基于大数据挖掘技术不停机间抽工作制度优化——以大庆油田为例

针对不停机间抽技术提高抽油机井泵效和降低能耗等方面效果显著,但工作制度确定过程中易出现实际确定方法操作性不强,主观因素影响大,单井设计个性化弱等问题,通过分析不停机间抽工作制度的影响因素,在优选出9个相对独立因素的基础上,利用大数据挖掘技术,以不停机间抽正常运行时间和运行周期为分析挖掘对象,对比分析了常用数据挖掘算法的适应性,并优选出适应性最强的算法。结果表明,回归计算中,BPNN算法要优于R–SVM和MRA算法;分类算法中,C–SVM算法比BAYSD、NBAY等算法更优;使用C–SVM—BPNN算法对不停机间抽工作制度优化后系统效率和泵效明显提高。研究结果对于不停机间抽井确定最优工作制度具有较好的指导作用。