人工神经网络自学习方法在大港滩海油田的应用-algorithmica.PDFVIP

人工神经网络自学习方法在大港滩海油田的应用人工神经网络自学习方法在大港滩海油田的应用 人工神经网络自学习方法在大港滩海油田的应用人工神经网络自学习方法在大港滩海油田的应用 檀朝东 1 Bangert, Patrick 2,3,4 刘柏良 5 张杰 6 （1. 中国石油大学，北京昌平，102249 ；2.algorithmica technologies GmbH, Bremen, Germany ； 3.Advanced International Research Institute on Industrial Optimization gGmbH, Bremen, Germany ； 4.Department of Mathematics, University College London, London, United Kingdom ；5. 中国石油大港油 田公司，天津大港，300280；6.北京雅丹石油技术开发有限公司，北京昌平，102200） 摘摘 要：本文以人工神经网络自学习方法在大港滩海油田的应用为例要 ，探讨能否利用人工神经 摘摘 要要 网络自学习方法预测泵的工作状态并提高电潜泵油井产量。试验结果表明，该方法可以解决电潜泵 油井生产过程中的两大问题：预测泵的工作状况、实时计算并优化泵的最大合理产量。操作人员根 据预测结果可及时合理地采取防范措施，尽量避免故障的发生或将故障损失降到最低，及时调整油 井的合理产量，使油井处于最佳生产状态，提高电潜泵油井生产运行的稳定性，并提高了试验油井 产量的 5% 。 关键词关键词：电潜泵： 人工神经网络 自学习 历史数据拟合 关键词关键词：： 1 概述概述 概述概述 大港滩海油田位于天津市大港区，属于黄骅凹陷。滩海油田通过建立人工岛屿，在人工岛屿上 钻生产井，下入电潜泵进行生产。由于生产的特殊性加上井下工况恶劣，如何及时、准确地了解电 潜泵采油系统尤其是潜油离心泵 （以下简称泵）的工作状况，对提高油井系统效率及油井产量都具 有非常重要的意义，也是目前大港滩海油田海上油井生产过程中面临着的难题。一个油藏区块中的 油井不是独立的，一口油井产量大幅上升有可能导致周围几口油井产量的下降，所以追求油井的最 大产量不是一个简单的单井问题，而需要从这口井所处的整个区块进行考虑，另外，其它一些因素 也将影响油井产量如潮汐。因此提高油井产量是一个很复杂的问题，给操作人员提出了挑战，面对 挑战，操作人员往往不能找到最好的解决方法。 本文探讨的方法可以解决这些问题，通过人工神经网络自学习方法可以预测泵的工作状况和泵 损坏的时间，根据预测结果及时采取防范措施，减少作业的盲目性；本文所研究的方法还可获得油 井最理想的实时产量，这种方法考虑并研究了所有影响油井产量的因素及油井相互之间的复杂关 系，根据计算结果通过合理配产，能提高油井 5%左右的产量，而且这种方法增加的产量是平均 的、长期的。 1 2 研究研究方法方法 研究研究方法方法 回顾一下控制理论，我们现在面对的是一个只有信号输入和信号输出的黑箱，黑箱中发生了什 么我们不清楚，通过实验，控制理论力图找到输入信号和输出信号之间的关系。通过反复实验和分 析，控制理论建立了一系列的数学模型，这些数学模型就是我们控制黑箱行为的工具。控制过程中 一个关键的因素是时间，所以必须考虑时间这个因素的影响。虽然我们不知道黑箱里面发生了什 么，但我们可以得到黑箱的输出数据，应用最优化理论，我们可以逆推黑箱过程，求得所需要的输 入信号。 应用控制理论意味着需要人工计算，对于像发电厂这样复杂程度很高的对象来说，工作量太 大，人工计算是不现实的，这类问题可通过人工神经网络自学习方法联立方程组进行求解[1，2] 。本 [3] 文选择的是回归神经网络技术 ，首先需要区分两种神经网络，第一种是分类神经网络，用来找出 不同对象之间的区别；第二个是回归神经网络，用来描述对象随时间的变化关系。直到 2005 年， 随着神经网络数学模型的发展，回归神经网络技术才开始在大型工厂数据库中应用。 人工神经网络自学习方法与人工设计模型相比，具有如下优点：（1）建模速度快，通常仅需 要几天；（2 ）适