[发明专利]基于GRU的电潜泵产量预测方法

说明书

本发明公开了一种基于GRU的电潜泵产量预测方法，首先需要收集油压、套压、回压等一系列历史数组并进行清洗，再进行数据标注、数据标准化和数据拆分工作，最后经过GRU算法进行训练和测试得到产油量的预测模型。基于该预测模型，获取实时数据将其输入即可得到预测产量。本发明基于数据驱动的智能算法，能够实现分钟级的产量预测，及时掌控产能情况；无需人工过多参与、同时不需要量油设备，达到降本增效的效果；能够较好的解决在冬季或极端天气，人工无法量油的问题。

技术领域

本发明涉及一种油井生产计量方法，具体涉及一种基于人工智能算法的电潜泵产量预测方法。

背景技术

电潜泵采油具有排量大、井下工作寿命长、地面工艺简单、管理方便等优点，特别适应于中高产量油井、高凝油、定向井、中低黏度井。为了了解油田产能情况，大多电潜泵井均采用传统人工定期量油的方法，比如分离器玻璃管计量方法、翻斗式称重计量方法、气液分相计量方法以及活动计量车计量方法等；这些方法都存在耗费人工的问题，如遇到冬季或极端恶劣天气情况下，更会导致井口产量长时间无法计量。

发明内容

为了解决现有技术中存在的问题，本发明提出一种基于人工智能算法的电潜泵产量预测方法，以实现无需人为过多干预、分钟级的产量预测，达到降本增效的效果。

为了实现以上效果，本发明采用的主要技术方案是：

一种基于GRU的电潜泵产量预测方法，其关键在于按以下步骤进行：

步骤一、收集由电潜泵历史生产数据以及历史工作环境数据构成的历史数组；

所述历史数组包括每次计量时的油压、套压、回压、井口温度、井底流压、三相电压、三相电流、泵入口温度、泵出口温度、泵入口压力、泵出口压力、泵电流、泵电压、泵扭矩电流、产油量；

步骤二、数据清洗

剔除油压、套压、回压、井口温度、井底流压、三相电压、三相电流、泵入口温度、泵出口温度、泵入口压力、泵出口压力、泵电流、泵电压或泵扭矩电流为空的历史数组；并用零填充产油量为空的历史数组；

步骤三、数据标注，将产油量作为目标变量；

步骤四、数据标准化

将油压、套压、回压、井口温度、井底流压、三相电压、三相电流、泵入口温度、泵出口温度、泵入口压力、泵出口压力、泵电流、泵电压、泵扭矩电流分别进行标准化处理；

步骤五、数据拆分，将数据拆分为训练集、测试集；

步骤六、模型训练

基于训练集选择门控循环单元作为训练模型，并基于测试集进行验证，对比训练集、测试集模型指标，进行模型迭代优化，当模型的测试集指标达到终止条件，输出预测模型；

步骤七、产量预估

采集实时数据，将其输入所述预测模型，得到预测产量。

附图说明

图1为本发明的流程图。

具体实施方式

以下结合实施例和附图对本发明作进一步说明。

如图1所示，一种基于GRU的电潜泵产量预测方法，按以下步骤进行：

步骤一、收集由电潜泵历史生产数据以及历史工作环境数据构成的历史数组；

所述历史数组包括每次计量时的油压、套压、回压、井口温度、井底流压、三相电压、三相电流、泵入口温度、泵出口温度、泵入口压力、泵出口压力、泵电流、泵电压、泵扭矩电流、产油量；

步骤二、数据清洗