[发明专利]一种抽油机地面示功图全复现方法及系统

权利要求书

1.一种抽油机地面示功图全复现方法，其特征在于，该方法包括：

获取油田多口井的历史数据，其中包括抽油机电流数据及对应的真实地面示功图数据；

将所述抽油机电流数据转换为电流数据集，并进行划分，得到训练集、验证集及测试集；

设置候选预测模型，利用所述训练集训练所述候选预测模型，结合所述真实地面示功图数据，对所述候选预测模型进行电流数据到示功图的映射学习，并利用所述验证集及测试集进行验证及测试，获得抽油机示功图预测模型；

采集油田抽油机的实时电流数据，并输入至所述抽油机示功图预测模型，得到对应的地面示功图。

2.根据权利要求1所述的抽油机地面示功图全复现方法，其特征在于，在将所述抽油机电流数据转换为电流数据集，并进行划分，得到训练集、验证集及测试集之前，还包括：

对所述抽油机电流数据进行清洗，清除重复和异常样本。

3.根据权利要求1所述的抽油机地面示功图全复现方法，其特征在于，设置候选预测模型，利用所述训练集训练所述候选预测模型，结合所述真实地面示功图数据，对所述候选预测模型进行电流数据到示功图的映射学习，并利用所述验证集及测试集进行验证及测试，获得抽油机示功图预测模型，包括：

在利用所述训练集训练所述候选预测模型的同时，对所述真实地面示功图数据进行归一化处理，使地面位移和地面载荷在网络中所占的权重一致。

4.根据权利要求3所述的抽油机地面示功图全复现方法，其特征在于，该方法还包括：

采用长短期记忆网络，对所述候选预测模型进行电流数据到示功图的映射学习，获得抽油机示功图预测模型；

其中，所述长短期记忆网络中还包括全连接层，全连接层用于将高维度的电流数据到示功图的映射学习的输出数据映射为低维度的输出数据。

5.根据权利要求4所述的抽油机地面示功图全复现方法，其特征在于，所述长短期记忆网络还包括辍学层，用于使所述长短期记忆网络在学习过程中不产生拟合现象。

6.根据权利要求3所述的抽油机地面示功图全复现方法，其特征在于，利用所述训练集训练所述候选预测模型，结合所述真实地面示功图数据，对所述候选预测模型进行电流数据到示功图的映射学习，并利用所述验证集及测试集进行验证及测试，获得抽油机示功图预测模型，包括：

采用交叉验证方法对所述训练集进行K-folds分割，每轮学习都用K-1folds训练集分别对所述候选预测模型进行电流数据到示功图的映射学习；

利用1fold验证集对训练得到的候选预测模型进行性能评价并进行超参数调参；

经过多轮学习后，获得多个完成调参的已训练的预测模型；

利用所述测试集测试所述已训练的预测模型，根据测试结果评判是否达到应用要求；如果满足应用要求，选择所述测试结果最优的已训练的预测模型作为抽油机示功图预测模型。

7.根据权利要求1所述的抽油机地面示功图全复现方法，其特征在于，采集油田抽油机的实时电流数据，并输入至所述抽油机示功图预测模型，得到对应的地面示功图，包括：

对采集到的实时电流数据进行清洗，清除重复和异常样本之后，输入至所述抽油机示功图预测模型，得到对应的地面示功图。

8.一种抽油机地面示功图全复现系统，其特征在于，该系统包括：

数据获取模块，用于获取油田多口井的历史数据，其中包括抽油机电流数据及对应的真实地面示功图数据；

数据划分模块，用于将所述抽油机电流数据转换为电流数据集，并进行划分，得到训练集、验证集及测试集；

预测模型训练模块，用于设置候选预测模型，利用所述训练集训练所述候选预测模型，结合所述真实地面示功图数据，对所述候选预测模型进行电流数据到示功图的映射学习，并利用所述验证集及测试集进行验证及测试，获得抽油机示功图预测模型；

示功图全复现模块，用于采集油田抽油机的实时电流数据，并输入至所述抽油机示功图预测模型，得到对应的地面示功图。