红山油田产液量计量方法探讨与实践

吴斌

[摘    要] 通过分析当前产液量计量的方法，结合红山油田的建设需求，选用功图计产方法进行现场实践，通过改进的稠油功图计产方法，使得计产误差在15%以内的符合率达到91.5%，整个片区总体平均误差10%以内，取得了良好的实践效果。

[关键词] 产液量计量;稠油计量;功图计产;A11

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2019. 11. 029

[中图分类号] F273    [文献标识码]  A      [文章编号]  1673 - 0194（2019）11- 0068- 02

0      前    言

红山油田作为中石油公司 A11 试点示范建设油田，目前已完成部分生产区块油气生产物联网建设，实现了生产数据采集与监控、安防等功能。红山油田也是国内典型的稠油热采生产区域。1      红山油田计量方法探讨

1.1   产液量预测

目前产液量预测主要的模型预测方法包括 Logistic 模型[1]、翁氏模型[2]、威布尔模型[3]、HCZ（胡—陈—张）模型、Arps 递减模型[4]等。Logistic 模型在国外运用比较广泛，对于采出程度大约 50%时进入递减阶段的油气田，利用该模型可以得到相当满意的预测结果。2012年中国石油勘探开发研究院郭晓飞在一种新的产量预测方法及其应用一文中提出了提出一套反馈机制下的产量预测方法[5]，该方法通过不断修正，实现对产液的准确预测。2016年中国石油大学的高丽洁提出，通过构造混沌时序分析模型，用 C-C 方法确定相空间重构参数嵌入维度与延迟时间;利用 Lyapunov 指数判别产量时间序列的混沌性;最后采用加权一阶局域预测法对产量进行预测[6]。

红山油田油藏油层平均温度小于30 ℃，地层压力低于5 MPa，黏度在30 000 mPa·s左右。原油黏度对温度反应敏感，温度从30 ℃上升到50 ℃时，原油平均黏度从335 997 mPa·s下降到6 239 mPa·s。油藏埋深500 m左右，属于浅层油藏。在开发过程中出现了注汽效果差、生产周期短、产量递减快等问题，为油田产液量计量和预测带来极大困难。同时产液量预测更适合于区块分析，对于单井计量具有相应的局限性，且预测不具备实时性。

1.2   计量站计量

传统的稠油开采单井计量方法大多为使分离计量和翻斗量油计量法。分离计量法一般使用传统的测试分离器，对稠油进行油气水三相分离或气液两相分离后再分别进行计量。由于稠油自身的特性，分离器对稠油的分离效果比较差，分离后液体中残存的气体对于再用液相流量计或用体积流量计测量流量会造成较大的误差，而且稠油液相中的油、水也不易分离，进行油气水三相彻底分离比较困难，故一般采用定期取样的方法确定稠油中的含水率。翻斗计量是一种质量计量方法，设备有可动部件，对黏度较高的稠油计量误差较大，效果不理想。传统型的测试分离器基于重力分离的原理，但稠油一般存在油水乳化严重或液中带气的问题，所以用测试分离器测试稠油会有较大误差。同时红山油田采用的回掺热水降黏和蒸汽伴热集输工艺，进一步增大了计量站计量的误差。

1.3   多相流流量计

由于原油成分的复杂多变，一般的单相流量计无法满足油田生产需求。油井产量计量主要目的是获得油、气、水三相流的总流量和各相流量，由于压力和井况不同，各相体积含率和流动状态的不同，能够准确测量油气水三相流的参数难度较大。通过分析国内外研究成果，油气水三相流计量方案大体可为两种：一是将多相流视为混合单相流，采用常规单相流仪表进行计量，结合相含率分析获得分相流量;二是通过气液两相分离器将气液分离后分别计量气量和液量，再通过含水分析获取水和油产量。基于多传感器组合多相流测量方法可以概括为以下三类： ①单相流量计与密度传感器（或含水率传感器）组合;②单相流量传感器与单相流量传感器组合 ;③双传感器相关分析与相含率传感器一体化组合 也有用双文丘里管进行相关和含率分析的。还有用电容相关、电导相关进行流量和含水率测量的。

稠油井具有流量小、含气率低、原油黏度高、流动性差、原油极易形成乳化原油或发泡原油的特点。国内研发除了多种稠油在线计量的分离型多相流量计设备，基于多传感器组合多相流测量装置的结构原理。它们分别采用了射线衰减互相关与相含率分析、文丘里管与电容、电导、射线衰减等相含率传感器的多传感器组合技术。当面对油井计量问题，由于建设成本、维护困难和安全性等问题，均面临着无法推广的局面。

1.4   功图计量

功图计产方法大体可以分为以下五种： 拉线法、面积法、液量迭代法、有效冲程法，综合分析法。2017年北京安控科技股份有限公司，在安塞油田进行应用和实践，功图计产软件能够在不同的工况下，实现90%以上油井，计量误差小于20%，供液能力较好的油井，可实现误差小于15%。

伴随着红山油田A11 项目中井口数字化建设，仪表本身精度的提高，数据采集精度与传输技术发展，功图采集精度和密度都取得大幅度提高，功图计产的分析依据变得更加充分，所以无论经济性、实时性、维护便利性等各方面来分析，功图计量成为红山油田产液量计量最佳选择。

2      基于稠油的功圖计产方法

结合红山油田的生产工艺现状，提出采用功图的采集仪表故障分析+多元分析模型+单井故障特征库+历史数据分析方法进行产液量计算。

2.1   仪表故障识别

结合游梁式抽油机的运动特性和柱塞泵的工作原理，依据机杆泵生产参数分析求解理论载荷变化范围;将实时采集的地面功图，通过求解泵功图，去除摩擦、振动和加速影响因素，分析实测示功图的最大载荷、最小载荷、液柱载荷变化，确定传感器漂移情况，为油井工况的识别奠定数据基础。

2.2   油井工况的多元分析模型

传统的功图诊断方法有：功图特征法分析、专家系统识别法、频谱分析法、人工神经网络识别法，人脸识别法等。示功图特征分析法：功图能较全面的反应油井的工作状况，但采集精度限制和油井工况复杂性，使该方法存在一定的局限性。专家系统识别法和频谱分析法，需很大程度上依赖人工经验，当示功图发生反转、压缩时，诊断结果将受到图像形状变化的影响，容易产生误差，从而降低了诊断准确率。人工神经网络识别法依赖于大量知识库，需经过大量训练才能达到较高的精度，因此推广难度较大。人脸识别法：人脸识别过程主要包含：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别，采用的依然是传统的数据特征匹配和识别方法，即需采集大量基本模型，然而油井生产是不断变化，不具备人的某些生物特性的不变性原理，因此人脸识别法可以在短期之内提高计产精度，后期使用维护成本极高。

文中系统采用多元参综合分析法，利用标准知识库（SKOF）结合油井典型功图库、异常功图自学习特征库（SLSA）进行油井工况识别和分析。标准知识库（SKOF）解决油井部署前期应用问题，异常功图自学习特征库（SLSA）支持系统自动升级。典型功图库可由现场工艺人员自行选取和添加，无须专业算法工程师进行完善。

2.3   历史数据回归分析

受限于通信和仪表采集偶然误差的和数据缺失，现有的日产统计多是采用平均法，这种方法虽然计算简单，但是误差较大，尤其在遇到间歇性生产的稠油井，由于产量变化频繁，直接平均计算会产生较大误差。通过改进，采用加权线性，以解决油井产液量统计问题。

直接平均计算日产液量3.24 m3/d，若剔除零值求平均值，该井当天产液量为4.32 m3/d;历史数据回归修正后日产液量4.56 m3/d;该井实际计量产液量4.82 m3/d;三种不同统计方法的误差分别为32.8%、10.37%、5.4%。

3      应用效果

目前红山功图量油项目共接入井179口，使用平台计量值的72口。

从2018年7月份至今，完成了平台搭建与部署、计量值对比分析、井况对比分析、模型更新校准、数据库对接、试用版网站部署、周期汇报等工作。平均每天正常开采井数137口，有效采集率83.16%。诊断分析功图数40万+条，功图计产误差在15%以内的符合率达到91.5%，整个片区总体平均误差10%以内，基本能够满足油田生产需求。工况符合率88%，对低产井，复杂井况的井更具有科学指导性。用户对功图量油系统的算法以及工作给予高度的认可和支持。

以油井hD903016为例，该井在7月20日至8月10日期间，为严重欠液油井，该井日采集功图数量较为稳定，平均17.45幅/天;由于产液量低，计量间测量产液量大量为0;8月1日突变为8.5 t/d，其余有值天数7天，5天与功图计产产液量符合;依据数据分析可知：对于低产井，功图计产分析结果更具备科学性，可以指导实际生产。

4      结论与建议

（1）生产物联网在油田应用是科技发展的必然趋势，生产物联网结合相应数据分析系统，可以有效提高生产效率，降低生产运维成本。在红山油田应用中，功图计产误差在15%以内的符合率达到91.5%，完全能够满足油井日常生产管理需要，可以在其他油田进行推广。

（2）功图诊断量液系统是地面设施优化简化是油田降本增效的重要举措，对于降本增效有着至关重要的影响。

（3）功图诊断量液系统是油田精细化管理的重要环节，通过数据自动采集，减少人为录取资料误差，提高油田精细管理水平。

（4）功图计量系统精度受限于仪表采集的精度，因此高精度、高可靠性的仪表是功图计产应用的基础条件。

主要参考文献

[1]陈元千，胡建国，张栋杰.Logistic模型的推导及自回归方法[J].新疆石油地质，1996，17（2）：150-155.

[2]赵旭东.用 Weng 旋回模型对生命总量有限体系的预测[J].科学通报，1987，32（18）：1406-1409.

[3]陈元千，胡建国.预测油气田产量和储量的Weibull 模型[J].新疆石油地质，1995，16（3）：250-255.

[4]陈涛平，胡靖邦.石油工程[M]. 北京：石油工业出版社，2000：460-472.

[5]郭晓飞，常毓文，闫伟，等.一种新的产量预测方法及其应用[J].重慶科技学院学报：自然科学版，2012，14（2）：99-101

[6]高丽洁，檀朝东，程心平，等.基于混沌时序方法的油田产量预测研究[J].数码设计，2016，5（2）：47-51.