一种自适应和智能分析决策的智能气田系统和方法技术方案

本发明专利技术涉及一种自适应和智能分析决策的智能气田系统和方法。智能服务模块在工况识别和预测模块的工况识别结果和/或预测结果对应于正常工况的情况下基于运行参数和/或气井生产参数结合机器学习算法模型生成用于调节采气装置的运行参数的决策信息，而反馈至生产参数调节模块，以对生产参数调节模块进行优化调整；或在工况识别和预测模块的工况识别结果和/或预测结果对应于异常工况的情况下，工况识别和预测模块生产紧急信息反馈至生产参数调节模块以对采气装置的排采参数进行紧急调整。

【技术实现步骤摘要】
一种自适应和智能分析决策的智能气田系统和方法
本专利技术涉及智慧采气工程
，尤其涉及一种自适应和智能分析决策的智能气田系统和方法。
技术介绍
当气井的生产压力低于管线回压(一般为1.0-3Mpa)时，就会处于间歇生产，影响了正常产能的发挥，如果能低成本将单井剩余天然气开采出来仍有巨大的经济效益和社会效益。通常会在气井压力接近管线回压时采取增压措施，维持气井生产，目前技术条件下，增压设备投入较大，采气成本居高不下；也有气田采取间歇开采的模式，气井产量维持较低水平。例如，授权公告号为CN107780885B的中国专利公开的一种智能开关井的方法和装置。所述方法包括：采集气井的环境参数，环境参数包括采气的油管内的压力、套设在油管外的套管和油管之间的压力、输气管线内的压力、输气管线内流体的流量、实现气井开关的节流阀的阀门开度、当前时刻与开井时刻或关井时刻的间隔时间中的一种或多种；确定环境参数是否符合设定模式下开关井的条件；当环境参数符合设定模式下开井的条件时，根据环境参数控制节流阀的阀门开度的调节过程，完成设定模式下的开井。该专利技术由设备自主完成开关井，不需要人到气井现场手动操作节流阀，大大降低开井作业的工作量和劳动强度，提高生产效率，满足开关井的要求。随着天然气井的开采，常常面临如下问题：气井出水，逐渐变成排液生产或间歇生产；单井地层压力衰竭程度不同，高产井抑制低产井生产；井口不加热生产时，尤其在冬季易冻堵，仪器损坏，造成生产不正常，数据不完整；靠经验设置阀门开度，无法随井况变化而实时调整；目前的自动化主要是人工事先设定参数来进行控制，无法根据现场工程环境变化自适应地智能调参。此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于专利技术人做出本专利技术时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本专利技术不具备这些现有技术的特征，相反本专利技术已经具备现有技术的所有特征，而且申请人保留在
技术介绍
中增加相关现有技术之权利。
技术实现思路
针对现有技术之不足：现有的采气装置大多是带着故障进行作业或者在发生故障时仍需作业，以达到预期产能。然而现有的采气装置即使能够预测或者识别故障，却不能通过对故障类型的识别结果或者预测结果在故障工况下通过自调节的方式进行作业。本专利技术提供一种自适应和智能分析决策的智能气田系统，包括生产状态采集模块、生产参数调节模块、工况识别和预测模块和智能服务模块，其中：生产状态采集模块：用于采集采气装置的运行参数和/或气井生产参数；生产参数调节模块：用于调节所述采集装置的运行参数和/或气井生产参数；工况识别和预测模块：用于能够识别工况类型和预测故障类型；和智能服务模块：其输入端与所述生产状态采集模块通信连接，其输出端分别与所述生产参数调节模块和所述工况识别和预测模块通信连接；所述智能服务模块在所述工况识别和预测模块的工况识别结果和/或预测结果对应于正常工况的情况下基于运行参数和/或气井生产参数结合机器学习算法模型生成用于调节所述采气装置的运行参数的决策信息，而反馈至所述生产参数调节模块，以对所述生产参数调节模块进行优化调整；或在所述工况识别和预测模块的工况识别结果和/或预测结果对应于异常工况的情况下，所述工况识别和预测模块生产紧急信息反馈至所述生产参数调节模块以对所述采气装置的排采参数进行紧急调整。通过提高作业频率、降低作业频率或者将频率设定为随时间的函数均能够应对采气装置在不同工况状态下的运行以达到预期产能。甚至经过智能化升级改造实践：在某些故障工况下，采气装置在被工况识别和预测模块识别后，经过生产参数调节模块的变频调节，能够超出预期产能，为维修预留了作业时间。与传统采气装置的人工操作而言，这无疑地为天然气井的生产作业提供了更优质的生产保障。在工况识别和预测模块识别出故障类型的情况下，智能服务模块能够基于识别出的故障类型对应的产能预测模型而对故障工况下的采气井产量进行计量而保证采气井能够在生产参数调节模块对采气装置的采气频率变换之后正常连续地或间断地生产。产能预测模型是对各类工况及其计量数据通过深度学习而得出的。优选地，简单工况下的产能预测模型配置在本地端的本地服务器中，复杂工况下的产能预测模型配置在云分析端的云端服务器中。本专利技术应用机器学习算法，通过控制采集装置的运行参数，建立天然气井在某生产周期内产气量最大的机器学习算法模型(尤其是，全区块天然气井总产量最大的目的下的机器学习算法模型)，该方法通过与环境的交互式学习，对动态环境进行灵活的奖惩，实现了智能服务模块在复杂环境下智能决策和参数优化的效果，在采气装置运行参数优化控制上具有实时调整参数设置、自适应环境变化和无需大数据进行训练的优势。该方法能提高采气装置的排采效率，使天然气井按照生产规律长期、连续、高效地进行开采，并提高整体开发效果和经济效益。根据一种优选的实施方式，在所述采气装置的运行参数经由生产参数调节模块得以调节的情况下，所述采气装置的产能参数经由奖惩反馈模块进行奖惩后而将生成的奖惩刺激信息反馈至所述智能服务模块，以使得所述智能服务模块能够基于所述奖惩刺激信息实时地对所述采气装置的运行参数进一步调节。根据一种优选的实施方式，在所述采气装置每基于所述决策信息调节一次所述运行参数的情况下，所述奖惩反馈模块对奖惩刺激原始参数按照叠加的方式进行迭代以确定最后一次所述采气装置调节运行参数之后的对应的奖惩刺激信息。根据一种优选的实施方式，所述智能服务模块包括本地服务器和云端服务器，所述本地服务器在本地工况识别和预测模块未获取一级工况识别结果的情况下通信连接至所述云端服务器，而使得所述云端服务器能够基于专家库通过云端工况识别和预测模块获取的二级工况识别结果或所述工况诊断及预测结果反馈至生产参数调节模块。根据一种优选的实施方式，所述本地工况识别和预测模块配置有单一工况动态诊断模型，而使得其在本地端能够基于智能服务模块分析后的历史气井生产参数(如产量、温度、油压、套压、水气比等)对采气工况类型进行识别而获取第一工况识别结果。本地服务器获取的二级处理数据一方面用于本地工况识别和预测模块进行单一故障工况的识别，而另一方面则将二级处理数据发送至云端服务器，降低云端服务器数据的处理量。本专利技术中，本地工况识别和预测模块所需要的数据类型少，对于简单工况下的故障类型具有较高的识别率和准确率，能够及时有效地在本地就能获取一级故障识别结果，完成故障预警、故障处理，因而可以不用上传至云端进行简单工况的识别，减少云分析端的数据处理量。而云端工况识别和预测模块则是负责整个丛式井井场内的采气装置的故障识别和故障预测，其数据处理量较大。根据一种优选的实施方式，所述云端工况识别和预测模块配置有复杂工况动态诊断模型，而使得其在云分析端能够在所述本地工况识别和预测模块未识别出故障的情况下基于智能服务模块分析后的实时气井生产参数(如产量、温度、油压、套压、水气比等)对复杂工况类型进行识别而获取第二工况识别结果或对工况类型进行预测而获取工况预测结果。根据一种优选的实施方式，所述云端服务器与各采气装置本文档来自技高网...

【技术保护点】
1.一种自适应和智能分析决策的智能气田系统，包括生产状态采集模块(100)、生产参数调节模块(200)、工况识别和预测模块(300)和智能服务模块(400)，其中：/n生产状态采集模块(100)：用于采集采气装置的运行参数和/或气井生产参数；/n生产参数调节模块(200)：用于调节所述采集装置的运行参数和/或气井生产参数；/n工况识别和预测模块(300)：用于能够识别工况类型和预测故障类型；和/n智能服务模块(400)：其输入端与所述生产状态采集模块(100)通信连接，其输出端分别与所述生产参数调节模块(200)和所述工况识别和预测模块(300)通信连接；/n其特征在于，/n所述智能服务模块(400)在所述工况识别和预测模块(300)的工况识别结果和/或预测结果对应于正常工况的情况下基于运行参数和/或气井生产参数结合机器学习算法模型生成用于调节所述采气装置的运行参数的决策信息，而反馈至所述生产参数调节模块(200)，以对所述生产参数调节模块(200)进行优化调整；或/n在所述工况识别和预测模块(300)的工况识别结果和/或预测结果对应于异常工况的情况下，所述工况识别和预测模块(300)生产紧急信息反馈至所述生产参数调节模块(200)以对所述采气装置的排采参数进行紧急调整。/n...

【技术特征摘要】
1.一种自适应和智能分析决策的智能气田系统，包括生产状态采集模块(100)、生产参数调节模块(200)、工况识别和预测模块(300)和智能服务模块(400)，其中：
生产状态采集模块(100)：用于采集采气装置的运行参数和/或气井生产参数；
生产参数调节模块(200)：用于调节所述采集装置的运行参数和/或气井生产参数；
工况识别和预测模块(300)：用于能够识别工况类型和预测故障类型；和
智能服务模块(400)：其输入端与所述生产状态采集模块(100)通信连接，其输出端分别与所述生产参数调节模块(200)和所述工况识别和预测模块(300)通信连接；
其特征在于，
所述智能服务模块(400)在所述工况识别和预测模块(300)的工况识别结果和/或预测结果对应于正常工况的情况下基于运行参数和/或气井生产参数结合机器学习算法模型生成用于调节所述采气装置的运行参数的决策信息，而反馈至所述生产参数调节模块(200)，以对所述生产参数调节模块(200)进行优化调整；或
在所述工况识别和预测模块(300)的工况识别结果和/或预测结果对应于异常工况的情况下，所述工况识别和预测模块(300)生产紧急信息反馈至所述生产参数调节模块(200)以对所述采气装置的排采参数进行紧急调整。


2.根据权利要求1所述的系统，其特征在于，在所述采气装置的运行参数经由生产参数调节模块(200)得以调节的情况下，所述采气装置的产能参数经由奖惩反馈模块(500)进行奖惩后而将生成的奖惩刺激信息反馈至所述智能服务模块(400)，以使得所述智能服务模块(400)能够基于所述奖惩刺激信息实时地对所述采气装置的运行参数进一步调节。


3.根据权利要求2所述的系统，其特征在于，在所述采气装置每基于所述决策信息调节一次所述运行参数的情况下，所述奖惩反馈模块(500)对奖惩刺激原始参数按照叠加的方式进行迭代以确定最后一次所述采气装置调节运行参数之后的对应的奖惩刺激信息。


4.根据前述权利要求之一所述的系统，其特征在于，所述智能服务模块(400)包括本地服务器(400a)和云端服务器(400b)，
所述本地服务器(400a)在本地工况识别和预测模块(300a)未获取一级工况识别结果的情况下通信连接至所述云端服务器(400b)，而使得所述云端服务器(400b)能够基于专家库(600)通过云端工况识别和预测模块(300b)获取的二级工况识别结果或所述工况诊断及预测结果反馈至生产参数调节模块(200)。


5.根据前述权利要求之一所述的应用系统，其特征在于，所述本地工况识别和预测模块(300a)配置有单一工况动态诊断模型，而使得其在本地端能够基于智能服务模块(400)分析后的历史气井生产参数对采气工况类型进行识别而获取第一工况识别结果。


6.根据前述权利要求之一所述的应用系统，其特征在于...

【专利技术属性】
技术研发人员：檀朝东，宋文容，檀朝銮，毛军军，檀竹南，冯钢，孙向飞，宋健，
申请(专利权)人：中国石油大学北京，北京雅丹石油技术开发有限公司，
类型：发明
国别省市：北京;11