【技术实现步骤摘要】
一种用于石油勘探的油质监测系统及方法
[0001]本专利技术涉及石油油质监测的
,具体涉及一种用于石油勘探的油质监测系统及方法
。
技术介绍
[0002]油田生产工作以是以石油勘探开发数据的分析结果为导向的
。
其中,油质数据是决策工作的重要影响因素
。
现存的油质数据处理方法是依据人工经验对数据进行甄别和异常判断,存在由于相关知识覆盖不全
、
描述不准
、
更新速度慢而引起的优质数据处理效率低
、
异常判断准确率低的问题,最终导致在油田生产决策工作中,数据分析周期长
、
结果准确率低,不利于油田的开发生产
。
因此,制定科学合理的油质数据监测与异常识别的方法是油田开采工作顺利进行的重要保障
。
[0003]目前对于油质的监测仍是以离线采集油样分析为主,这种离线的石油定期取样的监测不可能实时了解到石油的品质
。
传统的油质检测方式需要将样品送到实验室进行分析,这个过程比较耗时且需要费用较高
。
而且,对于油质在线监测,国内外大部分做法是通过采用传感器监测石油单一性能指标,如密度
、
水分
、
黏度等,还没有同时完成石油多信息的采集来确定所监测油质是否合格
。
密度
、
黏度等由于受环境因素影响较大,单一性能指标的监测往往准确度率并不高
。
[0004]如授权公告号为< ...
【技术保护点】
【技术特征摘要】
1.
一种用于石油勘探的油质监测系统,其特征在于:包括传感器模块
、
数据采集模块
、
数据预处理模块
、
数据库模块
、
油质监测模块
、
油质预测模块
、
数据展示与管理模块,其中:传感器模块用于石油原始数据的采集;数据采集模块用于收集和处理传感器模块采集的石油原始数据,得到油质数据;数据预处理模块用于对所述油质数据进行预处理;数据库模块用于数据的存储
、
备份
、
加密
、
查询
、
检索;油质监测模块用于监测油质数据,进行油质异常识别与报警;油质预测模块用于预测油质数据的变化趋势;数据展示与管理模块用于提供数据展示的界面,提供查询与管理界面
。2.
如权利要求1所述的一种用于石油勘探的油质监测系统,其特征在于:所述传感器模块包括密度计单元
、
硫含量分析单元
、
质谱分析单元;其中,密度计单元用于测量石油密度数据;硫含量分析单元用于测量石油中的硫含量数据;质谱分析单元用于绘制石油中每种多环芳烃的质谱图
。3.
如权利要求2所述的一种用于石油勘探的油质监测系统,其特征在于:所述油质数据包括密度
、API
重力
、
硫含量
、
多环芳烃含量;其中,密度的采集方法为读取所述密度计单元测量的石油密度数据;
API
重力通过所述密度计算得到;公式如下:;其中,
A
表示
API
重力,
ρ
表示石油密度,表示水的密度;硫含量的采集方法为读取所述硫含量分析单元测量的硫含量数据;多环芳烃含量基于所述质谱分析单元绘制的多环芳烃的质谱图来计算
。4.
如权利要求3所述的一种用于石油勘探的油质监测系统,其特征在于:所述多环芳烃含量的计算方法如下:
S1
:制备已知浓度每种多环芳烃的标准品溶液,测绘每种多环芳烃的质谱图并计算每种多环芳烃的峰面积;
S2
:绘制每种多环芳烃的标准曲线;所述标准曲线上的每个点的横坐标为多环芳烃的浓度,纵坐标为峰面积;
S3
:测绘石油样品的质谱图并计算每种多环芳烃的峰面积;
S4
:根据石油样品中每种多环芳烃的峰面积和所述标准曲线,使用内插法计算出每种多环芳烃在石油样品中的含量
。5.
如权利要求4所述的一种用于石油勘探的油质监测系统,其特征在于:所述数据预处理模块包括滤波器单元与离群点检测单元;其中,滤波器单元用于对油质数据进行滤波降噪;离群点检测单元用于检测油质数据中的离群点,方法如下:将连续采集的油质数据进行分段;计算每个分段中所有油质数据的均值;计算每个油质数据与其所在分段所有油质数据的均值的差值;若所述差值的绝对值小于等于预设的阈值,则该油质数据为正常数据点;
若所述差值的绝对值大于预设的阈值,则该油质数据为离群点;对于检测到的每个离群点,用其所在分段中所有油质数据的均值代替其油质数据
。6.
如权利要求5所述的一种用于石油勘探的油质监测系统,其特征在于:所述油质监测模块包括异常检测单元与异常报警单元;其中:异常检测单元采用异常检测算法对油质数据进行异常检测;异常报警单元用于当油质数据异常时向管理人员发出报警信息,通知管理人员采取相应措施
。7.
如权利要求6所述的一种用于石油勘探的油质监测系统,其特征在于:所述异常检测算法为高斯混合模型,构建与应用的方法如下:
S10
:采集正常油质数据,构建用于高斯混合模型训练的数据集
X
,形式如下:;其中,表示数据集
X
中的第个样本,的取值范围为1,2,
……
,
m
,
m
为样本总数;的形式如下:;其中,,,
……
,,分别代表一种正常油质数据,
s
为正常油质数据的总类型个数;
S20
:对高斯混合模型进行参数估计;高斯混合模型为
K
个高斯分布的组合,基本方程如下:;其中,表示的概率密度函数;表示第个高斯分布的权重系数;
s
为正常油质数据的总类型个数;表示第个高斯分布的协方差矩阵;表示第个高斯分布的均值;的取值范围为1,2,
……
,
K
,
K
为混合高斯模型中的高斯分布的个数;采用
EM
算法进行参数估计,得到每个高斯分布的权重系数
、
协方差矩阵
、
均值的最优解;
S30
:确定高斯分布的个数
K
;基于
AIC
准则来确定混合高斯模型中高斯分布的个数
K
的最佳取值,涉及的公式如下:;其中,
A
表示
AIC
指数的取值;
K
表示高斯分布的个数;
m
表示用于高斯混合模型训练的数据集
X
中样本的个数;
RSS
为
m
个样本的残差平方和;比较在
K
的不同取值下
AIC
指数的大小,选择使
AIC
指数最小的
K
作为混合高斯模型中高斯分布的个数;
S40
:计算异常检测阈值;...
【专利技术属性】
技术研发人员:南山,
申请(专利权)人:中海天津能源科技有限公司,
类型:发明
国别省市:
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。