基于多参数的抽油机井工况诊断方法及系统技术方案

本发明专利技术提供了一种基于多参数的抽油机井工况诊断方法及系统，所述方法包括：获取抽油机井业务参数数据和示功图数据；对所述示功图数据进行预处理得到网格化数据；将所述网格化数据和所述业务参数数据输入预设的油井工况诊断模型得到抽油机井工况诊断结果，本发明专利技术可通过机器学习方法对油井工况进行自动诊断。通过机器学习方法对油井工况进行自动诊断。通过机器学习方法对油井工况进行自动诊断。

【技术实现步骤摘要】
基于多参数的抽油机井工况诊断方法及系统


[0001]本专利技术涉及石油勘探
，尤其涉及一种基于多参数的抽油机井工况诊断方法及系统。

技术介绍

[0002]在石油勘探领域，随着物联网建设的不断推进，目前已基本实现利用实时示功图对油井工况的定性诊断，但诊断的准确性尚待提高。此外，针对油井异常工况的严重程度及发展趋势，缺乏量化评估及预测方法。目前主要依靠人工通过分析各种参数的变化并结合物理模型来判断油井是否会出现故障以及是否需要进行维护作业。目前的油井工况诊断方法完全依赖专家经验人工判断，且不能够做到24小时实时识别，通常都是故障发生后才采取维护作业，不能够及时发现潜在的油井故障。并且，人工方法判断精确度不够，并且维修作业安排不合理，事后安排维修、供应链跟不上，往往会造成延迟作业，增加停机时间，从而严重影响油井生产和油田的整体效益。

技术实现思路

[0003]本专利技术的一个目的在于提供一种基于多参数的抽油机井工况诊断方法，通过机器学习方法对油井工况进行自动诊断。本专利技术的另一个目的在于提供一种基于多参数的抽油机井工况诊断系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多参数的抽油机井工况诊断方法，其特征在于，包括：获取抽油机井业务参数数据和示功图数据；对所述示功图数据进行预处理得到网格化数据；将所述网格化数据和所述业务参数数据输入预设的油井工况诊断模型得到抽油机井工况诊断结果。2.根据权利要求1所述的基于多参数的抽油机井工况诊断方法，其特征在于，所述业务参数数据包括油井生产动态、油藏物性、机抽设备和井身轨迹数据。3.根据权利要求1所述的基于多参数的抽油机井工况诊断方法，其特征在于，进一步包括：将多个所述网格化数据按时间排序得到网格化数据序列；将所述网格化数据序列输入预设的变化趋势预测模型得到未来时刻示功图的预测网格化数据。4.根据权利要求1所述的基于多参数的抽油机井工况诊断方法，其特征在于，进一步包括预先形成所述油井工况诊断模型的步骤：获取第一历史数据，所述第一历史数据包括历史时刻抽油机井业务参数数据和对应的示功图数据，对所述示功图数据进行预处理得到网格化数据；确定所述第一历史数据的抽油机井工况类型，将所述第一历史数据和对应的网格化数据作为第一样本数据；构建第一神经网络模型，通过所述第一样本数据对所述第一神经网络模型进行训练得到所述油井工况诊断模型。5.根据权利要求3所述的基于多参数的抽油机井工况诊断方法，其特征在于，进一步包括预先形成所述变化趋势预测模型的步骤：获取第二历史数据，所述第二历史数据包括历史连续多个时刻的示功图数据，对所述示功图数据进行预处理得到按时间排序的网格化数据序列；将网格化数据序列中最后时刻的网格化数据作为预测网格化数据与网格化数据序列中的其他网格化数据形成第二样本数据；构建第二神经网络模型，通过所述第二样本数据对所述第二神经网络模型进行训练得到所述变化趋势预测模型。6.根据权利要求1所述的基于多参数的抽油机井工况诊断方法，其特征在于，所述对所述示功图数据进行预处理得到网格化数据具体包括：对所述示功图数据进行格式转换；将格式转换后的示功图数据进行缺失值处理得到二维示功图数据；对所述二维示功图数据进行归一化处理得到网格化数据。7.一种基于多参数的抽油机井工况诊断系统，其特征在于，包括：数据获取模块，用于获取抽油机井业务参数数据和示功图数据；数据处理模块，用于对所述示功图数据进行预处理得到网...

【专利技术属性】
技术研发人员：熊春明，师俊峰，龚仁彬，张亚顺，林霞，周相广，米兰，向冲，李帅，张烈，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：