【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及利用声发射测量来自动识别井下、顶侧和地表应用中的碳氢化合物和其它流体的多相流态的虚拟及非侵入性多相计量,并且涉及计量这种流态的流率、砂的存在以及其它参数。
技术介绍
两相或更多相的同时流动被称为多相流。多相流的流动行为比单相流的流动行为复杂得多,并且多相流中的流态或流型取决于许多因素,包括:一种流体与另一种流体的相对密度比、流体之间的粘度差以及每种流体的速度(滑移)。术语“流体流动”可以包括油、水、气体和固体(砂)。为优化生产并确定井眼中是否产生了砂,对碳氢化合物流态中的多相流参数和流体中砂的存在的测量是非常重要的。已经提出了用于非侵入性地测量多相流参数的许多方法。这些参数包括流态、流率、固体成分的存在、各个相的体积比和质量比。已经通过在流体中发送声学/超声频率并分析接收到的声学响应的有源系统实现了一种这样的方法,比如,美国专利No.6,672,131和美国专利No.7,775,125。美国专利No.5,415,048实现了非侵入性振动响应和流动耦合压力测量的组合以确定流。此外,美国专利No.5,415,048结合压差测量使用了管的特征声频和振幅变化,以获得总质量流率和每个相的质量流率。美国专利No.6,575,043通过在管道的壁中产生声波来描述流动的特性。测量并分析完全在壁内传播的各种声波模式的衰减以确定流中的相的分布。美国专利No.6,412,352使用附接到承载多相流体的管的加速度计。分析由加速度计产生的信号以实现多相流的质量流率的非侵入式测量。美国专利No.7,562,584涉及一种基于对1Hz至15KHz的频率范围内的多相流的声 ...
【技术保护点】
一种用于确定流管道中的流体的多相流的流参数的设备,包括:(a)换能器,其从所述流管道中的所述多相流感测声发射;(b)转换器,其将所感测的声发射转换成数字声发射信号;(c)计算机,其包括存储所述流管道中的流态数据的声学模型的数据库的数据存储器;并且(d)所述计算机还包括处理器,所述处理器根据所述数字声发射信号和所述流态数据的声学模型来形成流参数的测量值,以确定所述多相流的流参数的声学模型,所述处理器执行计算机实现的以下步骤:(1)将所感测的声发射信号分割成数字声发射段序列;(2)确定所述数字声发射段序列的各数字声发射段的特征向量;(3)处理所述特征向量以确定所述多相流的流参数的模型。
【技术特征摘要】
【国外来华专利技术】2014.06.30 US 62/018,727;2015.06.10 US 14/735,2171.一种用于确定流管道中的流体的多相流的流参数的设备,包括:(a)换能器,其从所述流管道中的所述多相流感测声发射;(b)转换器,其将所感测的声发射转换成数字声发射信号;(c)计算机,其包括存储所述流管道中的流态数据的声学模型的数据库的数据存储器;并且(d)所述计算机还包括处理器,所述处理器根据所述数字声发射信号和所述流态数据的声学模型来形成流参数的测量值,以确定所述多相流的流参数的声学模型,所述处理器执行计算机实现的以下步骤:(1)将所感测的声发射信号分割成数字声发射段序列;(2)确定所述数字声发射段序列的各数字声发射段的特征向量;(3)处理所述特征向量以确定所述多相流的流参数的模型。2.根据权利要求1所述的设备,还包括在所述声学模型的数据库中存储实际多相流状况的数据库的所述数据存储器。3.根据权利要求2所述的设备,其中,所述处理器在处理所述特征向量以确定流参数的模型时接收来自所述数据库的实际多相流状况数据作为输入。4.根据权利要求1所述的设备,其中,所述处理器在处理所述特征向量以确定流参数的模型时执行隐马尔可夫建模。5.根据权利要求1所述的设备,其中,所述处理器在处理所述特征向量以确定流参数的模型时执行以下步骤:基于所确定的所述数字声段序列的流向量和所存储的所述流管道中的流态数据的声学模型来确定所述多相流的流参数的模型。6.根据权利要求5所述的设备,其中,所述处理器在确定流参数的模型时基于所确定的所述数字声段序列的流向量和所存储的所述流管道中的流态数据的声学模型来确定所述多相流的流参数的最可能的模型。7.根据权利要求1所述的设备,其中,所述处理器在处理所述特征向量以确定流参数的模型时执行人工神经网络建模。8.根据权利要求1所述的设备,其中,所述处理器在处理所述特征向量以确定流参数的模型时执行以下步骤:(a)接收所述特征向量来作为人工神经网络处理的输入状态;(b)基于所述输入状态执行所述人工神经网络处理以确定所述多相流的模型的流参数;以及(c)提供所确定的所述多相流的模型的流参数来作为输出状态。9.根据权利要求1所述的设备,其中,所述处理器在处理所述特征向量以确定流参数的模型时执行隐马尔可夫建模和人工神经网络建模。10.根据权利要求1所述的设备,其中,所述处理器还形成用于执行处理所述特征向量的步骤的训练模型。11.根据权利要求10所述的设备,其中,所述处理器还将所形成的训练模型存储在所述存储器中。12.根据权利要求1所述的设备,其中,所述处理器还提供所确定的所述多相流的流参数的模型用于显示。13.一种计算机实现的方法,其利用所述计算机的处理器基于来自多相流的声发射和存储在所述计算机的数据库中的管道中的流态数据的声学模型来确定流管道中的流体的多相流的流参数,所述方法包括以下计算机处理步骤:(a)将所述声发射信号分割成数字声发射段序列;(b)确定所述数字声发射段序列中的每一个数字声发射段的特征向量;(c)处理所述特征向量以确定所述多相流的流参数的模型。14.根据权利要求13所述的计算机实现的方法,其中,计算机数据存储器存储实际多相流状况的数据库,并且其中,基于来自所述数据库的实际多相流状况数据来执行处理所述特征向量以确定流参数的模型的步骤。15.根据权利要求13所述的计算机实现的方法,其中,处理所述特征向量以确定流参数的模型的步骤包括隐马尔可夫建模。16.根据权利要求13所述的计算机实现的方法,其中,处理所述特征向量以确定流参数的模型的步骤包括以下步骤:基于所确定的所述数字声段序列的流向量和所存储的所述流管道中的流态数据的声学模型来确定所述多相流的流参数的模型。17.根据权利要求13所述的计算机实现的方法,其中,处理所述特征向量以确定流参数的模型的步骤包括以下步骤:基于所确定的所述数字声段序列的流向量和所存储的所述流管道中的流态数据的声学模型来确定所述多相流的流参数的最可能的模型。18.根据权利要求13所述的计算机实现的方法,其中,处理所述特征向量以确定流参数的模型的步骤包括人工神经网络建模。19.根据权利要求13所述的计算机实现的方法,其中,处理所述特征向量以确定流参数的模型的步骤包括以下步骤:(a)接收所述特征向量作为人工神经网络处理的输入状态;(b)基于所述输入状态执行所述人工神经网络处理,以确定所述多相流的模型的流参数;以及(c)提供所确定的所述多相流的模型的流参数作为输出状态。20.根据权利要求13所述的计算机实现的方法,其中,处理所述特征向量以确定流参数的模型的步骤包括隐马尔可夫建模和人工神经网络建模。21.根据权利要求13所述的计算机实现的方法,还包括形成用于执行处理所述特征向量的步骤的训练模型的步骤。22.根据权利要求21所述的计算机实现的方法,还包括将所形成的训练模型存储在所述计算机的存储器中的步骤。23.根据权利要求13所述的计算机实现的方法,还包括提供所确定的所述多相流的流参数的模型以用于显示的...
【专利技术属性】
技术研发人员:塔尔哈·贾迈勒·艾哈迈德,迈克尔·约翰·布莱克,穆罕默德·纳比尔·努依梅希蒂,
申请(专利权)人:沙特阿拉伯石油公司,
类型:发明
国别省市:沙特阿拉伯;SA
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。