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,为后续抽油机的智能控制提供调节依据。实验结果表明,该模型能够准确识别功图的四个凡尔开闭点,实时估算油井供液能力。     

基于电参数的工况诊断技术在A油田的应用

实现机采井生产数据自动化采集是油田数字化建设的必要要求。为能够自动采集示功图和动液面数据,基于电参数的工况诊断技术应运而生。该技术可以利用机采井电动机运行过程中的功率及转速等参数反演成电参示功图,再进一步根据电参示功图的载荷数据推算出动液面深度。同时该技术通过集成智能控制模块,可根据示功图饱满度对抽油机控制柜变频器发出调控指令,智能调节抽油机运行参数。为验证该技术的适应性,2021年A油田开展了现场试验。通过现场试验验证,该技术反演的示功图及动液面数据与人工测试数据对比,准确率分别达到了91.4%和88.6%,且通过对油井运行参数的自动化控制,有效改善油井供排关系,最大程度挖掘了生产潜力,降低了抽油机井举升单耗。     

对传过程神经元网络在油井故障诊断中的应用

为更好解决抽油机井示功图模式诊断问题,依据示功图绘制原理,将示功图识别看作动态系统连续曲线（位移-时间曲线和载荷-时间曲线）的模式识别问题。利用过程神经元能同时处理时、空二维信息,可自动抽取时变函数样本的过程模式特征,在机制上对时变信号的分类问题具有较好的适应性,提出一种基于对传过程神经元网络诊断模型及其学习算法。以油井实测数据对模型进行训练和故障识别,取得了较好的应用效果。     

利用广义频率抽样滤波法处理振荡示功图

本文依据实测示功图 ,对广义频率抽样滤波法相关参数的选择进行了讨论 ,指出起始频率、截止频率和衰减量是影响滤波效果的主要因素 ,并对带有通道效应的实测示功图进行了滤波处理。滤波前后示功图特征参数的对比表明 ,该方法能有效的保留示功图特征参数信息 ,具有较好的滤波效果     

采油井口智能测控系统的研制

较详细地介绍了井口智能测控系统的组成及各部分的功能，并对系统中较重要的问题，如示功图的检测、CAN总线局域网的实现、井口数据监控系统的实现进行了较深入的探讨，并提出了一些较为新颖、实用的检测方法。     

论震击机构示功图的自动显示

根据运动合成原理按P～S坐标合成示功图的测试方法,类似测量频率的李萨如图。但物理意义却扩展了。示功图的自动显示不仅提高了示功图的测试效率,而且还提高了测试精度。     

稠油热采抽油机井示功图解释专家系统

根据稠油油藏热采抽油机井的生产情况及示功图解释存在的问题，运用专家系统解释技术对其进行了研究，并编制了相应的计算机软件。通过对87井次的实际示功图解释分析，符合率达到80%以上。这不仅解决了稠油热采抽油机井示功图解释误差大的问题，而且减少了无效作业井次；同时为采油专家系统的应用技术提供了初步经验，也为采油工程计算提供了新的造径。