[发明专利]抽油机井工况确定方法、装置、设备及存储介质

权利要求书

1.一种抽油机井工况确定方法，其特征在于，所述方法包括：

获取目标抽油机井在目标工作周期内的采样点集合，所述采样点集合包括至少一个采样点；

对所述采样点集合进行绘制处理，得到所述目标抽油机井对应的示功图；

对所述示功图进行处理，得到所述示功图对应的像素矩阵；

通过工况识别模型对所述像素矩阵进行识别处理，得到所述像素矩阵对应的工况识别结果，所述工况识别结果用于指示所述目标抽油机井在所述目标工作周期内的工况，所述工况识别模型采用融合有瓶颈层的残差网络。

2.根据权利要求1所述的方法，其特征在于，所述通过工况识别模型对所述像素矩阵进行识别处理，得到所述像素矩阵对应的工况识别结果，包括：

通过所述工况识别模型对所述像素矩阵进行特征提取，得到所述示功图对应的特征向量；

对所述示功图对应的特征向量进行识别处理，得到所述工况识别结果。

3.根据权利要求1所述的方法，其特征在于，所述对所述采样点集合进行绘制处理，得到所述目标抽油机井对应的示功图，包括：

以地面位移为横坐标、地面载荷为纵坐标，构建直角坐标系；

将所述采样点集合绘制在所述直角坐标系中；

将所述采样点集合中的至少一个采样点依次首尾相连，形成闭合图形；

对所述闭合图形进行光滑处理，得到所述示功图。

4.根据权利要求1所述的方法，其特征在于，所述通过工况识别模型对所述像素矩阵进行识别处理，得到所述像素矩阵对应的工况识别结果之前，还包括：

对所述工况识别模型进行训练，得到完成训练的所述工况识别模型。

5.根据权利要求4所述的方法，其特征在于，所述对所述工况识别模型进行训练，得到完成训练的所述工况识别模型，包括：

获取训练数据集和测试数据集，所述训练数据集中包括至少一个训练数据，所述训练数据包括训练示功图对应的训练像素矩阵，以及所述训练示功图对应的标准工况识别结果，所述测试数据集中包括至少一个测试数据，所述测试数据包括测试示功图对应的测试像素矩阵，以及所述测试示功图对应的标准工况识别结果；

通过所述训练数据集对所述工况识别模型进行训练，得到初始工况识别模型；

基于所述测试数据集对所述初始工况识别模型进行测试，得到所述初始工况识别模型的测试结果；

响应于所述测试结果满足预设条件，得到完成训练的所述工况识别模型；

响应于所述测试结果不满足所述预设条件，对所述初始工况识别模型进行训练，直至所述初始工况识别模型的测试结果满足所述预设条件。

6.根据权利要求5所述的方法，其特征在于，所述基于所述测试数据集对所述初始工况识别模型进行测试，得到所述初始工况识别模型的测试结果，包括：

基于所述测试数据集对所述初始工况识别模型进行测试，得到测试工况识别结果；

基于所述测试工况识别结果和所述测试示功图对应的标准工况识别结果，得到各类型的工况对应的测试结果；

将所述各类型的工况对应的测试结果之和的平均值，确定为所述初始工况识别模型的测试结果。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述工况识别结果包括以下任意一项：存在连抽带喷状况、存在气锁状况、存在抽油杆断脱状况、存在凡尔漏失和抽油杆断脱状况、存在气体影响状况、存在凡尔漏失状况、存在供液不足和游动凡尔漏失状况、存在泵上挂状况、存在泵下碰状况、存在卡泵状况、存在泵工作正常状况、存在一级供液不足状况、存在二级供液不足状况、存在三级供液不足状况。