井下混合流体光谱在线分析技术研究

孔笋, 沈阳, 张小康, 尤国平, 褚晓冬, 冯永仁

(中海油田服务股份有限公司油田技术研究院, 河北 三河 065201)

0 引 言

制定高效的油田开发方案,需要分析储层流体样品的物理及化学特性,这意味着在取样过程中要获得尽可能纯净的储层流体。然而,在实际取样过程中外部流体容易侵入到地层流体中,造成原始地层流体污染。当污染物和地层流体不能混溶时,必须保持很低的污染物程度才能收集到足够量的原始地层流体[1-2]。在中国,常用的钻井泥浆滤液是水基泥浆,当水基泥浆侵入原油带,会给原油采样造成阻碍。因此,监测地层油水比例变化对收集纯净的地层流体样本十分重要。

由于油水不能互溶,在混合流体流动过程中,每一时刻的油水混合状态都不同,因此想要实时计算得到准确的油水比是目前测井行业需要面对的技术难题[3-4]。近几十年来,近红外光谱实时分析技术已经成为测井领域里的高端测井技术[5]。该技术一方面具有无损检测、速度快、效率高、测试重现性好、测量方便的特点;另一方面能有效反映被测物体信息特点,提高测量精度[6]。基于已研制的光谱短节,设计并搭建了一个油水混合实验平台。通过大量实验和理论研究,本文提出一种基于近红外光谱分析技术的油水比例测量方法,用于监控地层流体的污染情况,直到流体管线中污染情况最低时进行采样。

1 近红外光谱测量原理

含氢基团X-H(如C-H,N-H,O-H等)的分子吸收红外辐射后会改变分子中化学键的振动能态。近红外区域在700 nm到2 500 nm之间,发生在该区域的吸收谱带对应分子基频振动的倍频和组合频。不同基团或同一基团在不同化学环境中的近红外吸收波长与强度都有明显差异,通过近红外光谱提供的丰富信息,可以对含氢有机物质进行定性或定量分析[7]。

在近红外谱段,水基泥浆的O-H键有2个特征谱带:1 440 nm(O-H伸缩振动的一级倍频)和1 940 nm(组合频);原油的C-H键在近红外光谱区有一个特征谱带,在1 720 nm(一级倍频)处。根据朗伯比尔定律,油水混合物的特征谱带即水与原油特征峰的线性叠加。图1为水、柴油和原油近红外光谱曲线。从图1中可以明显看出水在1 440 nm和1 940 nm处的有2个特征峰,柴油和原油均在1 720 nm处的有一个特征峰。结合油和水的光谱特征,通过化学计量学方法可以有效计算出混合流体中各组分的含量。

2 实验部分

2.1 光谱仪器

图2为光谱短节中的近红外透射检测系统原理图。光源透过光学窗口,通过光纤传输,经过滤光片到达探测器。该光谱仪器设置了6个中心波长点,其中包含2个水峰波长点,1个油峰波长点,其余3个波长点为参考波长。探测器进行光电转换后,由采集电路系统控制光谱采集及输送到计算机处理。数据采集频率为5帧/s。

图2 近红外光谱检测系统

到目前为止,该光谱仪器已在胜利油田和渤海区域油井测试多次。在高温高压下,该系统能长时间连续工作并且各项功能正常。多次测试采集到的光谱数据稳定可靠,能够真实反映井下流体变化情况。

2.2 样品来源及实验设计

实验原油样品来自渤海区块某油井,水基泥浆由化学实验室按比例调配,经过滤网过滤后的泥浆滤液主要成分为水。

预测油水比需要预先建立油水混合流体的数学模型,即建立不同油水比例的混合流体光谱与流体组分含量之间的定量数学关系。这就意味着需要采集一定数量的、具有代表性的混合流体光谱样本。

为采集两相流的光谱,设计了1套油水混合实验装置。首先将原油和泥浆滤液分别注入2个样品桶中,通过2台蠕动泵分别控制2种流体流速,从而实现油水按比例混兑。原油和滤液混合后流入光学窗口,待管线里充满流体后,开始采集光谱。

由于油水不互溶,即使在特定比例下,每一时刻进入光学窗口的油水混合形态都可能不同,因此采集到的瞬时光谱值是一个随机变量(见图3)。当混合流体的油水比例一定时,虽然每一个瞬态吸收光谱都不同,但根据统计学原理,在一段时间内,n个瞬态光谱构成的随机序列会依分布向常数收敛,即收敛至一个稳态光谱值。

图3 油水混合截面示意图

井下抽吸地层流体过程中,开始时进入到光学窗口的是泥浆滤液,随着原状地层流体的进入,滤液成分越来越少,原油越来越多,直至抽到纯净的地层流体。在实验过程中,通过配比原油和滤液的混合流体模拟井下污染过程,含油率分别为0,5%,10%,15%,20%,…,90%,95%,100%,一共21个梯度,每个梯度采集时间100帧,1个梯度重复4个样本,并将其平均光谱作为该样本的原始光谱,样本数21个。

2.3 光谱预处理

采集到的原始光谱为6个中心波长点的离散光谱。原始的光谱采集中存在严重的光谱漂移。一阶导数是最常用的基线漂移校正方法,但是实验中采集到的为离散光谱并不能直接进行一阶导数[8]。因此,本文采用三次样条插值方法对离散光谱进行插值后得到连续光谱,波长范围在800 nm到1 950 nm之间(见图4)。为消除光谱采集过程中产生的随机噪声、光谱偏移和基线漂移等问题,先对原始光谱进行平滑预处理,消除噪声干扰,然后使用一阶差分导数法放大差别,消除基线和其他背景干扰,提高分辨率和灵敏度。

图4 不同比例油水混合光谱图

2.4 校正算法

本文采用K-S方法从21个样本中选出5个样本作为验证集(约为20%),其余样本则作为校正集。在前面光谱预处理基础上,采用偏最小二乘(PLS)方法对数据进行特征提取及降维,PLS法[9]是对原始变量进行线性组合计算主成分,该主成分即PLS主因子,然后将PLS主因子作为新变量进行多元线性回归。

3 结果与讨论

3.1 建立模型

为了比较光谱预处理对建模的影响,设计了3组实验。第1组实验是直接使用离散光谱进行建模;第2组实验是对离散光谱进行插值后,接着对插值后的连续光谱进行一阶导处理,然后提取出中心波长点对应的光谱值构成校正后的离散光谱;第3组实验是使用插值后的连续光谱,经过光谱预处理后,直接建模。

3组实验建模得到的预测残差平方和曲线(PRESS)和实际值—预测值图见图5。从图5可见,3组实验的最佳主成分数分别为4、5、5。图5的实际预测图为3组实验分别选择最佳主因子数时的建模效果。表1通过校正集相关系数RC、验证集相关系数RV、校正标准偏差SEC、交互验证的校正标准偏差SECV这4种指标对3组实验模型的质量进行评价。当RC、RV越接近1,说明建模和预测的效果越好;当SEC、SECV值越小,表明模型回归得越好。从表1中可以看出校正后连续光谱的建模效果要明显优于原始离散光谱和校正后离散光谱。

表1 3组实验的统计参数比较

3.2 模型预测

模型建立完成后,为了验证模型的有效性,对5个未知样本进行了预测。表2为3组实验的预测结果对比。

表2 3组实验对5个未知样本的预测

第1组实验是直接采用6道波长点对应的吸光度进行建模,其中油水特征信息主要在4、5、6通道里。由于原始离散光谱存在一定的基线漂移和背景噪声,因此模型在预测时存在一定的误差,最大绝对误差达0.084 6,平均误差为0.043 28。

第2组实验是对离散光谱连续化以及一阶导处理,然后提取出中心波长点对应的光谱值进行建模,虽然对原始光谱进行了消除基线漂移和去噪处理,但经过处理后的光谱损失了大量的有效信息,从而导致预测误差偏大,最大绝对误差达0.054 8,平均误差为0.043 38。

图5 3组实验结果对比

第3组实验是对离散光谱连续化及光谱预处理后,使用PLS对800 nm到1 950 nm波段连续光谱数据进行特征提取及降维,然后选取最佳主因子数建立模型。与离散光谱相比,连续光谱一方面增加了光谱信息量;另一方面增强了校正模型的稳健性,从而使预测效果达到最好,连续光谱模型的预测最大绝对误差0.029 5,平均误差为0.008 14。

实验结果表明校正后连续光谱预测精度最高。

4 结 论

(1) 在井下流体的污染程度实时监测过程中,由于原油和水基泥浆的不相溶,使得油水比例的测量存在一定的难度。

(2) 提出了一种基于近红外光谱分析技术的油水比例定量测量方法。在实验中,首先搭建了一个油水混合实验平台,利用自主研发的近红外光谱模块采集不同比例下的油水混合流体光谱图。

(3) 基于采集的近红外谱图,设计了3组不同光谱处理方法,采用PLS方法建模,并进行了相互比较。实验结果表明该方法解决了两相流的光谱采集问题,还能够较准确地预测出未知样品的含油率。

(4) 3种处理方法结果表明,采用校正后连续光谱的建模效果明显优于另外2组离散光谱的建模效果,并具有较高的预测精度。

参考文献:

[1] Mullins O C. The Physics of Reservoir Fluids: Discovery Through Downhole Fluid Analysis [Z]. Sugar Land: Schlumberger, 2008.

[2] Mullins O C, Schroer Jon, Beck Gary F. Real-time Determination of Filtrate Contamination During Openhole Wireline Sampling by Optical Spectroscopy [C]∥SPE, 63071, 2000.

[3] Hines D R, Ville L. Method of Analyzing Oil and Water Fractions in a Flow Stream: United States, 5331156 [P]. 1994.

[4] Smits A R. In-situ Optical Fluid Analysis as an Aid to Wireline Formation Sampling [C]∥SPE, 26496, 1995.

[5] 匡立春. 电缆地层测试资料应用导论 [M]. 北京: 石油工业出版社, 2005.

[6] 陆婉珍. 现代近红外光谱分析技术 [M]. 北京: 中国石化出版社, 2000.

[7] 褚小立. 化学计量学方法与分子光谱分析技术 [M]. 北京: 化学工业出版社, 2011.

[8] 吴海龙, 康超. 化学计量学实用指南 [M]. 北京: 科学出版社, 2012.

[9] 杜一平, 潘铁英, 张玉兰. 化学计量学应用 [M]. 北京: 化学工业出版社, 2008.