共查询到20条相似文献,搜索用时 46 毫秒
1.
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。 相似文献
2.
3.
自适应神经网络示功图识别 总被引:10,自引:1,他引:9
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。 相似文献
4.
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。 相似文献
5.
6.
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。 相似文献
7.
8.
《钻采工艺》2016,(2)
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。 相似文献
9.
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。 相似文献
10.
田云龙 《大庆石油地质与开发》2016,(5):110-113
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。 相似文献
11.
12.
13.
14.
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。 相似文献
15.
16.
17.
18.
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。 相似文献
19.