石油生产智能管理系统及其方法技术方案

本申请涉及智能管理技术领域，其具体地公开了一种石油生产智能管理系统及其方法，其首先获取过去一个月内各天的井口压力值、油井产量值以及排水量值，然后基于深度学习提取出油井产量和井口压力之间的时序关联性动态特征分布信息以及所述油井产量和排水量之间的时序关联性动态特征分布信息，以此来进行油井开发程度的判断。这样，可以了解油井的开发程度，判断油井的产能稳定性和潜在问题，并制定相应的开发策略和调整生产参数，以保持油井的稳定产量和优化开采效果。产量和优化开采效果。产量和优化开采效果。

【技术实现步骤摘要】
石油生产智能管理系统及其方法


[0001]本申请涉及智能管理
，且更为具体地，涉及一种石油生产智能管理系统及其方法。

技术介绍

[0002]在石油开采中，水驱采油是最常用的一种开采技术，通过向地层中注入水,用水驱替出地质储层中的剩余油,从注水井注入水,地层压力会升高,由此会将地层原油驱替到附近的生产井内。在早期开采时，注水开发效果较好，水驱采油的耗水率为1，即采出1方原油仅需注入1方水，水驱采油的注水利用率为100%。而后期由于剩余油的分布趋于离散的结果，耗水率大于1，即采出1方原油需要的水量大于1方，注到地下的水没有全部用来驱油。
[0003]针对油井不同的开发程度应该采取不同的开发策略，及时调整生产参数，以保持油井产量的稳定性。
[0004]因此，期待一种石油生产智能管理系统及其方法。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种石油生产智能管理系统及其方法，其首先获取过去一个月内各天的井口压力值、油井产量值以及排水量值，然后基于深度学习提取出油井产量和井口压力之间的时序关联性动态特征分布信息以及所述油井产量和排水量之间的时序关联性动态特征分布信息，以此来进行油井开发程度的判断。这样，可以了解油井的开发程度，判断油井的产能稳定性和潜在问题，并制定相应的开发策略和调整生产参数，以保持油井的稳定产量和优化开采效果。
[0006]相应地，根据本申请的一个方面，提供了一种石油生产智能管理系统，其包括：数据采集模块，用于获取过去一个月内各天的井口压力值、油井产量值以及排水量值；压力产量关联模块，用于将所述各天的井口压力值和油井产量值分别按照时间维度排列为压力输入向量和油井产量输入向量后，计算所述压力输入向量和所述油井产量输入向量之间的压力
‑
产量关联输入矩阵；油水关联模块，用于将所述各天的油井产量值和排水量值分别按照时间维度排列为所述油井产量输入向量和排水量输入向量后，计算所述排水量输入向量和所述油井产量输入向量的油水关联输入矩阵；压力产量关联特征提取模块，用于将所述压力
‑
产量关联输入矩阵通过作为过滤器的第一卷积神经网络模型以得到压力
‑
产量关联特征向量；油水关联特征提取模块，用于将所述油水关联输入矩阵通过作为过滤器的第二卷积神经网络模型以得到油水关联特征向量；关联编码模块，用于计算所述压力
‑
产量关联特征向量和所述油水关联特征向量之间的关联特征矩阵；双向注意力模块，用于将所述关联特征矩阵通过双向注意力机制模块以得到分类特征矩阵；降维优化模块，用于对所述分类特征矩阵进行降维优化以得到优化分类特征矩阵；以及管理结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示该油井的开发程度为高、中或低。
[0007]在上述石油生产智能管理系统中，所述压力产量关联模块，用于：计算所述油井产量输入向量的转置向量与所述压力输入向量之间的乘积以得到所述压力
‑
产量关联输入矩阵。
[0008]在上述石油生产智能管理系统中，所述油水关联模块，用于：计算所述油井产量输入向量的转置向量与所述排水量输入向量之间的乘积以得到所述油水关联输入矩阵。
[0009]在上述石油生产智能管理系统中，所述压力产量关联特征提取模块，包括：使用所述第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行沿通道维度的各个特征矩阵的均值池化处理以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述压力
‑
产量关联特征向量，所述第一卷积神经网络模型的第一层的输入为所述压力
‑
产量关联输入矩阵。
[0010]在上述石油生产智能管理系统中，所述油水关联特征提取模块，包括：使用所述第二卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行沿通道维度的各个特征矩阵的均值池化处理以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第二卷积神经网络模型的最后一层的输出为所述油水关联特征向量，所述第二卷积神经网络模型的第一层的输入为所述油水关联输入矩阵。
[0011]在上述石油生产智能管理系统中，所述关联编码模块，包括：以如下关联公式计算所述压力
‑
产量关联特征向量和所述油水关联特征向量之间的关联特征矩阵；其中，所述关联公式为：其中，表示所述压力
‑
产量关联特征向量，表示所述压力
‑
产量关联特征向量的转置向量，表示所述油水关联特征向量，表示所述关联特征矩阵，表示矩阵相乘。
[0012]在上述石油生产智能管理系统中，所述双向注意力模块，包括：池化单元，用于将所述关联特征矩阵分别沿着水平方向和垂直方向进行池化以得到第一向池化向量和第二向池化向量；关联单元，用于对所述第一向池化向量和所述第二向池化向量进行关联编码以得到双向关联矩阵；权重计算单元，用于将所述双向关联矩阵输入Sigmoid激活函数以得到双向关联权重矩阵；以及，权重施加单元，用于计算所述双向关联权重矩阵和所述关联特征矩阵之间的按位置点乘以得到所述分类特征矩阵。
[0013]在上述石油生产智能管理系统中，所述降维优化模块，包括：展开单元，用于将所述分类特征矩阵按照行向量或者列向量展开为分类特征向量；激活单元，用于将所述分类特征向量输入Sigmoid激活函数进行激活以得到概率化分类特征向量；归零化单元，用于针对于所述概率化分类特征向量中各个位置的特征值，将所述各个位置的特征值进行归零处理以得到多个概率化掩码分类特征向量；散度计算单元，用于分别计算所述概率化分类特征向量与所述各个概率化掩码分类特征向量之间的KL散度以得到多个KL散度；筛选单元，用于基于所述KL散度与预定阈值之间的比较，确定是否剔除所述概率化分类特征向量中各个位置的特征值以得到优化分类特征向量；以及，重排单元，用于对所述优化分类特征向量进行重排以得到所述优化分类特征矩阵。
[0014]根据本申请的另一个方面，提供了一种石油生产智能管理方法，其包括：获取过去一个月内各天的井口压力值、油井产量值以及排水量值；将所述各天的井口压力值和油井产量值分别按照时间维度排列为压力输入向量和油井产量输入向量后，计算所述压力输入向量和所述油井产量输入向量之间的压力
‑
产量关联输入矩阵；将所述各天的油井产量值和排水量值分别按照时间维度排列为所述油井产量输入向量和排水量输入向量后，计算所述排水量输入向量和所述油井产量输入向量的油水关联输入矩阵；将所述压力
‑
产量关联输入矩阵通过作为过滤器的第一卷积神经网络模型以得到压力
‑
产量关联特征向量；将所述油水关联输入矩阵通过作为过滤器的第二卷积神经网络模型以得到油水关联特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种石油生产智能管理系统，其特征在于，包括：数据采集模块，用于获取过去一个月内各天的井口压力值、油井产量值以及排水量值；压力产量关联模块，用于将所述各天的井口压力值和油井产量值分别按照时间维度排列为压力输入向量和油井产量输入向量后，计算所述压力输入向量和所述油井产量输入向量之间的压力
‑
产量关联输入矩阵；油水关联模块，用于将所述各天的油井产量值和排水量值分别按照时间维度排列为所述油井产量输入向量和排水量输入向量后，计算所述排水量输入向量和所述油井产量输入向量的油水关联输入矩阵；压力产量关联特征提取模块，用于将所述压力
‑
产量关联输入矩阵通过作为过滤器的第一卷积神经网络模型以得到压力
‑
产量关联特征向量；油水关联特征提取模块，用于将所述油水关联输入矩阵通过作为过滤器的第二卷积神经网络模型以得到油水关联特征向量；关联编码模块，用于计算所述压力
‑
产量关联特征向量和所述油水关联特征向量之间的关联特征矩阵；双向注意力模块，用于将所述关联特征矩阵通过双向注意力机制模块以得到分类特征矩阵；降维优化模块，用于对所述分类特征矩阵进行降维优化以得到优化分类特征矩阵；以及管理结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示该油井的开发程度为高、中或低。2.根据权利要求1所述的石油生产智能管理系统，其特征在于，所述压力产量关联模块，用于：计算所述油井产量输入向量的转置向量与所述压力输入向量之间的乘积以得到所述压力
‑
产量关联输入矩阵。3.根据权利要求2所述的石油生产智能管理系统，其特征在于，所述油水关联模块，用于：计算所述油井产量输入向量的转置向量与所述排水量输入向量之间的乘积以得到所述油水关联输入矩阵。4.根据权利要求3所述的石油生产智能管理系统，其特征在于，所述压力产量关联特征提取模块，包括：使用所述第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行沿通道维度的各个特征矩阵的均值池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述压力
‑
产量关联特征向量，所述第一卷积神经网络模型的第一层的输入为所述压力
‑
产量关联输入矩阵。5.根据权利要求4所述的石油生产智能管理系统，其特征在于，所述油水关联特征提取模块，包括：使用所述第二卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行沿通道维度的各个特征矩阵的均值池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第二卷积神经网络模型的最后一层的输出为所述油水关联特征向量，所述第二卷积神经网络模型的第一层的输入为所述油水关联输入矩阵。6.根据权利要求5所述的石油生产智能管理系统，其特征在于，所述关联编码模块，包括：以如下关联公式计算所述压力
‑
产量关联特征向量和所述油水关联特征向量之间的关联特征矩阵；其中，所述关联公式为：...

【专利技术属性】
技术研发人员：王阿荣，
申请(专利权)人：宁波兴渔石化有限公司，
类型：发明
国别省市：