针对依靠现场经验确定的清蜡周期不准确而导致蜡卡躺井的问题,开展了基于人工智能的抽油机井结蜡预警方法研究。利用皮尔逊相关系数分析方法,分析了17项油井自动采集参数与结蜡程度的关联性,确定了7项主控参数,创建了结蜡预警规则模型;将7项主控参数的合并指标进行归一化处理得到结蜡综合特征指标(WPSC),并利用结蜡预警规则模型产生的样本数据建立了结蜡井WPSC样本集,选用长短时记忆神经网络(LSTM)对样本集进行训练,得到了WPSC机器学习模型,用其可以定量预测抽油机井的结蜡程度。该方法在胜利油田桩23区块的现场应用结果表明,油井清蜡周期得到延长,且有效避免了蜡卡躺井。研究结果表明,基于人工智能的抽油机井结蜡预警方法实现了油井结蜡程度的定量化预测与预警,对精准确定清蜡时机具有较好的指导作用。
类型: 期刊论文
作者: 邴绍强
关键词: 油井结蜡,清蜡周期,规则模型,机器学习,人工智能,预测预警,胜利油田
来源: 石油钻探技术 2019年04期
年度: 2019
分类: 工程科技Ⅰ辑
专业: 石油天然气工业
单位: 中国石化胜利油田分公司信息化管理中心
基金: 中国石化科技攻关项目“勘探开发智能化关键技术研究”（编号：P14130）部分研究内容
分类号: TE358.2
页码: 97-103
总页数: 7
文件大小: 1606K
下载量: 154
本文来源: https://www.lunwen66.cn/article/57eb28b1e4b3ec4ded11eab7.html