【技术实现步骤摘要】
本专利技术涉及石油钻井，特别涉及一种基于人工智能自适应学习的节流控压方法、系统、电子设备和存储介质。
技术介绍
1、控压钻井及精细控压钻井技术因其在降低钻井作业及井控风险、提高钻井效率的优势，被愈加重视并在部分油田逐步规模化应用。控压钻井及精细控压钻井技术其原理是通过人工或自动调节井口套压控制井底压力，实现井筒压力与地层压力快速平衡，有效解决因安全密度窗口窄、压力系统多造成的井漏、井涌、垮塌等钻井复杂问题。调节井口套压是实现控压钻井及精细控压钻井目的前提，目前井口套压的变化主要通过人工或自动调节节流阀改变节流回压实现，现有节流阀有手动、气控、液控和电控四种驱动方式，控压钻井及精细控压作业主要以手动、液控和电控为主，其中特点分别为：液控驱动主要用于活塞、针型等直行式节流阀，其稳定性较好、成本较低，时效性较差；电控驱动主要用于孔板式等旋转式节流阀，其稳定性好、精度高、速度快，成本较高；手动控制适合直行式和旋转式节流阀，其精度高、稳定性好、成本低，受返出流体流量、固相含量等因素变化影响控制效果，且时效性差，无法实现实时自动控制。目前液控与电控模式均可以通过外部结构实现自动控制，可实现节流阀动作自动控制改变节流回压、调节井口套压，最终控制井底压力平衡地层压力，实现控压钻井及精细控压钻井的目的。因此，如何迅速、准确控制节流阀动作使节流回压达到需求值，是实现井底压力实时、精细控制平衡地层压力的关键。
2、目前控压钻井及精细控压钻井主要通过完善核心算法(pid算法、预测模型算法、无模型自适应算法)、改进通流结构(含阀芯结构)来提高
技术实现思路
1、为解决上述问题，本专利技术提供了一种基于人工智能自适应学习的节流控压方法、系统、电子设备和存储介质。
2、第一方面，本专利技术实施例提供一种基于人工智能自适应学习的节流控压方法，包括以下步骤：
3、采集节流控压控制特征参数，其中包括，根据设定的需控制的井口套压，确定需控制的节流回压，根据采集的节流阀后端压力和所述需控制的节流回压，确定需控制的节流阀压力损失；
4、根据节流控压控制特征参数，确定节流阀阀位开启度；
5、根据节流阀阀位开启度，确定模糊控制点；
6、控制节流阀阀芯到达模糊控制点；
7、当需控制的节流回压与实测节流回压的差不超过第一设定值时，停止节流阀阀芯开合。
8、在一些具体的实施例中，根据节流控压控制特征参数，确定节流阀阀位开启度，包括以下步骤：
9、将节流控压控制特征参数进行匹配分析，当控压决策数据库不存在匹配的节流控压控制特征参数数据系列时：
10、将采集的节流控压控制特征参数，输入节流阀压差模型，基于所述需控制的节流阀压力损失，确定所需节流阀通流面积；
11、基于所需节流阀通流面积，确定节流阀阀位开启度。
12、在一些具体的实施例中，根据节流控压控制特征参数，确定节流阀阀位开启度，还包括以下步骤：
13、将节流控压控制特征参数进行匹配分析，当控压决策数据库存在匹配的节流控压控制特征参数数据系列时，根据大数据筛选出控压决策数据库中匹配的节流控压控制特征参数数据系列，确定节流阀阀位开启度。
14、在一些具体的实施例中，当需控制的节流回压与实测节流回压的差不超过第一设定值时，停止节流阀阀芯开合，还包括以下步骤：
15、当需控制的节流回压与实测节流回压的差超过第一设定值时，对节流阀阀位进行神经网络自适应逼近的pid控制；
16、停止节流阀阀芯开合后，当实测节流回压变动时，判断需控制的节流回压与实测节流回压的差是否超过第一设定值，当需控制的节流回压与实测节流回压的差不超过第一设定值时，保持停止节流阀阀芯开合，当需控制的节流回压与实测节流回压的差超过第一设定值时，对节流阀阀位进行神经网络自适应逼近的pid控制。
17、在一些具体的实施例中，对节流阀阀位进行神经网络自适应逼近的pid控制，包括以下步骤：
18、分别根据需控制的节流回压pls和实测节流回压plm，分别确定对应的节流阀通流面积sls、slm，分别计算对应的节流阀阀位开启度fs、fm；
19、当需控制的节流回压pls减实测节流回压plm大于第一设定值σ时，以|fs-fm|/2为步长，减小节流阀阀位开启度，直到需控制的节流回压pls与实测节流回压plm的差不超过第一设定值σ；
20、当实测节流回压plm减需控制的节流回压pls大于第一设定值σ时，以|fs-fm|/2为步长，增大节流阀阀位开启度，直到需控制的节流回压pls与实测节流回压plm的差不超过第一设定值σ。
21、在一些具体的实施例中，当需控制的节流回压与实测节流回压的差不超过第一设定值时，还包括以下步骤：
22、对节流控压控制特征参数进行入库要求判断，确定符合入库要求的节流控压控制特征参数；
23、根据符合入库要求的节流控压控制特征参数，建立和更新控压决策数据库。
24、在一些具体的实施例中，所述基于人工智能自适应学习的节流控压方法还包括以下步骤：
25、采集钻井排量qi、出口流量qo；
26、利用控压实时数据库和大数据智能分析，当持续t时间内，出口流量qo减钻井排量qi不小于第二设定值δ时，进行溢流报警；
27、当持续t时间内，钻井排量qi减出口流量qo不小于第二设定值δ时，进行漏失报警；
28、当报警和现场情况一致时，将相应的复杂信息加入控压实时数据库；
29、根据控压实时数据库中的特征参数，更新复杂信息数据库。
30、第二方面，本专利技术实施例提供一种基于人工智能自适应学习的节流控压系统，包括：
31、特征参数采集模块，用于采集节流控压控制特征参数，其中包括，根据设定的需本文档来自技高网...
【技术保护点】
1.一种基于人工智能自适应学习的节流控压方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，根据节流控压控制特征参数，确定节流阀阀位开启度，包括以下步骤：
3.如权利要求1所述的方法，其特征在于，根据节流控压控制特征参数，确定节流阀阀位开启度，还包括以下步骤：
4.如权利要求1所述的方法，其特征在于，当需控制的节流回压与实测节流回压的差不超过第一设定值时，停止节流阀阀芯开合，还包括以下步骤：
5.如权利要求4所述的方法，其特征在于，对节流阀阀位进行神经网络自适应逼近的PID控制，包括以下步骤：
6.如权利要求1至5任一所述的方法，其特征在于，当需控制的节流回压与实测节流回压的差不超过第一设定值时，还包括以下步骤：
7.如权利要求6所述的方法，其特征在于，还包括以下步骤：
8.一种基于人工智能自适应学习的节流控压系统，其特征在于，包括：
9.如权利要求8所述的系统，其特征在于，所述阀位开启度确定模块，用于：
10.如权利要求8所述的系统，其特征在于，所述
11.如权利要求8所述的系统，其特征在于，所述阀位控制模块，包括模糊控制点确定单元、阀芯移动单元和阀芯停止单元，
12.如权利要求8所述的系统，其特征在于，还包括：
13.一种电子设备，其特征在于，包括：存储器、处理器及存储于存储器上并在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-7任一所述的基于人工智能自适应学习的节流控压方法。
14.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有计算机可执行指令，所述计算机可执行指令执行时实现权利要求1-7任一所述的基于人工智能自适应学习的节流控压方法。
...【技术特征摘要】
1.一种基于人工智能自适应学习的节流控压方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，根据节流控压控制特征参数，确定节流阀阀位开启度，包括以下步骤：
3.如权利要求1所述的方法，其特征在于，根据节流控压控制特征参数，确定节流阀阀位开启度，还包括以下步骤：
4.如权利要求1所述的方法，其特征在于，当需控制的节流回压与实测节流回压的差不超过第一设定值时，停止节流阀阀芯开合，还包括以下步骤：
5.如权利要求4所述的方法，其特征在于，对节流阀阀位进行神经网络自适应逼近的pid控制，包括以下步骤：
6.如权利要求1至5任一所述的方法，其特征在于，当需控制的节流回压与实测节流回压的差不超过第一设定值时，还包括以下步骤：
7.如权利要求6所述的方法，其特征在于，还包括以下步骤：
8.一种基于人工智...
【专利技术属性】
技术研发人员：杨赟，李婧，杨敏，韦海防，王培峰，赵航博，李晓黎，杨茂红，韩朝辉，彭元超，刘克强，陈宁，吴光，王军闯，
申请(专利权)人：中国石油天然气集团有限公司，
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。