长时井下压力监测数据流动过程识别方法研究

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。

基于最大时域瞬态噪声的去耦电容选择方法

针对传统的基于频域目标阻抗的去耦电容选择方法存在过度设计的问题,该文提出基于最大时域瞬态噪声的去耦电容选择方法。首先,利用板级电流可由一系列三角脉冲近似合成这一性质,推导出了去耦电容瞬态电压噪声达到局部最大值的时刻及时域瞬态阻抗应该满足的条件,并通过分析VRM支路最大瞬态电压噪声确定了去耦电容的去耦时间范围;其次,通过研究去耦电容时域瞬态阻抗曲线的性质和特点,制定了去耦电容的选择标准。最后,提出基于最大时域瞬态噪声的去耦设计方案。通过对4个具有典型激励输入的实例进行去耦设计,结果表明,在输入激励条件相同且满足电压噪声要求的前提下,与传统频域目标阻抗法获得的去耦方案相比,该文提出的算法所需电容数量至少能减少24.59%以上。