隨著數(shù)字油田技術(shù)不斷的推廣應(yīng)用,油井示功圖的實時在線測量已經(jīng)實現(xiàn),但面對傳感器采集的海量實時數(shù)據(jù),傳統(tǒng)的人工分析無法及時處理,制約了其應(yīng)用效果。針對該問題,提出了一種基于灰色關(guān)聯(lián)分析的油井生產(chǎn)實時監(jiān)測方法,通過灰色理論,將實時采集到的示功圖轉(zhuǎn)換為灰度矩陣,并提取灰度均值、灰度方差、灰度偏度等6種灰度特征值,利用關(guān)聯(lián)分析方法將實時采集示功圖的灰度特征向量與預(yù)設(shè)的標(biāo)準(zhǔn)工況示功圖的灰度特征向量進行對比分析,進而確定當(dāng)前油井的生產(chǎn)狀態(tài)。通過實例分析表明,該方法可以高效、可靠的實現(xiàn)抽油井的工況監(jiān)測診斷,平均診斷準(zhǔn)確率達90%,分析診斷效率高,滿足油田實際區(qū)塊中多井并發(fā)任務(wù)實時診斷的需要,為數(shù)字化油田的進一步實施推廣具有促進作用。 

【文章來源】：內(nèi)江科技. 2017,38(09)

【文章頁數(shù)】：4 頁

【部分圖文】：

給出了數(shù)值化后的示功圖曲線

并沒有被示功圖曲線穿過，進入步驟（2）；若否，說明該網(wǎng)格被示功圖曲線穿過，進入步驟（5）；（2）判斷是否存在，，，以及，，，使得同時。若是，說明該網(wǎng)格在示功圖曲線內(nèi)部，進入步驟（3）；若否，說明該網(wǎng)格在示功圖曲線外部，進入步驟（4）；（3）設(shè)置，進入步驟（5）；（4）設(shè)置，其中為距離最近的值為1的網(wǎng)格；進入步驟（5）；（5）設(shè)置，若，進入步驟（1）；否則，進入步驟（6）；（6）設(shè)置，，若，進入步驟（1）；否則，全部網(wǎng)格遍歷完成，結(jié)束。經(jīng)過以上計算，即可得到示功圖的灰度矩陣，G=A。圖4給出了圖3中示功圖計算得到的灰度矩陣值云圖。圖中顏色代表數(shù)值的大小，顏色越深，代表數(shù)值越小，顏色越淺，代表數(shù)值越大。以上的圖示可以看出，通過對示功圖數(shù)據(jù)的處理和掃描，所得到的對應(yīng)灰度矩陣可以清晰地描述出工況示功圖的圖形紋理，為示功圖的診斷打下了良好的基矗所謂特征參數(shù)，即對事物的性狀進行描述的參數(shù)。特征參數(shù)的選擇對識別的效果有直接的影響。用于描述示功圖的特征參數(shù)包括很多，在特征參數(shù)選擇時，需要在保證對特征描述足夠的情況下選擇合理數(shù)量的特征參數(shù)。參數(shù)過少對于示功圖的特征描述不夠全面，容易導(dǎo)致不同工況的特征參數(shù)區(qū)分度不強，導(dǎo)致誤診的現(xiàn)象發(fā)生。參數(shù)過多時，除了本身的計算量更大以外，還可能引入不必要的噪音和干擾，同樣不利于工況診斷。示功圖的特征參數(shù)的提取目前常用的方法包括面積法、網(wǎng)格法、矢量法，以上三種方法均是用來提取示功圖圖形的幾何特征，但是這類特征提取的方法均存在特征參數(shù)偏多或者不能做定量分析的缺點。本文中，示功圖轉(zhuǎn)化為了灰度矩陣，并采用基于灰度矩陣的一系列矩陣相關(guān)參數(shù)作為特征參數(shù)，可以直接根據(jù)矩陣相關(guān)理論計算得到，特征提取簡便

）（4）關(guān)聯(lián)度排序。將待測工況特征向量與各標(biāo)準(zhǔn)參考特征向量根據(jù)計算得到的關(guān)聯(lián)度值進行排序。（5）確定工況。關(guān)聯(lián)度最大對應(yīng)的標(biāo)準(zhǔn)參考工況特征向量其所代表的工況類型，即為當(dāng)前待檢示功圖的油井對應(yīng)的工況�？偨Y(jié)來講，工況診斷可歸結(jié)為對待檢模式進行工況的模式識別問題。為驗證本文方法的有效性，首先選定10種常見抽油機井工況，包括：正常狀況、供液不足、氣鎖、泵上碰、泵下碰、油井出砂、固定凡爾漏失、游動凡爾漏失、活塞遇卡、液擊。計算以上10種工況的典型示功圖的灰度矩陣并提取對應(yīng)灰度特征值，結(jié)果如圖5所示。從圖5中可以看到，各類工況下，其分類統(tǒng)計特征向量各有特征。從S油田130余萬條示功圖數(shù)據(jù)中，選擇上述10種工況對應(yīng)的示功圖2000條，每種工況200條，作為測試樣本，使用本文建立的灰色關(guān)聯(lián)分析方法對測試樣本進行工況分析診斷，診斷結(jié)果如表1所示。從表中可以看到，灰色關(guān)聯(lián)分析方法對于每種工況診斷準(zhǔn)確率均大于80%，綜合診斷準(zhǔn)確率達90%，效果優(yōu)異。從診斷速度上，測試使用的計算機（IntelCorei5-4300M處理器，8.00GB內(nèi)存）每次診斷平均耗時0.0013s，診斷效率高，滿足油田實時診斷需求。為了解決海量油井示功圖數(shù)據(jù)人工分析處理效率低的問題，本文提出并建立了一種基于灰色關(guān)聯(lián)分析的油井生產(chǎn)動態(tài)實時監(jiān)測方法。通過最小外接矩陣法獲得示功圖的標(biāo)準(zhǔn)化圖像，之后基于灰色理論將標(biāo)準(zhǔn)化示功圖轉(zhuǎn)化為灰度矩陣并提取灰度均值、灰度方差、灰度偏度、灰度峰度、灰度能量、灰度熵共6種灰色特征值。通過將待測示功圖的灰色特征值與預(yù)先計算的標(biāo)準(zhǔn)工況示功圖的灰色特征值進行關(guān)聯(lián)度分析，確定得到待測示功圖對應(yīng)油井的生產(chǎn)動態(tài)。通過油田實際示功圖分析應(yīng)用結(jié)果顯示，本文建立的方法對于工況診斷的平均準(zhǔn)確率達90%

【參考文獻】：
期刊論文
[1]數(shù)字信息化油田建設(shè)的現(xiàn)狀以及應(yīng)對措施[J]. 張蓓,張煒,楊劍.  中國管理信息化. 2017(08)
[2]灰色理論在有桿抽油井故障診斷中的應(yīng)用[J]. 許廣繁,楊善林.  合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2013(10)
[3]基于BP神經(jīng)網(wǎng)絡(luò)和灰色理論的示功圖故障診斷[J]. 李訓(xùn)銘,周志權(quán).  電子設(shè)計工程. 2012(17)
[4]大港油田抽油機井典型示功圖分析[J]. 關(guān)成堯,檀朝東,余金澤,呂銳.  中國石油和化工. 2007(22)
[5]基于人工神經(jīng)網(wǎng)絡(luò)和灰度矩陣的泵功圖診斷[J]. 吳偉,陳國定,何焱.  西安石油大學(xué)學(xué)報(自然科學(xué)版). 2007(03)
[6]基于通用無線分組業(yè)務(wù)（GPRS）的油田生產(chǎn)安全監(jiān)控系統(tǒng)[J]. 張乃祿,張源,徐競天,鄒濤.  中國安全科學(xué)學(xué)報. 2006(08)
[7]示功圖識別技術(shù)在有桿泵工況診斷中的應(yīng)用[J]. 韓國慶,吳曉東,張慶生,毛鳳英.  石油鉆采工藝. 2003(05)



本文編號：3280160