[發明專利]一種深度學習的煤層氣螺桿泵井健康指數預測方法及系統

有效

• 申請號: 202110028154.1
• 申請日: 2021-01-08
• 公開（公告）號: CN112861422B
• 公開（公告）日: 2023-05-19
• 發明（設計）人: 檀朝東;王松;宋健;馮鋼;宋文容;馬丹
• 申請（專利權）人: 中國石油大學（北京）;北京雅丹石油技術開發有限公司;西安中控天地科技開發有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F119/02
• 代理公司: 北京海虹嘉誠知識產權代理有限公司 11129
• 代理人: 何志欣

本發明涉及一種深度學習的煤層氣螺桿泵井健康指數預測方法，包括以下步驟中的一個或幾個：從煤層氣螺桿泵井采集的多個原始參數中選取至少一個作為主控參數；對至少一個主控參數進行合并處理以構建健康指數；根據健康指數將煤層氣螺桿泵井健康狀態劃分為至少兩個不同階段；提取煤層氣螺桿泵井的健康指數數據作為樣本數據，采用長短時記憶神經網絡構建健康指數預測模型；應用健康指數預測模型，預測煤層氣螺桿泵井的健康狀態變化。

技術領域

本發明涉及采油工程采氣技術領域，尤其涉及一種深度學習的煤層氣螺桿泵井健康指數預測方法及系統。

背景技術

煤層氣產出是解吸—擴散—滲流過程的有機統一，通過持續排出煤層(或是侵入煤層)中的水，降低儲層壓力，使儲層壓力降低至甲烷的解吸壓力后，吸附在煤基質孔隙中的甲烷氣體解吸，后經過擴散、滲流進入井筒中。螺桿泵是煤層氣井中排采舉升方法之一。螺桿泵在煤層氣井中運行常發生故障，產量損失大，設備壽命短。因此，煤層氣井螺桿泵運行健康狀態監測、診斷、預警已引起了研究人員和現場工程師越來越多的關注。

在由Liang?Yaning等人發表的《A?Case?Study?on?Application?of?ProgressiveCavity?Pump?in?Coalbed?Methane?Wells》文章中，為了將煤粉對生產的影響降到最低，分析了澳大利亞某煤層氣田167口生產井修井的主要原因，指出壓力傳感器故障是導致螺桿泵相關修井作業的主要原因，同時對煤層氣井螺桿泵的選擇和應用提供了良好的建議。在由Vora等人發表的《Novel?Idea?for?Optimization?of?a?Progressive?Cavity?Pump?PCPSystem?at?Different?Stages?of?Coal?Bed?Methane?CBM?Well?Life》文章中，根據現場經驗，提出了一種在煤層氣井生命周期的不同階段優化螺桿泵生產系統的新思路，該方法降低了煤層氣的生產成本。依靠經驗和統計法，雖然提出了延長泵使用壽命的方法，但是不能夠對泵未來一段時間的健康狀態進行評估，沒有能夠實現預測性維修。還有一部分學者，基于機器學習方法提出了一些關于PCP健康管理措施。例如在由Saghir,F.等人發表的《Machine?Learning?for?Progressive?Cavity?Pump?Performance?Analysis:A?CoalSeam?Gas?Case?Study》文章中，討論了如何使用從自動化系統收集的數據，將數據逼近和無監督機器學習方法應用于時間序列數據集，以幫助分析PCP性能和檢測異常泵行為。例如在由Hoday,J.P.等人發表的《Diagnosing?PCP?Failure?Characteristics?usingException?Based?Surveillance?in?CSG》文章中，提出了一種基于異常監視的方法來表征螺桿泵故障，使監測每口井的作業條件的信息價值最大化，并使作業成本最小化。在由Saghir,F.等人發表的《Converting?Time?Series?Data?into?Images:An?InnovativeApproach?to?Detect?Abnormal?Behavior?of?Progressive?Cavity?Pumps?Deployed?inCoal?Seam?Gas?Wells》文章中，提出了將從時間序列數據中提取的特征轉換為圖像，從而有助于自主檢測螺桿泵異常行為。在由Prosper,C.等人發表的《Case?Study?AppliedMachine?Learning?to?Optimise?PCP?Completion?Design?in?a?CBM?Field》文章中，提出了一種機器學習框架的使用，該框架可用于自定義每個修井配置，從而優化PCP的使用壽命，同時兼顧油井的異質性和壽命。