一种有杆泵抽油井充满程度识别方法技术

本发明专利技术公开一种有杆泵抽油井充满程度识别方法，属于石油开采技术领域，该方法通过检测三相异步电机的运行参数，并对参数进行分析，模拟得到不同生产工矿下的样本簇；再利用样本簇重构充满程度不足工矿诊断规则库，用重构后规则库中的样本训练充满程度不足再生工矿诊断模型；最后利用训练好的模型可以通过对连续实时监测的电参数来实时诊断抽油井的充满程度。本发明专利技术连续实时获取的充满程度，对抽油井进行连续实时闭环控制起到辅助作用，可实现井下供排协调，避免无效抽吸造成的电能浪费和二次损害的发生，减少无用的机械磨损，有效延长抽油系统寿命，降低生产运行成本。

A method to identify the fullness of rod pumping wells

【技术实现步骤摘要】
一种有杆泵抽油井充满程度识别方法
本专利技术涉及石油开采
，尤其涉及一种有杆泵抽油井充满程度识别方法。
技术介绍
随着油田开发过程不断推进，油层能量逐渐衰减，驱油能力下降，油井便会由开发初期的自喷生产转为依靠人工举升方式生产，其目的是获得较大的井底生产压差，保证油井具有较高的产量。据统计，全世界拥有约92万口油井，其中约90％以上为人工举升机械采油井，且普遍采用游梁式抽油机井有杆泵采油(简称有杆泵抽油井或有杆抽油系统，俗称“磕头机”)，有杆泵抽油井结构如图2所示。我国在用有杆泵抽油井约10万口以上，年耗电量占油田总耗电量的30～40％，能耗费用是影响采油成本的主要因素之一，由于有杆抽油系统效率在国内一般地区平均只有12～23％，先进地区也不到30％，因而节能潜力巨大。伴随国内大部分油田进入开发中后期，不断降低的产量输出与持续增加的产能消耗的矛盾日益显现，油田节能降耗减排形势严峻。对油田目前落后的生产、管理方式进行升级改造，建设智能油井、油田物联网和智慧油田，提高自动化、信息化水平，走一条节能降耗减排、控制采油成本、提高产能比的稳产道路，将是实现我国油田未来可持续发展、确保国家能源战略安全的必然选择。当油井转为依靠人工举升方式生产，受地层压力降低、地层渗透率变差和砂(气)锚堵塞等综合复杂因素影响，使得相当数量的油井不同程度地存在间歇出液，或者充满程度不足(抽空)的现象，这不仅造成了抽油设备的无效磨损，还导致了电能的浪费。因此，连续实时监测有杆泵抽油井的充满程度，并及时调整抽汲参数以实现井下供排协调，对于油田节能降耗减排意义重大。目前，油田生产实际中仍普遍采取人工巡井与不定期测井相结合的方式对有杆泵抽油井进行监控管理。其中，测井的主要手段是地面示功图与井下动液面测试。示功图作为分析深井泵工作状况的主要依据，被油田普遍使用。有定期停井安装和长期固定放置两种测试方式，但现有示功图测试方法存在以下缺陷：(1)安装时通常需要卸掉驴头载荷，操作繁琐且存在一定安全隐患。(2)定期停井安装的测试间隔较长，井况监控实时性差。(3)长期固定放置的测试方式面临供电形式选择的难题。若采用电池供电，日常维护量大，停井换电池影响产量，测试频率一般为每日一至四次，井况监控实时性差；若采用有线供电，线缆随驴头运动容易损坏，且走线距离较长，现场施工不便；(4)驴头载荷均采用压力应变片测量，必须定期校准，实际使用过程中不易实现。(5)示功图主要监测井下工况，难以反映抽油机等地面设备的运行状况。使用回声仪测量环空液面深度，主要为了掌握油层压力、油井流入动态等油田开发动态特性。回声仪测试的主要缺陷在于测试繁琐、耗时长、效率低、成本高，测量结果易受人为因素影响，因而现场实际工作中并不经常测液面。通过上述分析不难发现，在我国油田生产实际中，目前亟需找到一种切实可行的技术手段，能够立足于井前实现对抽油系统运行工况的连续实时准确监测，以提高抽油系统效率，节能降耗，延长设备使用寿命，提高油田生产管理水平，控制生产管理和运行成本。
技术实现思路
针对上述现有技术的不足，本专利技术提供一种有杆泵抽油井充满程度识别方法。该方法仅检测抽油井电机的电量参数，将其视为包含抽油井综合运行工况的“心电图”，综合运用抽油井同构机理建模和模式识别技术，真正实现了立足于井前对抽油井生产过程的连续实时监测、与诊断。现场长期运行结果表明，上述方法可连续实时检测、分析和记录抽油系统每个冲程周期内的电参数，能够实时预测采油过程关键生产指标——充满程度，诊断泵抽空。在此基础上，通过智能间抽和变频调速，实现井下供排协调，避免无效抽吸造成的电能浪费和二次损害的发生，减少无用的机械磨损，有效延长抽油系统寿命，降低生产运行成本。为解决上述技术问题，本专利技术所采取的技术方案是：一种有杆泵抽油井充满程度识别方法，其流程如图1所示，包括如下步骤：步骤1：以固定采样频率对有杆抽油系统所用三相异步电机的电压、电流、有功功率及功率因数进行连续实时的高速检测，对已获得的连续多个冲程的有功功率数据采用快速傅里叶变换FFT算法确定抽油机冲程周期；步骤2：利用动态差分阈值法确定瞬时功率和功率因数的最小值，结合抽油机冲程周期或人工辅助功能，辨识出上、下死点在功率波形中的位置；步骤3：根据现场输入的下泵深度、抽油泵直径、使用冲程、井液密度、油藏压力、油管规格、井口油压、抽油杆柱组合和抽油机几何尺寸数据，结合抽油井同构机理模型实现对有杆泵采油的全过程预测，从而自动生成不同生产工况下包括三相异步电机的电压、电流、有功功率和功率因数在内的电参数样本簇；所述抽油井同构机理模型采用同构独立模块化方法建立，如图2所示的有杆泵抽油井结构示意图，分别建立电动机、皮带-减速箱传动装置、四连杆机构、杆-管-液柱耦合振动、抽油泵抽汲过程、环空液面变化规律以及油井附近油藏子系统的数学模型。所述抽油泵抽汲过程子系统的数学模型是按照井液从井下被抽汲至地面的过程中气液质量比恒定原则，描述泵腔压力、进泵流体流量、泵腔内液体体积与柱塞位置之间关系的动态建模方法。步骤4：提取上述电参数样本簇中有功功率的多个不同特征值并确定各个特征值的阈值，以重构产生式有杆泵抽油井充满程度不足工况诊断规则库，并利用规则库中的样本训练充满程度不足再生工况诊断模型；所述提取有功功率的多个不同特征值包括：周期平均功率、上行平均功率、下行平均功率、上行功率峰谷值、下行功率峰谷值和上下死点功率，以上述特征值作为有杆泵抽油井充满程度识别的依据。步骤4.1：在抽油井同构机理模型生成的电参数样本中提取有功功率的周期平均功率阈值、上行平均功率阈值、下行平均功率阈值、上行功率峰谷阈值、下行功率峰谷阈值和上下死点功率阈值；步骤4.2：根据现有实测的泵未充满的示功图与电参数样本、油井日运行报表和油田专家先验知识，经由统计分析确定油井所有充满程度不足模态特征；所述充满程度不足模态特征包括：①实测冲程周期平均功率低于由电参数样本簇提取的特征阈值；②实测上冲程平均功率大于由电参数样本簇提取的特征阈值，且误差不超过5％；③实测下冲程平均功率小于由电参数样本簇提取的特征阈值；④实测下冲程内功率曲线存在双波峰。步骤4.3：利用抽油井同构机理模型和充满程度不足模态特征，建立泵未充满模态搜索树，重构产生式抽油井充满程度不足工况下的电参数样本集再生规则，建立不同程度泵未充满时的电参数样本集。所述的建立泵未充满模态搜索树时，首先确定泵未充满模态为搜索树顶事件，进而逐一找出与该事件的产生具有因果逻辑的中间事件；以此类推，直到分解至抽油井各基本环节电参数特征为止，并将各事件用相应逻辑门联结成树。步骤4.3.1：按最小割集模态谱所含基本事件配置油井同构机理模型，通过泵未充满模态搜索树仿真获得第i个充满程度不足模态样本步骤4.3.2：将实测的充满程度O与步骤4.3.1仿真得到的充满程度不足模态样本的特征值进行比较，本文档来自技高网...

【技术保护点】
1.一种有杆泵抽油井充满程度识别方法，其特征在于包括如下步骤：/n步骤1：以固定采样频率对有杆抽油系统所用三相异步电机的电压、电流、有功功率及功率因数进行连续实时的高速检测，对已获得的连续多个冲程的有功功率数据采用快速傅里叶变换FFT算法确定抽油机冲程周期；/n步骤2：利用动态差分阈值法确定瞬时功率和功率因数的最小值，结合抽油机冲程周期或人工辅助功能，辨识出上、下死点在功率波形中的位置；/n步骤3：根据现场输入的下泵深度、抽油泵直径、使用冲程、井液密度、油藏压力、油管规格、井口油压、抽油杆柱组合和抽油机几何尺寸数据，结合抽油井同构机理模型实现对有杆泵采油的全过程预测，从而自动生成不同生产工况下包括三相异步电机的电压、电流、有功功率和功率因数在内的电参数样本簇；/n步骤4：提取上述电参数样本簇中有功功率的多个不同特征值并确定各个特征值的阈值，以重构产生式有杆泵抽油井充满程度不足工况诊断规则库，并利用规则库中的样本训练充满程度不足再生工况诊断模型；/n步骤5：将实测的多冲程有功功率数据相叠加进行均值滤波以消除随机噪声，进而采用中值滤波抑制脉冲噪声，从而获得一个完整冲程周期的参考有功功率曲线，并提取特征值；/n步骤6：采用充满程度不足再生工况诊断模型识别深井泵是否未充满，若诊断为泵未充满则执行步骤7，反之，给出充满程度为100％的结论；/n步骤7：根据抽油井处于充满程度不足工况时的电参数特征和与其对应的曲柄角位移，结合光杆位置随曲柄角位移变化的规律确定深井泵有效活塞行程；/n步骤8：根据抽油井同构机理模型计算得到最大活塞行程，按活塞有效行程与最大行程之比最终确定深井泵充满程度。/n...

【技术特征摘要】
1.一种有杆泵抽油井充满程度识别方法，其特征在于包括如下步骤：
步骤1：以固定采样频率对有杆抽油系统所用三相异步电机的电压、电流、有功功率及功率因数进行连续实时的高速检测，对已获得的连续多个冲程的有功功率数据采用快速傅里叶变换FFT算法确定抽油机冲程周期；
步骤2：利用动态差分阈值法确定瞬时功率和功率因数的最小值，结合抽油机冲程周期或人工辅助功能，辨识出上、下死点在功率波形中的位置；
步骤3：根据现场输入的下泵深度、抽油泵直径、使用冲程、井液密度、油藏压力、油管规格、井口油压、抽油杆柱组合和抽油机几何尺寸数据，结合抽油井同构机理模型实现对有杆泵采油的全过程预测，从而自动生成不同生产工况下包括三相异步电机的电压、电流、有功功率和功率因数在内的电参数样本簇；
步骤4：提取上述电参数样本簇中有功功率的多个不同特征值并确定各个特征值的阈值，以重构产生式有杆泵抽油井充满程度不足工况诊断规则库，并利用规则库中的样本训练充满程度不足再生工况诊断模型；
步骤5：将实测的多冲程有功功率数据相叠加进行均值滤波以消除随机噪声，进而采用中值滤波抑制脉冲噪声，从而获得一个完整冲程周期的参考有功功率曲线，并提取特征值；
步骤6：采用充满程度不足再生工况诊断模型识别深井泵是否未充满，若诊断为泵未充满则执行步骤7，反之，给出充满程度为100％的结论；
步骤7：根据抽油井处于充满程度不足工况时的电参数特征和与其对应的曲柄角位移，结合光杆位置随曲柄角位移变化的规律确定深井泵有效活塞行程；
步骤8：根据抽油井同构机理模型计算得到最大活塞行程，按活塞有效行程与最大行程之比最终确定深井泵充满程度。


2.根据权利要求1所述的一种有杆泵抽油井充满程度识别方法，其特征在于：所述提取有功功率的多个不同特征值包括：周期平均功率、上行平均功率、下行平均功率、上行功率峰谷值、下行功率峰谷值和上下死点功率，以上述特征值作为有杆泵抽油井充满程度识别的依据。


3.根据权利要求1所述的一种有杆泵抽油井充满程度识别方法，其特征在于：所述抽油井同构机理模型采用同构独立模块化方法建立，分别建立电动机、皮带-减速箱传动装置、四连杆机构、杆-管-液柱耦合振动、抽油泵抽汲过程、环空液面变化规律以及油井附近油藏子系统的数学模型。


4.根据权利要求3所述的一种有杆泵抽油井充满程度识别方法，其特征在于：所述抽油泵抽汲过程子系统的数学模型是按照井液从井下被抽汲至地面的过程中气液质量比恒定原则，描述泵腔压力、进泵流体流量、泵腔内液体体积与柱塞位置之间关系的动态建模方法。


5.根据权利要求1所述的一种有杆泵抽油井充满程度识别方法，其特征在于：所述步骤4的过程如下：
步骤4.1：在抽油井同构机理模型生成的电参数样本中提取有功功率的周期平均功率阈值、上行平均功率阈值、下行平均功率阈值、上行功率峰谷阈值、下行功率峰谷阈值和上下死点功率阈值；
步骤4.2：根据现有实测的泵未充满的示功图与电参数样本、油井日运行报表和油田专家先验知识，经由统计分析确定油井所有充满程度不足模态特征；
步骤4.3：利用抽油井同构机理模型和充满程度不足模态特征，建立泵未充满模态搜索树，重构产生式抽油井充满程度不足工况下的电参数样本集再生规则，建立不同程度泵未充满时的电参数样本集；
步骤4.4：利用充满程度不足工况再生规则产生的样本集对对抗网络GAN模型进行训练，得到工况诊断模型；训练时将充满程度不足特征作为模型输入，输出则为泵未充满程度编号；
所述未充满程度分为严重、中等和轻微三类，分别用1...

【专利技术属性】
技术研发人员：袁春华，李翔宇，高宪文，王明顺，侯延彬，张斌，陈露，韩彦爽，石锐，陈炳君，宇文亚民，
申请(专利权)人：沈阳理工大学，
类型：发明
国别省市：辽宁;21