BP神經(jīng)網(wǎng)絡(luò)在油井示功圖識別中的應(yīng)用

王天柱,尚翠娟,王睿思,王穎瑞,王小平,吳繼榮

(1.中國石油天然氣股份有限公司華北油田分公司勘探開發(fā)研究院,河北 任丘 062552；2.中國石油天然氣股份有限公司華北油田分公司合作開發(fā)項目部,河北 任丘 062552；3.中國石油天然氣股份有限公司華北油田分公司第三采油廠,河北 河間 062460；4.中國石油天然氣股份有限公司長慶油田分公司隴東氣田項目部,甘肅 慶陽 745100)

0 引言

目前國內(nèi)大部分油田識別示功圖的方法還是憑借采油工的現(xiàn)場經(jīng)驗，這種方法具有很大的隨機性。由于監(jiān)測抽油機井獲取的實時生產(chǎn)數(shù)據(jù)過大，傳統(tǒng)的憑借采油工經(jīng)驗的識別方法已經(jīng)不符合現(xiàn)代油田數(shù)字化建設(shè)模式。因此，如何利用遠程監(jiān)測系統(tǒng)采集的海量數(shù)據(jù)，進行準(zhǔn)確的油井工況識別，及時采取生產(chǎn)措施是亟待解決的問題。

1 功圖量油技術(shù)概況

1.1 功圖量油概述

把抽油機井的有桿泵抽油系統(tǒng)視為一個的振動系統(tǒng)，通過建立波動方程，計算在井口條件下的泵示功圖[1]。對泵示功圖進行平滑去噪、歸一化分析等處理，可以判斷得到閥開閉點位置，進而得到有效沖程，計算出泵的排液量，使用井口混合物體積系數(shù)，折算出地面的油井產(chǎn)量。

1.2 功圖量油應(yīng)用概況

國內(nèi)油田中，大港油田首先使用功圖量油法計算油井產(chǎn)液量。隨后很快在吐哈油田，延長油田，大慶油田，等都取得了不錯的效果。長慶油田的《功圖法油井計量裝置》于2008年獲國家發(fā)明專利。功圖量油技術(shù)發(fā)展到后期的主要側(cè)重點由產(chǎn)液量計算轉(zhuǎn)移到通過示功圖對油井進行工況診斷。

2 BP神經(jīng)網(wǎng)絡(luò)識別示功圖

2.1 典型示功圖特征樣本庫

2.1.1 Hu不變矩

在圖形圖像像素一定的條件下，Hu的7個不變矩具有圖像旋轉(zhuǎn)、平移和尺度變化都保持不變的特性。這種特性使得其很夠很好的識別一般圖形圖像，因而在圖像識別的很多方面廣泛使用[2]。

2.1.2 典型示功圖特征提取

在實際生產(chǎn)中選取具有典型故障的油井作為樣本，本文對17種工況每種選擇油井3口，一共選擇51口井的示功圖數(shù)據(jù)。分別計算這51口井的示功圖的7個不變矩、泵效、上沖程載荷增幅以及下沖程載荷減幅。由于數(shù)據(jù)數(shù)量級相差較大，對上述10個特征參數(shù)數(shù)據(jù)做歸一化處理，確立抽油井17中典型示功圖工況的樣本庫，用于訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)。

2.2 BP神經(jīng)網(wǎng)絡(luò)

2.2.1 BP神經(jīng)網(wǎng)絡(luò)簡介

BP神經(jīng)網(wǎng)絡(luò)的特點：有導(dǎo)師學(xué)習(xí)、多層、前向。基本分三層：輸入層、隱含層和輸出層，BP神經(jīng)網(wǎng)絡(luò)的同層節(jié)點之間是沒有連接的，每個層內(nèi)的節(jié)點只和該層相鄰的下一層的節(jié)點相連接。BP神經(jīng)網(wǎng)絡(luò)通常選用S型函數(shù)作為節(jié)點的激勵函數(shù)。

2.2.2 BP神經(jīng)網(wǎng)絡(luò)模型設(shè)計

（1）輸入輸出層設(shè)計。輸入向量設(shè)計：上沖程載荷增幅、下沖程載荷增幅、泵效以及7個不變矩。

輸出模式設(shè)計：17中典型示功圖能夠精確區(qū)分。

如：泵正常工作(1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,)。

（2）隱含層設(shè)計。Hecht-Nielsen曾證明，具有非線性連接變換函數(shù)的單隱層BP神經(jīng)網(wǎng)絡(luò)能夠完成任意的非線性的輸入輸出函數(shù)。提高網(wǎng)絡(luò)精度可以從兩方面實現(xiàn)：增加網(wǎng)絡(luò)層數(shù)和增加隱含層神經(jīng)元數(shù)量。前者可以很好的提高精度并減小誤差，但會使得網(wǎng)絡(luò)變復(fù)雜，訓(xùn)練的時間變很長。相比而言，增加隱含層的神經(jīng)元數(shù)量來提高網(wǎng)絡(luò)精度要簡單許多，也會減少訓(xùn)練時間。因此，由于本文采用神經(jīng)網(wǎng)絡(luò)來識別二維示功圖圖像，只需要三層BP神經(jīng)網(wǎng)絡(luò)就能夠滿足要求。

（3）期望誤差的選取。在神經(jīng)網(wǎng)絡(luò)最優(yōu)期望誤差的選擇時會面臨不同問題，如果誤差的選擇偏大，就會影響到識別結(jié)果的準(zhǔn)確性。如果過小，則會使得網(wǎng)絡(luò)的訓(xùn)練時間很長。綜合上述分析，通過試驗選取期望誤差為0.01。

2.2.3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練

網(wǎng)絡(luò)訓(xùn)練流程圖

2.3 識別示功圖技術(shù)實現(xiàn)

通過上節(jié)樣本庫的訓(xùn)練，BP神經(jīng)網(wǎng)絡(luò)內(nèi)部的閥值已經(jīng)經(jīng)過反復(fù)修改儲存起來，網(wǎng)絡(luò)訓(xùn)練達到要求后便可以識別示功圖，進而判斷抽油機工況。對于不同的數(shù)據(jù)樣本庫和網(wǎng)絡(luò)分類器，訓(xùn)練得到權(quán)值和閥值也不相同，最后得到的診斷結(jié)果頁回出現(xiàn)偏差。為了確保診斷結(jié)果的精度，本文使用3個子網(wǎng)絡(luò)并對其進行集成診斷結(jié)果。3個子網(wǎng)絡(luò)得到的結(jié)果使用裝袋技術(shù)對其進行進行篩選，最終實現(xiàn)更精確的工況診斷。

3 實例分析

2008年08月21日，對CQ油田的Xi34-12-1油井進行數(shù)據(jù)測試，得到以下參數(shù)：泵徑為56mm，泵深為1499.61m，沖程為4.5m，沖次為3.8次/min，地面天然氣相對密度0.76，地面原油相對密度0.84，動液面1333m，地面原油粘度102 mPa.s，井口回壓0.021 MPa，套壓為0.65MPa，最大載荷39.5KN,最小載荷14.0KN, 示功圖如下圖所示：

Xi34-12-1示功圖

通過工況診斷模塊提取該井的10個特征值依次為：0、0.28、0.08、0.13、0.81、1、0.75、0.17、0.91、-0.06，診斷系統(tǒng)輸出向量為：1.72E-03、0.95、5.44E-03、1.38E-02、3.41E-04、4.38E-04、7.72E-03、3.42E-02、6.35E-03，網(wǎng)絡(luò)的工況診斷結(jié)果：供液量不足，和現(xiàn)場生產(chǎn)情況吻合。

4 結(jié)論

通過對示功圖的特性分析，提取不變矩和生產(chǎn)參數(shù)作為特征參數(shù)，選取典型示功圖樣本對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，完成對示功圖的識別，實現(xiàn)了計算機的自動工況診斷，和實際生產(chǎn)情況較為符合，具有一定的實踐價值。本文只對典型的十七種泵工況研究。在實際油田生產(chǎn)過程中，會出現(xiàn)多種故障并存的情況，工況較為復(fù)雜，對這些多種故障并存的工況的識別方法還有進一步完善的空間。

[1]余金澤，彭永剛，關(guān)成堯，張杰.“功圖量油”技術(shù)的發(fā)展[J].中國石油和化工，2009(04)：51-54.

[2]王睿，李言俊，張科.基于不變矩和SVM分類的三維目標(biāo)識別方法[J].計算機仿真，2011(01).