国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

文獻(xiàn)標(biāo)識(shí)碼：B文章編號(hào)：1003-0492（2024）04-070-04中圖分類(lèi)號(hào)：TP216

★許海豐（昆侖數(shù)智科技有限責(zé)任公司，北京100007）

★武同山（中國(guó)石油工程建設(shè)有限公司西非公司，北京100085）

★孫國(guó)寶（昆侖數(shù)智科技有限責(zé)任公司，北京100007）

★李志輝（北京興油工程項(xiàng)目管理有限公司，北京100083）

★陳冰（昆侖數(shù)智科技有限責(zé)任公司，北京100007）

關(guān)鍵詞：虛擬流量計(jì)量；深度學(xué)習(xí)；電潛泵

1　研究現(xiàn)狀

虛擬流量計(jì)量系統(tǒng)的技術(shù)發(fā)展有兩條技術(shù)路線：一條路線是基于一般的生產(chǎn)系統(tǒng)的物理模型進(jìn)行建模，并在過(guò)去20年中發(fā)展出了商用級(jí)別的虛擬流量計(jì)量系統(tǒng)，誤差可以控制在±10%左右[1]；另一條路線是基于數(shù)據(jù)驅(qū)動(dòng)的虛擬計(jì)量系統(tǒng)，經(jīng)過(guò)十余年的高速發(fā)展，誤差也可控制在±10%左右[2]。

由于非線性多相流研究的復(fù)雜性，機(jī)理建模方法的效果高度依賴(lài)所選的策略和應(yīng)用的計(jì)算方法，在某一些條件下得出的結(jié)論可能與實(shí)際結(jié)果一致，而另一些結(jié)論則可能出現(xiàn)很大的誤差，該方法對(duì)于所處的不同PVT條件和測(cè)量的靈敏度條件高度敏感[3]。

基于數(shù)據(jù)驅(qū)動(dòng)的虛擬流量計(jì)量系統(tǒng)主要采用穩(wěn)態(tài)人工神經(jīng)網(wǎng)絡(luò)模型和動(dòng)態(tài)人工神經(jīng)網(wǎng)絡(luò)模型，其中前饋神經(jīng)網(wǎng)絡(luò)模型是穩(wěn)態(tài)模型中一個(gè)比較流行的方法，其優(yōu)點(diǎn)在于可以近似變量之間的任何關(guān)系和模式，輸入和輸出沒(méi)有任何遞歸反饋聯(lián)系，缺點(diǎn)則在于對(duì)瞬態(tài)流動(dòng)行為的預(yù)測(cè)可能不太準(zhǔn)確[4,5]。

動(dòng)態(tài)人工神經(jīng)網(wǎng)絡(luò)模型可以使用過(guò)去的數(shù)據(jù)來(lái)預(yù)測(cè)當(dāng)前的變量，而前反饋模型只能使用當(dāng)前數(shù)據(jù)執(zhí)行穩(wěn)態(tài)映射，在啟動(dòng)和關(guān)閉井的動(dòng)態(tài)條件下動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型具有更好的效果，因此該方法比較適用于存在大量瞬態(tài)行為的頁(yè)巖油氣井產(chǎn)量計(jì)量[6]。

本文研究的虛擬流量計(jì)量系統(tǒng)重點(diǎn)針對(duì)油氣工業(yè)計(jì)量領(lǐng)域，通過(guò)數(shù)據(jù)收集處理，建立半監(jiān)督的自學(xué)習(xí)算法產(chǎn)量計(jì)量模型，實(shí)現(xiàn)油氣工業(yè)計(jì)量的低成本、精準(zhǔn)運(yùn)行，可逐步替代硬件計(jì)量工具的使用，實(shí)現(xiàn)生產(chǎn)數(shù)據(jù)統(tǒng)一采集、統(tǒng)一處理、統(tǒng)一管理、統(tǒng)一監(jiān)控，實(shí)現(xiàn)油田生產(chǎn)數(shù)據(jù)的智能化、可視化、精準(zhǔn)化發(fā)展。

2　基于深度學(xué)習(xí)方法的電潛泵虛擬流量計(jì)量系統(tǒng)

本文研究的虛擬流量計(jì)量系統(tǒng)采用數(shù)據(jù)驅(qū)動(dòng)模型，在單井生產(chǎn)運(yùn)營(yíng)階段，利用生產(chǎn)數(shù)據(jù)、電參、標(biāo)定數(shù)據(jù)等不斷完善模型，采用“差壓法”“自學(xué)習(xí)”等手段，形成逐漸完善的單井?dāng)?shù)據(jù)分析體系及高精度模型，最終實(shí)現(xiàn)對(duì)所有單井的精確計(jì)量，如圖1所示。

圖1 虛擬流量計(jì)量系統(tǒng)應(yīng)用場(chǎng)景

2.1　系統(tǒng)總體架構(gòu)

虛擬流量計(jì)量系統(tǒng)整體架構(gòu)分為三部分，分別是應(yīng)用層、算法層和數(shù)據(jù)層，如圖2所示。應(yīng)用層主要包含該系統(tǒng)的六個(gè)主要功能模塊，分別是數(shù)據(jù)輸入、產(chǎn)量展示、工況監(jiān)控、數(shù)據(jù)管理、功能配置和診斷維護(hù)，應(yīng)用層為向用戶(hù)展示的軟件界面，其中展示的各種數(shù)據(jù)主要通過(guò)OPC等通訊方式與算法層進(jìn)行交互獲得。算法層主要包含四個(gè)主要功能，分別是實(shí)時(shí)產(chǎn)量預(yù)測(cè)、輸入?yún)?shù)存儲(chǔ)、平均產(chǎn)量計(jì)算以及累計(jì)產(chǎn)量計(jì)算，通過(guò)使用機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)等智能算法形成的半監(jiān)督的自學(xué)習(xí)產(chǎn)量計(jì)量模型來(lái)支持。數(shù)據(jù)層主要使用關(guān)系數(shù)據(jù)庫(kù)和時(shí)序數(shù)據(jù)庫(kù)兩種數(shù)據(jù)庫(kù)對(duì)虛擬流量計(jì)量軟件中使用的各種參數(shù)提供數(shù)據(jù)支持。

圖2 系統(tǒng)總體架構(gòu)圖

2.2　系統(tǒng)功能架構(gòu)

虛擬流量計(jì)量系統(tǒng)的功能主要分為四大塊，分別是生產(chǎn)管理、數(shù)據(jù)管理、安全管理和系統(tǒng)管理，功能架構(gòu)圖如圖3所示。生產(chǎn)管理的功能主要包括油田現(xiàn)場(chǎng)的產(chǎn)量計(jì)算與展示、產(chǎn)量趨勢(shì)分析、工況監(jiān)控和數(shù)據(jù)的收集與記錄；數(shù)據(jù)管理的功能主要包括數(shù)據(jù)庫(kù)管理和報(bào)告打印；安全管理的功能主要包括對(duì)報(bào)警信息的生成、推送、處理和記錄；系統(tǒng)管理的功能主要包含對(duì)算法模型的不斷完善和系統(tǒng)運(yùn)行穩(wěn)定性的監(jiān)控及維護(hù)。

圖3 系統(tǒng)功能架構(gòu)圖

2.3　系統(tǒng)數(shù)據(jù)架構(gòu)

虛擬流量計(jì)量系統(tǒng)的數(shù)據(jù)傳輸流程如圖4所示，通過(guò)應(yīng)用層獲得的三類(lèi)數(shù)據(jù)：RTU實(shí)時(shí)采集的壓力數(shù)據(jù)、手動(dòng)錄入的靜態(tài)數(shù)據(jù)、標(biāo)定獲得的數(shù)據(jù)，主要通過(guò)OPC傳輸?shù)剿惴▽樱ㄟ^(guò)算法模型進(jìn)行產(chǎn)量計(jì)算，得出各項(xiàng)產(chǎn)量數(shù)據(jù)、中間參數(shù)、標(biāo)定系數(shù)、平均產(chǎn)量數(shù)據(jù)、累計(jì)產(chǎn)量數(shù)據(jù)等參數(shù)再傳輸?shù)綉?yīng)用層的各功能界面進(jìn)行展示。

圖4 系統(tǒng)數(shù)據(jù)架構(gòu)圖

2.4　系統(tǒng)界面

虛擬流量計(jì)量系統(tǒng)支持多樣化部署，自建有Web端（如圖5所示），可以通過(guò)各種集成方式集成到現(xiàn)有平臺(tái)，部署多樣化，使用方便簡(jiǎn)單。

圖5 虛擬流量計(jì)量系統(tǒng)界面

虛擬計(jì)量系統(tǒng)能夠提供所有實(shí)時(shí)數(shù)據(jù)的采集監(jiān)控和產(chǎn)量計(jì)量等功能，包括但不限于油、氣、水三相流量的數(shù)據(jù)采集和計(jì)算、趨勢(shì)分析、報(bào)警處理、生成報(bào)告、系統(tǒng)控制命令、與數(shù)據(jù)庫(kù)和前臺(tái)應(yīng)用的交互以及系統(tǒng)性能監(jiān)控。

其中，產(chǎn)量展示功能能夠?qū)崿F(xiàn)單井產(chǎn)量展示、多井產(chǎn)量展示及趨勢(shì)分析。如圖6所示，系統(tǒng)會(huì)實(shí)時(shí)采集并展示油井或氣井的生產(chǎn)數(shù)據(jù)，使得工程師可以遠(yuǎn)程查看設(shè)備的運(yùn)行狀態(tài)，及時(shí)發(fā)現(xiàn)并解決潛在問(wèn)題，減少了現(xiàn)場(chǎng)巡查和維護(hù)的工作量。

圖6 單井產(chǎn)量展示界面

工況監(jiān)控功能能夠?qū)崿F(xiàn)單井工況和場(chǎng)站多井工況查看，以及報(bào)警處理。場(chǎng)站多井工況界面能夠?qū)?chǎng)站或者油田的所有單井和管道、場(chǎng)站的狀態(tài)集合展示在一起，通過(guò)對(duì)關(guān)鍵參數(shù)和指標(biāo)進(jìn)行持續(xù)監(jiān)控，幫助用戶(hù)及時(shí)了解設(shè)備的運(yùn)行狀態(tài)，從而做出相應(yīng)的調(diào)整和優(yōu)化，以確保設(shè)備的正常運(yùn)行和生產(chǎn)效率。

當(dāng)監(jiān)控系統(tǒng)檢測(cè)到異常情況，如設(shè)備故障、參數(shù)超出設(shè)定范圍等，會(huì)立即觸發(fā)報(bào)警機(jī)制。此時(shí)，報(bào)警處理功能會(huì)自動(dòng)啟動(dòng)，通過(guò)多種方式通知相關(guān)人員，如聲音報(bào)警、發(fā)送短信或郵件等，確保相關(guān)人員能夠迅速獲知并采取相應(yīng)的處理措施。首先，系統(tǒng)會(huì)對(duì)報(bào)警信息進(jìn)行確認(rèn)，確保報(bào)警信息的準(zhǔn)確性和可靠性。然后，根據(jù)報(bào)警等級(jí)的不同，系統(tǒng)會(huì)對(duì)報(bào)警信息進(jìn)行分類(lèi)處理。緊急報(bào)警信息會(huì)優(yōu)先處理，通過(guò)更直接、更快速的方式通知相關(guān)人員，以便他們能夠迅速采取應(yīng)對(duì)措施。對(duì)于非緊急報(bào)警信息，系統(tǒng)則會(huì)記錄并提醒相關(guān)人員注意，以便他們能夠在合適的時(shí)間進(jìn)行處理。

3　關(guān)鍵技術(shù)研究

（1）基于差壓法的虛擬流量計(jì)量算法模型

虛擬流量計(jì)量系統(tǒng)算法模型基于最常用的節(jié)流器流量模型來(lái)設(shè)計(jì)，由于節(jié)流器上的壓降取決于流速，因此可以使用節(jié)流器來(lái)估算流量。此外，在單井生產(chǎn)運(yùn)營(yíng)階段，利用生產(chǎn)數(shù)據(jù)、電參、標(biāo)定數(shù)據(jù)等不斷完善模型，形成逐漸完善的單井?dāng)?shù)據(jù)分析體系及高精度模型，最終實(shí)現(xiàn)對(duì)所有單井的精確計(jì)量。在后續(xù)研究過(guò)程中考慮結(jié)合地層的IPR曲線模型和井筒舉升模型，可使產(chǎn)量計(jì)算結(jié)果更加準(zhǔn)確。

圖7 節(jié)流器模型圖

（2）半監(jiān)督自學(xué)習(xí)輔助計(jì)量模塊

虛擬流量輔助計(jì)量模塊對(duì)生產(chǎn)數(shù)據(jù)進(jìn)行建模分析，得到井的產(chǎn)油、氣、水規(guī)律，進(jìn)而與采油井現(xiàn)場(chǎng)采集的電參數(shù)據(jù)和生產(chǎn)運(yùn)行、地質(zhì)油藏等數(shù)據(jù)進(jìn)行結(jié)合，形成采油井的智能管理數(shù)據(jù)庫(kù)，利用專(zhuān)家模型、大數(shù)據(jù)、機(jī)器學(xué)習(xí)等系列新技術(shù)實(shí)現(xiàn)精確產(chǎn)量計(jì)量功能，建立LSTM神經(jīng)網(wǎng)絡(luò)計(jì)量模型，不斷優(yōu)化和提高產(chǎn)量計(jì)量精度，形成油井現(xiàn)場(chǎng)標(biāo)定數(shù)據(jù)分析體系，通過(guò)每次標(biāo)定對(duì)模型進(jìn)行修正。最終實(shí)現(xiàn)生產(chǎn)數(shù)據(jù)統(tǒng)一采集、處理、管理、監(jiān)控，實(shí)現(xiàn)油田生產(chǎn)數(shù)據(jù)的智能化、可視化和精準(zhǔn)化發(fā)展。

（3）虛擬計(jì)量微服務(wù)架構(gòu)搭建

虛擬流量計(jì)量系統(tǒng)自有開(kāi)發(fā)Web端平臺(tái)，平臺(tái)支持多應(yīng)用，方便配置、集成；支持單機(jī)部署、分布式集群部署、云架構(gòu)部署。

部署多樣化可以提高企業(yè)運(yùn)行管理的效率，也有效地降低了企業(yè)信息管理的運(yùn)營(yíng)成本。部署多樣化也方便了企業(yè)自有軟件后續(xù)的開(kāi)發(fā)和擴(kuò)展。虛擬流量計(jì)量系統(tǒng)部署中算法模型復(fù)雜，部署規(guī)模大，對(duì)于這種復(fù)雜且部署規(guī)模大的情況，多樣化部署使得人工參與部署的時(shí)間大幅度縮小，同時(shí)能夠保證產(chǎn)品部署的質(zhì)量，實(shí)現(xiàn)了虛擬流量計(jì)量系統(tǒng)中算法模型的標(biāo)準(zhǔn)化，有效降低了產(chǎn)品部署和后續(xù)維護(hù)的工作量。

（4）復(fù)雜情況下計(jì)量誤差處理技術(shù)

對(duì)于含氣量較大的油井，間開(kāi)油井，差壓會(huì)有較大幅度的波動(dòng)，如果直接將其代入流量計(jì)算公式會(huì)造成流量波動(dòng)較大，將油氣比與間開(kāi)時(shí)間加入模型，采用Spearman模型對(duì)其進(jìn)行處理，可以減少差壓波動(dòng)帶來(lái)的誤差。

多相流混合流體的密度以及粘度的確定，以及如何將其進(jìn)行近似化處理，同時(shí)滿(mǎn)足模型計(jì)算處理速度和精度的需求是本系統(tǒng)的算法模型中主要考慮的問(wèn)題。

在本模型中，結(jié)合各類(lèi)文獻(xiàn)中對(duì)多相流體的各種物理模型的近似處理方法，我們對(duì)混合物粘度及密度分布進(jìn)行了線性化處理，使得該模型能夠在充分考慮算法計(jì)算可行性的情況下也能夠盡量減少產(chǎn)生的誤差。

4　結(jié)論

虛擬流體計(jì)量系統(tǒng)的應(yīng)用將減少油氣田的地面建設(shè)計(jì)量?jī)x表/間站等硬件基礎(chǔ)設(shè)施建設(shè)費(fèi)用，減少油氣田的開(kāi)發(fā)成本，提升計(jì)量的精準(zhǔn)度，節(jié)省人工成本。不同舉升方式需要不同虛擬計(jì)量方法，電潛泵井的虛擬計(jì)量系統(tǒng)通過(guò)壓差法對(duì)電潛泵采油現(xiàn)場(chǎng)的電參數(shù)據(jù)、生產(chǎn)運(yùn)行中的油水流量、氣體流量數(shù)據(jù)和地質(zhì)油藏等數(shù)據(jù)建立適合當(dāng)前井的半監(jiān)督的自學(xué)習(xí)產(chǎn)量計(jì)量模型，實(shí)現(xiàn)油井?dāng)?shù)據(jù)的精準(zhǔn)計(jì)量。當(dāng)前各油氣田都在大力發(fā)展智能化建設(shè)，對(duì)計(jì)量手段也隨之提出了更高的要求，傳統(tǒng)的計(jì)量手段已經(jīng)滿(mǎn)足不了當(dāng)前智能化油田的計(jì)量要求，虛擬流量計(jì)量系統(tǒng)是一種行之有效的替代方案。

作者簡(jiǎn)介：

許海豐（1980-），男，河北廊坊人，工程師，現(xiàn)就職于昆侖數(shù)智科技有限責(zé)任公司，從事海外市場(chǎng)拓展工作。

參考文獻(xiàn)：

[1] Amin A. Evaluation of Commercially Available Virtual Flow Meters(VFMs)[J]. 2015.

[2] Bikmukhametov T, Jschke J. First Principles and Machine Learning Virtual Flow Metering: A Literature Review[J]. Journal of Petroleum Science and Engineering, 2019, 184 : 106487.

[3] 唐圣來(lái), 閆正和, 楊鵬, 等. 基于混合模型的井虛擬計(jì)量方法與應(yīng)用[J]. 油氣儲(chǔ)運(yùn), 2023, 42 (5) : 592 - 600.

[4] 韋宏. 基于神經(jīng)網(wǎng)絡(luò)的虛擬計(jì)量系統(tǒng)[J]. 中國(guó)計(jì)量, 2018 (5) : 4.

[5] Andrianov N. A Machine Learning Approach for Virtual Flow Metering and Forecasting[J]. IFAC-PapersOnLine, 2018, 51 (8) : 191 - 196.

[6] Model-Constrained Multi-Phase Virtual Flow Metering and Forecasting with Machine Learning: US17571907; US202200017571907; US202217571907A; US202217571907[P]. US20230221460A1; US2023000221460A1; US2023221460A1; US2023221460[2024-03-28].

摘自《自動(dòng)化博覽》2024年4月刊