一種基于憋壓數(shù)據(jù)修正油井漏失系數(shù)的方法

宋文娟 王志永 鄒儀虎 趙東波 田健

摘 要：不同程度的管漏或油管堵塞是影響油井產(chǎn)量的重要因素，本文提出一種利用聚類和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法對油井憋壓數(shù)據(jù)進行處理、分析，根據(jù)井筒不同程度漏失或堵塞進行產(chǎn)量修正。通過對該方法進行驗證，修正后的產(chǎn)量基本滿足生產(chǎn)需要。

關(guān)鍵詞：憋壓 漏失 修正 系數(shù)

目前油田常采用的量油方式有液面量油、功圖量油和分離器量油。隨著油田地面優(yōu)化簡化的推動，分離器逐漸被淘汰，液面量油耗時長，因此功圖量油成為各個油田的主要量油手段。近幾年主要在于功圖量油結(jié)果的修正。根據(jù)調(diào)研發(fā)現(xiàn)，管柱漏失是影響功圖量油準確率的重要因素，生產(chǎn)中判斷漏失的方法主要有示功圖和憋壓。本文提出一種對憋壓數(shù)據(jù)進行處理、分析的方法，最終達到修正井口產(chǎn)量的目的。

一、修正系數(shù)的方法

本文提出一種基于憋壓數(shù)據(jù)修正油井漏失系數(shù)的方法，其主要手段為機器學習中的聚類和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合。方法流程見圖1所示：

圖1主要展示的過程為將憋壓數(shù)據(jù)整理、歸一化后送入K-means聚類模型，通過無監(jiān)督學習由機器輸出分類結(jié)果，將結(jié)果分成若干類，再利用BP神經(jīng)網(wǎng)絡(luò)得出系數(shù)，進而使用系數(shù)對油量進行修正。

二、結(jié)論與討論

1、憋壓情況K-means分類

對于憋壓情況的好壞劃分，現(xiàn)場經(jīng)驗方法很難將“好壞”量化。聚類方法可以讓機器自主探索劃分的邊界，使憋壓數(shù)據(jù)作為判斷抽油泵工作狀況的根據(jù)。本次收集了374組油井憋壓數(shù)據(jù)，考慮到各井不同的憋壓結(jié)果反映了不同的井況，采用無監(jiān)督學習的方法對其進行分類：

（1）收集的憋壓結(jié)果統(tǒng)一格式為“憋壓X沖次壓力升至A，停憋Y分鐘壓力升/降至壓力B”，對其中的“X”、“A”、“Y”、“B”進行提取并統(tǒng)計，形成一組374×4的數(shù)組;（2）對該數(shù)組做標準化處理;（3）數(shù)據(jù)用K-Means聚類，根據(jù)數(shù)據(jù)類型及對數(shù)據(jù)的理解設(shè)定不同數(shù)量的聚類中心點，依次設(shè)定聚類中心點個數(shù)為2、3、4、5，將其無監(jiān)督學習后的標記結(jié)果進行輸出。

分類結(jié)果解釋：劃分為四類，第1類為憋壓和穩(wěn)壓效果均較好;第2類為憋壓效果一般但穩(wěn)壓效果好，第3類為憋壓較好、穩(wěn)壓極好，第4類為憋壓效果好但穩(wěn)壓效果極差。

2、 BP神經(jīng)網(wǎng)絡(luò)確定系數(shù)

現(xiàn)場確定漏失系數(shù)時，一般根據(jù)憋壓的不同程度確定不同的系數(shù)范圍。根據(jù)油井單井產(chǎn)量計算公式：參數(shù)“有效沖程”可以在示功圖反映，“實際沖次”根據(jù)現(xiàn)場加速度感應(yīng)器反饋給自動化系統(tǒng)，“泵徑”根據(jù)單井日報提取，系數(shù)α在認為現(xiàn)場“噸桶量油”結(jié)果是準確的情況下，可以得出漏失系數(shù)的值：

由此可得到不同漏失情況下的修正系數(shù)。

根據(jù)式（1）將收集的374口油井憋壓數(shù)據(jù)，獲取其對應(yīng)的泵徑、沖次、有效沖程、“噸桶量油/分離器量油”結(jié)果，最終得到各井的漏失系數(shù)。在建立神經(jīng)網(wǎng)絡(luò)時以憋壓數(shù)據(jù)[，，，]作為輸入，以漏失系數(shù)[]為輸出。利用BP神經(jīng)網(wǎng)絡(luò)對不同憋壓聚類結(jié)果及隱含層節(jié)點數(shù)分別做回歸。隱含層的個數(shù)以及迭代次數(shù)見表1所示：

3、現(xiàn)場驗證

現(xiàn)場驗證步驟如下：

（1）收集測試集（2）對數(shù)據(jù)進行標準化處理;（3）加載“憋壓數(shù)據(jù)聚類模型”，對測試集數(shù)據(jù)分類;（4）加載 “神經(jīng)網(wǎng)絡(luò)模型”，對應(yīng)步驟（3）中的分類送入對應(yīng)的神經(jīng)網(wǎng)絡(luò)模型進行預測，得出修正系數(shù);（5）并將計算結(jié)果與真實結(jié)果對比，綜合誤差用公式（2）進行評價。

結(jié)果顯示誤差百分比的絕對值為15.41%，綜合誤差-4.22%，基本滿足工業(yè)輸差（25%左右）需求。因此認為利用憋壓結(jié)果確定漏失系數(shù)的方法基本可以用于示功圖量油中，從而解決管柱段漏失造成的液量計算不準的問題。

四、展 望

測試結(jié)果中仍有誤差較大的值，因此可以考慮擴大樣本集，使聚類結(jié)果更加精細，進而將其系數(shù)單獨歸類訓練，可能將誤差進一步進行改善，本文由于篇幅不再進行討論。

參考文獻：

[1]謝宇.軟件量油存在問題及對策[J].化學工程與裝備，2014（03）：82-85.

[2]張立婷，李世超，曾鵬，等.基于均值濾波和BP神經(jīng)網(wǎng)絡(luò)的功圖量油技術(shù)[J].油氣田地面工程，2018，37（08）：83-86.

[3]張容旗. 采油A廠抽油機井功圖量油系數(shù)的研究[D].東北石油大學，2018.

[4]姜興偉.功圖量油計量誤差關(guān)鍵影響因素研究[J].計量技術(shù)，2018（11）：7-10+26.

[5]張琪. 采油工程原理與設(shè)計[M]. 東營：石油大學出版社，2000.