System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于石油防盗监控领域,具体涉及一种油井井口防盗系统。
技术介绍
1、石油是指气态、液态和固态的烃类混合物,具有天然的产状。石油开采需要开设井筒进行,井口是井筒与地面连接的部位。因石油价值高,为了防止不法分子窃取石油,通常会在石油井口安装防盗装置。
2、目前采用的防盗方案是在石油井口附近安装视频监控设备,当有人员闯入时进行报警,但该方式存在的误报和漏报情况较多。
3、因此,如何针对石油油井设计一种准确有效的防盗系统,是本领域内一个亟待解决的问题。
技术实现思路
1、为了解决现有技术中存在的上述问题,本专利技术提供了一种油井井口防盗系统。本专利技术要解决的技术问题通过以下技术方案实现:
2、功图仪器,配置于各油井井口的抽油机上,用于在每个产量计算周期内,获取所在油井各个冲次的计算产量,构成所在油井在该产量计算周期的计算产量集;
3、储油量检测设备,配置于油井现场的储油区域,用于获取每个产量计算周期内所在储油区域的储油增量,作为该产量计算周期的区域实测产量;
4、数据采集装置,用于从各功图仪器处获取每个产量计算周期的计算产量集,从各储油量检测设备处获取每个产量计算周期的区域实测产量,合并为该产量计算周期的采集数据并发送至计算装置;
5、所述计算装置,用于获取每个产量计算周期的采集数据,基于多个产量计算周期的采集数据得到产量方程模型和模型误差;其中,所述产量方程模型用于根据输入的一个产量计算周期的计算产量集,
6、所述报警装置,用于在启动后发出报警信息;
7、所述图像采集装置,用于在启动后采集油井现场指定区域的图像和/或视频。
8、在本专利技术的一个实施例中,所述功图仪器,包括:
9、功图传感器或电功图传感器。
10、在本专利技术的一个实施例中,所述储油区域包括储油罐;
11、所述储油量检测设备包括超声液位计或雷达液位计。
12、在本专利技术的一个实施例中,所述储油区域包括石油外输管道;
13、所述储油量检测设备包括超声流量计。
14、在本专利技术的一个实施例中,计算装置获取每个产量计算周期的采集数据,基于多个产量计算周期的采集数据得到产量方程模型和模型误差,包括:
15、利用产量计算周期内油井单冲次的计算产量、油井未知的产量系数和常量系数,构建产量计算周期内油井单冲次实际产量的近似方程表达式为:pi,j=ki*pi,j+ci;其中,pi,j表示第i个油井在一个产量计算周期的第j个冲次的计算产量;pi,j表示第i个油井在所述产量计算周期的第j个冲次的实际产量;ki表示第i个油井的产量系数;ci表示第i个油井的常量系数;
16、根据所有油井在产量计算周期内油井单冲次实际产量的近似方程表达式,得到产量计算周期内井场的总产量方程;其中,所述总产量方程为线性方程组形式,变量为各油井未知的产量系数和常量系数;
17、针对每个产量计算周期的采集数据,将该产量计算周期的计算产量集作为样本输入数据;将该产量计算周期的区域实测产量求和得到该产量计算周期的全区域实测产量,并将该产量计算周期的全区域实测产量作为样本输出数据;
18、利用多个产量计算周期的采集数据所得到的样本输入数据和样本输出数据,采用预设方法求解所述总产量方程,得到产量系数以及常量系数确定的产量方程模型,并得到所述产量方程模型对应的模型误差。
19、在本专利技术的一个实施例中,所述利用多个产量计算周期的采集数据所得到的样本输入数据和样本输出数据,采用预设方法求解所述总产量方程,得到产量系数以及常量系数确定的产量方程模型,并得到所述产量方程模型对应的模型误差,包括:
20、将多个产量计算周期的采集数据所得到的样本输入数据和样本输出数据分别构成历史输入集和历史输出集,并合并作为历史数据集;根据所述历史数据集,采用预设方法求解所述总产量方程,得到初始产量方程模型,并得到所述初始产量方程模型对应的初始模型误差;
21、利用所述初始产量方程模型对所述历史数据集进行验证,将误差超过所述初始模型误差f倍的数据从所述历史数据集中剔除;
22、根据剔除后的历史数据集,采用预设方法重新求解所述总产量方程,确定最终的产量方程模型,并得到所述产量方程模型对应的模型误差;
23、其中,所述预设方法包括:最小二乘法、卡尔曼滤波法和神经网络算法;
24、其中,所述预设方法为所述最小二乘法时,根据所述最小二乘法的拟合残余误差的标准偏差得到模型误差;
25、所述预设方法为所述卡尔曼滤波法时,通过利用所述卡尔曼滤波法的最终滤波结果,对当前历史输入集中的数据进行预测,对预测值与当前历史输出集中对应实际值的差值进行统计分析,根据得到的标准偏差得到模型误差;
26、所述预设方法为所述神经网络算法时,利用当前历史数据集中一定比例的训练集训练对应的神经网络模型,训练完成之后对所述历史数据集中一定比例的测试集中的样本输入数据进行预测,对预测值与实际值的差值进行统计分析,根据得到的标准偏差得到模型误差;其中,所述历史数据集包括训练集和测试集,所述测试集占所述历史数据集的比例不低于30%。
27、在本专利技术的一个实施例中,所述根据新的产量计算周期的采集数据、所述产量方程模型和所述模型误差判断在所述新的产量计算周期内是否发生失油,包括:
28、将所述新的产量计算周期的采集数据中的计算产量集输入所述产量方程模型,得到所述新的产量计算周期的全区域预测产量;
29、将所述新的产量计算周期的采集数据中所有的区域实测产量求和,得到所述新的产量计算周期的全区域实测产量;
30、计算所述新的产量计算周期的全区域实测产量和所述新的产量计算周期的全区域预测产量的差值;
31、判断所述差值是否大于模型误差与预设权重的乘积,若是,确定所述新的产量计算周期内发生失油。
32、在本专利技术的一个实施例中,所述预设权重包括3。
33、在本专利技术的一个实施例中,所述计算装置根据新的产量计算周期的采集数据、所述产量方程模型和所述模型误差判断在所述新的产量计算周期内是否发生失油之后,还用于利用所述新的产量计算周期的采集数据更新产量方程模型和模型误差。
34、在本专利技术的一个实施例中,所述图像采集装置还用于对采集的图像和/或视频中的目标进行识别和记录。
35、本专利技术的有益效果:
36、本专利技术实施例所提供的油井井口防盗系统,通过井口的功图仪器检测油井在各产量计算周期的本文档来自技高网...
【技术保护点】
1.一种油井井口防盗系统,其特征在于,包括:
2.根据权利要求1所述的油井井口防盗系统,其特征在于,所述功图仪器,包括:
3.根据权利要求1所述的油井井口防盗系统,其特征在于,所述储油区域包括储油罐;
4.根据权利要求1所述的油井井口防盗系统,其特征在于,所述储油区域包括石油外输管道;
5.根据权利要求1所述的油井井口防盗系统,其特征在于,计算装置获取每个产量计算周期的采集数据,基于多个产量计算周期的采集数据得到产量方程模型和模型误差,包括:
6.根据权利要求5所述的油井井口防盗系统,其特征在于,所述利用多个产量计算周期的采集数据所得到的样本输入数据和样本输出数据,采用预设方法求解所述总产量方程,得到产量系数以及常量系数确定的产量方程模型,并得到所述产量方程模型对应的模型误差,包括:
7.根据权利要求1所述的油井井口防盗系统,其特征在于,所述根据新的产量计算周期的采集数据、所述产量方程模型和所述模型误差判断在所述新的产量计算周期内是否发生失油,包括:
8.根据权利要求1所述的油井井口防盗系统,其特
9.根据权利要求1所述的油井井口防盗系统,其特征在于,所述计算装置根据新的产量计算周期的采集数据、所述产量方程模型和所述模型误差判断在所述新的产量计算周期内是否发生失油之后,还用于利用所述新的产量计算周期的采集数据更新产量方程模型和模型误差。
10.根据权利要求1所述的油井井口防盗系统,其特征在于,所述图像采集装置还用于对采集的图像和/或视频中的目标进行识别和记录。
...【技术特征摘要】
1.一种油井井口防盗系统,其特征在于,包括:
2.根据权利要求1所述的油井井口防盗系统,其特征在于,所述功图仪器,包括:
3.根据权利要求1所述的油井井口防盗系统,其特征在于,所述储油区域包括储油罐;
4.根据权利要求1所述的油井井口防盗系统,其特征在于,所述储油区域包括石油外输管道;
5.根据权利要求1所述的油井井口防盗系统,其特征在于,计算装置获取每个产量计算周期的采集数据,基于多个产量计算周期的采集数据得到产量方程模型和模型误差,包括:
6.根据权利要求5所述的油井井口防盗系统,其特征在于,所述利用多个产量计算周期的采集数据所得到的样本输入数据和样本输出数据,采用预设方法求解所述总产量方程,得到产量系数以及常量系数确定的产量方程模型,...
【专利技术属性】
技术研发人员:王迪,杨旖君,王志刚,王闻铭,于洋,敬尚毅,张大磊,
申请(专利权)人:陕西中良智能科技有限公司,
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。