油井工况智能监测与风险防控技术研究

摘要：

为了实现油井工况的自动评估与智能管理,达到防范风险的目标,基于深度学习技术建立了油井工况智能监测与风险防控方法.将实际油田数万条示功图数据整理为卷积神经网络模型的训练集,并基于该训练集,利用监督误差反向传播算法对基于卷积神经网络模型的示功图识别模型进行了训练和测试.结果表明,基于深度学习技术的示功图识别模型的准确度达到95％以上.研究成果应用于国内某油田,采油系统效率总体提升2.67％,工况合格率提升11％,防范风险成功率提高60％.研究成果为同类油田提供了一定的技术借鉴.

关键词：风险防范、生产工况、深度学习、卷积神经网络

所属期刊栏目：38

分类号：TE358(油气田开发与开采)

资助基金：中国石化科技攻关项目LMKJ201719

在线出版日期：2020-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：63-68