[发明专利]一种抽油机有效冲程的计算方法

说明书

本发明公开了一种抽油机有效冲程的计算方法，首先获取油井现场采集到的抽油机示功图历史数据，并对其进行异常数据过滤；然后将有效工况数据归一化并绘制为闭合的示功图图像；接着为示功图数据集标定与有效冲程相关的四个凡尔开闭点；再以带有标签的数据集训练凡尔开闭点回归模型，并根据测试结果挖掘困难样本，进而调整网络结构以提高回归模型性能；最后将现场的实时数据输入到训练完成的点回归模型中得到预测的凡尔开闭点，从而推算出实际的抽油机有效冲程。该方法能够准确计算抽油机的有效冲程，从而为功图量油提供坚实的技术支撑。

技术领域

本发明涉及基于油田量油技术领域，具体而言，是通过深度学习技术，建立数据驱动的回归模型，从而预测抽油机井有效冲程的方法。

背景技术

在油田开采过程中，油井产量计量是油田日常生产管理的一项基础且重要的工作，目前国内外传统的计量方式是将各井口的产油输送到计量站进行集中计量，这一计量方式存在安装设备繁多、工艺流程冗杂、实时性低等问题，难以满足智慧油田的发展需求。在这种需求下，功图量油成为替代目前计量站形式量油的主要手段。

功图量油是通过对油井示功图的实时采集和处理分析来计算油井产液量的，而柱塞有效冲程的计算直接影响功图量油的准确性。柱塞有效冲程由抽油泵固定凡尔和游动凡尔的开启、关闭四个关键点所决定。四个凡尔开闭点的求解，目前工业中普遍采用五点平均法，该方法通过计算功图中每个采样点的平均曲率变化值，并分别将功图上、下冲程中曲率变化最大的两个采样点作为凡尔开闭点。五点平均法在工程应用中具有计算简单和实时性好的优点，但同时也存在着对噪声干扰敏感和对功图完整性要求高的缺点。在油田实际开采过程中，噪声影响和极端故障导致的功图不规整、毛刺多和曲率变化波动大的情况时有发生，此时五点平均法会出现计算误差大，可靠性降低，甚至难以使用的情况。

近年来，随着数据驱动技术的快速发展，将深度学习等人工智能技术应用于油田生产开采过程，有望为解决上述问题提供另一种新的思路，为准确定位凡尔开闭点从而计算有效冲程和油井产量提供技术支撑。

发明内容

针对上述问题，本发明提供一种抽油机有效冲程的计算方法，通过示功图的历史采样数据训练卷积神经网络回归模型，对抽油机的示功图凡尔开闭点进行实时检测，从而预测示功图的有效冲程，具有计算流程简单、实时性高和泛化能力强等特点。

本发明提出一种抽油机有效冲程的计算方法，具有如下步骤：

(1)获取油井现场采集到的抽油机示功图历史数据并对其进行异常数据过滤处理，得到有效工况数据集D：

D＝{d_i|i＝1,2,...,N}

d_i＝{(x_ij,y_ij)|j＝1,2,...,m}

其中d_i表示第i组抽油机示功仪采样数据，共N组；其中每组数据包含m对抽油机悬点位移和载荷采样值(x_ij,y_ij)，x_ij表示第j个悬点位移采样值，y_ij表示第j个悬点载荷采样值；

(2)将有效工况数据归一化并绘制为闭合的示功图图像，得到有效示功图数据集P：

P＝{p_i|i＝1,2,...,K}

其中p_i表示由第i组抽油机示功仪采样数据d_i绘制成的示功图样本，共K个；

(3)由工艺专家为示功图数据集P标定与有效冲程相关的四个凡尔开闭点作为数据集P的标签L：

L＝{l_i|i＝1,2,...,K}