動液面深度檢測中兩個關鍵問題的研究進展

魏勇,成鋆*,王路平,汪玉祥,田小強,陳強

(1.長江大學電子信息學院,荊州 434023;2.中國石油測井有限公司物資裝備公司西南中心,重慶 404100;3.中國石油集團測井有限公司測井技術研究院,西安 710077)

油井動液面是油田開采過程中的重要指標[1-3],它不僅可以反映出地層的供液能力,而且能夠影響抽油機的工作效率和能源消耗。分析動液面的變化規(guī)律,可以合理有效地制定采油方案,提高油田的生產(chǎn)效益[4-7]。不僅如此,實時監(jiān)測動液面深度,可以確定合理的泵掛深度,減少采油設備的機械磨損,對于抽油井長期安全高效生產(chǎn)作業(yè)具有重要的意義[8]。

現(xiàn)有的油井動液面檢測方法大致可概括為3種類型[9],即物理測量法、軟測量法和聲波法。其中物理測量法主要有浮筒法[10]和壓力計探測法[11],該類方法對井下設備的精度要求苛刻,應用已逐漸減少;軟測量法包括功圖法[12]和數(shù)學建模法[13],該類方法借助采集數(shù)據(jù)來建立相關表示動液面的數(shù)學模型,所建模型的性能易受測試數(shù)據(jù)、測量環(huán)境等因素影響,普適性較差。相較于前兩類方法,聲波法[14-15]具有操作方便、測量簡單、性價比低、實用性強、可實現(xiàn)在線實時可持續(xù)監(jiān)測等優(yōu)點[16-17],已經(jīng)成為中外動液面深度監(jiān)測的主流方法[18]。

在采用聲波法檢測動液面深度時,需要解決兩個關鍵問題[19-20]:一是套管內(nèi)聲速的確定,二是聲波旅行時間的獲取。聲速可利用接箍回波的周期性來確定,聲波旅行時間可通過識別液面回波位置來獲取,通過計算聲速與聲波旅行時間的乘積即可得到動液面深度。在實際測量過程中,聲波信號會受油井內(nèi)部多方面復雜因素的影響,主要表現(xiàn)為:①抽油機的機械振動和油套環(huán)空中存在的雜質(zhì),均會致使聲波信號中摻雜著噪聲[21];②油井內(nèi)的壓強、溫度和濕度變化會影響聲波的傳播[22],使得接箍回波無規(guī)律而導致聲速測量不準;③采集到的信號由于長距離衰減和復雜背景噪聲的影響,使得液面回波位置淹沒在噪聲之中不易于識別[23],從而影響動液面深度檢測的穩(wěn)定性和準確性。因此,若要準確地測量動液面深度,關鍵問題在于利用數(shù)字信號處理方法進行聲速和時間計算。

針對上述兩個關鍵問題,對近年來該領域取得的進展和成果進行梳理和分析,并對應用較廣的方法進行了復現(xiàn)。針對聲速提取問題,首先采取低通濾波濾去高頻雜音,然后利用短時自相關函數(shù)(auto correlation function,ACF)、短時平均幅度差函數(shù)(average magnitude difference function,AMDF)和快速傅里葉變換(fast Fourier transform,FFT)等方法來確定套管內(nèi)的聲速;針對時間提取問題,首先采用小波去噪(wavelet denoising,WD)進行降噪處理,然后采用直接識別法和小波奇異值檢測(wavelet singular value detection,WSVD)等方法來計算聲波旅行時間。最后,論述現(xiàn)有研究成果中存在的技術挑戰(zhàn),對未來研究方向進行了展望。

1 聲波法檢測原理

油井動液面檢測儀是根據(jù)聲波反射測距原理[24]工作的,雖然起爆波是一種頻域較廣的聲波信號(0～5 kHz),但是井筒狹窄的環(huán)形空間形成了低通濾波效應,導致高次諧波被濾除掉,井筒中僅剩余頻率低于20 Hz的次聲波[25]。由于次聲波具有傳播距離遠且穿透能力強的特征,因此剛好滿足動液面檢測的需求。聲波法檢測動液面深度的原理如圖1所示。

圖1 聲波法檢測動液面原理Fig.1 Principle of acoustic wave method to monitor dynamic liquid level

在檢測油井動液面時,安置在油井井口處的動液面檢測儀會利用電控氣爆方式產(chǎn)生次聲波[26],此時次聲波會沿著套管環(huán)空向下傳播,當遇到油管接箍和液面時會依次反射回來,產(chǎn)生相對應的接箍回波和液面回波,被井口的動液面檢測儀所采集。將聲波在環(huán)形空間中的傳播速度v和聲波遇到動液面的反射時間t進行相乘即可得出動液面的深度h[27],即

(1)

式(1)中:h為油井動液面的深度;v為聲波沿著油管向下傳播過程中的速度;t為聲波抵達動液面來回所耗費的時間。

實際采集到的聲波信號如圖2所示,可以看出,波形主要由起爆波、接箍回波和液面回波構成[28]。通過接箍回波信號處理獲取套管環(huán)空中的聲速,以及通過確定液面回波的位置來提取聲波遇到動液面所用的時間是討論的關鍵問題。

圖2 原始聲波信號示意圖Fig.2 Schematic diagram of the original sound waveform

2 聲速獲取方法研究進展

通過對接箍回波進行信號處理是目前最常用的井下聲速求取方法,已經(jīng)受到了該行業(yè)學者的廣泛認可。由于每段油管長度是固定的,假定聲波傳播過程處于理想狀態(tài),即同一口井中不同深度的聲速恒定,則反射回來的接箍回波是準周期信號。通過測量接箍回波的周期T,即可計算出聲波在環(huán)空中的傳播速度V,計算公式為

(2)

式(2)中:L為每段油管的長度;T為聲波經(jīng)過一節(jié)油管所耗費的時間,即接箍回波的周期。

噪聲會致使接箍回波的周期特征不易識別,從而引起周期的計算誤差。因此,獲取聲速的問題又轉(zhuǎn)換為接箍回波去噪和接箍回波周期提取問題[29-31]。

2.1 方法研究進展

學者們在接箍回波的去噪和周期提取兩方面開展了大量的研究工作。針對井下噪聲的干擾問題,吳新杰等[32]利用BP(back propagation)神經(jīng)網(wǎng)絡來處理含噪音的聲波信號,通過理想狀態(tài)的波形輸入和網(wǎng)絡訓練來濾除噪聲,復原出具有周期性的接箍回波,可用于對接箍回波糾錯和計算。王宗銳等[33]采用橢圓數(shù)字濾波器(infinite impulse response,IIR)設計法,對聲波信號進行濾波處理,得到平滑整齊的接箍回波,有利于識別其周期,但在實際設計濾波器時,選定的通帶截止頻率和阻帶截止頻率后無法修改,缺乏自適應濾波功能。張鵬[34]結(jié)合總體經(jīng)驗模態(tài)分解(ensemble empirical mode decomposition,EEMD)和快速獨立分量分析(fast independent component analysis,FICA)兩種方法,通過對單通道油井仿真信號進行分離實驗,同時也采用小波方法對其去噪,對比去噪效果可以發(fā)現(xiàn),采用基于EEMD的單通道盲分離方法對液面信號進行降噪處理效果良好,在不同信噪比情況下該方法較小波去噪性能更好,波形的維持度也更高。Zhou等[35]提出了一種快速自適應中值濾波算法,可獲得精準的反射回波,與線性平滑濾波器相比,中值濾波可以在相同大小的濾波窗口下保持清晰的波形,與此同時,開創(chuàng)了一種基于范圍離散系數(shù)的曲線擬合函數(shù)來求解聲速的新方法。

對于接箍回波的周期提取研究,周家新等[36]根據(jù)大量現(xiàn)場測試數(shù)據(jù),通過計算多口井內(nèi)的前10節(jié)油管段內(nèi)的平均聲速,采用曲線擬合方法得到反映油井套管內(nèi)聲速變化規(guī)律的擬合公式;同時,參考語音信號處理中的傳統(tǒng)時域基音周期檢測方法,利用ACF[37]和AMDF[38]的周期識別能力,將其應用至井下動液面的聲波信號中,對接箍回波進行分幀處理,來獲取周期從而求得聲速,為此打開了聲速計算的新思路。王路平等[39]首先對接箍回波進行巴特沃斯低通濾波,再利用短時AMDF來獲取接箍回波的平均采樣次數(shù),從而計算出油套中的聲速。

部分學者從頻域角度考慮,將信號從時域轉(zhuǎn)換至頻域上分析,吳新杰等[40]首先使用二階巴特沃斯數(shù)字濾波器進行濾波,再利用FFT處理液面信號,從中提出基波的位置進而計算聲速,與常規(guī)方法人工讀取接箍間對應的點數(shù)相比,兩種方法的相對誤差為0.19%,為聲速計算提供了新的研究思路。任建等[41]利用DSP(digital signal processing)進行FFT,通過分析信號頻譜來計算出聲速。林立星[42]首先使用譜減算法去除聲波信號中的背景噪音,再利用FFT計算接箍回波的周期。呂思平[43]通過FIR(finite impulse response)數(shù)字濾波濾除高頻雜質(zhì),再利用FFT進行頻譜分析來查找基波所在位置。易其軍[44]設計FIR低通濾波器進行濾波處理,再使用小波分析把液面信號中的接箍回波和液面回波分離出來,最后使用FFT對分離出來的接箍回波進行頻譜分析并計算聲速。在諸多學者研究的基礎上,為了提高聲速測量的準確性,仵杰等[45]提出了全相位快速傅里葉變換(all-phase fast Fourier transform,apFFT),相比于傳統(tǒng)FFT,該方法具有更好的抑制頻譜泄露能力,大大提高了聲速計算的準確性和穩(wěn)定性。

2.2 方法復現(xiàn)

進一步梳理文獻[29-45]可知,ACF、AMDF和FFT在聲速獲取方面應用較廣。為了深入了解3種方法的適用情況,使用同一批聲波數(shù)據(jù)進行復現(xiàn)。

首先需要選擇合適的濾波方法來濾除聲波信號中的高頻雜質(zhì),從而提取一段清晰可見且有周期性特征的接箍回波。由于接近井口的聲波信號受起爆波影響較大,接箍回波容易被起爆波覆蓋,而深度較深的接箍回波衰減較大,直接被噪聲淹沒。根據(jù)調(diào)研和經(jīng)驗,井下150～700 m內(nèi)接箍回波較為明顯,若假設儀器的采樣周期是0.96 ms,則選取采樣點序列1 000～4 000作為接箍回波較為合適[46]。截取的部分接箍回波波形如圖3(a)所示,肉眼可見一些尖銳而復雜的震蕩噪聲參雜其中,通過截至頻率為30 Hz的FIR低通濾波之后,可將周期性明顯的接箍回波呈現(xiàn)出來,濾波后的接箍回波如圖3(b)所示。

圖3 接箍回波濾波前后對比圖Fig.3 Comparison diagram of coupling echo before and after filtering

2.2.1 短時自相關函數(shù)法(ACF)

ACF最早于1977年由Rabiner[47]提出,該定義為

(3)

式(3)中:N為幀長;l為時間延遲量;sw(n)=s(n)w(n)為加窗信號,其中,s(n)為信號序列,w(n)為方窗函數(shù),其表達式為

(4)

ACF具有如下性質(zhì):若原信號具有周期性,那么它的自相關函數(shù)也具有周期性,并且周期性與原信號的周期相同,且在l等于周期整數(shù)倍時會出現(xiàn)峰值。由此可根據(jù)分幀后的每一段信號中峰值間的距離,取其均值即可得到接箍回波周期內(nèi)的平均采樣點數(shù),從而求取接箍回波周期[48]。對于非平穩(wěn)信號,一般采用逐幀處理,為了確保計算出接箍回波周期內(nèi)平均采樣次數(shù)的準確性,幀長至少要包括2個周期以上的接箍回波[37]。

T=nTS

(5)

式(5)中:n為接箍回波周期內(nèi)的平均采樣點數(shù);TS為采樣周期。

截取29幀聲波數(shù)據(jù),取幀長為200個采樣點數(shù),幀移為100個采樣點數(shù),采用ACF對濾波后的接箍回波進行計算,前三幀結(jié)果如圖4所示。可以明顯看出,每幀數(shù)據(jù)的波峰,通過計算兩個波峰之間的距離即為當前幀接箍回波的采樣次數(shù)。同理,對后續(xù)的26幀數(shù)據(jù)使用相同辦法處理,最后可計算出接箍回波的平均采樣次數(shù)n=62.84。已知系統(tǒng)采樣周期TS=0.96 ms,故最終結(jié)合式(2)和式(5)可計算出聲速,計算公式為

圖4 前3幀的ACF計算結(jié)果Fig.4 ACF calculation results for the first 3 frames

(6)

2.2.2 短時平均幅度差函數(shù)法(AMDF)

AMDF由Ross等[49]于1974年提出,其定義為

(7)

式(7)中:N為幀長;k為時間延遲量;Fw(k)為每幀數(shù)據(jù)進行短時平均幅度差函數(shù)處理后的計算結(jié)果。

聲波信號的Fw(k)曲線在周期整數(shù)倍位置上會出現(xiàn)和自相關函數(shù)峰值特征相反的谷底值特征[50]。利用AMDF求解接箍回波的平均周期具體操作步驟同ACF,不同之處在于ACF是利用峰值來檢測接箍回波周期內(nèi)的平均采樣點數(shù),而AMDF是利用谷值來估計接箍回波周期內(nèi)的平均采樣點數(shù)。同理,接箍回波的前三幀經(jīng)過AMDF計算得到的結(jié)果如圖5所示。可以明顯看出,每幀數(shù)據(jù)中的谷值和周期特征,對后續(xù)26幀數(shù)據(jù)繼續(xù)處理,可計算出接箍回波的平均采樣次數(shù)n=61.55。最終代入式(2)和式(5)中可計算出聲速,計算公式為

圖5 前3幀的AMDF計算結(jié)果Fig.5 AMDF calculation results for the first 3 frames

(8)

2.2.3 快速傅里葉變換法(FFT)

FFT是1965年Cooley等[51]利用DFT(discrete Fourier transform)計算指數(shù)因子WN的周期性和對稱性,構造的DFT快速算法,即快速離散傅里葉變換,可減少變換時所需要的乘法次數(shù),大大提高了計算效率。在理想接箍回波模型下,油管接箍回波可類比成周期矩形脈沖信號[40],其幅度譜如圖6(c)[40]所示。

圖6 理想接箍回波的波形和幅度譜[40]Fig.6 Waveform and amplitude spectrum of ideal coupling echo[40]

從頻譜圖(圖6)中可以看出,除了位于中心位置的直流分量外,基波的幅值最大,脈沖能量主要集中在基波上[41],基波頻率和信號周期具有倒數(shù)的數(shù)學關系,可以通過尋找接箍回波的基波位置來求其周期。具體步驟如下:首先對接箍回波進行濾波操作,再去除信號中直流分量,然后采用FFT進行頻譜分析,通過找到基波位置,即可分析出頻率大小,從而得到接箍回波的周期,如式(9)所示。此方法的關鍵在于信號頻譜上基波位置的識別。

(9)

式(9)中:f為接箍回波中的基波頻率;K為基頻對應點;FS為采樣頻率;N′為FFT的點數(shù)。

對濾波后的接箍回波進行FFT即可得到其頻譜圖,由其對稱性可取頻譜圖的前半部分,如圖7所示。可以看出,基波位置位于第49個采樣點數(shù),即K=49。已知系統(tǒng)采樣周期TS為0.96 ms,則采樣頻率FS為1 042 Hz,前面已知截取選取采樣點序列1 000～4 000作為接箍回波,則N′為3 001,最終代入式(2)和式(9)中可計算出聲波在油管環(huán)空中的速度為

圖7 接箍回波的頻譜圖(前半部分)Fig.7 Spectrogram of coupling echo(first half)

(10)

為了便于定量比較,將3種復現(xiàn)聲速值與測井資料解釋的聲速值進行對比,其結(jié)果如表1所示。可以看出,AMDF方法的誤差最小,其次是ACF。認為該結(jié)論僅對本次聲波數(shù)據(jù)有效,并不具有代表性,更加嚴謹?shù)慕Y(jié)論依賴于更多的樣本,計劃在后續(xù)研究中進一步開展。

表1 3種方法獲取的聲速對比Table 1 Comparison of sound velocity obtained by three methods

2.3 方法小結(jié)

研究表明,通過使用ACF、AMDF和FFT獲取油套環(huán)空中聲速時,注意事項如下:①ACF和AMDF均是通過分幀加窗來處理長距離內(nèi)的接箍回波信號,此處需要注意的是幀長和幀移參數(shù)的合理設置;②將FFT應用于動液面信號檢測中,關鍵在于提取接箍回波中的基波,注意要進行傅里葉變換的點數(shù)即選取最佳的接箍回波的范圍,截取部分接箍回波來代替整體并不太全面,會影響聲速的計算。

ACF、AMDF和FFT 3種方法的優(yōu)點和不足表現(xiàn)為:①ACF是一種簡單有效的函數(shù),但是該方法在處理信號必定涉及大量的乘法,并且該算法受噪聲影響較大,易受“半頻”、“倍頻”錯誤的影響;②AMDF較ACF只需進行加減和絕對值運算,降低了計算復雜度,進一步優(yōu)化算法效率,但AMDF算法計算出的聲速并不平滑,選用不同的幀對結(jié)果影響很大;③FFT則是轉(zhuǎn)換至頻域角度來求取聲速,可彌補時域分析法因噪聲干擾導致回波不易檢測而造成誤差的影響,但是在實際處理中容易出現(xiàn)頻譜泄露問題。

3 時間提取方法研究進展

聲波從發(fā)射到動液面所花費時間是計算動液面深度的重要參數(shù)之一,其關鍵在于確定液面位置所在的采樣點。

Ti=NiTS

(11)

式(11)中:Ti為聲波從發(fā)射到抵達動液面所花費的時間;Ni為動液面位置所對應的采樣點。

3.1 方法研究進展

近年來,諸多學者在聲速提取、液面回波的去噪和時間提取(即液面回波位置識別)方面開展了大量研究,并取得了大量的成果。

3.1.1 直接識別法

相比于接箍波,液面回波的幅度較大,因此,從時域上看,液面回波會呈現(xiàn)一個正向或者負向的跳變。由于液面回波的特征明顯,因此,過去10年來,部分學者常采用直接搜索信號峰值的方法來確定液面回波的位置,進而提取聲波的旅行時間,這種方法也稱為直接識別法,不同之處在于所采用的濾波降噪算法存在差異。在眾多方法中,最經(jīng)典的方法是FFT。此外,還有均值濾波方法[52]、維納濾波[53]和卡爾曼濾波[54]等。Boll[55]提出了一種噪聲抑制算法,利用頻譜減法可以有效消除背景噪聲對原始信號的影響。基于此,王海文等[56]采用譜減法來處理油井動液面信號,清晰可辨地識別出液面回波的位置,不足之處在于其需要滿足背景噪聲和液面反射回來的聲波信號是獨立不相關的假設條件。譜減法濾波屬于是在頻域上處理信號的方法,由于它對噪聲譜的估計不夠準確,因此用于來提取聲波信號的效果并不佳。也有學者采用傳統(tǒng)的線性濾波方法來處理油井聲波信號。吳新杰等[57]利用模糊控制數(shù)字濾波器和短時分形維數(shù)方法相結(jié)合,對液面信號進行濾波處理后即可查找液面回波的所在采樣點數(shù),實驗結(jié)果表明能夠有效抑制噪聲并保持原始信號的特征。張朝暉等[31]通過分析測量系統(tǒng)中噪聲規(guī)律,設計了滿足實際需求的低通橢圓濾波器,能夠自動識別出液面回波。Kapale等[58]利用卡爾曼濾波算法來降低噪聲,從而估算出動態(tài)條件下的液位。張朋等[59]利用時間序列分析技術和新息自適應卡爾曼濾波技術相結(jié)合,實時檢測液面信號,成功抑制了噪聲并使液面回波清晰可見。

由于井下聲波信號具有非平穩(wěn)、非線性的特點,常規(guī)下頻域和線性濾波方法在動液面信號處理方面往往有一定的局限性。因此,許多學者轉(zhuǎn)而采用小波變換的濾波方法來處理這種非平穩(wěn)信號,研究表明,小波變換法具有良好的去噪效果。小波去噪的重點之一是小波基函數(shù)的選取,常見小波基包括:Haar小波、Daubechies(dbN)小波、Symlets(symN)小波族、Coiflet(coifN)小波族、Biorthgonal(biorN)小波族。其中,Haar函數(shù)是最早的正交小波基函數(shù)之一,而dbN小波是經(jīng)過深層次探究小波變換中提出的,SymN小波是對dbN小波的一種改進,Coiflet函數(shù)也是由Daubechies用一系列CoifN(N=1,2,3,4,5)構造的小波函數(shù),它們有比dbN更好的對稱性,可以降低重構期間的相移差距,而biorN小波相對于前面4種小波而言無正交性,且不對稱。在基函數(shù)的選取方面,多名學者采用了不同的基函數(shù),并且取得了較好的濾波效果,如表2[42,60-63]所示。

表2 幾種常見的小波基函數(shù)去噪法[42,60-63]Table 2 Several common denoising methods of wavelet basis function[42,60-63]

在信號濾波去噪方面,還有一些學者選擇另辟蹊徑。Wang等[64]利用希爾伯特-黃變換(Hilbert-Huang transform,HHT)來處理動液面聲波信號,濾波去噪效果具有很大的優(yōu)勢。劉彥萍等[65-66]采用形態(tài)濾波方法對動液面信號進行消噪處理,極大程度上保持了原始聲波有效信號在形態(tài)上的保真度,隨后,又采用時頻峰值濾波(time-frequency peak filtering,TFPF)結(jié)合語音信號處理中的端點檢測(voice activity detection,VAD)方法對動液面的有效聲波信號進行提取,對背景噪聲有很強的壓制能力。

3.1.2 綜合識別法

直接識別法雖然原理簡單,但是易受各種因素影響,效果往往不盡理想,因此學者們在針對液面回波位置識別的方面進行了進一步研究。吳新杰等[67]基于聲波信號中各脈沖幅度和時差的實際情況,參考模糊集合論中的聚類方法,設計算法對聲波信號數(shù)據(jù)進行分檔歸類,進而推算出液面回波的位置。周家新等[68]根據(jù)基于液面回波短時過零率較低的顯著特征和短時幅值函數(shù),提出一種液面回波的綜合識別方法。其中,短時過零率體現(xiàn)了信號表示的數(shù)字序列隨時間變化的特性,而短時幅值函數(shù)主要體現(xiàn)了信號在一段時間內(nèi)的幅值情況。故利用短時過零率函數(shù)和短時幅值函數(shù)相結(jié)合,并適當加入?yún)?shù)因子來定義一個名為短時幅值-過零率函數(shù),對聲波信號進行逐幀處理,進而識別出液面回波的位置。用短時幅值及過零率處理的過程如圖8[42]所示。林立星[42]也采用了上述方法進行信號處理,但由于函數(shù)的參數(shù)過多,必須在大量的實驗調(diào)參的基礎上才能確定好各參數(shù)的選擇,因此,實際應用中難以選擇適宜的參數(shù)來獲取最佳效果,實用性并不高。此外,由于環(huán)空中存在的油管接箍等部分也會產(chǎn)生反射波并被接收,且與液面回波具有相似特征,上述方法無法避免這問題。針對短時幅值-過零率函數(shù)的弊端,劉迪等[69]根據(jù)聲波在環(huán)空中周期性反射傳播的特點,提出了基于短時AMDF和短時ACF的回波時間提取算法,主要在液面回波特征提取方面進行了改進,并提供室內(nèi)模擬實驗研究。該方法最大誤差絕對值為1.54%,提高了對液面回波特征的辨識能力。

圖8 短時幅值-過零率處理[42]Fig.8 Short time amplitude-zero-crossing rate processing[42]

3.1.3 小波奇異值檢測法(WSVD)

除了上述方法外,通過分析突變點位置的方法也廣泛應用于求解聲波的旅行時間當中。理論分析表明,小波變換的模極大值就對應著信號發(fā)生突變的位置,因此可以利用小波奇異值來檢測突變點。2011—2021年,林立星[42]、張鵬[34]、王路平等[39]均采用小波變換的模極大值來識別出液面回波,進而提取聲波旅行時間。基于上述研究,劉彥萍等[70]采用同步擠壓小波變換的時頻濾波方法對聲波信號進行濾波提取,小波變換后的結(jié)果在時頻域內(nèi)被擠壓重排,使得信號的瞬時頻率更接近真實頻率且瞬時頻率曲線更精細。通過信號模擬和實際實驗,對比分析發(fā)現(xiàn)同步擠壓小波變換比小波變換在有效信號頻率隨時間變化方面表達更加真實,對液面回波更易于識別和提取。

3.2 方法復現(xiàn)

上述研究表明,直接識別法和WSVD法在聲波時間提取方面應用較為廣泛。為了深入了解兩種方法的識別情況,使用同一批聲波數(shù)據(jù)進行復現(xiàn)。

聲波在沿著油井向下傳播過程中,會隨著傳播距離的不斷增大而衰減,加上油套環(huán)空中的復雜環(huán)境,其中噪聲可能比聲波信號的幅度大,進而影響液面位置的識別。由于小波變換中有效信號和噪聲系數(shù)在多尺度上的差異性,WD可以明顯提高信號的信噪比,故本次實驗中采用WD法。基本操作步驟為:首先,將信號進行小波變換,然后,根據(jù)有效信號和噪聲信號的小波幅值系數(shù)的不同,在不同尺度上選取合適的閾值[71],并將低于閾值的小波系數(shù)設置為0,最后,重構信號來消除噪聲對液面回波的影響。其原理流程如圖9[34]所示。

圖9 小波去噪流程圖[34]Fig.9 Flow chart of wavelet denoising[34]

為了保證液面回波信息的完整性,在實驗中選取4 000～12 000序列采樣點,使用db1小波5層分解對截取的液面回波進行WD,圖10為液面回波濾波前后的對比圖。

圖10 液面回波進行小波去噪前后對比圖Fig.10 Comparison diagram of liquid level echo before and after wavelet denoising

3.2.1 直接識別法

所謂直接識別法,就是通過檢測濾波后的液面回波中幅值最小的位置即為液面位置。根據(jù)圖10(b)液面回波濾波后的波形特征,可以直接判斷出液面位置在第7 135個數(shù)據(jù)點處,采樣周期TS=0.96 ms已知,代入式(11)可得聲波在井下傳播時間。

Ti=NiTS=6.85 s

(12)

3.2.2 小波奇異值檢測法(WSVD)

當聲波信號遇到動液面時,會有一個較強的反射波信號,其幅值會發(fā)生很大的變化,這就是一個突變信號,又稱奇異信號。小波變換具有良好的時頻分析能力,能夠利用模極大值來檢測該奇異信號以確認液面回波的真實位置[72]。在實際應用中,因為小波基的消失矩階數(shù)越大,其小尺度下的高頻小波系數(shù)的幅值就越小,高階消失矩的小波函數(shù)也就具有良好的去噪特性,所以檢測液面回波盡量使用具有高階消失矩的小波函數(shù)。

對去噪后的液面回波進行WSVD的結(jié)果如圖11所示。可見液面位置突變序列號Ni為聲波信號的第7 039采樣點,代入式(11)可得聲波遇到動液面的在井中傳播的時間為

圖11 小波奇異值檢測液面回波Fig.11 Wavelet singular value detection for liquid level echo

Ti=NiTS=6.82 s

(13)

上述兩種方法復現(xiàn)結(jié)果與測井解釋的結(jié)果對比如表3所示,可見,對于本批次聲波數(shù)據(jù),采用WSVD方法測量的時間的絕對誤差最小,而直接識別法次之。

表3 兩種方法獲取的時間對比Table 3 Comparison of time obtained by two methods

通過對液面回波位置識別方法的實驗復現(xiàn)表明:①直接識別法雖然原理簡單,但對于選取不同的濾波方法結(jié)果存在偏差,易受各種因素影響,一般認為該方法誤差較大;②利用WSVD方法檢測液面回波位置時,在時域和頻域同時有著良好的局部特征以及對信號的自適應能力;③相對而言,WSVD法比直接識別法更加精確,能夠極大地減小液面回波識別位置的誤差。

4 結(jié)論與展望

針對動液面深度檢測過程中聲速的確定和聲波旅行時間的獲取這兩大關鍵問題進行了深入研究,對相關文獻逐一進行了梳理分析。在此基礎上,對3種聲速計算方法和兩種時間提取方法進行了復現(xiàn)。較為深刻地認識到上述方法的適應性差異和優(yōu)缺點。為了更好地解決油井動液面深度檢測中的兩個關鍵問題,建議未來著重從以下方面進行深入的研究。

(1)在聲速計算方面,無論是從時域或是頻域方面處理,首先要考慮實際數(shù)據(jù)的復雜多樣性,針對特定環(huán)境下接箍回波的特征,從眾多濾波和周期提取方法中選取一種適應性好的算法。此外,也可以融入人工智能元素,將多種方法數(shù)據(jù)融合,不斷提高聲速計算精度。

(2)在時間提取方面,油管中的接箍、結(jié)蠟或是死油等反射出現(xiàn)的假回波均會影響著液面回波的識別,因此,深入研究井下聲波信號在不同井況下的傳播特性并對其去噪是今后需要關注的一個重要內(nèi)容。