RU2708303C2 - Система и способ управления разработкой месторождения с использованием электрических погружных насосов в качестве виртуальных датчиков - Google Patents
Система и способ управления разработкой месторождения с использованием электрических погружных насосов в качестве виртуальных датчиков Download PDFInfo
- Publication number
- RU2708303C2 RU2708303C2 RU2017133002A RU2017133002A RU2708303C2 RU 2708303 C2 RU2708303 C2 RU 2708303C2 RU 2017133002 A RU2017133002 A RU 2017133002A RU 2017133002 A RU2017133002 A RU 2017133002A RU 2708303 C2 RU2708303 C2 RU 2708303C2
- Authority
- RU
- Russia
- Prior art keywords
- field
- state
- submersible electric
- statistical model
- data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000011161 development Methods 0.000 title claims abstract description 6
- 238000005086 pumping Methods 0.000 claims abstract description 66
- 238000013179 statistical model Methods 0.000 claims abstract description 29
- 238000012360 testing method Methods 0.000 claims description 18
- 230000036541 health Effects 0.000 claims description 14
- 239000012530 fluid Substances 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 239000000356 contaminant Substances 0.000 claims description 2
- 238000007477 logistic regression Methods 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims description 2
- 238000007637 random forest analysis Methods 0.000 claims description 2
- 239000007787 solid Substances 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 claims 1
- 230000006872 improvement Effects 0.000 abstract description 3
- 238000005553 drilling Methods 0.000 abstract 1
- 238000005065 mining Methods 0.000 abstract 1
- 239000011435 rock Substances 0.000 abstract 1
- 239000002689 soil Substances 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 230000006854 communication Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
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
- E21B47/008—Monitoring of down-hole pump systems, e.g. for the detection of "pumped-off" conditions
-
- 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
- E21B43/128—Adaptation of pump systems with down-hole electric drives
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D13/00—Pumping installations or systems
- F04D13/02—Units comprising pumps and their driving means
- F04D13/06—Units comprising pumps and their driving means the pump being electrically driven
- F04D13/08—Units comprising pumps and their driving means the pump being electrically driven for submerged use
- F04D13/10—Units comprising pumps and their driving means the pump being electrically driven for submerged use adapted for use in mining bore holes
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
- F04D15/0088—Testing machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2260/00—Function
- F05D2260/82—Forecasts
- F05D2260/821—Parameter estimation or prediction
Abstract
Группа изобретений относится к способам прогнозирования изменений в подземном месторождении и способу прогнозирования изменений в погружных электрических насосных системах. Технический результат заключается в повышении эффективности оценки технической исправности погружных электрических насосных систем. Способ прогнозирования изменений в подземном месторождении включает: создание опорной библиотеки базовых данных, являющихся представлением погружных электрических насосных систем, находящихся в состоянии пригодности к работе, для множества условий в месторождении; разработку статистической модели состояния месторождения, основанной, по меньшей мере частично, на упомянутых базовых данных; разработку статистической модели аномалий погружной электрической насосной системы, основанной, по меньшей мере частично, на упомянутых базовых данных; прием эксплуатационных данных от погружной электрической насосной системы, развернутой на месторождении; применение эксплуатационных данных к статистической модели состояния месторождения и статистической модели аномалий погружной электрической насосной системы; и формирование выходных данных, которые представляют вероятность того, что состояние месторождения изменилось. 3 н. и 19 з.п. ф-лы, 8 ил.
Description
Область техники
Настоящее изобретение относится, в общем, к области систем сбора и обработки данных, а именно, к способу и системе для контроля состояния месторождения и состояния нефтепромыслового оборудования, развернутого на месторождении.
Предпосылки создания изобретения
Погружные электрические насосные системы часто устанавливают в скважинах для подъема нефтесодержащего флюида из подземных месторождений. Как правило, погружная насосная система содержит несколько различных компонентов, включая один или более электрических двигателей, подключенных к одному или более насосным узлам. Погружные электрические насосные системы на существующем уровне техники развертывают в множестве различных сред с различными условиями эксплуатации.
В прошлом оперативное и точное отслеживание изменений условий внутри месторождения было очень сложной задачей. После начала разработки операторы месторождений, в качестве индикатора состояния месторождения, следили в основном за объемом добычи нефтепродуктов из месторождения. Существующие подходы зачастую не позволяют выявлять незначительные изменения в состоянии месторождения. При этом невыявленные изменения в состоянии месторождения могут вести к снижению эффективности работы и к повреждению погружных электрических насосных систем.
Высокая стоимость ремонта и замены компонентов погружных электрических насосных систем обуславливает необходимость применения высоконадежных компонентов, способных выдерживать неблагоприятные условия внутри скважины. Информация об отказах компонентов за прошедшие периоды времени может использоваться для усовершенствования конструкции компонентов, а также для формирования рекомендаций по практике эксплуатации. Информация об интенсивности отказов дает изготовителям возможность формировать рекомендации по эксплуатационным нормативам и по практике применения внутрискважинных компонентов. Зачастую изготовители включают в состав погружных электрических насосных систем датчики, позволяющие сравнивать, исходя из информации об интенсивности отказов в прошлом, измеренные показатели качества работы и показатели экологичности с рядом заранее заданных величин. В случае выхода измеряемых величин из заданного диапазона может применяться сигнализация, указывающая на то, что для снижения риска повреждения погружной электрической насосной системы должны быть изменены рабочие условия. Такой подход в большинстве случаев эффективен для определения неисправностей в отдельных насосных системах, когда измеряемая величина выходит из заданного диапазона, однако необходимы более совершенные системы для оценки технической исправности погружных электрических насосных систем, распределенных по большой площади и развертываемых для различных применений. Предпочтительные варианты осуществления настоящего изобретения, представленные в настоящем документе, имеют целью исправить указанные, а также другие недостатки, свойственные существующему уровню техники.
Сущность изобретения
[005] В предпочтительных вариантах осуществления настоящего изобретения предложенная система включает одну или более погружных электрических насосных систем, развернутых внутри месторождения, и компьютерную систему, которая принимает данные от одной или более погружных электрических насосных систем. При помощи компьютеризованного статистического моделирования система выдает прогноз о том, изменилось ли состояние отдельных погружных электрических насосных систем и месторождения. В этом смысле погружные электрические насосные системы выступают в роли «виртуальных датчиков», предоставляющих эксплуатационные данные в статистические модели, которые могут затем использоваться для прогнозирования состояния отдельных погружных электрических насосных систем и состояния месторождения.
[006] В одном из аспектов предпочтительные варианты осуществления настоящего изобретения включают способ прогнозирования изменений в погружной электрической насосной системе, развернутой внутри месторождения. Способ начинается с шага создания опорной библиотеки базовых данных. Базовые данные являются представлением погружных электрических насосных систем в гарантировано рабочем состоянии для множества различных условий внутри месторождения. Выполнение способа продолжается шагом, на котором разрабатывают модель состояния месторождения, которая основана, по меньшей мере частично, на упомянутых базовых данных. Затем процедура включает шаг, на котором разрабатывают модель аномалий погружной электрической насосной системы, основанную, по меньшей мере частично, на упомянутых базовых данных. Выполнение способа продолжается шагом, на котором принимают эксплуатационные данные от погружной электрической насосной системы, развернутой внутри скважины, и применяют эти эксплуатационные данные к модели состояния месторождения и модели аномалий погружной электрической насосной системы. Способ завершается формированием выходных данных, которые представляют вероятность того, что состояние месторождения изменилось.
[007] В еще одном из аспектов предпочтительные варианты осуществления настоящего изобретения включают компьютеризованный способ прогнозирования изменений в подземном месторождении. Способ включает шаги создания опорной библиотеки базовых данных, создания статистической модели состояния месторождения в компьютере, по меньшей мере частично на основе библиотеки базовых данных и получения промысловых данных от одной или более погружных электрических насосных систем, развернутых в подземном месторождении. Выполнение способа продолжается шагами применения промысловых данных к статистической модели состояния месторождения для определения результата в форме наиболее вероятного состояния месторождения, сравнения результата в форме наиболее вероятного состояния месторождения с библиотекой базовых данных и формирования выходных данных, которые выражают вероятность того, что состояние месторождения изменилось.
[008] В одном из аспектов предпочтительные варианты осуществления настоящего изобретения включают способ прогнозирования изменений в погружных электрических насосных системах, развернутых в подземном месторождении. Способ начинается шагом создания опорной библиотеки базовых данных, при этом базовые данные собирают при помощи функционирования одной или более погружных электрических насосных систем с известным состоянием в одной или более испытательных скважин в управляемых условиях. Выполнение способа продолжается шагами создания статистической модели аномалий погружной электрической насосной системы в компьютере, по меньшей мере частично на основе опорной библиотеки, получения промысловых данных от одной или более погружных электрических насосных систем, развернутых в подземном месторождении, и применения промысловых данных к статистической модели аномалий погружной электрической насосной системы. Способ завершается шагом формирования выходных данных, которые выражают вероятность того, что одна или более погружных электрических насосных систем функционируют в аномальном состоянии.
Краткое описание чертежей
[009] Фиг. 1 представляет собой иллюстрацию погружной электрической насосной системы, сконструированной в соответствии с одним из предпочтительных вариантов осуществления настоящего изобретения.
[010] Фиг. 2 представляет собой функциональную блок-схему локального блока управления погружной электрической насосной системы по фиг. 1.
[011] Фиг. 3 представляет собой функциональную блок-схему последовательности погружных электрических насосных систем, соединенных сетью с главным центром обработки данных.
[012] Фиг. 4 представляет собой блок-схему последовательности операций для предпочтительного способа применения погружных электрических насосных систем в качестве виртуальных датчиков.
[013] Фиг. 5 представляет собой блок-схему последовательности операций для предпочтительного способа создания библиотеки базовых данных.
[014] Фиг. 6 представляет собой блок-схему последовательности операций для предпочтительного способа разработки модели состояния месторождения.
[015] Фиг. 7 представляет собой блок-схему последовательности операций для предпочтительного способа разработки модели аномалий погружной электрической насосной системы.
[016] Фиг. 8 представляет собой блок-схему последовательности операций для внедрения модели состояния месторождения и модели аномалий погружной электрической насосной системы в реальных условиях.
Подробное описание предпочтительных вариантов осуществления изобретения
[017] В общем, предпочтительные варианты осуществления настоящего изобретения имеют целью создание усовершенствованной системы и методологии для применения данных измерений из погружных электрических насосных систем с целью контроля технической исправности отдельных погружных электрических насосных систем, а также контроля изменений в месторождениях, где установлены эти погружные электрические насосные системы. Предпочтительные варианты осуществления настоящего изобретения являются усовершенствованием по сравнению с существующим уровнем техники по ряду причин, включая тот факт, что предложенные системы и способы позволяют одновременно контролировать и прогнозировать изменения в состоянии месторождения и условия в отдельных погружных электрических насосных системах. Предпочтительные варианты осуществления настоящего изобретения включают измерение параметров функционирования и состояния компонентов в отдельных погружных электрических насосных системах, накопление этих измерений для множества различных погружных электрических насосных систем, выполнение статистического анализа на основе накопленных измерений и получение одного или более наборов выходных данных на основе группового статистического анализа. В настоящем документе под «индексом исправности» понимают информацию о состоянии компонентов погружной электрической насосной системы, выраженную в некоторой форме, при этом состояние определяют путем оценки данных, формируемых датчиками внутри конкретной погружной электрической насосной системы.
[018] В соответствии с одним из предпочтительных вариантов осуществления настоящего изобретения на фиг. 1 показан вид, в вертикальном разрезе, погружной насосной системы 100, соединенной с подъемной колонной 102. Насосная система 100 и подъемная колонна 102 размещены в стволе 104 скважины, пробуренной с целью подъема флюида, например, воды или нефтепродуктов. Подъемная колонна 102 соединяет насосную систему 100 со стволом 106 скважины и расположенным далее по потоку наземным оборудованием (не показано на чертеже). Основное назначение насосной системы 100 - перекачка нефтепродуктов, однако нужно понимать, что настоящее изобретение может применяться для перемещения любых других текучих сред. Нужно также понимать, что изображение ствола 104 скважины является исключительно иллюстративным, и что предпочтительные варианты осуществления настоящего изобретения могут также применяться в стволах скважин отличающейся глубины и конфигурации.
[019] Насосная система 100, предпочтительно, включает некоторую комбинацию из насосного узла 108, силового узла 110, гидрозащиты 112 и массива 114 датчиков. Насосный узел 108, предпочтительно, сконфигурирован в виде многоступенчатого центробежного насоса, который приводится в движение силовым узлом 110. Силовой узел 110, предпочтительно, сконфигурирован в виде трехфазного электродвигателя, который вращает выходной вал в ответ на подачу электрического тока заданной частоты. В наиболее предпочтительном варианте осуществления настоящего изобретения силовой узел 110 приводится в движение при помощи частотно-регулируемого преобразователя 116, расположенного на поверхности. Электрическую энергию из частотно-регулируемого преобразователя 116 в силовой узел передают по кабелю электропитания.
[020] Гидрозащита 112 предохраняет силовой узел 110 от механических толчков, создаваемых насосным узлом 108 и обеспечивает циркуляцию двигательной смазки при работе узла. На чертежах все компоненты показаны в одном экземпляре, однако нужно понимать, что в соответствующих случаях может быть подключено большее количество компонентов. Например, во многих применениях предпочтительно применение тандемных комбинаций из двигателей, нескольких гидрозащит и нескольких насосных узлов. Нужно также понимать, что насосная система 100 может включать и другие компоненты, такие как кожухи и газоотделители, которые не являются принципиальными для настоящего описания.
[021] Насосная система 100 включает, предпочтительно, локальный блок 118 управления, подключенный к частотно-регулируемому преобразователю 116. Обратимся к фиг. 2, на которой представлена функциональная схема локального блока 118 управления. Локальный блок 118 управления, предпочтительно, включает запоминающее устройство 120, центральный процессорный блок 122, интерфейс 124 управляющих элементов и модуль 126 связи. Локальный блок 118 управления, опционально, включает графический дисплей 128 и пользовательское устройство 130 ввода. В предпочтительных вариантах осуществления настоящего изобретения локальный блок 118 управления включает один или более компьютеров и соответствующие периферийные устройства, размещенные в защищенном от воздействия окружающей среды корпусе или помещении.
[022] Интерфейс 124 управляющих элементов сконфигурирован для связи с частотно-регулируемым преобразователем 116 и, непосредственно или через промежуточные элементы, с массивом 114 датчиков. Интерфейс 124 управляющих элементов принимает измерения из скважины 104 и от различных датчиков в погружной электрической насосной системе 100. Интерфейс 124 управляющих элементов выдает сигналы управления в частотно-управляемый преобразователь 116 и другие управляемые элементы в составе погружной электрической насосной системы 100.
[023] Центральный процессорный блок используют для исполнения компьютерных программ и для обработки данных. Компьютерные программы, необработанные и обработанные данные могут храниться в запоминающем устройстве 120. А именно, в соответствии с предпочтительными вариантами осуществления настоящего изобретения центральный процессорный блок 122 сконфигурирован для определения индексов исправности и других метрик производительности насосной системы 100. Пользовательское устройство 130 ввода может включать клавиатуры или другие периферийные устройства и может применяться для ручного ввода информации в локальный блок 118 управления. Модуль 126 связи сконфигурирован для передачи и приема данных. Модуль 126 связи может быть сконфигурирован для беспроводной, проводной и/или спутниковой связи.
[024] В соответствии с иллюстрацией фиг. 3, множество погружных электрических насосных систем 100 могут быть установлены в одном месторождении 136. Модуль 126 связи обеспечивает подключение локального блока 118 управления и погружной электрической насосной системы 100 сети 132. Сеть 132 может включать многоузловую систему, в которых отдельные погружные электрические насосные системы 100 внутри скважины могут выступать в качестве ретранслирующих или терминальных узлов сети 132. При помощи проводного или беспроводного соединения каждая из погружных электрических насосных систем 100 способна осуществлять двунаправленную связь по сети с одним или более главных центров обработки данных. Нужно понимать, что предпочтительный вариант осуществления сети 132 охватывает широкий диапазон возможных конфигураций.
[025] Обратимся к фиг. 4, которая представляет собой блок-схему последовательности операций для предпочтительного способа 200 применения погружных электрических насосных систем 100 в качестве виртуальных датчиков. В настоящем документе выражение «виртуальный датчик» следует понимать как относящееся к использованию, при анализе и прогнозировании, данных, формируемых одной или более погружными электрическими насосными системами 100 для оценки меняющихся условий внутри погружной электрической насосной системы 100 или внутри месторождения, или залежи. Нужно понимать, что способ 200 основан на создании и применении аналитических моделей, которые, предпочтительно, автоматизированы в форме компьютерного программного обеспечения, размещенного и функционирующего в одной или более компьютерных системах 138, расположенных в главном центре 134 обработки данных, в месторождении 136 или одновременно в главном центре 134 обработки данных и месторождении 136. Программные модели, компьютерные системы 138 и погружные электрические насосные системы 100 вместе образуют сеть 140 виртуальных датчиков (см. фиг. 3), сконфигурированную для контроля состояния погружных электрических насосных систем 100 и месторождения 136.
[026] Способ 200, предпочтительно, включает четыре этапа: разработку опорной библиотеки базовых данных на этапе 202, разработку модели состояния месторождения на этапе 204, разработку модели аномалий погружной электрической насосной системы на этапе 206 и применение модели состояния месторождения и модели аномалий погружной электрической насосной системы в полевых условиях на этапе 208. Предпочтительные варианты осуществления шагов на каждом из рассмотренных этапов проиллюстрированы на фиг. 5-8.
[027] Обратимся к фиг. 5, на которой проиллюстрирован предпочтительный варианты осуществления этапа 202 для создания опорной библиотеки базовых или «истинных» данных. Опорную библиотеку базовых данных создают для использования в качестве опорного уровня, полученного при управляемых условиях. Данный этап начинается на шаге 210, на котором одна или более погружных электрических насосных систем 100 функционируют в некотором диапазоне заранее заданных условий внутри месторождения. В наиболее предпочтительном варианте осуществления настоящего изобретения упомянутый заранее заданный диапазон условий внутри резервуара включает, без ограничения перечисленным, давление скважинного флюида, вязкость флюида, газосодержание нефти, водосодержание нефти, долю твердых загрязняющих примесей, уровни радиации, измеренные в качестве переменных параметров управления.
[028] На шаге 212 соответствующие временные последовательности параметров, измеренные с высокой частотой, для погружных электрических насосных систем 100, проходящих испытание, измеряют и сохраняют для каждой конфигурации испытаний. Измеренные параметры включают, без ограничения перечисленным, давление флюида в статическом состоянии, давление флюида в текущем состоянии, трехфазный ток, трехфазное напряжение, вибрацию, частоту вращения и фазовый угол. Измеренные и сохраненные параметры называют «индексами исправности» погружной электрической насосной системы, которые могут быть представлены в виде функции переменных месторождения. «Индексы исправности», полученные в результате испытаний, которые были проведены для исправных погружных электрических насосных систем, позволяют сформировать библиотеку опорных данных для заданного диапазона условий внутри месторождения. Данные из опорной библиотеки могут служить основной для разработки модели состояния месторождения на этапе 204 и модели аномалий погружной электрической насосной системы на этапе 206.
[029] Рассмотрим фиг. 6, на которой показан предпочтительный варианты осуществления этапа 204 разработки модели состояния месторождения. На шаге 214 на основе индексов исправности, полученных на шаге 202, вычисляют множество различных статистических показателей. Эти вычисления могут включать показатели во временной области и в частотной области. В наиболее предпочтительных вариантах осуществления настоящего изобретения анализ во временной области может включать вычисление средних значений, среднеквадратических отклонений, асимметрии, крутости, среднеквадратической величины, перцентили для коэффициента формы, а также совместные параметрические и непараметрические распределения. В наиболее предпочтительных вариантах осуществления настоящего изобретения анализ в частотной области может включать применение преобразований Фурье, спектральной плотности мощности, первых четырех моментов спектральной плотности и вейвлетных коэффициентов. Нужно понимать, что для получения показателей в частотной области и временной области могут также выполняться любые другие статистические вычисления.
[030] На шаге 216 показатели, вычисленные на шаге 214, сопоставляют с соответствующими состояниями месторождения, полученными на этапе 202 формирования опорной библиотеки, или, иными словами, «отображают» на них. В наиболее предпочтительном варианте осуществления настоящего изобретения упомянутые показатели отображают на соответствующие состояния месторождения с использованием набора алгоритмов машинного обучения. Подходящие алгоритмы машинного обучения включают, без ограничения перечисленным, комбинацию из моделей «случайного леса», методов опорных векторов и классификаторов по методу логистической регрессии. Отображение показателей на соответствующие состояния месторождения позволяют получить модели состояния месторождения для всего диапазона условий внутри месторождения.
[031] Этап 204 разработки модели состояния месторождения, опционально, включает шаг выявления и классификации критических показателей. Критическими называют те показатели, которые наиболее сильно связаны с изменениями состояния месторождения 136. В наиболее предпочтительном варианте осуществления настоящего изобретения критические показатели выявляют с использованием графиков важности переменных, основанных на коэффициентах Джини. Графики важности переменных позволяют отлеживать критические показатели, содержащие наиболее ценную диагностическую информацию для каждого состояния.
[032] Способ 200 использования погружной электрической насосной системы в качества виртуальных датчиков продолжают выполнять на этапе 206, разрабатывая модель аномалий погружной электрической насосной системы. Обратимся к фиг. 7, на которой показаны предпочтительные шаги на стадии 206 разработки модели аномалий погружной электрической насосной системы. Данный этап начинается на шаге 218 получением индексов исправности, найденных на этапе 202. На шаге 220 многопараметровые смешанные распределения «обучают» с использованием индексов исправности, которые были получены для объединенных в пул данных, состоящих из наиболее вероятных или прогнозируемых состояний месторождения. В наиболее предпочтительном варианте осуществления настоящего изобретения упомянутые смешанные распределения могут быть получены при помощи смешанных алгоритмов на базе методов Гаусса, вычислены с использованием метода максимизации ожидания или с использованием непараметрических методов ядерной оценки плотности. Модели, полученные с использованием многопараметровых смешанных распределений, используют для определения, является ли какая-либо из погружных электрических насосных систем 100 неисправной, вышедшей из строя или иным образом аномальной.
[033] После формирования опорной библиотеки базовых данных, модели состояния месторождения и модели аномалий погружной электрической насосной системы, и интеграции их в компьютерные системы 138, сеть 140 виртуальных датчиков может быть приведена в действие. Этап 208 способа 200, на котором модели развертывают в полевых условиях, проиллюстрирован на фиг. 8. На шаге 222 компьютерные системы 138 из состава сети 140 виртуальных датчиков получают, непрерывно или периодически, от погружных электрических насосных систем 100 данные, являющиеся представлением условий в скважине 104 и внутри погружной электрической насосной системы 100.
[034] Затем, на шаге 224, эксплуатационные данные применяют в моделях состояния месторождения и модели аномалий погружной электрической насосной системы. В одном из предпочтительных вариантов осуществления настоящего изобретения данные применяют в моделях на периодической основе посредством серий испытаний. В наиболее предпочтительном варианте осуществления настоящего изобретения испытания начинают с применения смешанного распределения, полученного на шаге 220, для вычисления вероятности того, что вектор из данных датчиков является аномальным. В подобных предпочтительных вариантах осуществления настоящего изобретения вывод об аномальном состоянии не будет сделан, пока вероятность того, что вектор из данных с датчиков является аномальным, не превысит заранее заданное пороговое значение. Во время следующего испытания эксплуатационные данные внутри вектора датчиков сравнивают с библиотекой известных состояний месторождения с использованием критериев подобия. В одном из наиболее предпочтительных вариантов осуществления настоящего изобретения сравнение эксплуатационных данных с моделью состояния месторождения выполняют с использованием косинусной функции сходства или функции Парзена. При последнем испытании для определения наиболее вероятного состояния месторождения при помощи модели статистического ансамбля выполняют сравнительный анализ эксплуатационных данных. Нужно понимать, что на шаге 224 могут выполняться дополнительные испытания или может проводиться меньшее число испытаний.
[035] После завершения всех испытаний этап 208 развертывания моделей в полевых условиях продолжают шагом 226, на котором выполняют сравнение результатов испытаний с библиотекой базовых данных, с использованием таблицы истинности или логических правил для определения вероятности того, что: (1) состояние месторождения 136 изменилось; (2) погружная электрическая насосная система 100 стала неисправной или иным образом ее функционирование отклоняется от требуемого состояния; или (3) одновременно вышли из базового состояния как месторождение 136, так и погружная электрическая насосная система 100. Этап 208 развертывания моделей в полевых условиях завершается на шаге 228 выводом оператору прогноза о том, что в месторождении 136 или погружной электрической насосной системе 100 произошло изменение состояния. Этот прогноз может быть представлен оператору в любом подходящем формате, включает печатный отчет или отображаемые на компьютере графики и таблицы. Следует отметить, что прогноз о том, что произошла перемена состояния конкретной погружной электрической насосной системы 100, может предшествовать фактическому отказу погружной электрической насосной системы 100. Прогноз об изменении состояния отдельных погружных электрических насосных систем 100 и изменений в состоянии месторождения 136 может использоваться оператором для планирования профилактического технического обслуживания, изменения управляющих параметров погружных электрических насосных систем 100 и коррекции экономических прогнозов, базирующихся на состоянии месторождения 136.
[036] Итак, в предпочтительных вариантах осуществления настоящего изобретения предложена система 140 виртуальных датчиков, которая включает одну или более погружных электрических насосных систем 100, развернутых в месторождении 136, и компьютерную систему 138, которая принимает данные от одной или более погружных электрических насосных систем 100 и, при помощи компьютерного моделирования, выдает прогноз о том, изменилось ли состояние погружных электрических насосных систем 100 и месторождения 136. Способ формирования базовых моделей и использование данных датчиков из погружных электрических насосных систем 100 для прогнозирования фактических или будущих изменений состояния погружной электрической насосной системы 100 является значительным усовершенствованием по сравнению с методами, известными на существующем уровни техники, которые основаны лишь на аварийной сигнализации, которая срабатывает только после возникновения отказов. Применение вероятностных моделей, описанных в данном документе, дает также возможность прогнозировать изменения внутри месторождения 136.
[037] В приведенном выше описании были приведены множество различных характеристик и преимуществ различных вариантов осуществления настоящего изобретения, однако нужно понимать, что это описание, вместе с подробным описанием структуры и функций различных вариантов осуществления изобретения, являются исключительно иллюстративными, и соответственно, различные детали могут быть изменены. В особенности это касается структуры и взаимного расположения частей, описанных терминами, приведенными в формуле настоящего изобретения, которые следует трактовать в их широком и общеупотребительном значении. Специалисты в данной области техники должны понимать, что замысел настоящего изобретения, в пределах его сущности и объема, может быть применен и в других системах. К примеру, предпочтительные варианты осуществления настоящего изобретения были описаны в связи с погружными электрическими насосными системами, однако нужно понимать, что предложенные системы и способы, описанные в данном документе, могут быть в той же мере применимы для групп другого распределенного оборудования, находящегося в общей окружающей среде. Предложенные системы и способы, описанные в данном документе, могут применяться для контроля, оценки и оптимизации производительности парка транспортных средств, компрессоров природного газа, нефтеперерабатывающих установок и другого разнесенного в пространстве промышленного оборудования.
Claims (48)
1. Способ прогнозирования изменений в подземном месторождении, включающий следующие шаги:
создание опорной библиотеки базовых данных, при этом базовые данные являются представлением погружных электрических насосных систем, находящихся в состоянии пригодности к работе, для множества условий в месторождении;
разработку статистической модели состояния месторождения, при этом статистическая модель состояния месторождения основана, по меньшей мере частично, на упомянутых базовых данных;
разработку статистической модели аномалий погружной электрической насосной системы, при этом статистическая модель аномалий погружной электрической насосной системы основана, по меньшей мере частично, на упомянутых базовых данных;
прием эксплуатационных данных от погружной электрической насосной системы, развернутой на месторождении;
применение эксплуатационных данных к статистической модели состояния месторождения и статистической модели аномалий погружной электрической насосной системы; и
формирование выходных данных, которые представляют вероятность того, что состояние месторождения изменилось.
2. Способ по п. 1, также включающий шаг формирования выходных данных, которые представляют вероятность того, что состояние погружной электрической насосной системы изменилось.
3. Способ по п. 2, в котором шаг создания опорной библиотеки базовых данных включает следующие шаги:
предоставление погружной электрической насосной системы, для которой известно, что она находится в состоянии пригодности к работе; и
функционирование погружной электрической насосной системы в испытательной скважине в диапазоне заранее заданных состояний месторождения, которые представляют собой известные состояния месторождения.
4. Способ по п. 3, в котором шаг функционирования погружных электрических насосных систем в испытательной скважине в диапазоне заранее заданных состояний месторождения включает также функционирование погружной электрической насосной системы в испытательной скважине в диапазоне заранее заданных состояний месторождения, которые выбирают из группы, состоящей из следующего: давление внутрискважинного флюида, вязкость флюида, газосодержание нефти, водосодержание нефти, доля твердых загрязняющих примесей и уровни радиации.
5. Способ по п. 3, в котором шаг создания опорной библиотеки дополнительно включает следующие шаги:
измерение, с высокой частотой, временной последовательности параметров для погружной электрической насосной системы, функционирующей в испытательной скважине; и
сохранение измерений для каждого испытания в форме индексов исправности, при этом индексы исправности являются представлением состояния погружной электрической насосной системы.
6. Способ по п. 5, в котором шаг измерения, с высокой частотой, временной последовательности параметров включает также измерение параметров, которые выбирают из группы, состоящей из следующего: давление флюида в статическом состоянии, давление флюида в текущем состоянии, трехфазный ток, трехфазное напряжение, вибрация, частота вращения и фазовый угол.
7. Способ по п. 5, в котором шаг разработки статистической модели состояния месторождения включает вычисление множества статистических показателей на основе индексов исправности.
8. Способ по п. 7, в котором шаг вычисления множества статистических показателей включает вычисление множества показателей во временной области и показателей в частотной области.
9. Способ по п. 8, в котором шаг вычисления множества показателей во временной области включает вычисление множества показателей во временной области с использованием методов, которые выбирают из группы, состоящей из следующего: вычисление средних значений, среднеквадратических отклонений, асимметрии, крутости, среднеквадратической величины, перцентили для коэффициента формы, а также совместные параметрические и непараметрические распределения.
10. Способ по п. 8, в котором шаг вычисления множества показателей в частотной области включает вычисление множества показателей в частотной области с использованием методов, которые выбирают из группы, состоящей из следующего: преобразования Фурье, спектральная плотность мощности, первые четыре момента спектральной плотности и вейвлетные коэффициенты.
11. Способ по п. 7, в котором шаг разработки статистической модели состояния месторождения включает шаг сопоставления вычисленных статистических показателей с соответствующими состояниями месторождения.
12. Способ по п. 11, в котором шаг сопоставления вычисленных статистических показателей с соответствующими состояниями месторождения включает сопоставление вычисленных статистических показателей с соответствующими состояниями месторождения с применением ансамблевых алгоритмов машинного обучения.
13. Способ по п. 12, в котором шаг применения ансамблевых алгоритмов машинного обучения включает применение ансамблевых алгоритмов машинного обучения, которые выбирают из группы, состоящей из следующего: модели «случайного леса», методы опорных векторов и классификаторов по методу логистической регрессии.
14. Способ по п. 11, в котором шаг разработки статистической модели состояния месторождения включает также шаги выявления и классификации критических статистических показателей, при этом в качестве критических статистических показателей выбирают те статистические показатели, которые наиболее сильно связаны с изменением состояния месторождения.
15. Способ по п. 14, в котором шаги выявления и классификации критических показателей включает также выявление критических показателей с применением графиков важности переменных на основе коэффициентов Джини.
16. Способ по п. 7, в котором шаг разработки статистической модели аномалий погружной электрической насосной системы включает следующие шаги:
получение индексов исправности; и
«обучение» многопараметровых смешанных распределений на основе индексов исправности, которые были получены для обобщенных данных, состоящих из прогнозируемых состояний месторождения.
17. Способ по п. 16, в котором шаг «обучения» многопараметровых смешанных распределений включает применение многопараметровых смешанных распределений, которые выбирают из группы методов, состоящей из следующего: смешанные алгоритмы на базе методов Гаусса, метод максимизации ожидания и непараметрический метод ядерной оценки плотности.
18. Способ по п. 16, в котором шаг приема эксплуатационных данных от погружной электрической насосной системы, развернутой в месторождении, включает прием эксплуатационных данных от множества погружных электрических насосных систем, развернутых в месторождении.
19. Способ по п. 18, в котором шаг применения эксплуатационных данных к статистической модели состояния месторождения и статистической модели аномалий погружной электрической насосной системы включает:
применение смешанного распределения для вычисления вероятности того, что эксплуатационные данные являются аномальными;
сравнение эксплуатационных данных с библиотекой известных состояний резервуара с применением метрик сходства; и
отнесение месторождения к наиболее вероятному состоянию месторождения с применением ансамблевой модели на основе эксплуатационных данных.
20. Способ по п. 19, в котором шаг применения эксплуатационных данных к статистической модели состояния месторождения и статистической модели аномалий погружной электрической насосной системы включает также сравнения выходных данных в результате применения эксплуатационных данных к статистической модели состояния месторождения и статистической модели аномалий погружной электрической насосной системы c базовыми данными.
21. Компьютеризованный способ прогнозирования изменений в подземном месторождении, включающий следующие шаги:
доступ к опорной библиотеке базовых данных;
доступ к статистической модели состояния месторождения в компьютере, основанной, по меньшей мере частично, на библиотеке базовых данных;
прием эксплуатационных данных от одной или более погружных электрических насосных систем, развернутых в подземном месторождении;
применение эксплуатационных данных к статистической модели состояния месторождения для определения результата, представляющего наиболее вероятное состояние месторождения;
сравнение результата, представляющего наиболее вероятное состояние месторождения, с библиотекой базовых данных; и
формирование выходных данных, которые выражают вероятность того, что состояние месторождения изменилось.
22. Компьютеризованный способ прогнозирования изменений в погружных электрических насосных системах, развернутых в подземном месторождении, включающий следующие шаги:
доступ к опорной библиотеке базовых данных, при этом базовые данные собраны при помощи функционирования одной или более погружных электрических насосных систем с известным состоянием в одной или более испытательных скважинах в управляемых условиях;
доступ к статистической модели аномалий погружной электрической насосной системы в компьютере, основанной по меньшей мере частично на опорной библиотеке;
прием эксплуатационных данных от одной или более погружных электрических насосных систем, развернутых в подземном месторождении;
применение эксплуатационных данных к статистической модели аномалий погружной электрической насосной системы; и
формирование выходных данных, которые выражают вероятность того, что одна или более погружных электрических насосных систем функционируют в аномальном состоянии.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/US2015/022472 WO2016153502A1 (en) | 2015-03-25 | 2015-03-25 | System and method for reservoir management using electric submersible pumps as a virtual sensor |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| RU2017133002A3 RU2017133002A3 (ru) | 2019-04-25 |
| RU2017133002A RU2017133002A (ru) | 2019-04-25 |
| RU2708303C2 true RU2708303C2 (ru) | 2019-12-05 |
Family
ID=56977662
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2017133002A RU2708303C2 (ru) | 2015-03-25 | 2015-03-25 | Система и способ управления разработкой месторождения с использованием электрических погружных насосов в качестве виртуальных датчиков |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US11746645B2 (ru) |
| CA (1) | CA2980549A1 (ru) |
| RU (1) | RU2708303C2 (ru) |
| WO (1) | WO2016153502A1 (ru) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015153621A1 (en) * | 2014-04-03 | 2015-10-08 | Schlumberger Canada Limited | State estimation and run life prediction for pumping system |
| WO2016094530A1 (en) * | 2014-12-09 | 2016-06-16 | Schlumberger Canada Limited | Electric submersible pump event detection |
| EP3615812B8 (en) * | 2017-04-28 | 2023-05-10 | Sensia Netherlands B.V. | Methods related to startup of an electric submersible pump |
| US10830040B2 (en) | 2017-10-10 | 2020-11-10 | Baker Hughes, A Ge Company, Llc | Field-level analysis of downhole operation logs |
| KR102113218B1 (ko) * | 2018-03-16 | 2020-05-20 | 울산과학기술원 | 시계열 데이터의 분석 및 예측을 위한 통합적인 딥러닝 시스템 |
| WO2019182894A1 (en) * | 2018-03-19 | 2019-09-26 | Ge Inspection Technologies, Lp | Diagnosing and predicting electrical pump operation |
| CN109441845B (zh) * | 2018-10-16 | 2020-02-07 | 中广核研究院有限公司 | 核电站汽动给水泵离线调试模拟装置 |
| US11572777B2 (en) | 2019-01-28 | 2023-02-07 | Landmark Graphics Corporation | Constructing digital twins for oil and gas recovery using Ensemble Kalman Filter |
| WO2020159564A1 (en) * | 2019-01-28 | 2020-08-06 | Landmark Graphics Corporation | Constructing digital twins for oil and gas recovery using ensemble kalman filter |
| NO20211416A1 (en) * | 2019-07-18 | 2021-11-22 | Landmark Graphics Corp | Method and system for using virtual sensor to evaluate changes in the formation and perform monitoring of physical sensors |
| US20220236707A1 (en) * | 2019-08-29 | 2022-07-28 | Landmark Graphics Corporation | Autonomous monitoring and control for oil and gas fields |
| WO2021091562A1 (en) * | 2019-11-07 | 2021-05-14 | Landmark Graphics Corporation | Method and system for prediction and classification of integrated virtual and physical sensor data |
| CA3204793A1 (en) * | 2019-11-25 | 2021-06-03 | Cold Bore Technology Inc. | Automated detection of plug and perforate completions, wellheads and wellsite operation status |
| DE102021121672A1 (de) * | 2021-08-20 | 2023-02-23 | KSB SE & Co. KGaA | Verfahren zur Fehlererkennung, insbesondere einer Laufradverstopfung, in einer Kreiselpumpe, sowie Kreiselpumpe |
| WO2023136856A1 (en) * | 2022-01-17 | 2023-07-20 | Schlumberger Technology Corporation | Field pump equipment system |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2338875C2 (ru) * | 2005-11-22 | 2008-11-20 | Шлюмбергер Текнолоджи Б.В. | Система и способ измерения параметров в стволе скважины |
| US20090044938A1 (en) * | 2007-08-16 | 2009-02-19 | Baker Hughes Incorporated | Smart motor controller for an electrical submersible pump |
| US20110071966A1 (en) * | 2009-09-21 | 2011-03-24 | Vetco Gray Controls Limited | Condition monitoring of an underwater facility |
| US20130175030A1 (en) * | 2012-01-10 | 2013-07-11 | Adunola Ige | Submersible Pump Control |
| US20140214325A1 (en) * | 2013-01-31 | 2014-07-31 | Baker Hughes Incorporated | System and method for characterization of downhole measurement data for borehole stability prediction |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2230691C (en) | 1995-08-30 | 2004-03-30 | Baker Hughes Incorporated | An improved electrical submersible pump and methods for enhanced utilization of electrical submersible pumps in the completion and production of wellbores |
| US6131660A (en) | 1997-09-23 | 2000-10-17 | Texaco Inc. | Dual injection and lifting system using rod pump and an electric submersible pump (ESP) |
| US6585041B2 (en) * | 2001-07-23 | 2003-07-01 | Baker Hughes Incorporated | Virtual sensors to provide expanded downhole instrumentation for electrical submersible pumps (ESPs) |
| US20070175633A1 (en) | 2006-01-30 | 2007-08-02 | Schlumberger Technology Corporation | System and Method for Remote Real-Time Surveillance and Control of Pumped Wells |
| US7979240B2 (en) * | 2006-03-23 | 2011-07-12 | Schlumberger Technology Corporation | System and method for real-time monitoring and failure prediction of electrical submersible pumps |
| US20080270328A1 (en) * | 2006-10-18 | 2008-10-30 | Chad Lafferty | Building and Using Intelligent Software Agents For Optimizing Oil And Gas Wells |
| US8082217B2 (en) | 2007-06-11 | 2011-12-20 | Baker Hughes Incorporated | Multiphase flow meter for electrical submersible pumps using artificial neural networks |
| US20110010318A1 (en) * | 2007-08-17 | 2011-01-13 | Institutt For Energiteknikk | System and method for empirical ensemble- based virtual sensing |
| US7658227B2 (en) | 2008-04-24 | 2010-02-09 | Baker Hughes Incorporated | System and method for sensing flow rate and specific gravity within a wellbore |
| GB2487519B (en) | 2009-10-21 | 2015-04-29 | Schlumberger Holdings | System, method, and computer readable medium for calculating well flow rates produced with electrical submersible pumps |
| US8453764B2 (en) * | 2010-02-01 | 2013-06-04 | Aps Technology, Inc. | System and method for monitoring and controlling underground drilling |
| US20120072029A1 (en) * | 2010-09-20 | 2012-03-22 | Heatvu Inc. | Intelligent system and method for detecting and diagnosing faults in heating, ventilating and air conditioning (hvac) equipment |
| US8660980B2 (en) * | 2011-07-19 | 2014-02-25 | Smartsignal Corporation | Monitoring system using kernel regression modeling with pattern sequences |
| US9261097B2 (en) * | 2012-07-31 | 2016-02-16 | Landmark Graphics Corporation | Monitoring, diagnosing and optimizing electric submersible pump operations |
| US20140067892A1 (en) * | 2012-08-31 | 2014-03-06 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Estimation of Hidden Variance Distribution Parameters |
| WO2015070913A1 (en) * | 2013-11-14 | 2015-05-21 | Statoil Petroleum As | Well control system |
| BR112016027402B1 (pt) * | 2014-05-23 | 2022-08-09 | Schlumberger Technology B.V. | Método e sistema para avaliação de sistema elétrico submersível e meios de armazenamento legíveis por computador não transitórios |
| US10113549B2 (en) * | 2014-06-03 | 2018-10-30 | Schlumberger Technology Corporation | Monitoring an electric submersible pump for failures |
| US10677041B2 (en) * | 2014-06-16 | 2020-06-09 | Sensia Llc | Fault detection in electric submersible pumps |
| US20160217379A1 (en) * | 2015-01-27 | 2016-07-28 | University Of Southern California | Shapelet-Based Oilfield Equipment Failure Prediction and Detection |
-
2015
- 2015-03-25 CA CA2980549A patent/CA2980549A1/en not_active Abandoned
- 2015-03-25 WO PCT/US2015/022472 patent/WO2016153502A1/en active Application Filing
- 2015-03-25 RU RU2017133002A patent/RU2708303C2/ru active
- 2015-03-25 US US15/561,515 patent/US11746645B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2338875C2 (ru) * | 2005-11-22 | 2008-11-20 | Шлюмбергер Текнолоджи Б.В. | Система и способ измерения параметров в стволе скважины |
| US20090044938A1 (en) * | 2007-08-16 | 2009-02-19 | Baker Hughes Incorporated | Smart motor controller for an electrical submersible pump |
| US20110071966A1 (en) * | 2009-09-21 | 2011-03-24 | Vetco Gray Controls Limited | Condition monitoring of an underwater facility |
| US20130175030A1 (en) * | 2012-01-10 | 2013-07-11 | Adunola Ige | Submersible Pump Control |
| US20140214325A1 (en) * | 2013-01-31 | 2014-07-31 | Baker Hughes Incorporated | System and method for characterization of downhole measurement data for borehole stability prediction |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2016153502A1 (en) | 2016-09-29 |
| US20180066503A1 (en) | 2018-03-08 |
| RU2017133002A3 (ru) | 2019-04-25 |
| CA2980549A1 (en) | 2016-09-29 |
| US11746645B2 (en) | 2023-09-05 |
| RU2017133002A (ru) | 2019-04-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2708303C2 (ru) | Система и способ управления разработкой месторождения с использованием электрических погружных насосов в качестве виртуальных датчиков | |
| US8988237B2 (en) | System and method for failure prediction for artificial lift systems | |
| CA2880240C (en) | Monitoring, diagnosing and optimizing electric submersible pump operations | |
| US8988236B2 (en) | System and method for failure prediction for rod pump artificial lift systems | |
| EP2893378B1 (en) | Model-driven surveillance and diagnostics | |
| BR112016029297B1 (pt) | Método para monitorização de desempenho de uma bomba submersível elétrica, sistema para monitorização de desempenho de uma bomba submersível elétrica, e meio legível por computador não transitório | |
| Gupta et al. | Big data analytics workflow to safeguard ESP operations in real-time | |
| CN105765475A (zh) | 用于电动潜水泵浦系统的综合风险和健康管理的系统和方法 | |
| RU2598261C1 (ru) | Мониторинг и диагностика эксплуатационных данных обводненных резервуаров с использованием эксплуатационных данных | |
| WO2016186646A1 (en) | Condition based maintenance program based on life-stress acceleration model and time-varying stress model | |
| RU2714997C1 (ru) | Оптимальное хранение данных о нагрузке для прогнозирования срока службы оборудования, используемого при эксплуатации скважины | |
| WO2017083141A1 (en) | Electric submersible pump health assessment | |
| WO2016186647A1 (en) | Condition based maintenance program based on life-stress acceleration model and cumulative damage model | |
| WO2018236238A1 (en) | PREDICTION OF WELLBORE FLOW PERFORMANCE | |
| CN112526959A (zh) | 一种抽油泵故障诊断方法、装置、设备及存储介质 | |
| WO2023009741A1 (en) | Integrating domain knowledge with machine learning to optimize electrical submersible pump performance | |
| US20230296015A1 (en) | Advanced diagnostics and control system for artificial lift systems | |
| Putra et al. | Artificial Lift Real-Time Monitoring Digitalization Method: An Advanced Approach with Artificial Intelligence to Achieve Efficient Well Surveillance by Utilizing SCADA | |
| Blanckaert et al. | Real-time data and expert system combine to develop artificial lift predictive diagnostics | |
| Mahmoud et al. | Application of Artificial Neural Networks in Predicting Discharge Pressures of Electrical Submersible Pumps for Performance Optimization and Failure Prevention | |
| Ellsworth et al. | Digitalizing the Management of Electric Submersible Pump Failures Through Failure Prevention and Post-Mortem Analysis Tools | |
| Agbulu et al. | Healthy-State and Time-To-Failure Assessment of Induction Motors and Pumps for Maintenance Scheduling Using Cloud-Enabled Fault Prediction and Reporting System with Machine Learning Scheme | |
| CN114846343A (zh) | 基于独立基频测量的传感器状态确定 | |
| Tran et al. | Tailoring Digital Approaches for Monitoring and Predictive Diagnosis for Sucker Rod Pumping Systems | |
| Han | Stochastic modelling for condition based maintenance |