采油作业五区采油精细化管理初探

本文通过一个实例简要介绍了采油技术指标在辽河油田公司锦州采油厂采油作业五区的管理情况,该管理措施对提高采油厂采油管理水平具有一定的借鉴意义。

基于IFOA-KELM-MEA模型的游梁式抽油机采油系统井下工况的短期预测

实现对井下工况的预测是及时掌握抽油井生产状态的有效方法,对提高油井生产效率和降低维护成本具有十分重要的意义。采用混沌理论实现抽油井井下工况的短期预测,首先将所提取的示功图的不变曲线矩特征向量作为预测变量,在证明其数据序列具有混沌特性后,由核极限学习机(kernel extreme learning machine,ELM)建立混沌时间序列预测模型,对其中的几个不确定参数采用改进的果蝇优化算法(improved fruit fly optimization algorithm,IFOA)进行优化选取,IFOA采用全局群体多样进化和局部个体随机变异的策略,最后,对模型所预测的结果进行物元分析(matter-element analysis,MEA),诊断其属于哪种故障类型。由某油田作业区的两口生产井进行实例验证,结果表明所提出的IFOA-KELM-MEA预测模型是合理有效的。

基于自动谱聚类与多极端学习机模型的油井油液含水率软测量

油井油液的含水率是石油生产中的一个重要参数,及时、准确的测量对提高采油生产效率具有重要的意义。针对传统人工测量所存在的不足,引入软测量技术,建立基于自动谱聚类与多极端学习机(automatic spectral clustering-multiple extreme learning machines,ASC-MELM)的软测量模型。提出一种自动谱聚类(spectral clustering,SC)算法,由改进的萤火虫算法(firefly algorithm,FA)对聚类数目和尺度参数进行优化选取,所提出的改进萤火虫算法(improved firefly algorithm,IFA)采用以一定概率跳出当前解的机制,避免传统FA过早陷入局部最优解的不足;对聚类后的不同训练子集,分别由极端学习机(extreme learning machine,ELM)建立子模型,由IFA对其中的隐含层输入权值、隐含层神经元的偏置和隐含层节点个数进行优化选取;最后,将多个子模型的结果取加权平均值输出。由国内某油田作业区一口生产井进行实例验证,结果表明所提出方法具有较高的预测精度,对于实现油井油液含水率的软测量是合理有效的。

基于ARMA补偿LSSVM模型的油井动液面在线预测

针对LSSVM静态模型不能精确预测动液面的问题,提出了一种基于ARMA补偿LSSVM模型的动液面在线预测方法。首先,选取建模的辅助变量,建立最小二乘支持向量机模型;然后,建立自回归滑动平均模型(ARMA)对预测出的动液面值进行误差补偿,提高预测动液面输出精度;最后,采用辽河油田某采油平台实际生产数据进行仿真实验,验证该方法的可行性和实用性。

基于联合互信息的动液面预测模型

针对采油现场复杂多变的静态模型不能根据工况的变化更新动液面预测模型这一现状,引入了联合互信息(Joint Mutual Information,JMI)作为更新模型的评价基准。该方法首先建立最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)模型,采用改进黑洞算法(Black Hole,BH)优化模型参数,预测出动液面,然后计算辅助变量与动液面的联合互信息,判断联合互信息的波动是否在合理范围内,以此作为模型更新的标准,提高动液面预测精度,最后将上述方法应用到辽河油田某采油平台实际生产数据中,仿真实验结果验证了该方法的有效性。

基于IBH-LSSVM的混沌时间序列预测及其在抽油井动液面短期预测中的应用

为了提高预测模型的预测精度,模型参数的选取通常转化为目标参数的组合优化问题,但是预测结果经常会受到优化算法参数设置的影响.针对这个问题,本文提出了一种基于改进黑洞算法和最小二乘支持向量机的预测模型,该模型将嵌入维数、延迟时间、正则化参数和核函数参数作为组合优化目标,优化算法不需要额外设定任何主观参数.另外,为了防止模型训练的过拟合,采用基于快速留一法的在线校验方法.通过对寻优机制的改进,该模型具有更好的预测效果.将其应用于抽油井动液面的短期预测中,结果表明所提出的预测模型具有一定的实际应用意义.

锦92块注汽效果分析

随着有限资源的不断开采,以及蒸汽吞吐轮次的增加,开发矛盾日益突出,蒸汽吞吐后油井供液差、低产能呈普遍现象。本文主要分析造成目前采油作业五区管理的锦92块注汽效果差的原因,并提出建议措施以及分析得到效果。