CN113496066B - 抽油泵漏失量分析方法及装置 - Google Patents
抽油泵漏失量分析方法及装置 Download PDFInfo
- Publication number
- CN113496066B CN113496066B CN202010191461.7A CN202010191461A CN113496066B CN 113496066 B CN113496066 B CN 113496066B CN 202010191461 A CN202010191461 A CN 202010191461A CN 113496066 B CN113496066 B CN 113496066B
- Authority
- CN
- China
- Prior art keywords
- oil well
- pump
- plunger
- leakage
- clearance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003129 oil well Substances 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004519 manufacturing process Methods 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 230000006870 function Effects 0.000 claims description 32
- 239000013598 vector Substances 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 22
- 239000012530 fluid Substances 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 17
- 230000004913 activation Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000035945 sensitivity Effects 0.000 claims description 8
- 210000002569 neuron Anatomy 0.000 claims description 6
- 239000004576 sand Substances 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 13
- 239000003921 oil Substances 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000007689 inspection Methods 0.000 description 6
- 238000013136 deep learning model Methods 0.000 description 5
- 239000000872 buffer Substances 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 3
- 239000010779 crude oil Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本申请提供了一种抽油泵漏失量分析方法及装置，该抽油泵漏失量分析方法包括：获取当前油井生产数据；根据所述当前油井生产数据及预先建立的柱塞与衬套间隙计算模型获得柱塞与衬套间隙值；根据所述柱塞与衬套间隙值确定抽油泵漏失量。本申请利用油井历史作业和生产数据建立柱塞与衬套间隙随时间的变化规律，并在此基础上准确确定抽油泵漏失量，可以为准确计算泵效及产量提供支持。
Description
技术领域
本申请涉及油田机械采油技术领域，特别是涉及一种抽油泵漏失量分析方法和装置。
背景技术
抽油泵是有杆抽油系统中的核心部件，主要用于将地下的原油举升到地面，抽油泵在工作一段时间后，由于磨损的原因，导致泵柱塞与泵衬套之间的间隙增大，漏失量也随之增加。由于抽油泵在几千米的井下工作，无法准确掌握抽油泵柱塞与衬套之间的间隙。目前计算泵的漏失量时，以恒定的初始间隙值代替变化的间隙值，同时假设柱塞与衬套件形成均匀环状间隙，导致计算结果误差较大，影响漏失量、泵效、产量计算的准确性。
发明内容
基于现有技术中存在的问题，本申请实施例提供了一种抽油泵漏失量分析方法及装置，以确定抽油泵漏失量。
一方面，本申请实施例提供了一种抽油泵漏失量分析方法，包括：
获取当前油井生产数据；
根据所述当前油井生产数据及预先建立的柱塞与衬套间隙计算模型获得柱塞与衬套间隙值；
根据所述柱塞与衬套间隙值确定抽油泵漏失量。
进一步地，预先建立所述柱塞与衬套间隙计算模型的步骤包括：
获取多个油井在不同时间的敏感性参数及对应的柱塞衬套间隙值，建立样本库；
对所述样本库中的油井流体数据进行标准化处理及矩阵变换，得到特征值；
以所述特征值作为输入，所述柱塞衬套间隙值作为输出，建立柱塞与衬套间隙计算模型。
进一步地，该抽油泵漏失量分析方法还包括：
获取多个油井中包括流体数据、历史检泵作业数据和对应检泵作业时间内的生产数据的油井历史数据；
根据所述油井历史数据中的冲程、冲次及泵径确定每口油井在不同时间的泵效；
根据所述泵效确定每口油井在不同时间的漏失系数；
根据所述漏失系数确定每口油井在不同时间的漏矢量；
根据所述漏矢量确定每口油井在不同时间的柱塞与衬套间隙。
进一步地，所述的柱塞与衬套间隙计算模型采用全连接网络，每一层之间的神经元全部连接，中间每一层的激活函数采用线性整流函数，输出层采用线性激活函数。
一方面，本申请实施例提供了一种抽油泵漏失量分析装置，包括：
数据获取单元，用于获取当前油井生产数据；
预测单元，用于根据所述当前油井生产数据及预先建立的柱塞与衬套间隙计算模型获得柱塞与衬套间隙值；
漏矢量计算单元，用于根据所述柱塞与衬套间隙值确定抽油泵漏失量。
进一步地，还包括：
样本库建立单元，用于获取多个油井在不同时间的敏感性参数及对应的柱塞衬套间隙值，建立样本库；
特征值提取单元，用于对所述样本库中的油井流体数据进行标准化处理及矩阵变换，得到特征值；
模型建立单元，用于以所述特征值作为输入，所述柱塞衬套间隙值作为输出，建立柱塞与衬套间隙计算模型。
进一步地，还包括：
流体数据获取单元，用于获取多个油井中包括流体数据、历史检泵作业数据和对应检泵作业时间内的生产数据的油井历史数据；
泵效确定单元，用于根据所述油井历史数据中的冲程、冲次及泵径确定每口油井在不同时间的泵效；
漏失系数确定单元，用于根据所述泵效确定每口油井在不同时间的漏失系数；
漏矢量确定单元，用于根据所述漏失系数确定每口油井在不同时间的漏矢量；
间隙确定单元，用于根据所述漏矢量确定每口油井在不同时间的柱塞与衬套间隙。
进一步地，所述的柱塞与衬套间隙计算模型采用全连接网络，每一层之间的神经元全部连接，中间每一层的激活函数采用线性整流函数，输出层采用线性激活函数。
一方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述抽油泵漏失量分析方法的步骤。
一方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述抽油泵漏失量分析方法的步骤。
本申请利用油井历史作业和生产数据建立柱塞与衬套间隙随时间的变化规律，并在此基础上准确确定抽油泵漏失量，可以为准确计算泵效及产量提供支持，并为确定是否需要进行检泵作业提供科学依据。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实一施例的抽油泵漏失量分析方法流程图；
图2为本申请实另一施例的抽油泵漏失量分析方法流程图；
图3为本申请实再一施例的抽油泵漏失量分析方法流程图；
图4为本申请实施例的全链接深度学习模型示意图；
图5为本申请一实施例的抽油泵漏失量分析装置的结构示意图；
图6为本申请另一实施例的抽油泵漏失量分析装置的结构示意图；
图7为本申请再一实施例的抽油泵漏失量分析装置的结构示意图；
图8为本申请实施例的电子设备8600的系统构成的示意框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为本申请实施例的抽油泵漏失量分析方法，如图1所示，该抽油泵漏失量分析方法包括：
S101：获取当前油井生产数据；
当前油井生产数据包括油井目前条件下含砂量、粘度、冲程、冲次、泵径、沉没度、工作时间参数等生产数据。
S102：根据所述当前油井生产数据及预先建立的柱塞与衬套间隙计算模型获得柱塞与衬套间隙值；
将获取的当前油井生产数据输入至预先建立的柱塞与衬套间隙计算模型，输出柱塞与衬套间隙值。
S103：根据所述柱塞与衬套间隙值确定抽油泵漏失量。
由图1所示的流程可知，本申请利用当前油井生产数据及预先建立的柱塞与衬套间隙随时间变化的柱塞与衬套间隙计算模型可以计算得到柱塞与衬套间隙值，进而确定抽油泵漏失量，可以为准确计算泵效及产量提供支持，并为确定是否需要进行检泵作业提供科学依据。
为了建立柱塞与衬套间隙计算模型，需要计算每口油井在不同时间的柱塞与衬套间隙，如图2所示，计算每口油井在不同时间的柱塞与衬套间隙包括如下步骤：
S201：获取多个油井中包括流体数据、历史检泵作业数据和对应检泵作业时间内的生产数据的油井历史数据；
具体实施时，需要统计一批油井的流体数据、历史检泵作业数据和对应检泵作业时间内的生产数据的油井历史数据，该流体数据包括油井的含砂量、粘度、井底温度、泡点压力、体积系数等数据，该历史检泵作业数据包括历史检泵作业业时间、抽油泵初始间隙值等，对应检泵作业时间内的生产数据包括产量、冲程、冲次、泵井、下泵深度、杆柱组合、气油比、井底压力等。
S202：根据所述油井历史数据中的冲程、冲次及泵径确定每口油井在不同时间的泵效；
具体实施时，可以采用如下公式计算泵效：
η＝Q/Qt (1)
其中，η为泵效；Q为油井实际产液量，m3/d；Qt为油井理论排量，m3/d；
Qt＝1440S·n·πD2/4 (2)
S为冲程，m；n为冲次；D为泵径，m。
S203：根据所述泵效确定每口油井在不同时间的漏失系数；
泵效与漏失系数存在如下关系：
η＝ηS·ηF·ηV·ηL (3)
可得到漏失系数ηL的计算公式：
ηL＝η/(ηS·ηF·ηV·) (4)
其中：
其中，Sp为柱塞的冲程长度，m；R为泵吸入口气液比，m3/m3；K为余隙系数，K＝S0/S，S0为余隙长度，m；S为冲程长度，m；k为天然气多变过程指数；Bops为泵吸入口条件下泵筒内原油的体积系数；Bwps为泵吸入口条件下水的体积系数；PS为泵吸入口压力，Pa；Pd为泵排出口压力，Pa；nw为含水率。
S204：根据所述漏失系数确定每口油井在不同时间的漏矢量；漏失量与漏失系数有如下关系：
ΔQ＝FPSηSηFηV-FPSηSηFηVη L (6)
其中，△Q为油井实际产液量，m3/d；Fp抽油泵柱塞的横截面积，m2。
S205：根据所述漏矢量确定每口油井在不同时间的柱塞与衬套间隙。
漏失量与半径间隙存在如下关系：
其中，D为抽油泵直径，m；e为柱塞与泵筒的径向间隙，m；g为重力加速度，m/s2；μ为液体运动粘度，m2/s；△H为柱塞两端的液柱压差，m；l为柱塞长度，m；vp为柱塞运动速度，m2/s。
通过根据已知参数计算柱塞与衬套间隙值，可利用当前作业完毕的初始间隙值对计算结果进行修正。
一实施例中，如图3所示，柱塞与衬套间隙计算模型可以通过如下步骤建立：
S301：获取多个油井在不同时间的敏感性参数及对应的柱塞衬套间隙值，建立样本库；
敏感性参数为关键参数包括：含砂量、粘度、冲程、冲次、泵径、沉没度、工作时间等参数，基于收集的敏感性参数及对应的柱塞衬套间隙值可以建立样本库。
S302：对所述样本库中的油井流体数据进行标准化处理及矩阵变换，得到特征值；
对输入特征参数进行标准化处理，然后利用矩阵变换方法，换转成区分度比较高的新特征。
一实施例中，标准化处理方法如下：
S为数据协方差矩阵。
得到数据协方差矩阵之后，进行如下降维处理得到新特征值y：
y＝uTx (10)
u为三维矢量[u1,u2,……uk]，k小于等于m，满足下面关系式：
降维处理需要把关于u1的方差
最大化，很明显，最大化不能使||u1||→∞，需要恰当的限制条件，而恰当的限制条件源自归一化方程
为了满足限制条件，本申请引入了拉格朗日乘法算子λ1，然后导出了一个没有限制条件的方程：
求最优u1的过程就是对上式(12)求导，也就当Su1＝λ1u1时，存在一个稳定点。
可以看出u1肯定是S的特征向量。如果我们左乘
并使
就可以使用如下方程表示方差：
所以，当特征向量u1的特征值和λ1相等时，方差最大，此时的特征向量u1也被称为主特征。
求出各特征向量u1,u2,……uk，得到三维矢量u，带入公式(10)，得到新特征值。
S303：以所述特征值作为输入，所述柱塞衬套间隙值作为输出，建立柱塞与衬套间隙计算模型。
具体实施时，将转换后的新特征和柱塞衬套间隙分别作为深度学习模型的输入和输出，得到全链接深度学习模型。全链接深度学习模型采用全连接网络，每一层之间的神经元全部连接，中间每一层的激活函数采用线性整流函数(Rectified Linear Unit,ReLU)，输出层采用线性激活函数，全链接深度学习模型如图4所示。
最后，进行样本训练，具体地，采用自适应矩估计(Adaptive moment estimation,Adam)算法进行优化与训练，这样就得到了柱塞与衬套间隙计算模型。
根据S101获取的当前油井生产数据输入至上述柱塞与衬套间隙计算模型，就可以获得柱塞与衬套间隙值，当前油井生产数据包括但不限于油井目前条件下含砂量、粘度、冲程、冲次、泵径、沉没度、工作时间参数等生产数据。
将S102得到的柱塞与衬套间隙值代入上述公式(7)，就可以计算得到抽油泵漏失量。
本申请利用油井历史作业和生产数据建立柱塞与衬套间隙随时间的变化规律，并在此基础上准确确定抽油泵漏失量，可以为准确计算泵效及产量提供支持，并为确定是否需要进行检泵作业提供科学依据。
基于同一发明构思，本申请实施例还提供了一种抽油泵漏失量分析装置，可以用于实现上述实施例所描述的方法，如下面的实施例所述。由于抽油泵漏失量分析装置解决问题的原理与抽油泵漏失量分析方法相似，因此抽油泵漏失量分析装置的实施可以参见抽油泵漏失量分析方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图5为本申请实施例的抽油泵漏失量分析装置的结构示意图，如图5所示，该抽油泵漏失量分析装置包括：数据获取单元501，预测单元502及漏矢量计算单元503。
数据获取单元501，用于获取当前油井生产数据；
预测单元502，用于根据所述当前油井生产数据及预先建立的柱塞与衬套间隙计算模型获得柱塞与衬套间隙值；
漏矢量计算单元503，用于根据所述柱塞与衬套间隙值确定抽油泵漏失量。
一实施例中，如图6所示，油泵漏失量分析装置还包括：
流体数据获取单元601，用于获取多个油井中包括流体数据、历史检泵作业数据和对应检泵作业时间内的生产数据的油井历史数据；
泵效确定单元602，用于根据所述油井历史数据中的冲程、冲次及泵径确定每口油井在不同时间的泵效；
漏失系数确定单元603，用于根据所述泵效确定每口油井在不同时间的漏失系数；
漏矢量确定单元604，用于根据所述漏失系数确定每口油井在不同时间的漏矢量；
间隙确定单元605，用于根据所述漏矢量确定每口油井在不同时间的柱塞与衬套间隙。
一实施例中，如图7所示，油泵漏失量分析装置还包括：
样本库建立单元701，用于获取多个油井在不同时间的敏感性参数及对应的柱塞衬套间隙值，建立样本库；
特征值提取单元702，用于对所述样本库中的油井流体数据进行标准化处理及矩阵变换，得到特征值；
模型建立单元705，用于以所述特征值作为输入，所述柱塞衬套间隙值作为输出，建立柱塞与衬套间隙计算模型。
一实施例中，所述的柱塞与衬套间隙计算模型采用全连接网络，每一层之间的神经元全部连接，中间每一层的激活函数采用线性整流函数，输出层采用线性激活函数。
本申请利用油井历史作业和生产数据建立柱塞与衬套间隙随时间的变化规律，并在此基础上准确确定抽油泵漏失量，可以为准确计算泵效及产量提供支持，并为确定是否需要进行检泵作业提供科学依据。
从硬件层面来说，本申请提供一种抽油泵漏失量分析方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于实现销售前端与销售后端之间的信息传输；该电子设备可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该电子设备可以参照实施例中的抽油泵漏失量分析方法的实施例，以及，终端及服务器的实施例进行实施，其内容被合并于此，重复之处不再赘述。
图8为本申请实施例的电子设备8600的系统构成的示意框图。如图8所示，该电子设备8600可以包括中央处理器8100和存储器8140；存储器8140耦合到中央处理器8100。值得注意的是，该图8是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
一实施例中，抽油泵漏失量分析功能可以被集成到中央处理器8100中。其中，中央处理器8100可以被配置为进行如下控制：
S101：获取当前油井生产数据；
S102：根据所述当前油井生产数据及预先建立的柱塞与衬套间隙计算模型获得柱塞与衬套间隙值；
S103：根据所述柱塞与衬套间隙值确定抽油泵漏失量。
从上述描述可知，本申请的实施例提供的电子设备，可以在不影响正常客户别名汇款的情况下，实现抽油泵漏失量分析，准确确定抽油泵漏失量，为准确计算泵效及产量提供支持。
在另一个实施方式中，终端或服务器可以与中央处理器8100分开配置，例如可以将终端或服务器为与中央处理器8100连接的芯片，通过中央处理器的控制来实现抽油泵漏失量分析功能。
如图8所示，该电子设备8600还可以包括：通信模块8110、输入单元8120、音频处理器8130、显示器8160、电源8170。值得注意的是，电子设备8600也并不是必须要包括图8中所示的所有部件；此外，电子设备8600还可以包括图8中没有示出的部件，可以参考现有技术。
如图8所示，中央处理器8100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器8100接收输入并控制电子设备8600的各个部件的操作。
其中，存储器8140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器8100可执行该存储器8140存储的该程序，以实现信息存储或处理等。
输入单元8120向中央处理器8100提供输入。该输入单元8120例如为按键或触摸输入装置。电源8170用于向电子设备8600提供电力。显示器8160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。
该存储器8140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器8140还可以是某种其它类型的装置。存储器8140包括缓冲存储器8141(有时被称为缓冲器)。存储器8140可以包括应用/功能存储部8142，该应用/功能存储部8142用于存储应用程序和功能程序或用于通过中央处理器8100执行电子设备8600的操作的流程。
存储器8140还可以包括数据存储部8143，该数据存储部8143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器8140的驱动程序存储部8144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块8110即为经由天线8111发送和接收信号的发送机/接收机8110。通信模块(发送机/接收机)8110耦合到中央处理器8100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块8110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)8110还经由音频处理器8130耦合到扬声器8131和麦克风8132，以经由扬声器8131提供音频输出，并接收来自麦克风8132的音频输入，从而实现通常的电信功能。音频处理器8130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器8130还耦合到中央处理器8100，从而使得可以通过麦克风8132能够在本机上录音，且使得可以通过扬声器8131来播放本机上存储的声音。
本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的抽油泵漏失量分析方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的抽油泵漏失量分析方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
S101：获取当前油井生产数据；
S102：根据所述当前油井生产数据及预先建立的柱塞与衬套间隙计算模型获得柱塞与衬套间隙值；
S103：根据所述柱塞与衬套间隙值确定抽油泵漏失量。
本申请利用油井历史作业和生产数据建立柱塞与衬套间隙随时间的变化规律，并在此基础上准确确定抽油泵漏失量，可以为准确计算泵效及产量提供支持，并为确定是否需要进行检泵作业提供科学依据。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请中应用了具体实施例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (8)
1.一种抽油泵漏失量分析方法，其特征在于，包括：
获取当前油井生产数据；
根据所述当前油井生产数据及预先建立的柱塞与衬套间隙计算模型获得柱塞与衬套间隙值；
根据所述柱塞与衬套间隙值确定抽油泵漏失量；
其中，所述方法还包括：
获取多个油井中包括流体数据、历史检泵作业数据和对应检泵作业时间内的生产数据的油井历史数据；
根据所述油井历史数据中的冲程、冲次及泵径确定每口油井在不同时间的泵效；
根据所述泵效确定每口油井在不同时间的漏失系数；
根据所述漏失系数确定每口油井在不同时间的漏矢量；
根据所述漏矢量确定每口油井在不同时间的柱塞与衬套间隙；
其中，所述流体数据包括油井的含砂量、粘度、井底温度、泡点压力、体积系数，所述历史检泵作业数据包括历史检泵作业业时间、抽油泵初始间隙值，所述对应检泵作业时间内的生产数据包括产量、冲程、冲次、泵井、下泵深度、杆柱组合、气油比、井底压力。
2.如权利要求1所述的抽油泵漏失量分析方法，其特征在于，预先建立所述柱塞与衬套间隙计算模型的步骤包括：
获取多个油井在不同时间的敏感性参数及对应的柱塞衬套间隙值，建立样本库；
对所述样本库中的油井流体数据进行标准化处理及矩阵变换，得到特征值；
以所述特征值作为输入，所述柱塞衬套间隙值作为输出，建立柱塞与衬套间隙计算模型。
3.如权利要求2所述的抽油泵漏失量分析方法，其特征在于，所述柱塞与衬套间隙计算模型采用全连接网络，每一层之间的神经元全部连接，中间每一层的激活函数采用线性整流函数，输出层采用线性激活函数。
4.一种抽油泵漏失量分析装置，其特征在于，包括：
数据获取单元，用于获取当前油井生产数据；
预测单元，用于根据所述当前油井生产数据及预先建立的柱塞与衬套间隙计算模型获得柱塞与衬套间隙值；
漏矢量计算单元，用于根据所述柱塞与衬套间隙值确定抽油泵漏失量；
其中，所述装置还包括：
流体数据获取单元，用于获取多个油井中包括流体数据、历史检泵作业数据和对应检泵作业时间内的生产数据的油井历史数据；
泵效确定单元，用于根据所述油井历史数据中的冲程、冲次及泵径确定每口油井在不同时间的泵效；
漏失系数确定单元，用于根据所述泵效确定每口油井在不同时间的漏失系数；
漏矢量确定单元，用于根据所述漏失系数确定每口油井在不同时间的漏矢量；
间隙确定单元，用于根据所述漏矢量确定每口油井在不同时间的柱塞与衬套间隙；
其中，所述流体数据包括油井的含砂量、粘度、井底温度、泡点压力、体积系数，所述历史检泵作业数据包括历史检泵作业业时间、抽油泵初始间隙值，所述对应检泵作业时间内的生产数据包括产量、冲程、冲次、泵井、下泵深度、杆柱组合、气油比、井底压力。
5.如权利要求4所述的抽油泵漏失量分析装置，其特征在于，还包括：
样本库建立单元，用于获取多个油井在不同时间的敏感性参数及对应的柱塞衬套间隙值，建立样本库；
特征值提取单元，用于对所述样本库中的油井流体数据进行标准化处理及矩阵变换，得到特征值；
模型建立单元，用于以所述特征值作为输入，所述柱塞衬套间隙值作为输出，建立柱塞与衬套间隙计算模型。
6.如权利要求5所述的抽油泵漏失量分析装置，其特征在于，所述柱塞与衬套间隙计算模型采用全连接网络，每一层之间的神经元全部连接，中间每一层的激活函数采用线性整流函数，输出层采用线性激活函数。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至3任一项所述的抽油泵漏失量分析方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至3任一项所述的抽油泵漏失量分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010191461.7A CN113496066B (zh) | 2020-03-18 | 2020-03-18 | 抽油泵漏失量分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010191461.7A CN113496066B (zh) | 2020-03-18 | 2020-03-18 | 抽油泵漏失量分析方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113496066A CN113496066A (zh) | 2021-10-12 |
| CN113496066B true CN113496066B (zh) | 2022-11-04 |
Family
ID=77993007
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010191461.7A Active CN113496066B (zh) | 2020-03-18 | 2020-03-18 | 抽油泵漏失量分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113496066B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104239693A (zh) * | 2014-08-26 | 2014-12-24 | 中国石油天然气股份有限公司 | 抽油泵凡尔漏失状态下日产液量的计算方法及其系统 |
| CN107944607A (zh) * | 2017-11-03 | 2018-04-20 | 渤海大学 | 一种基于时间序列的抽油井停井时间集成预测方法 |
| CN109872018A (zh) * | 2017-12-05 | 2019-06-11 | 中国科学院沈阳自动化研究所 | 一种基于示功图的抽油井产量计算方法 |
| CN110276493A (zh) * | 2019-06-25 | 2019-09-24 | 北京月新时代科技股份有限公司 | 一种油井检泵周期预测方法、装置及存储介质 |
-
2020
- 2020-03-18 CN CN202010191461.7A patent/CN113496066B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104239693A (zh) * | 2014-08-26 | 2014-12-24 | 中国石油天然气股份有限公司 | 抽油泵凡尔漏失状态下日产液量的计算方法及其系统 |
| CN107944607A (zh) * | 2017-11-03 | 2018-04-20 | 渤海大学 | 一种基于时间序列的抽油井停井时间集成预测方法 |
| CN109872018A (zh) * | 2017-12-05 | 2019-06-11 | 中国科学院沈阳自动化研究所 | 一种基于示功图的抽油井产量计算方法 |
| CN110276493A (zh) * | 2019-06-25 | 2019-09-24 | 北京月新时代科技股份有限公司 | 一种油井检泵周期预测方法、装置及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 利用示功图和憋压法计算抽油泵活塞和泵衬套间隙漏失量方法研究;刘忠恒;《内蒙古石油化工》;20120730(第14期);全文 * |
| 江苏油田抽油泵泵效影响因素分析;狄敏燕等;《复杂油气藏》;20090625(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113496066A (zh) | 2021-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106599449B (zh) | 一种溶洞体积计算的试井解释方法 | |
| CN111101929B (zh) | 一种计算油气藏平均地层压力的方法、装置及系统 | |
| CN105474046A (zh) | 产生虚拟生产测井工具剖面以用于改进历史拟合 | |
| US10359542B2 (en) | Generating dynamically calibrated geo-models in green fields | |
| US20180052903A1 (en) | Transforming historical well production data for predictive modeling | |
| RU2685006C2 (ru) | Способ и устройство для определения производительности скважинных насосов | |
| CN110656923B (zh) | 一种碳酸盐岩缝洞型油藏生产井产量预测方法 | |
| CN109882163A (zh) | 一种用于致密油藏压裂水平井的产能预测方法 | |
| CN109426672B (zh) | 基于不确定地质模型的油藏注采参数优化方法 | |
| CN111502652B (zh) | 一种三孔介质气藏水平井产量递减及生产动态预测方法 | |
| CN109488282A (zh) | 可动储量物性下限的确定方法 | |
| CN113496066B (zh) | 抽油泵漏失量分析方法及装置 | |
| CN111999227A (zh) | 一种应力敏感性测试方法和装置 | |
| CN105283867A (zh) | 用于基于平均有效裂缝长度的分布优化现有井和设计新井的系统和方法 | |
| CN112613171B (zh) | 一种煤储层渗透率确定方法及装置 | |
| US10858912B2 (en) | Systems and methods for optimizing production of unconventional horizontal wells | |
| CN112554864A (zh) | 一种计算产水气井单井控制储量的方法 | |
| CN115788391B (zh) | 基于砂岩油田压裂充填防砂作业的井层选择方法及装置 | |
| CN116303626A (zh) | 一种基于特征优化和在线学习的固井泵压预测方法 | |
| CN112343566B (zh) | 注入聚合物井的井底流压确定方法及装置 | |
| CN114331071A (zh) | 模型训练方法、压裂参数确定方法、装置和计算机设备 | |
| CN114790885A (zh) | 抽油机井产量计量方法及装置 | |
| Gudmundsdottir et al. | Reservoir characterization and prediction modeling using statistical techniques | |
| CN113077074A (zh) | 基于储层预测因子的储层预测方法及装置 | |
| CN112377184A (zh) | 串珠状缝洞型碳酸盐岩储层物性参数分析方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |