稠油油田出砂地面實時監測技術

武廣璦劉剛曹硯鋒賈宗文

1.中海油研究總院； 2. 海洋石油高效開發國家重點實驗室； 3. 中國石油大學（華東）

稠油油田出砂地面實時監測技術

武廣璦1，2劉剛3曹硯鋒1，2賈宗文1

1.中海油研究總院； 2. 海洋石油高效開發國家重點實驗室； 3. 中國石油大學（華東）

引用格式：武廣璦，劉剛，曹硯鋒，賈宗文. 稠油油田出砂地面實時監測技術［J］. 石油鉆采工藝，2016，38（4）：519-525.

疏松砂巖稠油油田儲層巖石強度較低，開發時易導致出砂。為了保持油田長期穩產，需要對油井出砂情況進行實時監測。基于振動信號監測技術，研發了一套適用于稠油油田的實時出砂監測系統，采用非置入式加速度傳感器測量砂粒撞擊管道產生的振動，通過對信號的濾波、時域分析、頻譜分析、功率譜分析，建立信號特征與油井出砂之間的關系，實現對油井出砂量的監測。在實驗室內搭建了測試平臺，采用柴油、水作為流動介質，分別改變砂粒粒度、含砂量、含水率、流速等條件，對監測系統的能力進行測試。測試結果表明，在流體介質黏度小于250 mPa·s時，系統能實現對44 μm砂粒的測量。本監測系統在現場8口井上進行了試驗應用，結果表明，系統監測結果與油井實際生產情況一致性較好。稠油油田出砂地面實時監測技術可用于開發井的出砂監測，有利于提高油田管理效果。

稠油；含砂量；振動信號；實時出砂監測；現場應用

疏松砂巖稠油油田儲層巖石強度較低，開發時易伴隨地層巖石垮塌、砂粒運移現象，導致出砂［1］。部分油田為提高開發效果，生產中采用適度出砂方式進行開采，出砂問題更為嚴重。油井出砂會給油田的正常生產帶來很大危害，如油管砂堵、設備損壞、縮短油井壽命、降低油井產能等，導致巨大的經濟損失和維修費用。為了保持油田長期穩產，需要對油井出砂情況進行實時監測，以便實時了解油井的出砂情況，并根據實時獲取的出砂信息制定合理的防砂策略，達到更好地控制油井出砂的目的。

油井出砂在線監測是國際上近年來發展起來的一種實時監測油井出砂的定量研究手段，該技術在國外Statfjord、Ravenspurn、Murdoch 等油田獲得了廣泛應用，BP、Shell 等多個石油公司目前已累計安裝6 500 多臺含砂監測系統，用于監測油井生產過程中的實時出砂狀況，取得了顯著經濟效益，為上述油田的增產、穩產發揮了重要作用［2］。國外研究了多種管道含砂量的檢測方法，包括聲波檢測法、ER 檢測法、X 射線檢測法、光纖聲波檢測法、聲納檢測法，其中較成功且多數油田使用的方法為聲波檢測法。聲測法對應的檢測傳感器分為內置式和外置式2種，外置式出砂聲檢測傳感器易于安裝，且不用考慮流動液體對其腐蝕作用，因此被廣泛使用［3-4］。

現有的出砂監測研究主要針對氣井或稀油開采，稠油出砂監測方面的研究幾乎空白。研發了一套適用于稠油油井的實時出砂監測系統，采用非置入式加速度傳感器測量砂粒撞擊管道產生的振動，通過對信號的濾波、時域分析、頻譜分析、功率譜分析，建立信號特征與油井出砂之間的關系，實現對油井出砂量的監測。室內試驗和現場實驗表明，研制的系統能夠在稠油條件下實現較好的出砂量監測。

1　系統原理與構成Principles and components of the system

研制的出砂監測系統主要由加速度傳感器、電纜、多通道數據采集儀、計算機軟件處理系統組成。傳感器安裝于井口管道彎管下游處，緊貼管道外壁。流體在管內流動，砂粒在經過彎管處時由于運動方向發生變化，將對管道內壁產生撞擊作用，導致管道振動。傳感器采集振動信號，并將其轉換為電信號傳送至數據采集儀，經信號放大處理后傳送至計算機軟件處理系統，進行濾波處理、分析、計算，最后得到出砂量值，如圖1所示。

圖1　出砂監測系統Fig.1 Sand-production monitoring system

1.1高頻加速度傳感器

Detector for high-frequency acceleration

試驗選用高頻加速度傳感器感受出砂振動，該傳感器具有靈敏度高、信噪比高、質量輕、體積小和工作頻率范圍大等優點，其工作原理為壓電元件在一定條件下受力后產生的電荷量與作用力成正比，每只壓電加速度傳感器內裝晶體元件的二階壓電張量是一定的，敏感質量亦為一常量［5］。因此，壓電加速度傳感器產生的電荷量與振動加速度成正比。

出砂監測時，傳感器直接貼在管道外壁上。為了實現最佳監測效果，傳感器安裝需遵循一定原則：（1）安裝于管道彎角下游2倍管徑處。通過FLUENT模擬，得到流體在彎頭處的流動情況如圖2所示。可以看出，在彎頭后2～3倍管徑長度下游處（圖中橢圓形范圍內），流體的流動速度達到最大，砂粒撞擊管壁的速度也最大。傳感器安裝在此位置，理論上可以感應到最大的振動信號。（2）安裝傳感器的管道應相對穩定，不允許有明顯的振動。（3）安裝前需清潔管道表面以使傳感器緊貼管道，避免兩者間夾有涂料、油污等。（4）傳感器緊固于管道上后，連接電纜，確保電源能夠可靠供電，信號能可靠傳輸。

圖2　彎管處流速云圖Fig.2 Cloud chart of flow speed around bending pipe

1.2多通道數據采集儀

Multi-channel data acguisition deviec

高頻振動信號由傳感器采集，經多通道數據采集儀放大、模數轉換后傳送到計算機，由信號處理程序對其進行處理［6］。系統中所采用的高速采集卡提供了外觸發和軟件觸發2種觸發源，連續采集、后觸發采集、延時觸發采集和連續觸發采集共4種采集模式。動態庫文件提供了一系列簡單的函數，能夠幫助用戶完成設置和讀數操作，實現實時采集并實時處理數據。原理如圖3所示。

圖3　多通道數據采集儀原理Fig.3 Principles of multi-channel data acquisition device

1.3數據采集分析軟件

Software for data acquisition and analysis

根據對高頻振動信號的分析需求，開發了信號采集分析軟件，包括信號采集、時域分析、頻域分析等模塊，能夠快速采集處理、實時顯示并連續存儲監測信號。信號變換采用快速傅立葉變換［7］。時域分析主要有均值計算、均方值計算、方差計算等［8］。頻域分析主要有幅值譜分析、功率譜分析等［9］。濾波器采用IIR濾波器，設有帶通、帶阻、高通、低通。軟件主要界面如圖4所示。

圖4　軟件流程Fig.4 Flow of software application

2　信號分析處理Signal processing and analysis

系統采集到振動信號之后，必須要對其進行處理分析。由于信號處理就是對原始信號進行必要的轉換或加工，去除干擾，從中提取有用的特征信息并直觀展示出來，便于現場應用。生產中砂粒撞擊管道這一過程可等效為振動系統（管道）受到某一強度范圍內的隨機力的激勵作用而產生的動態隨機振動。對于隨機振動信號最好采用概率和統計方法進行分析，因此采用濾波、時域分析及頻域分析等進行信號處理。

2.1濾波

Filtering

采用監測砂粒撞擊管壁產生的振動信號這一方法進行出砂監測，其中的普遍難題就是信號干擾，這類信號干擾產生于出砂之外的其他干擾源，例如液體或氣體混合物的噪音、機械或結構性噪音，排除這類背景噪音產生的振動信號干擾主要利用振動信號后期數據處理過程中采用的濾波技術及信號的分析方法。

數字濾波處理可以使信號特定的頻率成分通過，而極大的衰減其他頻率成分，通過計算讓物理可實現的實際濾波頻率特性逼近理想或給定的頻率特性，以達到去除干擾提取有用信號的目的。可分為軟件與硬件實現。濾波設計主要分為低通、高通、帶通和帶阻4 種，其中fc1為低頻段的截止頻率，fc2為高頻段的截止頻率，則4種濾波器的特性為：（1） 低通濾波。通頻帶為0-fc2，fc2- +∞為阻帶；（2） 高通濾波。與低通濾波相反，通頻帶為fc1- +∞，0-fc1為阻帶；（3） 帶通濾波。通頻帶為fc1-fc2，其他頻率為阻帶；（4） 帶阻濾波。與帶通濾波相反，阻帶其為fc1-fc2，其他頻率為通帶。不同幅頻濾波器特性如圖5所示，圖中縱坐標A1（f）為濾波器輸出與輸入的幅度比。

圖5　幅頻濾波器特性Fig.5 Features of amplitude frequency filter

2.2時頻分析

Time-frequency analysis

作為非平穩信號處理的一個分支，信號時頻分析主要利用時間和頻率的綜合函數對信號進行分析，通過利用時間與頻率的聯合函數來表示非平穩信號并對其進行處理和分析。

（1）時域分析。振動信號的時間域分析主要研究振動幅值隨時間變化的波形，具有直觀、易于理解等特點，是描述振動信號最直接的方法，反映了信號幅值隨時間變化的過程。主要包括均值、均方值、方差及概率密度分布等統計信息。均值能夠反映隨機振動信號變化的中心趨勢，均方值為信號平均能量（功率）的表達，方差表征了信號純動態分量強度，概率密度反映了信號幅值的分布情況。

非平穩信號為一種隨機信號，其統計特性隨時間發生改變。管道受砂粒撞擊所產生的振動信號即為此類信號。其概率密度函數為

式中，x為非平穩信號，m/s2；p（x，t）為概率密度；t為時間，s。

基于p（x，t）可得

式中，mx（t）為平均值，m/s2；E［x（t）］為期望值，m/s2；Dx（t）為平均值，m/s2；σx2（t）為方差，m2/s4。

自相關函數和功率譜密度函數為

式中，Rx（t，τ）為自相關函數；τ為延遲時間，s；x*為x的復共軛序列；Sx（t，f）為概率密度函數；j為復數；f為頻率，Hz。

（2）頻域分析。振動信號的頻率域分析是建立在傅里葉變換基礎上的一種信號處理方法，可以表示信號各頻率成分的幅值、相位與頻率的對應關系。頻率域分析主要包括傅里葉變換、功率譜密度分析及幅值譜分析。功率譜表示單位頻帶內信號功率隨頻率的變化，反映了信號功率在單位頻域的分布情況，幅值譜描述了振動的大小隨頻率的分布。定義f （t） 為功率信號

式中，T為周期，s；f*為f的復共軛序列；p（w）為功率譜值，m2/s3；w為相位；Fτ（w）為x（t）的傅里葉變換；p為平均功率，W。

基于自相關準則，自相關函數可轉換為

式（10）兩邊均乘以1/T并取極限為

功率譜曲線 p（w） 所覆蓋的面積即為信號的總功率。

3　室內試驗Lab tests

3.1試驗臺架

Test assemblies

室內搭建了1套試驗臺架以測試和校正出砂監測系統，進而優化其參數配置，如圖6所示。測試臺架包括循環系統和信號采集系統。循環系統包括控制柜、混砂罐、柱塞泵、管道和恒溫裝置。信號采集系統包括傳感器、多通道數據采集儀和軟件數據處理系統。試驗過程中，隨著循環時間的增加，流體溫度會逐漸增高，這會影響流體黏度的穩定，導致振動信號發生異常變化，所以需要引入恒溫控制裝置。

圖6　室內試驗臺架Fig.6 Assembly for lab tests

3.2試驗流程

Test procedures

含砂量、砂粒粒徑、流速及流體黏度是影響振動信號強度的4個主要因素。在實際稠油開發過程中，出砂時常伴有出水的發生，若不考慮氣體產出，則油管內為油、水、砂三相流。由于含水率會大大影響混相流的綜合黏度，室內試驗過程中引入含水率這一控制因素，以還原實際生產條件。試驗過程中4個主要因素均考慮了3～5種變化，其中含砂量（‰）：0，0.3，0.5，0.7，0.9；粒徑（μm）：177，100，74，60，44；流速（m/s）：2.15，2.67，2.98，3.39；含水率（%）：100，80，0。試驗時溫度控制在25 ℃，采用柴油作為試驗攜砂流體，此時油品黏度為250 mPa·s。

3.3試驗結果與分析

Test results and analysis

（1）試驗數據。試驗過程中，含水率分別控制為0%，80% 和 100%。表1～表3為以上3種含水率情況下，改變砂粒粒徑、流速和含砂量，分別對應的功率譜幅值。

表1　100%含水率條件下室內試驗數據Table 1 Data of lab tests at water content of 100%

表2　80%含水率條件下室內試驗數據Table 2 Data of lab tests at water content of 80%

（2）出砂監測數學模型。基于以上試驗數據，建立1套出砂監測數學模型為

式中，P為功率譜幅值，m2/s3；Q為含砂量，%；D為砂粒粒徑，m；v為流速，m/s；η為含水率；μ為油品黏度，mPa·s；a、b、c、d、e 和f 為自試驗結果擬合得到的系數。不同應用環境下，系數會有所變化。應用環境的變化主要體現在管徑、管道壁厚等因素上。本試驗條件下得到的具體公式為

（3）數學模型室內驗證。設定試驗條件為含水率90%，砂粒粒徑188 μm，含砂量0.03%，流速2.15 m/s，流體黏度298 mPa·s。實際試驗結果與計算結果的對比如圖7所示，可以看出兩者一致性較好。

表3　0%含水率條件下室內試驗數據Table 3 Data of lab tests at water content of 0%

圖7　90%含水率情況下測量功率譜幅值與計算值Fig.7 Measured and calculated amplitudes of power spectrums at water content of 90%

4　現場試驗On-site tests

4.1現場試驗步驟

Procedures of on-site tests

根據室內試驗結果，該出砂監測系統可實現出砂信號的有效監測，并建立了出砂量的計算模型。在2個油田選擇了8口生產井進行現場測試。基于每口井的實際生產數據不同，將以上目標井分為4組，每組2口井，用于對比。每個井組的生產井生產數據類似，但出砂情況不同。油井具體數據見表4。

表4　生產井實際生產數據Table 4 Measured and calculated amplitudes of power spectrums at water content of 90%

4.2試驗數據與分析

Test data and analysis

以1號井和2號井為例。2口井均位于渤海海域內同一稠油油田，生產數據類似：管道內流體流速1.75 m/s，含水率87%，油品黏度132 mPa·s，管徑?152.4 mm。1號井存在出砂的問題，產出砂粒徑為180 μm，產砂速度0.026 4 kg/s。2號井不出砂。出砂監測設備同時對以上2口井進行監測，結果如圖8所示。圖中可以看出，1號井對應曲線的波動情況遠高于2號井。1號井最大功率譜數值為550 m2/s3，2號井為280 m2/s3，監測結果與實際情況較為吻合。設 定Q=1.45%，D=1.8×10-4m，v=1.75 m/s，η=0.87，μ= 162 mPa·s，采用式（14）計算得到1號井的平均功率P=561 m2/s3，計算結果與監測結果基本吻合。

圖8　1號井和2號井功率譜圖Fig.8 Power spectrum of Well 1 and Well 2

圖 9～圖11 為其余6口井的監測結果。相比同組不出砂的生產井，出砂井對應的功率譜值及波動情況要更為劇烈。

圖9　3號井和4號井功率譜圖Fig.9 Power spectrum of Well 3 and Well 4

圖10　5號井和6號井功率譜圖Fig.10 Power spectrum of Well 5 and Well 6

圖11　7號井和8號井功率譜圖Fig.11 Power spectrum of Well 7 and Well 8

5　結論Conclusions

（1）出砂在線監測系統由加速度傳感器、電纜、多通道數據采集儀和軟件處理系統組成。建立了室內試驗測試平臺，基于此平臺開展了一系列測試試驗，分別調整了含砂量、含水率、流速和砂粒粒徑，建立了一套出砂監測數學模型。

（2）現場8口生產井試驗結果表明，該監測系統可實現對出砂量的量化監測。由于出砂監測數學模型系數較多且隨著應用條件不同需要進行相應調整，增加了系統推廣應用的難度。優化數學模型，簡化參數設定流程，是該技術下一步的攻關方向。

［1］ EARLES D M， STOESZ C W， AMARAL A D S，PEARCE J G， DEJONGH H， RAMBOW F H K. Realtime strain monitoring of sand-control completions ［R］. SPE 134555， 2010.

［2］ 任閩燕，趙益忠，宋金波，崔愛梅，崔峻. 油井含砂在線監測技術研究［J］. 西南石油大學學報：自然科學版，2012，34（1）：141-146. REN Minyan， ZHAO Yizhong， SONG Jinbo， CUI Aimei，CUI Jun. Research on real-time sanding monitoring system for oil well ［J］. Journal of Southwest Petroleum University: Science & Technology Edition， 2012， 34（1）: 141-146.

［3］ IBRAHIM M， HAUGSDAL T. Optimum procedures for calibrating acoustic sand detector， gas field case［R］. SPE 2008-025， 2008.

［4］ BEATTIE A G， BOHON M W. Acoustic sand detector for fluid flow streams: United States Patent Number 5257530 ［P］. 1993-02-11.

［5］ 魏學業. 傳感器與檢測技術［M］. 北京：人民郵電出版社，2006. WEI Xueye. Sensors and detection technology ［M］. Beijing: Posts & Telecom Press， 2006.

［6］ 李利品，高國旺，任志平. 基于DSP和FPGA的數據采集系統設計［J］. 電測與儀表，2008，45（8）：42-44. LI Lipin， GAO Guowang， REN Zhiping. Design of data acquisition system based on DSP and FPGA ［J］. Electrical Measurement & Instrumentation， 2008， 45（8）: 42-44.

［7］ 胡麗瑩，肖蓬. 快速傅里葉變換在頻譜分析中的應用［J］. 福建師范大學學報：自然科學版，2011，27（4）：27-30. HU Liying， XIAO Peng. Application of fast fourier transform in frequency and spectrum analysis ［J］. Journal of Fujian Normal University : Natural Science Edition， 2011， 27（4）: 27-30.

［8］ 葛哲學，陳仲生. Matlab時頻分析技術及其應用［M］.北京： 人民郵電出版社，2006. GE Zhexue， CHEN Zhongsheng. Matlab time-frequency analysis and its applications ［M］. Beijing: Posts and Telecom Press， 2006.

［9］ 李春林，伍勇. 基于FFT與自相關函數的快速功率譜估計方法［J］. 艦船電子工程，2011，31（10）：92-95. LI Chunlin， WU Yong. Fast power spectrum estimation method based on FFT and autocorrelation function ［J］. Ship Electronic Engineering， 2011， 31（10）: 92-95.

（修改稿收到日期 2016-06-10）

〔編輯 李春燕〕

Ground real-time monitoring on sand production of heavy oil reservoir

WU Guang’ai1，2， LIU Gang3， CAO Yanfeng1，2， JIA Zongwen1
1. CNOOC Research Institute， Beijing 100028， China；2. State Key Laboratory of Offshore Oil Exploitation， Beijing 100028， China；3. China University of Petroleum （ East China ） ， Qingdao， Shandong 266580， China

With lower rock strength， loose sandstone heavy oil reservoirs are susceptible to sand production. To maintain peak production over a long term， it is necessary to monitor sand production in real time. A real-time sand-production monitoring system suitable for heavy oil reservoirs has been developed based on techniques for monitoring vibration signals， in which an independent acceleration detector is used to detect vibrations induced by collision of sand particles on pipe string. Through filtering， time domain analysis， frequency spectrum analysis and power spectrum analysis of relevant signals， the relationship between signal features and sand production has been found out to realize monitoring of sand-production of oil producers in real time. Lab tests were performed to test the performance of the monitoring system by changing granularity of sand grains， sand content， water cut， flow speed of flow medium， and using diesel and water as flow media. The test results show the system can detect sand grains of 44 μm in size at flow medium viscosity of less than 250 mPa·s. The monitoring system has been used on 8 wells. The test results show the monitoring results of the system are quite consistent with actual production performance of the oil producers. The newly developed real-time monitoring technique for heavy oil reservoirs can improve management of oilfields.

heavy oil； sand content； vibration signal； real-time monitoring over sand production； on-site application

TE21

B

1000 - 7393（ 2016 ） 04- 0519- 07

10.13639/j.odpt.2016.04.022

WU Guang’ai， LIU Gang， CAO Yanfeng， JIA Zongwen. Ground real-time monitoring on sand production of heavy oil reservoir［J］. Oil Drilling & Production Technology， 2016， 38（4）: 519-525.

國家“十三五”科技重大專項“海上稠油油田高效開發鉆采技術”（編號：2016ZX05025-002）。

武廣璦（1984-），中國石油大學（華東）油氣井工程專業碩士研究生，主要從事完井工藝的設計和研究工作，工程師。通訊地址：（100028）北京市朝陽區太陽宮南街6 號院海洋石油大廈。電話：010-84526474。E-mail： wuga@cnooc.com.cn