基于均值滤波和BP神经网络的功图量油技术

功图量油技术是通过对油井示功图数据的实时采集和处理分析来计算油井产液量,从而实现对产液量的远程自动计量。针对目前功图量油技术存在的不足,提出了一些改进算法。其中,运用均值滤波法对功图数据进行处理,降低了曲率变化量最大点的识别难度,提高了有效冲程求取的准确性;利用Matlab神经网络工具箱,对BP神经网络模型进行训练,建立油井漏失量BP神经网络模型,从而实现油井漏失量的准确求取。应用结果表明,改进的功图量油算法有效提高了油井示功图产液量计量的准确性和可靠性,最大相对误差6.5%,最小相对误差0.7%,平均相对误差小于5%,能够满足油田的生产计量要求,对功图量油技术的推广和油田信息化建设具有重要意义。     

基于示功图的油井工况智能分析

油井工况智能诊断是数字化油田发展的一个重要方面,其重点是通过智能诊断技术提高油井故障诊断的准确性和多故障同时诊断的能力.结合延长油田定边采油厂油田数字化研究项目,研究基于示功图的油井工况智能分析技术.通过实时采集有杆泵抽油机的示功图.应用人工神经网络技术进行模式动态识别,提取特征参数,并根据油井自身参数建立油井故障诊断模型,可对油井工况进行快速、准确地识别和智能分析.     

自适应神经网络示功图识别

井下示功图的自动识别是建造有杆抽油工况诊断专家系统的一个技术关键。由于现场难以系统地收集齐全的示功图，因而给示功图识别器的构造带来较大的困难。本文基于自适应谐振理论，提出一种基于竞争学习和自稳机制的自组织神经网络示功图识别模型。该模型较之于前馈示功图网络模型，解决了以往示功图神经网络识别模型需完备训练集（各种类型及其同类型中各种形状的示功图）及学习效率非常缓慢的问题。在有杆抽油示功图基础学习上，通过无监督学习算法，神经网络还能适用于不同油田区域的示功图自动识别工作。     

基于卷积神经网络模型的抽油机系统故障诊断

陆地机械采油普遍采用有杆抽油系统,示功图是油井工况的重要指示。在实际开采过程中,由于抽油井数量大、分布广,人工检测油井耗时费力。为提高人工检修效率、提升自动化水平,针对示功图的图形特征,在卷积神经网络Le-Net模型的基础上,建立简化卷积神经网络模型。收集实际生产数据经预处理后输入机器学习模型进行训练,得到关于示功图的分类模型,同时通过测试集数据对分类结果进行评价。结果表明,建立的卷积神经网络模型具有良好的稳定性,能够通过数据学习得出准确率较高的分类模型;所建立的分类模型能够稳定处理多分类问题,对于15种故障类型分类实现效果良好;通过测试集进行评价,该模型准确率达92%以上,预测效果可以满足油田实际生产需求。     

有杆抽油系统故障诊断的人工神经网络方法

将人工神经网络用于有杆抽油系统故障的自动识别.对江苏油田的实测示功图数据进行了预处理,利用Matlab6.5进行编程,应用相同的数据对BP神经网络模型和自组织竞争神经网络模型的识别效率进行了对比.结果表明,由自组织竞争神经网络建立的模型对测试数据的正确识别率更高,识别效果稳定.因此,将自组织竞争神经网络应用于示功图的自动识别问题对实现有杆抽油系统故障诊断的自动化以及实现真正意义上的数字油田提供了一种有效途径.     

基于FOA-BP神经网络的悬点示功图反演技术

悬点示功图是判断抽油机井生产状况的有效手段之一，针对目前电参转功图的难点问题，提出了一种基于FOA-BP神经网络的抽油机悬点示功图反演方法。采集测试抽油机电功率并将其转化为光杆功率，将抽油机光杆功率和扭矩因数作为网络的输入参数，通过模型训练消除抽油机结构及平衡参数对示功图反演计算的影响，再经过小波变换去噪处理，完成由电动机功率向悬点示功图的反演计算。对现场160井次实例计算表明，反演示功图与实测示功图吻合度达95.18%。基于FOA-BP神经网络的抽油机悬点示功图反演技术为及时、准确判断抽油机系统井下运行状态提供了理论技术支撑。     

应用人工神经网络识别示功图

示功图包含了有杆抽油系统工作态状的丰富信息，正确，迅速地识别示功图所反遇原工况尤为重要，应用三层BP人工神经网络模型，利用“形心距”方法提取示功科30个特征点，用21种不同的示功图作为BP神经网络的训练样本，训练过的网络对四种实附工况进行了识别。     

基于Gibbs模型的有杆抽油系统泵功图研究

通过数学方法把悬点示功图转化为泵功图,以便准确诊断油井的工作状况,这是一个很有价值的研究问题。首先给出了有杆抽油系统完整的Gibbs模型,包括波动方程、边界条件、初始条件、连接条件,接着对模型进行了求解;通过将一个冲程分为上下两个冲程,给出了波动方程中阻尼系数的迭代公式,只要给出一个阻尼系数的初始值以及悬点示功图和泵功图,就可以对阻尼系数进行求解。利用两口油井的油井参数和悬点示功数据计算了它们的泵功图数据,从而作出悬点示功图和泵功图。然后基于泵功图利用构造的均匀位移法和有效冲程法计算了某油井的日产油量。文章将为推广利用Gibbs模型、求解更符合实际情况的阻尼系数和泵功图的应用提供理论依据。     

基于电功图的油井动液面及产液量预测

针对目前部分油田地面示功图实时采集系统不完善,维护成本高,少数油区因周边环境、气候等条件不宜安装实时采集系统,无法利用示功图实时推算油井动液面及产液量等问题,考虑曲柄实际角速度、四连杆机构的惯性、摩擦等因素,推导了基于电机电功图的光杆示功图计算模型,并运用一维带Gibbs阻尼波动方程求解泵功图,分析泵功图曲线各点曲率,确定固定阀和游动阀开闭点位置,形成了基于电功图的抽油机井动液面及产液量预测模型,并编制了计算软件。油田现场10口不同工况油井的计算分析结果表明,基于电功图的油井动液面及产液量计算模型具有较高的精度,能够实现油井动液面及产液量的实时、准确计量,提高了油井生产分析的智能化,有利于油井实时优化运行和增效。     

应用迭代阻尼系数提高泵况诊断准确率

抽油机井示功图是了解有杆活塞泵工作状况的主要手段,实现抽油机井功况的智能诊断是油田数字化、智能化管理的目标。1966年Glbbs S方程的建立,为示功图的智能诊断提供了理论依据。在应用泵功图作为诊断依据时,影响计算泵功图几何形状最主要的因素为阻尼系数。通过对确定阻尼系数计算方法的探讨,给出适合大庆油田阻尼系数的计算方法,从而进一步提高了智能诊断的准确率。     

功图法油井计量技术在长庆油田的应用

从功图法油井计量技术的技术原理、抽油杆系统模型、示功图有效冲程识别、计算结果修正四个方面对该技术进行了详细阐述。通过利用计算机信息网络资源,在长庆油田建立了基于生产数据管理的功图法油井计量监控系统,实现了生产数据实时采集、产量自动计量、油井远程监控、油井故障诊断、报表自动生成等功能,简化了工艺流程,降低了投资,减少了用工总量,提高了油田数字化管理水平,为建设数字化油田搭建了平台。     

基于示功图的油井供液能力智能识别方法研究

油井供液能力作为游梁式抽油机间抽控制和冲次调节的重要依据,它的准确识别对降低油田生产能耗、提升抽油机系统效率和增加油田产油量意义重大.论文研究了基于数据驱动的深度学习回归模型,采用融合了特征金字塔、高斯热力图和注意力机制的深度学习网络提取示功图图形特征并识别功图的四个凡尔开闭点,根据识别出的凡尔开闭点量化油井供液能力,...     

抽油机井示功图曲线的快速处理方法

油井示功图反映了油井井下生产设备运行状况及原油开采情况,现有的油井示功图数据采用简单的示功图图形文件形式保存。本文介绍了一种快速示功图曲线跟踪技术,并介绍了该技术在油井功图识别、日常工作中的应用。     

抽油机井节能技术分析系统研究

充分利用scada系统收集实时抽油机井电参数等数据,实现单井生产边云协作、智能分权、扁平化综合应用,人工智能功图识别技术在数字功图的基础上,寻找特征点根据特征数据,结合油井动静态数据进行综合诊断分析。     

示功图识别技术在有杆泵工况诊断中的应用

为使油田数据库中大量的油井地面功图数据发挥更大作用,提高油井的管理水平,提出了识别泵功图新的思路和方法,采用差分曲线法对大批油井功图进行自动识别处理,对识别出的有故障油井采用神经网络技术对故障进一步定位。经过现场应用证明,利用该思路和方法设计的诊断软件识别准确率高,大大提高了诊断工作效率,有很好的应用价值。     

基于相似识别的抽油机井故障检测与诊断研究

抽油机井故障检测与诊断对管控油田平稳生产、保证油田效益意义重大。论文研究了基于相似识别的故障检测与诊断方法,采用融合二分类和三元组损失的深度学习网络提取示功图图形趋势特征,构建抽油机标准特征库与故障特征库并进行更新维护,在检测到与标准特征库不相似的示功图时检索故障特征库以实现诊断。实验结果表明,该方法能够有效检测抽油机井故障,减少误报率,并在检测到异常时检索故障库实现故障诊断。     

抽油机井示功图法计算动液面的修正算法

通过抽油机井示功图计算动液面是近年来油井闭环控制的研究方向。在研究功图法计算动液面模型的基础上,通过对10口井的环空压力梯度现场测试数据的统计回归,建立了实测动液面与环空压力梯度关联的修正计算模型,利用上述计算模型修正了根据示功图计算动液面的基础方法,获得了相对准确的计算结果。对于华北油田现场应用示功图计算动液面实现油井智能供排协调是一种有益的尝试。     

时序示功图驱动的抽油机井结蜡预测及清蜡效果评价

抽油机井结蜡是一个渐变的过程,序列示功图变化可以反映油井结蜡的程度。现场根据经验来预测结蜡程度和确定结蜡井热洗清蜡制度,决策能力低、效果差。应用人工智能技术认识结蜡程度与抽油机井示功图、电机运行参数、井口生产参数的关联关系,开展数据驱动的抽油机井结蜡预测预警方法和热洗效果评价的研究。应用残差卷积神经网络(ResNet)提取结蜡井示功图特征,使用聚类算法确定其结蜡等级,融合提取的示功图图形特征和12项生产参数建立样本集,利用长短时记忆神经网络(LSTM)构建序列到序列网络结构模型对样本集进行训练,建立结蜡等级预测模型,定量预测抽油机井的结蜡等级,并构建了油井清蜡效果评价指数Q。研究结果表明,建立的抽油机井结蜡预测模型和清蜡效果评价指数实现了油井结蜡等级的定量化预测、洗井周期的决策、清蜡效果的有效评价,对精准确定清蜡时机、评价清蜡效果具有较好的指导作用,有效避免了蜡卡躺井,同时延长了油井免洗周期。     

有杆抽油系统故障智能诊断技术

以有杆抽油系统动力学行为分析为基础,建立有杆抽油系统故障诊断数学模型,并采用显式差分法求解模型,开发了基于油田生产数据库的抽油井故障诊断系统。对井下工况的智能高效诊断,不但可以及时准确地了解有杆抽油系统的工作状况,避免井下作业的盲目性,降低机械采油成本,提高油田经济效益,而且对实现有杆抽油系统故障诊断的自动化以及油田企业信息化具有重要意义。     

井下泵功图获取动液面深度的计算方法

由于抽油井抽油过程存在多种复杂情况,地面示功图无法真实反映井下的工作状况,为此提出一套基于泵功图获取动液面深度的简化方法。此方法的核心是根据经典吉布斯波动方程将地面示功图转换到井下泵功图,通过分析泵在工作时的受力关系,得出理论计算模型。通过对比计算发现,此方法可以简单快速计算得出动液面深度,与实测值相比误差较小,能够将其应用于因复杂的井下条件而无法准确测试动液面的油井。