长时井下压力监测数据流动过程识别方法研究_刘均荣

[1 4]
ψ (t) — ψ (t) 的 通函数族； Wf (a, b) — 小波变换系数； 复共轭； 符号 ⟨,⟩ — 内积运算。 若将小波函数看作某个平滑函数的一阶导数， 则信号经过小波变换后其模的局部极值点与信号 突变点对应； 若将小波函数看作某个平滑函数的二 阶导数， 则信号经过小波变换后其模的过零点同 样与信号突变点相对应。因此， 根据小波变换后模 的局部极值点和过零点即可确定出信号突变点位 置[13
11]
缩后产生一个小波函数族 ψa,b (t)， 然后与一个以时 间为变量的函数 f (t) 作内积而进行的一种线性分解 运算[12] 。 ) t−b (1) ψa,b (t) = |a| ψ a ⟨ ⟩ Wf (a, b) = f (t) , ψa,b (t) = ( ) ∫∞ t−b −1 2 (2) f (t ) ψ dt |a| −∞ a 式中： t — 时间； a — 伸缩 （尺度） 因子， b — 平移因子； ψa,b (t) — 与 ψ (t) 具有相似形状但具有不同支集的带
长时井下压力监测数据流动过程识别方法研究 *
刘均荣， 姚 军， 于伟强
中国石油大学 （华东） 石油工程学院， 山东 青岛 266580
摘 要：利用长时井下压力计监测井下生产在提高油藏和油井管理方面正发挥着越来越重要的作用。在长时井下压 力监测数据的解释过程中， 准确地确定流动变化过程起始时间至关重要， 但由于其庞大的数据量而使得手工划分和处 理这些数据不切实际。基于小波模极值理论和噪声鲁棒微分算法， 利用模拟的井下压力数据对比研究了长时井下压 力监测数据中流动变化过程 （ 突变点） 的识别方法。结果表明： 小波模极值方法的误识别率相对较高， 对噪声比较敏 感， 在采用该方法之前必须对数据进行降噪处理； 而基于噪声鲁棒微分算法的二阶导数识别方法可以准确、 有效地识 别出流动变化过程， 并且对噪声具有稳健性， 可以在不对信号进行降噪处理的情况下识别流动过程。研究结果为自动 处理长时井下监测数据提供了一种新的手段。 关键词：长时井下压力数据； 噪声； 小波模极值方法； 噪声鲁棒微分算法； 流动过程识别
* 收稿日期：2012 – 06 – 01
网络出版时间：2014 – 03 – 25
基金项目：国家高技术研究发展计划 2013AA09A215） 11CX05005A） （863 计划） （ ； 中央高校基本科研业务费专项资金 （ 。
122
西南石油大学学报 （ 自然科学版 ）
2014 年
引 言
为了实时监测井下生产状况， 越来越多的注采 井都安装了长时井下压力计。通过连续测量的压力 数据， 工程师能够了解到井中正在发生的变化， 以 此进行生产调整， 从而阻止意外事件发生， 并优化 原油开采。油田现场过去几年的经验证明， 安装永 久性井下压力测试设备不仅节省油井测试的成本， 而且通过长时井下压力测试数据的解释还可获得额 外的井筒和储层信息。目前， 长时井下压力监测在 提高油藏和油井管理方面正发挥着越来越重要的作 用
。
在长时井下压力监测数据的解释过程中， 准确 确定流量变化对应的时间是获得可靠试井解释结 果的关键之一。由于流量改变会引起压力的突然变 化， 因此通过识别压力数据的突变点可以确定出流 量变化对应的时间。长时井下压力监测数据量大， 采用传统的手工划分流动过程方法费时费力， 自动 识别流动过程正成为研究长时井下监测数据处理与 解释的重要手段
网络出版地址：http： ///kcms/doi/10.11885/j.issn.1674-5086.2012.06.01.01.html ： 刘均荣， 姚 军， 于伟强．长时井下压力监测数据流动过程识别方法研究[J]．西南石油大学学报： 自然科学版， 2014， 36 （2 ） 121 – 127． Liu Junrong, Yao Jun, Yu Weiqiang．Study of Identification Method of Transient Flow from Permanent Downhole Pressure Data[J]．Journal of South： west Petroleum University： Science & Technology Edition， 2014， 36 （2 ） 121 – 127．
式中： n — 多项式次数， m — 系数， m = (N − 3)/2。 滤波器可以计算多项式系数、 光滑含噪数据， 也能进一步计算光滑数据的一阶、 二阶等多阶导 数。在井下生产过程中， 当流量发生变化时 （新的流 动过程） ， 压力响应将出现突变点， 其导数将呈现一 个峰值。因此可以根据一阶、 二阶或者多阶导数中 出现的峰值位置来确定突变点位置， 即新的流动过 程开始的时间。
[5 8]
。通过对比小波模极大值方法
与噪声鲁棒微分算法， 研究了长时井下压力监测数 据流动过程的自动识别方法， 取得了很好的效果。
1 小波模极值方法
近年来， 由于石油行业对长时井下监测技术的 需求和应用越来越多， 如何高效地处理和解释长时 井下监测数据以获得更多的井下/油藏信息已成为 目前的一个发展趋势。被广泛用于信号分析、 图像 处理、 机械故障诊断等领域的小波变换方法， 由于 其具有良好的时频特性， 目前正逐步被用于这类长 时井下监测数据的处理过程中[9 。 小波变换是将母小波函数 ψ (t) 进行平移和伸
Abstract： The real-time monitoring technology of the downhole conditions with permanent downhole pressure gauge is playing an important role in improving reservoir and well management. During the interpretation of permanent downhole pressure data， it is vital to acquire a good well-test result that accurately identifies the beginning time of new transient flow. Due to the large volume of the collected data by permanent downhole gauge， it is impractical to partition and process these data manually. Based on wavelet transform module maximum theory and noise-robust differentiator， the identification methods of transient flow from permanent downhole pressure data are investigated with the synthetic data. The results show that the wavelet transform module maximum method may not identify some key transient flows， and it is sensitive to the noise. The data must be de-noised before using this method. But with the noise-robust differentiator， the transient flow can be identified accurately and effectively using its 2nd derivative. It is robust to noise and can be used to identify the transient flow without data de-noising. The study provides a new automatic method to process the permanent downhole data. Key words： permanent downhole pressure data； noise； wavelet transform module maximum； noise-robust differentiator； transient flow identification
Study of Identification Method of Transient Flow from Permanent Downhole Pressure Data
Liu Junrong, Yao Jun, Yu Weiqiang
School of Petroleum Engineering， China University of Petroleum （East China） ， Qingdao， Shandong 266580， China
西南石油大学学报 （自然科学版）
2014 年 4 月 第 36 卷 第 2 期 Journal of Southwest Petroleum University （ Science & Technology Edition ） Vol. 36 No. 2 Apr. 2014 DOI： 10.11885/j.issn.1674-5086.2012.06.01.01 文章编号：1674-5086 （ 2014） 02-0121-07 中图分类号：TE331； TE353 文献标志码：A
15]
信号奇异性可分为两种类型： 。一般来讲，
第一种是信号幅值在某一时刻内发生突变， 造成信 号不连续， 幅值突变点是第一种类型的间断点； 第 二种是信号中幅值无突变， 但其一阶微分存在突变 且一阶微分不连续。 本文研究的长时井下压力监测数据中由于流 量变化引起的突变点属于第一种类型。由于长时 井下监测数据中可能包含离群点、 噪声信号， 会影 响信号突变点的确定， 所以在识别突变点之前数据 应进行离群点剔除和降噪处理。 目前， 大多采用小波模极值来识别突变点或特 征点。对于小波分解的细节信号， 在尺度 a0 时存 其 在一个点 （ a0 ， t0） ， 使得 |Wf (a0 , t)| < |Wf (a0 , t0 )|， 中 t 是 t0 的邻域范围， 则 |Wf (a0 , t0 )| 即为小波模极 大值， （ a0 ， t0） 为小波模极大值点； 同理， 对于小波 模极小值具有相反的性质。小波模极值实质上是 小波分解后细节信号在某一邻域内的最大值或最 小值， 其对应于原始信号中的奇异点， 因此， 根据 小波模极值可以准确地确定出原始数据中的突变 点或特征点。 在小波族中， Harr 小波是所有正交小波族中紧 支撑性最好的小波， 并且具有不连续性， 与其他紧 支撑性较差的正则和正交小波相比， 能更精确地定 位突变点。 Harr 尺度函数定义为 1 0 t<1 φ (t) = 0 t < 0 or t 达式为