[发明专利]一种油井示功图故障诊断解释方法及装置

说明书

本发明提供了一种油井示功图故障诊断解释方法及装置，该方法包括：采集油井真实工况下产生的带有时间信息以及油井信息的位移‑载荷序列数据；根据位移‑载荷序列数据，训练示功图诊断模型，示功图诊断模型为ResNet50模型；使用CAM算法对训练完成的ResNet50模型进行检测热区可视化。本申请使用CAM方法，将卷积神经网络中的参数以可视化热区的方式呈现在最终的诊断图中，从诊断热区即可判断模型对于示功图错误分类的关键区域是否有足够的关注度，为模型的可解释性提供了可靠的依据，具有更好的泛化性能。

技术领域

本发明属于采油技术领域，具体而言，涉及一种油井示功图故障诊断解释方法及装置。

背景技术

抽油机井采油是目前油田开发中普遍应用的方式，抽油机井的管理水平的好坏，关系到油田整体经济效益的高低。要做好抽油机井的生产管理工作，必须取准取全各项生产资料，制定抽油机井合理的工作制度，不断进行分析，适应不断变化的油藏动态，加强并提高抽油机井的日常管理水平。

分析和解释示功图，就是直接了解深井泵工作状况好坏的一个主要手段，不但深井泵工作中的一切异常现象可以在示功图上比较直观的反映出来，而且，还可以结合有关资料，来分析判断油井工作制度是否合理，抽油设备与油层和原油性质是否适应，还可以通过“示功图法”对低产、低能井制定出合理的开关井时间，减少设备的磨损和电能的浪费等。

由于抽油井的情况复杂，在生产过程中，深井泵不但要受到抽油设备制造质量和安装质量的影响，而且要受到油层中的砂、蜡、气等多种因素的影响。致使实测示功图形状多变，各不相同。尤其是在深井上，这种情况就更为突出。因此，在分析示功图时，既要全面地了解油井的生产情况、设备状况和测试仪器的好坏程度，根据多方面的资料综合分析，又要善于从各种因素中，找出引起示功图变异的主要因素，这样才能做出正确的判断。

公开号为CN202970690U的专利涉及一种油井示功图漏失采集处理装置，包括用于采集示功图和漏失数据的油井示功图采集装置、漏失处理模块、时钟模块、数据存储单元、电压检测模块、数据显示模块、按键输入单元、数据传输模块，数据处理单元，其中，漏失处理模块与数据处理单元连接，用于处理漏失数据；时钟模块与数据处理单元连接，用于提供实时时钟；数据存储单元与数据处理单元连接，用于存储数据；电压检测模块与数据处理单元连接，用于定时检测供电电压；数据显示模块与数据处理单元连接，用于显示数据；按键输入单元与数据处理单元连接，用于输入数据；数据传输模块与数据处理单元连接，用于传输数据；数据处理单元为核心控制部件，控制数据的输入、传输、处理、显示。本实用新型将油井示功图测试和漏失测试集成在一起，便于及时发现问题，提高生产效率，同时，存储量大，实时显示，通过USB接口将采集到的数据上传到上位机，便于数据存储、处理、分析。但是现有的油井示功图漏失采集处理装置在使用中发现，其对于网络内部的众多参数没有具体的可视化展示，无法判断模型对于示功图错误分类的关键区域是否有足够的关注度，导致其使用局限性较高。

发明内容

本申请实施例提供了一种油井示功图故障诊断解释方法及装置，将卷积神经网络中的参数以可视化热区的方式呈现在最终的诊断图中，从诊断热区即可判断模型对于示功图错误分类的关键区域是否有足够的关注度，为模型的可解释性提供了可靠的依据，具有更好的泛化性能。

第一方面，本申请实施例提供了一种油井示功图故障诊断解释方法，包括：

采集油井真实工况下产生的带有时间信息以及油井信息的位移-载荷序列数据；

根据所述位移-载荷序列数据，训练示功图诊断模型，所述示功图诊断模型为ResNet50模型；

使用CAM算法对训练完成的ResNet50模型进行检测热区可视化。

其中，所述使用CAM算法对训练完成的ResNet50模型进行检测热区可视化，包括：

将需要可视化的特征层以张量的形式提取出来；