典型文献
基于卷积神经网络的油井供液程度定量分析方法及应用
文献摘要：
供液不足是抽油井最常见的工况之一,实现供液不足程度的定量化、自动化、智能化分析,对于提升油井运行效率、降低设备磨损和故障风险意义重大.以油井实时监测的示功图图像作为供液不足程度分析的主体,提出了一种基于卷积神经网络的油井供液不足程度定量分析方法,设计了包含4层卷积层、4层池化层和3层全连接层的卷积神经网络模型.采用反向传播算法,以示功图样本集为输入对卷积神经网络模型进行反复训练.结果显示,训练完成的卷积神经网络模型能够高效、准确识别供液不足程度,准确率达98.58％.选取某油田3口油井,通过所建立的油井供液不足程度量化分析方法监测油井供液情况,在此基础上进行远程动态调频生产,实现了抽油机冲速与油井供液程度的合理匹配,在保证日产油量的基础上有效减少了电能浪费.
文献关键词：
油井;供液不足;示功图;卷积神经网络
中图分类号：
作者姓名：
智勤功
作者机构：
中国石油化工股份有限公司胜利油田分公司石油工程技术研究院
文献出处：
引用格式：
[1]智勤功-.基于卷积神经网络的油井供液程度定量分析方法及应用)[J].油气田地面工程,2022(05):86-92
A类：
供液程度
B类：
定量分析方法,方法及应用,供液不足,抽油井,定量化,智能化分析,设备磨损,故障风险,示功图,图图,卷积层,池化,全连接层,卷积神经网络模型,反向传播算法,以示,图样,样本集,集为,复训,准确识别,油田,过所,程度量,调频,频生,抽油机,日产油,产油量,电能浪费
AB值：
0.286457
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
