤波器阶数和截止频率难以确定,也会对滤波效果造成较大影响。
通过图10(b)手动选取共振谐波的分布范围为[3265,7616],点数Mw=4352,通过FFT计算波动次数γ2=255,如图11所示,可以看出传统算法计算γ时噪声干扰更大,信噪比要低于自适应滤波和归一化处理之后的信号,且选取共振频段时存在一定的主观操作,选取的共振频段不一定为最强的共振谐波频段。
带入式(3)可以得到传统算法的计算长度l2=805.31m,实际测量误差0.2%,可以看出,由于共振谐波信号中噪声的影响,测量精度远远低于自适应滤波和归一化处理之后的计算结果。
实施例2
在工程应用中,减少计算数据量,降低硬件成本,提高计算效率也是常见的要求,本实施例将进行测量时间上的对比。设置信号采样频率fs=2048Hz,采样时间t2=40s,实验环境温度T=20℃,时域信号如图12所示;
传统算法处理步骤与实施例1中传统对声传感器(1)采集的信号x(n),利用传统算法进行处理的过程相同,对高通滤波后的信号进行STFT三维谱分析,三维谱如图13所示;可以看出,当可用计算数据长度减小时,三维谱中已无能量较强的频段分布,共振谐波频段被噪声完全淹没,已经无法通过人工手动选取共振频段,传统测量方法失效。
通过归一化卷积与自适应滤波的油井动液面测量算法对信号进行处理,处理步骤与实施例1中步骤13-22相同,首先,通过最大模值准则和卷积归一化处理选择最强的共振谐波频段,各分段的模值(Amp)计算结果如图14所示,可以看出,y13(q)的Amp结果之和最大,即为共振谐波信号最强的分布频段。
y13(q)信号对应的数据点为[6001,7000],为进一步提高有用数据点数,选择[5501,7500]的的数据点作为最强的共振谐波频率段;
对选取的频段进行卷积处理,以进一步提高谐波信号的信噪比;再对卷积后的信号进行快速傅里叶变换(FFT),卷积计算后选取的共振频带点数Mw=3999,计算出该频段内的共振谐波波动次数γ,如图15所示,可得γ2=234。
由式(2)计算可得声速υc=343.65m/s,将各参数带入式(3)即可计算得到实验管道长度l3=804.22m,实际测量误差0.33%,可以看出,在使用较少数据量的情况下,传统算法已经无法实现对管道的测量,而基于归一化卷积与自适应滤波的油井动液面测量算法依然能够实现实验管道的测量,虽然精度略有下降,但测量精度依然远远高于工程应用的要求。
实施例3
本实施例提出一种基于归一化卷积与自适应滤波的油井动液面测量装置,包括数据采集模块、自适应滤波处理模块、共振频段确认模块以及油井液面计算模块,其中:
数据采集模块包括扬声器和声传感器,扬声器安装于套管口,声传感器安装于靠近扬声器处,且所述声传感器和扬声器均与套管轴线平齐;
所述扬声器用于发出低频噪声对管内空气柱进行激振;
所述声传感器用于采集扬声器发出的噪声和空气柱共振的混合信号;
自适应滤波处理模块包括基于Welch的信号选择模块、信号转换模块以及谱减模块;
所述基于Welch的信号选择模块从采集的混合信号中根据Welch功率谱估计选择两段长度不同,且频率分辨率有所差异的信号;
所述信号转换模块用于将选取的两组信号进行转换,获取其频率信号;
所述谱减模块用于对获取的两组频率信号进行谱减操作,获得低频段信号;
共振频段确认模块包括分段模块、归一化卷积模块、短时傅里叶变换模块以及快速傅里叶计算模块;
所述分段模块用于根据设置的点数对点频段信号进行分段;
所述归一化卷积模块用于对分段后的每一段信号进行卷积归一化处理;
所述短时傅里叶变换模块用于计算每段信号进行卷积归一化处理后的短时傅里叶变换的模值;
所述快速傅里叶计算模块对短时傅里叶变换的模值最大的分段信号进行快速傅里叶变换,获得共振谐波波动次数;
油井液面计算模块用于根据共振谐波波动次数和动液面深度的数学关系计算出油井液面的深度。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于归一化卷积与自适应滤波的油井动液面测量方法,其特征在于,包括以下步骤:
采集信号,并利用Welch选取两段长度不一的两组数据,通过两段数据的频率信号的谱减操作截取低频段信号;
根据截取的信号确定共振频段,并获取共振频段的共振谐波波动次数,计算油井液面深度。
2.根据权利要求1所述的一种基于归一化卷积与自适应滤波的油井动液面测量方法,其特征在于,利用Welch选取两段长度不一的两组数据,通过两段数据的频率信号的谱减操作截取低频段信号包括以下步骤:
S1、安装测量装置,扬声器安装于套管口,声传感器安装于靠近扬声器处,且声传感器和扬声器均与套管轴线平齐;
S2、通过扬声器发出低频噪声对管内空气柱进行激振,声传感器采集扬声器发出的噪声和空气柱共振的混合信号,利用Welch功率谱估计选取数据长度不同且频率分辨率有差异的两组信号;
S3、将两组信号进行谱减处理,得到截取的低频信号。
3.根据权利要求1所述的一种基于归一化卷积与自适应滤波的油井动液面测量方法,其特征在于,根据截取的信号确定共振频段,并获取共振频段的共振谐波波动次数,计算油井液面深度具体包括以下步骤:
S4、对获得的低频信号,设置点数进行分段,对每段信号进行卷积归一化处理,得到多组不同频段的卷积信号;
S5、对每组信号进行短时傅里叶变换,计算变换后的模值,将模值最大的频段作为共振波信号最强的分段片段;
S6、对选取最强频段进行卷积处理,通过快速傅里叶变换计算出其包含的共振波波动次数;
S7、通过共振谐波波动次数和动液面深度的关系,计算出油井液面的深度。
6.根据权利要求1所述的基于归一化卷积与自适应滤波的油井动液面测量装置,其特征在于,包括数据采集模块、自适应滤波处理模块、共振频段确认模块以及油井液面计算模块,其中:
数据采集模块包括扬声器和声传感器,扬声器安装于套管口,声传感器安装于靠近扬声器处,且所述声传感器和扬声器均与套管轴线平齐;
所述扬声器用于发出低频噪声对管内空气柱进行激振;
所述声传感器用于采集扬声器发出的噪声和空气柱共振的混合信号;
自适应滤波处理模块包括基于Welch的信号选择模块、信号转换模块以及谱减模块;
所述基于Welch的信号选择模块从采集的混合信号中根据Welch功率谱估计选择两段长度不同,且频率分辨率有所差异的信号;
所述信号转换模块用于将选取的两组信号进行转换,获取其频率信号;
所述谱减模块用于对获取的两组频率信号进行谱减操作,获得低频段信号;
共振频段确认模块包括分段模块、归一化卷积模块、短时傅里叶变换模块以及快速傅里叶计算模块;
所述分段模块用于根据设置的点数对点频段信号进行分段;
所述归一化卷积模块用于对分段后的每一段信号进行卷积归一化处理;
所述短时傅里叶变换模块用于计算每段信号进行卷积归一化处理后的短时傅里叶变换的模值;
所述快速傅里叶计算模块对短时傅里叶变换的模值最大的分段信号进行快速傅里叶变换,获得共振谐波波动次数;
油井液面计算模块用于根据共振谐波波动次数和动液面深度的数学关系计算出油井液面的深度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011593073.8A CN112664177B (zh) | 2020-12-29 | 2020-12-29 | 一种基于归一化卷积与自适应滤波的油井动液面测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011593073.8A CN112664177B (zh) | 2020-12-29 | 2020-12-29 | 一种基于归一化卷积与自适应滤波的油井动液面测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112664177A true CN112664177A (zh) | 2021-04-16 |
CN112664177B CN112664177B (zh) | 2022-06-21 |
Family
ID=75411884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011593073.8A Active CN112664177B (zh) | 2020-12-29 | 2020-12-29 | 一种基于归一化卷积与自适应滤波的油井动液面测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112664177B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2234730A1 (en) * | 1997-04-14 | 1998-10-14 | Alan Paine | Method and apparatus for determining fluid level in oil wells |
US6155347A (en) * | 1999-04-12 | 2000-12-05 | Kudu Industries, Inc. | Method and apparatus for controlling the liquid level in a well |
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 |
RU2010134524A (ru) * | 2010-08-19 | 2012-02-27 | Общество с ограниченной ответственностью Томское научно-производственное и внедренческое общество "СИАМ" (RU) | Способ определения уровня жидкости в нефтяной скважине |
CN103321633A (zh) * | 2013-06-25 | 2013-09-25 | 重庆科技学院 | 油井动液面深度检测方法及装置 |
US20140122025A1 (en) * | 2012-10-26 | 2014-05-01 | Agilent Technologies, Inc. | Method and system for performing real-time spectral analysis of non-stationary signal |
WO2014199179A2 (en) * | 2013-06-14 | 2014-12-18 | Welldata (Subsurface Surveillance Systems) Ltd. | Downhole detection |
CN105822289A (zh) * | 2016-03-25 | 2016-08-03 | 重庆科技学院 | 用于油井动液面检测的频率估算方法 |
WO2016123588A1 (en) * | 2015-01-30 | 2016-08-04 | Scientific Drilling International, Inc. | Dual mode telemetry |
CN107013206A (zh) * | 2017-05-11 | 2017-08-04 | 重庆科技学院 | 一种油井动液面测量信号处理方法 |
CN107143323A (zh) * | 2017-05-11 | 2017-09-08 | 重庆科技学院 | 基于welch多段平均功率谱法的油井动液面检测方法 |
CN107420090A (zh) * | 2017-05-11 | 2017-12-01 | 重庆科技学院 | 基于短时傅里叶变换的油井动液面深度检测方法 |
CN107766780A (zh) * | 2016-08-22 | 2018-03-06 | 中国石油化工股份有限公司 | 基于电功图的抽油系统运行时特征信息提取方法 |
CN109272123A (zh) * | 2018-08-03 | 2019-01-25 | 常州大学 | 一种基于卷积-循环神经网络的有杆泵工况预警方法 |
CN111027638A (zh) * | 2019-12-23 | 2020-04-17 | 燕山大学 | 一种基于流量的抽油机冲次及动液面信息监测方法及系统 |
CN111946329A (zh) * | 2020-09-08 | 2020-11-17 | 中国石油天然气股份有限公司 | 一种油井动液面求取方法 |
-
2020
- 2020-12-29 CN CN202011593073.8A patent/CN112664177B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2234730A1 (en) * | 1997-04-14 | 1998-10-14 | Alan Paine | Method and apparatus for determining fluid level in oil wells |
US6155347A (en) * | 1999-04-12 | 2000-12-05 | Kudu Industries, Inc. | Method and apparatus for controlling the liquid level in a well |
RU2010134524A (ru) * | 2010-08-19 | 2012-02-27 | Общество с ограниченной ответственностью Томское научно-производственное и внедренческое общество "СИАМ" (RU) | Способ определения уровня жидкости в нефтяной скважине |
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 |
US20140122025A1 (en) * | 2012-10-26 | 2014-05-01 | Agilent Technologies, Inc. | Method and system for performing real-time spectral analysis of non-stationary signal |
WO2014199179A2 (en) * | 2013-06-14 | 2014-12-18 | Welldata (Subsurface Surveillance Systems) Ltd. | Downhole detection |
CN103321633A (zh) * | 2013-06-25 | 2013-09-25 | 重庆科技学院 | 油井动液面深度检测方法及装置 |
WO2016123588A1 (en) * | 2015-01-30 | 2016-08-04 | Scientific Drilling International, Inc. | Dual mode telemetry |
CN105822289A (zh) * | 2016-03-25 | 2016-08-03 | 重庆科技学院 | 用于油井动液面检测的频率估算方法 |
CN107766780A (zh) * | 2016-08-22 | 2018-03-06 | 中国石油化工股份有限公司 | 基于电功图的抽油系统运行时特征信息提取方法 |
CN107013206A (zh) * | 2017-05-11 | 2017-08-04 | 重庆科技学院 | 一种油井动液面测量信号处理方法 |
CN107143323A (zh) * | 2017-05-11 | 2017-09-08 | 重庆科技学院 | 基于welch多段平均功率谱法的油井动液面检测方法 |
CN107420090A (zh) * | 2017-05-11 | 2017-12-01 | 重庆科技学院 | 基于短时傅里叶变换的油井动液面深度检测方法 |
CN109272123A (zh) * | 2018-08-03 | 2019-01-25 | 常州大学 | 一种基于卷积-循环神经网络的有杆泵工况预警方法 |
CN111027638A (zh) * | 2019-12-23 | 2020-04-17 | 燕山大学 | 一种基于流量的抽油机冲次及动液面信息监测方法及系统 |
CN111946329A (zh) * | 2020-09-08 | 2020-11-17 | 中国石油天然气股份有限公司 | 一种油井动液面求取方法 |
Non-Patent Citations (9)
Title |
---|
W ZHOU ET AL.: "Study on the measurement method of oil well"s dynamic liquid level based on air column resonance", 《IOP CONFERENCE SERIES: EARTH AND ENVIRONMENTAL SCIENCE》 * |
ZHOU WEI ET AL.: "Dynamic liquid level detection method based on resonant frequency difference for oil wells", 《TURKISH JOURNAL OF ELECTRICAL ENGINEERING AND COMPUTER SCIENCES》 * |
ZHOU WEI ET AL.: "Research on Liquid Level Detection Based on Acoustic Field Characteristic of the Oil Wells", 《IEEE CONFERENCE ON INDUSTRIAL ELECTRONICS AND APPLICATIONS》 * |
周盼等: "基于管柱声场模型的油井动液面深度检测信号处理", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
张卉雨等: "基于扩频技术的油井动液面监测系统设计", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
张鹏等: "基于声波信号盲分离的井下液面深度检测研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
李心一等: "迭代加窗插值FFT谐波分析方法", 《电力系统及其自动化学报》 * |
贾威等: "基于管柱声场模型的油井动液面深度检测方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
黄文梅等: "《信号分析与处理 MATLAB语言及应用》", 28 February 2000, 长沙:国防科技大学出版社 * |
Also Published As
Publication number | Publication date |
---|---|
CN112664177B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102144258B (zh) | 促进确定信号边界频率的方法和装置 | |
CN103644460A (zh) | 一种输气管线泄漏音波信号的滤波优选方法 | |
CN110925233A (zh) | 一种基于声学信号的压气机喘振故障诊断方法 | |
CN113074935B (zh) | 一种用于齿轮箱冲击故障特征的声学分离和诊断方法 | |
CN105371945A (zh) | 去除厅堂脉冲响应测量声信号中噪声的方法及装置 | |
CN1212092A (zh) | 用于计算回声测量值的方法和装置 | |
CN114785379A (zh) | 一种水声janus信号参数估计方法及系统 | |
CN110207809B (zh) | 基于空间频域平滑技术的换能器转移阻抗校准装置 | |
CN112664177B (zh) | 一种基于归一化卷积与自适应滤波的油井动液面测量方法 | |
CN116577037B (zh) | 一种基于非均匀频率语谱图的风管泄漏信号检测方法 | |
CN111308560B (zh) | 一种随钻测量mwd系统噪声消除方法和装置 | |
CN114234061A (zh) | 一种基于神经网络的带压运行供水管道漏水音智能判别方法 | |
CN116049632B (zh) | 一种风电主轴轴承故障诊断方法、装置及应用 | |
US20090144004A1 (en) | Method and Device for Spectral Analysis in Several Frequency Bands with Different Frequency Resolution | |
CN115015942B (zh) | 一种自适应水下目标声学测速装置及方法 | |
CN114936722B (zh) | 基于计算机辅助的液压泵滤油器清洗时间预测方法 | |
CN113048404B (zh) | 一种城市气体管道微小泄漏诊断方法 | |
CN113899388B (zh) | 一种振弦传感器自适应数据采集方法 | |
CN111623968B (zh) | 一种基于自适应形态滤波的故障特征提取方法 | |
CN110440144B (zh) | 一种基于压力信号幅值衰减的定位方法 | |
CN109682459B (zh) | 一种水下管口外辐射噪声的测量装置和方法 | |
CN113686577A (zh) | 一种基于快速非线性稀疏谱的轴承故障诊断方法 | |
JP2932996B2 (ja) | 高調波ピッチ検出装置 | |
CN117554007B (zh) | 一种桥梁伸缩缝测量装置 | |
CN113792628B (zh) | 一种基于hht的波形智能自动分析方法 |
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 |