[發明專利]一種基于BP神經網絡的抽油機井檢泵周期預測方法

在審

• 申請號: 202111253670.0
• 申請日: 2021-10-27
• 公開（公告）號: CN113987933A
• 公開（公告）日: 2022-01-28
• 發明（設計）人: 張曉東;陳元行;白廣芝;李敏;高紹姝
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06Q10/04;E21B47/008
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于BP神經網絡算法的抽油機井檢泵周期預測方法，其包括以下幾個步驟：

(1)采集抽油機井的日生產數據作為樣本數據集；

(2)整理初步數據集，添加新特征參數命名為“檢泵周期”；

(3)對數據進行預處理；

(4)運用灰度關聯算法進行數據特征參數篩選；

(5)用BP神經網絡算法建模，并優化模型參數；

(6)構建基于BP神經網絡算法的檢泵周期預測模型；

(7)結合檢泵周期預測模型和新采集數據得到檢泵周期預測值。

2.如權利要求1中所述的基于BP神經網絡算法的抽油機井檢泵周期預測方法，其特征在于，所述步驟)(1)所獲取的日生產數據特征參數包括套壓、油壓、含水率、上行電流、下行電流、最大載荷、最小載荷、額定扭矩、沖次、沖程、泵徑、排量、日產液量、日產油量、日生產時間。并將所獲取的數據按井進行分類，分別作為不同油井檢泵周期模型的訓練集。

3.如權利要求1中所述的基于BP神經網絡算法的抽油機井檢泵周期預測方法，其特征在于，所述步驟(2)，基于步驟(1)獲取的生產數據集，添加新的特征參數，命名為“檢泵周期”。并統計生產數據中每條數據距離下一次檢泵周期的天數，作為對應“檢泵周期”特征參數的值。

4.如權利要求1中所述的基于BP神經網絡算法的抽油機井檢泵周期預測方法，其特征在于，所述步驟(3)，基于步驟(2)添加完“檢泵周期”特征參數的數據，進行數據預處理，包括處理空值，設置數據范圍約束并刪除不符合范圍約束的數據，及對數據進行歸一化。

5.如權利要求1中所述的基于BP神經網絡算法的抽油機井檢泵周期預測方法，其特征在于，所述步驟(4)，基于步驟(3)預處理完的數據，運用灰度關聯算法，分析各特征參數與“檢泵周期”特征參數的關系，刪除關聯度分數小于0.01的特征參數。

6.如權利要求1中所述的基于BP神經網絡算法的抽油機井檢泵周期預測方法，其特征在于，所述步驟(5)，基于步驟(4)所得數據作為數據集，按照3:1的比例劃分為訓練集和測試集，并將訓練集放入到BP神經網絡模型中進行擬合，然后通過網格搜索法優化BP神經網絡算法的參數，并保留BP神經網絡算法在測試集上誤差最小時的模型參數。

7.如權利要求1中所述的基于BP神經網絡算法的抽油機井檢泵周期預測方法，其特征在于，所述步驟(6)，基于步驟(5)所得模型參數，帶入BP神經網絡算法中，得到基于BP神經網絡算法的檢泵周期預測模型，保存并導出算法文件，進而得到最優的基于BP神經網絡的檢泵周期預測模型。

8.如權利要求1中所述的基于BP神經網絡算法的抽油機井檢泵周期預測方法，其特征在于，所述步驟(7)，基于步驟(6)得到的檢泵周期預測模型，將新采集的生產數據放入檢泵周期預測模型中，得出對應的檢泵周期預測值。