CN117662081A - 采用自主节流器控制来减轻气井中积液的方法和系统 - Google Patents
采用自主节流器控制来减轻气井中积液的方法和系统 Download PDFInfo
- Publication number
- CN117662081A CN117662081A CN202210961074.6A CN202210961074A CN117662081A CN 117662081 A CN117662081 A CN 117662081A CN 202210961074 A CN202210961074 A CN 202210961074A CN 117662081 A CN117662081 A CN 117662081A
- Authority
- CN
- China
- Prior art keywords
- production
- mode
- well
- shut
- gas
- 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.)
- Pending
Links
- 239000007788 liquid Substances 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000000116 mitigating effect Effects 0.000 title description 6
- 238000004519 manufacturing process Methods 0.000 claims abstract description 129
- 239000012530 fluid Substances 0.000 claims abstract description 44
- 238000004891 communication Methods 0.000 claims abstract description 19
- 238000005094 computer simulation Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 20
- 206010030113 Oedema Diseases 0.000 claims description 15
- 230000003068 static effect Effects 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 9
- 238000013075 data extraction Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 118
- 238000003860 storage Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 10
- 241000521257 Hydrops Species 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000002902 bimodal effect Effects 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000010923 batch production Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000012263 liquid product Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK 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
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK 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
- E21B43/122—Gas lift
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/04—Measuring depth or liquid level
- E21B47/047—Liquid level
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B2200/00—Special features related to earth drilling for obtaining oil, gas or water
- E21B2200/20—Computer models or simulations, e.g. for reservoirs under production, drill bits
Landscapes
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics (AREA)
- Flow Control (AREA)
- Pipeline Systems (AREA)
- Measuring Volume Flow (AREA)
Abstract
提供了用于控制与来自井的液体相关的气体的间歇生产的方法和系统。设置在井中的生产油管为气体和液体提供了到地面的流动路径。电控制节流器和控制器布置在地面。节流器与生产油管流体连通。控制器与节流器接口,并执行控制节流器操作的自主控制操作,其中自主控制操作包括生产周期,该生产周期包括生产模式和随后的关井模式。在生产模式下,控制器被配置成操作节流器在打开位置。在关井模式下,控制器被配置成操作节流器在关闭位置。
Description
技术领域
本公开涉及减轻气井中的积液(liquid loading)的方法和系统。
背景技术
气井通常同时生产(produce)气体(天然气)和液体。液体可以包括原生水、水基压裂液或气体冷凝物。如果气体和液体的生产流的速度大于临界气体速度,液体随着气体被带到地面。如果气体和液体的生产流的速度小于临界气体速度,则液体不会随着气体被带到地面,而是会积聚在井筒中。这种液体积聚被称为积液。积液会限制或者甚至停止从气井生产气体。
减轻气井中积液的一种方法被称为间歇生产,其涉及在连续的双峰(bimodal)生产周期中操作气井,所述双峰生产周期包括生产模式和随后的关井模式(shut-in mode)。在生产模式下,井口的节流器打开,使气体和液体都能在地面生产。在生产模式期间,井会经历积液。在关井模式下,节流器关闭,以停止在地面生产气体和液体。在关井模式期间,液体可以从井筒流回储层岩,以减少积液,并允许井底压力恢复到下一个生产周期。
间歇生产的一个问题是,难以确定节流器调节的时间,所述节流器调节确定生产周期的生产模式和关井模式的持续时间,从而随着时间推移有效减轻积液并优化从井生产气体。历史上,节流器调节的时间是基于预先选择的期。然而,随着时间推移,使用这种预先选择的期通常不能有效地减轻积液和优化从井生产气体,因为为该任务考虑的生产参数在每口井中是不同的,并且与单井相关的参数随着时间而变化。
发明内容
提供本概述以介绍将在下文详细描述中进一步描述的一些概念。该概述不旨在标识所要求保护的主题的关键或必要特征,也不旨在用于帮助限制所要求保护的主题的范围。
提供了以减轻井内积液控制操作。自主控制操作涉及生产周期,包括生产模式和随后的关井模式。在生产模式下,控制器被配置成操作节流器在打开位置。在关井模式下,控制器被配置成操作节流器在关闭位置。
在实施例中,在生产模式下,控制器配置为执行操作,其涉及:
i)从第一计算模型确定随时间推移的液体高度,其中液体高度代表井中积液的高度或深度水平,并且其中第一计算模型基于通过生产油管的生产流的能量守恒;
ii)至少部分地基于生产模式下液体高度随时间推移的值,确定积液标志随时间推移是真还是假,和
iii)基于积液标志自动地和选择性地转换到关井模式。
在实施例中,第一计算模型可配置为将测得的操作参数(如气体流量、油管头压力、套管头压力及其组合)和静态参数(如气体密度、液体密度、井筒深度及其组合)与液体高度相关联。
在实施例中,第一计算模型可基于流体力学,假设(a)生产油管外部的井环空中的液体高度是可忽略不计的,以及(b)井生产将为稳定流量,这意味着动能损失是可忽略不计的。
在实施例中,第一计算模型可采用迭代方法计算流体流的可压缩性系数值。
在实施例中,第一计算模型可配置为从测量的套管头压力计算井底压力,然后使用计算的井底压力和测量的油管头压力以及气体密度、液体密度和井筒深度的值来确定液体高度。
在实施例中,积液标志随时间推移的确定进一步基于测量的气体流量与从另一计算模型确定的临界气体流量的比较。
在实施例中,积液标志随时间推移的确定进一步基于生产模式期间计算的液体高度差。
在实施例中,在关井模式期间,控制器可配置为执行操作,其涉及:i)从第二计算模型确定随时间推移的液体高度,其中液体高度代表井内积液的高度或深度水平,且其中第二计算模型基于井内静态流体的能量守恒;ii)确定观察时间窗,在该观察时间窗中,在关井模式下随时间推移的液体高度下降到阈值水平以下;iii)使用经过训练的机器学习模型来预测观察时间窗内不同时间点的气体流量;iv)识别观察窗口中对应于观察时间窗口内最大预测气体流量的时间点;以及v)在iv)中识别的时间点自动地和选择性地转换到生产模式。
在实施例中,第二计算模型可基于流体力学,假设(a)生产油管外部的井环空中的液体高度是可忽略不计的,以及(b)井无产量,因此动能损失和摩擦损失可从计算中忽略。
在实施例中,第二计算模型可采用迭代方法计算流体的可压缩性系数值。
在实施例中,第二计算模型可配置为从测量的套管头压力计算井底压力,然后使用计算的井底压力和测量的油管头压力以及气体密度、液体密度和井筒深度的值来确定液体高度。
在实施例中,可通过分析历史数据确定阈值水平。
在实施例中,经训练的机器学习模型可实施决策树模型、随机森林ML模型、XGBoost ML模型、人工神经网络模型或另一合适的ML模型。
在实施例中,机器学习模型从间歇生产期间从多个气井收集并存储在数据库中的历史时序操作数据进行训练。
在实施例中,对历史时序操作数据进行预处理以进行建模。
在实施例中,历史时序操作数据的预处理可包括数据提取操作和数据标记操作,其中数据提取操作配置为提取或计算相应关井期的相关或有意义的特征数据,数据标记操作配置为将标记或标签分配给特征数据,其中标记或标签指示相应关井期之后的生产期的气体流量。
在实施例中,分配给给定关井期特征数据的标记或标签可计算为在给定关井期之后的生产期内测量的平均气体流量。
在实施例中,可对关井模式下收集的时序操作数据进行类似的数据提取操作,以提取或计算关井模式的相关或有意义的特征数据,用于输入到经训练的机器学习模型。
在实施例中,控制器可配置为在生产模式下随时间推移以全开或其他固定打开设置操作节流器。
在实施例中,控制器可配置为在生产模式下随时间推移以可变打开(open)设置操作节流器。
在实施例中,控制器可以被配置成基于由ML模型对节流器的不同打开设置做出的气体流量的预测,在可变打开设置下操作节流器。
在实施例中,控制器可由位于井场或井场附近的网关设备实施,其中网关设备配置为收集与井的气体和液体生产相关的实时操作数据。
在实施例中,控制器可由与位于井场或井场附近的网关通信的云计算环境实施,其中网关配置为收集与井的气体和液体生产相关的实时操作数据,并将实时操作数据发送至云计算环境。
在实施例中,部分或全部自主控制操作由至少一个处理器执行。
附图说明
在下文的详细描述中,通过主题公开的非限制性示例,参考所述多个附图,进一步描述了主题公开,其中,在附图的多个视图中,相同的附图标记代表相似的部件,在附图中:
图1为实施本发明的各方面的气井示意图;
图2示出了在井的生产周期期间可由图1的气井的传感器测量的时序操作数据;
图3为流程图,其示出了由图1的控制器执行的自主控制操作,该控制器动态调节或控制节流器以执行间歇生产,间歇生产采用连续生产周期,包括生产模式和随后的关井模式;
图4为示出用于计算临界气体流量的计算模型示意图;
图5是示出计算模型的示意图,该计算模型基于在图3的生产模式下通过生产油管的生产流的能量守恒来确定液体高度,液体高度代表井内积液的高度或深度水平;
图6为一表,其行表示可在生产模式下评估的条件,以确定积液标志是真还是假;
图7包括示出图3中气井在代表性生产周期的关井模式下操作的曲线图;
图8示出了气体流量的历史时序数据,其可用于训练机器学习模型,以预测关井模式下的气体流量;
图9为根据本公开的一个方面的用于气井生产的操作监督和控制的分布式计算平台的示意图;和
图10描绘了示例计算环境。
具体实施方式
此处示出的细节仅是示例性的,并且目的是为了对本主题公开的实施例进行说明性讨论,并且是为了提供被认为是对本主题公开的原理和概念方面最有用和最容易理解的描述而呈现的。在这点上,没有试图比基本理解本主题公开所必需的更详细地示出结构细节,结合附图的描述使本领域技术人员清楚如何在实践中实施本主题公开的几种形式。此外,不同附图中相同的附图标记和名称表示相同的元件。
现在将对实施例进行详细说明,其示例在附图中说明。在下面的详细描述中,阐述了许多具体细节,以便提供对本发明的透彻理解。然而,对于本领域普通技术人员来说,显然可以在没有这些具体细节的情况下实施本发明。在其他情况下,没有详细描述公知的方法、过程、组件、电路和网络,以免不必要地模糊实施例的各个方面。
还应理解,尽管术语第一、第二等可以在这里用来描述各种元件,但是这些元件不应该被这些术语所限制。这些术语仅用于区分一个元件和另一个元件。例如,在不脱离本发明的范围的情况下,第一对象或步骤可以被称为第二对象或步骤,并且类似地,第二对象或步骤可以被称为第一对象或步骤。第一对象或步骤和第二对象或步骤分别是两个对象或步骤,但是它们不被认为是相同的对象或步骤。
本公开中使用的术语仅用于描述特定实施例,无意限制本发明。如在本发明和所附权利要求的描述中所使用的,单数形式“一”、“一个”和“该”也旨在包括复数形式,除非上下文清楚地另外指出。还应该理解,这里使用的术语“和/或”指的是并包含一个或多个相关列出项目的任何和所有可能的组合。还将理解,术语“包括(includes)”、“包括(including)”、“包含(comprises)”和/或“包含(comprising)”在本说明书中使用时,指定所陈述的特征、整数、步骤、操作、元件和/或组件的存在,但不排除一个或多个其他特征、整数、步骤、操作、元件、组件和/或其组的存在或添加。此外,如这里所使用的,根据上下文,术语“如果”可以被解释为表示“当....时”或“在...时”或“响应于确定”或“响应于检测”。
现在关注根据一些实施例的处理程序、方法、技术和工作流程。这里公开的处理过程、方法、技术和工作流程中的一些操作可以被组合和/或一些操作的顺序可以被改变。
图1为应用于气井1的本公开各方面的示意图,该气井包括衬有套管(未示出)的井筒13。井筒13从地球地面11向下延伸,使得其穿过保存气体(通常也称为天然气)和液体的地下储层(例如储层岩)15。液体可以包括原生水、水基压裂液、气体冷凝物或其他液体。井筒13包括穿孔17,穿孔17在储层15和井筒13的井底间隔19之间提供流体连通(即,气体和液体的流动)。一串生产油管(tubing)21同轴设置在井筒13内。油管21向上延伸至位于地面11的井口23。油管21为气体和液体提供了从井底间隔19到地面11的流动路径。
在地面11,油管21与电控制节流器25流体联接。节流器25可以由电控制针阀或另一种合适的电控制阀来实现。位于地面的压力和温度传感器(标记为27)被配置为分别测量节流器25上游的油管头压力和井口温度。位于地面的压力传感器29被配置成测量套管头压力。位于地面的流量计31被配置成测量节流器25下游的产物流中的气体流量(或气体流量)。流量计31可以实施为各种类型的流量计,例如超声波流量计、热质量流量计或其他合适的流量计。位于地面的分离器33被配置成从流量计31下游的产物流中分离出气体。气体通过输送管线35离开分离器33,输送管线35通向洗涤槽(sink),例如洗涤器(scrubber)或管道或储存设施。分离器33也可以被配置成从流量计31下游的产物流中分离出水和可能的气体冷凝物。水和可能的气体冷凝物可以通过一个或多个输送管线(一个示出为37)从分离器33中排出,该输送管线通向地面设施,例如用于水的水处理系统或用于气体冷凝物的储罐。
还提供了位于地面的控制器39,其包括一个或多个与节流器25、压力和温度传感器27、压力传感器29、流量计31以及可能的其他地面设备或井下设备的数据通信接口。数据通信接口可以采用标准或专有的有线或无线通信协议。数据通信接口可以被配置为向控制器39提供时序操作数据的通信。时序操作数据可以包括i)表示由传感器27、29随时间推移测量的压力和温度值的数据,以及ii)表示由流量计31随时间推移测量的气体流量值的数据。控制器39可以收集和存储时序操作数据,用于如本文所述的处理。这种时序操作数据的示例如图2所示。数据通信接口可以被配置为提供控制节流器25的操作的命令的通信,例如将节流器设置为用于生产模式的打开配置,或者将节流器设置为用于关井模式的关闭配置,或者如本文所述。
在实施例中,控制器39可配置为实施自主控制操作,该操作可动态调节或控制节流器25,以根据图3的工艺实施间歇生产。间歇生产采用连续的双峰生产周期,包括生产模式和随后的关井模式。在生产模式下,节流器25打开,使得气体和液体都能够在地面11生产。在生产模式期间,井会经历积液。在关井模式下,节流器25关闭,以停止在地面11生产气体和液体。在关井模式期间,液体可以从井筒13流回到储层岩15中,以减少积液并允许井底压力恢复用于下一个生产周期。生产模式示出在图3的左侧,关井模式示出在图3的右侧。
生产模式始于框301,其中控制器39控制节流器25以打开设置操作,并记录当前生产周期的打开点(时间)。
在框303中,控制器39记录由位于地面的流量计31测得的或从这些测量值中得出的气体流量Q。也可以测量和记录套管头压力、油管头压力、温度和其他参数。
在框305中,控制器39根据计算模型来确定临界气体流量Qc。临界气体流量Qc代表避免井内积液的最小气体流量。如果气体流量Q大于临界气体流量Qc,则认为不会发生积液。如果气体流量Q小于临界气体流量Qc,则基于井的操作参数,假设可能会发生积液。有许多不同的模型可用于确定临界气体流量Qc,例如Tuner模型或Li Min模型。在实施例中,框305的计算模型可以基于图4中概括的Li Min模型。注意,图4中的常数参数的值是2.5。在其他实施例中,另一个值(例如5.5、6.6或一些其他值)可以用于常数参数。
在框307中,控制器39根据计算模型确定液体高度Hl,该计算模型基于通过生产油管的生产流的能量守恒。在实施例中,液体高度Hl表示如图5所示的井中积液的高度或深度水平。
在实施例中,框307的计算模型配置为将测量的操作参数(如气体流量、油管头压力和套管头压力)和静态参数(如气体密度、液体密度和井筒深度)与液体高度Hl相关联。在实施例中,框307的计算模型可以基于流体力学,假设(1)(a)生产油管13外部的井的环空中的液体高度可以忽略不计,以及(b)来自井的生产将是稳定的流动,这意味着动能损失可以忽略不计。如图5所示,计算模型还可以采用基于通过油管柱的生产流的能量守恒的方程,其在图5中标记为方程(2)。计算模型还可以采用迭代方法(在图5中标记为(3)),该方法计算流体流的可压缩性系数Z的值,该值取决于流体的压力和温度。该计算模型可以用计算过程(在图5中标记为(4))来求解,该计算过程使用迭代方法根据由传感器29测量的套管头压力CHP来计算井底压力(BHP或TSP或油管鞋压力),然后使用计算的井底压力连同由传感器27测量的油管头压力(THP)以及气体密度、液体密度和井筒深度的值来求解能量守恒方程并确定液体高度Hl。这个过程在图5中被标记为流动压力计算。
在一个实施例中,框307的计算模型可以基于稳定流体流动的假设来考虑从井底到井口的气体流动。在这种情况下,可以考虑井筒的元件长度(dl)以基于如下的能量方程进行分析:
dp+ρυdυ+ρgdH+dW+dLw=0 方程(1)
其中dp为dl的压降,ρ为气体的密度,g为重力加速度,l为油管长度,v为气体速度,dW为外界对气体的动力,以及dLw为摩擦产生的压力损失。
对于垂直气流,可以假设没有功率进出,因此dW为0。由于流动稳定,动能损失为0,v·dv为0。因此,能量方程(1)可以降低如下:
其中dp是dl的压降,ρ是气体的密度,g是重力加速度,l是油管长度,d是油管直径,v是气体速度,以及f是摩擦系数。
可以进一步假设标准压力和温度条件,例如Psc=0.101325MPa,Tsc=293K,其与以m3/d为单位的标准气体流量qsc相关,以给出油管(p,T)任意点的气体速度(m/s)如下:
此外,气体的密度ρ可以与压力p相关,如下所示:
其中Z是气体可压缩性系数。
可将方程(2)-(4)组合,得出:
对于油管两点1、2之间的ΔH长度,积分可应用于方程(5),如下所示:
其中
是两点之间的气体可压缩性系数,以及/>是ΔH长度的平均温度。
此外,气体可压缩性系数Z可以与无量纲伪降低(pseudoreduced)压力和温度相关,如下所示:
其中ppr是伪降低压力,无量纲,以及Tpr是伪降低温度,无量纲。
无量纲伪降低压力ppr和无量纲伪降低温度Tpr可以分别与压力和温度相关,如下:
其中ppc是气体的伪降低压力,Tpc是气体的伪降低温度。这两个参数基于气体的成分。
该方程组使Z与p和T相关。我们可以测量T1、H和温度梯度,并应用该方程组计算T2。当我们有T1、T2、P1、Ppc和Tpc时,我们可以假设P2来计算Z、气体密度和P2’。如果(P2-P2’)的绝对值在预定的误差范围内,则该方法已经收敛,P2是第二压力。我们称这种方法为迭代法。这种迭代方法可用于计算井底压力(BHP)。
在框309中,控制器39确定液体高度差δ(delta)-Hl,其表示两个不同时间点的液体高度Hl的差值。例如,如果凌晨1:00的液体高度Hl是3000米,而凌晨4:00的液体高度Hl是2800米,则凌晨1:00和凌晨4:00之间的期的δ-Hl是200米。
在框311中,控制器39使用决策逻辑,基于气体流量Q、临界气体流量Qc、液体高度Hl、δ-HI和可能的其他参数的值,确定积液标志是真还是假。图6是一表,其中各行代表可以被评估以确定积液标志是真还是假的条件。标签“不关心(Don’t Care)”用于指示在被评估以确定积液标志是真还是假的条件中不需要使用相应的参数。例如,如果Q≥Qc,则积液标志被设置为假,而与参数Hl、δ-HI、A、B和C的值无关。此外,如果Q<Qc且Hl>A,则积液标志被设置为真,而与δ-HI、B和C的值无关。此外,如果Q<Qc且Hl≤A且δ-Hl>B,则积液标志都被设置为真,而与Q和C的值无关。但是,如果Q<Qc且Hl≤A且δ-Hl≤B,则当Q<C时积液标志被设置为真,或当Q≥C时积液标志被设置为假。这些条件采用参数A、B和C,这些参数是通过分析大量气井的历史生产数据和为这些生产数据报告的积液状态而确定的。
在框313中,控制器39评估在311中确定的积液标志。如果积液标志为真,控制器39触发或转换到框315至325的关井模式;否则,控制器39继续生产模式,并在生产模式期间的后续时间点重复305至313的操作。
关井模式始于框315,其中控制器39控制节流器25以关闭设置操作,并记录当前生产周期的关闭点(时间)。
在框317中,控制器39在关闭点后的不同时间偏移内执行操作,其涉及括:
-使用经过训练的ML模型来预测气体流量;和
-基于井中静态流体的能量守恒,从计算模型中确定液体高度H1。
在实施例中,框317中使用的ML模型可实施决策树模型、随机森林ML模型、XGBoost ML模型、人工神经网络模型或另一种合适的ML模型。
在实施例中,框317的计算模型基于流体力学,假设(1)(a)生产油管13外部的井环空中的液体高度是可忽略不计的,以及(b)井无产量,使得动能损失和摩擦损失可从计算中忽略。计算模型还可以采用基于如图5所示的油管柱中静态流体能量守恒的方程,其在图5中标记为方程(2)。计算模型还可以采用迭代方法(在图5中标记为(3)),该方法计算流体的可压缩性系数Z的值,该值取决于流体的压力和温度。该计算模型可以用计算过程(在图5中标记为(4))来求解,该计算过程使用迭代方法从由传感器29测量的套管头压力CHP来计算井底压力(或BHP或TSP或油管鞋压力),然后使用计算的井底压力连同由传感器27测量的油管头压力(THP)以及气体密度、液体密度和井筒深度的值来求解能量守恒方程并确定液体高度Hl。这个过程在图5中被标记为静态压力计算。
由于关井模式下环空无产量,框317的计算模型可使用稳定压力计算方法。在该方法中,上述迭代方法可用于从套管顶部(基于套管头压力)计算井底压力(油管鞋压力)。已知油管鞋压力、油管头压力、气体密度、液体密度和井筒深度,就可以计算液体高度。
在框319中,控制器39对照液体高度基准(benchmark)(这是基于历史数据分析)评估不同时间偏移内的液体高度Hl,以确定液体高度Hl小于液体高度基准的操作时间窗口。
在框321中,控制器39评估操作时间窗内的预测气体流量,以找到操作时间窗内的最大预测气体流量。
在框323中,控制器39识别操作时间窗口中最大预测气体流量的时间偏移。
在框325中,控制器39在确定的时间偏移触发或转换到生产模式,以启动下一个生产周期。
在实施例中,随着时间推移,节流器25可在生产模式下以全开(或其他固定打开设置)操作。
在其他实施例中,随着时间推移,节流器25可在生产模式下以可变打开设置操作。在这种情况下,ML模型可以针对节流器25的不同打开设置来预测气体流量,并且317至323的操作可以适于针对操作时间窗口中的最大预测气体流量来识别节流器的时间偏移和可变打开设置。当进入生产模式时,可以使用从该分析确定的智能节流器的时间偏移和打开设置。
图7包括示出图3的框317至323的操作的曲线图,用于在代表性生产周期的关井模式下操作的气井。这些曲线图描绘了作为距关闭时间点的时间偏移的函数的液体高度,以及作为距关闭时间点的时间偏移的函数的预测气体流量。所示的操作时间窗口对应于液体高度低于液体高度基准的期。操作时间窗口中的最大预测气体流量标有“星号”并用于识别针对操作时间窗口中最大预测气体流量的从关闭时间点的时间偏移。
在实施例中,可从间歇生产期间从多个气井收集并存储在数据库中的历史时序操作数据来训练框317中使用的ML模型。历史时序操作数据可以指示在过去的间歇生产期间随时间推移的各种操作参数(例如气体流量、油管头压力、套管头压力、温度和可能的其他合适的参数)。时序操作数据可以包括时间戳,时间戳提供与操作参数相关联的时间测量。图8示出了气体流量的这种历史时序数据的示例。历史时序操作数据可以被预处理用于建模,这可以涉及数据调节、数据提取和标记。数据调节可以被配置为过滤掉异常参数信息,并且可能采用插值或其他分析来添加缺失的参数信息(例如,如果特定数据通道的测井频率不够低)。数据提取可被配置成提取或计算生产周期中各个关井期的相关或有意义的操作数据(“特征数据”)。例如,数据提取可以确定相应关井期间的最大油管头压力和最小油管头压力、相应关井期间的最大套管头压力和最小套管头压力以及相应关井期的持续时间。标注可以配置为将标记或标签分配给特征数据。标记或标签可以指示在相应提取的操作数据的相应关井期之后的生产期的气体流量。例如,与给定关井期的特征数据相关联的标记(例如,表示i)给定关井期期间的最大油管头压力和最小油管头压力,ii)给定关井期期间的最大套管头压力和最小套管头压力,以及iii)给定关井期的持续时间的特征数据向量)可以被计算为在给定关井期之后的生产期期间测量的平均气体流量。对应于各个关井期(period)和后续生产期的特征数据和相应的标记数据可以存储为训练数据集,并用于训练ML模型,以在给定任意特征数据作为输入的情况下预测气体流量。在这种情况下,当在框317中使用训练的ML模型来预测气体流量时,可以从在当前关井模式期间测量的实时操作数据以及对应于在当前关井模式下从关闭点(时间)的可变时间偏移的持续时间中提取或计算类似的特征数据。这种特征数据可以输入到训练过的ML模型中,该模型输出一值,该值代表在当前关井模式下从关闭点(时间)的可变时间偏移的预测气体流量。
在实施例中,本文所述的方法、系统和工作流程可采用分布式计算平台,该分布式计算平台配置为实施来自气井的间歇生产的自主控制操作,如图9所示。气井913(例如,见图1)位于井场916。分布式计算平台包括位于井场916处或附近的网关设备911。网关设备911与表征气井913随时间推移的操作参数的传感器915接口。例如,传感器915可以对应于图1的压力和温度传感器27、29和流量计31。网关设备911还与位于地面的电控制节流器916接口,电控制节流器916控制气井913的生产。由传感器915输出的传感器数据可以由网关911实时收集和/或聚集和/或以其他方式处理。由网关911收集和/或聚集和/或以其他方式处理的传感器数据可以通过数据网络917被传送到云服务919,云服务919使用云计算环境来接收这样的数据并处理这样的数据以监控气井913的操作条件和状态。数据通信网络917可以是蜂窝数据网络、卫星链路、互联网或其他数据通信模式。
云服务919包括监控气井913操作条件的服务,其被称为该气井的操作监督。这种服务通常由在诸如云计算环境的计算环境中执行的软件来实施。以下参考图10描述了示例计算环境。在这种环境中,网关911收集表征气井913的操作的时序操作数据,并将这种时序操作数据转发给云服务919。一个或多个开发者用户可以使用通过数据网络917与云服务919通信的设备921来接口到云服务919。设备921可以是个人计算机、诸如膝上型电脑或平板电脑之类的便携式计算机、智能电话或其他合适的通信或计算设备,如以下参考图10所述。通过与云服务919通信的开发者用户设备921的操作,开发者用户可以帮助在网关设备911上配置和部署如本文所述的方法和系统以及工作流程。响应于检测到的异常和/或对应于这种异常的警告或警报,网关911可以通过从云服务919远程发出的命令或由另一系统来控制节流器916。替代地,网关911可以通过由网关911执行的自主控制操作发出的命令来控制节流器916。此外,云服务919可以被配置成通知一个或多个用户(在此被称为“监督工程师”,并且可以是一个或多个工程师或负责监控和管理气井913的操作的其他用户)。例如,可以通过消息传递(例如,电子邮件消息传递或应用内消息传递)和/或通过呈现和显示对应于检测到的异常事件的警报或警告或其他视觉或多媒体表示来通知监督工程师。在适当的情况下,这种消息传递可以涉及气井913的修理和维护。为了支持监督工程师的通知,监督工程师可以使用通过数据网络917与云服务919通信的设备923与云服务919接口。监督工程师设备923可以是个人计算机、诸如膝上型电脑或平板电脑之类的便携式计算机、智能电话或其他合适的通信或计算设备,如下面参考图10所描述的。
在实施例中,网关设备911可包括对气井913的间歇生产实施自主控制操作的应用。这种应用通常由在计算环境中执行的软件来实施。在这种环境下,网关911的应用从传感器915收集表征气井913操作的时序操作数据。部署或安装在网关设备911上的应用程序可以被配置成实施自主控制操作,该自主控制操作处理时序操作数据,以根据如本文所述的控制器的处理动态地调整或控制节流器916来执行间歇生产。
在其他实施例中,部署或安装在云服务919上的应用程序可配置为实施自主控制操作,所述自主控制操作处理向其提供的时序操作数据,以与网关911通信和协作,从而根据本文所述的控制器的处理动态调整或控制节流器916以进行间歇生产。
在一些实施例中,本公开的方法可由计算系统执行。图10示出了根据一些实施例的这种计算系统1000的示例。计算系统1000可以包括计算机或计算机系统1001A,其可以是单独的计算机系统1001A或分布式计算机系统的布置。计算机系统1001A包括一个或多个控制模块1002,控制模块1002被配置成根据一些实施例执行各种任务,例如本文公开的一种或多种方法或其部分。为了执行这些不同的任务,控制模块1002独立地或与一个或多个处理器1004协调地执行,一个或多个处理器1004连接到一个或多个存储介质1006。一个或多个处理器1004还连接到网络接口1007,以允许计算机系统1001A通过数据网络1009与一个或多个附加计算机系统和/或计算系统,例如1001B、1001C和/或1001D通信。注意,计算机系统1001B、1001C和/或1001D可以共享或不共享与计算机系统1001A相同的架构,并且可以位于不同的物理位置,例如,计算机系统1001A和1001B可以位于处理设施中,同时与位于一个或多个数据中心和/或位于不同大陆的不同国家的一个或多个计算机系统如1001C和/或1001D通信。
处理器1004可包括微处理器、微控制器、处理器模块或子系统、可编程集成电路、可编程门阵列或其他控制或计算装置。
存储介质1006可实施为一种或多种计算机可读或机器可读存储介质。注意,虽然在图10的示例实施例中,存储介质1006被描绘为在计算机系统1001A内,但是在一些实施例中,存储介质1006可以分布在计算系统1001A和/或附加计算系统的多个内部和/或外部机箱内和/或跨其分布。存储介质1006可以包括一种或多种不同形式的存储器,包括半导体存储设备,诸如动态或静态随机存取存储器(DRAM或SRAM)、可擦除和可编程只读存储器(EPROM)、电可擦除和可编程只读存储器(EEPROM)和闪存、诸如固定磁盘、软盘和可移动磁盘的磁盘、包括磁带在内的其他磁介质、诸如光盘(CD)或数字视频光盘(DVD)的光学介质、其他类型的光存储设备部或其他类型的存储设备。注意,上面讨论的指令可以在一个计算机可读或机器可读存储介质上提供,或者可替换地,可以在分布在可能具有多个节点的大型系统中的多个计算机可读或机器可读存储介质上提供。这种计算机可读或机器可读存储介质被认为是物品(或制品)的一部分。一个或多个制品可以指任何制造的单个部件或多个部件。一个或多个存储介质可以位于操作机器可读指令的机器中,或者位于可以通过网络从其下载机器可读指令以供执行的远程站点。
应了解,计算系统1000仅为计算系统的一个示例,计算系统1000可具有比所示更多或更少的组件,可组合图10示例实施例中未示出的附加组件,和/或计算系统1000可具有图10所示组件的不同配置或布置。图10中所示的各种组件可以用硬件、软件或硬件和软件的组合来实现,包括一个或多个信号处理和/或专用集成电路。
此外,本文所述的处理方法和工作流程中的步骤可通过操作信息处理装置中的一个或多个功能模块来实施,所述信息处理装置例如为通用处理器或专用芯片,例如ASIC、FPGA、PLD或其他合适的设备。这些模块、这些模块的组合和/或它们与通用硬件的组合都包括在本发明的保护范围内。
上述某些方法和过程可由处理器执行。术语“处理器”不应被解释为将这里公开的实施例限制于任何特定的设备类型或系统。处理器可以包括计算机系统。计算机系统还可以包括用于执行上述任何方法和过程的计算机处理器(例如,微处理器、微控制器、数字信号处理器或通用计算机)。
计算机系统可进一步包括存储器,例如半导体存储设备(例如,RAM、ROM、PROM、EEPROM或闪速可编程RAM)、磁性存储设备(例如,软盘或硬盘)、光学存储设备(例如,CD-ROM)、PC卡(例如,PCMCIA卡)或其他存储设备。
上述某些方法和过程可实施为计算机处理器使用的计算机程序逻辑。计算机程序逻辑可以以各种形式实施,包括源代码形式或计算机可执行形式。源代码可以包括各种编程语言(例如,目标代码、汇编语言或诸如C、C++或JAVA的高级语言)的一系列计算机程序指令。这种计算机指令可以存储在非暂时性计算机可读介质(例如,存储器)中,并由计算机处理器执行。计算机指令可以以任何形式分发,如带有附带的印刷或电子文档(例如,收缩包装的软件)的可移动存储介质,预载有计算机系统(例如,在系统ROM或硬盘上),或者通过通信系统(例如,因特网或万维网)从服务器或电子公告板分发。
可选地或附加地,处理器可包括联接至印刷电路板、集成电路(例如,专用集成电路(ASIC))和/或可编程逻辑器件(例如,现场可编程门阵列(FPGA))的离散电子部件。上述任何方法和过程都可以使用这种逻辑器件来实现。
出于解释目的,已参照特定实施例对前述说明进行了描述。然而,上面的说明性讨论并不旨在穷举或将本发明限制于所公开的精确形式。鉴于上述教导,许多修改和变化是可能的。此外,在此描述的方法的元件被说明和描述的顺序可以被重新安排,和/或两个或更多个元件可以同时出现。选择和描述实施例是为了最好地解释本发明的原理及其实际应用,从而使本领域的其他技术人员能够最好地利用本发明和具有各种修改的各种实施例,以适合预期的特定用途。
因此,所有此类修改旨在包括在以下权利要求中定义的本公开的范围内。在权利要求中,装置加功能条款旨在涵盖在此描述的执行所述功能的结构,不仅是结构等同物,还有等同结构。因此,尽管钉子和螺钉不是结构等同的,因为钉子采用圆柱形表面将木制部件固定在一起,而螺钉采用螺旋表面,但是在紧固木制部件的环境中,钉子和螺钉可以是等同的结构。申请人的明确意图是不援引35U.S.C.112,第6段对这里的任何权利要求进行任何限制,除了权利要求明确使用词语“用于...装置”以及相关功能的那些限制。
Claims (30)
1.一种用于从井中生产与液体相关联的气体的方法,其中设置在井中的生产油管为气体和液体提供了到地面的流动路径,该方法包括:
在地面设置电控制节流器和控制器,其中节流器与生产油管流体连通,并且其中控制器与节流器连接;和
在控制器上执行控制节流器的操作的自主控制操作,其中自主控制操作涉及生产周期,该生产周期包括生产模式和随后的关井模式;
其中,在生产模式下,控制器被配置成操作节流器在打开位置;和
其中,在关井模式下,控制器被配置成操作节流器在关闭位置。
2.根据权利要求1所述的方法,其中,在生产模式下,所述控制器被配置为执行操作,该操作涉及:
i)从第一计算模型确定随时间推移的液体高度,其中液体高度代表井中积液的高度或深度水平,并且其中第一计算模型基于通过生产油管的生产流的能量守恒;
ii)至少部分地基于生产模式下液体高度随时间推移的值,确定积液标志随时间推移是真还是假,和
iii)基于积液标志自动地和选择性地转换到关井模式。
3.根据权利要求2所述的方法,其中:
第一计算模型被配置为将测量的操作参数和静态参数与液体高度相关联。
4.根据权利要求3所述的方法,其中:
测量的操作参数选自气体流量、油管头压力、套管头压力及其组合;和/或
静态参数选自气体密度、液体密度、井筒深度及其组合。
5.根据权利要求2所述的方法,其中:
第一计算模型基于流体力学,假设(a)生产油管外部的井环空中的液体高度是可以忽略不计的,以及(b)井的生产将是稳定的流动,这意味着动能损失是可忽略不计的。
6.根据权利要求2所述的方法,其中:
第一计算模型采用迭代方法来计算流体流的可压缩性系数的值。
7.根据权利要求2所述的方法,其中:
第一计算模型从测量的套管头压力计算井底压力,然后使用计算的井底压力和测量的油管头压力以及气体密度、液体密度和井筒深度的值来确定液体高度。
8.根据权利要求2所述的方法,其中:
确定积液标志随时间推移是真还是假还基于将测量的气体流量与从另一计算模型确定的临界气体流量进行比较。
9.根据权利要求2所述的方法,其中:
确定积液标志随时间推移是真还是假还基于在生产模式期间计算的液体高度差。
10.根据权利要求1所述的方法,其中,在关井模式下,所述控制器被配置为执行操作,该操作涉及:
i)从第二计算模型确定随时间推移的液体高度,其中液体高度代表井中积液的高度或深度水平,并且其中第二计算模型基于井中静态流体的能量守恒;
ii)确定观察时间窗,在该观察时间窗中,在关井模式下随时间推移的液体高度下降到阈值水平以下;
iii)使用经过训练的机器学习模型来预测观察时间窗内不同时间点的气体流量;
iv)识别观察窗口中对应于观察时间窗口内最大预测气体流量的时间点;和
v)在iv)中识别的时间点自动地和选择性地转换到生产模式。
11.根据权利要求10所述的方法,其中:
第二计算模型基于流体力学,假设(a)生产油管外部的井环空中的液体高度是可忽略不计的,以及(b)井无产量,因此动能损失和摩擦损失能够从计算中省略。
12.根据权利要求10所述的方法,其中:
第二计算模型采用迭代方法来计算流体的可压缩性系数的值。
13.根据权利要求10所述的方法,其中:
第二计算模型从测量的套管头压力计算井底压力,然后使用计算的井底压力和测量的油管头压力以及气体密度、液体密度和井筒深度的值来确定液体高度。
14.根据权利要求10所述的方法,其中:
阈值水平是从分析历史数据来确定的。
15.根据权利要求10所述的方法,其中:
经训练的机器学习模型实现决策树模型、随机森林ML模型、XG Boost ML模型、人工神经网络模型或另一种合适的ML模型。
16.根据权利要求10所述的方法,其中:
机器学习模型是从间歇生产期间从许多气井收集并存储在数据库中的历史时序操作数据来训练的。
17.根据权利要求16所述的方法,其中:
对历史时序操作数据进行预处理以进行建模。
18.根据权利要求17所述的方法,其中:
历史时序操作数据的预处理包括数据提取操作和数据标记操作,其中数据提取操作被配置为提取或计算相应关井期的相关或有意义的特征数据,并且数据标记操作被配置为将标记或标签分配给特征数据,其中标记或标签指示相应关井期之后的生产期的气体流量。
19.根据权利要求18所述的方法,其中:
指定给给定关井期的特征数据的标记或标签被计算为在给定关井期之后的生产期期间测得的平均气体流量。
20.根据权利要求18所述的方法,其中:
对在关井模式下收集的时序操作数据执行类似的数据提取操作,以提取或计算关井模式的相关或有意义的特征数据,用于输入到经训练的机器学习模型。
21.根据权利要求10所述的方法,其中:
控制器被配置成在生产模式下随着时间推移以完全打开或其他固定打开设置来操作节流器。
22.根据权利要求10所述的方法,其中:
控制器被配置为在生产模式下随着时间推移在可变打开设置下操作节流器。
23.根据权利要求22所述的方法,其中:
控制器被配置为基于由ML模型对节流器的不同打开设置做出的气体流量的预测,在可变打开设置下操作节流器。
24.根据权利要求1所述的方法,其中:
控制器由位于井场或井场附近的网关设备实施,其中网关设备被配置为收集与从井中生产气体和液体相关的实时操作数据。
25.根据权利要求1所述的方法,其中:
控制器由云计算环境实现,该云计算环境与位于井场处或井场附近的网关通信,其中网关被配置成收集与从井中生产气体和液体相关的实时操作数据,并将实时操作数据转发到云计算环境。
26.根据权利要求1所述所述的方法,其中,一些或全部自主控制操作由至少一个处理器执行。
27.一种用于控制来自井的生产的系统,其中设置在井中的生产油管为气体和液体提供到地面的流动路径,该系统包括:
至少一个传感器,该至少一个传感器被配置成测量与井的操作相关的数据;
电控制节流器,该电控制节流器与生产油管流体连通;和
网关设备,该网关设备可操作地联接到所述至少一个传感器和电控制节流器;
其中,所述网关设备被配置成从由所述至少一个传感器测量的数据中生成或收集或获得时序操作数据,并执行控制所述节流器的操作的自主控制操作,其中,所述自主控制操作涉及包括生产模式和随后的关井模式的生产周期;
其中,在生产模式下,网关设备被配置成操作节流器在打开位置;和
其中,在关井模式下,网关设备被配置成操作节流器在关闭位置。
28.根据权利要求27所述的系统,其中,在生产模式下,网关设备被配置为执行操作,该操作涉及:
i)从第一计算模型确定随时间推移的液体高度,其中液体高度代表井中积液的高度或深度水平,并且其中第一计算模型基于通过生产油管的生产流的能量守恒;
ii)至少部分地基于生产模式下液体高度随时间推移的值,确定积液标志随时间推移是真还是假,和
iii)基于积液标志自动地和选择性地转换到关井模式。
29.根据权利要求27所述的系统,其中,在关井模式下,所述网关设备被配置为执行操作,该操作涉及:
i)从第二计算模型确定随时间推移的液体高度,其中液体高度代表井中积液的高度或深度水平,并且其中第二计算模型基于井中静态流体的能量守恒;
ii)确定观察时间窗,在该观察时间窗中,在关井模式下随时间推移的液体高度下降到阈值水平以下;
iii)使用经过训练的机器学习模型来预测观察时间窗内不同时间点的气体流量;
iv)识别观察窗口中对应于观察时间窗口内最大预测气体流量的时间点;和
v)在iv)中识别的时间点自动地和选择性地转换到生产模式。
30.根据权利要求26的系统,其中:
网关设备包括由至少一个软件应用程序编程的处理器。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210961074.6A CN117662081A (zh) | 2022-08-11 | 2022-08-11 | 采用自主节流器控制来减轻气井中积液的方法和系统 |
US18/448,233 US20240052729A1 (en) | 2022-08-11 | 2023-08-11 | Methods and systems employing autonomous choke control for mitigation of liquid loading in gas wells |
PCT/US2023/072086 WO2024036309A1 (en) | 2022-08-11 | 2023-08-11 | Methods and systems employing autonomous choke control for mitigation of liquid loading in gas wells |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210961074.6A CN117662081A (zh) | 2022-08-11 | 2022-08-11 | 采用自主节流器控制来减轻气井中积液的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117662081A true CN117662081A (zh) | 2024-03-08 |
Family
ID=89846895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210961074.6A Pending CN117662081A (zh) | 2022-08-11 | 2022-08-11 | 采用自主节流器控制来减轻气井中积液的方法和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240052729A1 (zh) |
CN (1) | CN117662081A (zh) |
WO (1) | WO2024036309A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2424745C (en) * | 2003-04-09 | 2006-06-27 | Optimum Production Technologies Inc. | Apparatus and method for enhancing productivity of natural gas wells |
AU2010220792B2 (en) * | 2009-03-04 | 2014-10-09 | Optimum Production Technologies Inc. | Control valve assembly |
US8700220B2 (en) * | 2009-09-08 | 2014-04-15 | Wixxi Technologies, Llc | Methods and apparatuses for optimizing wells |
WO2016084058A1 (en) * | 2014-11-30 | 2016-06-02 | Abb Technology Ltd. | A method and a control system for optimizing production of a hydrocarbon well |
CN110469316A (zh) * | 2019-09-19 | 2019-11-19 | 成都百胜野牛科技有限公司 | 一种气液分离装置、气井及气井生产方法 |
-
2022
- 2022-08-11 CN CN202210961074.6A patent/CN117662081A/zh active Pending
-
2023
- 2023-08-11 US US18/448,233 patent/US20240052729A1/en active Pending
- 2023-08-11 WO PCT/US2023/072086 patent/WO2024036309A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
US20240052729A1 (en) | 2024-02-15 |
WO2024036309A1 (en) | 2024-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11898419B2 (en) | Artificial intelligence assisted production advisory system and method | |
US11795787B2 (en) | Modelling of oil and gas networks | |
US8457897B2 (en) | Methods and systems to estimate wellbore events | |
US20140278302A1 (en) | Computer-implemented method, a device, and a computer-readable medium for data-driven modeling of oil, gas, and water | |
WO2009018450A1 (en) | Method for managing production from a hydrocarbon producing reservoir in real-time | |
EP1999492A2 (en) | Dynamic production system management | |
US20210348490A1 (en) | Oilfield system | |
WO2014039463A1 (en) | Model-driven surveillance and diagnostics | |
EP2090742A1 (en) | Methods and systems to estimate wellbore events | |
WO2016153544A1 (en) | Fuzzy logic flow regime identification and control | |
US11614756B2 (en) | Flow rate management for improved recovery | |
CN117662081A (zh) | 采用自主节流器控制来减轻气井中积液的方法和系统 | |
US11767750B1 (en) | Gas-oil ratio forecasting in unconventional reservoirs | |
US20230196089A1 (en) | Predicting well production by training a machine learning model with a small data set | |
Pandey et al. | Production Engineering | |
Abdalla | Exploring the Adoption of a Conceptual Data Analytics Framework for Subsurface Energy Production Systems | |
WO2024044111A1 (en) | Method and system for generating predictive logic and query reasoning in knowledge graphs for petroleum systems | |
Chen et al. | Smart Needle Valve: Intelligent and Cost-Effective Solution to Unlock Gas Production in a Tight Gas Field in China | |
EP4359642A1 (en) | Methods for improving performance of automated coiled tubing operations | |
Denney | Integrated Digital Automation System for Production Optimization in the North San Juan Basin |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |