今日頭條
官方微信
官方抖音
資訊頻道
基于四維時(shí)頻特征矩陣的油井工況識(shí)別深度學(xué)習(xí)方法
油井工況的實(shí)時(shí)精準(zhǔn)診斷對(duì)于快速掌握油田作業(yè)情況、提高生產(chǎn)效率、保障生產(chǎn)安全具有重要意義，然而由于油井自身結(jié)構(gòu)的復(fù)雜性和生產(chǎn)環(huán)境的多變性，油井工況時(shí)刻發(fā)生變化。利用深度學(xué)習(xí)對(duì)油井功圖進(jìn)行分類是一種有效的油井工況識(shí)別方法，但直接將油井功圖作為二維圖像輸入到深度學(xué)習(xí)框架中，會(huì)存在模型參數(shù)多、計(jì)算量大的問(wèn)題。此外，抽油系統(tǒng)因不同因素產(chǎn)生的功圖也不盡相同，導(dǎo)致油田現(xiàn)場(chǎng)數(shù)據(jù)存在嚴(yán)重異質(zhì)性，極大地影響工況識(shí)別的準(zhǔn)確性。
針對(duì)上述問(wèn)題，中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所科研團(tuán)隊(duì)提出了一種基于四維時(shí)頻特征矩陣的油井工況識(shí)別深度學(xué)習(xí)方法，實(shí)現(xiàn)了在供液不足、閥漏失、氣體影響等多種工況下的實(shí)時(shí)精準(zhǔn)識(shí)別。該研究成果以Working condition recognition of sucker rod pumping system based on 4-segment time-frequency signature matrix and deep learning為題，發(fā)表在中國(guó)科學(xué)院1區(qū)TOP期刊《石油科學(xué)》（Petroleum Science）。
科研團(tuán)隊(duì)建立了油井功圖四維時(shí)頻特征矩陣，可實(shí)現(xiàn)多個(gè)功圖數(shù)據(jù)的特征融合；針對(duì)模型參數(shù)多、計(jì)算量大、識(shí)別精度低問(wèn)題，設(shè)計(jì)了一種輕量化的深度卷積神經(jīng)網(wǎng)絡(luò)，可實(shí)現(xiàn)功圖特征矩陣到油井工況的智能映射。
科研人員利用油田現(xiàn)場(chǎng)實(shí)測(cè)功圖數(shù)據(jù)，對(duì)算法有效性進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，提出的油井工況識(shí)別方法可將工況識(shí)別精度提高到98%以上，助力提升油井生產(chǎn)運(yùn)行的穩(wěn)定性和安全性。
該研究得到了國(guó)家自然科學(xué)基金項(xiàng)目，機(jī)器人學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室和遼寧遼河實(shí)驗(yàn)室項(xiàng)目等的支持。（工業(yè)控制網(wǎng)絡(luò)與系統(tǒng)研究室）
來(lái)源：中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所
北京市公安局海淀分局備案號(hào)：11010802023656號(hào)