本技術(shù)涉及一種有桿泵抽油井日產(chǎn)液預(yù)測(cè)模型訓(xùn)練方法、預(yù)測(cè)方法及裝置。

背景技術(shù)：

1、示功圖量油是有桿泵抽油井生產(chǎn)監(jiān)控的一項(xiàng)重要技術(shù)，它可以幫助工程師分析井口產(chǎn)出和油田的產(chǎn)量，從而優(yōu)化生產(chǎn)過程。例如，采油工程師可以通過示功圖量油技術(shù)來確定油井產(chǎn)量的下降原因，并采取相應(yīng)的措施來提高產(chǎn)量。示功圖量油技術(shù)還可以用于優(yōu)化注水過程，確保水的注入量和注入速度與油井的產(chǎn)出相匹配，從而提高采收率和效益。

2、傳統(tǒng)示功圖量油技術(shù)以柱塞抽油泵理論功圖為基礎(chǔ)，利用一維阻尼波動(dòng)方程實(shí)現(xiàn)地面示功圖與井下泵功圖的轉(zhuǎn)換，根據(jù)泵功圖確定游動(dòng)閥和固定閥關(guān)閉點(diǎn)位置，進(jìn)而對(duì)泵閥漏失量、充滿程度以及泵效定量計(jì)算，再根據(jù)獲得的閥點(diǎn)開關(guān)位置、定量分析的柱塞有效沖程及損失、泵體漏失量等計(jì)算抽油井的日產(chǎn)液量。

3、示功圖量油技術(shù)因?yàn)闊o需建立地面計(jì)量站、工程投入低以及能夠?qū)崿F(xiàn)實(shí)時(shí)油井產(chǎn)量計(jì)量等優(yōu)勢(shì)被廣泛應(yīng)用到油田生產(chǎn)中。但傳統(tǒng)示功圖量理論推理偏理想，定量計(jì)算過程中，由于無法避免的誤差導(dǎo)致變量與真實(shí)值存在較大誤差的現(xiàn)象，成為了理論計(jì)算無法逾越的難題，常規(guī)示功圖量油精度低的問題也逐漸暴露。

技術(shù)實(shí)現(xiàn)思路

1、為了更好的實(shí)現(xiàn)有桿泵抽油井日產(chǎn)液的預(yù)測(cè)，本技術(shù)實(shí)施例提供了一種有桿泵抽油井日產(chǎn)液預(yù)測(cè)模型訓(xùn)練方法、預(yù)測(cè)方法及裝置。

2、第一方面，本技術(shù)實(shí)施例提供一種有桿泵抽油井日產(chǎn)液預(yù)測(cè)模型訓(xùn)練方法，該方法包括：

3、對(duì)于每一抽油井，將預(yù)先獲得的各地面示功圖轉(zhuǎn)換為各井下泵功圖，構(gòu)建樣本數(shù)據(jù)庫(kù)；

4、基于所述樣本數(shù)據(jù)庫(kù)，提取每一井下泵功圖的特征，結(jié)合預(yù)先獲得的生產(chǎn)數(shù)據(jù)，構(gòu)建基礎(chǔ)特征庫(kù)；

5、基于主成分分析法，將所述基礎(chǔ)特征庫(kù)進(jìn)行降維，得到降維特征向量；

6、根據(jù)所述基礎(chǔ)特征庫(kù)訓(xùn)練第一預(yù)測(cè)模型，得到第一基模型；

7、根據(jù)所述降維特征向量訓(xùn)練第二預(yù)測(cè)模型，得到第二基模型；

8、基于粒子群優(yōu)化算法，將所述第一基模型和第二基模型融合，得到有桿泵抽油井日產(chǎn)液預(yù)測(cè)模型。

9、本發(fā)明實(shí)施例的一種可選的實(shí)施方式中，對(duì)于每一抽油井，將預(yù)先獲得的各地面示功圖轉(zhuǎn)換為各井下泵功圖，包括：

10、對(duì)于每一抽油井，基于一維波動(dòng)方程，將預(yù)先獲得的各地面示功圖逐級(jí)轉(zhuǎn)換為各下一級(jí)桿功圖，直至轉(zhuǎn)換為各井下泵功圖。

11、本發(fā)明實(shí)施例的一種可選的實(shí)施方式中，所述基于所述樣本數(shù)據(jù)庫(kù)，提取每一井下泵功圖的特征，結(jié)合預(yù)先獲得的生產(chǎn)數(shù)據(jù)，構(gòu)建基礎(chǔ)特征庫(kù)，包括：

12、基于預(yù)先構(gòu)建的樣本數(shù)據(jù)庫(kù)，基于下述公式1，提取每一井下泵功圖的面積：

13、

14、式中，sgtsjk為第j口井某日第k張井下泵功圖的面積；m為遍歷變量；n為第j口井某日第k張井下泵功圖曲線數(shù)據(jù)所含數(shù)據(jù)點(diǎn)數(shù)；d1m為第j口井某日第k張井下泵功圖的第m個(gè)動(dòng)載荷的值；d1'm為為第j口井某日第k張井下泵功圖的第m個(gè)位移值基于插值函數(shù)計(jì)算得到的動(dòng)載荷值；u1m為第j口井某日第k張井下泵功圖的第m個(gè)位移的值；u1m+1為第j口井某日第k張井下泵功圖的第m+1個(gè)位移的值；

15、基于預(yù)先構(gòu)建的樣本數(shù)據(jù)庫(kù)，基于下述公式2，提取每一井下泵功圖的泵充滿程度：

16、

17、式中，cmcdjk為第j口井某日第k張井下泵功圖對(duì)應(yīng)的泵充滿程度；sjk_1為井下泵功圖下有效沖程；sjk_2為井下泵功圖上有效沖程；

18、基于預(yù)先構(gòu)建的樣本數(shù)據(jù)庫(kù)，基于下述公式3，提取每一井下泵功圖的計(jì)算日產(chǎn)液量：

19、

20、式中，jspljk為第j口井某日第k張井下泵功圖對(duì)應(yīng)的計(jì)算日產(chǎn)液量；φj_pump為第j口井使用的抽油泵的直徑；sjk_pump為第j口井某日第k張井下泵功圖對(duì)應(yīng)的泵有效沖程；ccjk為第j口井某日第k張井下泵功圖對(duì)應(yīng)的沖次；tj_prod為第j口井某日生產(chǎn)時(shí)間；ijk為第j口井某日第k張井下泵功圖對(duì)應(yīng)的泵漏失系數(shù)；

21、根據(jù)所述每一井下泵功圖的面積、泵充滿程度、計(jì)算日產(chǎn)液量和泵有效沖程，結(jié)合預(yù)先獲得的生產(chǎn)數(shù)據(jù)，構(gòu)建基礎(chǔ)特征庫(kù)。

22、本發(fā)明實(shí)施例的一種可選的實(shí)施方式中，所述基于主成分分析法，將所述基礎(chǔ)特征庫(kù)進(jìn)行降維，得到降維特征向量，包括：

23、將所述基礎(chǔ)特征庫(kù)轉(zhuǎn)換為零均值化處理的矩陣，計(jì)算所述矩陣的協(xié)方差矩陣；

24、根據(jù)所述協(xié)方差矩陣的特征值對(duì)應(yīng)的特征向量，將所述特征向量按照對(duì)應(yīng)的特征值的大小排序，選取前預(yù)設(shè)行數(shù)的新矩陣作為降維特征向量。

25、本發(fā)明實(shí)施例的一種可選的實(shí)施方式中，所述根據(jù)所述基礎(chǔ)特征庫(kù)訓(xùn)練第一預(yù)測(cè)模型，得到第一基模型，包括：

26、將所述基礎(chǔ)特征庫(kù)輸入所述第一預(yù)測(cè)模型中訓(xùn)練，得到日產(chǎn)液量預(yù)測(cè)結(jié)果和訓(xùn)練后的第一預(yù)測(cè)模型；

27、將所述日產(chǎn)液量預(yù)測(cè)結(jié)果與真實(shí)日產(chǎn)液量結(jié)果對(duì)比，更新所述訓(xùn)練后的第一預(yù)測(cè)模型；

28、重復(fù)上述訓(xùn)練過程直至日產(chǎn)液量預(yù)測(cè)結(jié)果的準(zhǔn)確度滿足預(yù)設(shè)條件，得到所述第一基模型。

29、本發(fā)明實(shí)施例的一種可選的實(shí)施方式中，通過下述方式更新所述訓(xùn)練后的第一預(yù)測(cè)模型：

30、基于網(wǎng)格搜索法，設(shè)定所述第一預(yù)測(cè)模型中每一待優(yōu)化超參數(shù)的取值或取值范圍，生成多個(gè)超參數(shù)組合；

31、根據(jù)所述超參數(shù)組合，優(yōu)化所述訓(xùn)練后的第一預(yù)測(cè)模型的超參數(shù)。

32、本發(fā)明實(shí)施例的一種可選的實(shí)施方式中，所述根據(jù)所述降維特征向量訓(xùn)練第二預(yù)測(cè)模型，得到第二基模型，包括：

33、將所述降維特征向量輸入所述第二預(yù)測(cè)模型中訓(xùn)練，得到日產(chǎn)液量預(yù)測(cè)結(jié)果和訓(xùn)練后的第二預(yù)測(cè)模型；

34、將所述日產(chǎn)液量預(yù)測(cè)結(jié)果與真實(shí)日產(chǎn)液量結(jié)果對(duì)比，更新所述訓(xùn)練后的第二預(yù)測(cè)模型；

35、重復(fù)上述訓(xùn)練過程直至日產(chǎn)液量預(yù)測(cè)結(jié)果的準(zhǔn)確度滿足預(yù)設(shè)條件，得到所述第二基模型。

36、本發(fā)明實(shí)施例的一種可選的實(shí)施方式中，還包括：

37、將所述第一基模型的各超參數(shù)作為所述第二基模型的各超參數(shù)。

38、第二方面，本技術(shù)實(shí)施例提供一種有桿泵抽油井日產(chǎn)液預(yù)測(cè)方法，該方法包括：

39、對(duì)于目標(biāo)抽油井，將預(yù)先獲得的各地面示功圖轉(zhuǎn)換為各井下泵功圖；

40、提取每一井下泵功圖的特征，結(jié)合預(yù)先獲得的生產(chǎn)數(shù)據(jù)，構(gòu)建特征庫(kù)；

41、將所述特征庫(kù)輸入有桿泵抽油井日產(chǎn)液預(yù)測(cè)模型，得到日產(chǎn)液量預(yù)測(cè)結(jié)果。

42、第三方面，本技術(shù)實(shí)施例提供一種有桿泵抽油井日產(chǎn)液預(yù)測(cè)模型訓(xùn)練裝置，該裝置包括：

43、第一轉(zhuǎn)換模塊，用于對(duì)于每一抽油井，將預(yù)先獲得的各地面示功圖轉(zhuǎn)換為各井下泵功圖，構(gòu)建樣本數(shù)據(jù)庫(kù)；

44、第一提取模塊，用于基于所述樣本數(shù)據(jù)庫(kù)，提取每一井下泵功圖的特征，結(jié)合預(yù)先獲得的生產(chǎn)數(shù)據(jù)，構(gòu)建基礎(chǔ)特征庫(kù)；

45、降維模塊，用于基于主成分分析法，將所述基礎(chǔ)特征庫(kù)進(jìn)行降維，得到降維特征向量；

46、第一訓(xùn)練模塊，用于根據(jù)所述基礎(chǔ)特征庫(kù)訓(xùn)練第一預(yù)測(cè)模型，得到第一基模型；

47、第二訓(xùn)練模塊，用于根據(jù)所述降維特征向量訓(xùn)練第二預(yù)測(cè)模型，得到第二基模型；

48、融合模塊，用于基于粒子群優(yōu)化算法，將所述第一基模型和第二基模型融合，得到有桿泵抽油井日產(chǎn)液預(yù)測(cè)模型。

49、第四方面，本技術(shù)實(shí)施例提供一種有桿泵抽油井日產(chǎn)液預(yù)測(cè)裝置，該裝置包括：

50、第二轉(zhuǎn)換模塊，用于對(duì)于目標(biāo)抽油井，將預(yù)先獲得的各地面示功圖轉(zhuǎn)換為各井下泵功圖；

51、第二提取模塊，用于提取每一井下泵功圖的特征，結(jié)合預(yù)先獲得的生產(chǎn)數(shù)據(jù)，構(gòu)建特征庫(kù)；

52、預(yù)測(cè)模塊，用于將所述特征庫(kù)輸入有桿泵抽油井日產(chǎn)液預(yù)測(cè)模型，得到日產(chǎn)液量預(yù)測(cè)結(jié)果。

53、第五方面，本技術(shù)實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述的有桿泵抽油井日產(chǎn)液預(yù)測(cè)模型訓(xùn)練方法，和/或，有桿泵抽油井日產(chǎn)液預(yù)測(cè)方法。

54、第六方面，本技術(shù)實(shí)施例提供一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器，處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上述的有桿泵抽油井日產(chǎn)液預(yù)測(cè)模型訓(xùn)練方法，和/或，有桿泵抽油井日產(chǎn)液預(yù)測(cè)方法。

55、第七方面，本技術(shù)實(shí)施例提供一種包含指令的計(jì)算機(jī)程序產(chǎn)品，當(dāng)計(jì)算機(jī)程序產(chǎn)品在計(jì)算機(jī)設(shè)備上運(yùn)行時(shí)，使得計(jì)算機(jī)設(shè)備執(zhí)行如上述的有桿泵抽油井日產(chǎn)液預(yù)測(cè)模型訓(xùn)練方法，和/或，有桿泵抽油井日產(chǎn)液預(yù)測(cè)方法。

56、第八方面，本技術(shù)實(shí)施例提供一種芯片，芯片包括處理器和通信接口，通信接口和處理器耦合，處理器用于運(yùn)行計(jì)算機(jī)程序或指令，以實(shí)現(xiàn)如上述的有桿泵抽油井日產(chǎn)液預(yù)測(cè)模型訓(xùn)練方法，和/或，有桿泵抽油井日產(chǎn)液預(yù)測(cè)方法。

57、本技術(shù)實(shí)施例提供的上述技術(shù)方案的有益效果至少包括：

58、本技術(shù)實(shí)施例提供的有桿泵抽油井日產(chǎn)液預(yù)測(cè)模型訓(xùn)練方法，通過提取井下泵功圖的關(guān)鍵點(diǎn)、線特征及油田生成數(shù)據(jù)構(gòu)建基礎(chǔ)特征庫(kù)，再使用主成分分析法對(duì)基礎(chǔ)特征庫(kù)進(jìn)行降維得到降維特征向量，然后使用極端梯度提升樹基于基礎(chǔ)特征庫(kù)和降維特征向量進(jìn)行日產(chǎn)液預(yù)測(cè)模型的初步建立并訓(xùn)練，得到第一基模型和第二基模型，最后使用粒子群優(yōu)化算法對(duì)兩個(gè)基模型進(jìn)行融合，最終建立有桿泵抽油井日產(chǎn)液預(yù)測(cè)模型。該方法建立模型時(shí)考慮的生產(chǎn)因素多，使得模型能夠區(qū)分不同數(shù)據(jù)間的細(xì)微差距，能夠使模型既具有較高的精度，又具有較強(qiáng)的泛化能力，且實(shí)時(shí)性能較好，能夠大幅提升功圖量油的準(zhǔn)確率，解決了功圖量油法計(jì)算過程復(fù)雜和耗時(shí)等問題；該方法建立的模型能夠?qū)崿F(xiàn)全新的整合多種人工智能技術(shù)的產(chǎn)液量測(cè)量方法，計(jì)算準(zhǔn)確度高，有效保證了現(xiàn)場(chǎng)生產(chǎn)部門對(duì)產(chǎn)量實(shí)時(shí)把控的需要。

59、本技術(shù)的其它特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本技術(shù)而了解。本技術(shù)的目的和其他優(yōu)點(diǎn)可通過在所寫的說明書、權(quán)利要求書、以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。

60、下面通過附圖和實(shí)施例，對(duì)本技術(shù)的技術(shù)方案做進(jìn)一步的詳細(xì)描述。