BP神经网络在脱气井产出剖面测井解释中的应用.docx

1、第40卷第2期2016年4月测井技术WELLLOGGINGTECHNOLOGYVol.40No.2Apr2016文章编号：1004-1338(2016)02-0234-05BP神经网络在脱气井产出剖面测井解释中的应用王倩(大庆油田有限责任公司测试技术服务分公司.黑龙江大庆63453)摘要：油井开发后期.因流压降低脱气.井筒中的两相流动变为三相流动.原有的测井解释方法已不再适应为了研究三相流产出剖面相关参数计算方法在模拟井进行三相流产出剖面测井实弦模拟实验采用由涡轮流量计电导探针含水率计及压差密度计组成的多参数组合仪进行实验在三相流模拟井中获得3个原始参数：涡轮转敷持水率及混合密度应用时间序列统

2、计分析方法在时域中提取压差密度计响应值的6个特征量用这6个特征量及实验获得的3个原始参数.共9个反映三相流动特性的特征量作为输入向量.运用BP人工神经网络进行训练对总流至液相流量及含水率进行预测效果良好将该方法应用于现场试验井取得良好效果关锻词：测井解释；神经网络；流量模拟实验；含水率；三相流；密度中图分类号：P63L84文献标识码：ADoi：10.16489/j.issn.1004-1338.2016.02.021ApplicationofBPNeuralNetworktoDegassedWellProductionProfileLogInterpretationWANGQian(Loggi

3、ngatidTestingServiceBranchCompany»DaqingOilfieldCompanyLTD.,Dnqitig.HeilonRjianR163453,China)Abstract:Inthelatestageofoilwelldevelopment.becauseflowingpressuredropleadstooilwelldegassedandthetwophaseflowbecomesthethree-phase-flow,'heoriginalloginterpretationmethodswerenolongeravaliahle.Inor

4、dertoresearchthethree-phase-flowrelatedparameterscomputingmethod,simulationexperimentsweremadebyathree-phase-flowmulti-parametertool.Thetoolwascombinedwithturbineflowmeter*conductivityprobewatercutmeteranddifferentialpressuredensimeter.Experimentsweremadeinthethree-jlvise-flowtestfacilityandobtained

5、threeoriginalparameters：turbinerevolutions«waterholdupandthemixeddensityStatisticalanalysisoftimeseriesmethodinthetimedomainisusedtoextractsixcharacteristicvectorsofdifferentialpressuredensimeterresponsevalue.'Thesesixvectorsandthreeoriginalparameterswhichareobtainedfromexperimentsreflectth

6、echaracteristicsofthree-phaseflow.Usingtheninevectorsastheinputvectors*wetrainedtheBPartificialneuralnetworkiopredictthetotalflowrate*liquidflowrateandthewatercut.Themethodwasappliedtofieldtestwell*andalsoachievedgoodeffect.Keywords:loginterpretation；neuralnetwork：flowsimulationtest；water-cut:three-

7、phaseflow；density0引言大庆油田进入开发后期.伴随着高含水产生的问题就是流压降低.许多产出井脱气严重.井筒中存在油气水三相流动三相流产出井.使用两相流仪器及解释方法获得的资料进行评价并不可靠.三相流产出剖面测井在大庆油田仍有适用性大庆油O田从20世纪70年代开始.利用集流型低能源测量的方法解决三相流的问题.并逐步研制了遥测三相流产出剖面组合测井仪.其中.密度及持水率的测基金项目：国家科技重大专项大型油气田及煤层气开发子课题油气田开发动态监测测井系列技术与装(2011ZX05020-006)作者简介;王倩.女.983年生.工程师.从事测试资料解释方法研究及数据处理工作.Email

8、：wangqianl210216650660065506W06450量依靠放射性镉密度计.在油田产液剖面测量中取得较好的效果因为环保等问题.放射性流体密度测井越来越受到制约.逐渐被弃用大庆油田研制成功非放射性环保型压差密度计可以与现有的持水率计以及涡轮流量计配接.满足现阶段油气、水三相流产出剖面测量的需要对于井下多相流斯井解释模型的选择.吴锡令郭海敏等7选用物理模型.从多相流动机理出发.建立已知量与待求量之间的数学关系因为在求解过程中需要对实际物理过程进行简化.相关参数的选择也需要先对流型进行判断.模型的可靠程度受到较多因素影响金宁德等W运用统计模型和软测量模型解决三相流问题.取得不错的预测效

9、果统计模型利用回归分析处理测量物理量与所求物理量之间的关系软测量方法则不需要考虑物理模型的建立.可以避免复杂的数学运算及计算过程中的误差传递本文利用涡轮流量计压差密度计与电导探针含水率计的组合仪在三相弟模拟井中进行实验考察已知密度涡轮转速及持水率的条件下三相流相关参数的求取方法.选用渺神经网络预测三相流相关参数该方法在现有条件下能较好地解决问题1室内模拟实验1.1实验装置及仪器模拟实验在三采实验室的多相流模拟井中进行一模拟井高度为2m.由2个管道组成.通过对阀的开关动作可以设定其中的一个为进液管.另一个为出液管实验装置其他重要部分还有油水分离储存供给装置和流量控制部分实验介质采用柴3水和空气模

10、拟井油水的最高流量可以配比到、60（）n?/d.气的最高流量可以配比到2500m3/d.油水的最低流量可以配比到q2m3/d.气的最低流量可以配比到3m3/do，盅度0*好廿，含水60%客度0成,含水70%250广。，图2仪器瞬时响应值密度.含水浏实验所选仪器为伞集流的电导探针含水率计压差密度计和涡轮式流量计组成的产出剖面组d仪仪器测量的参数包括持水率混合密度及涡轮转数仪器在模拟井中的连接方土从上至下依次为上扶正器压差密度计电导探针含水率计涡轮流、量计1.2模拟实验方案实验条件为常温常压.实验介质为油气、水三相总流量变化范围380m3/d.流量设令点为3、5、1O、2O、3O、4O、5O、7O

11、、8Om3/d：含水率变化范围为0100%.以10%为步长变化：密度变化范围Q20.9g/cm，.以q1g/ci/为步长变化。依据实际配比状况共录取三相流实验数据248组2实验数据分析及处理2.1实验数据分析根据实验数据绘制不同密度不同总流量下的涡、轮响应（见图1）,从图1中可以看出密度为Q7Q9g/cn?,随着总流量变化.涡轮响应基本上食持直线：当密度为a2Q6g/cin3.总流量小于30m3/d时曲线出现上翘现象即随着含气量的升高仪器响应不再是线性建立数学模型有一定的难度O以40m3/（I流量为例.观察压差密度计与探针持水率计的瞬时响应值（见图2）。相同密度、不同倾000150020002

12、5000035004000来打点W个110100液样点就'个裘度Q.6e-cm*,含水60%-密度冲',含水60%*度<18gn，含水40md流砍电9探郴蒯t电应伙含水率条件下压差密度计瞬时响应值不同幅度也有变化在相同含水率不同密度条件下.电导探针持水率计响应值也有不同.幅度变化差异较大.即三相条件下.对于流型的复杂变化.仪器的瞬时响应有一定反映因此可以通过提取每个瞬时值的特征参数作为输入预测三相流相关参数OZ2实验数据处理利用Bp人工神经网络预测三相流各项参数.可以避免解释过程中复杂的数学运算依据该算法建立三相流参数预测结构图(见图3)<利用压差密度计每个流量点瞬

13、时响应值在时域中用时间序列统计分析方法提取6个特征量分别为最大值.Tmoxmax(.Ti.r2.J,)(1)最小值ignminGi.灼0”)(2)标准偏差(3)非对称系数“=户(4)(一1)sciz.V(r.r)4峭度系数做=()_3(5)(3-1)2变异系数cv=scl/mean(6)式中.反映不同含气量条件下压差密度计*max、/min响应的波动范围：标准偏差反映测量数据的离散度：非对称系数反映样本绕均值的非对称程度:峭度系数ck用于表示样本分布与正态分布的偏离程度：变异系数e是高散程度的一个归一化量度室内实验共录取三相流数据248组.剔除坏点.共有可用数据238组.随机选取葺中70%作为

14、训练样本.30%作为'测试样本.训练样本167组.测试样本71组考虑到3层BP网络能逼近任意函数.选用的bp人工神经网络的模型结构为3层输入层有9个变量(r伽YwXnux*a*ma>sd.C5.cZ：.CV)隐层节点数选择为19.训练步数为1500.输出层节点数为3个输出.分别为总流量q、液相流量Q、含水率匕激活函数选用双曲正t力函数tanh(.r)，选用Levenbery-Marquardt(非线性阻尼皈小一乘法)优化算法对神经网络分别进行训练学习一71组测试样本的预删结果及误差情况见图L图4中.大部分数据点总流量与液相流量预测结果较好.但是含水率预测误差较大.分析原因是由于电

15、导探针持就景出ar4060$io样本饱'个80604U»°O(_.p,£襄建王篝20406080祥木个"总流更枷'雌»40样本个tft，'个60RO液岫出026406080楸木仲，个图4总流量、液相流量及含水率预测结果水率计含水率有效测量范围为50%100%.而实验数据的含水率配比范围则是从10%100%.超出仪器测量范围部分的测量值已经失真.影响预测结果将训练样本和测试样本中的10%40%含水的实验点删除.剩余50%()0%含水的实验点77组.选取其中57组作为训练样本.其余20组作为测试样本分别对总流量q液相流量q及

16、含水率K*进行预测57组训练窘本BP网络预测结果qZ、K“的真值与预测值匹配图见图5。图5中.训i练样本"中的预洌值与配比值误差很小，几乎都在45。线上用训练样本得到的Bp网络对20组测试样本进行仿真预洌结果见表1测试样本预测结果与Ao配比值符合图见图6对测试样本中预洌的总流量计算平均绝对误差IQ“.唯一Q“.expI和平均相对误差Saapd=Q”.咛二Q""X100%分别为WtnEXP().93m3/d和L71%用同样方法计算预洲液相流量的平均绝对误差和平均相对误差分别为248n?/d和6.54%.预测含水率的平均绝对误差和平均相对误差分别为6%和&72

17、%一从计算结果可以看出.剔除10%40%含水率点.各参数均取得较好的预测效果目前油田处于高含水开发.利用高含水实验数据建立模型进行预测符合实际需要图5训练样本0,、0和K.配比值与预测值表I测试样本预测值与真值误差表配比Q,预测Q相对误差/%配比Q预测Q相对误差/%配比K,预测K.相对误差,，8aoo8aooaoo72507125L73a9oa99la457Q007aooaoo63L5066274.36a90a829.375Q0047.495.024&504391349a90a9910.454Q004aooaoo3&5033677.74a90a829.208Q008aooaoo

18、64.5067.06a97asoa8o0.327Q007aooaoo5&506Q02&22asoa79a716Q006aooaoo4&504a47L99a8oa773.165Q005aooaoo4a504154Z56asoa75&054Q004aooQ0032503257a22asoa73&603Q003aooaoo215027.75IX28asoa6617.958Q008aooaoo56506L879.51a7oa64&117Q007aooaoo49.505350&09a7oa674256Q006aooaoo42504417a94a7o

19、a571&945Q005aooaoo35l5037.24t91a7oa63IQ183Q003aooaoo21.50266924.16a70a723.207Q0064.537.81425051432L00a60a6610.806Q0059.84a273&503657a19a6oa55&802Q002aooaoo12501293a42asoa6i21765Q004aoo2Q002&5024264.86asoa51Z694Q0039.56L102a502154i09asoa559.31图6测试样本0、Q|和K.配比值与预测值密度测井.该井井口计量产量为32nF/d.含

20、水二现场应用中例屹19%。解释结果井口产量为30.869n?/d.含水3乳切9375%.与井口计量相吻合利用该软件解释的液用本文提出的方法解释脱气井8口.效果良好相流量及含水率与静态资料相比符合较好表2为北4-100-丙250井.使用仪器为电导探针加表2北4100丙250井低含气三相流测井解释成果表层位深度/m实测数据解释数据流量(msd-1)密度(gcm-1)持水率/%液相流量/(gcm-3)含水率/%S11S111045.886Q71782.463a8699175S13(l)S13-51053.863a747827253109L25S14+5S14+5(31060.448a817&82a93089.93S25+69H)S25+6(2)1091.044a86779.71&1048294S210+11S210+ll(2110&629a89577.67U8047&9