油气开采监测方法、故障识别模型获得方法及相关设备技术

本发明专利技术公开了一种油气开采监测方法、故障识别模型获得方法及相关设备，可以获得训练数据，对训练数据进行机器学习：确定在预设部件正常状态下的各种参数的第一参数值范围和在预设部件故障状态下的各种参数的第二参数值范围，将同一种参数的所述第一参数值范围和所述第二参数值范围进行比较，根据比较结果确定多种参数中至少一种参数的影响权重，根据影响权重获得用于输出预设部件的故障信息的故障识别模型。本发明专利技术获得的故障识别模型可以根据输入的多种参数自动确定预设部件的故障信息，因此无需进行井下作业，简单方便，可以及时发现油气开采设备中部件的损坏。

Oil and Gas Exploitation Monitoring Method, Fault Recognition Model Acquisition Method and Related Equipment

The invention discloses an oil and gas production monitoring method, a fault identification model acquisition method and related equipment, which can acquire training data and machine-learn the training data: determine the first parameter value range of various parameters under the normal state of the preset component and the second parameter value range of various parameters under the failure state of the preset component, and take the first parameter value range of the same parameter as the first parameter. The numerical range is compared with the range of the second parameter value, and the influence weight of at least one of the multiple parameters is determined according to the comparison result. The fault identification model for outputting the fault information of the preset components is obtained according to the influence weight. The fault identification model obtained by the invention can automatically determine the fault information of the preset components according to various input parameters, so it does not need underground operation, is simple and convenient, and can detect the damage of parts in oil and gas production equipment in time.

【技术实现步骤摘要】
油气开采监测方法、故障识别模型获得方法及相关设备
本专利技术涉及油气开采领域，尤其涉及油气开采监测方法、故障识别模型获得方法及相关设备。
技术介绍
在油气开采领域，受到多种因素的影响，油气开采设备中的某些部件经常发生损坏，如果不及时发现并维修这些损坏的部件，这些损坏的部件可能会导致整个油气开采设备的损坏并进一步影响油气开采过程。因此及时发现油气开采设备中部件的损坏十分重要。但由于油气开采设备中的很多部件(例如套管)是深入地下的，无法轻易的通过肉眼等常规手段及时发现这些部件的损坏。现有技术只能在油气开采过程发生明显异常(例如不出油)时，逐个查看各部件是否损坏，而对于套管等深入地下的部件，现有技术需要通过井下作业才能确定这些部件是否发生损坏。可见，现有技术无法及时发现油气开采设备中部件的损坏。
技术实现思路
鉴于上述问题，本专利技术提出了一种克服上述问题或者至少部分地解决上述问题的油气开采监测方法、故障识别模型获得方法及相关设备，方案如下：一种油气开采监测方法，包括：获得与油气开采设备中预设部件的故障信息相关的多种参数的参数值，所述多种参数至少包括：所述预设部件的部件参数、所述油气开采设备的工作参数和所述油气开采设备所开采的区域的地质参数；将所述多种参数的参数值输入所述预设部件的故障识别模型中，获得所述故障识别模型输出的所述预设部件的故障信息，其中，所述故障识别模型为对所述预设部件的训练数据进行机器学习后得到的用于输出所述预设部件的故障信息的模型。可选的，所述将所述多种参数的参数值输入所述预设部件的故障识别模型中，获得所述故障识别模型输出的所述预设部件的故障信息，包括：将所述多种参数的参数值输入所述预设部件的故障识别模型中，以使所述故障识别模型对所述多种参数中的至少一种参数：根据该种参数的参数值确定该种参数对应的部件故障概率；获得所述故障识别模型根据确定的所述部件故障概率和所述至少一种参数中各种参数的故障影响权重确定并输出的所述预设部件的故障信息。可选的，所述根据该种参数的参数值确定该种参数对应的部件故障概率，包括：所述故障识别模型将该种参数的参数值与通过所述机器学习获得的该种参数的参数范围进行比较，根据比较结果确定该种参数对应的部件故障概率。可选的，所述油气开采设备的工作参数包括：产液量、产油量、含水量、生产压差、油压、套压中的至少一个；和/或，所述区域的地质参数包括：储层深度、储层厚度、孔隙度、渗透率中的至少一个。可选的，所述预设部件为套管，所述油气开采设备为采油机或天然气开采设备，所述预设部件的部件参数包括：射孔深度、射孔密度、套管钢级、套管壁厚、套管外径中的至少一个。一种故障识别模型获得方法，包括：获得训练数据，其中，所述训练数据包括：多种参数在预设部件正常状态下的参数值和所述多种参数在所述预设部件故障状态下的参数值，所述多种参数至少包括：所述预设部件的部件参数、所述预设部件所在的油气开采设备的工作参数和所述油气开采设备所开采的区域的地质参数；对所述训练数据进行机器学习：确定在所述预设部件正常状态下的各种参数的第一参数值范围和在所述预设部件故障状态下的各种参数的第二参数值范围，将同一种参数的所述第一参数值范围和所述第二参数值范围进行比较，根据比较结果确定所述多种参数中至少一种参数的影响权重，根据所述影响权重获得用于输出所述预设部件的故障信息的故障识别模型。可选的，所述故障识别模型的输入为：所述预设部件的部件参数、所述预设部件所在的油气开采设备的工作参数和所述油气开采设备所开采的区域的地质参数。可选的，还包括：将各种参数的所述第一参数值范围和所述第二参数值范围进行保存，以将输入所述故障识别模型的多种参数的参数值与保存的参数值范围中的至少一个进行比较，根据比较结果获得参数对应的部件故障概率。一种油气开采监测装置，包括：参数值获得单元和故障获得单元，所述参数值获得单元，用于获得与油气开采设备中预设部件的故障信息相关的多种参数的参数值，所述多种参数至少包括：所述预设部件的部件参数、所述油气开采设备的工作参数和所述油气开采设备所开采的区域的地质参数；所述故障获得单元，用于将所述多种参数的参数值输入所述预设部件的故障识别模型中，获得所述故障识别模型输出的所述预设部件的故障信息，其中，所述故障识别模型为对所述预设部件的训练数据进行机器学习后得到的用于输出所述预设部件的故障信息的模型。一种故障识别模型获得装置，包括：训练数据获得单元和机器学习单元，所述训练数据获得单元，用于获得训练数据，其中，所述训练数据包括：多种参数在预设部件正常状态下的参数值和所述多种参数在所述预设部件故障状态下的参数值，所述多种参数至少包括：所述预设部件的部件参数、所述预设部件所在的油气开采设备的工作参数和所述油气开采设备所开采的区域的地质参数；所述机器学习单元，用于对所述训练数据进行机器学习：确定在所述预设部件正常状态下的各种参数的第一参数值范围和在所述预设部件故障状态下的各种参数的第二参数值范围，将同一种参数的所述第一参数值范围和所述第二参数值范围进行比较，根据比较结果确定所述多种参数中至少一种参数的影响权重，根据所述影响权重获得用于输出所述预设部件的故障信息的故障识别模型。一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行上述的任一种油气开采监测方法，或者，在所述程序运行时控制所述存储介质所在的设备执行上述的任一种故障识别模型获得方法。一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述的任一种油气开采监测方法，或者，所述程序运行时执行上述的任一种故障识别模型获得方法。借由上述技术方案，本专利技术提供的油气开采监测方法、故障识别模型获得方法及相关设备，可以获得训练数据，对训练数据进行机器学习：确定在预设部件正常状态下的各种参数的第一参数值范围和在预设部件故障状态下的各种参数的第二参数值范围，将同一种参数的所述第一参数值范围和所述第二参数值范围进行比较，根据比较结果确定多种参数中至少一种参数的影响权重，根据影响权重获得用于输出预设部件的故障信息的故障识别模型。本专利技术获得的故障识别模型可以根据输入的多种参数自动确定预设部件的故障信息，因此无需进行井下作业，简单方便，可以及时发现油气开采设备中部件的损坏。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了本专利技术实施例提供的一种故障识别模型获得方法的流程图；图2示出了本专利技术实施例提供的另一种故障识别模型获得方法的流程图；图3示出了本专利技术实施例提供的一种油气开采监测方法的流程图；图4示出了本专利技术实施例提供的一种故障识别模型获得装置的结构示意图；图5示出了本专利技术实施例提供的另一种故障识别模型获得装置的结构示意图；图6示出了本专利技术实施例提供的一种油气开采监测装置的结构示意图。具体本文档来自技高网...

【技术保护点】
1.一种油气开采监测方法，其特征在于，包括：获得与油气开采设备中预设部件的故障信息相关的多种参数的参数值，所述多种参数至少包括：所述预设部件的部件参数、所述油气开采设备的工作参数和所述油气开采设备所开采的区域的地质参数；将所述多种参数的参数值输入所述预设部件的故障识别模型中，获得所述故障识别模型输出的所述预设部件的故障信息，其中，所述故障识别模型为对所述预设部件的训练数据进行机器学习后得到的用于输出所述预设部件的故障信息的模型。

【技术特征摘要】
1.一种油气开采监测方法，其特征在于，包括：获得与油气开采设备中预设部件的故障信息相关的多种参数的参数值，所述多种参数至少包括：所述预设部件的部件参数、所述油气开采设备的工作参数和所述油气开采设备所开采的区域的地质参数；将所述多种参数的参数值输入所述预设部件的故障识别模型中，获得所述故障识别模型输出的所述预设部件的故障信息，其中，所述故障识别模型为对所述预设部件的训练数据进行机器学习后得到的用于输出所述预设部件的故障信息的模型。2.根据权利要求1所述的方法，其特征在于，所述将所述多种参数的参数值输入所述预设部件的故障识别模型中，获得所述故障识别模型输出的所述预设部件的故障信息，包括：将所述多种参数的参数值输入所述预设部件的故障识别模型中，以使所述故障识别模型对所述多种参数中的至少一种参数：根据该种参数的参数值确定该种参数对应的部件故障概率；获得所述故障识别模型根据确定的所述部件故障概率和所述至少一种参数中各种参数的故障影响权重确定并输出的所述预设部件的故障信息。3.根据权利要求2所述的方法，其特征在于，所述根据该种参数的参数值确定该种参数对应的部件故障概率，包括：所述故障识别模型将该种参数的参数值与通过所述机器学习获得的该种参数的参数范围进行比较，根据比较结果确定该种参数对应的部件故障概率。4.根据权利要求1所述的方法，其特征在于，所述油气开采设备的工作参数包括：产液量、产油量、含水量、生产压差、油压、套压中的至少一个；和/或，所述区域的地质参数包括：储层深度、储层厚度、孔隙度、渗透率中的至少一个。5.根据权利要求1所述的方法，其特征在于，所述预设部件为套管，所述油气开采设备为采油机或天然气开采设备，所述预设部件的部件参数包括：射孔深度、射孔密度、套管钢级、套管壁厚、套管外径中的至少一个。6.一种故障识别模型获得方法，其特征在于，包括：获得训练数据，其中，所述训练数据包括：多种参数在预设部件正常状态下的参数值和所述多种参数在所述预设部件故障状态下的参数值，所述多种参数至少包括：所述预设部件的部件参数、所述预设部件所在的油气开采设备的工作参数和所述油气开采设备所开采的区域的地质参数；对所述训练数据进行机器学习：确定在所述预设部件正常状态下的各种参数的第一参数值范围和在所述预设部件故障状态下的各种参数的第二参数值范围，将同一种参数的所述第一参数值范围和所述第二参数值范围进行比较，根据比较结果确定所述多种参数中至少一种参数的影响权重，根据所述影响权重获得用于输出所述预设部件的...

【专利技术属性】
技术研发人员：李志元，
申请(专利权)人：北京国双科技有限公司，
类型：发明
国别省市：北京,11