[发明专利]抽油机井工况的识别方法及装置

权利要求书

1.一种抽油机井工况的识别方法，其特征在于，包括：

获取抽油机井的待识别示功图；

将所述待识别示功图输入至预先训练的机器学习模型中，输出所述待识别示功图对应的工况类型的概率分布；

其中，所述机器学习模型以示功图样本集中的各示功图样本作为训练样本，以各示功图样本对应的工况类型作为样本标签训练而成；

所述机器学习模型的训练方法包括：

将示功图样本集分为训练集和验证集，所述训练集和验证集中的示功图样本均以对应的工况类型作为样本标签；

将所述训练集中的一部分示功图样本的样本标签统一修改为未知；

利用半监督学习算法，根据修改样本标签后的训练集对机器学习模型进行训练并计算训练精度，若训练精度不小于第二预设阈值，则用验证集验证机器学习模型，若验证结果符合预设要求，则训练结束；

对所述待识别示功图的位移-载荷二维数据进行预处理，将所述预处理后的示功图用三元组形式的稀疏矩阵进行表示，所述三元组中包括预处理后的位移-载荷数据和预处理后的位移-载荷数据在单位面积内的出现个数；

将所述三元组形式的稀疏矩阵转换为全矩阵，所述全矩阵中行数和列数分别与预处理后的载荷和位移网格数量对应，所述全矩阵中的元素大小为对应位置的预处理后的位移-载荷数据的个数；

将所述全矩阵转换为一维向量，作为所述示功图样本；

其中所述预处理包括插值处理、归一化处理和离散化处理。

2.根据权利要求1所述的抽油机井工况的识别方法，其特征在于，所述输出所述待识别示功图对应的工况类型的概率分布，之后还包括：

根据所述待识别示功图对应的工况类型的概率分布，计算所述待识别示功图对应工况类型的信息熵；

若所述信息熵不大于第一预设阈值，则将概率分布中概率最大的工况类型作为所述待识别的示功图对应的工况类型。

3.根据权利要求2所述的抽油机井工况的识别方法，其特征在于，所述计算所述待识别示功图对应工况类型的信息熵，之后还包括：

若所述信息熵大于第一预设阈值，则对所述待识别示功图的工况类型进行人工识别；

根据所述待识别示功图获得新的示功图样本，并存储至所述示功图样本集；

若所述示功图样本集中所有工况类型的新增示功图样本个数达到一定量级，则重新训练机器学习模型。

4.根据权利要求1所述的抽油机井工况的识别方法，其特征在于，所述根据修改样本标签后的训练集对机器学习模型进行训练并计算精度，之后还包括：

若训练精度小于所述第二预设阈值，则计算各修改样本标签的训练样本对应工况类型的信息熵；

根据信息熵从大到小的顺序对所述各修改样本标签的训练样本进行排序，将前k个修改样本标签的训练样本的样本标签进行还原，并放回训练集对机器学习模型再次进行训练，直至训练精度不小于第二预设阈值；其中，k为正整数。