جدول المحتويات
القياس الافتراضي للتدفق (VFM) يقدّر معدلات تدفق النفط والغاز والماء لكل بئر انطلاقًا من قياسات متوفرة أصلًا، مثل الضغوط ودرجات الحرارة ونسبة فتح صمام الخنق (choke)، باستخدام نموذج فيزيائي أو نموذج بيانات أو كليهما. ويعمل باستمرار بين اختبارين للبئر، ويُعايَر على نتائج فاصل الاختبار أو مقياس التدفق متعدد الأطوار.
أهم النقاط
- يستبدل VFM أجهزة قياس إضافية بنموذج عددي تغذّيه قياسات حقلية متوفرة أصلًا مثل الضغط ودرجة الحرارة.
- القياسات المرجعية قليلة: تُجرى اختبارات الآبار عادةً مرة أو مرتين في الشهر، وكثيرًا ما تُذكر لمقاييس التدفق متعددة الأطوار درجة عدم يقين في حدود 10%.
- تهيمن النماذج الفيزيائية على أنظمة VFM التجارية، بينما تشكّل نماذج البيانات والنماذج الهجينة مجالًا بحثيًا نشطًا.
- تتفاوت الدقة كثيرًا بين الآبار وبين الدراسات. فقد وجدت دراسة على 10 آبار أخطاء في معدل النفط تراوحت بين 1.8% و40.6%.
- يتراجع أداء VFM مع تغيّر المكمن، لذا خطّطوا لطريقة إعادة معايرته قبل تشغيله.
ما هو القياس الافتراضي للتدفق؟
يوجّه نظام الإنتاج آبارًا كثيرة عبر صمامات الخنق وخطوط التدفق إلى فاصل مشترك. ولتشغيل الحقل بشكل اقتصادي، يحتاج المشغّل إلى معدلات النفط والغاز والماء لكل بئر لتحسين الإنتاج وتوزيع المعدلات وإدارة المكمن (Bikmukhametov and Jäschke, 2020).
يحسب مقياس التدفق الافتراضي هذه المعدلات لكل بئر. ووفقًا للمراجعة نفسها، تشمل مدخلاته عادةً:
- ضغط قاع البئر ودرجة حرارته
- ضغط رأس البئر ودرجة حرارته قبل صمام الخنق
- ضغط رأس البئر ودرجة حرارته بعد صمام الخنق
- نسبة فتح صمام الخنق
وفي الآبار التي تعمل بالرفع بالغاز (gas lift) أو بالمضخات الكهربائية الغاطسة (ESP)، تُضاف معدلات غاز الرفع وبيانات المضخة. بعبارة أخرى، VFM هو مستشعر برمجي هدفه معدل تدفق كل طور.
لماذا لا نقيس كل بئر مباشرة؟
يستقبل فاصل الاختبار بئرًا واحدة في كل مرة ويقيس كل طور بمقاييس أحادية الطور. ويذكر دليل NFOGM أن فاصل الاختبار المجهّز جيدًا يمكنه قياس الغاز بدرجة عدم يقين أفضل من 5%، وقد تنخفض إلى 2% للغاز و1% للنفط إذا حُسّنت أجهزة القياس وكان الفصل مثاليًا. لكن الاختبار يستغرق ساعات، وتُستخدم نتائجه حتى الاختبار التالي. وبهذا الأسلوب، تُقاس معدلات البئر عادةً كل 7 إلى 60 يومًا.
أما مقياس التدفق متعدد الأطوار (MPFM) فيقيس عند رأس البئر دون فصل الأطوار. وهو يعطي قراءات مستمرة، لكنه مكلف، ويتطلب تدخلًا عند تعطله، وتقل دقته خارج نطاق تشغيله، وقد يتدهور بفعل التآكل بالرمل (Bikmukhametov and Jäschke, 2020). كما تعاني مستشعراته من الانجراف ويحتاج إلى معايرة منتظمة، ولذلك لا يُركّب على جميع الآبار.
| الطريقة | آلية العمل | نقاط القوة | الحدود |
|---|---|---|---|
| فاصل الاختبار | بئر واحدة في كل مرة عبر فاصل مزوّد بمقاييس أحادية الطور | المرجع الأدق | ساعات لكل اختبار؛ تُفترض المعدلات ثابتة بين اختبارين |
| مقياس التدفق متعدد الأطوار | جهاز عند رأس البئر دون فصل للأطوار | قياس مستمر لكل بئر | مكلف؛ انجراف وتآكل وأعطال؛ عدم يقين في حدود 10% غالبًا |
| مقياس التدفق الافتراضي | نموذج تغذّيه قياسات الضغط والحرارة وصمام الخنق الموجودة | لا يتطلب أجهزة جديدة؛ مستمر | يعتمد على سلامة المستشعرات وجودة النموذج والمعايرة المنتظمة |
لا يلغي VFM الحاجة إلى الطريقتين الأوليين، بل يملأ الفجوات بين قياساتهما ويُعايَر عليها.
كيف يعمل VFM القائم على النماذج الفيزيائية؟
النماذج الفيزيائية (المبادئ الأولى) هي الأكثر استخدامًا في أنظمة VFM التجارية (Bikmukhametov and Jäschke, 2020). ويتكون النظام النموذجي من ثلاثة أجزاء:
- نموذج خصائص الموائع: نموذج النفط الأسود (black-oil) أو معادلة حالة، يُعايَر على التحاليل المخبرية لعينات الموائع ويُخزَّن في جداول PVT.
- نماذج نظام الإنتاج: تدفق المكمن إلى البئر (علاقة أداء التدفق الداخل IPR)، والنماذج الحرارية الهيدروليكية للبئر وخط التدفق، ونموذج صمام الخنق، ونموذج المضخة الغاطسة عند الحاجة.
- التحقق من البيانات وتسويتها: خوارزمية تحسين تعدّل المعدلات ومعاملات المعايرة حتى يطابق النموذج الضغوط ودرجات الحرارة المقيسة والمجموع المقيس عند الفاصل.
تصف المراجعة سير العمل في ثماني خطوات، نلخّصها هنا:
- بناء نموذج خصائص الموائع ومعايرته من تحاليل PVT.
- اختيار النماذج الفرعية التي تسمح بها القياسات المتوفرة.
- التحقق من القياسات: حذف القيم الشاذة وترشيح الضجيج.
- اختيار معاملات المعايرة، مثل معامل التصريف لصمام الخنق ومعاملات انتقال الحرارة.
- المحاكاة ومقارنة المخرجات بالضغوط ودرجات الحرارة المقيسة.
- تعديل المعاملات لتقليل الفرق، ثم إخراج معدلات النفط والغاز والماء لكل بئر.
وتُعدّ بيانات PVT من أهم المدخلات، كما أن خصائص الموائع تتغير على مدى عمر الحقل، لذلك يحتاج نموذج PVT نفسه إلى إعادة معايرة.
كيف يعمل VFM القائم على البيانات؟
يتعلم VFM القائم على البيانات العلاقة بين القياسات نفسها ومعدلات التدفق المسجلة في اختبارات الآبار أو بواسطة MPFM، دون وصف فيزيائي مفصل للبئر. وبعد تدريبه يكون سريع التنفيذ وسهل التحديث. أما نقطة ضعفه الرئيسية فهي أنه لا يكون موثوقًا إلا داخل نطاق بيانات تدريبه أو قريبًا منه (Bikmukhametov and Jäschke, 2020).
وتصف المراجعة نظام FieldWare Production Universe، وهو VFM قائم على البيانات بُني من اختبارات آبار ذات اضطرابات متعمدة، يغيّر فيها المشغّل إعدادات البئر خطوة بخطوة بينما يتدفق إنتاجها إلى فاصل الاختبار. وبحلول عام 2011 كان يعمل في نحو 60% من حقول Shell المنتجة.
وتستخدم أبحاث حديثة بيانات آبار كثيرة لجعل هذه النماذج أكثر متانة:
- عند نمذجة 55 بئرًا من أربعة أصول، خفّض نموذج متعدد المهام الأخطاء بنسبة 25 إلى 50% في المتوسط في الأصول التي واجهت فيها النماذج الخاصة بكل بئر صعوبات.
- وعلى 80 بئرًا، بلغ نموذج مدرَّب مسبقًا على آبار كثيرة ثم معايَر على بئر جديدة خطأً وسيطًا أقل من 5% بعد ثلاث نقاط بيانات فقط.
الفيزياء أم البيانات أم كلاهما؟
تحتفظ النماذج الهجينة، أو نماذج الصندوق الرمادي، ببنية فيزيائية وتتعلم الأجزاء غير المؤكدة من البيانات. فعلى بيانات تاريخية من 10 آبار، حقق النموذج الميكانيكي خطأً بنسبة 17.2% مقابل 10.3% لأفضل نموذج هجين. ومن جهة أخرى، أدّت إضافة نماذج فيزيائية إلى التعلم الآلي على بيانات حقلية من Equinor إلى نماذج أدق وأسهل تفسيرًا في آن واحد.
| نموذج فيزيائي | نموذج بيانات | هجين (صندوق رمادي) | |
|---|---|---|---|
| يُبنى من | نماذج PVT وتدفق المكمن والبئر وخط التدفق وصمام الخنق | قياسات تاريخية ومعدلات مرجعية | بنية فيزيائية مع حدود متعلَّمة |
| يتطلب | خبرة عميقة في هندسة الإنتاج وبيانات PVT جيدة | عددًا كافيًا من اختبارات الآبار أو سجل MPFM | معرفة فيزيائية وبيانات حقلية |
| نقاط القوة | خبرة ميدانية طويلة؛ يمكنه تقدير متغيرات غير مقيسة | سريع؛ سهل التحديث ببيانات جديدة | قد يقلّل خطأ النموذج الميكانيكي؛ يبقى متسقًا فيزيائيًا |
| نقاط الضعف | المعايرة ليست سهلة؛ حسابات أثقل | غير موثوق خارج نطاق التدريب | يصعب تعميم التوازن بين الفيزياء والبيانات |
وتقوم النماذج البديلة (surrogate) للعمليات على فكرة قريبة، هي ملاءمة نموذج سريع لنموذج فيزيائي بطيء. راجعوا دليلنا حول النماذج البديلة للعمليات الكيميائية.
ما مدى دقة القياس الافتراضي للتدفق؟
تختلف الأرقام المنشورة باختلاف الحقل وأجهزة القياس والطريقة:
- أُفيد بأن أحد الأنظمة الفيزيائية الواسعة الانتشار كان يعمل على أكثر من 300 بئر بحلول عام 2011، بمتوسط خطأ أقل من 5% في الغالب. وتذكر المراجعة نفسها شبكة عصبية في حقول برازيلية بأخطاء بين 4 و7%.
- أفادت دراسة اختبرت محاكيات VFM على بيانات حقلية بمتوسط خطأ مطلق قدره 20%، وعدّه مؤلفوها مقبولًا.
- وعلى 60 بئرًا من خمسة أصول، بلغ النصف الأفضل من النماذج أخطاء بين 4 و6% على بيانات الاختبار التاريخية وبين 8 و13% على البيانات المستقبلية.
ثمة تحفظان. أولًا، يُقاس الخطأ مقارنة بمرجع له عدم يقين خاص به، إذ تشير الورقة نفسها إلى أن النماذج المختبرة على بيانات MPFM لا يمكنها كشف الأخطاء المنهجية لمقياس MPFM نفسه. وثانيًا، ينخفض الأداء على البيانات المستقبلية، لذا اختبروا دائمًا على فترة لاحقة.
وتضيف دراسات الحساسية التي تلخصها المراجعة نقاطًا عملية: القياسات المكررة تحسّن الدقة، وضغط رأس البئر أهم من ضغط القاع، وآبار النفط حساسة لقيمة نسبة الماء (water cut) المُدخلة وآبار الغاز لنسبة الغاز إلى النفط (GOR)، وتنخفض الدقة كلما اتسع فتح صمام الخنق. كما أن انجراف مستشعرات الضغط والحرارة قد يُحدث خطأً منهجيًا كبيرًا في المعدلات المقدّرة.
لماذا ينحرف VFM، وكيف نحافظ على دقته؟
الآبار تتغير. ففي مجموعة بيانات من 80 بئرًا، تبدأ نسبة الماء عادةً قريبة من الصفر ثم ترتفع على مدى عمر البئر، وكثيرًا ما تقترب من 100%. ومع استنزاف المكمن، يفتح المشغلون صمامات الخنق للحفاظ على الإنتاج، فتختلف البيانات اللاحقة عن فترة التدريب. وفي دراسة الصندوق الرمادي على 10 آبار، أدى التنبؤ لأسبوع واحد فقط إلى رفع الدقة كثيرًا مقارنة بأفق ثلاثة أشهر.
ووجدت دراسة حول إعادة المعايرة على 10 آبار أنه عند توفر قياسات متكررة، يحافظ التحديث المتكرر للنموذج على أداء تنبؤي ممتاز مع الوقت. أما مع القياسات المتباعدة فلا غنى عن التحديث المتكرر مع الاستعانة بالخبرة الهندسية. وتُظهر خبرة Total التشغيلية، كما تلخصها المراجعة، أن VFM لا يزال يحتاج إلى كفاءات متخصصة لضبطه ومعايرته (Bikmukhametov and Jäschke, 2020).
عمليًا:
- قارنوا VFM بكل اختبار بئر جديد وتتبّعوا الخطأ لكل بئر عبر الزمن.
- أعيدوا المعايرة بعد أعمال صيانة البئر (workover) وتغيير طريقة الرفع وأي تغيّر كبير في نسبة الماء أو GOR.
- افحصوا أجهزة الإدخال أولًا عندما يقفز التقدير، فالمُرسِل العالق يبدو كأنه تغيّر في التدفق. وتعرض مقارنتنا بين أساليب كشف الشذوذ طرقًا لرصد المدخلات المعطلة.
أين يُستخدم القياس الافتراضي للتدفق؟
تصف المراجعة عدة استخدامات:
- احتياطي لمقاييس التدفق متعددة الأطوار، يتولى المهمة عند تعطل المقياس الفعلي.
- التحقق من المقاييس الفعلية: كشفت أنظمة VFM قياسات خاطئة عند الفاصل ومقاييس سطحية غير متسقة.
- قياس مستقل في حقل نرويجي صغير موصول بمنشآت قائمة، حيث كان MPFM سيرفع تكاليف الاستثمار والتشغيل بشكل كبير.
- مراقبة الإنتاج وتحسينه بمعدلات مستمرة بدل نتيجة آخر اختبار بئر.
وفي مجال القياس وتوزيع الإنتاج، يقدّم الفصل 20.5 من API MPMS توصيات حول تطبيق نمذجة تدفق الآبار والقياس الافتراضي للتدفق، بما في ذلك استخدام اختبارات الآبار للتحقق منها وتحديثها. أما قبول رقم صادر عن VFM لتوزيع الإنتاج أو لأي غرض جبائي في رخصة معينة فيتوقف على الجهة التنظيمية والعقود والشركاء. وعلى المشغلين في الجزائر التأكد من ذلك مع مختصي القياس ومستشاريهم القانونيين.
كيف يبدأ مشروع القياس الافتراضي للتدفق؟
- حصر أجهزة القياس في كل بئر وتحديد غير الموثوق منها.
- جمع البيانات المرجعية: سجل اختبارات الآبار بأوقاتها وظروفها، وبيانات MPFM إن وُجدت، وتقارير PVT.
- اختيار النهج بحسب ما يتوفر لديكم: وجود نموذج بئر معايَر يرجّح النهج الفيزيائي، ووجود سجل اختبارات طويل لآبار كثيرة متشابهة يرجّح نماذج البيانات أو النماذج الهجينة.
- الاختبار على أحدث فترة: التدريب على البيانات الأقدم والتقييم على الأشهر الأخيرة.
- التشغيل بالتوازي مع اختبارات الآبار لعدة أشهر قبل استخدام VFM في اتخاذ القرار.
- الاتفاق على قاعدة إعادة المعايرة وتعيين مسؤول محدد قبل التشغيل.
ولربط النموذج بقاعدة البيانات التاريخية (historian) ونظام التحكم، راجعوا دليلنا حول دمج الذكاء الاصطناعي مع أنظمة SCADA وOT.
ما لاحظناه في KABAS AI
لم ننشر مشروعًا في القياس الافتراضي للتدفق. وعملنا المنشور في قطاع النفط والغاز هو مع ADFC (مجمع سوناطراك)، حيث يدعم Virtual Lab تركيب سوائل الحفر، وهي مسألة مختلفة. غير أن درسين ينطبقان هنا: المقارنة بين النتائج المحاكاة والفعلية هي ما يوجّه التحسينات، والبيانات التاريخية لا تصبح مفيدة إلا بعد هيكلتها وضمان تتبّعها. وبالنسبة إلى VFM، يعني ذلك:
- البدء بأرشيف اختبارات الآبار. فالاختبارات النظيفة المؤرخة مع إعدادات صمام الخنق المسجلة هي أساس أي معايرة.
- تحديد مكان تشغيل البيانات والنماذج مبكرًا. فمعدلات الآبار ونسب الماء تصف أداء الحقل، والنشر داخل المنشأة يُبقي الاثنين تحت سيطرتكم.
- التخطيط للكفاءات. تتطلب المعايرة مهندس إنتاج وعالم بيانات يعملان معًا، ويشرح مقالنا حول بناء أول فريق بيانات صناعي الأدوار المطلوبة.
يُعدّ فريق علوم البيانات لدينا البيانات الصناعية، ويبني النماذج التنبؤية، وينشرها مع مراقبتها على بنيتكم التحتية الخاصة. اطلعوا على حلولنا للنفط والغاز وعلى القائمة الأوسع لاستخدامات الذكاء الاصطناعي في النفط والغاز في شمال إفريقيا.
المصادر
- Bikmukhametov and Jäschke, First Principles and Machine Learning Virtual Flow Metering: A Literature Review, Journal of Petroleum Science and Engineering 184, 2020 (author preprint)
- Bikmukhametov and Jäschke, Combining machine learning and process engineering physics towards enhanced accuracy and explainability of data-driven models, Computers and Chemical Engineering 138, 2020
- NFOGM and Tekna, Handbook of Multiphase Flow Metering, Revision 2, 2005
- Grimstad et al., Bayesian Neural Networks for Virtual Flow Metering: An Empirical Study, Applied Soft Computing 112, 2021 (arXiv 2102.01391)
- Hotvedt et al., On gray-box modeling for virtual flow metering, Control Engineering Practice 118, 2022 (arXiv 2103.12513)
- Sandnes, Grimstad and Kolbjørnsen, Multi-task learning for virtual flow metering, Knowledge-Based Systems, 2021 (arXiv 2103.08713)
- Hotvedt, Grimstad and Imsland, Passive learning to address nonstationarity in virtual flow metering applications, arXiv 2202.03236, 2022
- Løvland, Grimstad and Imsland, Multi-task and few-shot learning in virtual flow metering, Nordic Machine Intelligence 5(1), 2025 (arXiv 2309.15828)
- Mokhtari and Waltrich, Performance Evaluation of Multiphase Flow Models Applied to Virtual Flow Metering, WIT Transactions on Engineering Sciences 105, 2016
- API MPMS Chapter 20.5, Recommended Practice for Application of Production Well Testing in Measurement and Allocation, first edition 2017, reaffirmed 2023 (catalogue description)
الأسئلة الشائعة
هل يمكن لمقياس التدفق الافتراضي أن يحل محل مقياس التدفق متعدد الأطوار؟
أحيانًا. تتضمن الحالات المنشورة استخدام VFM وسيلةَ قياس وحيدة في حقل صغير موصول بمنشآت قائمة، حيث كان مقياس التدفق متعدد الأطوار سيرفع تكاليف الاستثمار والتشغيل. لكنه يُستخدم في الغالب احتياطيًا للمقاييس الفعلية ووسيلةً للتحقق منها. وفي الحالتين يحتاج إلى قياسات مرجعية من اختبارات الآبار أو من المقاييس لمعايرته.
ما القياسات التي يحتاجها مقياس التدفق الافتراضي؟
عادةً ضغط رأس البئر وحرارته قبل صمام الخنق وبعده، ونسبة فتح صمام الخنق، وضغط قاع البئر وحرارته إن كانت أجهزة القياس مركّبة. وتفيد معدلات الرفع بالغاز أو بيانات المضخة في الآبار التي تعتمد على الرفع الاصطناعي. كما يحتاج إلى بيانات خصائص الموائع (PVT) وسجل من اختبارات الآبار أو قراءات مقياس التدفق متعدد الأطوار للمعايرة.
كم مرة يجب إعادة معايرة مقياس التدفق الافتراضي؟
لا توجد فترة ثابتة. تُظهر الأبحاث على بيانات حقلية أن الدقة تتراجع مع تغيّر ظروف المكمن والتشغيل، وأن التحديث المتكرر يحافظ عليها. عمليًا، قارنوا VFM بكل اختبار بئر جديد، وأعيدوا معايرته عندما يكبر الخطأ، ودائمًا بعد أعمال صيانة البئر (workover) أو تغيير طريقة الرفع أو تغيّر كبير في نسبة الماء أو نسبة الغاز إلى النفط.
هل يمكن استخدام القياس الافتراضي للتدفق في توزيع الإنتاج على الآبار؟
يُستخدم VFM في قياس الإنتاج وتوزيعه، ويقدّم الفصل 20.5 من معايير API MPMS توصيات حول نمذجة تدفق الآبار والقياس الافتراضي للتدفق في هذا الإطار. أما قبول رقم صادر عن VFM لتوزيع الإنتاج في حقلكم فيتوقف على الجهة التنظيمية وعقودكم وشركائكم، فتأكدوا من ذلك معهم ومع مختصي القياس لديكم قبل الاعتماد عليه.
هل مقياس التدفق الافتراضي مستشعر برمجي؟
نعم. VFM مستشعر برمجي هدفه معدل تدفق النفط والغاز والماء لكل بئر. ومثل أي مستشعر برمجي، يقدّر متغيرًا صعب القياس من قياسات سهلة، ويعتمد على سلامة أجهزة الإدخال، ويحتاج إلى قياس مرجعي، هو هنا فاصل الاختبار أو مقياس التدفق متعدد الأطوار، ليبقى دقيقًا.



