【技术实现步骤摘要】
一种基于生产动态数据和示功图检测异常抽油井的方法
[0001]本专利技术属于油田勘探开发
,涉及一种基于生产动态数据和示功图检测异常抽油井的方法。
技术介绍
[0002]某石油采集场,是我国重要的原油开发区域,但在原油开采过程中,该地区存在抽油井异常现象,给原油开发带来了诸多不便。所谓的抽油井异常,是指抽油井的生产状况发生了异常变化,主要包括液量增减幅度过大,或者含水波动过大。
[0003]目前也采取了一些措施和方法对发生异常的油井进行检测,但是存在以下问题:(1)在抽油过程中,由于人工或者机器操作失误导致产油量变化,使得检测数据的相关性变差,影响异常油井检测结果的准确性;(2)现有的分析方法不能准确反应油井产油和产液量的变化,且计算结果和实测值之间有较大误差;(3)油井异常的判断过程非常复杂,现有的分析方法仅对工况进行诊断,而没有诊断油井产油和产液方面的异常。
技术实现思路
[0004]针对现有油井异常检测中出现的技术问题,本专利技术提供一种基于生产动态数据和示功图检测异常抽油井的方法,将生产动态数据、示功图以及机器学习中的训练分类模型相结合,通过计算得到的波动系数实现异常油井的检测,从而增强分析数据的相关度、减小分析误差,提高检测结果的准确率,而且整个检测过程简单,能快捷地实现对异常油井的诊断。
[0005]为了实现上述目的,本专利技术采用的技术方案是:
[0006]一种基于生产动态数据和示功图检测异常抽油井的方法,包括以下步骤:
[0007]1)采集多口油井 ...
【技术保护点】
【技术特征摘要】
1.一种基于生产动态数据和示功图检测异常抽油井的方法,其特征在于,包括以下步骤:1)采集多口油井生产动态数据,进行缺失值补全和去噪处理;2)从处理后的生产动态数据中,选取一个月内油井抽油机每个生产天数采油产生的荷载
‑
位移数据,得到相应的示功图,对每幅示功图按照类别进行分类;对不同类别的示功图对应打标签,得到相应的数据集;3)把步骤2)数据集中的每幅示功图,均依次输入卷积神经网络CNN和支持向量机SVM中,经过处理得到相应的示功图分类模型;4)根据步骤3)示功图分类模型的分类结果,得出产油量的界定值Q
o
和产液量的界定值Q
l
;5)根据步骤4)得到的产油量的界定值Q
o
和产液量的界定值Q
l
,并结合步骤1)中油井的生产动态数据,得到波动系数δ;6)根据波动系数δ的大小对油井是否为异常做出判断。2.根据权利要求1所述的基于生产动态数据和示功图检测异常抽油井的方法,其特征在于,所述步骤1)中,油井生产动态数据包括油井的数量N、单口油井每天的产油量x、单口油井每月的产油量z,单口油井每天的产液量y以及单口油井一个月内总共的生产天数M,所述M为1~31内的任意正整数。3.根据权利要求2所述的基于生产动态数据和示功图检测异常抽油井的方法,其特征在于,所述步骤1)中,缺失值的补全采用均值填充的方法来完成。4.根据权利要求3所述的基于生产动态数据和示功图检测异常抽油井的方法,其特征在于,所述步骤2)中,类别包括类别1、类别2、类别3、类别4、类别5、类别6、类别7、类别8、类别9以及类别10;10个类别的标签分别是[1,0,0,0,0,0,0,0,0,0]、[0,1,0,0,0,0,0,0,0,0]、[0,0,1,0,0,0,0,0,0,0]、[0,0,0,1,0,0,0,0,0,0]、[0,0,0,0,1,0,0,0,0,0]、[0,0,0,0,0,1,0,0,0,0]、[0,0,0,0,0,0,1,0,0,0]、[0,0,0,0,0,0,0,1,0,0]、[0,0,0,0,0,0,0,0,1,0...
【专利技术属性】
技术研发人员:潘少伟,张航,李瑜,牟昱辉,薛章涛,
申请(专利权)人:西安石油大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。