一种基于示功图的抽油井产量计算方法与流程

本发明涉及油田抽油井生产模式领域，具体地说是一种基于示功图的抽油井产量计算方法。

背景技术：

油田数字化的前提之一就是实现油井单井计量的自动化。在国内,目前油井产量的计量方式还远远没有达到自动化的程度，大多数油田仍然釆用的是计量站分相计量。以目前的技术发展水平来说，采用功图法计算产液量的方式，是最接近自动化的计量技术，产量的计算精度也有望接近甚至超过相同工艺条件下的一般量油技术，能够比较准确的计算出区块、井组的总产量，能够基本上确定非疑难井的单井产量，通过远程传输示功图数据的批量计算，能够较好的确定非疑难井的单井累计产量，较好的反映油井的产量动态，远程传输示功图数据的批量计算具有较好的稳定性。基于示功图计量技术的实施必将提高油田的自动化管理水平、节约大量的人力和物力，实现在油井正常生产期间进行远程的数据自动录取，在无人值守的情况下及时掌握油井的动态变化，在此基础上能够基本确定区块、井组和单井产量，能够简化地面流程，节省产能建设和设备更新的投资。

基于示功图计量技术的实施，不仅实现了以油井单井产量计量为核心，同时辅以对油井进行工况监控，对釆集的数据进行分析诊断，实现简化地面流程的作用同时，还可实现提高油井系统效率的目的。

基于示功图的抽油井产量计算的基本原理就是通过基于示功图计算油井产量，并考虑各种可能导致计算产液量误差的各种因素，合理优化产液量，实现抽油井产量精确计算。

技术实现要素：

针对现有技术的不足，本发明提出一种基于示功图的抽油井产量计算方法，通过对油井地面功图进行分析，结合油田实际生产数据与油井基础数据，采用改进的五点曲率法，计算油井功图有效冲程、并结合油井大修后的标定产量，采用黑箱模型，得到计算漏失量计算模型，确定漏失量公式中无法通过机理模型计算的参数，对油井产量进行计算，同时结合油田生产日报，对抽油井中间抽井进行修正。

本发明为实现上述目的所采用的技术方案是：一种基于示功图的抽油井产量计算方法，包括以下步骤：

根据油井地面功图得到油井泵功图；

采用五点曲率法求取油井有效冲程；

通过对油井进行产量标定，采用bp神经网络的方法得到漏失量，计算油井产液量。

所述采用五点曲率法求取油井有效冲程包括以下步骤：

(1)对初始泵功图数据进行均值滤波：

其中，pi为泵功图位移点；fj为泵功图载荷点；m为滤波阶数；

(2)数据归一化：

pi＝(pi-pmin)/(pmax-pmin)

fj＝(fj-fmin)/(fmax-fmin)

pmax为泵功图位移最大值，pmin为泵功图位移最小值，fmax为泵功图载荷最大值，fmin为泵功图载荷最小值；

(3)计算曲率：

泵功图曲线上任意一点的曲率可根据相邻的五个点pi-2(si-2,fi-2),pi-1(si-1,fi-1),pi(si,fi),pi+1(si+1,fi+1),pi+2(si+2,fi+2)间的几何关系计算：

ki＝δθi/δli

其中，

(4)计算曲率变化量

δki＝|ki+1-ki|；

对曲率变化量进行修正

δki'＝(δki-1+δki+δki+1)/3；

(5)计算有效冲程：

通过对泵功图分区，求取各区曲率最大点，进而求得泵功图的四个拐点qa,qb,qc,qd，得到有效冲程sc＝min(qd-qa,qc-qb)。

所述对油井进行产量标定，采用bp神经网络的方法得到漏失量包括以下步骤：

(1)测量该井一天的产量，并通过示功仪，采集多幅计量当天的示功图数据；

(2)采用bp神经网络对输入样本和输出样本进行训练，得到漏失量中的参数：半径方向上柱塞与泵筒之间的平均间隙δ、柱塞与泵筒轴线之间的偏心距e、柱塞在上冲程的平均速度

(3)计算漏失量

式中，dp为柱塞的直径，lz为柱塞的长度，δ为半径方向上柱塞与泵筒之间的平均间隙，e为柱塞与泵筒轴线之间的偏心距，μ为井内液体的动力粘度，pd为泵排出压力，ps为泵吸入压力，为柱塞在上冲程的平均速度。

所述油井产液量通过下式得到：一天只有一幅功图的情况：

q＝(sc·π·d²/4-lsl)·cc·1440

式中，q为当天产量，d为泵径，cc为一幅功图对应的冲次，sc为该幅功图的有效冲程，lsl为漏失量。

所述油井产液量通过下式得到：采用示功仪每半个小时采集一次功图的情况：

式中，n为采集的功图数，sci为每幅功图的有效冲程，ti+1为后一时刻采集功图时间，ti为第i幅功图的采集时间，cci为每幅功图对应的冲次，lsl为漏失量。

结合抽油井工作状态，对抽油井计算产液量进行修正。

所述修正采用示功图修正，包括以下步骤：

当示功图丢失时，首先，判断当前时刻与上一时刻的功图是否一样；如果一样，将其剔除；如果丢失，则计算上一时刻最新功图与下一时刻功图间隔的时间，从而计算产液量：

式中，qc为一天计算的产量，ti+1为下一次功图数据的时间，ti为上一次功图数据时间，cci为每幅功图对应的冲次，d为泵径，lsl为漏失量，n为采集功图的个数，sci为功图的有效冲程。

所述修正采用间抽井修正，包括以下步骤：

1、针对每天一幅功图的情况

qc＝(sc·πd²/4-lsl)·cc·60·(24-toff)

式中，qc为修正后的当天产量，d为泵径，cc为一幅功图对应的冲次，sc为该幅功图的有效冲程，lsl为漏失量，toff为间抽井停抽时间，。

2、针对每天多幅功图的情况

式中，qc为修正后的当天产量，sci为每幅功图的有效冲程，cci为每幅功图对应的冲次，n为采集功图的个数。

所述修正采用极低产井修正，包括以下步骤：

qc＝qbd/sbd-avg·sc2

式中，qc为修正后的产量，qbd为标定产量，sbd-avg为标定功图的平均有效冲程，sc2为对应功图的有效冲程。

本发明具有以下有益效果及优点：

1、当前技术条件下，油井地面功图的获取已经实现实时化，采用基于示功图计算油井产量，其准确度已经能够代替翻斗计量和流量计等相关硬件计量设施，为油田节省大量成本；

2、通过采用黑箱模型与产量标定的方式，实现了漏失量计算过程中部分未知参数的求取；

3、采用基于均值滤波的示功图有效冲程的求取，实现了基于示功图计算产量的精确度；

4、通过对不同抽油井的工作情况，采取相应的修正措施对计算的产量进行修正，提高产液量计算精度；

5、本发明改变了以往在传统模式下，采用硬件设备计量的情况，通过采用示功图的方式精确计算油井产量，基于示功图计量技术的实施，实现了以油井单井产量计量为核心，油井产量的精确计量，同时辅以对油井进行工况监控，对釆集的数据进行分析诊断，不仅可以减少油田成本，还可实现提高油井系统效率的目的。

附图说明

图1是本发明的基于示功图计算产量全流程图；

图2是bp神经网络的原理图；

图3a是示功仪采集数据示意图一；

图3b是示功仪采集数据示意图二；

图3c是示功仪采集数据示意图三；

图3d是示功仪采集数据示意图四；

图3e是示功仪采集数据示意图五；

图3f是示功仪采集数据示意图六；

图3g是示功仪采集数据示意图七；

图3h是示功仪采集数据示意图八；

图4a是抽油井有效冲程结果示意图一；

图4b是抽油井有效冲程结果示意图二；

图4c是抽油井有效冲程结果示意图三；

图4d是抽油井有效冲程结果示意图四；

图4e是抽油井有效冲程结果示意图五；

图4f是抽油井有效冲程结果示意图六；

图4g是抽油井有效冲程结果示意图七；

图4h是抽油井有效冲程结果示意图八；

图5a是标定示功图数据及求取的拐点示意图一；

图5b是标定示功图数据及求取的拐点示意图二。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

本发明涉及一种基于示功图的抽油井产量计算方法，通过对油井地面功图进行分析，结合油田实际生产数据与静态参数，求取油井泵功图，通过采用改进五点曲率法，求取计算油井有效冲程。通过对油井进行产量标定，采用bp神经网络的方法，计算出漏失量机理模型中无法测量的数据，并计算油井产液量。同时结合抽油井工作状态，对抽油井计算产液量进行修正。本发明改变了以往在传统模式下，采用硬件设备计量的情况，通过采用示功图的方式精确计算油井产量，基于示功图计量技术的实施，不仅实现了以油井单井产量计量为核心，油井产量的精确计量，同时辅以对油井进行工况监控，对釆集的数据进行分析诊断，不仅可以减少油田成本，还可实现提高油井系统效率的目的。

如图1所示，一种基于示功图的抽油井产量计算方法，其特征在于包括以下步骤：

对初始示功图中数据有误的进行筛选，通过对油井地面功图进行分析，结合油田实际生产数据与静态参数，求取油井泵功图，通过采用改进五点曲率法，求取计算油井有效冲程。通过对油井进行产量标定，采用bp神经网络的方法，计算出漏失量机理模型中无法测量的数据，并计算油井产液量。同时结合抽油井工作状态，对抽油井计算产液量进行修正。

抽油井产量计算方法包括以下步骤：

计算油井产量：

1、一天只有一幅功图的情况

q＝(sc·π·d²/4-lsl)·cc·1440

式中，q为当天产量，d为泵径，cc为一幅功图对应的冲次，sc为该幅功图的有效冲程。

2、采用示功仪每半个小时采集一次功图的情况

式中，n为采集的功图数，sci为每幅功图的有效冲程，ti+1为后一时刻采集功图时间，ti为前一时刻功图采集时间，cci为每幅功图对应的冲次。

泵功图有效冲程求取方法为：

通过计算得到的地下示功图数据分析，采用改进的五点曲率法计算抽油井有效冲程，具体步骤如下：

(1)对初始泵功图数据进行均值滤波：

其中，pi为泵功图位移点；fi为泵功图载荷点；m为滤波阶数。

(2)数据归一化：

pi＝(pi-pmin)/(pmax-pmin)

fj＝(fj-fmin)/(fmax-fmin)

(3)计算曲率：

计算曲率是为了找泵功图上的拐点，即固定阀和游动阀的开启、关闭点。泵功图曲线上任意一点的曲率可根据相邻的五个点间的几何关系计算：

ki＝δθi/δli

其中，

(4)计算曲率变化量：

δki＝|ki+1-ki|

δki'＝(δki-1+δki+δki+1)/3

(5)计算有效冲程：

通过对泵功图分区，求取各区曲率最大点，进而求得泵功图的四个拐点qa,qb,qc,qd，得到有效冲程。则基于泵功图计算的有效冲程为：

sc＝min(qd-qa,qc-qb)

式中，qa,qb,qc,qd为泵功图的四个拐点；sc为有效冲程；

泵功图求取方法为：

通过采集每半个小时的地面示功图数据，结合实际生产数据和油井基础数据，采用傅里叶变换法，计算抽油井的地下示功图。

计算抽油井漏失量包括以下步骤：

(1)产量标定

在实际油田生产中，由于每次修井作业中，都会给油井的结构发生相应的变化，比如杆柱组合等等，因此，需要对修井作业后的油井进行产量标定，即某口井进行修井作业并恢复到稳定工作状态后，需要通过流量计或翻斗计量测量该井一天的产量，并通过示功仪，采集多幅计量当天的示功图数据。

(2)黑箱模型

所谓黑箱方法，就是通过考察系统的输入、输出及其动态过程，而不通过直接考察其内部结构，来定量或定性地认识系统的功能特性、行为方式，以及探索其内部结构和机理的一种控制论认识方法。

输入层：对产量标定时刻采集的功图数据求取其有效冲程sci；油井杆柱组合数据li,di,i＝1,2,3；泵径d；冲次cci；柱塞长度lz；井内液体粘度μ。

输出层：根据功图采集周期折算出的标定产量qci。

如图2所示。这里采用bp神经网络方法，通过对输入样本(包括有效冲程、油井杆柱组合数据、泵径、冲次、柱塞长度、井内液体粘度)和输出样本(包括标定产量)进行训练，对漏失量中的参数如：半径方向上柱塞与泵筒之间的平均间隙δ、柱塞与泵筒轴线之间的偏心距e、柱塞在上冲程的平均速度vn进行求取。

(3)计算漏失量

式中，dp为柱塞的直径，m；lz为柱塞的长度，m；δ为半径方向上柱塞与泵筒之间的平均间隙，m；e为柱塞与泵筒轴线之间的偏心距，m；μ为井内液体的动力粘度，kpas；pd为泵排出压力，kn；ps为泵吸入压力，kn；为柱塞在上冲程的平均速度，m/s。

采用相应的修正方法实现抽油井产量精确计算：

因为抽油井产量计算过程中，会有很多因素影响计算的精确度，比如示功图缺失，某口井采取间抽作业等。因此需采用一定的手段来消除这种误差，本文采用了三种方法来解决这个问题，分别是示功图修正、间抽井修正和极低产井修正方法。

基于产液量的修正方法：

示功图修正

1、示功图丢失

示功仪在采集功图时，会以一定的周期将采集的数据发送给系统，而在实际中，由于示功仪故障或网关网桥等原因，会导致功图数据的丢失，或者传过来的功图和之前的一样，因此，针对这种情况，首先，判断当前时刻与上一时刻的功图是否一样，其次，如果一样，将其剔除；如果丢失，则计算上一时刻最新功图与下一时刻功图间隔的时间，从而计算产液量。

式中，qc为一天计算的产量，ti+1为下一次功图数据的时间，ti为上一次功图数据时间，cci为每幅功图对应的冲次，d为泵径。

2、示功图数据问题

示功图数据由于现场实际情况，会造成采集的数据出现缺失或失真的情况，需要对这类示功图采用相应算法进行筛选。剔除有误的功图，保留正确的功图，从而提高产液量计算精度。

间抽井修正

间抽作业即在抽油井生产中，针对产液量不足的油井，通过对油井产液量的综合分析，制定科学的间抽周期，并合理的启停抽油设备，达到节能降耗的目的。在实际油井生产过程中，有些井由于井底供液效果很差，会采取间抽作业的工作方式。而一旦采取间抽作业，会对产液量的计算造成误差。

1、针对每天一幅功图的情况

qc＝(sc·πd²/4-lsl)·cc·60·(24-toff)

式中，toff为间抽井停抽时间。

2、针对每天多幅功图的情况

式中，sci为每幅功图的有效冲程，cci为每幅功图对应的冲次。

极低产井修正

间抽井中，绝大多数的产液量都很低，基本每天的产液量都在1吨以下，都可以归为极低产井，这样基于功图计算的产液量就会出现一个问题，在误差范围内会出现产液量为负值的情况，因此，必须对这些错误数据进行修正。

qc＝qbd/sbd-avg·sc2

式中，qc为修正后的产量，qbd为标定产量，sbd-avg为标定功图的平均有效冲程，sc2为对应功图的有效冲程。

1、通过采集每半个小时的地面示功图数据，结合实际生产数据和油井基础数据，采用傅里叶变换法，计算抽油井的地下示功图。

以吉林油田某口油井为例：示功仪采集数据如图3a～图3h所示。

2、通过计算得到的地下示功图数据分析，采用改进的五点曲率法计算抽油井有效冲程，结果如图4a～图4h所示。见表1。

表1

3、通过黑箱模型计算抽油井漏失量

(1)产量标定

标定示功图数据及求取的拐点如图5a～图5b所示。

其中，标定产量为5.6吨，标定功图有效冲程为1.32m。

(2)黑箱模型

输入层：对产量标定时刻采集的功图数据求取其有效冲程1.32m；油井杆柱组合数据0.019/839.62；0.022/279.13；泵径32mm；冲次2.2/min；柱塞长度1.5m。

输出层：根据功图采集周期折算出的标定产量5.6t。

通过采用bp神经网络对样本进行训练，求出漏失量机理模型中的几个参数分别为：半径方向上柱塞与泵筒之间的平均间隙0.014mm、柱塞与泵筒轴线之间的偏心距0.004mm、柱塞在上冲程的平均速度0.256m/s。

(3)计算漏失量

通过漏失量计算模型，求得该井的漏失量为2.2t。

4、计算抽油井产量，见表2。

表2

5、采用相应的修正方法实现抽油井产量精确计算。

由于该井工作状态良好，示功图数据完整、既不是低产井，也不是间抽井。因此，本井不需要进行产量修正，产量对比结果如表3。

表3

从结果可以看出，基于示功图计算的产量和实际测量的产量之间的误差在5％以内，因此，可以采用基于示功图的方式对油井产量进行计算，降低油田成本。