一种注水井工况诊断模型训练方法、装置、设备及介质与流程

本发明涉及注水井故障诊断领域，尤其涉及一种注水井工况诊断模型训练方法、装置、设备及介质。

背景技术：

1、‌在油田开发过程中，相关技术可以通过专门的注水井将水注入油藏，以保持或恢复油层压力，增强驱动力，提高油藏的开采速度和采收率‌。

2、注水井的正常运行状态对于保持油层压力和提高采收率都至关重要。及时准确地监测和诊断注水井工况，以实现事前预警、事中指导和事后处置，能有效避免生产事故，提高油田运行效率。

3、目前，注水井工况诊断一般依赖于技术人员根据主观经验进行，智能诊断水平较低。

技术实现思路

1、本发明提供一种注水井工况诊断模型训练方法、装置、设备及介质，用以解决相关技术中注水井工况诊断一般依赖于技术人员根据主观经验进行，智能诊断水平较低的缺陷，提高智能诊断水平。

2、第一方面，本发明提供一种注水井工况诊断模型训练方法，待训练的注水井工况诊断模型中包括时间特征提取网络、局部特征提取网络、特征拼接层和分类器；

3、获取注水井在连续n个时间步长内的运行数据；其中，n为大于1的整数；

4、根据所述注水井在每个所述时间步长内的运行数据，构建多训练样本；

5、将所述多训练样本输入至时间特征提取网络中进行时间特征提取，得到时间特征数据；以及，将所述多训练样本输入至所述局部特征提取网络中进行局部特征提取，得到局部特征数据；

6、将所述时间特征数据和所述局部特征数据输入至所述特征拼接层中进行特征拼接，得到特征拼接数据；

7、将所述特征拼接数据输入至所述分类器中进行工况分类，得到分类结果；

8、基于所述分类结果与真实结果间的差异，对所述时间特征提取网络、所述局部特征提取网络和所述分类器进行更新，以得到训练好的注水井工况诊断模型。

9、可选的，所述根据所述注水井在每个所述时间步长内的运行数据，构建多训练样本，包括：

10、对于所述注水井在任一所述时间步长内的运行数据，对所述注水井在所述时间步长内的运行数据进行预处理，得到所述注水井在所述时间步长内的处理后运行数据，根据所述注水井在所述时间步长内的处理后运行数据构建一个训练样本；

11、对构建出的各个训练样本进行组合，以构建所述多训练样本。

12、可选的，每个所述时间步长均为连续的m天，相邻两个所述时间步长为连续且互不重叠的2m天；其中，m为不小于1的整数；

13、所述根据所述注水井在所述时间步长内的处理后运行数据构建一个训练样本，包括：

14、将所述注水井在所述时间步长中每天的处理后运行数据按照时间先后顺序进行排序，以得到对应的数组并作为所述时间步长对应的所述训练样本；

15、所述对构建出的各个训练样本进行组合，以构建所述多训练样本，包括：

16、将每个所述时间步长对应的所述训练样本按照时间先后顺序进行排序，以得到对应的数组并作为所述多训练样本。

17、可选的，将所述多训练样本输入至特征提取网络中进行特征提取，得到目标特征数据，包括：

18、将所述多训练样本输入至所述特征提取网络中，以使所述特征提取网络依次对所述多训练样本中的每个所述训练样本进行特征提取，得到每个所述训练样本对应的样本特征数据；

19、根据所述训练样本在所述多训练样本中的排列次序，依次对每个所述训练样本对应的样本特征数据进行排列，以得到相应的数组并作为所述目标特征数据；

20、其中，所述特征提取网络为所述时间特征提取网络或所述局部特征提取网络；

21、当所述特征提取网络为所述时间特征提取网络时，所述特征提取为时间特征提取，所述样本特征数据为样本时间特征数据，所述目标特征数据为所述时间特征数据；

22、当所述特征提取网络为所述局部特征提取网络时，所述特征提取为局部特征提取，所述样本特征数据为样本局部特征数据，所述目标特征数据为所述局部特征数据。

23、可选的，所述将所述时间特征数据和所述局部特征数据输入至所述特征拼接层中进行特征拼接，得到特征拼接数据，包括：

24、将所述时间特征数据和所述局部特征数据输入至所述特征拼接层中，以使所述特征拼接层：确定所述时间特征数据中排列在末尾的所述样本时间特征数据，以及确定所述局部特征数据中排列在末尾的所述样本局部特征数据，对排列在末尾的所述样本时间特征数据和排列在末尾的所述样本局部特征数据进行拼接，得到相应的拼接数据并作为所述特征拼接数据。

25、可选的，所述基于所述分类结果与真实结果间的差异，对所述时间特征提取网络、所述局部特征提取网络和所述分类器进行更新，以得到训练好的注水井工况诊断模型，包括：

26、基于所述分类结果与真实结果间的差异确定损失函数值，根据所述损失函数值、梯度下降法和反向传播法更新所述时间特征提取网络、所述局部特征提取网络和所述分类器中的网络权重，并基于贝叶斯优化算法对所述待训练的注水井工况诊断模型中的超参数进行优化，以得到训练好的注水井工况诊断模型。

27、可选的，所述运行数据中包括注入量、油压、套压和视吸水指数中的至少一个，所述注水井的工况类别包括正常生产、地层堵塞、配水器堵塞和油管漏失，所述时间特征提取网络中包括依次连接的多层双向长短期记忆网络bilstm和维度重排层，所述局部特征提取网络中包括依次连接的多层全卷积网络fnc和池化层。

28、第二方面，本发明提供一种注水井工况诊断模型训练装置，待训练的注水井工况诊断模型中包括时间特征提取网络、局部特征提取网络、特征拼接层和分类器；所述装置包括：

29、获取单元，用于获取注水井在连续n个时间步长内的运行数据；其中，n为大于1的整数；

30、构建单元，用于根据所述注水井在每个所述时间步长内的运行数据，构建多训练样本；

31、第一提取单元，用于将所述多训练样本输入至时间特征提取网络中进行时间特征提取，得到时间特征数据；

32、第二提取单元，用于将所述多训练样本输入至所述局部特征提取网络中进行局部特征提取，得到局部特征数据；

33、输入单元，用于将所述时间特征数据和所述局部特征数据输入至所述特征拼接层中进行特征拼接，得到特征拼接数据；

34、分类单元，用于将所述特征拼接数据输入至所述分类器中进行工况分类，得到分类结果；

35、更新单元，用于基于所述分类结果与真实结果间的差异，对所述时间特征提取网络、所述局部特征提取网络和所述分类器进行更新，以得到训练好的注水井工况诊断模型。

36、第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的注水井工况诊断模型训练方法。

37、第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的注水井工况诊断模型训练方法。

38、本发明提供的注水井工况诊断模型训练方法、装置、设备及介质，可以先行构建由时间特征提取网络、局部特征提取网络、特征拼接层和分类器耦合而成的注水井工况诊断模型，之后根据注水井在连续n个时间步长内的运行数据构建多训练样本，基于多训练样本对注水井工况诊断模型进行训练和模型更新，以得到训练好的注水井工况诊断模型。本发明训练好的注水井工况诊断模型可以用于对注水井工况进行智能诊断，有效提高对注水井工况的智能诊断水平。