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.

关键词：油井、供液不足、示功图、卷积神经网络

所属期刊栏目：41

分类号：O65;TP391.41;TE355

在线出版日期：2022-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：86-92