CN115758221A - 一种基于图像识别的油-水两相流相分数预测方法及系统 - Google Patents

Abstract

本发明涉及一种基于图像识别的油‑水两相流相分数预测方法及系统，其包括：利用图像目标检测，从DAS声学数据的频率‑波数图像中得到相应的油气井下声速；通过两相流的声速值计算对应的两相流相分数，完成油‑水两相流相分数预测。本发明解决了之前井下流速声速识别范围较小、在多相流中声速识别质量较差等问题，在保证一定识别速度的情况下也保持了较高的识别准确度，从而保证了对井下两相流相分数的有效预测。本发明可以在油气井采油领域中应用。

Description

一种基于图像识别的油-水两相流相分数预测方法及系统

技术领域

本发明涉及一种油气井采油技术领域，特别是关于一种基于图像识别的油-水两相流相分数预测方法及系统。

背景技术

在石油和天然气生产行业中，井下两相流的相分数的预测非常重要，可以通过计算出的声速和混合密度来确定多相流的相分数，从而优化油气井采油过程。利用测井噪声识别井下流体运动的思想由来已久，如在井下利用噪声测井作为相对幅度对频率的光谱仪，泄漏与最大噪声幅度和高压力梯度水平有关，但这个方法仅限于跟踪缓慢的流体运动，因为设备功能仅记录低频率范围。还有人使用一种基于声学测量的井下流量计来测量井下两相流声速，然后计算流体相分数。对于两相油和水的情况测量准确，而在有气体存在的情况下，结果只在质量上是可接受的。

而且现有技术中，公开了以下几种方法：(1)相对简单的离线取样油水混合物样本，然后在实验室中通过重力或离心分离确定对应的油水混合物相分数。(2)用电容探头传感器对油水混合物进行测量，得到相应的介电常数，通过油水混合物的阻抗特性得到大致的油水混合物相分数。(3)在井下放下一个监听装置，并将泄漏点与峰值记录的噪音相关联，然后利用测井噪声识别井下流体运动，最后计算对应的相分数。(4)使用一种基于被动声导航和测距(声纳)技术的流量计，流量计使用的传感器阵列跟踪随水流移动的空间相干结构(涡旋),然后对每个传感器的信号进行处理，以对其频率和波长进行去卷积，然后使用这些频率和波长来计算涡流的对流速度和流体中的声速，最后计算对应的相分数(5)利用记录的噪声数据作为相对幅度对频率的光谱仪,其中泄漏与最大噪声幅度和高压力梯度水平有关，这种方法可以跟踪缓慢的流体运动，得到最后的两相流声速，最后计算对应的相分数。(6)使用一种基于光学传感器的流量计来测量井下流速，流量计由一个外管组成，外管外表面包裹着一根光纤线圈。当流体通过管道时，声波会引起管壁的径向应变的局部变化。这种应变被光学传感器捕获，并通过将应变与管道半径和管道厚度相关联来计算脉动压力(从而计算出对应的声速值)，最后计算对应的相分数。

上述这些方案的应用范围有许多局限性，如：劳动密集型的，需要大量的时间才能完成，并且不允许对液-液系统进行持续监测；电容式探头传感器容易被石蜡覆盖，在短时间内不准确，此外当介质导电(例如，水连续)时，这类传感器也会出现问题；仅限于追踪缓慢的流体运动；设备功能仅记录低频率范围，不能有效记录全部声波信息；只适用于相对较高的油气井；在多相流问题中测量效果不太理想；只有在声波能量传播强烈和连续的井段才能获得准确的声速。

发明内容

针对上述问题，本发明的目的是提供一种基于图像识别的油-水两相流相分数预测方法及系统，其解决了之前井下流速声速识别范围较小、在多相流中声速识别质量较差等问题，在保证一定识别速度的情况下也保持了较高的识别准确度，从而保证了对井下两相流相分数的有效预测。

为实现上述目的，本发明采取以下技术方案：一种基于图像识别的油-水两相流相分数预测方法，其包括：利用图像目标检测，从DAS声学数据的频率-波数图像中得到相应的油气井下声速；通过两相流的声速值计算对应的两相流相分数，完成油-水两相流相分数预测。

进一步，所述频率-波数图像，包括：

利用DAS在时间域和空间域中测量传播的声波，并将存储相应的声波数据；

通过基于二维傅里叶变换的信号处理，将声波数据从时间深度域转移到频率波数域，得到相应的频率-波数图像。

进一步，所述频率-波数图像中，上行声速和下行声速将分别显示为正斜率和负斜率。

进一步，所述图像目标检测采用基于Radon变换的图像识别方法。

进一步，所述油气井下声速，包括：

通过图像目标检测对频率-波速图像中的倾斜直线进行识别，拟合得到两条对应的斜线；

对两条斜线分别计算，得到正斜率和负斜率，进而得到声波对应的上行声速和下行声速。

进一步，所述两相流相分数的计算，包括：把两相流声速等值带入油水两相流中油的相分数计算公式，计算得到对应的相分数值，最终两相流相分数的预测结果；

相分数计算公式为：

式中，α_o为油相相分数，c_m为油水混合流体声速，c_ω为水相声速，c_o为水相声速，ρ_m是油水混合流体密度，ρ_o表示油相密度，ρ_ω表示水相密度，d为管道直径，t为管壁厚度，E为管道材料杨氏模量。

一种基于图像识别的油-水两相流相分数预测系统，其包括：声速获取模块，利用图像目标检测，从DAS声学数据的频率-波数图像中得到相应的油气井下声速；相分数预测模块，通过两相流的声速值计算对应的两相流相分数，完成油-水两相流相分数预测。

进一步，所述声速获取模块中，所述油气井下声速包括：

拟合模块，通过图像目标检测对频率-波速图像中的倾斜直线进行识别，拟合得到两条对应的斜线；

斜率计算模块，对两条斜线分别计算，得到正斜率和负斜率，进而得到声波对应的上行声速和下行声速。

一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述方法中的任一方法。

一种计算设备，其包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述方法中的任一方法的指令。

本发明由于采取以上技术方案，其具有以下优点：

本发明可以从声学数据的频率-波数域图像中识别计算得到相应的油气井下声速，最后通过计算得到对应的油水混合物相分数。这种通过图像识别技术得到井下对应流速的技术具有便捷、高效、实时性高的优点，解决了之前流速识别方案的鲁棒性较差、声速识别范围有限等缺点，可以高效地识别油气井下油水混合物声速的变化趋势，进而能够得到油气井下实时的多相分数，通过这些实时的水-油相分数的数据可以为产油公司提供了更准确的油井配置，可以很好地提高油气井产油量。

附图说明

图l是本发明一实施例中基于图像识别的油-水两相流相分数预测方法流程示意图；

图2是本发明一实施例中通过DAS系统获取声场的反向散射光数据的示意图；

图3是本发明一实施例中从分支井收集的原始声学数据示意图；

图4是本发明一实施例中声波数据的频率-波数域图像；

图5是本发明一实施例中油气井下两相流声速预测结果图；其中，图a是要识别的DAS图像(图中的直线为识别出的结果，将它画在了原DAS图上，本发明的油气井下声速就是图中直线的斜率，计算得到声速为3054.77m/s)；图b是Radon变换图像，Radon变换的本质是将原来的函数做了一个空间转换，即，将原来的XY平面内的点映射到Xθ平面上，那么原来在Xθ平面上的一条直线的所有的点在AB平面上都位于同一点，记录Xθ平面上的点的积累厚度，便可知XY平面上的线的存在性，图中的黑点即为局部极大值，它极有可能是一条直线的位置；图c是Radon变换图像的径向方向X的置信度图像，置信度图像中间标了虚线的位置为X置信度最大的位置，本发明把它作为识别图像的X位置；图d是Radon变换图像的投影角度θ的置信度图像，置信度图像中间标了虚线的位置为θ置信度最大的位置，本发明把它作为识别图像的θ位置；

图6是本发明一实施例中油气井下两相流相分数预测结果图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

为了解决现有技术中流速识别方案的鲁棒性较差、声速识别范围有限等问题，本发明针对油气井下的流速识别问题提出了一种基于图像识别的油-水两相流相分数预测方法及系统，基于Randon变换的图像目标检测，从DAS(分布式声学传感器)声学数据的频率-波数域图像中得到相应的油气井下声速，然后通过计算就能得到对应的两相流相分数。本发明可以直接通过对声波数据的频率-波数域图像进行识别，较为高效、准确地得到油气井下声速，最后通过计算就能得到对应的相分数值，从而实现对油气井下两相流相分数的快速检测。

在本发明的一个实施例中，提供一种基于图像识别的油-水两相流相分数预测方法。本实施例中，如图1所示，该方法包括以下步骤：

1)基于Randon变换的图像目标检测，从DAS声学数据的频率-波数域图像中得到相应的油气井下声速；

2)通过两相流的声速值计算对应的两相流相分数，完成油-水两相流相分数预测。

上述步骤1)中，频率-波数图像的获取包括以下步骤：

1.1.1)利用DAS在时间域和空间域中测量传播的声波(如图2所示)，并将存储相应的声波数据；

在本实施例中，当流体通过间隔控制阀门ICV时，会产生声波。本实施例将分布式光波传感器DAS作为声波数据收集模块，通过DAS系统获取声场的散射光数据，进而得到的声波数据，如图3所示。

1.1.2)通过基于二维傅里叶变换的信号处理，将声波数据从时间深度域转移到频率波数域，得到相应的频率-波数(f-k)图像。

在本实施例中，由于声波数据是随时间连续采集的，因此需要将数据分成几个块，以计算该特定时间和深度范围内的声速。对于每个时间深度块，都应用了二维傅立叶变换，从而将声波数据从时间-深度域转移到频率-波数域(f-k)，得到了相应的f-k图像，如图4所示。

上述步骤1)中，频率-波数图像中，上行声速和下行声速将分别显示为正斜率和负斜率。

在本实施例中，由于声波在井筒中的流体中以两个方向传播即顺流和逆流，通过跟踪这些声波可以得到声音的上行速度和下行速度。在频率-波数图像中，上行和下行声速将分别显示为正斜率和负斜率。

上述步骤1)中，图像目标检测采用基于Radon变换的图像识别方法。

其中，油气井下声速的获取方法包括以下步骤：

1.2.1)通过图像目标检测对频率-波速图像中的倾斜直线进行识别，拟合得到两条对应的斜线；

1.2.2)对两条斜线分别计算，得到正斜率和负斜率，进而得到声波对应的上行声速和下行声速，如图5中的图a至图d所示。

上述步骤2)中，把两相流声速等值带入油水两相流中油的相分数计算公式，可以计算得到对应的相分数值，最终两相流相分数的预测结果如图6所示。

具体的，两相流相分数的计算，包括以下步骤：

用声速来表征井下流动信息的下一步是将这些测量值转换为相分数信息。该步骤从牛顿-拉普拉斯方程给出的声速定义开始：

其中，c_m为油水混合流体声速，ρ_m是油水混合流体密度，K_t是油水混合流体和管道的总体积模量。总体积模量和油水混合流体密度由这两种性质的混合方程确定。

假设流体是均匀的油水混合物，密度的算术平均值即为混合流体密度，为：

ρ_m＝α_oρ_o+(1-α_o)ρ_ω (1.2)

式中，ρ_o表示油相密度，ρ_ω表示水相密度。

而流体混合物的体积模量由使用R_euss近似的调和平均值给出，如下所示：

式中，K_t为油水混合流体和管道的总体积模量，K_o为油相体积模量，

c_o为油相声速，α_o为油相相分数，K_ω为水相体积模量，

c_ω为水相声速。

为了考虑流动管道的膨胀性，上面方程式(1.3)中的最后一项包括管道直径d、管壁厚度t和管道材料杨氏模量E。在这一点上，将公式(1.2)和(1.3)代入公式(1.1)，并将油和水的模量用声速和密度表示为

和

重新排列方程后，得到：

该方程的左侧是通过如上所述处理声信号而获得的。方程式右侧的所有属性都是单独的相位属性。所有这些特性都要在井筒压力和温度下进行评估，在一定深度和时间的压力和温度可以从DTS和ICV传感器获得。方程式中剩余的唯一未知数是α_o，也就是本实施例中需要求得的油的相分数。

方程式(1.4)被处理成格式为

的二次方程，其系数定义如下：

求解这个二次方程得到两个根：

通过上面一系列公式的计算，最终得到的α_o就是需要求解的油水两相流中油的相分数。

综上，本发明主要利用了基于Randon变换的图像目标检测技术，可以从声学数据的频率-波数域图像中识别计算得到相应的油气井下声速，最后通过计算得到对应的油水混合物相分数。这种通过图像识别技术得到井下对应流速的技术具有便捷、高效、实时性高的优点，解决了之前流速识别方案的鲁棒性较差、声速识别范围有限等缺点，可以高效地识别油气井下油水混合物声速的变化趋势，进而能够得到油气井下实时的多相分数，通过这些实时的水-油相分数的数据可以为产油公司提供了更准确的油井配置，可以很好地提高油气井产油量。

进一步，本发明通过分布式声波传感器DAS收集井下声波数据：激光脉冲的时间同步允许反向散射事件准确地映射到光纤距离，同时当流体通过间隔控制阀ICV时，会产生声波，此外行进光在通过线路时遇到流动声波引起的微小变化时，会经历后向散射。在测量时发射的激光脉冲信号在光学内部产生的后向散射信号转化为沿光纤每隔几米采样的应变率记录，这种反向散射的光沿着光纤返回到DAS进行采样，因此就能得到一系列的声波数据。使用了二维傅立叶变换技术将收集到的声波数据从从时间-深度域转换到频率-波数域，得到了频率-波数域图像，这样就能更加容易分析声波数据的相关信息。使用了Radon变换可以直接从频率-波数域图像中直接得到声波对应的上下行声速，最后将得到的声速值代入一系列的方程即可以得到对应的相分数值，从而高效指导井下采油工作。

在本发明的一个实施例中，提供一种基于图像识别的油-水两相流相分数预测系统，其包括：

声速获取模块，利用图像目标检测，从DAS声学数据的频率-波数图像中得到相应的油气井下声速；

相分数预测模块，通过两相流的声速值计算对应的两相流相分数，完成油-水两相流相分数预测。

上述实施例，在声速获取模块中，油气井下声速包括：

拟合模块，通过图像目标检测对频率-波速图像中的倾斜直线进行识别，拟合得到两条对应的斜线；

斜率计算模块，对两条斜线分别计算，得到正斜率和负斜率，进而得到声波对应的上行声速和下行声速。

本实施例提供的系统是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。

在本发明一实施例中提供的计算设备，该计算设备可以是终端，其可以包括：处理器(processor)、通信接口(Communications Interface)、存储器(memory)、显示屏和输入装置。其中，处理器、通信接口、存储器通过通信总线完成相互间的通信。该处理器用于提供计算和控制能力。该存储器包括非易失性存储介质、内存储器，该非易失性存储介质存储有操作系统和计算机程序，该计算机程序被处理器执行时以实现一种基于图像识别的油-水两相流相分数预测方法；该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、管理商网络、NFC(近场通信)或其他技术实现。该显示屏可以是液晶显示屏或者电子墨水显示屏，该输入装置可以是显示屏上覆盖的触摸层，也可以是计算设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。处理器可以调用存储器中的逻辑指令。

此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在本发明的一个实施例中，提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法。

在本发明的一个实施例中，提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储服务器指令，该计算机指令使计算机执行上述各实施例提供的方法。

上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于图像识别的油-水两相流相分数预测方法，其特征在于，包括：

利用图像目标检测，从DAS声学数据的频率-波数图像中得到相应的油气井下声速；

通过两相流的声速值计算对应的两相流相分数，完成油-水两相流相分数预测。

2.如权利要求1所述基于图像识别的油-水两相流相分数预测方法，其特征在于，所述频率-波数图像，包括：

利用DAS在时间域和空间域中测量传播的声波，并将存储相应的声波数据；

通过基于二维傅里叶变换的信号处理，将声波数据从时间深度域转移到频率波数域，得到相应的频率-波数图像。

3.如权利要求1或2所述基于图像识别的油-水两相流相分数预测方法，其特征在于，所述频率-波数图像中，上行声速和下行声速将分别显示为正斜率和负斜率。

4.如权利要求1所述基于图像识别的油-水两相流相分数预测方法，其特征在于，所述图像目标检测采用基于Radon变换的图像识别方法。

5.如权利要求1所述基于图像识别的油-水两相流相分数预测方法，其特征在于，所述油气井下声速，包括：

通过图像目标检测对频率-波速图像中的倾斜直线进行识别，拟合得到两条对应的斜线；

对两条斜线分别计算，得到正斜率和负斜率，进而得到声波对应的上行声速和下行声速。

6.如权利要求1所述基于图像识别的油-水两相流相分数预测方法，其特征在于，所述两相流相分数的计算，包括：把两相流声速等值带入油水两相流中油的相分数计算公式，计算得到对应的相分数值，最终两相流相分数的预测结果；

相分数计算公式为：

式中，α_o为油相相分数，c_m为油水混合流体声速，c_ω为水相声速，c_o为水相声速，ρ_m是油水混合流体密度，ρ_o表示油相密度，ρ_ω表示水相密度，d为管道直径，t为管壁厚度，E为管道材料杨氏模量。

7.一种基于图像识别的油-水两相流相分数预测系统，其特征在于，包括：

声速获取模块，利用图像目标检测，从DAS声学数据的频率-波数图像中得到相应的油气井下声速；

相分数预测模块，通过两相流的声速值计算对应的两相流相分数，完成油-水两相流相分数预测。

8.如权利要求7所述基于图像识别的油-水两相流相分数预测系统，其特征在于，所述声速获取模块中，所述油气井下声速包括：

拟合模块，通过图像目标检测对频率-波速图像中的倾斜直线进行识别，拟合得到两条对应的斜线；

斜率计算模块，对两条斜线分别计算，得到正斜率和负斜率，进而得到声波对应的上行声速和下行声速。

9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1至6所述方法中的任一方法。

10.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1至6所述方法中的任一方法的指令。

Images