[發明專利]一種抽油機地面示功圖全復現方法及系統

在審

• 申請號: 201911037328.X
• 申請日: 2019-10-29
• 公開（公告）號: CN110838155A
• 公開（公告）日: 2020-02-25
• 發明（設計）人: 朱麗萍;羅曉婷;朱丹丹;金學鋒
• 申請（專利權）人: 中國石油大學(北京)
• 主分類號: G06T11/20
• 分類號: G06T11/20;G06Q10/04;G06N3/04;G06N3/08;E21B47/00
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 周曉飛;谷敬麗

1.一種抽油機地面示功圖全復現方法，其特征在于，該方法包括：

獲取油田多口井的歷史數據，其中包括抽油機電流數據及對應的真實地面示功圖數據；

將所述抽油機電流數據轉換為電流數據集，并進行劃分，得到訓練集、驗證集及測試集；

設置候選預測模型，利用所述訓練集訓練所述候選預測模型，結合所述真實地面示功圖數據，對所述候選預測模型進行電流數據到示功圖的映射學習，并利用所述驗證集及測試集進行驗證及測試，獲得抽油機示功圖預測模型；

采集油田抽油機的實時電流數據，并輸入至所述抽油機示功圖預測模型，得到對應的地面示功圖。

2.根據權利要求1所述的抽油機地面示功圖全復現方法，其特征在于，在將所述抽油機電流數據轉換為電流數據集，并進行劃分，得到訓練集、驗證集及測試集之前，還包括：

對所述抽油機電流數據進行清洗，清除重復和異常樣本。

3.根據權利要求1所述的抽油機地面示功圖全復現方法，其特征在于，設置候選預測模型，利用所述訓練集訓練所述候選預測模型，結合所述真實地面示功圖數據，對所述候選預測模型進行電流數據到示功圖的映射學習，并利用所述驗證集及測試集進行驗證及測試，獲得抽油機示功圖預測模型，包括：

在利用所述訓練集訓練所述候選預測模型的同時，對所述真實地面示功圖數據進行歸一化處理，使地面位移和地面載荷在網絡中所占的權重一致。

4.根據權利要求3所述的抽油機地面示功圖全復現方法，其特征在于，該方法還包括：

采用長短期記憶網絡，對所述候選預測模型進行電流數據到示功圖的映射學習，獲得抽油機示功圖預測模型；

其中，所述長短期記憶網絡中還包括全連接層，全連接層用于將高維度的電流數據到示功圖的映射學習的輸出數據映射為低維度的輸出數據。

5.根據權利要求4所述的抽油機地面示功圖全復現方法，其特征在于，所述長短期記憶網絡還包括輟學層，用于使所述長短期記憶網絡在學習過程中不產生擬合現象。

6.根據權利要求3所述的抽油機地面示功圖全復現方法，其特征在于，利用所述訓練集訓練所述候選預測模型，結合所述真實地面示功圖數據，對所述候選預測模型進行電流數據到示功圖的映射學習，并利用所述驗證集及測試集進行驗證及測試，獲得抽油機示功圖預測模型，包括：

采用交叉驗證方法對所述訓練集進行K-folds分割，每輪學習都用K-1folds訓練集分別對所述候選預測模型進行電流數據到示功圖的映射學習；

利用1fold驗證集對訓練得到的候選預測模型進行性能評價并進行超參數調參；

經過多輪學習后，獲得多個完成調參的已訓練的預測模型；

利用所述測試集測試所述已訓練的預測模型，根據測試結果評判是否達到應用要求；如果滿足應用要求，選擇所述測試結果最優的已訓練的預測模型作為抽油機示功圖預測模型。

7.根據權利要求1所述的抽油機地面示功圖全復現方法，其特征在于，采集油田抽油機的實時電流數據，并輸入至所述抽油機示功圖預測模型，得到對應的地面示功圖，包括：

對采集到的實時電流數據進行清洗，清除重復和異常樣本之后，輸入至所述抽油機示功圖預測模型，得到對應的地面示功圖。

8.一種抽油機地面示功圖全復現系統，其特征在于，該系統包括：

數據獲取模塊，用于獲取油田多口井的歷史數據，其中包括抽油機電流數據及對應的真實地面示功圖數據；

數據劃分模塊，用于將所述抽油機電流數據轉換為電流數據集，并進行劃分，得到訓練集、驗證集及測試集；

預測模型訓練模塊，用于設置候選預測模型，利用所述訓練集訓練所述候選預測模型，結合所述真實地面示功圖數據，對所述候選預測模型進行電流數據到示功圖的映射學習，并利用所述驗證集及測試集進行驗證及測試，獲得抽油機示功圖預測模型；

示功圖全復現模塊，用于采集油田抽油機的實時電流數據，并輸入至所述抽油機示功圖預測模型，得到對應的地面示功圖。