一种大数据驱动的油井动液面软测量方法

本发明属于信息，具体涉及一种大数据驱动的油井动液面软测量方法。

背景技术：

1、油井的动液面是油井正常生产过程中油管和套管环形空间的液面深度。油井动液面是反映油井供液能力的重要指标，也是确定抽油泵的合理沉没度、调整油井抽汲参数、制定油井工作制度的重要依据。油井动液面的准确测量对油井提质增效、油田节能降耗、提高采收率具有重要意义。

2、目前，各大油田对油井动液面的测量主要采用浮桶测量法、压力测量法和回声测量法等人工测量方法。这些方法工艺复杂成本高，受人为因素影响大，自动化程度低，无法实现动液面的实时连续测量。同时由于油田内油井数量多、分布范围广、生产条件恶劣，导致上述方法测量工作量巨大，效率极其低下，从而无法及时准确掌握油井的工作状况，难以满足油田生产开发过程的精细化管理需求。因此针对油井动液面这一油气生产过程中的重要参数，通过软测量技术解决油井动液面实时准确测量的问题，是解决在线测试仪价格昂贵、不易维护的有效方法，也是油田数字化和智能化的必然选择。

3、近年来，随着软测量技术的快速发展，相关专家学者提出了多种方法实现油井动液面的间接测量。利用统计学理论对大量的油井生产数据进行分析，通过辅助变量的选择、数据预处理与特征选取、动液面软测量模型的建立和校正三步实现油井动液面的预测。通过一些简单易测的辅助变量，以较小的成本和较低的代价预测油井动液面，为油井进一步的生产过程优化和控制创造了条件。但是受地层能量波动和油井工况影响，现有油井动液面软测量方法适用性不强、稳定性较差、准确度不高。

技术实现思路

1、针对上述现有方法存在的不足，本发明提供一种大数据驱动的油井动液面软测量方法。本方法操作简单，经济成本低，易于工程实现，同时综合考虑了动静态生产大数据对油井动液面的影响，利用深度学习方法分析了长期历史数据之间的依赖关系，进一步提高了软测量模型的预测精度，适合在油田大面积推广应用。

2、本发明为实现上述目的所采用的技术方案是：

3、一种大数据驱动的油井动液面软测量方法，包括以下步骤：

4、1)获取动液面预测参数并对其进行预处理；

5、2)对动液面预测参数进行聚类；

6、3)利用聚类后的数据构建并训练循环神经网络预测模型，使用训练好的预测模型对油井动液面进行预测。

7、所述步骤1)包括以下步骤：

8、1.1)获取油气生产大数据中的多种参数作为动液面预测参数，构建动液面预测参数数据集x，x＝{x1,x2,…,xm,…,xm}，其中xm表示第m个样本点，分别表示n种不同的动液面预测参数，m表示样本个数；

9、1.2)对动液面预测参数进行归一化处理，归一化后的动液面预测参数为：x′＝{x′1,x′2,…,x′m,…,x′m}，x′m表示第m个样本归一化后的结果。

10、所述步骤2)包括以下步骤：

11、2.1)从x′中随机选取k个样本作为初始质心；

12、2.2)计算每个样本到k个质心的欧式距离，并将其划分到最小欧式距离所对应的簇中；

13、2.3)计算每个簇中所有样本的均值，并将其作为新的质心；

14、2.4)重复步骤2.2)～步骤2.3)，直至所有的质心不再发生改变或达到规定的迭代次数；

15、2.5)输出最终聚类结果{wc1,wc2,…wck,…,wck}，其中，wck为第k个样本聚类结果。

16、所述欧式距离计算公式为：

17、

18、其中，dij为样本点xi和样本点xj之间的欧式距离，为第i个样本的第t个动液面预测参数，为第j个样本的第t个动液面预测参数，n为动液面预测参数的个数。

19、所述步骤3)包括以下步骤：

20、3.1)将实测油井动液面数据l＝{l1,l2,…,lm,…,lm}进行归一化处理，并结合归一化后的油井动液面预测参数x′，得到初始样本集g＝{(x′1,l′1),(x′2,l′2),…,(x′m,l′m),…,(x′m,l′m)}，其中，l′m表示第m个实测动液面数据归一化后的结果；

21、3.2)初始化循环神经网络预测模型的超参数，并将初始样本集g分为训练集和测试集；

22、3.3)将训练集数据输入到初始化后的循环神经网络预测模型中，训练循环神经网络进行学习，判断训练计数值是否达到设定的训练次数，如果达到训练次数，进行步骤3.4)；如果没有达到训练次数，判断预测误差是否达到训练目标设定的误差要求，如果达到训练目标设定的误差要求，进行步骤3.4)，否则增加模型训练次数或重新定义训练目标；

23、3.4)使用训练好的预测模型对油井动液面进行预测。

24、一种大数据驱动的油井动液面软测量系统，包括：

25、动液面预测参数获取模块，用于获取动液面预测参数并对其进行预处理；

26、聚类模块，用于对动液面预测参数进行聚类；

27、模型预测模块，用于利用聚类后的数据构建并训练循环神经网络预测模型，使用训练好的预测模型对油井动液面进行预测。

28、一种大数据驱动的油井动液面软测量系统，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现所述的一种大数据驱动的油井动液面软测量方法。

29、一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现所述的一种大数据驱动的油井动液面软测量方法。

30、本发明具有以下有益效果及优点：

31、本发明提供的一种大数据驱动的油井动液面软测量方法，充分利用油气生产大数据，通过动静态数据相结合的方式，根据采油工程原理选择动液面预测参数，进行数据预处理，并针对油井工况进行聚类分析，从而最大限度地减小地层能量波动、油井工况变化对动液面预测引起的误差，提高模型预测的准确度和稳定性，再利用循环神经网络进行油井动液面预测，进一步提高了油井动液面软测量模型的精度。本方法可实现油井重要生产参数的实时连续测量，经济成本低，响应速度快，为油田降本增效提供了一种新方法。

技术特征：

1.一种大数据驱动的油井动液面软测量方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种大数据驱动的油井动液面软测量方法，其特征在于，所述步骤1)包括以下步骤：

3.根据权利要求1所述的一种大数据驱动的油井动液面软测量方法，其特征在于，所述步骤2)包括以下步骤：

4.根据权利要求3所述的一种大数据驱动的油井动液面软测量方法，其特征在于，所述欧式距离计算公式为：

5.根据权利要求1所述的一种大数据驱动的油井动液面软测量方法，其特征在于，所述步骤3)包括以下步骤：

6.一种大数据驱动的油井动液面软测量系统，其特征在于，包括：

7.一种大数据驱动的油井动液面软测量系统，其特征在于，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如权利要求1-5任一项所述的一种大数据驱动的油井动液面软测量方法。

8.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1-5任一项所述的一种大数据驱动的油井动液面软测量方法。

技术总结
本发明涉及一种大数据驱动的油井动液面软测量方法，属于信息技术领域。该大数据驱动的油井动液面软测量方法包括：步骤1，动液面预测参数选择与预处理；步骤2，油井工况聚类；步骤3，基于循环神经网络的油井动液面预测。本方法基于油气生产大数据，通过深度学习技术对油井动液面进行软测量，可实现油井重要生产参数的实时连续测量，经济成本低，响应速度快，为油田降本增效提供了一种新方法。

技术研发人员：程海波,曾鹏,李世超,于海斌
受保护的技术使用者：中国科学院沈阳自动化研究所
技术研发日：
技术公布日：2024/3/12