功图量油技术在实际生产中的应用

功图量油是近年来迅速发展起来的油井计产技术,它以数字化的形式实现了油井产量计量,改变了传统的计产方式,简化了地面集输流程,减少了地面建设投资,降低了工作人员劳动强度。本文针对功图量油使用过程中误差偏大的情况,进行了原因分析并制定了调整方案,大幅度降低和改善了功图计量在实际生产中的计量误差,使其更好地服务于油田生产。     

载荷位移法在功图量油技术中的应用

目前示功图量油技术主要采用有效冲程法计算产量,结蜡和气体等因素都会对计算值产生影响,存在较大的误差。载荷位移法是根据地面示功图中特定载荷对应的位移计算出泵效,然后进行油井产量计算。以流量计法为标准,对研究区内的油井用2种方法进行对比分析,载荷位移法受结蜡和气体等因素影响较小,它的计算值大多在流量计法和有效冲程法之间。综合其他计产方法及沉没度资料,确定泵效修正系数,载荷位移法都能把计算值控制在合理范围内。气体存在可以引起流量计法测量值的增加,却会降低有效冲程法的计算值。结蜡常与严重供液不足、气体影响和固定阀漏失等因素综合在一起。一方面,结蜡增加示功图载荷的变化幅度,可以增加有效冲程法的计算值。另一方面,结蜡井容易造成原油脱气,形成气体影响示功图,降低有效冲程法的计算值。     

油井功图量油技术在李堡油田的应用

目前江苏油田采用的油井计量方法主要有分离器量油、大罐量油、流量计量油等．这些计量方式存在工艺流程复杂、装置多、投资成本高、劳动强度大、效率低等问题。为适应李堡油田简化地面集输工艺、控制投资、提高产能建设整体经济效益的要求．在李堡产能建设中,堡1块油井单井计量应用了油井功图计量技术。     

提高功图量油系统精度研究与应用

数字化功图量油技术是一项新的油井井口计量技术,通过实时采集油井功图数据,分析计算出油井产量等数据,实现了远程油井生产远程监控和实时工况预警。针对目前采油三厂油井功图量油系统应用中存在的问题,选取陕92区块部分油井进行分析和试验,进一步提高了功图计量的精度,满足油井计量要求。     

井下泵功图量液技术探究

油井产液量计量是油田生产管理中的一项重要工作。通过建立多种数学模型,应用matlab数值计算软件,编译了一种功图量液分析程序,通过程序计算与现场实际产液量对比,计算数据能够满足单井产液量计量要求,具有一定的研究应用价值。     

基于改进BP神经网络的页岩吸附量预测模型

页岩吸附是受TOC(总有机碳质量分数)、Ro(镜质体反射率)、T(温度)和p(压力)等多重因素共同作用的复杂过程,常规的等温吸附模型无法对多因素同时作用及随机耦合的页岩吸附情况进行分析。为此,文中总结分析了影响页岩吸附能力的主要影响因素,通过遗传算法和核密度估计法改进了BP神经网络,利用试错法确定隐含层最优节点数为12,从而构建了吸附量预测模型。基于4个岩样、80组吸附实验数据,对BP网络进行训练和检验。其中:75组训练数据的预测相对误差处于±2%,平均相对误差为2.480%;5个检验组的预测相对误差处于±10%,平均相对误差为4.999%,预测值与实际值的相关系数为0.978 9。另外,利用正交试验分析了4个影响因素对吸附量的敏感性,发现其敏感性排序为pTTOCRo。实验结果表明,该模型具有较高预测精度,可用于分析多因素同时作用下的页岩吸附情况。     

抽油机井功图法量油技术先导试验

目前国内各油田采用的油井产量计量方法主要有玻璃管量油、翻斗量油、两相分离密度法和三相分离计量方法等，普遍存在应用装置多、工艺流程过长、投入较多等问题，难以适应地面系统简化优化的要求。近几年随着功图诊断技术的不断进步和自动化技术的发展，随时监测各油井的工况变化以及瞬时、累计产液量的变化成为可能。为此，大港油田公司与石油大学（北京）雅丹石油技术开发有限公司合作开展了抽油机井功图法量油技术研究与先导试验，旨在建立和完善适合大港油田地质、工程特征的泵工况分析计算的量化依据，通过进行理论分析和先导性试验研究，形成一套以“示功图法”计算产液量的理论和方法，为功图法计量技术在大港油田的推广应用作好充分的技术准备。     

两种泵功图量油方法的数学模型及其应用比较

针对国内油田采用小站计量模式无法满足油井自动化精确量油的缺点,选择有效冲程模型和改进的液量迭代模型,采用泵功图进行产液量计算,并用MATLAB编制了一套根据泵功图计算产液量的程序。在有效冲程模型中,通过对泵功图进行预处理,建立曲率计算模型确定阀门开闭点,得到有效冲程;在改进的液量迭代模型中,将传统的液量迭代模型与有效冲程相结合,用GETDATA软件对泵功图进行预处理,并考虑漏失的影响计算产液量。依据胜利油田单级和多级螺杆泵实测数据,用两个模型分别计算产液量,结果表明改进的液量迭代模型比有效冲程模型更接近实际值。     

基于小波包和BP神经网络的潜油直驱螺杆泵系统故障诊断

为准确诊断潜油直驱螺杆泵系统故障,提出了一种基于小波包和BP神经网络的螺杆泵系统故障诊断方法。对螺杆泵在不同工况下有功功率进行3层小波包分解,提取小波包特征能量,然后构造小波包特征能量向量,并以该向量作为故障样本对3层BP神经网络进行训练,实现了智能化故障诊断。仿真结果表明:训练的BP网络能很好地诊断潜油直驱螺杆泵系统的故障。     

基于BP神经网络技术的水淹层评价

油层水淹后,油层的电阻率、自然电位、声学性质以及核物理性质等均会发生一系列变化,而且这些变化同油层的物理性质、注入水性质以及注入量等有关。不同的注水时期,这些变化也是不同的,因而使地质情况更加复杂多变。此时如果仅仅依靠常规测井曲线的变化建立模型来评价水淹层,势必造成很大误差。根据常规测井资料,借助BP神经网络,建立了BP网络模型,用建立的模型对某断块的15口具有试油资料的井进行了水淹级别预测,正确率高达80%以上。结果表明,基于BP神经网络的水淹层识别技术具有良好的应用效果。     

基于BP网络的油气层模式识别技术

文章介绍了如何通过A／D转化把录井参数波形转化为数字资料，并采用模式识别的方法自动识别油气层。准确地识别油层、油水同层、水层、干层等。将BP神经网络的识别方法应用于石油勘探，相比其他解释方法更科学。利用三层的前馈阶层网络对油气层自动识别，不仅缩减了工作量，而且还能精确了解解释结果。一个好的识别模型可以轻易地达到事半功倍的效果，实例证明利用BP神经网络判别油气层效果是令人满意的技术。     

功图计量技术在高气油比油田的应用研究

在分析油井功图计量的技术原理、系统组成及气体对功图计量的影响基础上,引入NolenCorrelation经验曲线来求解进入泵内的游离气与溶解气的定量关系,对气体影响进行修正,提高了含气油井功图计量的准确性。功图计量技术在沙埝油田进行了应用,计量结果的对比分析表明,该技术能够满足沙埝油田油井计量的需要。     

基于BP神经网络技术的储层流动单元研究

黄珏油田方4阜一段储层属低孔隙度、低渗透率储层,储层特性较为复杂,在进行储层参数的求取时存在较大误差.结合取心物性资料、测井资料,选用流动带指数IFZ划分方法将取心井储层流动单元划分成Ⅰ、Ⅱ、Ⅲ类,并建立流动单元的识别和划分标准.在此基础上,利用BP神经网络技术对取心井储层流动单元进行学习训练,与测井曲线建立其相关的学习和预测模型,对非取心段储层流动单元进行预测,明显提高了测井解释精度,为储层精细评价提供一种较有效的研究方法.     

基于地面功图的功图算产模型建立与应用

华北油田拥有抽油机井5000余口,目前的管理模式存在2方面的问题：一是对于已安装智慧油田组件的抽油机井,在数据远程传输通道中断的情况下,功图计量分析系统无法对抽油机井产量进行实时计量;二是对于无网络覆盖的边远抽油机井,目前无法实现远程数字化管控。为此,展开了基于智能终端设备的功图计量分析系统研究,旨在利用智能终端设备的便捷性和可移动性,有效解决以上2方面问题。考虑到智能终端设备硬件存储及运算能力的限制,创新性地提出采用地面功图载荷线法确定有效泵冲程的新思路,建立了一种基于地面功图的功图算产模型,该模型运算简单、精度较高,且易于编程实现,在现场具有较高的应用价值。在华北油田某工区随机选取了8口抽油机井,利用上述模型对其产量进行了计算,计算结果表明,计算产量与真实产量的平均相对误差仅为5.1%,小于10%的行业标准,满足工程应用要求。     

基于BP神经网络的注采比预测

采用编制的计算机程序计算了注采比与水油比法、多元回归法、物质平衡法、GM(1,1)模型和BP神经网络预测法的拟合注采比与实际注采比之间的误差大小,其平均相对误差分别为1.67%、1.08%、19.22%、1.38%和0.88%。对各种预测法产生误差的原因进行了理论分析,得出BP神经网络预测方法的精度最高,而且具有较好的自适应性,能够反映影响注采比的各种因素与注采比的内在关系。因此,BP神经网络方法可用于预测油田注采比。     

便携式功图量液仪通过局级鉴定

由大庆油田设计院和大庆石油管理局采油八厂共同研制开发的“便携式功图量液仪”已于1994年6月25日通过大庆石油管理局的技术鉴定。“便携式功图量液仪”的工作原理是：将抽油机每冲程的抽吸量累加得到产液量，即通过检测下冲程时泵内活塞接触泵筒内液面的位置而确定每冲程提升     

基于BP神经网络的钻井安全事故预测

对钻井工程作业进行事故预测,可以有效地减少生产安全事故带来的不良影响。为进一步研究机械伤害事故和机械伤害事件的发生规律,采用随机分配的42个月的历史数据为训练样本,剩下12个月的历史数据为测试样本,引入BP神经网络建立预测模型,并对预测的结果进行分析。结果表明,使用BP神经网络模型所预测出的事故事件数量与真实数据相接近。因此,此预测模型对进行钻井工程作业的事故事件预测具有可行性。     

基于BP神经网络的压裂参数优化设计

神经网络技术在油气田开发领域得到了越来越广泛的应用.应用BP神经网络原理,结合气井压裂参数,建立了压裂气井产能仿真模型,并应用该仿真模型预测了不同岩性参数、电性参数、工程参数的压裂气井产能,平均误差为0.03%,表明仿真模型准确可靠.在此基础上分别对高产、中产和低产气井压裂施工参数进行了优化设计,得到了最优的排量、液量、砂量、砂比、液氮量等施工参数,气井平均增产幅度为15.9%.结果表明优化的施工参数可以用来指导气井压裂施工,有利于提高气井的压裂效果.     

基于改进BP神经网络的天然气需求预测

天然气能源清洁、无污染,其发展受到了广泛重视。准确地把握、预测天然气未来的需求,将有助于制定合理的规划,促进天然气工业的可持续发展。应用附加动量法改进BP神经网络,建立天然气需求预测模型,可以有效避免BP神经网络容易陷入局部极小值的缺点,对天然气需求的短、中期预测具有较好适用性。预测结果表明,未来10年天然气的需求仍很强劲,国内天然气供应难以满足长期需求,需要制定相应的天然气供需策略。     

基于BP神经网络的原油含水率数据处理

原油含水率是油田开发状况的重要参数指标。由于原油含水率的测量受到多种因素的影响,且与其影响因素具有复杂的非线性关系,测量精度很难取得令人满意的效果。采用BP神经网络对原油含水率的测量数据进行处理,建立了原油含水率预测模型,使原油含水率的测量精度得到了改善。