久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

文獻標(biāo)識碼：B文章編號：1003-0492（2024）04-070-04中圖分類號：TP216

★許海豐（昆侖數(shù)智科技有限責(zé)任公司，北京100007）

★武同山（中國石油工程建設(shè)有限公司西非公司，北京100085）

★孫國寶（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：虛擬流量計量；深度學(xué)習(xí)；電潛泵

1　研究現(xiàn)狀

虛擬流量計量系統(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)的物理模型進行建模，并在過去20年中發(fā)展出了商用級別的虛擬流量計量系統(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)動的虛擬計量系統(tǒng)，經(jīng)過十余年的高速發(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，機理建模方法的效果高度依賴所選的策略和應(yīng)用的計算方法，在某一些條件下得出的結(jié)論可能與實際結(jié)果一致，而另一些結(jié)論則可能出現(xiàn)很大的誤差，該方法對于所處的不同PVT條件和測量的靈敏度條件高度敏感[3]。

基于數(shù)據(jù)驅(qū)動的虛擬流量計量系統(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)模型中一個比較流行的方法，其優(yōu)點在于可以近似變量之間的任何關(guān)系和模式，輸入和輸出沒有任何遞歸反饋聯(lián)系，缺點則在于對瞬態(tài)流動行為的預(yù)測可能不太準(zhǔn)確[4,5]。

動態(tài)人工神經(jīng)網(wǎng)絡(luò)模型可以使用過去的數(shù)據(jù)來預(yù)測當(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，在啟動和關(guān)閉井的動態(tài)條件下動態(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)行為的頁巖油氣井產(chǎn)量計量[6]。

本文研究的虛擬流量計量系統(tǒng)重點針對油氣工業(yè)計量領(lǐng)域，通過數(shù)據(jù)收集處理，建立半監(jiān)督的自學(xué)習(xí)算法產(chǎn)量計量模型，實現(xiàn)油氣工業(yè)計量的低成本、精準(zhǔn)運行，可逐步替代硬件計量工具的使用，實現(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量系統(tǒng)

本文研究的虛擬流量計量系統(tǒng)采用數(shù)據(jù)驅(qū)動模型，在單井生產(chǎn)運營階段，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，最終實現(xiàn)對所有單井的精確計量，如圖1所示。

圖1 虛擬流量計量系統(tǒng)應(yīng)用場景

2.1　系統(tǒng)總體架構(gòu)

虛擬流量計量系統(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，應(yīng)用層為向用戶展示的軟件界面，其中展示的各種數(shù)據(jù)主要通過OPC等通訊方式與算法層進行交互獲得。算法層主要包含四個主要功能，分別是實時產(chǎn)量預(yù)測、輸入?yún)?shù)存儲、平均產(chǎn)量計算以及累計產(chǎn)量計算，通過使用機器學(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)量計量模型來支持。數(shù)據(jù)層主要使用關(guān)系數(shù)據(jù)庫和時序數(shù)據(jù)庫兩種數(shù)據(jù)庫對虛擬流量計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)場的產(chǎn)量計算與展示、產(chǎn)量趨勢分析、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)庫管理和報告打印；安全管理的功能主要包括對報警信息的生成、推送、處理和記錄；系統(tǒng)管理的功能主要包含對算法模型的不斷完善和系統(tǒng)運行穩(wěn)定性的監(jiān)控及維護。

圖3 系統(tǒng)功能架構(gòu)圖

2.3　系統(tǒng)數(shù)據(jù)架構(gòu)

虛擬流量計量系統(tǒng)的數(shù)據(jù)傳輸流程如圖4所示，通過應(yīng)用層獲得的三類數(shù)據(jù)：RTU實時采集的壓力數(shù)據(jù)、手動錄入的靜態(tài)數(shù)據(jù)、標(biāo)定獲得的數(shù)據(jù)，主要通過OPC傳輸?shù)剿惴▽樱ㄟ^算法模型進行產(chǎn)量計算，得出各項產(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），可以通過各種集成方式集成到現(xiàn)有平臺，部署多樣化，使用方便簡單。

圖5 虛擬流量計量系統(tǒng)界面

虛擬計量系統(tǒng)能夠提供所有實時數(shù)據(jù)的采集監(jiān)控和產(chǎn)量計量等功能，包括但不限于油、氣、水三相流量的數(shù)據(jù)采集和計算、趨勢分析、報警處理、生成報告、系統(tǒng)控制命令、與數(shù)據(jù)庫和前臺應(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)量展示及趨勢分析。如圖6所示，系統(tǒng)會實時采集并展示油井或氣井的生產(chǎn)數(shù)據(jù)，使得工程師可以遠程查看設(shè)備的運行狀態(tài)，及時發(fā)現(xiàn)并解決潛在問題，減少了現(xiàn)場巡查和維護的工作量。

圖6 單井產(chǎn)量展示界面

工況監(jiān)控功能能夠?qū)崿F(xiàn)單井工況和場站多井工況查看，以及報警處理。場站多井工況界面能夠?qū)稣净蛘哂吞锏乃袉尉凸艿馈稣镜臓顟B(tài)集合展示在一起，通過對關(guān)鍵參數(shù)和指標(biāo)進行持續(xù)監(jiān)控，幫助用戶及時了解設(shè)備的運行狀態(tài)，從而做出相應(yīng)的調(diào)整和優(yōu)化，以確保設(shè)備的正常運行和生產(chǎn)效率。

當(dāng)監(jiān)控系統(tǒng)檢測到異常情況，如設(shè)備故障、參數(shù)超出設(shè)定范圍等，會立即觸發(fā)報警機制。此時，報警處理功能會自動啟動，通過多種方式通知相關(guān)人員，如聲音報警、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)會對報警信息進行確認，確保報警信息的準(zhǔn)確性和可靠性。然后，根據(jù)報警等級的不同，系統(tǒng)會對報警信息進行分類處理。緊急報警信息會優(yōu)先處理，通過更直接、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)對措施。對于非緊急報警信息，系統(tǒng)則會記錄并提醒相關(guān)人員注意，以便他們能夠在合適的時間進行處理。

3　關(guān)鍵技術(shù)研究

（1）基于差壓法的虛擬流量計量算法模型

虛擬流量計量系統(tǒng)算法模型基于最常用的節(jié)流器流量模型來設(shè)計，由于節(jié)流器上的壓降取決于流速，因此可以使用節(jié)流器來估算流量。此外，在單井生產(chǎn)運營階段，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，最終實現(xiàn)對所有單井的精確計量。在后續(xù)研究過程中考慮結(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)輔助計量模塊

虛擬流量輔助計量模塊對生產(chǎn)數(shù)據(jù)進行建模分析，得到井的產(chǎn)油、氣、水規(guī)律，進而與采油井現(xiàn)場采集的電參數(shù)據(jù)和生產(chǎn)運行、地質(zhì)油藏等數(shù)據(jù)進行結(jié)合，形成采油井的智能管理數(shù)據(jù)庫，利用專家模型、大數(shù)據(jù)、機器學(xué)習(xí)等系列新技術(shù)實現(xiàn)精確產(chǎn)量計量功能，建立LSTM神經(jīng)網(wǎng)絡(luò)計量模型，不斷優(yōu)化和提高產(chǎn)量計量精度，形成油井現(xiàn)場標(biāo)定數(shù)據(jù)分析體系，通過每次標(biāo)定對模型進行修正。最終實現(xiàn)生產(chǎn)數(shù)據(jù)統(tǒng)一采集、處理、管理、監(jiān)控，實現(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）虛擬計量微服務(wù)架構(gòu)搭建

虛擬流量計量系統(tǒng)自有開發(fā)Web端平臺，平臺支持多應(yīng)用，方便配置、集成；支持單機部署、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)運行管理的效率，也有效地降低了企業(yè)信息管理的運營成本。部署多樣化也方便了企業(yè)自有軟件后續(xù)的開發(fā)和擴展。虛擬流量計量系統(tǒng)部署中算法模型復(fù)雜，部署規(guī)模大，對于這種復(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間大幅度縮小，同時能夠保證產(chǎn)品部署的質(zhì)量，實現(xiàn)了虛擬流量計量系統(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)維護的工作量。

（4）復(fù)雜情況下計量誤差處理技術(shù)

對于含氣量較大的油井，間開油井，差壓會有較大幅度的波動，如果直接將其代入流量計算公式會造成流量波動較大，將油氣比與間開時間加入模型，采用Spearman模型對其進行處理，可以減少差壓波動帶來的誤差。

多相流混合流體的密度以及粘度的確定，以及如何將其進行近似化處理，同時滿足模型計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題。

在本模型中，結(jié)合各類文獻中對多相流體的各種物理模型的近似處理方法，我們對混合物粘度及密度分布進行了線性化處理，使得該模型能夠在充分考慮算法計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

虛擬流體計量系統(tǒng)的應(yīng)用將減少油氣田的地面建設(shè)計量儀表/間站等硬件基礎(chǔ)設(shè)施建設(shè)費用，減少油氣田的開發(fā)成本，提升計量的精準(zhǔn)度，節(jié)省人工成本。不同舉升方式需要不同虛擬計量方法，電潛泵井的虛擬計量系統(tǒng)通過壓差法對電潛泵采油現(xiàn)場的電參數(shù)據(jù)、生產(chǎn)運行中的油水流量、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)量計量模型，實現(xiàn)油井?dāng)?shù)據(jù)的精準(zhǔn)計量。當(dāng)前各油氣田都在大力發(fā)展智能化建設(shè)，對計量手段也隨之提出了更高的要求，傳統(tǒng)的計量手段已經(jīng)滿足不了當(dāng)前智能化油田的計量要求，虛擬流量計量系統(tǒng)是一種行之有效的替代方案。

作者簡介：

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，從事海外市場拓展工作。

參考文獻：

[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, 閆正和, 楊鵬, 等. 基于混合模型的井虛擬計量方法與應(yīng)用[J]. 油氣儲運, 2023, 42 (5) : 592 - 600.

[4] 韋宏. 基于神經(jīng)網(wǎng)絡(luò)的虛擬計量系統(tǒng)[J]. 中國計量, 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《自動化博覽》2024年4月刊