薛鴻禧，王晉暉，王金龍，吉魯濱，楊曉鵬

（西安石油大學，陜西西安710065）

基于Freeman鏈碼的智能井壓力數(shù)據(jù)處理方法

薛鴻禧，王晉暉，王金龍，吉魯濱，楊曉鵬

（西安石油大學，陜西西安710065）

智能井通過永久性井下傳感器可以獲得大量的壓力、溫度、流量、物性等參數(shù)，采集的數(shù)據(jù)量非常龐大并且非常復雜。有效的數(shù)據(jù)處理可以提高數(shù)據(jù)分辨率，增大傳感器系統(tǒng)適用性，可以對原始數(shù)據(jù)進行糾偏和校正，因此數(shù)據(jù)處理在測量系統(tǒng)中的作用越來越重要。筆者在前人研究的基礎之上提出一種基于Freeman方向鏈碼的曲線平滑自適應方法，分別介紹了這種方法的基本思想、算法原理和具體的實現(xiàn)過程，并以模擬實時壓力數(shù)據(jù)進行實驗驗證。結果證明，該方法是一種簡單、快速、有效的數(shù)據(jù)處理算法，而且相對于同類算法還具有其獨特的優(yōu)勢。

智能井；壓力；噪聲程度；平滑

智能井技術就是對油井產(chǎn)量、儲層參數(shù)、完井數(shù)據(jù)進行采集、傳輸和分析，從而對儲層特性和油井動態(tài)進行遠程控制的集成技術。通過安裝在油氣生產(chǎn)井或注入井中的各種傳感器（如壓力、溫度、流量等）實時采集井下生產(chǎn)的各種參數(shù)，由地面中央控制系統(tǒng)對采集到的數(shù)據(jù)進行篩選、分析和歸納，判斷井下生產(chǎn)的各種情況，從而實現(xiàn)對井下生產(chǎn)或注入進行動態(tài)實時管理的目的［1］。其工作原理（見圖1）。

圖1　智能井系統(tǒng)原理Figure1.Diagram of intelligent well system

井下數(shù)據(jù)（如壓力、溫度、流量等）是每隔1 s、10 s或1 min采集一次，并且采集時間可能會持續(xù)多年，一年的數(shù)據(jù)量就可達到幾百萬個。此外，數(shù)據(jù)中可能包含大量的噪聲和異常點，采集的信息也可能不完整（如缺少完整的流量史），出現(xiàn)異常的數(shù)據(jù)特征，缺乏動態(tài)分析方法等。為了通過這些實時采集的數(shù)據(jù)來制定最優(yōu)的生產(chǎn)決策，需要有相關的數(shù)據(jù)過濾、數(shù)據(jù)挖掘以及模擬預測等數(shù)據(jù)處理技術與相關的軟件［2］。

在油井生產(chǎn)過程中，壓力趨勢線應當是一條比較光滑的曲線，即使會出現(xiàn)波動，其頻率也是非常低的，而且不應該有奇異點產(chǎn)生。但是，安裝在井下的永久性壓力傳感器所監(jiān)測到的卻是特定層位上一些離散的壓力值（每隔1 s，10 s或1 min采集一次），并且還伴有大量的噪聲和異常點。針對上述問題，國內(nèi)外相關研究人員主要運用回歸分析、模式識別、小波方法、數(shù)據(jù)挖掘技術等進行數(shù)據(jù)分析［3-5］，已經(jīng)建立起比較完整的理論體系。本文采用一種基于Freeman方向鏈碼的曲線平滑自適應方法進行實時壓力數(shù)據(jù)分析。

1　曲線平滑自適應方法

在信號的平滑濾波處理中，處理窗口大小的選擇是非常重要的，一般都選用固定大小的窗口，這對于噪聲水平比較均勻的信號是比較有效的。但是，實際生產(chǎn)中得到的壓力曲線，并不是每一部分都含有相同程度的噪聲，平滑窗口的大小一旦被設定好，將會直接影響到最后的平滑效果：對噪聲水平小的部分，如果窗口太大，則平滑后的壓力曲線將向曲線中心收縮，而對噪聲水平高的部分，如果窗口太小，則最后的結果是噪聲沒能被有效地消除。

對此，有效的解決辦法是采用大小可變的平滑窗口，窗口的寬度會隨著噪聲程度的變化而動態(tài)地改變。當某段曲線極不光滑時，采用尺度較大的窗口，而當某曲線段比較平滑的時候，采用尺度較小的窗口，這樣就能夠保證，經(jīng)平滑處理后得到的曲線不會變形［6］。

自適應方法利用方向鏈碼來快速地計算原始曲線的噪聲水平，并以此作為平滑窗口大?。ǔ叽纾┻x擇的依據(jù)，從而有效地解決了針對離散曲線所提出的各種曲線平滑問題。首先對原始曲線進行Freeman方向編碼，然后用所得的鏈碼值來計算整個曲線上每個區(qū)間段的各階變化頻度，再根據(jù)變化頻度的不同來設置所需平滑窗口大??；然后在各窗口中進行平滑處理，得到一條噪聲較少的光滑曲線；最后在得到的曲線上進行合并操作以及插值操作，這樣就可以得到理想的曲線［7］。

1.1Freeman方向鏈碼

一條數(shù)字化二維曲線可以用八方向鏈碼（Freeman鏈碼）表示（見圖2（a））。Freeman鏈碼是相鄰兩像素連線的八種可能的方向值。一條曲線被網(wǎng)格離散化后形成n條鏈（n個像素），最終此曲線鏈碼可以表示為｛ci｝n，每條鏈指向八個方向中的一個方向，ci∈｛0，1，…，7｝，i為像素的索引值，ci表示由像素i指向像素i+1的方向鏈碼。例如，如果當前的像素是pi，b7是曲線上的下一個像素（見圖2（b）），則pi值為7，與此同時，還應該記錄下每個像素的坐標xi和yi（xi和yi是每個像素點的x軸和y軸坐標）。本文提出的壓力曲線平滑方法正是基于這樣的編碼方式［8，9］。

圖2　Freeman鏈碼方向值和鏈碼指向Figure2.Values and direction of Freeman chain code

1.2曲線噪聲程度計算及平滑窗口的確定

考慮到二維曲線的Freeman鏈碼很容易獲取，而且壓力曲線中的噪聲多則表現(xiàn)為局部領域內(nèi)鏈碼的快速變化，噪聲少則表現(xiàn)為局部領域內(nèi)鏈碼的緩慢變化，因此能夠利用統(tǒng)計Freeman鏈碼的變化來反映曲線的局部領域內(nèi)噪聲程度。該算法計算起來簡單快速，還可以節(jié)約大量的時間。

假定c1，c2，…，cn-1是壓力曲線中的某一段Freeman方向鏈碼，ci=0，1，…，7，其中i=1，…，n-1，而0到7分別表示每個網(wǎng)格的8個方向。

定義k距離方向變化數(shù)：

由于是在方向7的后面又回到了方向0，故為了計算結果一致，統(tǒng)一進行模8的一個運算。除以k的目的是將1/k作為權值來表示離窗口的中心點遠的鄰點對窗口的中心點的影響就越小。

用弧長為n的任意一段曲線的所有從0距離方向變化數(shù)到n-1距離方向變化數(shù)的和來定量表示該段曲線含有噪聲的程度［6］：

因此，可以用Dn來反映出曲線段c1，c2，…，cn-1的變化快慢，Dn越大，則表示曲線變化得就越快，于是，就找到了一種用Freeman方向鏈碼值來簡單快速地度量曲線的變化速度的方法。

平滑窗口的大小由Dn的大小來設定，Dn越大，則窗口尺寸越大；反之，Dn越小，則窗口也應該越小，本算法中，窗口的寬度以下式來計算：

1.3曲線平滑

1.3.1平滑在設定好平滑窗口的寬度以后，平滑過程可以運用在信號處理領域中常用到的一些平滑算法了，這里用到的是均值濾波：

其中，i=1，2，…，W，W表示窗口寬度。

1.3.2合并與插值在對整個曲線上所有的點進行了平滑處理之后，結果可能會出現(xiàn)，有些相鄰點之間的距離小于一個單位，或者有些相鄰點之間的距離大于一個單位，因此對前一種情況應當進行合并操作，而對后一種情況應當進行插值操作。經(jīng)過合并與插值之后得到的結果就是想要的平滑曲線。

2　實驗與討論

假設每隔1 min測得一個壓力值，單位為MPa。此處模擬一組壓力數(shù)據(jù)，繪成一條折線，選取適當?shù)淖鴺讼?，使該折線分布在一正方形網(wǎng)格平面中，對其進行數(shù)字化（見圖3）。顯然，受到外界噪聲干擾曲線波動比較平凡，相應的壓力數(shù)據(jù)變化頻率也非常高。這樣，一方面對數(shù)據(jù)解釋方法和相關軟件的要求極高，無形中增加了智能井系統(tǒng)的成本；另一方面會嚴重影響到解釋結果，使得智能井系統(tǒng)的效用大大降低。

圖3　壓力數(shù)據(jù)折線圖Figure3.Broken line of pressure data

圖4　數(shù)字化的壓力曲線Figure4.Digitaled pressure curve

按照1.1所述，如果將圖3折線上落入網(wǎng)格內(nèi)的每一段看作一個點（像素），并賦予其相應網(wǎng)格中點的坐標，便可得到一條數(shù)字化的壓力曲線（見圖4）。在圖4上任選一點P作為參考點，與其相鄰的點分別在8個不同的位置上，給它們賦予方向值0～7，稱為0～7位鏈碼方向值。圖3折線的Freeman鏈碼表示為：7170160611701701701676202106062020606170202606016766212170171716761202。

在前文已經(jīng)詳細地介紹了基于Freeman方向鏈碼的曲線平滑自適應方法的基本思想和基本原理，為了驗證該方法的降噪效果，專門設計一套算法并編寫程序，對模擬壓力數(shù)據(jù)進行噪聲程度計算和平滑處理。用式（2）計算曲線噪聲水平，以式（3）確定平滑窗口的大小，最后通過式（4）進行平均值濾波，結果（見圖5）。

圖5　實驗前后曲線對比Figure5.Comparison of curves before and after experiment

對比圖5中兩條曲線可以看出，在噪聲大的部分平滑效果很好，在噪聲較小的部分既沒有折線效果，也沒有產(chǎn)生收縮和變形。可見，自適應平滑方法可以有效地去除噪聲，使原始壓力信號由于噪聲引起的波動現(xiàn)象被很好地消除，而且處理后的信號與真實信號非常接近，信號的質量得到很大提高，能夠更好地反映井下壓力的動態(tài)特征。

3　結論

實驗證明該方法是一種簡單、快速、有效的曲線平滑算法。針對智能井永久性壓力傳感器監(jiān)測到的實時壓力數(shù)據(jù)，可以有效地濾去噪聲，消除異常點，同時盡可能多地保留有用信息。除此之外，在缺乏歷史數(shù)據(jù)或者還沒有建立起油藏模型的工程條件下，能夠很好地提取出井下特定層位壓力的動態(tài)特征，挖掘出潛在的油藏物理模型。

另外，從前文的論述過程不難發(fā)現(xiàn)，該方法既可用于等間隔數(shù)據(jù)序列，也可用于非等間隔數(shù)據(jù)序列，與小波分析相比較具有其獨特的優(yōu)勢，能夠很好地滿足工程需要。小波分析由于其多分辨率特性及突出的降噪能力，已經(jīng)在各個領域得到廣泛的應用，但美中不足的是小波分析針對的是等間隔數(shù)據(jù)序列，對于非等間隔數(shù)據(jù)不能直接運用。

［1］劉文莉，云海濤，姜玉.智能完井技術及應用前景分析［J］.內(nèi)蒙古石油化工，2011，（16）：122－123.

［2］姚軍，劉均榮，張凱.國外智能井技術［M］.北京：石油工業(yè)出版社，2011：18.

［3］Assumtpa Thomas.The Data as The Model：Interpreting Permanent Downhole Gauge Data Without Knowing The Reservoir Model［D］.America：Stanford University，2002.

［4］Himansu Rai.Analyzing Rate Data From Permanent Downhole Gauges［D］.America：Stanford University，2005.

［5］Yang Liu.The Cointerpretation of Flow Rate and Pressure Data from Permanent Downhole Gauges Using Wavelet and Data Mining Approaches［D］.America：Stanford University，2009.

［6］周焰，王祖喜，陳振羽.一種曲線平滑的自適應方法［J］.計算機工程，2004，26（4）：14.

［7］郭娟娟.基于移動區(qū)域的快速車型識別［D］.青島：中國海洋大學，2008.

［8］張小莉，王敏，黃心漢.一種有效的基于Freeman鏈碼的拐角檢測法［J］.計算機工程與應用，1999，13（2）：15.

［9］余博，郭雷，趙天云，錢曉亮.Freeman鏈碼描述的曲線匹配方法［J］.計算機工程與應用，2012，48（4）：5－8.

Intelligent well pressure data analysis approach based on Freeman chain code

XUE Hongxi，WANG Jinhui，WANG Jinlong，JI Lubin，YANG Xiaopeng（Xi＇an Shiyou University，Xi'an Shanxi 710065，China）

Intelligent well can get a lot of pressure，temperature，flow，and other parameters through the permanent downhole sensors，and the data collection is very large and very complex.Efficient data processing can improve the data resolution，increasing the applicability of the sensor system，and correcting the raw data and calibration，thus data processing play increasingly important role in the measurement system.The author on the basis of previous studies on the proposed adaptive method based on curve smoothing direction Freeman chain code，introduced the basic ideas，principles and specific algorithm implementation process of this approach，and simulated real-time pressure data experiments.The results show that this method is a simple，fast and efficient data processing algorithms，but also with respect to the same algorithm also has its unique advantages.

intelligent well；pressure；degree of noise；smooth

10.3969/j.issn.1673-5285.2015.03.007

TE331.2

A

1673-5285（2015）03-0028-04

2015－01-14

國家自然科學基金項目，項目編號：51274165；國家自然科學基金項目，項目編號：U1262105。

薛鴻禧，男（1990-），甘肅禮縣人，在讀碩士研究生，主要從事智能井技術研究工作。