CN114704247A - 油气井液面智能监测方法及装置 - Google Patents

油气井液面智能监测方法及装置 Download PDF

Info

Publication number
CN114704247A
CN114704247A CN202210632556.7A CN202210632556A CN114704247A CN 114704247 A CN114704247 A CN 114704247A CN 202210632556 A CN202210632556 A CN 202210632556A CN 114704247 A CN114704247 A CN 114704247A
Authority
CN
China
Prior art keywords
time period
data
current time
characteristic data
oil
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.)
Granted
Application number
CN202210632556.7A
Other languages
English (en)
Other versions
CN114704247B (zh
Inventor
韩章英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Yuxue Petroleum Technology Co ltd
Original Assignee
Xi'an Yuxue Petroleum Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xi'an Yuxue Petroleum Technology Co ltd filed Critical Xi'an Yuxue Petroleum Technology Co ltd
Priority to CN202210632556.7A priority Critical patent/CN114704247B/zh
Publication of CN114704247A publication Critical patent/CN114704247A/zh
Application granted granted Critical
Publication of CN114704247B publication Critical patent/CN114704247B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00—Survey of boreholes or wells
    • E21B47/06—Measuring temperature or pressure
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00—Survey of boreholes or wells
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00—Survey of boreholes or wells
    • E21B47/12—Means for transmitting measuring-signals or control signals from the well to the surface, or from the surface to the well, e.g. for logging while drilling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0056—Systems characterized by the type of code used
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Mining & Mineral Resources (AREA)
  • Physics & Mathematics (AREA)
  • Geology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Fluid Mechanics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geophysics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Remote Sensing (AREA)
  • Signal Processing (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)

Abstract

本发明涉及人工智能领域，具体涉及一种油气井液面智能监测方法及装置。采集油气井内当前时间段的特征数据；计算每个时刻特征数据的异常程度；计算特征数据的传输迫切程度；对当前时间段内的特征数据进行分级，计算每个级别特征数据的调节系数；构建每个级别特征数据的调节系数序列；根据当前时间段内每个级别特征数据的调节系数序列进行霍夫曼编码，对下个采集时间段的时长进行修正，得到每个时间段的编码结果，将编码结果进行传输；对编码结果进行解码，得到油气井特征数据，根据特征数据的异常程度对油气井参数进行调控。本发明通过计算调节系数解决传统霍夫曼编码中异常数据并非码值最短的问题，可以实现对异常数据的快速精准传输。

Description

油气井液面智能监测方法及装置
技术领域
本发明涉及人工智能领域，具体涉及一种油气井液面智能监测方法及装置。
背景技术
油气井开采过程中受到流动压降的影响，其不同位置的产出和流量相差较大；由于高渗段流体的大量产出，其产出突进效应尤为明显，由此产生的不均匀剖面，一旦遇水或气，极易发生锥进，导致部分产液段流体流出受阻，油气井产量将大大降低，随着调流控水完井技术的不断发展，调流控水流入控制装置的性能也不断更新，现阶段已出现了能够根据地层产液情况，自动调整入流阻力的调流控水筛管，能够随着地层边底水突进和锥进的状况，主动改变入流流体的流量，基于调流控水技术的发展，对调流控水技术中各段内流体的油、气、水的入流流量的监测逐渐变得越来越重要，实时了解调流控水筛管过程中各段的产量从而明确调流控水筛管的作用效果是现阶段油气井开发开采过程中所面临的重要难题之一。
油气井液面监测通常是将一段时间内的传感器数据进行压缩，将压缩后的数据进行传输，为了能够更快的传输通常采用二进制编码，因此一般采用采用霍夫曼编码对数据进行压缩，但传统霍夫曼编码是基于数据的出现频率的大小顺序进行编码的，通常出现频率大的数据编码短，但当油气井液面出现异常时，往往异常数据出现频率不确定，异常数据出现的频率低会导致编码长度长，又由于油气井深处地下，在信号传输的过程中极易受到干扰，造成通信延迟和部分数据丢失，而编码长度越长，数据丢失的风险越大，会导致调控模块调控参数与实际不符。
针对上述情况，本发明提出了一种油气井液面智能监测方法及装置，通过对各个传感器获取到的数据进行调节系数的计算，并基于调节系数进行霍夫曼编码压缩，对压缩后的数据进行传输，从而进行调流控水筛管的调控。
发明内容
本发明提供一种油气井液面智能监测方法及装置，以解决现有的问题，包括采集油气井内当前时间段的特征数据；计算每个时刻特征数据的异常程度；计算特征数据的传输迫切程度； 对当前时间段内的特征数据进行分级，计算每个级别特征数据的调节系数；构建每个级别特征数据的调节系数序列； 根据当前时间段内每个级别特征数据的调节系数序列进行霍夫曼编码，对下个采集时间段的时长进行修正，得到每个时间段的编码结果，将编码结果进行传输；对编码结果进行解码，得到油气井特征数据，根据特征数据的异常程度对油气井参数进行调控。
根据本发明提出的技术手段，通过油气井内采集到的特征数据的异常程度获取自适应的数据传输的数据量，通过计算调节系数解决传统霍夫曼编码中异常数据并非码值最短的问题，从而达到对异常数据快速精准传输的目的，进而该目的可以使调控模块在进行调流控水筛管的参数调控时更加高效，防止错过最佳调控时间。
本发明采用如下技术方案，一种油气井液面智能监测方法，包括：
S1.获取油气井内当前采集时间段的特征数据。
S2.计算当前时间段内每个时刻特征数据的异常程度；根据当前时间段内特征数据所有时刻的异常程度计算该特征数据的传输迫切程度。
S3.根据当前时间段内不同的特征数据个数进行分级，得到多个级别的特征数据；根据当前时间段内每个级别中各个特征数据的异常程度以及迫切程度计算当前时间段内每个级别特征数据的调节系数。
S4.将当前时间段内每个级别特征数据的调节系数由小到大排列，得到当前时间段内每个级别特征数据的调节系数序列。
S5.根据当前时间段内每个级别特征数据的调节系数序列进行霍夫曼编码，得到当前时间段内所有特征数据的编码结果；并将当前时间段的编码结果进行传输。
S6.根据当前时间段的传输迫切程度对下个采集时间段的采集时长进行修正，获取下个采集时间段内的特征数据，重复步骤S2-S5，得到下一采集时间段内特征数据的编码结果；将下一采集时间段内特征数据编码结果进行传输。
依次迭代，得到所有时间段内特征数据编码结果，并进行传输。
S7.接收端根据对传输的每个采集时间段内特征数据的编码结果进行解码，得到每个采集时间段的油气井特征数据，根据特征数据的异常程度对油气井参数进行调控。
进一步的，一种油气井液面智能监测方法，计算当前时间段内每个时刻特征数据的异常程度的方法为：
所述特征数据包括油气井内的压强数据以及油液流量数据；
计算每个时刻压强数据异常程度的表达式为：
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE004
表示第i个时刻压强数据的异常程度，
Figure DEST_PATH_IMAGE006
表示第i个时刻采集到的压强数据，
Figure DEST_PATH_IMAGE008
表示油气井内当前时刻的标准压强数据，
Figure DEST_PATH_IMAGE010
表示容许压强偏差；
计算每个时刻油液流量数据异常程度的表达式为：
Figure DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE014
表示第i个时刻油液流量数据的异常程度，
Figure DEST_PATH_IMAGE016
表示第i个时刻采集到的油液流量数据，b表示油气井内当前时刻的标准油液流量数据。
进一步的，一种油气井液面智能监测方法，计算该特征数据的传输迫切程度的方法为：
获取当前时间段所有采集时刻特征数据的异常程度以及当前时间段内采集时刻的个数，根据所有时刻特征数据的异常程度计算该特征数据在当前时间段的传输迫切程度，表达式为：
Figure DEST_PATH_IMAGE018
其中，d表示该特征数据的传输迫切程度，
Figure 964486DEST_PATH_IMAGE004
表示第i个时刻压强数据的异常程度，
Figure 975298DEST_PATH_IMAGE014
表示第i个时刻油液流量数据的异常程度,N表示当前时间段共采集了N个时刻的特征数据。
进一步的，一种油气井液面智能监测方法，根据当前时间段内不同的特征数据个数进行分级，得到多个级别的特征数据的方法为：
根据当前时间段内得到的特征数据值建立直方图，获取当前时间段内的所有采集时刻中不同的特征数据值的个数作为该传输周期内特征数据的级别数，获取每个级别中相同的特征数据个数。
进一步的，一种油气井液面智能监测方法，计算当前时间段内每个级别特征数据的调节系数的方法为：
Figure DEST_PATH_IMAGE020
Figure DEST_PATH_IMAGE022
其中，L表示调节系数，
Figure 913167DEST_PATH_IMAGE004
表示第i个时刻压强数据的异常程度，
Figure 145565DEST_PATH_IMAGE014
表示第i个时刻油液流量数据的异常程度，表示第i个时刻采集到的特征数据的传输迫切程度，
Figure DEST_PATH_IMAGE024
表示每个级别中相同特征数据的采集时刻个数。
进一步的，一种油气井液面智能监测方法，根据当前时间段内每个级别特征数据的调节系数序列进行霍夫曼编码，得到当前时间段内所有特征数据的编码结果的方法为：
将当前时间段内每个级别特征数据的调节系数序列中的元素从小到大依次以第一元素、第二元素进行排列直至最后一个元素；
根据霍夫曼编码从调节系数序列中的第一元素和第二元素开始进行遍历，得到当前时间段内所有特征数据的霍夫曼树，根据当前时间段内所有特征数据的霍夫曼树得到当前时间段内每个特征数据的编码结果。
进一步的，一种油气井液面智能监测方法，对下个采集时间段的采集时长进行修正的方法为：
将当前时间段内所有时刻作为初始采集时长C，根据当前时间段内特征数据的最大异常程度以及当前时间段内特征数据的传输迫切程度重新设定下个时间段的采集时长，表达式为：
Figure DEST_PATH_IMAGE026
其中，
Figure DEST_PATH_IMAGE028
表示下个时间段的采集时长，C表示当前时间段的初始采集时长，
Figure 58158DEST_PATH_IMAGE004
表示当前时间段第i个时刻压强数据的异常程度，
Figure 302406DEST_PATH_IMAGE014
表示当前时间段第i个时刻油液流量数据的异常程度，d表示该特征数据的传输迫切程度。
进一步的，本发明还提出了一种油气井液面智能监测装置，该智能监测装置包括外接传感器装置、自动监测装置以及数据接收装置；
外接传感器由压强测量传感器以及流量测量传感器两部分组成，用于采集油气井内多个时刻的特征数据，所述特征数据包括压强数据以及流量数据；
自动监测装置包括数据计算模块以及数据传输模块；所述数据计算模块用于计算当前时间段内每个时刻特征数据的异常程度；根据当前时间段内特征数据所有时刻的异常程度计算该特征数据的传输迫切程度；根据当前时间段内不同的特征数据个数进行分级，得到多个级别的特征数据；根据当前时间段内每个级别中各个特征数据的异常程度以及迫切程度计算当前时间段内每个级别特征数据的调节系数；将当前时间段内每个级别特征数据的调节系数由小到大排列，得到当前时间段内每个级别特征数据的调节系数序列；根据当前时间段内每个级别特征数据的调节系数序列进行霍夫曼编码，得到当前时间段内所有特征数据的编码结果；
所述数据传输模块用于根据当前时间段的传输迫切程度对下个采集时间段的采集时长进行修正，获取下个采集时间段内的特征数据，重复迭代，得到每个采集时间段内特征数据的编码结果；将每个采集时间段内特征数据编码结果进行传输；
数据接收装置包括数据解码模块以及参数调控模块；所述数据解码模块用于对编码结果进行解码，得到油气井特征数据；所述参数调控模块用于根据特征数据的异常程度对油气井参数进行调控。
本发明的有益效果是：根据本发明提出的技术手段，通过油气井内采集到的特征数据的异常程度获取自适应的数据传输的数据量，通过计算调节系数解决传统霍夫曼编码中异常数据并非码值最短的问题，从而达到对异常数据快速精准传输的目的，进而该目的可以使调控模块在进行调流控水筛管的参数调控时更加高效，防止错过最佳调控时间。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种油气井液面智能监测方法结构示意图；
图2为本发明实施例的一种油气井液面智能监测装置流程示意图；
图3为图2中自动监测装置的具体模块流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
如图1所示，给出了本发明实施例的一种油气井液面智能监测方法结构示意图，包括：
101. 获取油气井内当前采集时间段的特征数据。
本发明通过油气井液面自动监测仪对油气井内的特征数据进行采集，该监测仪可以满足的监测参数为：压力范围:-1.6~2.5MPa，测量深度:10-4000m，供电方式:24VDC，可以满足的数据传输方式为GPRS 4G。
油气井液面自动监测仪启动后，实时采集当前时间段内油气井内的压强数据
Figure DEST_PATH_IMAGE030
与流量数据
Figure DEST_PATH_IMAGE032
。
102. 计算当前时间段内每个时刻特征数据的异常程度；根据当前时间段内特征数据所有时刻的异常程度计算该特征数据的传输迫切程度。
特征数据包括油气井内的压强数据以及油液流量数据；
对于不同深度的油气井有不同的标准压强
Figure DEST_PATH_IMAGE034
,当对应深度的压强
Figure 512807DEST_PATH_IMAGE030
与标准压强
Figure 147182DEST_PATH_IMAGE034
的差异越大，说明此时压强数据
Figure DEST_PATH_IMAGE036
的异常程度越大，异常程度符号高斯分布，在标准压强
Figure 152047DEST_PATH_IMAGE034
的附近异常度为0，越偏离标准压强
Figure 121140DEST_PATH_IMAGE034
异常程度越高。
计算每个时刻压强数据异常程度的表达式为：
Figure 823648DEST_PATH_IMAGE002
其中，
Figure 92956DEST_PATH_IMAGE004
表示第i个时刻压强数据的异常程度，
Figure 737563DEST_PATH_IMAGE006
表示第i个时刻采集到的压强数据，
Figure 928373DEST_PATH_IMAGE008
表示油气井内当前时刻的标准压强数据，
Figure 434572DEST_PATH_IMAGE010
表示容许压强偏差；经验值
Figure DEST_PATH_IMAGE038
, 偏离标准压强
Figure 558386DEST_PATH_IMAGE034
越大，第
Figure DEST_PATH_IMAGE040
个时刻压强数据的异常程度越高。
同理计算流量数据的异常程度
Figure DEST_PATH_IMAGE042
,不同深度的油气井的油液流量有不同的标准流量
Figure DEST_PATH_IMAGE044
，当高渗段流体大量产出，产生的不均匀剖面，当遇水或气而发生锥进时，导致部分产液段流体流出受阻，此时的流量数据
Figure 983682DEST_PATH_IMAGE032
出现异常。
计算每个时刻油液流量数据异常程度的表达式为：
Figure 927368DEST_PATH_IMAGE012
其中，
Figure 237257DEST_PATH_IMAGE014
表示第i个时刻油液流量数据的异常程度，
Figure 949998DEST_PATH_IMAGE016
表示第i个时刻采集到的油液流量数据，b表示油气井内当前时刻的标准油液流量数据。
计算该特征数据的传输迫切程度的方法为：
获取所有采集时刻特征数据的异常程度以及所有特征数据采集时刻的个数，根据所有时刻特征数据的异常程度计算该特征数据在所有采集时刻的迫切程度，表达式为：
Figure DEST_PATH_IMAGE045
其中，d表示该特征数据的传输迫切程度，
Figure 201988DEST_PATH_IMAGE004
表示第i个时刻压强数据的异常程度，
Figure 383702DEST_PATH_IMAGE014
表示第i个时刻油液流量数据的异常程度,N表示当前时间段共采集了N个时刻的特征数据
103.根据当前时间段内不同的特征数据个数进行分级，得到多个级别的特征数据；根据当前时间段内每个级别中各个特征数据的异常程度以及迫切程度计算当前时间段内每个级别特征数据的调节系数。
对当前时间段内的特征数据进行分级的方法为：
根据当前时间段内得到的特征数据值建立直方图，获取当前时间段内的所有采集时刻中不同的特征数据值的个数作为该传输周期内特征数据的级别数，获取每个级别中相同的特征数据个数。
Figure DEST_PATH_IMAGE047
Figure DEST_PATH_IMAGE049
Figure 543288DEST_PATH_IMAGE049
建立压强流量直方图，即油气井液面自动监测仪的传感器每个时刻会采集一个压强数据
Figure 861268DEST_PATH_IMAGE030
和流量数据
Figure 753000DEST_PATH_IMAGE032
,在当前采集时间段中会存在M个二元组，直方图的横轴为二元组的数据等级，表示不同二元组数据的个数；纵轴为每一个二元组出现的个数，表示每个级别中特征数据二元组的个数。
计算当前时间段内每个级别特征数据的调节系数的方法为：
Figure DEST_PATH_IMAGE050
Figure 15486DEST_PATH_IMAGE022
其中，L表示调节系数，
Figure 916445DEST_PATH_IMAGE004
表示第i个时刻压强数据的异常程度，
Figure 761036DEST_PATH_IMAGE014
表示第i个时刻油液流量数据的异常程度，表示第i个时刻采集到的特征数据的传输迫切程度，
Figure 89249DEST_PATH_IMAGE024
表示每个级别中相同特征数据的采集时刻个数。
104.将当前时间段内每个级别特征数据的调节系数由小到大排列，得到当前时间段内每个级别特征数据的调节系数序列。
对于当前采集时间段内的数据进行传输，需要在出现异常的最快时间内对其进行调控，而由于异常数据往往不是出现频率最高的数据，在采用传统霍夫曼编码进行传输时异常数据的编码长度并不是需要的最短编码，因此为了防止在数据传输过程中由于干扰导致的信息丢失，故通过计算调节系数进行编码，从而调整数据传输的优先级。
调节系数L的值越大，说明该级别对应的数据越重要，故该级别对应的数据需要优先传输，即编码需要很短，因此根据调节系数对每个级别的特征数据进行排序，即
Figure DEST_PATH_IMAGE052
。
105.根据当前时间段内每个级别特征数据的调节系数序列进行霍夫曼编码，得到当前时间段内所有特征数据的编码结果。
传统霍夫曼编码是先对每个采集到的数据的频率进行统计，得到每个数据级的概率值，再将每个数据级的概率值从小到大进行排列，将两最小概率值相加得到值继续重复上述操作，直至概率值为1时停止。
本发明通过根据当前时间段内各个级别特征数据的调节系数序列进行霍夫曼编码，从而得到改进后的霍夫曼树，进而完成编码。
获取每个周期内特征数据的编码结果的方法为：
将每个周期内每个级别特征数据的调节系数序列中的元素从小到大依次以第一元素、第二元素进行排列直至最后一个元素；
根据霍夫曼编码从调节系数序列中的第一元素和第二元素开始进行遍历，得到每个周期内所有特征数据的霍夫曼树，根据每个周期内所有特征数据的霍夫曼树得到该周期内每个特征数据的编码结果。
106.根据当前时间段的传输迫切程度对下个采集时间段的采集时长进行修正，获取下个采集时间段内的特征数据，重复步骤102-105中记载的方法，得到每个采集时间段内特征数据的编码结果；将每个采集时间段内特征数据编码结果进行传输。
将一段时间内的传感器数据进行压缩并将压缩后的数据传输给调控模块，每次传输时初始设置的采集时间长度是固定的，记为
Figure DEST_PATH_IMAGE054
，但当时间段内的异常数据很多时，再根据初始采集时间进行数据传输会导致调控模块的调控不及时，导致错过最佳调控时间，因此根据时间段内数据传输的迫切程度进行时间长度调控。
根据当前时间段数据的迫切程度调节下一采集时间段数据的采集时长，数据异常程度越大，其通信紧急程度越高，数据传输后解码速度应更快，故调控模块为了能够尽快的进行调节，需要对数据的采集时长进行自适应修正，通过缩短一次采集的数据量增加调节速度（C时间段内有若干个数据，通过改变时刻个数即相当于改变了数据传输的数据量）。
对采集到多个时刻的特征数据设定传输周期的方法为：
将当前时间段内所有时刻作为初始采集时长C，根据当前时间段内特征数据的最大异常程度以及当前时间段内特征数据的传输迫切程度重新设定下个时间段的采集时长，表达式为：
Figure 42293DEST_PATH_IMAGE026
其中，
Figure DEST_PATH_IMAGE055
表示下个时间段的采集时长，C表示当前时间段的初始采集时长，
Figure 481364DEST_PATH_IMAGE004
表示当前时间段第i个时刻压强数据的异常程度，
Figure 23204DEST_PATH_IMAGE014
表示当前时间段第i个时刻油液流量数据的异常程度，d表示该特征数据的传输迫切程度。
通过对每次采集的时间段进行修正，改变采集的时长，从而改变采集得到的数据数量，从而依照步骤102-105中的记载的内容对每次采集的时间段内的特征数据进行编码传送。
107.对编码结果进行解码，得到油气井特征数据，根据特征数据的异常程度对油气井参数进行调控。
数据接收端将接收到的编码结果进行解码，得到油气井内的流量数据与压强数据，并根据油气井内特征数据的异常程度进行调流控水筛管参数的调控，流量数据与压强数据的异常程度越大，参数的调控力度越大。
如图2所示，给出了本发明实施例的一种油气井液面智能监测装置流程示意图，该智能监测装置包括外接传感器装置、自动监测装置以及数据接收装置；
外接传感器由压强测量传感器以及流量测量传感器两部分组成，用于采集油气井内多个时刻的特征数据，所述特征数据包括压强数据以及流量数据；
自动监测装置包括数据计算模块以及数据传输模块；所述数据计算模块用于计算当前时间段内每个时刻特征数据的异常程度；根据当前时间段内特征数据所有时刻的异常程度计算该特征数据的传输迫切程度；根据当前时间段内不同的特征数据个数进行分级，得到多个级别的特征数据；根据当前时间段内每个级别中各个特征数据的异常程度以及迫切程度计算当前时间段内每个级别特征数据的调节系数；将当前时间段内每个级别特征数据的调节系数由小到大排列，得到当前时间段内每个级别特征数据的调节系数序列；根据当前时间段内每个级别特征数据的调节系数序列进行霍夫曼编码，得到当前时间段内所有特征数据的编码结果；
所述数据传输模块用于根据当前时间段的传输迫切程度对下个采集时间段的采集时长进行修正，获取下个采集时间段内的特征数据，重复迭代，得到每个采集时间段内特征数据的编码结果；将每个采集时间段内特征数据编码结果进行传输；
如图3所示，数据接收装置包括数据解码模块以及参数调控模块；所述数据解码模块用于对编码结果进行解码，得到油气井特征数据；所述参数调控模块用于根据特征数据的异常程度对油气井参数进行调控。
根据本发明提出的技术手段，通过油气井内采集到的特征数据的异常程度获取自适应的数据传输的数据量，通过计算调节系数解决传统霍夫曼编码中异常数据并非码值最短的问题，从而达到对异常数据快速精准传输的目的，进而该目的可以使调控模块在进行调流控水筛管的参数调控时更加高效，防止错过最佳调控时间。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种油气井液面智能监测方法，其特征在于，包括：
S1.获取油气井内当前采集时间段的特征数据；
S2.计算当前时间段内每个时刻特征数据的异常程度；根据当前时间段内特征数据所有时刻的异常程度计算该特征数据的传输迫切程度；
S3.根据当前时间段内不同的特征数据个数进行分级，得到多个级别的特征数据；根据当前时间段内每个级别中各个特征数据的异常程度以及迫切程度计算当前时间段内每个级别特征数据的调节系数；
S4.将当前时间段内每个级别特征数据的调节系数由小到大排列，得到当前时间段内每个级别特征数据的调节系数序列；
S5.根据当前时间段内每个级别特征数据的调节系数序列进行霍夫曼编码，得到当前时间段内所有特征数据的编码结果；并将当前时间段的编码结果进行传输；
S6.根据当前时间段的传输迫切程度对下个采集时间段的采集时长进行修正，获取下个采集时间段内的特征数据，重复步骤S2-S5，得到下一采集时间段内特征数据的编码结果；将下一采集时间段内特征数据编码结果进行传输；
依次迭代，得到所有时间段内特征数据编码结果，并进行传输；
S7.接收端根据对传输的每个采集时间段内特征数据的编码结果进行解码，得到每个采集时间段的油气井特征数据，根据特征数据的异常程度对油气井参数进行调控。
2.根据权利要求1所述的一种油气井液面智能监测方法，其特征在于，计算当前时间段内每个时刻特征数据的异常程度的方法为：
所述特征数据包括油气井内的压强数据以及油液流量数据；
计算每个时刻压强数据异常程度的表达式为：
Figure DEST_PATH_IMAGE001
其中，
Figure 791479DEST_PATH_IMAGE002
表示第i个时刻压强数据的异常程度，
Figure DEST_PATH_IMAGE003
表示第i个时刻采集到的压强数据，
Figure 855250DEST_PATH_IMAGE004
表示油气井内当前时刻的标准压强数据，
Figure DEST_PATH_IMAGE005
表示容许压强偏差；
计算每个时刻油液流量数据异常程度的表达式为：
Figure 867199DEST_PATH_IMAGE006
其中，
Figure DEST_PATH_IMAGE007
表示第i个时刻油液流量数据的异常程度，
Figure 598395DEST_PATH_IMAGE008
表示第i个时刻采集到的油液流量数据，b表示油气井内当前时刻的标准油液流量数据。
3.根据权利要求2所述的一种油气井液面智能监测方法，其特征在于，计算该特征数据的传输迫切程度的方法为：
获取当前时间段所有采集时刻特征数据的异常程度以及当前时间段内采集时刻的个数，根据所有时刻特征数据的异常程度计算该特征数据在当前时间段的传输迫切程度，表达式为：
Figure DEST_PATH_IMAGE009
其中，d表示该特征数据的传输迫切程度，
Figure 388497DEST_PATH_IMAGE002
表示第i个时刻压强数据的异常程度，
Figure 702015DEST_PATH_IMAGE007
表示第i个时刻油液流量数据的异常程度,N表示当前时间段共采集了N个时刻的特征数据。
4.根据权利要求1所述的一种油气井液面智能监测方法，其特征在于，根据当前时间段内不同的特征数据个数进行分级，得到多个级别的特征数据的方法为：
根据当前时间段内得到的特征数据值建立直方图，获取当前时间段内的所有采集时刻中不同的特征数据值的个数作为该传输周期内特征数据的级别数，获取每个级别中相同的特征数据个数。
5.根据权利要求1所述的一种油气井液面智能监测方法，其特征在于，计算当前时间段内每个级别特征数据的调节系数的方法为：
Figure 970185DEST_PATH_IMAGE010
Figure DEST_PATH_IMAGE011
其中，L表示调节系数，
Figure 290308DEST_PATH_IMAGE002
表示第i个时刻压强数据的异常程度，
Figure 2043DEST_PATH_IMAGE012
表示第i个时刻油液流量数据的异常程度，表示第i个时刻采集到的特征数据的传输迫切程度，
Figure DEST_PATH_IMAGE013
表示每个级别中相同特征数据的采集时刻个数。
6.根据权利要求1所述的一种油气井液面智能监测方法，其特征在于，根据当前时间段内每个级别特征数据的调节系数序列进行霍夫曼编码，得到当前时间段内所有特征数据的编码结果的方法为：
将当前时间段内每个级别特征数据的调节系数序列中的元素从小到大依次以第一元素、第二元素进行排列直至最后一个元素；
根据霍夫曼编码从调节系数序列中的第一元素和第二元素开始进行遍历，得到当前时间段内所有特征数据的霍夫曼树，根据当前时间段内所有特征数据的霍夫曼树得到当前时间段内每个特征数据的编码结果。
7.根据权利要求1所述的一种油气井液面智能监测方法，其特征在于，对下个采集时间段的采集时长进行修正的方法为：
将当前时间段内所有时刻作为初始采集时长C，根据当前时间段内特征数据的最大异常程度以及当前时间段内特征数据的传输迫切程度重新设定下个时间段的采集时长，表达式为：
Figure 305986DEST_PATH_IMAGE014
其中，
Figure DEST_PATH_IMAGE015
表示下个时间段的采集时长，C表示当前时间段的初始采集时长，
Figure 394158DEST_PATH_IMAGE002
表示当前时间段第i个时刻压强数据的异常程度，
Figure 568788DEST_PATH_IMAGE007
表示当前时间段第i个时刻油液流量数据的异常程度，d表示该特征数据的传输迫切程度。
8.一种油气井液面智能监测装置，其特征在于，该智能监测装置包括外接传感器装置、自动监测装置以及数据接收装置；外接传感器由压强测量传感器以及流量测量传感器两部分组成，用于采集油气井内多个时刻的特征数据，所述特征数据包括压强数据以及流量数据；
自动监测装置包括数据计算模块以及数据传输模块；所述数据计算模块用于计算当前时间段内每个时刻特征数据的异常程度；根据当前时间段内特征数据所有时刻的异常程度计算该特征数据的传输迫切程度；根据当前时间段内不同的特征数据个数进行分级，得到多个级别的特征数据；根据当前时间段内每个级别中各个特征数据的异常程度以及迫切程度计算当前时间段内每个级别特征数据的调节系数；将当前时间段内每个级别特征数据的调节系数由小到大排列，得到当前时间段内每个级别特征数据的调节系数序列；根据当前时间段内每个级别特征数据的调节系数序列进行霍夫曼编码，得到当前时间段内所有特征数据的编码结果；
所述数据传输模块用于根据当前时间段的传输迫切程度对下个采集时间段的采集时长进行修正，获取下个采集时间段内的特征数据，重复迭代，得到每个采集时间段内特征数据的编码结果；将每个采集时间段内特征数据编码结果进行传输；
数据接收装置包括数据解码模块以及参数调控模块；所述数据解码模块用于对编码结果进行解码，得到油气井特征数据；所述参数调控模块用于根据特征数据的异常程度对油气井参数进行调控。
CN202210632556.7A 2022-06-07 2022-06-07 油气井液面智能监测方法及装置 Active CN114704247B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210632556.7A CN114704247B (zh) 2022-06-07 2022-06-07 油气井液面智能监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210632556.7A CN114704247B (zh) 2022-06-07 2022-06-07 油气井液面智能监测方法及装置

Publications (2)

Publication Number Publication Date
CN114704247A true CN114704247A (zh) 2022-07-05
CN114704247B CN114704247B (zh) 2022-08-16

Family

ID=82178106

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210632556.7A Active CN114704247B (zh) 2022-06-07 2022-06-07 油气井液面智能监测方法及装置

Country Status (1)

Country Link
CN (1) CN114704247B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115801901A (zh) * 2023-01-05 2023-03-14 安徽皖欣环境科技有限公司 一种企业生产排放数据压缩处理方法
CN115856456A (zh) * 2023-02-27 2023-03-28 国网山东省电力公司广饶县供电公司 一种电缆电荷测试数据传输方法
CN116228176A (zh) * 2023-05-10 2023-06-06 安徽皖欣环境科技有限公司 一种基于数据处理的污水处理数据高效管理系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2857317A1 (en) * 2004-04-02 2005-10-13 Schlumberger Canada Limited Data compression methods and systems
CN102231696A (zh) * 2011-05-23 2011-11-02 中国石油大学(华东) 一种用于随钻测量系统数据报报文封装的方法
CN104410425A (zh) * 2014-10-10 2015-03-11 中国石油天然气集团公司 一种用于随钻测量系统数据压缩的方法
CN108809977A (zh) * 2018-06-08 2018-11-13 电子科技大学 一种分布式光纤传感大数据实时统计压缩方法
CN111510152A (zh) * 2019-01-30 2020-08-07 中国科学院声学研究所 一种声波测井数据的压缩及解压缩方法
CN112084181A (zh) * 2020-09-09 2020-12-15 西安钰雪石油科技有限公司 一种压力恢复测试早期数据校正及复原方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2857317A1 (en) * 2004-04-02 2005-10-13 Schlumberger Canada Limited Data compression methods and systems
CN102231696A (zh) * 2011-05-23 2011-11-02 中国石油大学(华东) 一种用于随钻测量系统数据报报文封装的方法
CN104410425A (zh) * 2014-10-10 2015-03-11 中国石油天然气集团公司 一种用于随钻测量系统数据压缩的方法
CN108809977A (zh) * 2018-06-08 2018-11-13 电子科技大学 一种分布式光纤传感大数据实时统计压缩方法
CN111510152A (zh) * 2019-01-30 2020-08-07 中国科学院声学研究所 一种声波测井数据的压缩及解压缩方法
CN112084181A (zh) * 2020-09-09 2020-12-15 西安钰雪石油科技有限公司 一种压力恢复测试早期数据校正及复原方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115801901A (zh) * 2023-01-05 2023-03-14 安徽皖欣环境科技有限公司 一种企业生产排放数据压缩处理方法
CN115801901B (zh) * 2023-01-05 2023-08-04 安徽皖欣环境科技有限公司 一种企业生产排放数据压缩处理方法
CN115856456A (zh) * 2023-02-27 2023-03-28 国网山东省电力公司广饶县供电公司 一种电缆电荷测试数据传输方法
CN115856456B (zh) * 2023-02-27 2023-06-23 国网山东省电力公司广饶县供电公司 一种电缆电荷测试数据传输方法
CN116228176A (zh) * 2023-05-10 2023-06-06 安徽皖欣环境科技有限公司 一种基于数据处理的污水处理数据高效管理系统

Also Published As

Publication number Publication date
CN114704247B (zh) 2022-08-16

Similar Documents

Publication Publication Date Title
CN114704247B (zh) 油气井液面智能监测方法及装置
CN112943181B (zh) 智能气井阀门调节系统
CN115659070B (zh) 一种基于nb-iot智能水表的水流量数据传输方法
CN116228176B (zh) 一种基于数据处理的污水处理数据高效管理系统
CN110766192A (zh) 基于深度学习的钻井井漏预测系统及方法
CN108663995A (zh) 一种工业过程变量趋势异常检测方法及装置
CN116384743A (zh) 一种基于生态数据分析的植物生长风险评估系统
CN109940458A (zh) 一种刀具未来磨损量在线预测方法
CN116700630B (zh) 基于物联网的有机无机复混肥料生产数据优化存储方法
CN111764892A (zh) 页岩气井变压变产阶段生产制度适应性判别方法
CN112612997B (zh) 一种基于深度学习的油水相对渗透率曲线计算方法
CN117072460B (zh) 一种基于振动数据和专家经验的离心泵状态监测方法
CN116723251B (zh) 基于传感器网络的智能锅炉自动监测系统
CN211999505U (zh) 用于混凝土施工的智能管冷循环控制系统
CN117423213A (zh) 一种滑坡灾害监测系统及方法
CN111441769A (zh) 多落程抽水试验参数自动检测系统及检测方法
CN116991915A (zh) 一种绞吸挖泥船异常工况智能识别诊断方法
CN107808209A (zh) 基于加权kNN距离的风电场异常数据辨识方法
CN115774420A (zh) 一种油井举升近、远程控制系统及方法
CN115607719A (zh) 一种压载水紫外线反应器的智能控制方法
CN113158562B (zh) 基于物理约束与数据挖掘的tbm岩机映射构建方法及系统
CN111680834B (zh) 一种潜水井降水稳定时间的计算方法
CN109657404B (zh) 基于混沌修正群智能寻优的采煤机故障自动诊断系统
CN114611378A (zh) 基于矿山工业物联网的液压支撑杆压力调控系统
CN207068038U (zh) 一种电力工作现场安全管理系统

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