[发明专利]智能气井阀门调节系统

权利要求书

1.一种智能气井阀门调节系统，其特征在于，所述智能气井阀门调节系统与气井阀门控制器连接，包括：已有气井生产资料的数据整理分析模块、智能模型自动决策及更新模块、异常工况智能化判断模块、可变油嘴精细调节模块，其中，

所述已有气井生产资料的数据整理分析模块用于接收来自井内传感器装置的已有井生产资料的数据，并对所述已有井生产资料的数据进行数据处理，得到整理后的已有井生产资料的数据；

所述智能模型自动决策及更新模块用于对所述整理后的已有井生产资料的数据进行机器学习，建立基于前馈人工神经网络的产能预测模型、基于循环神经网络的产量预测模型，和基于前馈人工神经网络的积液预测模型，生成智能气井阀门调节方案，将所述基于前馈人工神经网络的产能预测模型和积液预测模型应用于新井，通过基于前馈人工神经网络的产能预测模型和调产需求获取新井预期产量曲线，通过循环神经网络模型预测新井的动态产量；通过积液预测模型得到新井的积液情况；然后将采集到的新井的生产数据和异常工况数据保存并更新数据库数据；将新的数据和上一次已有井的生产资料数据共同作为基础，再次开展机器学习，更新模型参数和智能气井阀门调节方案，将其应用于下一口新井的阀门控制生产过程；其中，建立所述基于循环神经网络的产量预测模型，包括：根据已有经验的初期油嘴开度试生产一段时间，搜集该时间的日产气量作为输入层数据，搭建并训练通过时间动态展开的循环神经网络模型，用其预测实时产量随时间的变化；当循环神经网络预测了下一时间点的日产气量时，对比预期产量曲线同一时间点对应的日产气量；基于油嘴直径与井口产气量、井口压力的数学关系公式发送调大或调小油嘴直径的命令给控制器，尝试使预测的产量趋于预期产量；实际生产至下一时间点时，记录并搜集实际监测的日产气量并将其加入数据集，训练更新所述基于循环神经网络的产量预测模型；将其用于下一时间节点的产量的预测工作并发送指令给控制器，由此周而复始；

所述更新模型参数和智能气井阀门调节方案，包括：根据已有模型的气井指导新井阀门调节；新井阀门调节、数据监测与采集两块核心功能，新井结束应用后，将采集到的生产数据和异常工况数据保存并更新数据库数据；在新的数据基础上再次开展机器学习，更新模型参数和智能阀门调节方案，将其应用于下一口新井的阀门控制生产过程，即，训练好的神经网络已经可以投入生产，实现通过气井阀门调节来得到新井的积液情况；通过数据监测采集来得到新井的动态产量预测；

所述异常工况智能化判断模块用于对来自所述井内传感器装置的监测数据进行分析，当判断传感器的监测数据超出预警阈值时，则判断出现异常工况，发出报警并更新所述智能气井阀门调节方案，调用更新后的智能气井阀门调节方案对可变油嘴发出调节指令，所述调节指令通过气井阀门控制器发送至自动控制单元，再由所述自动控制单元控制所述可变油嘴的动作，排除异常；

所述可变油嘴精细调节模块用于根据气井的实际工况和所述智能模型自动决策及更新模块的智能预测结果，对所述可变油嘴的开度进行自动调节；然后将自动调节后的数据反馈至所述已有气井生产资料的数据整理分析模块，作为已有井生产资料的数据进行机器学习。

2.如权利要求1所述的智能气井阀门调节系统，其特征在于，所述已有井生产资料的数据，包括：井位参数、储层地质参数、工程参数、生产参数和异常工况数据；

对所述已有井生产资料的数据进行数据处理，包括：对数据依次预处理、缺失值处理、标准化处理。

3.如权利要求1所述的智能气井阀门调节系统，其特征在于，建立所述基于前馈人工神经网络的产能预测模型，包括：

训练的数据集的输入层为已有井的生产资料数据，输出值为通过气井流入动态曲线计算气井的绝对无阻流量；将部分投入生产的气田资料作为训练集，将训练集输入前馈人工神经网络的BP-ANN模型开展训练，获取训练完成的预测单井产能的模型；基于BP-ANN模型预测的新井产能，根据调产需求，采用多项式或指数拟合预期的产量曲线，并根据现场需求人为调整并设定预期的新井日产气量-时间关系曲线。