文摘

油和水的一种新方法测定流速在垂直向上油水两相管流提出了。该方法包括应用程序的机器学习技术在概率密度函数(PDF)和功率谱密度(PSD)的功率谱输出管的超声波多普勒传感器。两相流的功率谱特征参数首先由概率密度函数(PDF)方法。然后,传感器信号预处理的距离相关分析(DCA)和独立的功能由主成分分析(PCA)提取。提取的特征作为输入使用最小二乘匹配,使石油流速作为输出。同样,传感器信号预处理通过偏相关分析(PCA),和独立的功能使用独立分量分析(ICA)提取。提取的特征作为输入多层反向传播神经网络,水削减作为输出。目前的方法被用来校准超声波多普勒传感器估计在油水两相的流速流垂直管的直径159毫米。目前的预测方法是在良好的协议与直接流量测量。相比以前的方法从超声多普勒功率谱信号特征提取,本方法提供了一种理论依据超声波多相流测井资料的解释。 Ultrasonic multiphase flow logging has potential application value in the production profile logging and interpretation evaluation of production wells with low fluid production and high water cut.

1。介绍

生产测井是一种油井动态监测的主要手段。测井行业的一个重要的问题是了解油井生产层的生产状况,剩余的石油生产的水库,水库的评价重建效果,和发展计划的调整和改进1]。生产测井技术也扮演着非常重要的作用在油田的发展。

然而,低孔隙度和低渗透率油田在开采中晚期阶段的特点是低流量、高含水,沙子。油井的油水两相流复杂流动机制和随机变量油水界面,以及严重的油和水之间的滑移效应阶段。这些问题造成重大挑战传统生产剖面测井,如转子流量计在低流量条件下反应不佳,和液体电容不良反应在高含水条件下(2]。超声波多相流日志工具是一个日志方法,使用超声多普勒效应和之间的声阻抗差异油、气、水和使用离散相的光谱特征反映了声波在每个阶段获得流体的流动(3]。超声波多相流测井技术解决的问题在复杂两相流和三相流测井条件(低生产液体,沙子,高度斜井,等等),和日志数据提供了一个可靠的依据油田开发工程师(4]。在这个阶段,实现仪器的方法相对成熟,困难在于如何提取信息,能够准确地反映泄漏的石油,天然气和水从一个超声波频谱数据(5]。

由于数据的非线性,有许多困难在建立一个精确的预测模型。分相流的测量精度较低。因此,它是重要的软测量方法研究分相流。近年来,机器学习模型已经开始被应用在各个领域。一些调查人员表明,人工神经网络(ANN)方法对多相流(解决这个问题6- - - - - -8]。安技术已经被提议作为一个强大的和计算工具模型和解决复杂的问题,不能用简单的数学模型描述9- - - - - -11]。奥斯曼压降的ANN预测模型在水平和身体滑向接近水平的气液流(后12]。赵等人建立了一个ANN预测模型基于电导信号获得与电方法,通过测量油水两相流含水率在哪里从51%提高到91%,和良好的预测结果(13]。

降维方法是一个重要的步骤在任何机器学习模型管道因为他们有重大的有关分类的准确性或回归算法应用于数据(14]。主成分分析(PCA)是最常用的降维方法。PCA最初引入的皮尔森(15由霍特林()和独立开发16]。PCA是一种无监督线性映射基于特征向量的搜索和适合高斯数据。主成分分析提供了不同的策略来降低特征空间的维数和保存的最大方差的原始数据17,18]。主成分分析可以使用不同的算法,包括特征值计算,潜变量分析、因素分析、线性回归(LR) [19]。PCA的主要应用包括图像和语音处理、可视化、探索性数据分析,和机器人传感器数据(20.]。

针对油水两相低产量的生产特点,高含水,和明显的滑移,为了提高解释精度和挖掘更多的超声波多相流日志信息,本文进行了油水两相模拟测井实验超声的多相流日志工具研究超声波频谱信息的油水两相流和油和水流动的解释模型。它提供了一个新的解释方法的超声波多相流日志油水两相生产井产量较低的液体。

2。实验装置和日志记录工具

油水流动中的所有日志记录实验设施(图在中国长江大学1),超声波多相流产剖面生产测井仪器如图2。

该设备主要是由透明有机玻璃管的内径159毫米,允许流动的视觉观察和井筒垂直90°角(相对于地面)。试验介质的水是自来水(密度988 kg / m³,粘度1.16 mPa·s),和石油是10 #工业白油(密度826 kg / m³粘度8.29 mPa·s)。总的流量( )在实验范围从0.5 m³40 m / d³/ d;含水( )从0%到100%不等。油和水是由蠕动泵输送pressure-stabilized灌溉,然后进入计量管道,以确保油水运输管道中的流体流动可以忽略泵脉动的影响。油和水体积流率由蝶阀控制,他们以高精度质量流量计(KLB-CMFI-DN6)。总共42套油水两相流的实验操作条件与不同水流速和削减为实验而设计的。为了确保流体流动是足够稳定的,超声测井仪的测量探头被设定为6.0米从流流体的入口;每个实验点油水流量后稳定30分钟,超声仪器开始测试,持续至少3脉冲周期,和测试场景如图3。所有实验正常温度和大气压力下。

超声波多相流量计的结构如图2。超声波探头位于在测井仪器的低端字符串,字符串和仪器连接到扶正器为测量仪器为中心。超声波探头采用自发self-receiving测量、传输和接收表面是锥形(4]。基本原理是超声波探头由锥,超声波信号的传播和声波满足连续水相在离散相(油泡沫,泡沫)反映,当超声波的传播方向和石油泡沫运动方向是90°,超声波反射在石油泡沫表面,和反射的超声波的频率相对变化的频率超声波反射之前,这种变化是多普勒频移。

传感器发出超声波的频率流体,换能器接收波散射粒子的样本体积(21]。由于粒子和传感器之间的相对运动 ,的频率粒子的入射波收到调制根据多普勒效应: 在哪里c在流体声速,u是粒子速度的主要流向,然后呢θ是声音梁轴之间的角度(多普勒角)和粒子流动方向。散射波的移动粒子被认为是次要的超声源,和粒子和传感器之间的相对运动产生多普勒效应。因此,频率散射波的接收换能器也是调制之间的相对运动,粒子,可以表示为哪一个

由于流速通常是低于多少c,(这个词 )在情商。2)可以近似c,这简化了频率来

因此,一个石油泡沫的多普勒频移可以从[计算22]

石油泡沫的信号反映在大量井筒和井筒的声信号直接lotus叠加在接收换能器。遥测信号传播和放大。最后获得的差频信号是超声多普勒信号的多相流量计(23]。的频率变化量与石油泡沫的移动速度和超声波的反射表面的石油泡沫的数量对应于石油泡沫。超声波多相流量计使用反射和散射超声信号的多普勒频域效应获得流体信息(24]。

调查的中心频率设置为750 KHz,测量方法采用的静态点测量仪器,每个实验测定点的测试时间是3分钟,和至少3周期的数据收集。探测器在仪器字符串的最前端,流体情况noncollecting,流体的状态来衡量基本上是不变的。当它流经超声波探头,测量执行来收集数据。

3所示。实验结果分析

3.1。特征和光谱分析仪器影响油水两相流

为了研究超声波流量计的响应特性石油泡沫流,日志收集的数据分析了超声波流量计由功率谱和加工,液压油注入(井筒注满水,增加石油的流动),和功率谱曲线(如图4)。的功率谱曲线相同的总流量和不同水削减是油水两相流(如图5)。从数据45,液体的流动特性可定性地分析了测点的曲线变化趋势。

在静水喷油的情况下,功率谱曲线的振幅增加而增加的石油流。石油流越大,反射信号越强。当油流量很低(小于1.5米³/ d),大部分的超声传感器发出的声波是分散的,弱反射波,振幅较低,测量效果并不明显。离散石油与石油流动的增加,气泡在连续水相增加,和部分声波反射表面的石油泡沫。反射声波的振幅是相对于石油泡沫的数量。更多的石油泡沫(石油抢劫越大),较强的反射波,振幅越大。因为水仍然是,石油泡沫向上移动一个静态漂移速度在水中,和滑动现象是显而易见的25];因此,中心频率的变化之间的关系和油相流量的变化不明显。当石油流量大于20米³/ d,油流量增加,但中心频率降低。在低流量条件下,油流的增加主要是由于石油泡沫的数量增加(增加石油抢劫),和石油泡沫几乎没有增加,甚至减少的速度。因此,在低流量的情况下,特别是当水是静态或非常低,流动的中心频率没有相关石油流。

在油水两相流的情况下,功率谱曲线的振幅,左和右衰减系数,和中心频率有明显的变化在同样的总流量和不同水削减。中心频率移动到正确的随着含水率的增加,而峰值振幅降低了随着含水率的增加。这主要是由于含水率的增加和减少石油流。有较少的离散石油泡沫连续水相。声波的一部分反映了石油泡沫,表面弱和探测器接收到的反射波的减少,导致dropin振幅峰值。振幅峰值和中心频率与流量成正比,但是他们的比例关系不同总流条件下是不确定的。因此,有必要使用功率谱的统计结果实验测量的数据找到振幅之间的关系,频率,油和水的流动和获取相应的计算模型或关系图。

3.2。石油流量测量和描述的算法

流量预测,PDF和PSD首先计算从输入信号,利用主成分分析和适当的特征提取。预处理步骤采用的方法保存尽可能多的信息包含在微分特征参数,虽然提取特征与一个相对较小的维度。

为了我更多的功率谱信号内涵、一维概率密度函数(PDF)被用来适应原始测量曲线,和石油的特征参数,如振幅,频率的石油,石油方差,峰面积的反应得到了石油泡沫分布和流速信息(26]。为了降低问题的复杂性,相关分析方法用于分析油水两相流的分布参数实验和超声波功率谱的特征参数之间的关系找到超声波功率谱的特征参数和油水流动参数。

首先,实验定量参数的相关分析液压油注入和超声波功率谱的特征参数。变量的相关分析与静水喷油过程是基于距离相关分析。近似值矩阵如表所示1。变量之间的距离关系的强度可以通过近似矩阵[观察27]。相关分析的结果表明,油流和许多特征参数有很好的相关性,如果只有一个或两个参数的传统线性或非线性拟合得到的公式来计算油流,获得的结果误差较大,但是太多的变量将不可避免地存在数据重复和叠加,导致算法的复杂度提高。主成分分析(PCA)的基本原理是将原始变量整合到几个主成分,代替大量的变量较少的变量相结合,把损失减小到最低限度的信息由变量,和让他们彼此不相关的28]。主成分分析的数学模型如下。

假设有样本,每个样本都有变量: , ,…, ,原始数据观测矩阵如下:

建立相关系数矩阵的变量和发现R的特征根( )及其对应的单位特征向量( )。

然后,确定主成分的数量,定义的主成分的贡献率 ,和累积贡献率 。

一般来说,特征值 对应于第一、第二,……m ( )主成分的累积贡献率达到85%或更多。PCA模型可以制定

在哪里是 - - - - - -维的特征向量对应 - - - - - -th原始变量的相关矩阵的特征值;是 - - - - - -维初始输入变量。

主成分分析的特征参数进行油水两相超声波功率谱,结果如表所示2。

从表可以看出2第一个组件的累积贡献率达到86.087%,超过85%,可以总结原始变量。因此,主成分特征参数的油水两相超声波提取功率谱是第一。根据组件得分系数矩阵,可以得到表达

因此,石油流量和主成分提取的特征参数超声功率谱用于交会分析预测石油流量。结果如图6。

图6是安装石油流速之间的关系 )和主成分值( )测量模型

油流量增加线性主成分值的,它有很好的单调性。当油流量很小,数据相关性明显强于石油流量时高,表明超声流测井仪对小型石油流变化更敏感的条件下石油流和高含水率低。这是因为当石油流较低和井筒含水率高,石油泡沫的大小和数目很小,油相是均匀分布的,这有利于超声多普勒测量。当石油流量增加,含水率降低,井筒中石油泡沫的规模和数量的增加,小型石油泡沫碰撞和聚集变大,油相分布不均匀,超声多普勒测量灵敏度下降,反射强度增加,振幅增加。因此,超声多普勒测量高含水高灵敏度。

用超声波测量实验获得的数据的油水两相流到情商。8),油流量预测结果如图7是获得。在不同的总流的情况下,石油流值超声波多相流动模拟实验是在良好的协议与油流的预测价值。

总的来说,石油流量预测模型建立的液压油注入实验数据是有效的在计算石油流量下的油水两相流。总体的平均绝对误差为0.92 m³/ d,平均相对误差为10.36%。

虽然在油水两相流油流量可以准确提取的主成分值计算超声波功率谱的特征参数,主要原因是总流速小,油相速度接近油在水的静态漂移速度,和油流量的变化主要取决于石油泡沫的数量(石油抢劫),这是强烈的振幅有关石油和石油峰值的领域。总流不会改变,含水下降,并随着石油流动的增加,误差值增加。也就是说,预测模型(8)具有较高的预测准确性高含水的情况和减少石油泡沫。石油泡沫的增长,从离散的泡状流流型变化乳液流,和测量效果变得更糟。

3.3。含水率的测量和描述算法

在前面的小节中,结果表明:微分的PDF和PSD超声波功率谱特征参数遵循某些系统的趋势随着石油和水流速改变(29日]。

含水反映水流之间的关系和总在油水两相流的流动,有复杂的关系与含水率和油水滑移速度等因素。油水两相流的产量很低的液体,含水率一般高由于井筒的严重水浸,这为含水的计算带来了更多的困难。传统的生产状况解释模型(漂流通量模型、滑移模型)是大大影响含水率的波动。超声波多相流测井数据处理使用功率谱相关特征参数来比较和分析实验的含水比例来确定含水计算模型。同样,水预测,PDF和PSD也从输入信号,计算出适当的特征提取通过使用DCA PCA紧随其后,并使用人工神经网络进行回归。

它可以看到从超声测量数据的功率谱分析4和5的总流率没有明显的相关特征参数的依赖,当总流速不变,含水率增加,相应的功率谱幅值减小,右边的中心频率的变化。因此,距离相关分析(DCA)方法也用于执行相关分析油水两相流的实验数据。分析结果如表所示3。根据分析结果,总流和振幅峰值之间的皮尔逊相关系数,中心频率、振幅的石油,石油,频率方差的石油,石油峰值,和振幅比并不高,都小于0.7,表明它们之间的距离的相关性强度很弱,这是符合定性分析结果数据的功率谱4和5。

含水率之间的皮尔逊相关系数和超声特征参数不高,与中心频率呈正相关,频率方差的石油和石油,但与振幅峰值负相关,振幅的石油,石油峰值,振幅比率。皮尔逊相关系数的总流量是0,而且没有相关性含水和总流。在油水两相流的情况下,峰值振幅与石油幅度呈正相关,与中心频率与油的频率呈正相关。相关系数相对密切,相关系数与油水振幅比( )是0.69。

调查的效果代表原始数据集的总信息较少的特点,主成分分析的特征参数进行油水两相超声波功率谱,结果如表所示4。

根据组件得分系数矩阵,可以得到表达

图8的十字路口是含水和油水振幅比,和拟合公式是情商。10):

线性拟合相关系数( )低,含水计算了情商。10)有一个很大的错误,可以用作pseudowater削减计算公式。

进一步分析含水率和超声波功率谱参数之间的关系,提取、和分析结果的相关系数绝对值大于0.6变频幅度(振幅,频率的石油,石油峰值,振幅比),偏相关分析(PCA)方法,分析流量是固定的,和水切割和超声波功率谱特征参数之间的相关性处理结果如表所示5。从结果可以看出,当控制流,总含水率之间的偏相关系数和振幅比是-0.918,和概率(意义),他们是不相关 。它可以得出结论,在一定的条件下总流,含水率之间有显著的负相关( )和油水振幅比( )。图9是一个图显示时的含水率和振幅比之间的关系总油水两相流流量是恒定的。

从图可以看出9,在一定的流量,含水和油水振幅比有很好的线性相关性。振幅比越大,含水率越小。使用这个图表,您可以基于振幅比插值计算含水总流速是决定时,你也可以计算总的流量根据含水时的振幅比插值率决定。流量预测,含水( )和油水振幅比( )被用作多层bp神经网络的输入,使总流速作为输出。图10提出了预测和测量流速的比值安;绝大多数预测测量值在±10%。

3.4。水相流动计算

从上面的功率谱图5和距离过程相关分析结果表3,它可以直接看到,很难找到水相流量之间的关系和相关功率谱的特征参数。然而,在一定的流量,水相的比例之间的关系从水中获得流量和振幅降低非常明显,和线性关系更好。因此,基于上述情商。5油相流量的计算模型和含水率计算图在一定的总流量,下面的方法提出了计算水相流动。(1)首先,计算油相流量从主成分值( )用情商。8)(2)从油水振幅比(ln (Ao / Aw)),用情商。9)计算伪含水(3)然后,用油水振幅比率(ln (Ao / Aw))和pseudowater削减获得的步骤(2)到相同含水率和振幅比的关系图(图9)总流速安获得流量 。重新计算水的含水根据定义公式 (4)然后计算含水率之间的错误计算了情商。7)和pseudowater削减计算Eq。(6)。如果是在误差范围内,总流和水切割可以获得,水相流可以计算它们之间的关系 (5)如果误差大于误差上限,调整pseudowater削减根据含水率之间的关系计算板和pseudowater削减并继续将其插入到图9插值计算,直到误差小于误差极限

为了检查方法的计算精度,超声波多普勒流量计测井资料的完整的流层26井测量通过功率谱处理提取相关特征参数。因为测井仪实验室的校准条件不同于井下测井的工作条件,和油和水的物理性质不同,有必要调整总流的振幅和中心频率功率谱曲线的井下测试相同的流量的校准条件解释(4]。校准系数

的公式,是振幅校正系数,是实际记录振幅值,振幅值测量在实验室相同的流量,是频率修正系数,是实际的测井频率值,频率值相同的实验室测量的流量。

校准功率谱特征参数值代入上面的公式和图表,并解释结果与水流计算的总生产和含水的日志记录时间。比较实际的水流在满流层的26井和水流计算该方法如图11。水相流动计算的平均绝对误差为1.502 m³/ d,平均相对误差为22.79%。水相流量的相对误差明显小于高含水条件下的相对误差值在低含水率条件下,这也表明,超声多普勒测量油水两相流在高含水条件下具有更高的灵敏度。

4所示。现场应用

西部油田低孔、低渗透性储层。目前在中期和后期的发展阶段,并且大多数油井的低生产流体和高含水。13-1-2是一个泵。超声波多相流生产剖面测井进行3月23日,2018年。日志之前,每日生产流体在井口是5.55米³/ d,含水率为41.4%。

超声波多相流产的测井解释资料主要是基于温度,压力,和功率谱曲线判断井下流体阶段井下流体的状态,和每个生产的油和水生产区域计算根据井口的生产状况和石油的振幅和中央频率信号的功率谱曲线。超声波的功率谱曲线多相流测试13-1-2如图12。

根据井下射孔层的位置,总共有7测试点和测试点流体是油和水的两相流。每个测试点的功率谱曲线处理得到功率谱特征参数,如表所示6。

综合解释结果如图13,解释结果如表所示7。综合分析后,解释结果得到:主要生产液体层IV-49子层,液体产量是1.84米³/ d,含水率为58.36%。二级液体生产层IV-25、IV-28 IV-30 IV-40 IV-47,液体生产0.68米³/ d, 0.69³/ d, 0.27³/ d, 1.11³/ d, 0.97³分别/ d。含水率分别为0.0%,27.09%,36.98%,41.64%,和49.42%,分别。

与实际的油和水流动,数据驱动的人工智能判读的准确性高于传统的超声功率谱单因素的计算流程,同时也解决了水流计算的问题。

5。结论

摘要超声多相流日志记录工具是用来测试的声频特征油水两相流在一个垂直井筒模拟实验,和数据驱动方法用于预测超声波生产测井数据处理的流体流动。下面的结论是通过对实验数据的分析。(1)超声波多相流测井仪主要检测的运动参数石油连续水相泡沫。从实验数据可以获得功率谱曲线定性分析总流率的变化特征和油水两相流含水率(2)在低流量条件下,石油泡沫在静态漂移速度上升;所以,油相流量主要与石油泡沫的数量和超声波反射强度反映石油泡沫的数量(3)超声波功率谱曲线的特征参数提取的相关石油流量和含水率,和有一个功能的关系。本文使用过程的距离相关分析方法和偏相关分析方法分析功率谱特征参数的相关性,建立了油相流计算模型,含水率预测图,水流计算方法。研究结果表明,该方法具有较高的精度,可以很好的计算油水两相流的输出配置文件参数(4)数据驱动的人工智能解释精度高于传统的单因素超声波功率谱的计算精度

数据可用性

数据请求。请联系相应的作者对底层数据支持研究的结果。

的利益冲突

所有作者确认没有金融/个人利益或认为可能影响我们的客观性,并且不存在任何冲突。

确认

这项研究得到了国家自然科学基金(42174155)。