[发明专利]基于集成高斯过程回归的有杆泵抽油井动液面软测量方法

说明书

本发明提供一种基于集成高斯过程回归的有杆泵抽油井动液面软测量方法，涉及油田软测量技术领域。本方法为：采集数据；将数据归一化后得到训练集和测试集；设置分类个数k，根据模糊C均值聚类算法得到训练集T的k个聚类划分后的训练样本集T′；依次求取训练样本集中每个子集的平均值，根据平均值获得k个簇的中心点；对每个训练样本子集建立高斯过程回归动液面预测模型；将测试样本集中x_q作为动液面预测模型的输入，计算出x_q与k个簇的中心点的欧氏距离，将欧氏距离最小的作为x_q的归属簇，建立的N个高斯过程回归动液面预测模型得到动液面预测结果。本方法易于实际工程实现，经济成本低，进一步提高了软测量模型的最终估计精度。

技术领域

本发明涉及油田软测量技术领域，尤其涉及一种基于集成高斯过程回归的有杆泵抽油井动液面软测量方法。

背景技术

油井动液面深度的测量是油田生产中非常重要的一个环节，动液面深度测量的精度影响着油井工作制度主要参数的确定，准确测量油井动液面深度对提高采收率十分重要。通过油井的油井动液面深度，可以了解油井的供液能力，确定抽油泵的沉没深度和合理冲次等抽汲参数，进而提高油田采收率，降低开采成本。

目前各大油田中，大都利用回声仪进行测量。这种测量方法自动化程度低，受人为因素影响大，不能连续测量。当井下液面较深或套压为零时，回声法受到仪器的性能限制，难以测定井下液面的准确深度。另外油井出现泡沫段或者结蜡时，易得到“假液面”。同时因为油井数量非常多，工作量十分大，效率低，不能及时掌握油井的工作状况，已经不能满足油田的生产发展需求。因此有必要将软测量技术引入到油井动液面高度测量中，建立泛化能力强的软测量模型实现对油井动液面高度的间接测量。

近年来，相关领域专家学者陆续提出采用各种方法来实现对动液面的测量，特别是以统计学和运筹学为基础的数学方法更是倍受关注。使用统计学理论对大量的历史生产数据进行分析，采用软测量建模技术对动液面高度进行预测。只需要一些容易测得的辅助变量数据，受测量环境限制影响小，经济成本低，实时性好。当地层能量波动、油井工况发生变化时，单一模型训练时间较长，预测精度降低。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于集成高斯过程回归的有杆泵抽油井动液面软测量方法，本方法易于实际工程实现，经济成本低，且综合考虑样本点隶属度和子模型预测可信度，进一步提高了软测量模型的最终估计精度。

为解决上述技术问题，本发明所采取的技术方案是：

本发明提供一种基于集成高斯过程回归的有杆泵抽油井动液面软测量方法，包括如下步骤：

步骤1：采集有杆泵抽油井的井口套压、日产液量、含水率、产气量、抽油机示功图数据、冲次时间及实测动液面高度数据；计算得到下冲程平均载荷、日产油量、日产水量和冲次；对井口套压、日产油量、日产水量、产气量、下冲程平均载荷和冲次进行归一化处理，得到初始样本集S；将初始样本集S分为训练集T＝{(x₁，y₁)，(x₂，y₂)，…，(x_i，y_i)，…，(x_E，y_E)}和测试集M＝{(x₁，y₁)，(x₂，y₂)，…，(x_q，y_q)，…，(x_B，y_B)}；其中，代表集合X中第α个d维输入变量，所述输入变量即油井辅助变量，其中，X＝{T，M}，α代表集合X内的数据编号；代表集合X中第α个与油井辅助变量相对应的实测动液面值；