快速发布求购 登录 注册
行业资讯行业财报市场标准研发新品会议盘点政策本站速递

沈阳自动化所提出油井工况识别深度学习方法

研发快讯 2024年06月18日 13:45:13来源:中国科学院沈阳自动化研究所 17251
摘要科研团队建立了油井功图四维时频特征矩阵,可实现多个功图数据的特征融合;针对模型参数多、计算量大、识别精度低问题,设计了一种轻量化的深度卷积神经网络,可实现功图特征矩阵到油井工况的智能映射。

  【仪表网 研发快讯】油井工况的实时精准诊断对于快速掌握油田作业情况、提高生产效率、保障生产安全具有重要意义,然而由于油井自身结构的复杂性和生产环境的多变性,油井工况时刻发生变化。利用深度学习对油井功图进行分类是一种有效的油井工况识别方法,但直接将油井功图作为二维图像输入到深度学习框架中,会存在模型参数多、计算量大的问题。此外,抽油系统因不同因素产生的功图也不尽相同,导致油田现场数据存在严重异质性,极大地影响工况识别的准确性。
 
  针对上述问题,中国科学院沈阳自动化研究所科研团队提出了一种基于四维时频特征矩阵的油井工况识别深度学习方法,实现了在供液不足、阀漏失、气体影响等多种工况下的实时精准识别。该研究成果以Working condition recognition of sucker rod pumping system based on 4-segment time-frequency signature matrix and deep learning为题,发表在中国科学院1区TOP期刊《石油科学》(Petroleum Science)。
 
  科研团队建立了油井功图四维时频特征矩阵,可实现多个功图数据的特征融合;针对模型参数多、计算量大、识别精度低问题,设计了一种轻量化的深度卷积神经网络,可实现功图特征矩阵到油井工况的智能映射。
 
  科研人员利用油田现场实测功图数据,对算法有效性进行了验证。实验结果表明,提出的油井工况识别方法可将工况识别精度提高到98%以上,助力提升油井生产运行的稳定性和安全性。
 
基于四维时频特征矩阵的油井工况识别深度学习方法
 
  该研究得到了国家自然科学基金项目,机器人学国家重点实验室和辽宁辽河实验室项目等的支持。(工业控制网络与系统研究室)

我要评论
文明上网,理性发言。(您还可以输入200个字符)

所有评论仅代表网友意见,与本站立场无关。

版权与免责声明
  • 凡本网注明"来源:仪表网"的所有作品,版权均属于仪表网,未经本网授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的,应在授权范围内使用,并注明"来源:仪表网"。违反上述声明者,本网将追究其相关法律责任。
  • 本网转载并注明自其它来源的作品,目的在于传递更多信息,并不代表本网赞同其观点或证实其内容的真实性,不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时,必须保留本网注明的作品来源,并自负版权等法律责任。
  • 如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。
  • 合作、投稿、转载授权等相关事宜,请联系本网。联系电话:0571-87759945,QQ:1103027433。
广告招商
今日换一换
新发产品更多+

客服热线:0571-87759942

采购热线:0571-87759942

媒体合作:0571-87759945

  • 仪表站APP
  • 微信公众号
  • 仪表网小程序
  • 仪表网抖音号
Copyright ybzhan.cn    All Rights Reserved   法律顾问:浙江天册律师事务所 贾熙明律师   仪表网-仪器仪表行业“互联网+”服务平台
意见反馈
我知道了