CN110273681B - 石油生产测井中油气水多相流体分相含率测量***及方法 - Google Patents
石油生产测井中油气水多相流体分相含率测量***及方法 Download PDFInfo
- Publication number
- CN110273681B CN110273681B CN201910588612.XA CN201910588612A CN110273681B CN 110273681 B CN110273681 B CN 110273681B CN 201910588612 A CN201910588612 A CN 201910588612A CN 110273681 B CN110273681 B CN 110273681B
- Authority
- CN
- China
- Prior art keywords
- optical fiber
- oil
- coupling
- gas
- multiphase fluid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 79
- 239000012530 fluid Substances 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 29
- 239000003208 petroleum Substances 0.000 title claims abstract description 22
- 239000013307 optical fiber Substances 0.000 claims abstract description 130
- 239000000523 sample Substances 0.000 claims abstract description 86
- 230000003287 optical effect Effects 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 31
- 239000003129 oil well Substances 0.000 claims abstract description 20
- 238000010606 normalization Methods 0.000 claims abstract description 16
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 230000008878 coupling Effects 0.000 claims description 78
- 238000010168 coupling process Methods 0.000 claims description 78
- 238000005859 coupling reaction Methods 0.000 claims description 78
- 229910001220 stainless steel Inorganic materials 0.000 claims description 40
- 239000010935 stainless steel Substances 0.000 claims description 40
- 238000012549 training Methods 0.000 claims description 39
- 239000000835 fiber Substances 0.000 claims description 27
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 230000005284 excitation Effects 0.000 claims description 16
- 239000007788 liquid Substances 0.000 claims description 12
- 238000007789 sealing Methods 0.000 claims description 12
- 230000001681 protective effect Effects 0.000 claims description 9
- 239000010453 quartz Substances 0.000 claims description 8
- 239000000377 silicon dioxide Substances 0.000 claims description 8
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 19
- 230000007547 defect Effects 0.000 abstract description 3
- 239000012071 phase Substances 0.000 description 36
- 239000003921 oil Substances 0.000 description 29
- 239000007789 gas Substances 0.000 description 23
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000005191 phase separation Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002860 competitive effect Effects 0.000 description 2
- 239000010779 crude oil Substances 0.000 description 2
- 238000012850 discrimination method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000010291 electrical method Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000008346 aqueous phase Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000033558 biomineral tissue development Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000005514 two-phase flow Effects 0.000 description 1
- 238000002759 z-score normalization Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
- E21B49/08—Obtaining fluid samples or testing fluids, in boreholes or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
- E21B49/08—Obtaining fluid samples or testing fluids, in boreholes or wells
- E21B49/087—Well testing, e.g. testing for reservoir productivity or formation parameters
- E21B49/0875—Well testing, e.g. testing for reservoir productivity or formation parameters determining specific fluid parameters
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种石油生产测井中油气水多相流体分相含率测量***及方法。所述测量***,通过多接收端光纤探针传感器将油井井下石油反射的光信号转化成电信号经数据采集***传输给数据处理分析***。数据处理分析***通过综合特征参数到油气水多相流体的聚类网络模型,根据多接收端光纤探针传感器探测得到的电压信号进行特征提取和归一化处理得到的综合特征参数获取油井井下油气水多相流体分相含率信息,降低了油井井下油气水多相流体分相含率的测量误差,克服了光纤法无法实现油水检测的技术缺陷。
Description
技术领域
本发明涉及石油探测领域,特别涉及一种石油生产测井中油气水多相流体分相含率测量***及方法。
背景技术
中晚期开发阶段的油井含水率较高,并且,在油井深储藏区,气体主要以溶解气的形式存在于原油中,在原油向上流动的过程中,随着压力的减小,气体逐渐析出,在油井中形成了油气水多相流体流动特性。另外,为了提高采收率,注水、注气驱采技术在各大油田广泛使用。导致井内含水率持续上升,因此,在石油生产开发过程中,气液、油水及油气水多相流流动现象极为常见。在这种情况下,必须对油井井下油气水多相流体的分相含率进行测量,以及时了解和掌握各产层的生产状况,进而合理调整油井的开发方案。
目前,对于多相流相含率测量的技术方法较多,主要包括声学法、光学法、射线衰减法、层析成像法、电学法和电容法,并且随着技术的发展,越来越多的测量手段被用于多相流的测量当中。
但是由于油井的环境复杂多变,现有的多相流相含率测量方法中,声学法测量误差大;光学法测量响应灵敏、体积小,但传感器加工困难且目前只能实现气液相测量;层析成像法技术复杂、体积大、测量效率低;电学法和电容法受干扰、腐蚀和结垢等影响较大,因此,当前油井井下油气水多相流体的分相含率的测量技术还有待进一步提高发展。
发明内容
本发明的目的是提供一种石油生产测井中油气水多相流体分相含率测量***及方法,以实现油井井下油气水多相流体的分相含率的测量。
为实现上述目的,本发明提供了如下方案:
本发明提供一种石油生产测井中油气水多相流体分相含率测量***,所述测量***包括多接收端光纤探针传感器,数据采集***和数据处理分析***;
所述多接收端光纤探针传感器与所述数据采集***连接,用于探测石油生产测井中流体的光反射信号,并将所述光反射信号转换成电信号,传输给所述数据采集***;
所述数据采集***与所述数据处理分析***连接,所述数据采集***用于对所述电信号进行采集和存储,并将所述电信号传输给所述数据处理分析***;
所述数据处理分析***用于对所述电压信号进行特征提取和归一化处理得到综合特征参数,并根据综合特征参数到油气水多相流体的聚类网络模型,获取油井井下油气水多相流体分相含率信息。
可选的,所述多接收端光纤探针传感器包括:
光纤敏感探头、耦合光纤、光学探测器组、光源和光电转换电路;
所述光源与所述耦合光纤的一个分支部分连接;所述耦合光纤的耦合部分与所述光纤敏感探头连接,所述光源发出的光经所述耦合光纤的一个分支部分、所述耦合光纤的耦合部分和所述光纤敏感探头传送至光纤敏感探头与待测液体的接触面上;
所述耦合光纤的另外多个分支部分与所述光学探测器组连接;所述光纤敏感探头与待测液体的接触面反射的光经所述光纤敏感探头接收,并经所述耦合光纤的耦合部分和所述耦合光纤的另外多个分支部分传输至所述光学探测器组;
所述光学探测器组与所述光电转换电路连接,将所述光学探测器组接收到的光转换成电信号,实现待测液体的成分检测。
可选的,所述多接收端光纤探针传感器还包括:不锈钢连接套管、不锈钢保护套管和不锈钢密封套筒;
所述不锈钢连接套管套设在所述光纤敏感探头和所述耦合光纤的耦合部分的外侧;
所述不锈钢保护套管套设在所述不锈钢连接套管和所述耦合光纤的分支部分的外侧;
所述不锈钢密封套筒套设在所述光学探测器组、所述光源和所述光电转换电路的外侧;
所述不锈钢保护套管与所述不锈钢密封套筒通过紧固件连接。
可选的,光学探测器组包括多个光电二极管,多个所述光电二极管与所述耦合光纤的另外多个分支部分分别一一对应的连接。
可选的,所述光电转换电路包括第一激励电阻、多个第二激励电阻、多个保护电阻和电源;
所述光源与所述第一激励电阻串联在所述电源的正极和负极之间;
多个所述第二激励电阻分别与多个所述光电二极管一一对应的串联在所述电源的正极和负极之间;
多个所述保护电阻的一端分别连接至多个所述第二激励电阻与多个所述光电二极管公共点;
多个所述保护电阻的另一端分别与多个信号线连接。
可选的,所述耦合光纤包括L*n根石英光纤,所述耦合光纤的耦合部分由L*n根所述石英光纤呈集束型耦合;所述耦合光纤的分支部分分别由L*n根所述石英光纤分组耦合,得到L个分支部分,L个所述分支部分中1个分支部分与所述光源连接,另外的L-1个所述分支部分与所述光学探测器组连接。
本发明还提供一种石油生产测井中油气水多相流体分相含率测量方法,其特征在于,所述测量方法包括如下步骤:
采用多接收端光纤探针传感器获取不同流量和含水率下的不同垂直上升管内的多端电压信号,并根据获取的条件进行分类存储,得到训练集;
对所述训练集中的训练样本进行特征提取和归一化处理,得到训练样本的综合特征参数;
建立综合特征参数到油气水多相流体的聚类网络模型;
根据所述训练集中每个训练样本的综合特征参数对所述聚类网络模型进行训练,得到训练后的聚类网络模型;
采用多接收端光纤探针传感器获取待测石油生产测井的多端电压信号,并进行特征提取和归一化处理,得到待测的综合特征参数;
根据所述待测的综合特征参数,利用所述训练后的聚类网络模型,获取待测石油生产测井中油气水多相流体分相含率。
可选的,对所述训练集中的训练样本进行特征提取和归一化处理,得到训练样本的综合特征参数,具体包括:
分别获取多接收端光纤探针传感器检测的一个训练样本的多个电压信号的电压值、均值、差值、标准差、差分和离散度,得到所述训练样本的特征参数;
对所述特征参数进行归一化处理,得到所述训练样本的综合特征参数。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供一种石油生产测井中油气水多相流体分相含率测量***及方法。所述测量***,通过多接收端光纤探针传感器将油井井下流体反射的光信号转化成电信号经数据采集***传输给数据处理分析***。数据处理分析***通过综合特征参数到油气水多相流体的聚类网络模型,根据多接收端光纤探针传感器探测得到的电压信号进行特征提取和归一化处理得到的综合特征参数获取油井井下油气水多相流体分相含率信息,降低了油井井下油气水多相流体分相含率的测量误差,克服了光纤法无法实现油水检测的技术缺陷。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种石油生产测井中油气水多相流体分相含率测量***的结构图;
图2为本发明提供的多接收端光纤探针传感器的结构图;
图3为本发明提供的多接收端光纤探针传感器的光路结构图;
图4为本发明提供的光电转换电路的电路图;
图5为本发明提供的耦合光纤的结构图;
图6为本发明提供的一种石油生产测井中油气水多相流体分相含率测量方法的流程图;
图7为本发明的获取训练样本的分相含率测量模拟实验装置图;
图8是本发明一种多接收端光纤探针传感器在油气水多相流体中第一探测器的输出信号波形图;
图9是本发明一种多接收端光纤探针传感器在油气水多相流体中第二探测器的输出信号波形图;
图10是本发明一种多接收端光纤探针传感器及数据处理方法的测量结果图。
具体实施方式
本发明的目的是提供一种石油生产测井中油气水多相流体分相含率测量***及方法,以实现油井井下油气水多相流体的分相含率的测量。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对发明作进一步详细的说明。
软测量技术在油气水多相流体分相含率测量中具有重要意义,其中多变量统计分析技术把变量间的内在联系和相互影响考虑在内的软测量技术,在多相流检测中普遍使用。
光纤探针测量属于接触式探针法,可直接定位于流体上,能够准确的反映测量点的局部流体特征。而且只对光学特性敏感,因此该方法在对气液/油气水多相流进行测量时受温度与矿化度变化影响较小,但是目前光学探针法只是针对气液两相流或者油气水多相流体中持气率进行了精准测量,而对油水两相的检测并没有展开研究。
本发明将两种方式结合,提供一种石油生产测井中油气水多相流体分相含率测量***及方法。
如图1所示,本发明提供一种石油生产测井中油气水多相流体分相含率测量***。所述测量***包括多接收端光纤探针传感器A,数据采集***B和数据处理分析***C;所述多接收端光纤探针传感器A与所述数据采集***B连接,用于探测石油生产测井中石油的光反射信号,并将所述光反射信号转换成电信号,传输给所述数据采集***B;
所述数据采集***B与所述数据处理分析***C连接,所述数据采集***B用于对所述电信号进行采集和存储,并将所述电信号传输给所述数据处理分析***C;
所述数据处理分析***C用于对所述电压信号进行特征提取和归一化处理得到综合特征参数,并根据综合特征参数到油气水多相流体的聚类网络模型,获取油井井下油气水多相流体分相含率信息。
所述多接收端光纤探针传感器A包括:光纤敏感探头、耦合光纤、光学探测器组、光源和光电转换电路;所述光源与所述耦合光纤的一个分支部分连接;所述耦合光纤的耦合部分与所光纤敏感探头连接,所述光源发出的光经所述耦合光纤的一个分支部分、所述耦合光纤的耦合部分和所述光纤敏感探头传送至光纤敏感探头与待测液体的接触面上;所述耦合光纤的另外多个分支部分与所述光学探测器组连接;所述光纤敏感探头与待测液体的接触面反射的光经所述光纤敏感探头接收,并经所述耦合光纤的耦合部分和所述耦合光纤的另外多个分支部分传输至所述光学探测器组;所述光学探测器组与所述光电转电路连接,将所述光学探测器组接收到的光转换成电信号,实现待测液体的成分的检测。所述多接收端光纤探针传感器A还包括:不锈钢连接套管、不锈钢保护套管和不锈钢密封套筒;所述不锈钢连接套管套设在所述光纤敏感探头和所述耦合光纤的耦合部分的外侧;所述不锈钢保护套管套设在所述不锈钢连接套管和所述耦合光纤的分支部分的外侧;所述不锈钢密封套筒套设在所述光学探测器组、所述光源和所述光电转换电路的外侧;所述不锈钢保护套管与所述不锈钢密封套筒通过紧固件连接。光学探测器组包括多个光电二极管,多个所述光电二极管与所述耦合光纤的另外多个分支部分分别一一对应的连接。
如图2所示,以光学探测器组包括两个光电二极管(光学探测器)为例,多接收端光纤探针传感器主要由光纤敏感探头1、耦合光纤4和5(4为耦合光纤的耦合部分,5为耦合光纤的分支部分)、光源8、光探测器组6和7(6为第一光探测器,7为第二光探测器)、光电转换电路11、不锈钢密封套筒9、探针内部间隙10、不锈钢保护套管3、不锈钢连接套管2、紧固件16、光电转换电路供电线12、光电转换电路第一信号线13、光电转换电路第二信号线14、光电转换电路接地线15。其中光纤敏感头1、耦合光纤的耦合部分4被封装在不锈钢连接管2内,不锈钢连接套管2和耦合光纤的分支部分5被封装到不锈钢保护套管3内,光纤敏感探头1直径为600μm~800μm,呈圆锥形,顶端夹角为25°~35°,被封装的光纤敏感探头1顶端部分裸露。光源8、第一光探测器6、第二光探测器7和光电转换电路11封装在不锈钢密封套筒9中。其中不锈钢密封套筒9、不锈钢保护套管3使用紧固件16进行连接。采用不锈钢封装既保护了光纤又增加了产品的机械强度。
如图3所示,光源8发出的光线经由耦合光纤4和5(4为耦合光纤耦合部分,5为耦合光纤分支部分)传输至光纤敏感探头1并与被测介质接触,反射光线在经由耦合光纤4和5(4为耦合光纤耦合部分,5为耦合光纤分支部分)被第一光探测器6和第二光探测器7接收。
所述光电转换电路包括第一激励电阻、多个第二激励电阻、多个保护电阻和电源;所述光源与所述第一激励电阻串联在所述电源的正极和负极之间;多个所述第二激励电阻分别与多个所述光电二极管一一对应的串联在所述电源的正极和负极之间;多个所述保护电阻的一端分别连接至多个所述第二激励电阻与多个所述光电二极管公共点;
多个所述保护电阻的另一端分别与多个信号线连接。
如图4所示,以两个所述第二激励电阻,两个所述保护电阻为例,光电转换电路的电源正极12、光源8、第一激励电阻25和电源地线15构成发光回路;光光电转换电路的电源正极12、第一光探测器6、第二激励电阻24、电源地线15构成第一光接收回路;光电转换电路的电源正极12、第二光探测器7、第二激励电阻26、地线地线15构成第二光接收回路;保护电阻23和保护电阻27分别是第一信号线13和第二信号线14的保护电阻。
所述耦合光纤包括L*n根石英光纤,所述耦合光纤的耦合部分由L*n根所述石英光纤呈集束型耦合;所述耦合光纤的分支部分分别由L*n根所述石英光纤分组耦合,得到L个分支部分,L个所述分支部分中1个分支部分与所述光源连接,另外的L-1个所述分支部分与所述光学探测器组连接。
如图5所示,以包括三个分支部分的耦合光纤为例,耦合光纤4和5(4为耦合光纤耦合部分,5为耦合光纤分支部分)采用27根石英光纤制作成光纤束;光纤束的轴切面分布结构如图5中的a图所示,其中外层1号光纤17、外层2号光纤22所在层的15根石英光纤与第一光探测器6连接,中间层1号光纤18、中间层2号光纤21所在层的9根石英光纤与第二光探测器7连接,还有内层1号光纤19、内层2号光纤20所在层的3根石英光纤与光源8连接。光纤的横截面分布结构如图5中的b图所示,横截面总共划分为内层、中层、外层3层,其中内层1号光纤19、内层2号光纤20所在层的石英光纤处于横截面中心位置,中间层1号光纤18、中间层2号光纤21所在层的9根石英光纤处于横截面中间层,外层1号光纤17、外层2号光纤22所在层的15根石英光纤处于横截面的最外层。
如图6所示,本发明还提供一种石油生产测井中油气水多相流体分相含率测量方法,其特征在于,所述测量方法包括如下步骤:
S01,采用多接收端光纤探针传感器获取不同流量和含水率下的不同垂直上升管内的多端电压信号,并根据获取的条件进行分类存储,得到训练集。
其中为满足实际油田中气含量较少的情况,本实验室油气水多相流体环境搭建过程中,实验室用油为柴油,水为自来水,气体使用无油压缩空气机产生,在油气水多相流体(水流量为2.3m3/h,气流量为0.04m3/h,油流量为1.36m3/h)中,本发明一种多接收端光纤探针传感器的多端电压信号(q=2)是通过图7所述的多通道采集***进行数据采集的。
如图7所示多通道采集***主要有多接收端光纤探针传感器、5V直流电源、多通道信号采集***和PC机。测试时将多接收端光纤探针传感器置于垂直上升玻璃管道中;油管、水管、气管与玻璃管道连接,用于模拟油气水多相流体中油相、气相、水相不同比例的情况;多接收端光纤探针传感器供电线与5V直流电源连接,为传感器供电;将传感器的2根信号线与多通道信号采集***相连,传感器地线与电源负极连接;多通道信号采集***经由USB数据线与PC机连接,PC机中安装相应的软件,对***功能进行并存储数据。
S02-S03,对所述训练集中的训练样本进行特征提取和归一化处理,得到训练样本的综合特征参数。
分别获取多接收端光纤探针传感器检测的一个训练样本的多个电压信号的电压值、均值、差值、标准差、差分和离散度,得到所述训练样本的特征参数。
所述数据处理方法对多端电压信号进行传感器特征提取,即第一探测器特征(Detector1)、第二探测器特征(Detector2)、均值特征(Detectormean)、差值特征(Detectordiv)、差分特征(Detectormean)、离散度特征(SDetector)提取的m(m=6)个特征量的方法如下:
Detector1=1号探测器输出的电压值 (1)
Detector2=2号探测器输出的电压值 (2)
Detectormean=(Detector1+Detector2)/2 (3)
Detectordiv=Detector1-Detector2 (4)
Detectormean=(Detector1-Detector2)/(Detector1+Detector2) (5)
对所述特征参数进行归一化处理,得到所述训练样本的综合特征参数。
分别对传感器特征量进行Z-score归一化,再分别采用主成分分析(PCA)技术提取主成分,降低数据之间的数据冗余,得到2个综合特征参数;归一化方法定义为:
上式中,xij表示在油气水多相流体中第i个传感器特征量第j个元素的特征值,min(xi)表示第i个传感器特征的最小值,max(xi)表示第i个传感器特征的最大值,表示在油气水多相流体中第i个传感器特征量第j个元素归一化后的特征值;PCA技术是分析多个变量间相关性的一种多元统计方法,通过正交变换将多个可能相关的变量变换成少数几个线性不相关的综合指标,称之为主成分,在所有正交变换线性组合中选取方差贡献率最高的综合指标作为第一主成分,后续的每个主成分都将是剩余线性组合中方差贡献率最高的综合指标,且与前面的主成分正交。
S04,建立综合特征参数到油气水多相流体的聚类网络模型;根据所述训练集中每个训练样本的综合特征参数对所述聚类网络模型进行训练,得到训练后的聚类网络模型。
利用自组织竞争神经网络(SOM)的方法,建立综合特征参数到垂直上升管内油气水多相流体的聚类网络模型,称之为SOM模型,对训练集进行聚类操作,并获取聚类中心点,其中聚类个数、聚类中心点数均为3。
其中SOM模型为2*3的神经网络模型,2表示输入样本的列数,3表示模型训练后的类别数,输入样本可表示为p=(R(1),R(2)),R(1)为输入样本的第一列综合特征参数,R(2)为输入样本的第二列综合特征参数,样本数无限制;模型聚类是依靠竞争学习的思想,对获胜神经元的权值进行调整加强其竞争性,其余神经元不做处理。
分别根据只通入油气水其中每一相时获取的多端电压信号的综合特征参数,按照权值调整规则运算后获得3类初始聚类中心点分别是Y1(L),Y2(L),Y3(L),设置聚类个数为3,聚类判别方法为欧式距离判别法,依据聚类的油相点数(Os)、气相点数(Gs)、水相点数(Ws)分别与总点数(OGWs)进行相含率估计运算,即含油率为Os/(OGWs),含气率为Gs/(OGWs),含水率为Ws/(OGWs),训练的具体步骤为:
(1)K-means聚类算法初始化,导入综合特征参数样本数据GWO=(X(1),X(2),···,X(n))T,并确定初始聚类中心Y1(L),Y2(L),Y3(L)和聚类个数K=3;
(2)确定分类规则对综合特征参数样本数据进行聚类。分类规则如下:
||X(p)-Yj(L)||<||X(p)-Yi(L)|| i=1,2,3;i≠j (8)
其中X(p)表示样本数据中的第p个样本,Sj(L)表示第L次划分时类别j的全体,Jj表示类中任意成员到新的类簇中心的距离和,Yj(L+1)表示新的聚类中心,Nj表示属于样本Sj(L)的样本数量。依据所述分类规则进行聚类运算,按照公式(8)将样本数据X(p)归于欧式距离最小的一类,若公式(8)满足,样本数据X(p)归于第j类,则第j类的新的聚类中心如式(3)所示,类中任意成员到新的类簇中心的距离和如式(2)所示;
(3)收敛度判断,设置迭代停止阈值σ和迭代次数F进行限定。满足限定标准后停止聚类运算;
(4)相含率估计,即含油率为Os/(OGWs),含气率为Gs/(OGWs),含水率为Ws/(OGWs);
判断含油率Os/(OGWs),含气率Gs/(OGWs),含水率Ws/(OGWs)与训练样本的实际的含油率Os/(OGWs),含气率Gs/(OGWs),含水率Ws/(OGWs)的差值是否小于预设阈值;当满足条件时,输出训练后的聚类网络模型,若不满足条件,则将新的聚类中心作为初始的聚类中心,返回步骤(2)继续训练。
S05,采用多接收端光纤探针传感器获取待测石油生产测井的多端电压信号,并进行特征提取和归一化处理,得到待测的综合特征参数;根据所述待测的综合特征参数,利用所述训练后的聚类网络模型,获取待测石油生产测井中油气水多相流体分相含率。
采用K-means聚类方法对油气水多相流体综合特征数据进行聚类估计,参照图8、图9,在油气水多相流体(水流量为2.3m3/h,气流量为0.04m3/h,油流量为1.36m3/h)中,本发明一种多接收端光纤探针传感器输出信号幅度呈现不规则高低电平变化。其中,传感器接触气相时1号探测器输出电压幅值稳定在2.8116V左右,2号探测器输出电压幅值稳定在2.6922V左右;当传感器接触水相时1号探测器输出电压幅值稳定在0.9785V左右,2号探测器输出电压幅值稳定在0.924V左右;当传感器接触油相时1号探测器输出电压幅值稳定在0.395V左右,2号探测器输出电压幅值稳定在0.372V左右。利用基于多特征的分相含率估计方法对其进行分相含率测量。
参照图10,在油气水多相流体(水流量为2.3m3/h,气流量为0.04m3/h,油流量为1.36m3/h)中的测量结果可以看出,本发明的相含率含气率误差、含水率误差、含油率误差均在5%以内,本发明油井井下多接收端光纤探针传感器及方法可以实现油气水多相流体分相含率的测量,解决了传统光纤测量参数的缺陷,在油井井下的狭小空间内对油气水多相流体的分相含率进行实时、在线测量。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
Claims (6)
1.一种石油生产测井中油气水多相流体分相含率测量方法,其特征在于,所述测量方法应用于石油生产测井中油气水多相流体分相含率测量***,所述测量***包括多接收端光纤探针传感器,数据采集***和数据处理分析***;
所述多接收端光纤探针传感器与所述数据采集***连接,用于探测石油生产测井中石油的光反射信号,并将所述光反射信号转换成电信号,传输给所述数据采集***;
所述数据采集***与所述数据处理分析***连接,所述数据采集***用于对所述电信号进行采集和存储,并将所述电信号传输给所述数据处理分析***;
所述数据处理分析***用于对所述电信号进行特征提取和归一化处理得到综合特征参数,并根据综合特征参数到油气水多相流体的聚类网络模型,获取油井井下油气水多相流体分相含率信息;
所述测量方法包括如下步骤:
采用多接收端光纤探针传感器获取不同流量和含水率下的不同垂直上升管内的多端电压信号,并根据获取的条件进行分类存储,得到训练集;
对所述训练集中的训练样本进行特征提取和归一化处理,得到训练样本的综合特征参数;具体包括:分别获取多接收端光纤探针传感器检测的一个训练样本的多个电压信号的电压值、均值、差值、标准差、差分和离散度,得到所述训练样本的特征参数;对所述特征参数进行归一化处理,得到所述训练样本的综合特征参数;
建立综合特征参数到油气水多相流体的聚类网络模型;
根据所述训练集中每个训练样本的综合特征参数对所述聚类网络模型进行训练,得到训练后的聚类网络模型;
采用多接收端光纤探针传感器获取待测石油生产测井的多端电压信号,并进行特征提取和归一化处理,得到待测的综合特征参数;
根据所述待测的综合特征参数,利用所述训练后的聚类网络模型,获取待测石油生产测井中油气水多相流体分相含率。
2.根据权利要求1所述的石油生产测井中油气水多相流体分相含率测量方法,其特征在于,所述多接收端光纤探针传感器包括:
光纤敏感探头、耦合光纤、光学探测器组、光源和光电转换电路;
所述光源与所述耦合光纤的一个分支部分连接;所述耦合光纤的耦合部分与所述光纤敏感探头连接,所述光源发出的光经所述耦合光纤的一个分支部分、所述耦合光纤的耦合部分和所述光纤敏感探头传送至光纤敏感探头与待测液体的接触面上;
所述耦合光纤的另外多个分支部分与所述光学探测器组连接;所述光纤敏感探头与待测液体的接触面反射的光经所述光纤敏感探头接收,并经所述耦合光纤的耦合部分和所述耦合光纤的另外多个分支部分传输至所述光学探测器组;
所述光学探测器组与所述光电转换电路连接,将所述光学探测器组接收到的光转换成电信号,实现待测液体的成分检测。
3.根据权利要求2所述的石油生产测井中油气水多相流体分相含率测量方法,其特征在于,所述多接收端光纤探针传感器还包括:不锈钢连接套管、不锈钢保护套管和不锈钢密封套筒;
所述不锈钢连接套管套设在所述光纤敏感探头和所述耦合光纤的耦合部分的外侧;
所述不锈钢保护套管套设在所述不锈钢连接套管和所述耦合光纤的分支部分的外侧;
所述不锈钢密封套筒套设在所述光学探测器组、所述光源和所述光电转换电路的外侧;
所述不锈钢保护套管与所述不锈钢密封套筒通过紧固件连接。
4.根据权利要求2所述的石油生产测井中油气水多相流体分相含率测量方法,其特征在于,光学探测器组包括多个光电二极管,多个所述光电二极管与所述耦合光纤的另外多个分支部分分别一一对应的连接。
5.根据权利要求4所述的石油生产测井中油气水多相流体分相含率测量方法,其特征在于,所述光电转换电路包括第一激励电阻、多个第二激励电阻、多个保护电阻和电源;
所述光源与所述第一激励电阻串联在所述电源的正极和负极之间;
多个所述第二激励电阻分别与多个所述光电二极管一一对应的串联在所述电源的正极和负极之间;
多个所述保护电阻的一端分别连接至多个所述第二激励电阻与多个所述光电二极管公共点;
多个所述保护电阻的另一端分别与多个信号线连接。
6.根据权利要求2所述的石油生产测井中油气水多相流体分相含率测量方法,其特征在于,所述耦合光纤包括L*n根石英光纤,所述耦合光纤的耦合部分由L*n根所述石英光纤呈集束型耦合;所述耦合光纤的分支部分分别由L*n根所述石英光纤分组耦合,得到L个分支部分,L个所述分支部分中1个分支部分与所述光源连接,另外的L-1个所述分支部分与所述光学探测器组连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910588612.XA CN110273681B (zh) | 2019-07-02 | 2019-07-02 | 石油生产测井中油气水多相流体分相含率测量***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910588612.XA CN110273681B (zh) | 2019-07-02 | 2019-07-02 | 石油生产测井中油气水多相流体分相含率测量***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110273681A CN110273681A (zh) | 2019-09-24 |
CN110273681B true CN110273681B (zh) | 2020-09-01 |
Family
ID=67962845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910588612.XA Active CN110273681B (zh) | 2019-07-02 | 2019-07-02 | 石油生产测井中油气水多相流体分相含率测量***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110273681B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111088975B (zh) * | 2020-01-22 | 2020-09-22 | 西安海联石化科技有限公司 | 基于微波三探头油井在线含水率监测仪的含水率监测方法 |
CN111310900A (zh) * | 2020-02-24 | 2020-06-19 | 姜景元 | 一种多相流检测方法、装置、设备、介质 |
CN111706323A (zh) * | 2020-07-20 | 2020-09-25 | 西南石油大学 | 一种综合gwo-lssvm算法的水淹层精细解释评价方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011073789A2 (en) * | 2009-12-18 | 2011-06-23 | Schlumberger Technology B.V. | Immersion probe using ultraviolet and infrared radiation for multi-phase flow analysis |
CN102494798B (zh) * | 2011-11-15 | 2014-11-26 | 清华大学 | 用于实时测量多点温度的光纤温度传感器 |
CN102830094A (zh) * | 2012-08-30 | 2012-12-19 | 燕山大学 | 一种用于油井井下持气率测量的蓝宝石光纤探针传感器 |
CN202886279U (zh) * | 2012-09-14 | 2013-04-17 | 燕山大学 | 一种光纤探针传感器 |
US9512717B2 (en) * | 2012-10-19 | 2016-12-06 | Halliburton Energy Services, Inc. | Downhole time domain reflectometry with optical components |
CN207268709U (zh) * | 2017-03-28 | 2018-04-24 | 燕山大学 | 一种阵列式电导光纤一体化探针传感器 |
CN208223539U (zh) * | 2018-03-28 | 2018-12-11 | 燕山大学 | 一种光纤电导一体化探针传感器 |
-
2019
- 2019-07-02 CN CN201910588612.XA patent/CN110273681B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110273681A (zh) | 2019-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110273681B (zh) | 石油生产测井中油气水多相流体分相含率测量***及方法 | |
US6910388B2 (en) | Flow meter using an expanded tube section and sensitive differential pressure measurement | |
US8244473B2 (en) | System and method for automated data analysis and parameter selection | |
CN107923781A (zh) | 提供基于熵的多相流表征的***、方法和计算机介质 | |
CN111119880A (zh) | 一种油井光纤传感流体持率测井方法 | |
CN103675221B (zh) | 一种水质检测分析***及水质检测分析方法 | |
CN111896616B (zh) | 基于声发射-bp神经网络的气液两相流流型识别方法 | |
CN103994793A (zh) | 基于双持气率计的多相流量测量方法及测量装置 | |
US10317555B2 (en) | Method of minimizing tool response for downhole logging operations | |
CN112084982B (zh) | 一种基于噪声模型的双层管柱脉冲涡流数据去噪方法 | |
CN204877436U (zh) | 一种油井井口在线含水分析装置 | |
CN105064993A (zh) | 一种基于电导探针阵列信息融合的垂直井含水率测量方法 | |
CN110953488A (zh) | 基于堆栈自编码的气液两相流管道泄漏声发射检测方法 | |
CN112730299B (zh) | 一种基于井下红外光谱的气油比测量方法及装置 | |
CN105401933A (zh) | 一种探井综合录井***及方法 | |
CN106092916B (zh) | 煤矿瓦斯检测方法 | |
CN105003249B (zh) | 一种基于总流量与电导探针阵列信号的水平井流型识别方法 | |
Bahrami et al. | Application of artificial neural network to multiphase flow metering: A review | |
CN111364986A (zh) | 一种油井井下油水两相流持水率测量装置及方法 | |
CN218062295U (zh) | 基于分布式光纤的油气产出剖面的测试*** | |
CN104989377B (zh) | 一种基于总流量与电导探针阵列信号的垂直井含水率测量方法 | |
CN114324408A (zh) | 基于微波电极传感器的含水率测量装置及方法 | |
Song et al. | Data‐Driven Methodology for the Prediction of Fluid Flow in Ultrasonic Production Logging Data Processing | |
CN203441469U (zh) | 一种基于光纤激光器测速的流量计 | |
Zhang et al. | Water holdup prediction of oil-water two-phase flow in horizontal well using a 12-probe conductance array |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |