基于電參數的工況診斷技術在A油田的應用

楊志山（大慶油田有限責任公司第七采油廠）

抽油機井示功圖和動液面數據是判斷抽油機井工作狀況的重要依據，這兩個參數獲取的及時性與準確性對判斷油井工作狀態、保證油井正常運行至關重要。A油田目前因井數多、分布廣，依靠傳統的人工測試僅能保證為每月覆蓋1次，不僅工作量巨大，資料錄取周期也相對較長，油井一旦出現泵漏失、低沉沒度等情況無法及時發現，導致無法及時采取應對措施，不僅影響產量，也增加的電量的無效消耗，降低了系統效率。為解決這一問題，A油田在2021年開展了基于電參數的工況診斷技術研究，該技術通過建立數學模型將電動機運轉時的電參數反演成示功圖，并根據反演示功圖實時推算動液面數值，為及時判斷抽油機井工作狀態提供數據依據。同時該技術還具備智能控制功能，根據電參示功圖的飽滿度對油井運行參數進行智能閉環調控，可有效改善供排系關系，降低舉升單耗。

1 結構組成及原理

1.1 結構組成

電參數工況智能診斷技術主要是由處理器、曲柄位置傳感器、電動機轉速傳感器和三相電參監測傳感器組成[1]。通過安裝在電動機尾軸上的電動機轉速傳感器和安裝在曲柄上的曲柄位置傳感器實現對電動機轉速和曲柄位置進行實時監測，同時在配電箱內部安裝三相電參監測傳感器，以每秒100次高速采樣讀取電壓、電流、頻率、有功、無功等參數，最終由處理器將采集的各項參數進行計算、分析和處理[2-3]。

1.2 技術原理

電參數反演示功圖：通過三項電參監測傳感器采集的電動機功率和電動機轉速傳感器采集的電動機轉速，計算出電動機扭矩，根據動力學傳遞關系和節點效率分布，計算出光桿懸點載荷[4]；同時，通過電動機轉速傳感器采集的電動機轉角，根據抽油機運動學關系，計算出曲柄轉角和光桿位移[5]。將計算得到的懸點載荷和光桿位移進行一一對應，形成電參反演示功圖，然后對反演功圖的載荷數據與每口井實測功圖中的載荷數據進行逐點（360點）絕對值誤差對比，從而得到逐點的誤差率，對計算出載荷數據（360點）進行逐點修正，從而提高電參反演功圖的精確度[6]。反演示功圖修正見圖1。

圖1 反演示功圖修正Fig.1 Correction of inverse indicator diagram

計算動液面：利用反演示功圖計算動液面是根據反演示功圖遞進式疊加10 min進行分析，計算出上下沖程平均載荷，得到抽油泵的液柱載荷，減去動載荷影響，得到有效舉升液柱載荷，然后折算出有效舉升液柱高度，最終根據油壓套壓折算出動液面深度[7]。

智能閉環控制：油井智能閉環控制功能是在實時獲取示功圖及動液面的基礎上，通過與變頻技術相配合，由原來人為調整生產參數改變為智能調整生產參數，使油井始終處于最佳生產狀態。該技術的實現是由通訊模塊將采集的動液面、示功圖等信息傳遞給中心控制系統，中心控制系統對當前工況進行分析，根據預先設定的目標值智能制定調整方案，然后對變頻器發出調控命令，調整運行參數，進而引起動液面及示功圖的變化。經過不斷的“監測-分析-調整-再監測”的閉環控制，持續改善油井供排關系，降低舉升單耗水平，使油井始終處于最佳生產狀態。

2 現場應用

2.1 驗證示功圖準確性

驗證電參反演示功圖的準確性是以人工測試示功圖為參照基準，重點從形狀、上下載荷、光桿位移三個方面對兩種方式得到的示功圖進行對比[8]，試驗中對5口井示功圖分別測試7井次，共計對比35組數據，結果為32井次載荷與形狀吻合度較高，吻合度高的部分示功圖對比見圖2。3井次載荷或形狀吻合度較差，準確率為91.4%，吻合度低的示功圖對比見圖3。對3組示功圖吻合度差的數據進行分析，發現這3組數據中的人工測試示功圖分別為1個桿斷示功圖和2個蠟影響示功圖。因在這3個工況下，懸點載荷較正常工況發生較大變化，造成電動機負載與輸出功率較正常工況也發生很大變化，由電動機功率推導懸點載荷時因修正系數未發生改變從而導致反演示功圖誤差偏大。

圖2 吻合度高的部分示功圖對比Fig.2 Comparison of partial indicator diagrams with high coincidence

圖3 吻合度低的示功圖對比Fig.3 Comparison of indicator diagrams with low coincidence

2.2 驗證動液面準確性

驗證通過電參反演示功圖推算得到的動液面深度的準確性，同樣以人工測試動液面深度為基準，人工測試動液面與折算動液面數據統計見表1。以誤差不超過10%判定為數據準確，5口試驗井分別測試7井次動液面，共計對比35組數據，其中誤差低于10%的共32井次，準確率為91.4%；誤差超過10%的共3井次，其中最大誤差達到85.4%。

表1 人工測試動液面與折算動液面數據統計Tab.1 Data statistics of manually tested and converted dynamic liquid level

對3組動液面準確率低的數據進行分析，此3組動液面數據正好與示功圖對比吻合率偏低的3組數據對應。經分析，折算動液面是根據反演示功圖載荷差計算出的效舉升液柱高度折算出來的，載荷差越大說明有效舉升液柱高度越高，折算出的動液面越深；反之折算出的動液面越淺，準確率低的折算動液面數據統計見表2。由此3組對比示功圖可以看出，蠟影響的反演示功圖載荷差較人工測試示功圖載荷差小，因此表現出折算動液面較測試動液面較淺；在桿斷的情況下，反演示功圖的載荷中沒有液柱載荷，也就無法算出有效舉升液柱的高度，因此造成折算的動液面深度也不準確。

表2 準確率低的折算動液面數據統計Tab.2 Statistical table of converted fluid level data with low accuracy

2.3 智能閉環控制效果

2.3.1 確定最佳控制目標

對抽油機進行智能閉環控制，首先要確定最佳控制目標。最佳控制目標要以產量最大、能耗最低為基本原則，通過人為改變抽油機運行參數，研究不同示功圖飽滿度下產量及能耗的變化情況。

為確定最佳示功圖飽滿度，現場選取4口井泵效良好的井進行試驗。當飽滿度為較大時，說明供液能力較充足，產量潛力未發揮；當飽滿度較小時，說明排液能力大于供液能力，參數過大，電量消耗高，因此需要通過監測不同飽滿度下產量及電量的變化情況，以此確定既能充分發揮產量潛力，同時單耗水平較低的最佳飽滿度范圍。此次試驗首先通過人為調整抽油機沖次，控制功圖飽滿度在50%～100%之間變化。在動液面穩定時，監測油井在不同示功圖飽滿度下的產液量及耗電量情況。通過試驗數據對比，在示功圖飽滿度在85%～95%時，產量基本最大且機采單耗處于最低水平，因此確定示功圖飽滿度85%～95%為最佳范圍。

2.3.2 智能閉環控制試驗

確定最佳示功圖飽滿度范圍后，開展智能閉環控制試驗并跟蹤試驗效果。此次試驗分2組進行，其中第1組選取3口連續生產井，第2組選取2口間抽生產井。

1）連續生產井智能閉環控制：連續生產井的智能閉環控制試驗的控制對象是變頻器的輸出頻率，控制幅度為每次變化10 Hz，變化頻率為24 h變化1次。當實時監測示功圖飽滿度超出95%時，控制系統向變頻器發出指令，升高變頻器輸出頻率，提高抽油機運行沖次，降低動液面深度，示功圖充滿度下降；當實時監測示功圖飽滿度低于85%時，控制系統向變頻器發出指令，降低變頻器輸出頻率，降低抽油機運行沖次，升高動液面深度，提高示功圖飽滿度；當示功圖飽滿度處于合理范圍內，系統進行持續監測，不發出調整指令[9-10]。連續生產井智能閉環控制試驗效果見表3，通過對3口井試驗前后的數據進行對比，日產液量提高2.12 t，平均日耗電升高6.32 kWh，噸液單耗下降1.76 kWh/t，系統效率提高3.46%。

表3 連續生產井智能閉環控制試驗效果Tab.3 Test results of intelligent closed-loop control for continuous production wells

2）間抽井智能閉環控制：連續間抽井的智能閉環控制試驗的控制對象是間抽周期（1 h）內的啟抽時間，變化幅度為啟抽時間每次調整5 min，調整頻率為24 h變化1次。當實時監測示功圖飽滿度超出95%時，控制系統向變頻器發出指令，延長抽油機啟抽時間，降低動液面深度，示功圖飽滿度下降；當實時監測示功圖飽滿度低于85%時，控制系統向變頻器發出指令，減少啟抽時間，升高動液面深度，示功圖飽滿度上升；當示功圖飽滿度處于合理范圍內，系統進行持續監測，不發出調整指令。間抽井智能閉環控制試驗效果見表4，通過對2口井試驗前后的數據進行對比，平均充滿程度升高21.25%，日產液量提高0.11，平均日耗電降低13.49 kWh，噸液單耗下降1.76 kWh/t，系統效率提高3.23%。

表4 間抽井智能閉環控制試驗效果Tab.4 Test effect of intelligent closed-loop control for intermittent production Wells

3 結論

1）電參數工況智能診斷技術反演的示功圖和折算的動液面數據準確率超過了90%，已初步具備替代傳統人工測試的基礎，但是對于部分井工況異常時，該技術的準確性和穩定性還需進一步提高。

2）該技術的智能閉環控制功能，通過改變油井運行參數對功圖飽滿度進行控制，使油井供排關系得到了改善，不僅可最大程度挖掘生產潛力，同時也可降低機采舉升單耗。

3）該技術數據采集的準確性及智能閉環控制功能的適用性初步得到了驗證，為數字化油田建設提供了新的研究方向。