基于超声波反射法的油田注水井管柱腐蚀识别

魏 军

(长庆油田分公司第七采油厂,环县 745000)

随着科学技术的快速发展,油田开发工程日渐成熟。作为整合地质、勘探、钻井、储运、采油等多个行业的综合性工程,油田开发工程严格遵守国家对原油生产的要求。油田注水井[1]是油田开发过程中用来向油层注水的井。由于地层压力的稳定性直接决定油田开发的效果,而溶解在原油中的天然气极易在油田开发途中从油层内逸出,并游离到空气中,造成地层压力骤降,促使原油性质恶化,影响油田采收率。油田注水井通过向油层注水,人为隔绝天然气与空气,间接给油田补充能量,以维持地层压力的稳定性,提高油田的开发效益。油田注水井管柱是启动压力大于0.85 MPa的固定配水管柱,用于向油层输送满足一定水质标准的清水或污水,从而保证地层压力,维持油田高产。现阶段我国使用的油田注水井管柱均由钢筋和水泥环混合而成,因作业环境恶劣,油田注水井管柱经常受腐蚀介质的影响,出现结垢、点蚀,甚至腐蚀穿孔。油田注水井管柱被腐蚀[2]不仅意味着油层注水失败,还会缩减管柱使用寿命。为了及时监测油田注水井管柱腐蚀情况,降低油田经济损失,相关人员开展了对油田注水井管柱腐蚀识别方法的研究。

金祥哲等[3]通过抽取现场水质,判断油田开采中,酸性气体和细菌导致油田注水井管柱结垢的趋势,实现了管柱腐蚀识别,但该方法存在识别性能差的问题。骆正山等[4]通过分析造成油田注水井管柱腐蚀的原因,建立管柱腐蚀指标体系,并将其与IGWO-ELM 模型结合,共同组建针对管柱的腐蚀速率预测模型,实现了油田注水井管柱腐蚀识别。唐启智等[5]通过分析管壁锈蚀与管柱刚度退化之间的映射关系,建立了考虑两者间关系的有限元模型;通过加速度数据时序分析采集不同损伤工况下的管柱腐蚀数据,并将其输入有限元模型中,实现了油田注水井管柱腐蚀识别,但识别率较低。

为了解决上述方法中存在的问题,提出基于超声波反射法的油田注水井管柱腐蚀的识别方法并进行检测试验,试验结果表明,所提方法识别性能强、识别准确率高。

1 基于超声波反射法的信号采集

基于超声波反射法的油田注水井管柱腐蚀识别方法,采用超声波脉冲反射法[6-7]采集信号。激励信号由探头发射到油田注水井管柱表面,在反射过程中信号发生压电效应,进而生成超声波、机械波信号,通过将其转变为可以被探头接收的电信号,完成信号采集。油田注水井管柱超声检测回波信号示例如图1所示。

图1 油田注水井管柱超声检测回波信号

图1中的一次回波与二次回波指的是超声波传播到油田注水井管柱底部反射的回波[8-9]。调查发现,管柱厚度与回波时间间隔成正比,故可利用相邻回波间隔与回波数量分析油田注水井管柱的腐蚀情况。

检测油田注水井管柱腐蚀缺陷时,信号垂直入射到管柱表面。入射波、反射波和透射波此时的声压分别为P0,Pr,Pt,超声波在管柱中的传播过程如图2所示。

图2 超声波在油田注水井管柱中的传播过程示意

图2中,Z1为透射介质对应的声阻抗;Z2为入射介质对应的声阻抗,两种介质中声压存在以下关系

式中:t为声压透射率;r为声压反射率。

对式(1)中超声波的声压透射率t和反射率r展开计算,得到

将上述超声波信号r,t转变为电信号,完成油田注水井管柱信号的采集。

2 油田注水井管柱腐蚀识别

2.1 腐蚀区域信号特征提取

信号特征提取是在基础通信信号上,选取反映信号全程波动特点的局部频段。为了提高识别结果的可信度,在特征提取前,需要对信号进行预处理,如降噪[10]、降维、去均值等。小波分析[11]是针对失真信号的一种消噪手段,广泛应用于多种领域。超声波探头获取反馈回波信号时,无法完全避开其他干扰信号的影响,使得反馈回波信号的整个频带上携带噪声,导致信号质量降低。采用小波分析消除反馈回波信号噪声,不仅可以很好地解决信号频谱混叠的现象,还可以优化信号时域波形和频域波形,达到准确提取信号特征的目的。

小波分析首先分解受噪声污染的反馈回波信号,分解公式为

式中:φ为小波变换平移量;va为信号分量;vb为小波分解层数。

反馈回波信号分解后,噪点直接暴露在每层信号分析频带上,利用小波基抑制噪点的表达,即可实现原始信号的优化,其表达式为

式中:q为噪点;∂为噪声强度。

在成功优化反馈回波信号的基础上,从频域和时域两种角度提取反馈回波信号特征。频域特征[12]与信号本身分量有关,主要指信号在不同工况下表征的频谱信息,由信号振幅和信号相位组成。希尔伯特黄变换可以有效提取反馈回波信号的频域特征,若信号为时间-频率上的一串离散序列,那么从频谱分析的角度,筛选离散序列中最适合反映信号分量的时间窗。希尔伯特黄变换可写为

式中:Δj为时频平面上的边际谱;d为瞬时频率分量。

时间窗涵盖反馈回波信号高低起伏的振幅和相位,将振幅和相位分解到相对独立的频带上,即可实现反馈回波信号频域特征的提取。涵盖振幅和相位的时间窗可写为

式中:ε为频带位置;n为频带带宽;ζ为时间窗涵盖振幅的下限。

时域特征[13]类似生物信号特征,由信号坡度、偏度、峰度组成。傅里叶变换作为具有多种变体形式的信号解析工具,能够将时域波形从广义谐波中分离出来,重新映射至二维直角坐标系中。通过计算时域波形正交实部和负交虚部的坡度、偏度、峰度,实现反馈回波信号时域特征的提取。时域波形坡度X,偏度N,峰度W的计算公式为

式中:λ为峭度因子;c'为时域正弦波;t i为信号均方根值;t j为裕度指标;f2ij为峰值因子;δ为信号平均幅值。

2.2 SVM 腐蚀特征信号分类器设计

SVM(支持向量机)分类器是三维立体空间中间隔最大的线性分类器,由于其不挑选特征内容,且具有较强的分类性能,因此常应用于字符识别、人脸识别、动作识别、文本识别等场景,起到特征分类及异常值监测的作用。SVM 分类器的操作原理如图3所示。

图3 SVM 分类器的操作原理示意

由图3可见,将反映油田注水井管柱腐蚀情况的反馈回波信号频域特征和时域特征输入SVM 分类器中,分类器首先将二维平面中的特征向量映射至无穷维空间。参与特征映射的函数是较多项式核函数分类效果更好的高斯核函数。高斯核函数特征映射公式为

式中:f i为邻域特征向量的欧式距离;f j为高斯核函数的径向基;η2为映射误差。

特征向量的映射过程实际上就是特征向量的升维过程。处于无穷维空间的特征向量需要借助最优超平面才能将训练样本无错误地分开。最优超平面是无穷维空间特有的平面结构,能够根据样本相似度将训练样本划分成多组类别。最优超平面的表达式为

式中:βk为超平面的常数项;g k为特征向量与超平面的距离;κ为约束条件。

在最优超平面的协助下,分布在无穷维空间的频域特征和时域特征被划分为若干类别,且同一类别表征同一腐蚀缺陷。根据SVM 分类器输出的反馈回波信号特征分类结果,即可实现油田注水井管柱腐蚀识别。

3 腐蚀识别试验

为了验证基于超声波反射法的油田注水井管柱腐蚀识别的整体有效性,需要对其进行测试。

随机选择4个油田注水井管柱作为验证算法识别性能的试验对象,试验对象如图4所示。

图4 算法识别性能试验对象

采用所提方法的信号采集结果与实际信号作对比,以此分析所提方法的信号采集精度,不同识别点的信号采集结果如图5～8所示。

图5 识别点1信号采集结果

图6 识别点2信号采集结果

图7 识别点3信号采集结果

图8 识别点4信号采集结果

以缝隙腐蚀为例,采用超声探头记录各识别位点的反馈回波信号,识别位点分布如图9所示。

图9 识别位点分布

由图9可见,采用所提方法识别获取的反馈回波信号与实际信号在各识别位点的重合率较高,表明所提方法具有较高的信号采集精度。

设置100个管柱腐蚀样本,采用基于超声波反射法的油田注水井管柱腐蚀识别方法、文献[3]方法和文献[4]方法分别进行识别测试,不同方法的识别混淆矩阵如图10所示。

图10 不同方法的识别混淆矩阵

由图10可见,采用所提方法对油田注水井管柱腐蚀的识别结果与管柱实际腐蚀情况一致,说明所提方法能够准确识别管柱腐蚀位置,即所提方法的识别率高。所提方法在识别油田注水井管柱腐蚀前,优先利用小波分析消除了反馈回波信号携带的噪声,这样获取的识别结果可信度更高。采用文献[3]方法和文献[4]方法得到的识别结果与管柱实际腐蚀情况不一致,说明此两种方法无法准确识别管柱腐蚀位置,识别率低。上述对比表明所提方法的识别率明显高于传统方法识别率。

4 结语

为了延长油田注水井管柱使用寿命,提高油田采收率,综合评估管柱腐蚀行为,提出基于超声波反射法的油田注水井管柱腐蚀的识别方法。采集到油田注水井管柱的超声信号后,将信号特征输入SVM(支持向量机)分类器中,根据分类器输出的信号特征分类结果,实现了油田注水井管柱的腐蚀识别。