基于神經網絡的示功圖量液測量技術的研究與應用

韓光 李兵元 韓夢蝶

[摘 要]目前，油井產液量計量以分離器為主，存在建設成本高、計量效率低等問題。隨著技術的發展與進步，功圖計量逐漸發展為一種高效、低成本的軟件計量方式。基于此，本文結合油田作業過程特點，研究了基于神經網絡的示功圖量液測量技術，并結合其具體的應用，指出當前該項技術中存在的問題，并提出相應的優化措施。

[關鍵詞]神經網絡;示功圖量液測量技術;油田

0? ? ?引 言

油田在生產過程中，采用分離器計量的方法計量油井產液量。隨著計量站的建設與應用，成本較高的劣勢逐漸突出，所以油田企業開始使用基于神經網絡的示功圖量液測量技術，并不斷優化和改進傳統的測量技術，基本滿足了該油田陸上開采的各種計量要求，大大提升了該油田的綜合效益。

1? ? ?應用示功圖量液測量技術的原理

1.1? ?示功圖量油原理

示功圖量油技術建立在傳統的功圖量油技術基礎上，為采用綜合分析技術的功圖量油技術，通過安裝使用傳感器，在計算機技術的支持下，開發了抽油機井的泵功圖。目前，示功圖法油井計量技術逐漸成為油田開采作業過程中使用最普遍的一種方式，主要根據游梁機和油井產液量之間的關系變化更好地直觀演示基于有桿泵稠油系統進行復雜振動的過程。該振動系統在各種基礎條件的影響下，會對外部的一些因素發生反應，通過有效分析對泵功圖，可以確定泵的沖程、漏失、充滿程度、充氣情況等影響因素，并很好地計算出油井下泵的具體排量數據，最終計算出有效的排量，以完成量油的效果。

1.2? ?常用示功圖量油技術的優缺點

常用的示功圖量油技術在應用過程中，主要有拉線法、面積法、液量迭代法、有效沖程法和綜合診斷法等方法，不同方法之間的適用范圍不同。其中，拉線法主要適用黏度較低、供液量優良、動載阻尼和慣性作用較小的油井，數字化應用不明顯。面積法與拉線法之間的應用區別主要表現在求解的過程不同。在泵功圖的處理過程中采用面積法計算產液量的情況，存在一定的局限性，所以該方法并沒有得到大面積推廣和使用。液量迭代法在使用過程中，可以計算得出準確的液量數據，但是并不能及時反映出每個時間段的變化情況，存在一定的局限性。在建立有桿抽油系統振動模型和采用數學方法建模求解等基礎上，可以使用有效沖程法，但在計算過程中，一旦一個環節出現失誤，會造成整體的計算結果錯誤。綜合診斷法主要結合油井發生故障進行表現，并有效提升沖程計算精度，但在計算過程中需要進行人工配合，系統不能完成自動化分析和計算任務。

2? ? ?基于神經網絡的示功圖量液測量技術研究

在實際的油田生產過程中，技術應用水平不斷提升，為了更好地減少現有計量方法中存在的問題，本文開展了基于神經網絡的示功圖量液測量技術的研究工作，主要從以下幾個方面進行研究。

2.1? ?示功圖識別模型的優化

優化示功圖識別模型主要在數字技術的應用過程中，能夠改善原有的功圖識別不準確的現象，在油井的計量工作中，懸點示功圖的影響因素較多，如受到泵的各種運行情況的影響，載荷分布的情況變化較大，功圖的形狀也會不斷發生變化，影響最終計算結果的準確性。而采用模型補充方法，可以有效識別凡爾開閉點，從而更好地保證最終計算結果的準確性。

2.2? ?儀表漂移分析

有桿抽油系統在運行過程中，根據內部的結構特點，可以更好地計算出系統荷載的有效范圍。在此基礎上，不斷減少振動產生的載荷、慣性作用產生的載荷和摩擦力的綜合作用，并根據懸點載荷和液柱載荷的綜合情況，很好地計算出載荷傳感器的漂移情況，為更準確地計算油井產液量的數據奠定基礎。

2.3? ?多元參數綜合分析

示功圖可以很好地反映油井的實際情況，但計算結果的準確度和精確度較低，使用該方法會受到一定的局限性。多元參數綜合分析技術的應用，是在懸點示功圖、油井壓力、油井溫度、電力參數等數據的基礎上，對井下和井上發生的故障進行有效的診斷。使用這種方法分析各種數據，會在不同因素的變化過程中，及時計算各種因素的影響作用，從而構建實時模型。一般情況下，在使用這種方法進行閾值診斷的過程中，會通過系統自動計算和人工確認的方法進行計算，從而建立相應的故障數據庫，在后期發生相同故障時，可以實現系統自動處理。

2.4? ?產液量計算模型

油井產液量的計算需要綜合考慮多種因素，不僅要反映示功圖的面積、抽油泵的漏失、氣體、沖程、載荷、泵徑、泵深等因素，還要根據不同的計量模型有效計算實際的示功圖計量準確性和適應性。

2.5? ?系統原理

隨著各種施工作業技術的不斷進步，在油田作業生產過程中，基本形成了一套有效的研究理論。首先，對系統中涉及的各種數據進行合法性和準確性分析，并在確定基礎數據沒有錯誤的基礎上，重點關注表現不正常的數據，并結合傳感器的使用判定系統漂移情況，有效識別示功圖模式。在此基礎上，還要根據不同的模型計算方法計算油田油井的產液量，在各種歷史數據的基礎上，結合多元分析方法判斷故障，并結合神經網絡的優勢，完成系統的自動化升級和優化處理。其次，在分析故障的過程中，要根據不同的油井故障進行分析，但是在所有的故障判斷過程中，一定要應用儀表漂移分析技術，通過整合應用智能終端和手持終端，有效顯示和標定儀表。最后，在使用綜合分析法的過程中，要有效分析抽油機井的實際運行故障，并在故障基礎上，結合綜合分析法的應用優勢，通過應用神經網絡技術，建設各種數據庫，以提高故障的檢測效率和產液的計算效率。

3? ? ?基于神經網絡的示功圖量液測量技術的應用效果

在油田的開采作業過程中，應用基于神經網絡的示功圖量液測量技術產生的效果主要表現在以下3個方面。

3.1? ?符合油井的情況

在油田生產作業過程中，以60日為試驗周期，分析得出產液量的誤差由之前的15%減少到10%左右，有效控制了產液量的誤差。在對各種抽汲參數的分析過程中可以發現各種數據的變化都在規定的范圍中，符合油井的實際情況。

3.2? ?可標定油井情況

在對該油田的某油井作業施工的分析中可以發現，使用基于神經網絡的示功圖量液測量技術時，液量產生的誤差被控制在1%以內，通過分析各種標定的油井可知，使用這種計量技術之后，分離器和功圖計產生的結果都相對穩定。

3.3? ?不符合油井的情況

在實驗過程中，還存在一種不符合油井的情況，在這種油井的作業施工過程中，通過分析各種數據可以發現，數據的準確性會出現間斷性的失誤現象，但整體的數據誤差被控制在30%以內，分離器也會出現偶然性的誤差現象。

4? ? ?基于神經網絡的示功圖量液測量技術應用中的注意事項

4.1? ?識別示功圖采集儀表

在當前基于神經網絡的示功圖量液測量技術應用過程中，油田的示功圖數據采集使用的各種儀器設備在精確度上有一定的標準，比如，位移使用的測量傳感器，產生的誤差被控制在1%以內，不同沖程的抽油機產生的誤差也會有所不同。比如，沖程在3 m和5 m的情況下，沖程差會表現出不斷變大的特點。分析該油田所有油井的過程可以發現，不同的油井功能及不同的變化，都會產生不同的錯誤。正常的抽油泵，設計的漏失在2%～4%，但是抽油泵在實際運行過程中，會受到腐蝕、銹蝕、磨損、結垢等因素的影響，出現漏失量增大現象。因此，在識別示功圖的過程中，油田企業需要綜合多種因素的實際影響進行綜合分析、綜合識別。

4.2? ?長期漏失油井的排查

在油田的油井施工作業過程中，都會或多或少地存在油井油管漏失現象，如果現場的傳感器發生了位移，示功圖的計量產液量的系統將不能準確分析油管的漏失現象，從而造成計量結果與實際的結果之間差距較大。針對這種現象，油田企業要在計量過程中進行人工改正和優化。比如，在油田作業過程中，各種基礎的數據都正常，在最小載荷和最大載荷的綜合分析中可以發現，在載荷不斷變小的過程中，抽油機泵的充滿度不斷發生變化。因此，想要判定油管漏失產生的計量誤差，必須要求現場的施工人員和管理人員及時有效地排查油管漏失現象，并結合以往的歷史數據更好地處理漏失現象給企業帶來的影響。

5? ? ?結 語

本文結合油田作業過程特點，研究了基于神經網絡的示功圖量液測量技術的相關內容，并總結出在當前的技術應用中存在的問題，進而推動技術升級，將油井的實際產油量的誤差減少到最小，以符合日益提升的油田開采計量標準和計量要求，提升油田開采的效率和質量。

主要參考文獻

[1]楊東旭，賴惠成，班俊碩，等.基于改進DCNN結合遷移學習的圖像分類方法[J].新疆大學學報：自然科學版，2018（2）：73-80.

[2]呂孝孝，王旱祥，劉延鑫，等.故障工況下有桿泵采油系統運行特性及示功圖研究[J].中國石油大學學報：自然科學版，2020（2）：117-126.

[3]李明江，黃天虎，吳利利，等.基于油井示功圖的低產低效井間開技術研究及應用[J].石油化工自動化，2020（2）：83-85.

[4]宿晶鑫.淺議示功圖在油井管理中的應用[J].化工管理，2019（35）：242.