基于灰色关联分析的油井生产实时监测方法
发布时间：2021-07-12 15:18
随着数字油田技术不断的推广应用,油井示功图的实时在线测量已经实现,但面对传感器采集的海量实时数据,传统的人工分析无法及时处理,制约了其应用效果。针对该问题,提出了一种基于灰色关联分析的油井生产实时监测方法,通过灰色理论,将实时采集到的示功图转换为灰度矩阵,并提取灰度均值、灰度方差、灰度偏度等6种灰度特征值,利用关联分析方法将实时采集示功图的灰度特征向量与预设的标准工况示功图的灰度特征向量进行对比分析,进而确定当前油井的生产状态。通过实例分析表明,该方法可以高效、可靠的实现抽油井的工况监测诊断,平均诊断准确率达90%,分析诊断效率高,满足油田实际区块中多井并发任务实时诊断的需要,为数字化油田的进一步实施推广具有促进作用。
【文章来源】：内江科技. 2017,38(09)
【文章页数】：4 页
【部分图文】：
给出了数值化后的示功图曲线
并没有被示功图曲线穿过，进入步骤（2）；若否，说明该网格被示功图曲线穿过，进入步骤（5）；（2）判断是否存在，，，以及，，，使得同时。若是，说明该网格在示功图曲线内部，进入步骤（3）；若否，说明该网格在示功图曲线外部，进入步骤（4）；（3）设置，进入步骤（5）；（4）设置，其中为距离最近的值为1的网格；进入步骤（5）；（5）设置，若，进入步骤（1）；否则，进入步骤（6）；（6）设置，，若，进入步骤（1）；否则，全部网格遍历完成，结束。经过以上计算，即可得到示功图的灰度矩阵，G=A。图4给出了图3中示功图计算得到的灰度矩阵值云图。图中颜色代表数值的大小，颜色越深，代表数值越小，颜色越浅，代表数值越大。以上的图示可以看出，通过对示功图数据的处理和扫描，所得到的对应灰度矩阵可以清晰地描述出工况示功图的图形纹理，为示功图的诊断打下了良好的基矗所谓特征参数，即对事物的性状进行描述的参数。特征参数的选择对识别的效果有直接的影响。用于描述示功图的特征参数包括很多，在特征参数选择时，需要在保证对特征描述足够的情况下选择合理数量的特征参数。参数过少对于示功图的特征描述不够全面，容易导致不同工况的特征参数区分度不强，导致误诊的现象发生。参数过多时，除了本身的计算量更大以外，还可能引入不必要的噪音和干扰，同样不利于工况诊断。示功图的特征参数的提取目前常用的方法包括面积法、网格法、矢量法，以上三种方法均是用来提取示功图图形的几何特征，但是这类特征提取的方法均存在特征参数偏多或者不能做定量分析的缺点。本文中，示功图转化为了灰度矩阵，并采用基于灰度矩阵的一系列矩阵相关参数作为特征参数，可以直接根据矩阵相关理论计算得到，特征提取简便
）（4）关联度排序。将待测工况特征向量与各标准参考特征向量根据计算得到的关联度值进行排序。（5）确定工况。关联度最大对应的标准参考工况特征向量其所代表的工况类型，即为当前待检示功图的油井对应的工况。总结来讲，工况诊断可归结为对待检模式进行工况的模式识别问题。为验证本文方法的有效性，首先选定10种常见抽油机井工况，包括：正常状况、供液不足、气锁、泵上碰、泵下碰、油井出砂、固定凡尔漏失、游动凡尔漏失、活塞遇卡、液击。计算以上10种工况的典型示功图的灰度矩阵并提取对应灰度特征值，结果如图5所示。从图5中可以看到，各类工况下，其分类统计特征向量各有特征。从S油田130余万条示功图数据中，选择上述10种工况对应的示功图2000条，每种工况200条，作为测试样本，使用本文建立的灰色关联分析方法对测试样本进行工况分析诊断，诊断结果如表1所示。从表中可以看到，灰色关联分析方法对于每种工况诊断准确率均大于80%，综合诊断准确率达90%，效果优异。从诊断速度上，测试使用的计算机（IntelCorei5-4300M处理器，8.00GB内存）每次诊断平均耗时0.0013s，诊断效率高，满足油田实时诊断需求。为了解决海量油井示功图数据人工分析处理效率低的问题，本文提出并建立了一种基于灰色关联分析的油井生产动态实时监测方法。通过最小外接矩阵法获得示功图的标准化图像，之后基于灰色理论将标准化示功图转化为灰度矩阵并提取灰度均值、灰度方差、灰度偏度、灰度峰度、灰度能量、灰度熵共6种灰色特征值。通过将待测示功图的灰色特征值与预先计算的标准工况示功图的灰色特征值进行关联度分析，确定得到待测示功图对应油井的生产动态。通过油田实际示功图分析应用结果显示，本文建立的方法对于工况诊断的平均准确率达90%
【参考文献】：
期刊论文
[1]数字信息化油田建设的现状以及应对措施[J]. 张蓓,张炜,杨剑. 中国管理信息化. 2017(08)
[2]灰色理论在有杆抽油井故障诊断中的应用[J]. 许广繁,杨善林. 合肥工业大学学报(自然科学版). 2013(10)
[3]基于BP神经网络和灰色理论的示功图故障诊断[J]. 李训铭,周志权. 电子设计工程. 2012(17)
[4]大港油田抽油机井典型示功图分析[J]. 关成尧,檀朝东,余金泽,吕锐. 中国石油和化工. 2007(22)
[5]基于人工神经网络和灰度矩阵的泵功图诊断[J]. 吴伟,陈国定,何焱. 西安石油大学学报(自然科学版). 2007(03)
[6]基于通用无线分组业务（GPRS）的油田生产安全监控系统[J]. 张乃禄,张源,徐竞天,邹涛. 中国安全科学学报. 2006(08)
[7]示功图识别技术在有杆泵工况诊断中的应用[J]. 韩国庆,吴晓东,张庆生,毛凤英. 石油钻采工艺. 2003(05)
本文编号：3280160
【文章来源】：内江科技. 2017,38(09)
【文章页数】：4 页
【部分图文】：
给出了数值化后的示功图曲线
并没有被示功图曲线穿过，进入步骤（2）；若否，说明该网格被示功图曲线穿过，进入步骤（5）；（2）判断是否存在，，，以及，，，使得同时。若是，说明该网格在示功图曲线内部，进入步骤（3）；若否，说明该网格在示功图曲线外部，进入步骤（4）；（3）设置，进入步骤（5）；（4）设置，其中为距离最近的值为1的网格；进入步骤（5）；（5）设置，若，进入步骤（1）；否则，进入步骤（6）；（6）设置，，若，进入步骤（1）；否则，全部网格遍历完成，结束。经过以上计算，即可得到示功图的灰度矩阵，G=A。图4给出了图3中示功图计算得到的灰度矩阵值云图。图中颜色代表数值的大小，颜色越深，代表数值越小，颜色越浅，代表数值越大。以上的图示可以看出，通过对示功图数据的处理和扫描，所得到的对应灰度矩阵可以清晰地描述出工况示功图的图形纹理，为示功图的诊断打下了良好的基矗所谓特征参数，即对事物的性状进行描述的参数。特征参数的选择对识别的效果有直接的影响。用于描述示功图的特征参数包括很多，在特征参数选择时，需要在保证对特征描述足够的情况下选择合理数量的特征参数。参数过少对于示功图的特征描述不够全面，容易导致不同工况的特征参数区分度不强，导致误诊的现象发生。参数过多时，除了本身的计算量更大以外，还可能引入不必要的噪音和干扰，同样不利于工况诊断。示功图的特征参数的提取目前常用的方法包括面积法、网格法、矢量法，以上三种方法均是用来提取示功图图形的几何特征，但是这类特征提取的方法均存在特征参数偏多或者不能做定量分析的缺点。本文中，示功图转化为了灰度矩阵，并采用基于灰度矩阵的一系列矩阵相关参数作为特征参数，可以直接根据矩阵相关理论计算得到，特征提取简便
）（4）关联度排序。将待测工况特征向量与各标准参考特征向量根据计算得到的关联度值进行排序。（5）确定工况。关联度最大对应的标准参考工况特征向量其所代表的工况类型，即为当前待检示功图的油井对应的工况。总结来讲，工况诊断可归结为对待检模式进行工况的模式识别问题。为验证本文方法的有效性，首先选定10种常见抽油机井工况，包括：正常状况、供液不足、气锁、泵上碰、泵下碰、油井出砂、固定凡尔漏失、游动凡尔漏失、活塞遇卡、液击。计算以上10种工况的典型示功图的灰度矩阵并提取对应灰度特征值，结果如图5所示。从图5中可以看到，各类工况下，其分类统计特征向量各有特征。从S油田130余万条示功图数据中，选择上述10种工况对应的示功图2000条，每种工况200条，作为测试样本，使用本文建立的灰色关联分析方法对测试样本进行工况分析诊断，诊断结果如表1所示。从表中可以看到，灰色关联分析方法对于每种工况诊断准确率均大于80%，综合诊断准确率达90%，效果优异。从诊断速度上，测试使用的计算机（IntelCorei5-4300M处理器，8.00GB内存）每次诊断平均耗时0.0013s，诊断效率高，满足油田实时诊断需求。为了解决海量油井示功图数据人工分析处理效率低的问题，本文提出并建立了一种基于灰色关联分析的油井生产动态实时监测方法。通过最小外接矩阵法获得示功图的标准化图像，之后基于灰色理论将标准化示功图转化为灰度矩阵并提取灰度均值、灰度方差、灰度偏度、灰度峰度、灰度能量、灰度熵共6种灰色特征值。通过将待测示功图的灰色特征值与预先计算的标准工况示功图的灰色特征值进行关联度分析，确定得到待测示功图对应油井的生产动态。通过油田实际示功图分析应用结果显示，本文建立的方法对于工况诊断的平均准确率达90%
【参考文献】：
期刊论文
[1]数字信息化油田建设的现状以及应对措施[J]. 张蓓,张炜,杨剑. 中国管理信息化. 2017(08)
[2]灰色理论在有杆抽油井故障诊断中的应用[J]. 许广繁,杨善林. 合肥工业大学学报(自然科学版). 2013(10)
[3]基于BP神经网络和灰色理论的示功图故障诊断[J]. 李训铭,周志权. 电子设计工程. 2012(17)
[4]大港油田抽油机井典型示功图分析[J]. 关成尧,檀朝东,余金泽,吕锐. 中国石油和化工. 2007(22)
[5]基于人工神经网络和灰度矩阵的泵功图诊断[J]. 吴伟,陈国定,何焱. 西安石油大学学报(自然科学版). 2007(03)
[6]基于通用无线分组业务（GPRS）的油田生产安全监控系统[J]. 张乃禄,张源,徐竞天,邹涛. 中国安全科学学报. 2006(08)
[7]示功图识别技术在有杆泵工况诊断中的应用[J]. 韩国庆,吴晓东,张庆生,毛凤英. 石油钻采工艺. 2003(05)
本文编号：3280160
本文链接：https://www.wllwen.com/projectlw/xtxlw/3280160.html
