基于神经网络的示功图量液测量技术的研究与应用

韩光 李兵元 韩梦蝶

[摘 要]目前，油井产液量计量以分离器为主，存在建设成本高、计量效率低等问题。随着技术的发展与进步，功图计量逐渐发展为一种高效、低成本的软件计量方式。基于此，本文结合油田作业过程特点，研究了基于神经网络的示功图量液测量技术，并结合其具体的应用，指出当前该项技术中存在的问题，并提出相应的优化措施。

[关键词]神经网络;示功图量液测量技术;油田

0     引 言

油田在生产过程中，采用分离器计量的方法计量油井产液量。随着计量站的建设与应用，成本较高的劣势逐渐突出，所以油田企业开始使用基于神经网络的示功图量液测量技术，并不断优化和改进传统的测量技术，基本满足了该油田陆上开采的各种计量要求，大大提升了该油田的综合效益。

1     应用示功图量液测量技术的原理

1.1   示功图量油原理

示功图量油技术建立在传统的功图量油技术基础上，为采用综合分析技术的功图量油技术，通过安装使用传感器，在计算机技术的支持下，开发了抽油机井的泵功图。目前，示功图法油井计量技术逐渐成为油田开采作业过程中使用最普遍的一种方式，主要根据游梁机和油井产液量之间的关系变化更好地直观演示基于有杆泵稠油系统进行复杂振动的过程。该振动系統在各种基础条件的影响下，会对外部的一些因素发生反应，通过有效分析对泵功图，可以确定泵的冲程、漏失、充满程度、充气情况等影响因素，并很好地计算出油井下泵的具体排量数据，最终计算出有效的排量，以完成量油的效果。

1.2   常用示功图量油技术的优缺点

常用的示功图量油技术在应用过程中，主要有拉线法、面积法、液量迭代法、有效冲程法和综合诊断法等方法，不同方法之间的适用范围不同。其中，拉线法主要适用黏度较低、供液量优良、动载阻尼和惯性作用较小的油井，数字化应用不明显。面积法与拉线法之间的应用区别主要表现在求解的过程不同。在泵功图的处理过程中采用面积法计算产液量的情况，存在一定的局限性，所以该方法并没有得到大面积推广和使用。液量迭代法在使用过程中，可以计算得出准确的液量数据，但是并不能及时反映出每个时间段的变化情况，存在一定的局限性。在建立有杆抽油系统振动模型和采用数学方法建模求解等基础上，可以使用有效冲程法，但在计算过程中，一旦一个环节出现失误，会造成整体的计算结果错误。综合诊断法主要结合油井发生故障进行表现，并有效提升冲程计算精度，但在计算过程中需要进行人工配合，系统不能完成自动化分析和计算任务。

2     基于神经网络的示功图量液测量技术研究

在实际的油田生产过程中，技术应用水平不断提升，为了更好地减少现有计量方法中存在的问题，本文开展了基于神经网络的示功图量液测量技术的研究工作，主要从以下几个方面进行研究。

2.1   示功图识别模型的优化

优化示功图识别模型主要在数字技术的应用过程中，能够改善原有的功图识别不准确的现象，在油井的计量工作中，悬点示功图的影响因素较多，如受到泵的各种运行情况的影响，载荷分布的情况变化较大，功图的形状也会不断发生变化，影响最终计算结果的准确性。而采用模型补充方法，可以有效识别凡尔开闭点，从而更好地保证最终计算结果的准确性。

2.2   仪表漂移分析

有杆抽油系统在运行过程中，根据内部的结构特点，可以更好地计算出系统荷载的有效范围。在此基础上，不断减少振动产生的载荷、惯性作用产生的载荷和摩擦力的综合作用，并根据悬点载荷和液柱载荷的综合情况，很好地计算出载荷传感器的漂移情况，为更准确地计算油井产液量的数据奠定基础。

2.3   多元参数综合分析

示功图可以很好地反映油井的实际情况，但计算结果的准确度和精确度较低，使用该方法会受到一定的局限性。多元参数综合分析技术的应用，是在悬点示功图、油井压力、油井温度、电力参数等数据的基础上，对井下和井上发生的故障进行有效的诊断。使用这种方法分析各种数据，会在不同因素的变化过程中，及时计算各种因素的影响作用，从而构建实时模型。一般情况下，在使用这种方法进行阈值诊断的过程中，会通过系统自动计算和人工确认的方法进行计算，从而建立相应的故障数据库，在后期发生相同故障时，可以实现系统自动处理。

2.4   产液量计算模型

油井产液量的计算需要综合考虑多种因素，不仅要反映示功图的面积、抽油泵的漏失、气体、冲程、载荷、泵径、泵深等因素，还要根据不同的计量模型有效计算实际的示功图计量准确性和适应性。

2.5   系统原理

随着各种施工作业技术的不断进步，在油田作业生产过程中，基本形成了一套有效的研究理论。首先，对系统中涉及的各种数据进行合法性和准确性分析，并在确定基础数据没有错误的基础上，重点关注表现不正常的数据，并结合传感器的使用判定系统漂移情况，有效识别示功图模式。在此基础上，还要根据不同的模型计算方法计算油田油井的产液量，在各种历史数据的基础上，结合多元分析方法判断故障，并结合神经网络的优势，完成系统的自动化升级和优化处理。其次，在分析故障的过程中，要根据不同的油井故障进行分析，但是在所有的故障判断过程中，一定要应用仪表漂移分析技术，通过整合应用智能终端和手持终端，有效显示和标定仪表。最后，在使用综合分析法的过程中，要有效分析抽油机井的实际运行故障，并在故障基础上，结合综合分析法的应用优势，通过应用神经网络技术，建设各种数据库，以提高故障的检测效率和产液的计算效率。

3     基于神经网络的示功图量液测量技术的应用效果

在油田的开采作业过程中，应用基于神经网络的示功图量液测量技术产生的效果主要表现在以下3个方面。

3.1   符合油井的情况

在油田生产作业过程中，以60日为试验周期，分析得出产液量的误差由之前的15%减少到10%左右，有效控制了产液量的误差。在对各种抽汲参数的分析过程中可以发现各种数据的变化都在规定的范围中，符合油井的实际情况。

3.2   可标定油井情况

在对该油田的某油井作业施工的分析中可以发现，使用基于神经网络的示功图量液测量技术时，液量产生的误差被控制在1%以内，通过分析各种标定的油井可知，使用这种计量技术之后，分离器和功图计产生的结果都相对稳定。

3.3   不符合油井的情况

在实验过程中，还存在一種不符合油井的情况，在这种油井的作业施工过程中，通过分析各种数据可以发现，数据的准确性会出现间断性的失误现象，但整体的数据误差被控制在30%以内，分离器也会出现偶然性的误差现象。

4     基于神经网络的示功图量液测量技术应用中的注意事项

4.1   识别示功图采集仪表

在当前基于神经网络的示功图量液测量技术应用过程中，油田的示功图数据采集使用的各种仪器设备在精确度上有一定的标准，比如，位移使用的测量传感器，产生的误差被控制在1%以内，不同冲程的抽油机产生的误差也会有所不同。比如，冲程在3 m和5 m的情况下，冲程差会表现出不断变大的特点。分析该油田所有油井的过程可以发现，不同的油井功能及不同的变化，都会产生不同的错误。正常的抽油泵，设计的漏失在2%～4%，但是抽油泵在实际运行过程中，会受到腐蚀、锈蚀、磨损、结垢等因素的影响，出现漏失量增大现象。因此，在识别示功图的过程中，油田企业需要综合多种因素的实际影响进行综合分析、综合识别。

4.2   长期漏失油井的排查

在油田的油井施工作业过程中，都会或多或少地存在油井油管漏失现象，如果现场的传感器发生了位移，示功图的计量产液量的系统将不能准确分析油管的漏失现象，从而造成计量结果与实际的结果之间差距较大。针对这种现象，油田企业要在计量过程中进行人工改正和优化。比如，在油田作业过程中，各种基础的数据都正常，在最小载荷和最大载荷的综合分析中可以发现，在载荷不断变小的过程中，抽油机泵的充满度不断发生变化。因此，想要判定油管漏失产生的计量误差，必须要求现场的施工人员和管理人员及时有效地排查油管漏失现象，并结合以往的历史数据更好地处理漏失现象给企业带来的影响。

5     结 语

本文结合油田作业过程特点，研究了基于神经网络的示功图量液测量技术的相关内容，并总结出在当前的技术应用中存在的问题，进而推动技术升级，将油井的实际产油量的误差减少到最小，以符合日益提升的油田开采计量标准和计量要求，提升油田开采的效率和质量。

主要参考文献

[1]杨东旭，赖惠成，班俊硕，等.基于改进DCNN结合迁移学习的图像分类方法[J].新疆大学学报：自然科学版，2018（2）：73-80.

[2]吕孝孝，王旱祥，刘延鑫，等.故障工况下有杆泵采油系统运行特性及示功图研究[J].中国石油大学学报：自然科学版，2020（2）：117-126.

[3]李明江，黄天虎，吴利利，等.基于油井示功图的低产低效井间开技术研究及应用[J].石油化工自动化，2020（2）：83-85.

[4]宿晶鑫.浅议示功图在油井管理中的应用[J].化工管理，2019（35）：242.