CN112943224A - 稠油井动液面的计算方法 - Google Patents

Abstract

本发明提供一种稠油井动液面的计算方法，该稠油井动液面的计算方法包括：步骤1，取多个试验样本；步骤2，通过氮气声波法测得多口井的声波，以多个油管接箍为基准计算动液面深度，并加以记录；步骤3，建立回归决策树模型；步骤4，进行过拟合试验；步骤5，通过已经生成的回归决策树进行液面预估并与实测动液面进行对比。该稠油井动液面的计算方法将大量上述数据作为输入端输入到算法中，通过数据对算法进行“训练”，找出数据之间的潜在关系，建立数据模型，由此预估出动液面深度，数据量越大，预估结果越准确。

Description

稠油井动液面的计算方法

技术领域

本发明涉及油田开发技术领域，特别是涉及到一种稠油井动液面的计算方法。

背景技术

传统的稀油测动液面计算方法已经在油田普及应用，但稠油动液面计算受阻力或功图图形等因素影响，存在明显计算误差。传统的稀油测动液面计算模型是通过压力变化与差值计算得到沉默压力，这是近年来石油行业计算动液面的主要理论方式。目前稠油动液面仍使用着传统的声波法测量法，且不能做到实时监测。

传统的稀油测动液面计算系统是基于地面功图推导得到泵功图，通过曲率找到游动阀与固定阀的四个开闭点，通过压力变化与差值计算得到沉没压力。此方法的局限性比较明显。在稠油区块，阻力较大或者功图复杂的情况下，存在明显误差。

目前油田稠油区块动液面取得仍使用着传统的声波测量法，不能做到实时监测。声波测量法是人工到油井生产现场，将氮气测试设备连接到油井井口套气阀门上，发射氮气枪，利用回声原理得到稠油动液面。这种方法需要人工逐井进行测试，工作量大、时效性差，成本高，并且在设备运转的生产现场进行操作，存在较大安全隐患。同时因为稠油井井下情况复杂，比如套管内存在死油、油井间出、气体影响等情况都会导致数据的准确性出现偏差。造成测试分析结果与实际液面情况不符，实际测试液面资料显示油井供液不足，往往实际示功图正常，或者沉没度足够，功图显示却供液不足。

在申请号：201510359023.6的中国专利申请中，涉及到利用抽油机泵功图在线计算油井动液面方法包括：获取地面示功图，用计算机进行数学处理，消除抽油杆柱的变形、杆柱的粘滞阻力、振动和惯性等的影响，得到形状简单而又能真实反映泵工作状况的井下泵示功图，建立井下泵示功图模型，进行井下泵示功图的付氏级数解、粘滞阻尼系数v的计算，然后根据上述得到的井下泵示功图与阀开闭点的关系以及粘滞阻尼系数v建立曲率模型，确定阀开闭点位置。这个专利单从原理层面考虑是比较完善的，但构成因素过于理想化。比如地面功图转泵功图过程中的波动方程对象、计算公式中的波动参数、运动粘度等因素在实际生产中是取不准的。同时该专利没有考虑到压降、流量系数、排量系数等这些稠油区块常见特点的要因。该专利用在稀油区块准确率较高，用在稠油区块误差会很大。

在申请号：201810168944.8的中国专利申请中，涉及到一种油井动液面识别方法，包括步骤：一、获取动液面深度预估值并采集回波信号；二、回波采样信号的滤波；三、带通滤波回波信号的频域变换；四、提取回波信号声速；五、回波采样信号的数据归零处理；六、归零回波采样信号的滤波；七、查找动液面位置的突变峰值和动液面位置的采样点；八、获取动液面位置的采样时间；九、识别动液面的实际深度。该专利是在井口安装回波采样装置和滤波发射装置，通过指令进行采样，获取动液面实际深度。该做法相当于在每口油井上安装一套人工测试用的声波测试仪器。其动液面测试结果正确率较高，但安装成本较高，不适合推广普及。

为此我们发明了一种新的稠油井动液面的计算方法，解决了以上技术问题。

发明内容

本发明的目的是提供一种适合稠油区块的动液面计算方法，利用井口现有的设备获取大量生产数据，通过人工智能的机器学习，进行预测，得出预估建议。

本发明的目的可通过如下技术措施来实现：稠油井动液面的计算方法，该稠油井动液面的计算方法包括：步骤1，取多个试验样本；步骤2，通过氮气声波法测得多口井的声波，以多个油管接箍为基准计算动液面深度，并加以记录；步骤3，建立回归决策树模型；步骤4，进行过拟合试验；步骤5，通过已经生成的回归决策树进行液面预估并与实测动液面进行对比。

本发明的目的还可通过如下技术措施来实现：

在步骤1中，取多个试验样本，取得多口井的泵径，泵深，冲程，冲次，最大载荷，最小载荷，含水，日产液量，回压，套压这些数据。

在步骤2中，通过氮气声波法测得多口井的声波，以多个油管接箍为基准计算动液面深度，并加以记录。

步骤3包括：

3a，采集训练集；

3b，对特征空间进行划分，每次划分逐一考察当前集合中所有特征的取值，根据平方误差最小化准则选择其中最优的一个作为切分点；

3c，用选定的对(j，s)划分区域并决定相应的输出值；

3d，继续对上述两个子区域调用步骤3b和步骤3c，直至满足停止条件，即递归调用；

3e，将输入空间划分为M个区域R₁，R₂，...，R_m，生成决策树。

在步骤3a中，设D＝{(x₁，y₁)，(x₂，y₂)，...(x_n，y_n)}为训练集，其中n 为训练集中的样本数

其中

分别为第i条样本的泵径，泵深，冲程，冲次，套压，回压，日产液量，含水，最大载荷，最小载荷这些特征向量，y_i为第i条样本的氮气实测液面值。

在步骤3b中，对训练集中第j个特征变量x^(j)和它的取值s，作为切分变量和切分点，并定义两个区域

R₁(j，s)＝{x|x^(j)≤s}和R₂(j，s)＝{x|x^(j)＞s}，

选择最优切分变量j与切分点s，对公式

进行求解，遍历变量j，对固定的切分变量j扫描切分点s，选择使上述公式达到最小值的(j，s)，也就是找出使要划分的两个区域平方误差和最小的j和s；其中c₁c₂为划分后两个区域内固定的输出值，方括号内的两个min意为使用的是最优的c₁和c₂，也就是使各自区域内平方误差最小的c₁和c₂，易知这两个最优的输出值就是各自的对应区域内y的均值，所以上式可写为

其中

和

为两个区域的y_i的均值，至此选定平方误差和最小的(j，s)。

在步骤3c中，用选定的对(j，s)划分区域并决定相应的输出值：

R₁(j，s)＝{x|x^(j)≤s}，R₂(j，s)＝{x|x^(j)＞s}

其中N_m表示第m个子区域中样本的个数。

在步骤3e中，将输入空间划分为M个区域R₁，R₂，...，R_m，生成决策树：

其中I为指示函数

在步骤1中，选取其它多口井的泵径，泵深，冲程，冲次，套压，回压，最大载荷，最小载荷，含水，日产液量以及现场声波实测动液面值作为测试数据集，通过已经生成的回归决策树进行液面预估并与实测动液面进行对比。

本发明的稠油井动液面的计算方法，绕开现有动液面计算公式的框架，利用机器学习是用数据或以往的经验，以此优化计算机程序的性能标准，是对能通过经验自动改进的计算机算法的研究。根据油田生产现场的液量、回压、套压、上行载荷、下行载荷、冲程、冲次、泵深、泵径等可提取数据与动液面潜在联系。深度学习算法将大量上述数据作为输入端输入到算法中，通过数据对算法进行“训练”，找出数据之间的潜在关系，建立数据模型，由此预估出动液面深度，数据量越大，预估结果越准确。

附图说明

图1为本发明的稠油井动液面的计算方法的一具体实施例的流程图；

图2为本发明的一具体实施例中不同最大深度下回归决策树拟合结果的示意图。

具体实施方式

为使本发明的上述和其它目的、特征和优点能更明显易懂，下文特举出较佳实施例，并配合附图所示，作详细说明如下。

如图1所示，图1为本发明的稠油井动液面的计算方法的结构图。

步骤101：本次试验取多个(例如40个)试验样本，首先通过pcs 平台取得多口(例如40口)井的泵径，泵深，冲程，冲次，最大载荷，最小载荷，含水，日产液量，回压(油压)，套压等数据。

步骤102：跟随测试人员去现场，通过传统的氮气声波法测得多口井的声波，以多个(10个)油管接箍为基准计算动液面深度，并加以记录。至此完成数据采集部分(训练集)。

步骤103：编写Python程序调用回归决策树模型，具体原理如下：

步骤301：

设D＝{(x₁，y₁)，(x₂，y₂)，...(x_n，y_n)}为训练集其中n为训练集中的样本数

其中

分别为第i条样本(第i口井)的泵径，泵深，冲程，冲次，套压，回压，日产液量，含水，最大载荷，最小载荷等特征向量。

y_i为第i条样本的氮气实测液面值。

步骤302：

对特征空间的划分，每次划分逐一考察当前集合中所有特征的取值，根据平方误差最小化准则选择其中最优的一个作为切分点。对训练集中第j个特征变量x^(j)和它的取值s，作为切分变量和切分点，并定义两个区域

R₁(j，s)＝{x|x^(j)≤s}和R₂(j，s)＝{x|x^(j)＞s}，

选择最优切分变量j与切分点s，对

进行求解，遍历变量j，对固定的切分变量j扫描切分点s，选择使上述公式达到最小值的(j，s)，也就是找出使要划分的两个区域平方误差和最小的j和s。其中c₁c₂为划分后两个区域内固定的输出值，方括号内的两个min意为使用的是最优的c₁和c₂，也就是使各自区域内平方误差最小的c₁和c₂，易知这两个最优的输出值就是各自的对应区域内y的均值，所以上式可写为

其中

和

为两个区域的y_i的均值，至此选定平方误差和最小的(j，s)。

步骤303：

用选定的对(j，s)划分区域并决定相应的输出值：

R₁(j，s)＝{x|x^(j)≤s}，R₂(j，s)＝{x|x^(j)＞s}

其中N_m表示第m个子区域中样本的个数。

步骤304：

继续对上述两个子区域调用步骤302，步骤303，直至满足停止条件，即递归调用。

步骤305：

至此已将输入空间划分为M个区域R₁，R₂，...，R_m，生成决策树：

其中I为指示函数

步骤104：

进行过拟合试验具体原理如下：

决策树算法的缺点就在于极易过拟合，所以控制决策树的模型复杂度以防止过拟合是很有必要的。可以设定几个参数抑制树的生长：最大树深(max_depth)、最大叶子结点数、叶子结点最小样本数、分裂最小增益。除此之外，也可以对树的生长不做限制，然后再对树进行剪枝。这里主要通过设置max_depth抑制树的生长。

max_depth：树的最大深度,也就是说当树的深度到达 max_depth的时候无论还有多少可以分支的特征，决策树都会停止运算。

树的最大深度的增加虽然可以增加对训练集拟合能力的增强, 但这也就可能意味着其泛化能力的下降。在提供的数据集上分别使用不同的最大深度训练出来结果如图2，可看出max_depth越大时，拟合效果越好，训练集上的误差越小(max_depth＝[3,5,7]分别对应 RMSE＝[81.89780496371962,51.46411910793339,36.556841812382 27])。但是，经过随机抽取的交叉验证发现，max_depth越大时，训练出来的平均误差有所上升，表明泛化能力下降了 (max_depth＝[3,5,7]分别对应交叉验证结果的平均 RMSE＝[201.65014637171956,212.40395258911178,215.402864380 9492])。

因此选择回归决策树的深度为3。

步骤105：

通过pcs平台选取其它多口(例如10口)井的泵径，泵深，冲程，冲次，套压，回压，最大载荷，最小载荷，含水，日产液量以及现场声波实测动液面值作为测试数据集，通过已经生成的回归决策树进行液面预估并与实测动液面进行对比其结果如下：

表1液面预估与实测动液面对比结果表

本发明的稠油井动液面的计算方法，将结果与声波法测量数据对比，误差值为69.9m，误差率3.3％。同时，取多口(例如10口) 稠油井进行横向和纵向对比，得到与声波法测量法误差控制在4％以内，该算法可以应用于对稠油动液面实时监测。运行中的数据从PCS平台实时提取，动液面实时采集计算。使得技术人员对该油井井况实时掌握，同时避免了人工逐井进行测试的工作量，减少人工成本，优化劳动力。

Claims (9)

1.稠油井动液面的计算方法，其特征在于，该稠油井动液面的计算方法包括：

步骤1，取多个试验样本；

步骤2，通过氮气声波法测得多口井的声波，以多个油管接箍为基准计算动液面深度，并加以记录；

步骤3，建立回归决策树模型；

步骤4，进行过拟合试验；

步骤5，通过已经生成的回归决策树进行液面预估并与实测动液面进行对比。

2.根据权利要求1所述的稠油井动液面的计算方法，其特征在于，在步骤1中，取多个试验样本，取得多口井的泵径，泵深，冲程，冲次，最大载荷，最小载荷，含水，日产液量，回压，套压这些数据。

3.根据权利要求2所述的稠油井动液面的计算方法，其特征在于，在步骤2中，通过氮气声波法测得多口井的声波，以多个油管接箍为基准计算动液面深度，并加以记录。

4.根据权利要求1所述的稠油井动液面的计算方法，其特征在于，步骤3包括：

3a，采集训练集；

3b，对特征空间进行划分，每次划分逐一考察当前集合中所有特征的取值，根据平方误差最小化准则选择其中最优的一个作为切分点；

3c，用选定的对(j，s)划分区域并决定相应的输出值；

3d，继续对上述两个子区域调用步骤3b和步骤3c，直至满足停止条件，即递归调用；

3e，将输入空间划分为M个区域R₁，R₂，...，R_m，生成决策树。

5.根据权利要求4所述的稠油井动液面的计算方法，其特征在于，在步骤3a中，设D＝{(x₁，y₁)，(x₂，y₂)，...(x_n，y_n)}为训练集，其中n为训练集中的样本数

其中

分别为第i条样本的泵径，泵深，冲程，冲次，套压，回压，日产液量，含水，最大载荷，最小载荷这些特征向量，y_i为第i条样本的氮气实测液面值。

6.根据权利要求5所述的稠油井动液面的计算方法，其特征在于，在步骤3b中，对训练集中第j个特征变量x^(j)和它的取值s，作为切分变量和切分点，并定义两个区域

R₁(j，s)＝{x|x^(j)≤s}和R₂(j，s)＝{x|x^(j)＞s}，

选择最优切分变量j与切分点s，对公式

进行求解，遍历变量j，对固定的切分变量j扫描切分点s，选择使上述公式达到最小值的(j，s)，也就是找出使要划分的两个区域平方误差和最小的j和s；其中c₁c₂为划分后两个区域内固定的输出值，方括号内的两个min意为使用的是最优的c₁和c₂，也就是使各自区域内平方误差最小的c₁和c₂，易知这两个最优的输出值就是各自的对应区域内y的均值，所以上式可写为

其中

和

为两个区域的y_i的均值，至此选定平方误差和最小的(j，s)。

7.根据权利要求6所述的稠油井动液面的计算方法，其特征在于，在步骤3c中，用选定的对(j，s)划分区域并决定相应的输出值：

R₁(j，s)＝{x|x^(j)≤s}，R₂(j，s)＝{x|x^(j)＞s}

其中N_m表示第m个子区域中样本的个数。

8.根据权利要求7所述的稠油井动液面的计算方法，其特征在于，在步骤3e中，将输入空间划分为M个区域R₁，R₂，...，R_m，生成决策树：

其中I为指示函数

9.根据权利要求1所述的稠油井动液面的计算方法，其特征在于，在步骤1中，选取其它多口井的泵径，泵深，冲程，冲次，套压，回压，最大载荷，最小载荷，含水，日产液量以及现场声波实测动液面值作为测试数据集，通过已经生成的回归决策树进行液面预估并与实测动液面进行对比。

Images