基于數(shù)據(jù)挖掘的油田機采過程建模及節(jié)能優(yōu)化.pdf

1、油田既是產(chǎn)能大戶，也是耗能大戶，抽油機是油田生產(chǎn)的主要耗能設備，其耗電量占油田用電量的45％左右，與此同時抽油機的系統(tǒng)效率也不高，目前只有25％左右。如何實現(xiàn)油田抽油機的增產(chǎn)節(jié)能是目前油田研究的一個重要內(nèi)容。隨著數(shù)字化油田的發(fā)展，井上、井下都布置了監(jiān)測裝置，對許多工況參數(shù)進行了離線或在線監(jiān)測，并通過無線通信把這些監(jiān)測數(shù)據(jù)傳送到監(jiān)測站。油田企業(yè)在長期的采油過程中，涉及了各種類型抽油機、及許多井上和井下工況，因此，積累了豐富詳實的工況參數(shù)和

2、能耗數(shù)據(jù)。為此，本文擬從數(shù)據(jù)挖掘的角度出發(fā)，以抽油機采油過程為研究對象，對抽油機采油系統(tǒng)的增產(chǎn)節(jié)能進行研究。
　　首先，在深入學習抽油機采油過程的基礎上，研究抽油機負載不斷變化時，工藝變量的變化情況，選出所有可能影響增產(chǎn)節(jié)能的工藝變量，并選取一定時間段的樣本數(shù)據(jù)，通過人工去噪等數(shù)據(jù)處理方法，最終得到有效的研究樣本。
　　其次，利用BP神經(jīng)網(wǎng)絡的非線性逼近能力，獲得抽油機采油系統(tǒng)的初始模型，接著利用擴展卡爾曼濾波的思想，建立基

3、于擴展卡爾曼濾波(EKF)的神經(jīng)網(wǎng)絡權值和閾值的迭代學習方法，從而使抽油機采油時變系統(tǒng)的模型具有自適應性，實現(xiàn)抽油機采油系統(tǒng)的自適應遞歸建模，構建基于EKF的自適應神經(jīng)網(wǎng)絡模型，并對此模型進行檢驗。
　　再次，以EKF神經(jīng)網(wǎng)絡建立的抽油機模型為基礎，以模型的兩個輸出——產(chǎn)量和用電量為指標，運用多目標進化算法非支配排序遺傳算法(NSGA-Ⅱ)對工藝參數(shù)進行優(yōu)化，得到一個帕累托(Pareto)最優(yōu)解集。
　　最后，考慮到NSGA