基于ANN的定向井有杆抽油系统悬点示功图特征参数的计算

有杆抽油系统悬点示功图的特征参数是合理选择地面机电设备的主要依据。由于井下工况的复杂性和部分参数难以确定,使得基于求解高维时变非线性方程的传统方法的计算结果存在偏差。本文将传统方法和神经网络相结合,给出了一种能比较精确地确定定向井有杆抽油系统悬点示功图特征参数的方法,避免了建立和求解复杂的非线性动力学方程。首先依据传统方法,计算出简化悬点示功图的特征参数,然后考虑抽油杆柱弹性振动、抽油杆与油管之间的库仑和粘性摩擦、气体和供液能力等因素的影响,利用BP神经网络和RBF神经网络建立了不同工况下悬点示功图特征参数的计算模型。利用现场实测数据对建立的神经网络进行了训练和测试。测试结果表明了本文方法的正确性和有效性。

基于悬点示功图的油井产量动态测量技术研究

针对油井有杆抽油系统无法实现产量连续监测的问题,提出了基于悬点示功图油井产量动态测量方法:首先,基于悬点示功图建立泵示功图模型,然后根据泵示功图计算泵有效冲程,最后动态计算油井实时产量.应用该方法对两口油井的产液量进行了计算,相对误差分别为5.93%和6.87%,研究结果表明,该方法计算较为准确,可以为油井产量动态监测提供参考.

基于FOA-BP神经网络的悬点示功图反演技术

悬点示功图是判断抽油机井生产状况的有效手段之一,针对目前电参转功图的难点问题,提出了一种基于FOA-BP神经网络的抽油机悬点示功图反演方法。采集测试抽油机电功率并将其转化为光杆功率,将抽油机光杆功率和扭矩因数作为网络的输入参数,通过模型训练消除抽油机结构及平衡参数对示功图反演计算的影响,再经过小波变换去噪处理,完成由电动机功率向悬点示功图的反演计算。对现场160井次实例计算表明,反演示功图与实测示功图吻合度达95.18%。基于FOA-BP神经网络的抽油机悬点示功图反演技术为及时、准确判断抽油机系统井下运行状态提供了理论技术支撑。

抽油机井示功图测量方法发展趋势

抽油机悬点示功图是判断抽油机井工况的重要参数,随着对其研究的深入发展,测量示功图的方法也在不断改进。本文综合概述了抽油机悬点示功图的各种测量方法,并简单介绍不同方法的优缺点及未来示功图测量的发展趋势。

高含水期油井气体对泵效的影响分析

根据悬点示功图,判断油井的气影响与油气比、沉没度、井深等多种因素有关.根据抽油泵游动阀的开启条件,考虑采油后期的实际状况,推导柱塞滞后位移的修正计算公式,编制计算程序并应用于现场测试井.结果表明,采用悬点示功图判断气体对泵效的影响存在误差,应采用柱塞滞后位移公式的计算结果判断油井的气影响,尤其是当柱塞位移为0.05～0.40m时.

利用电机工作参数预测油井动液面深度的研究

为寻求一种可靠预测油井液面深度的方法,结合抽油机电机工作参数、抽油机结构及油井液面计算理论,建立电参数反推油井液面深度数学模型。以油井实测电参数、悬点示功图、动液面深度进行验证。结果表明:理论示功图与实测功图面积误差为8.16%,上冲程平均载荷相对误差为1.37%,下冲程平均载荷误差为3.48%,最大载荷相对误差约为2.76%,最小载荷相对误差约为8.802%,动液面深度误差不超过10%。研究成果为油井实时调参提供了理论与试验基础。

一种改进的有杆抽油系统动态建模及仿真

为降低建模复杂度,提出一种改进的有杆抽油系统动态机理建模方法。该方法基于动能守恒原理对传统转动惯量的计算方法进行简化,建立地面系统的动态模型。然后将地面和井下作为一个有机的整体建立有杆抽油系统的机理模型并对其进行仿真研究。以胜利油田辛11-106井为例对该方法进行验证,结果表明该方法不仅简化计算,降低模型对地面设备几何尺寸等数据的依赖,而且能够得到较为精确的系统悬点示功图,使该模型具有更好的推广能力。

有杆抽油系统计算机诊断模型研究

针对垂直井有杆抽油系统,建立适用于计算机分析的数学模型,根据模型确定悬点位移、速度和加速度方程及其曲线,由实测悬点示功数据推导泵示功图,根据泵示功图的有效冲程估算油井日产液量。有杆抽油系统计算机诊断模型经过油田的一级杆和三级杆系统验证,表明该模型符合工程实际的要求。