楊豐銘(遼河油田興隆臺采油廠,遼寧 盤錦 124010)
基于譜聚類與極限學(xué)習(xí)機的抽油井動液面多模型軟測量
楊豐銘(遼河油田興隆臺采油廠,遼寧 盤錦 124010)
動液面是抽油井的一個重要生產(chǎn)參數(shù),傳統(tǒng)人工測量方法存在實時性差、勞動強度大等問題。對此,本文提出基于譜聚類算法和極限學(xué)習(xí)機的多模型軟測量方法,解決單模型方法不能完全反映生產(chǎn)工況的問題,以提高軟測量模型的自適應(yīng)能力及預(yù)測精度。
譜聚類;極限學(xué)習(xí)機;抽油;模型;軟測量
在油田生產(chǎn)過程中,油井的動液面是反映地層供液能力的一個重要指標(biāo),是油田確定合理沉沒度、制定合理工作制度的重要依據(jù)。通過對動液面的分析,確定泵深、計算井底流壓;根據(jù)動液面變化,判斷油井的工作制度與地層能量的匹配情況。動液面是油管和套管環(huán)形空間的液面,是反映地層供液能力的一個重要指標(biāo),是油田確定合理沉沒度、制定合理工作制度的重要依據(jù)。
動液面測量的傳統(tǒng)方法是聲波法,通過回聲技術(shù)測量井下液面深度[1]。由回聲儀通過采集經(jīng)過井管接頭反射的節(jié)箍波信號和經(jīng)過油層表面反射的液面波信號,找出井口位置、動液面位置和基準(zhǔn)節(jié)箍波,然后計算動液面深度。但是回聲法存在不足,一是回聲信號受井筒工況制約產(chǎn)生誤差,例如:結(jié)臘點、油污泡沫;二是不能實時在線測量,測量時需要停井操作,無法實時獲取動液面數(shù)據(jù)。
譜聚類算法[1]的主要步驟如下:
步驟1參數(shù)初始化。輸入樣本集X,聚類數(shù)目k,尺度參數(shù)σ,其中σ定義如下:
步驟2建立相似矩陣S∈Rn×n。
步驟3計算規(guī)范化度矩陣D=diag(d1,d2,…,dn),然后構(gòu)造規(guī)范化拉普拉斯矩陣Lrw=D-1/2(D-S)D-1/2。
步驟4對Lrw進(jìn)行特征值分解,計算前k個最小特征值所對應(yīng)的特征向量u1,u2,…,uk。
步驟5由特征向量u1,u2,…,uk組成矩陣U。
步驟6令Y∈Rk對應(yīng)U的第i行向量,其中i=1,2,…,n。
步驟7根據(jù)K均值算法將樣本集聚類為k類:C1,C2,…,Ck。
ELM的訓(xùn)練可以表示為如下最優(yōu)化問題:
目的就是找到最優(yōu)β,使ELM的計算輸出值ti和真實值yi之間的誤差最小。
圖1 基于譜聚類與極限學(xué)習(xí)機的多模型軟測量模型結(jié)構(gòu)
基于譜聚類與極限學(xué)習(xí)機的多模型軟測量模型結(jié)構(gòu)如下圖1所示。
采集國內(nèi)某油田作業(yè)區(qū)一口油井的961組生產(chǎn)數(shù)據(jù),輔助變量[3]分別為上下沖程平均載荷差、沖程、沖次、產(chǎn)液量、油壓、套壓。隨機選取730組數(shù)據(jù)作為訓(xùn)練樣本,剩下的231組數(shù)據(jù)作為測試樣本。本文所采用多模型軟測量模型的預(yù)測結(jié)果如圖2所示,與BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)和GRNN神經(jīng)網(wǎng)絡(luò)的對比結(jié)果如表1所示。
圖2 模型預(yù)測結(jié)果
表1 不同方法預(yù)測結(jié)果對比
針對油田生產(chǎn)中抽油井井下動液面測量存在的問題,本文提出了基于譜聚類與極限學(xué)習(xí)機的多模型軟測量方法。由譜聚類算法將數(shù)據(jù)集劃分為多個子模型,每個子模型由極限學(xué)習(xí)機方法進(jìn)行建模,國內(nèi)某油田作業(yè)區(qū)一口抽油井的實際生產(chǎn)數(shù)據(jù)驗證了本文所提出方法的有效性。
[1]張朝暉,弓志謙,遲健男,張紅宇.采油井動態(tài)液面測量技術(shù)研究[J].傳感技術(shù)學(xué)報,2007,20(5):1180-1183.
[2]李琨,韓瑩,黃海礁.基于自動譜聚類與多極端學(xué)習(xí)機模型的油井油液含水率軟測量[J].化工學(xué)報,2016,67(7):2925-2933.
[3]王通,高憲文,劉文芳.自適應(yīng)軟測量方法在動液面預(yù)測中的研究與應(yīng)用[J].化工學(xué)報,2014,65(12):4898-4904.