[发明专利]一种基于多视角学习的抽油机井工况识别方法及系统有效
申请号: | 201811463075.8 | 申请日: | 2018-12-03 |
公开(公告)号: | CN109630095B | 公开(公告)日: | 2019-08-30 |
发明(设计)人: | 王延江;周斌;刘伟锋;刘宝弟 | 申请(专利权)人: | 中国石油大学(华东) |
主分类号: | E21B47/009 | 分类号: | E21B47/009;E21B47/06;E21B47/07;G06F17/50 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 266580 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 抽油机井 工况识别 多视角 实测 工况数据 大数据 学习 单一信息源 地面示功图 电功率信号 工程实用性 视角 采油生产 多源信息 工况诊断 技术瓶颈 井口压力 联网环境 生产环境 实时信息 系统采集 有效集成 有效组合 正则化 主视角 多源 井口 油气 | ||
1.一种基于多视角学习的抽油机井工况识别方法,其特征在于,所述抽油机井工况识别方法包括:
构建包含已知抽油机井工况和未知抽油机井工况对应的实测地面示功图、电功率信号、井口温度和井口压力信号四个视角的样本库;
以实测地面示功图和电功率信号为主,实测井口温度和井口压力信号为辅,根据实际需求构建主辅视角组合;
分别对所构建的主辅视角组合中的每一个视角,根据机理分析、先验信息和专家知识进行特征提取,以构建每一个视角的特征数据样本集;
根据所构建的主辅视角组合中的视角个数及用于训练的已知抽油机井工况和未知抽油机井工况对应的特征数据样本个数,采用多视角学习方法,并有效集成Hessian正则化建立相应的工况识别模型;
通过建立的工况识别模型进行抽油机井工况识别。
2.根据权利要求1所述的抽油机井工况识别方法,其特征在于,所述以实测地面示功图和电功率信号为主,实测井口温度和井口压力信号为辅,根据实际需求构建主辅视角组合,具体为:
以实测地面示功图和电功率信号为2个主视角,实测井口温度和井口压力信号为2个辅视角,构建主辅视角组合,其中,所述主辅视角组合为第一视角组合、第二视角组合和第三视角组合中的一种,其中,所述第一视角组合包括实测地面示功图和实测电功率信号两个主视角,所述第二视角组合包括实测地面示功图、实测电功率信号和实测井口温度信号三个主辅视角,所述第三视角组合包括实测地面示功图、实测电功率信号、实测井口温度信号和实测井口压力信号四个主辅视角。
3.根据权利要求1所述的抽油机井工况识别方法,其特征在于,所述分别对所构建的主辅视角组合中的每一个视角,根据机理分析、先验信息和专家知识进行特征提取,以构建每一个视角的特征数据样本集,具体包括:
依据抽油泵一个工作周期内功图面积、冲次、载荷、活塞上的液柱重量、冲程、有效冲程、冲程损失、加载和卸载过程关键点位置的变化进行实测地面示功图的特征提取,其中,实测地面示功图的特征参数包括冲程、冲次、功图实际面积、最大载荷、最小载荷、最大最小载荷比、活塞上液注重量、有效冲程、加载冲程损失、卸载冲程损失、提前加载位置、提前卸载位置;
依据“功特征”和“AUC特征”进行实测电功率信号的特征提取,其中,实测电功率信号的特征参数包括:上行功、下行功、周期功、上行面积、下行面积、周期面积、平衡率;
依据机理分析和专家知识进行实测井口温度信号的特征提取,其中,实测井口温度信号的特征参数包括:上行热能耗损、下行热能耗损、周期热能耗损;
依据机理分析和专家知识进行实测井口压力信号的特征提取,其中,实测井口压力信号的特征参数包括:上行能量耗损、下行能量耗损、周期能量耗损。
4.根据权利要求1所述的抽油机井工况识别方法,其特征在于,所述根据所构建的主辅视角组合中的视角个数及用于训练的已知抽油机井工况和未知抽油机井工况对应的特征数据样本个数,采用多视角学习方法,并有效集成Hessian正则化建立相应的工况识别模型,具体包括:
根据所构建的主辅视角组合中的视角个数及用于训练的已知抽油机井工况和未知抽油机井工况对应的特征数据样本个数,确定对应的多视角学习方法,并有效地集成Hessian正则化建立相应的工况识别模型,其中,
若构建的为第一视角组合,则采用加权多核学习方法、协同训练学习方法、加权典型相关分析学习方法中的一种多视角学习方法;
若构建的为第二视角组合,则采用多视角加权多核学习方法;
若构建的为第三视角组合,则采用多视角加权典型相关分析学习方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国石油大学(华东),未经中国石油大学(华东)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811463075.8/1.html,转载请声明来源钻瓜专利网。