首页> 中文期刊> 《油气田地面工程》 >基于卷积神经网络的油井供液程度定量分析方法及应用

基于卷积神经网络的油井供液程度定量分析方法及应用

         

摘要

供液不足是抽油井最常见的工况之一,实现供液不足程度的定量化、自动化、智能化分析,对于提升油井运行效率、降低设备磨损和故障风险意义重大。以油井实时监测的示功图图像作为供液不足程度分析的主体,提出了一种基于卷积神经网络的油井供液不足程度定量分析方法,设计了包含4层卷积层、4层池化层和3层全连接层的卷积神经网络模型。采用反向传播算法,以示功图样本集为输入对卷积神经网络模型进行反复训练。结果显示,训练完成的卷积神经网络模型能够高效、准确识别供液不足程度,准确率达98.58%。选取某油田3口油井,通过所建立的油井供液不足程度量化分析方法监测油井供液情况,在此基础上进行远程动态调频生产,实现了抽油机冲速与油井供液程度的合理匹配,在保证日产油量的基础上有效减少了电能浪费。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号