一种抽油机井系统效率寿命分析方法与流程

本发明属于石油开采技术领域，特别涉及抽油机井举升系统， 尤指一种抽油机井系统效率寿命分析方法。

背景技术：

目前，抽油机采油是最重要的采油方式，通常抽油机井系统由 地面系统和井下系统组成。地面系统包括电机、皮带、减速箱和四 连杆机构；井下系统包括盘根、抽油杆、油管、抽油泵和供液油藏。 其中，由于力学传送单元多，各环节都会带来能量的损失，抽油机 井能耗巨大，系统效率指标显得尤其重要。

因此，业界做了很多努力以提高抽油机井系统效率，例如专利 号为CN201310412540.61,发明名称为《一种提高抽油机井系统效率 的参数调整方法及系统》根据油井系统的地面效率、地面效率理想 值…,确定井下当量效率和当量系统效率，建立抽油机井系统效率 评价图；根据预设的地面当量效率、井下当量效率对抽油机井系统 效率评价图中当量系统效率小于井下当量效率的区域进行分区；采 集有功功率、悬点载荷、冲程、冲次、单井抽油机井的产液量、单 井抽油机井的动液面深度、井口油压及井口套压数据，确定单井的 井下当量效率和单井的当量系统效率，确定单井在评价图中的分区 位置，对抽油机井系统的参数进行调整。公平评价不同类型抽油机 井的系统效率水平，以提高抽油机井的整体系统效率。这些改进针 对不同的油藏类型和不同类型的抽油机井提供了一个公平的系统 效率评价平台，为系统效率的合理评价提供了方法。

然而，抽油机井系统效率是会随着生产时间延长而逐渐降低， 因而仅仅在设计规划阶段进行优化是不够的，对于系统效率低于规 范要求的油井，通过优化调整设备配备或工作制度可以使油井恢复 高效运行。为此，发明人引入了系统效率寿命的概念，并通过系统 效率寿命分析预测以提前预知抽油井的措施调整时机，从而可以及 时有效且经济的提升系统效率。

技术实现要素：

有鉴于此，为解决上述技术问题，本发明的目的是为了解决抽 油机井生产中提高系统效率措施效果难以预测的问题，通过使用 ARIMA模型来对系统效率寿命的走势进行分析预测，为生产过程 中及时调整工作参数提前预警，并对抽油机井的措施效果进行科学 评价。

为实现上述目的，本发明提供了一种抽油机井系统效率寿命分 析方法，其包括以下步骤：

本方法是通过下述方案实现的：一种抽油机井系统效率寿命分 析方法,其中，该方法是将效率寿命定义为从现在开始，效率指标 在未来达到最小极限值的时间长度,并根据抽油机井系统效率参数 在一定时间段内的连续数据，应用差分自回归移动平均模型进行计 算，预测未来一段时间内的系统效率参数的变化趋势,从而通过 ARIMA模型预测抽油机井系统效率寿命。

其中，在通过抽油机井系统效率寿命分析方法对系统效率寿命 分析预测后，可根据系统效率寿命预测结果确定抽油井的措施调整 时机；对于系统效率低于规范要求的油井，通过优化调整设备配备 或工作制度可以恢复高效运行。

该方法是采用抽油机、油管、抽油杆、抽油泵四种设备按照其 使用寿命的长短排序，采取单设备寿命影响因素分析的方法，分析 每种设备的使用寿命影响因素，设定其效率寿命评价指标；并采用 ARIMA时间序列预测模型获取抽油机、杆、泵、管单设备的效率时 间点和效率寿命，对比设定的失效指标，从而获得举升系统的措施 有效时间长度，通过采集实时数据不断修正ARIMA时间序列预测模 型，实现系统效率寿命的精确预测。

其可包括以下步骤：

首先,定义地面效率、井下效率、系统效率、电机负载率、抽 油机平衡率、杆柱效率、油管效率、泵效为抽油机井及机、杆、泵、 管单设备的效率指标，其随时间的变化序列为时间序列；

(1)然后预测效率寿命的变化趋势:效率指标的预测

录取样本数据，并根据数据体的大小，对样本数据进行下列预 处理步骤：

①进行平稳性检验

a)计算样本自相关函数ρk

b)计算偏自相关函数

c)对自相关函数ρk和偏自相关函数进行检验

d)平稳性检验

如果{Xt}的自相关函数或偏自相关函数既不截尾又不拖尾， 则可以断定该序列是非平稳的,那么就要进行平稳化处理；

②平稳化处理

对{Xt}进行差分处理，每进行一次差分处理后，对其进行平 稳化处理，直至序列平稳为止，若序列{Xt}具有d次多项式趋势， 则通过d次差分后可变平稳序列；

③采用ARMA模型(求和自回归移动平均模型)对Wt进行 预测

④利用预测序列获取抽油机机、杆、泵、管单设备的效率时 间点和效率寿命；

(2)ARMA模型求解步骤

ARMA模型的基本公式如下：

Θ(B)＝1-θ1B-θ2B²-...-θpB^q

①由式ρk＝φ1ρk-1+φ2ρk-2+...+φpρk-p(k>＝q+1)，利用 自协方差cq-p+1，...，cq+1，cq+2，...，cq+p对自回归参数φ1，φ2，...，φp的初估计,通过下面的p个线性方程解出：

cq+1＝φ1cq+φ2cq-1+...+φpcq-p+1

cq+2＝φ1cq+1+φ2cq+...+φpcq-p+2

cq+p＝φ1cq+p-1+φ2cq+p-2+...+φpcp

②导出移动平均过程的自协方差

记w't＝φ(B)wt，并把该过程处理为下面的移动平均过程：

w't＝θ(B)at

用wt的自协方差cj来表示w't的自协方差cj'；

对j＝0,1,…,q有

其中，φ0＝-1；

③移动平均参数的初估计

利用自协方差估计值cj'，通过下面迭代过程，则可得w't＝ θ(B)at移动平均参数的初估计：

记τ'＝(τ0，τ1，...，τq)，其中

若τ'是第i次迭代得到f'的估计值，那么，第i+1次迭代新的估 计值可由下式得出

τⁱ⁺¹＝τⁱ-(τⁱ)^-1fi

其中f'＝(f0，f1，...，fq)，及

在每一轮迭代中知道τ的值，则可得参数的值；

(3)对模型残差项是否为白噪音过程进行检验；

(4)若不为白噪声，返回步骤(1)，若通过检验则使用此序列 作为系统效率的预测值。

其中，在步骤①a)中：

设时间序列为{Xt}则样本自协方差为：

(N为样本个 数)

自相关函数为：

式中：rk——自协方差；

ρk——自相关系数。

在步骤①b)中：

式中：——偏自相关函数。

在步骤①c)中，对自相关函数ρk和偏自相关函数进行检验 时：

截尾：k＜q时，不显著地接近于零，而当k＞q时， 显著地等于零；

拖尾：序列逐渐收敛到零。

借助上述方法，本发明的一种抽油机井系统效率寿命分析方法， 是通过应用ARIMA模型对抽油机井的系统效率寿命进行预测，解 决了提高抽油机井系统效率优化措施效果的评价问题，通过预测计 算“效率寿命”，可以更加科学的评价优化措施效果，并为抽油机 井下一轮的措施优化时机提供参考依据。借助提前预知抽油井的措 施调整时机，从而可以及时有效且经济的提升抽油机井的系统效率。

附图说明

图1 ARIMA模型；

图2本发明一具体实施例中的油井系统效率实测值和一次预 测值对比曲线；

图3本发明一具体实施例中的油井系统效率实测值和二次预 测值对比曲线；

图4本发明一具体实施例中的油井系统效率一次预测值和二 次预测对比曲线。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案做进一步 具体的说明。

为了能定量预测效率寿命的变化趋势，本发明定义地面效率、 井下效率、系统效率、电机负载率、抽油机平衡率、杆柱效率、油 管效率、泵效为抽油机井及机、杆、泵、管单设备的效率指标，其 随时间的变化序列为时间序列。

考虑到抽油机系统效率、地面效率、井下效率等工况指标随时 间变化的数值为时间序列，由于这些数据变化通常显示为非平稳时 间序列，因而可以采用数据模型进行处理。在数据分析领域， ARIMA模型(autoregressive integrated movingaverage model，自回 归积分滑动平均模型)，可用于非平稳时间序列预测，其中ARIMA (p，d，q)称为差分自回归移动平均模型，AR是自回归，p为 自回归项；MA为移动平均，q为移动平均项数，d为时间序列成 为平稳时所做的差分次数。所谓ARIMA模型，是指将非平稳时间 序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机 误差项的现值和滞后值进行回归所建立的模型。ARIMA模型根据 原序列是否平稳以及回归中所含部分的不同，包括移动平均过程 (MA)、自回归过程(AR)、自回归移动平均过程(ARMA)以及ARIMA过程。其是一种计量经济模型，其常用于够帮助企业对未 来进行预测。因而本发明采用了ARIMA模型进行预测。

如图1所示，为ARIMA模型。而本发明的一种抽油机井系统 效率寿命分析方法，其构思在于：

首先,定义地面效率、井下效率、系统效率、电机负载率、抽 油机平衡率、杆柱效率、油管效率、泵效为抽油机井及机、杆、泵、 管单设备的效率指标，其随时间的变化序列为时间序列。

(1)效率指标的预测

考虑抽油机系统效率、地面效率、井下效率等工况指标随时间 变化的数值为时间序列，采用ARIMA模型进行预测。ARIMA (autoregressive integrated movingaverage model)模型，可用于非平 稳时间序列预测。

参见图1所示的ARIMA模型中,ARIMA(p，d，q)模型的建 模步骤,本发明首先获取样本数据,并进行预处理:

①进行平稳性检验

a)计算样本自相关函数ρk

b)计算偏自相关函数

c)对自相关函数ρk和偏自相关函数进行检验

d)平稳性检验

如果{Xt}的自相关函数或偏自相关函数既不截尾又不拖尾， 则可以断定该序列是非平稳的,需要进行下一步的平稳化处理步骤。

②平稳化处理

对{Xt}进行差分处理，每进行一次差分处理后，对其进行平 稳化处理，直至序列平稳为止，若序列{Xt}具有d次多项式趋势， 则通过d次差分后可变平稳序列。

③采用ARMA模型(求和自回归移动平均模型)对Wt进行 预测

由Wt可计算Xt：

其中

④利用预测序列获取抽油机机、杆、泵、管单设备的效率时 间点和效率寿命。

(2)ARMA模型求解步骤

ARMA模型的基本公式如下：

Θ(B)＝1-θ1B-θ2B²-...-θpB^q

①由式ρk＝φ1ρk-1+φ2ρk-2+...+φpρk-p(k>＝q+1)， 利用自协方差cq-p+1，...，cq+1，cq+2，...，cq+p对自回归参数φ1，φ2，...，φp的初估计可通过下面的p个线性方程解出：

cq+1＝φ1cq+φ2cq-1+...+φpcq-p+1

cq+2＝φ1cq+1+φ2cq+...+φpcq-p+2

cq+p＝φ1cq+p-1+φ2cq+p-2+...+φpcp

②导出移动平均过程的自协方差

记w't＝φ(B)wt，并把该过程处理为下面的移动平均过程：

w't＝θ(B)at

用wt的自协方差cj来表示w't的自协方差cj'。可以证明，对 j＝0,1,…,q有

其中，φ0＝-1。

③移动平均参数的初估计

利用自协方差估计值cj'，通过下面迭代过程，则可得w't＝ θ(B)at移动平均参数的初估计：

记τ'＝(τ0，τ1，...，τq)，其中

若τ'是第i次迭代得到f'的估计值，那么，第i+1次迭代新的估 计值可由下式得出

τⁱ⁺¹＝τⁱ-(τⁱ)^-1fi

其中f'＝(f0，f1，...，fq)，及

在每一轮迭代中知道τ的值，则可得参数的值。

(3)对模型残差项是否为白噪音过程进行检验。

(4)若不为白噪声，返回步骤(1)，若通过检验则使用此序列 作为系统效率的预测值。

以下结合具体实施例作详细说明之:

实施例1

(1)效率指标的预测

录取样本数据(η1、η2、……ηn)，根据数据体的大小，对样本 数据进行预处理。

a)计算样本自相关函数ρk

设时间序列为{Xt}则样本自协方差为：

(N为样本个 数)

自相关函数为：

式中：rk——自协方差；

ρk——自相关系数。

b)计算偏自相关函数

式中：——偏自相关函数。

c)对自相关函数ρk和偏自相关函数进行检验。

截尾：k＜q时，不显著地接近于零，而当k＞q时， 显著地等于零。

拖尾：序列逐渐收敛到零。

d)平稳性检验

如果{Xt}的自相关函数或偏自相关函数既不截尾又不拖尾， 则可以断定该序列是非平稳的。

①平稳化处理

对{Xt}进行差分处理，每进行一次差分处理后，对其进行平 稳化处理，直至序列平稳为止，若序列{Xt}具有d次多项式趋势， 则通过d次差分后可变平稳序列。

②采用ARMA模型(求和自回归移动平均模型)对Wt进行 预测

由Wt可计算Xt：

其中

③利用预测序列获取抽油机机、杆、泵、管单设备的效率时 间点和效率寿命。

(2)ARMA模型求解步骤

ARMA模型的基本公式如下：

Θ(B)＝1-θ1B-θ2B²-...-θpB^q

①由式ρk＝φ1ρk-1+φ2ρk-2+...+φpρk-p(k>＝q+1)， 利用自协方差cq-p+1，...，cq+1，cq+2，...，cq+p对自回归参数φ1，φ2，...，φp的初估计可通过下面的p个线性方程解出：

cq+1＝φ1cq+φ2cq-1+...+φpcq-p+1

cq+2＝φ1cq+1+φ2cq+...+φpcq-p+2

cq+p＝φ1cq+p-1+φ2cq+p-2+...+φpcp

②导出移动平均过程的自协方差

记w't＝φ(B)wt，并把该过程处理为下面的移动平均过程：

w't＝θ(B)at

用wt的自协方差cj来表示w't的自协方差cj'。可以证明，对 j＝0,1,…,q有

其中，φ0＝-1。

③移动平均参数的初估计

利用自协方差估计值cj'，通过下面迭代过程，则可得w't＝ θ(B)at移动平均参数的初估计：

记τ'＝(τ0，τ1，...，τq)，其中

若τ'是第i次迭代得到f'的估计值，那么，第i+1次迭代新的估 计值可由下式得出

τⁱ⁺¹＝τⁱ-(τⁱ)^-1fi

其中f'＝(f0，f1，...，fq)，及

在每一轮迭代中知道τ的值，则可得参数的值。

(3)对模型残差项是否为白噪音过程进行检验。

(4)若不为白噪声，返回步骤(1)，若通过检验则使用此序列 作为系统效率的预测值。

实施例2

于本发明的本具体实施例中，是采用时间序列分析方法，利用 历史数据对抽油机井的效率指标进行预测。该历史数据为某井从 2013年11月1日到2014年1月20日的实测数据，预测到2月底 的系统效率值，利用该井从2013年11月1日到2014年1月31日 的数据进行二次预测到2月底的系统效率值，并进行分析，部分历 史数据及预测结果如表1所示。

表1某井系统效率数据表

从对比附图可以看出，随着历史数据的增多，预测的误差趋于 减小。

表1中误差值等于实测值和预测值差值的绝对值和实测值的 比，一次预测误差平均值为0.0137，二次预测误差平均值为0.00634， 预测结果相对准确，可用来预测抽油机井机、杆、泵、管单设备效 率指标的效率时间点和效率寿命。

以上实施例仅用以说明本发明的技术方案而非对其限制，尽管 参照上述实施例对本发明进行了详细的说明，所属领域的普通技术 人员应当理解，依然可以对本发明的具体实施方式进行修改或者等 同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其 均应涵盖在本发明的权利要求范围当中。