[发明专利]一种基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气井水堵的方法

权利要求书

1.基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气井水堵的方法，其包括以下几个步骤：

(1)采集气井的每日生产数据作为样本数据集；

(2)对数据进行数据预处理，保留有效数据；

(3)运用灰色关联度算法筛选有效特征；

(4)运用LSTM、SVR等机器学习算法拟合生产数据，建立算法模型；

(5)对算法模型进行调优，得到最优预测模型；

(6)将上述算法模型部署至生产网络中的中心云服务器；

(7)气井检测水堵时，中心云服务器进行算法预测，推荐加注泡沫排水剂的剂量，并通过生产网络发送给边缘云服务器；

(8)边缘云服务器接收到指令后，根据当前边缘云所在井的实时数据，运用迭代思想，并以中心云服务器推荐量为基准调整加注量。

2.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气井水堵的方法，其特征在于，所述步骤(1)所获取的数据的特征参数包括日期、生产时间、井口温度、气嘴直径、平均油压、关井油压、平均套压、关井套压、外输压力、日产气量、产油量、产水量、液体(泡沫排水剂)加药量等。所获取的数据集用来作为中心云服务器训练算法的训练集。

3.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气井水堵的方法，其特征在于，所述步骤(2)，对步骤(1)采集的数据进行预处理，包括处理缺失值、去除异常值，并对数据进行去归一化。

4.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气井水堵的方法，其特征在于，所述步骤(3)，对步骤(2)处理好的数据，运用灰度关联算法找出与“液体(泡沫排水剂)加药量”相关性强的特征参数，同时设置最小阈值0.01，删除关联度分数小于这个值的特征参数。通过灰色关联度算法保留了平均油压、平均套压、外输压力、日产气量、产油量、产水量六个特征参数。

5.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气井水堵的方法，其特征在于，所述步骤(4)，将步骤(3)所得数据集作为数据集，按照比例7:3划分训练集和测试集，用LSTM算法和SVR算法进行拟合。

6.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气井水堵的方法，其特征在于，所述步骤(5)，对步骤(4)所得模型，运用网格搜索法进行调优，得到最优模型。

7.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气井水堵的方法，其特征在于，所述步骤(6)，将步骤(5)得到的预测模型部署至生产网络的中心云服务器，用于智能推荐生产网络中所有油井加注泡沫排水剂量。

8.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气井水堵的方法，其特征在于，所述步骤(7)，在步骤(6)基础上，气井检测到水堵时，中心云服务器进行加注药量推荐，并通过生产网络下发命令至边缘云。

9.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气井水堵的方法，其特征在于，所述步骤(8)，在步骤(7)基础上，边缘云接收到加注量指令后，首先添加对应的药量，然后根据气井油压套压的变化，采用迭代的思想，以中心云推荐量为基准，逐步调整加注药量，以达到气井产量最优化。