基于FOA-BP神经网络的悬点示功图反演技术

悬点示功图是判断抽油机井生产状况的有效手段之一,针对目前电参转功图的难点问题,提出了一种基于FOA-BP神经网络的抽油机悬点示功图反演方法。采集测试抽油机电功率并将其转化为光杆功率,将抽油机光杆功率和扭矩因数作为网络的输入参数,通过模型训练消除抽油机结构及平衡参数对示功图反演计算的影响,再经过小波变换去噪处理,完成由电动机功率向悬点示功图的反演计算。对现场160井次实例计算表明,反演示功图与实测示功图吻合度达95.18%。基于FOA-BP神经网络的抽油机悬点示功图反演技术为及时、准确判断抽油机系统井下运行状态提供了理论技术支撑。