一种油井工况智能融合监测方法、系统、设备及介质与流程

本发明涉及大数据和工况诊断，具体为一种油井工况智能融合监测方法、系统、设备及介质。

背景技术：

1、目前采油厂仍主要依靠油杆抽油系统进行生产，即由抽油杆柱带动上千米深抽油泵工作，将原油举升至地面。作为一种高能耗系统，如不能对油井工况进行实时监控，不仅会造成原油产量损失，还会对生产环境造成污染，甚至危害一线工作人员的人身安全。

2、国内外现有油井工况计算机诊断法和人工智能诊断法如下：priyanka e.等人研究石油管道的故障预测，通过数据聚类与时间序列预测结合使用，确定油井管道中的故障类型；东北石油大学米春锦通过提取与管理油井电参与示功图，将提取的异常特征作为工况异常的检验标准，设计基于数据挖掘的油井工况异常预警模型；沈阳工业大学王通等人对油井生产过程中的不同工况特征参数进行聚类分析，采用改进的k-means聚类算法，通过窗口样本相似因子对油井工况进行识别。

3、经调研发现，现有的油井工况监测方法主要包括地面示功图分析法、井下示功图诊断法、电参数诊断法、计算机诊断法和人工智能诊断法。其中地面示功图分析法存在应用范围不广、精度较低等问题；井下示功图诊断法操作成本较高，无法大规模推广应用。同时，现阶段工况诊断功能只是针对当前工况，缺乏故障预判和趋势预测，不能提出有效的防范措施。

4、伴随智能油田相关技术的不断发展，人工智能监测方法展现一定的实时性与低耗性，但仍存在缺少对各参数之间关系的分析，而导致判断结果准确度不高的问题。

技术实现思路

1、本发明目的在于提供一种油井工况智能融合监测方法、系统、设备及介质，以克服现有技术中缺少对各参数之间关系的分析，而导致判断结果准确度不高的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种油井工况智能融合监测方法，包括以下步骤：

4、s1：数据采集整理；

5、s2：根据整理后的数据建立功图电参特征值样本数据集和典型功图图版样本数据集；

6、s3：根据功图电参特征值样本数据集建立多参特征机采井大数据监测模型，根据典型功图图版样本数据集建立基于功图形状的机采井大数据监测模型；

7、s4：将多参特征机采井大数据监测模型与基于功图形状的机采井大数据监测模型相融合，获得多参特征+功图形状的机采井大数据融合监测模型。

8、优选地，s1中数据获取来源有：

9、td时序数据库、油田智能油井系统以及各单位修井检泵报表中的修井检泵数据。

10、优选地，功图电参特征值样本数据集的建立具体为：

11、采用皮尔逊和斯皮尔曼算法对已明确的影响工况的各个因素——生产时间、生产工况、间开制度、开井时率、冲程、冲次、功图、电参进行相关性分析，通过衡量线性和单调性将冗余的线性特征删除，减少数据输入到分类模型的维度，建立功图电参特征值样本数据集。

12、优选地，典型功图图版样本数据集的建立具体为：

13、根据对采油厂智能油井系统诊断结果，进行历史工况样本功图挑选，同时结合各厂修井检泵记录，共搜集卡泵、游动凡尔漏失、固定凡尔漏失、双凡尔漏失、气体影响、气锁、供液不足、严重供液不足、脱筒10种典型故障功图样本数据，并利用图像二值化对示功图进行灰度处理，降低模型计算速度，建立典型功图图版样本数据集。

14、优选地，多参特征机采井大数据监测模型的建立采用xgboost计算机学习算法。

15、优选地，基于功图形状的机采井大数据监测模型的建立具体为：

16、根据搜集的生产时间、生产工况、间开制度、开井时率、冲程、冲次、功图、电参典型功图图版样本数据，利用图像二值化对示功图进行灰度处理，按照8:2的比例划分为训练集和测试集，输入到卷积神经网络模型中进行建模，获得基于功图形状的机采井大数据监测模型。

17、优选地，基于功图形状的机采井大数据监测模型由由输入层、17个卷积层、一个全连接层和输出层组成。

18、一种油井工况智能融合监测系统，基于上述方法，其特征在于，包括：

19、整理模块：用于数据采集整理；

20、数据集模块：用于根据整理后的数据建立功图电参特征值样本数据集和典型功图图版样本数据集；

21、模型建立模块：用于根据功图电参特征值样本数据集建立多参特征机采井大数据监测模型，根据典型功图图版样本数据集建立基于功图形状的机采井大数据监测模型；

22、融合模块：用于将多参特征机采井大数据监测模型与基于功图形状的机采井大数据监测模型相融合，获得多参特征+功图形状的机采井大数据融合监测模型。

23、一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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上述方法的步骤。

24、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

25、与现有技术相比，本发明具有以下有益效果：本发明提供了一种油井工况智能融合监测方法，通过多数据源获取机采井大数据，包括功图、电参、故障时间等，在主控因素已知的情况下，对所获取的大数据进行预处理、清洗和统计工作，建立功图电参特征值样本数据以及典型功图图版样本数据集，进而建立多参特征+功图形状机采井大数据融合监测模型，实现实时调用油井工况智能监测模型进行油井工况在线监测，提高了判断结果的准确性。

26、进一步地，本发明提供了一种油井工况智能融合监测系统，能够快速便捷的使用上述方法。

技术特征：

1.一种油井工况智能融合监测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种油井工况智能融合监测方法，其特征在于，s1中采集的数据来源有：

3.根据权利要求1所述的一种油井工况智能融合监测方法，其特征在于，功图电参特征值样本数据集的建立具体为：

4.根据权利要求1所述的一种油井工况智能融合监测方法，其特征在于，典型功图图版样本数据集的建立具体为：

5.根据权利要求1所述的一种油井工况智能融合监测方法，其特征在于，多参特征机采井大数据监测模型的建立采用xgboost计算机学习算法。

6.根据权利要求1所述的一种油井工况智能融合监测方法，其特征在于，基于功图形状的机采井大数据监测模型的建立具体为：

7.根据权利要求6所述的一种油井工况智能融合监测方法，其特征在于，基于功图形状的机采井大数据监测模型由输入层、17个卷积层、一个全连接层和输出层组成。

8.一种油井工况智能融合监测系统，基于权利要求1-7任一项所述一种油井工况智能融合监测方法，其特征在于，包括：

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述一种油井工况智能融合监测方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述一种油井工况智能融合监测方法的步骤。

技术总结本发明公开了一种油井工况智能融合监测方法、系统、设备及介质，通过多数据源获取机采井大数据，包括功图、电参、故障时间等，在主控因素已知的情况下，对所获取的大数据进行预处理、清洗和统计工作，建立功图电参特征值样本数据以及典型功图图版样本数据集，进而建立多参特征+功图形状机采井大数据融合监测模型，实现实时调用油井工况智能监测模型进行油井工况在线监测，提高了判断结果的准确性。技术研发人员：臧雨浓,辛宏,郑刚,甘庆明,罗聪英,赵春,樊松,韩二涛,梁毅,周杨帆受保护的技术使用者：中国石油天然气股份有限公司技术研发日：技术公布日：2024/10/17