[发明专利]一种油气田行业能耗的预测方法及系统

权利要求书

1.一种油气田行业能耗的预测方法，其特征在于，该方法包括：

采集原油产量、天然气产量及能源消耗量，生成历史生产能耗数据集；

选取所述原油产量及天然气产量作为属性数据，采用k均值聚类算法按照属性数据对所述历史生产能耗数据集进行分类，得到分类结果并对每一类别进行标记；

对标记的每一类别对应的数据集分别做归一化处理，将天然气产量和原油产量两项属性映射到0到1之间，记录每个类别的归一化法则，将所述原油产量和天然气产量作为输入，能源消耗量作为输出，分别建立并训练每个类别对应的神经网络能耗预测模型，得到每个类别对应的能耗预测模型；

获取原油计划产量和天然气计划产量，以所述分类结果为基础确定所述原油计划产量和天然气计划产量所属的类别，并根据所述的类别对应的归一化法则，进行归一化处理，将归一化后的数据输入到所属的类别对应的能耗预测模型，得到能源消耗量预测结果。

2.根据权利要求1所述的油气田行业能耗的预测方法，其特征在于，采集原油产量、天然气产量及能源消耗量，生成历史生产能耗数据集，还包括：

在历史生产能耗数据集中检查是否存在缺失数据；

若存在，利用相邻数据的算术平均值对缺失数据进行填充；

填充后由人工确认合理性，若不合理进行修正，得到数据完整且合理的历史生产能耗数据集。

3.根据权利要求2所述的油气田行业能耗的预测方法，其特征在于，该方法还包括：

至少采集60条历史数据，每条历史数据对应其中一个月的原油产量、天然气产量及能源消耗量。

4.根据权利要求3所述的油气田行业能耗的预测方法，其特征在于，采用k均值聚类算法按照属性数据对所述历史生产能耗数据集进行分类时，分类类别数为2-4。

5.根据权利要求1所述的油气田行业能耗的预测方法，其特征在于，将所述原油产量和天然气产量作为输入，能源消耗量作为输出，分别建立并训练每个类别对应的神经网络能耗预测模型，得到每个类别对应的能耗预测模型，包括：

将历史生产能耗数据集中每月的原油产量和天然气产量作为输入，每月能源消耗量作为输出，分别建立并训练包含输入层节点为2个及输出层节点为1个的三层神经网络能耗预测模型，训练结束后，得到每个类别对应的能耗预测模型。

6.根据权利要求1所述的油气田行业能耗的预测方法，其特征在于，获取原油计划产量和天然气计划产量，以所述分类结果为基础确定所述原油计划产量和天然气计划产量所属的类别，包括：

获取原油计划产量和天然气计划产量，以所述分类结果为基础，采用KNN算法确定所述原油计划产量和天然气计划产量所属的类别。

7.一种油气田行业能耗的预测系统，其特征在于，该系统包括：

数据采集模块，用于采集原油产量、天然气产量及能源消耗量，生成历史生产能耗数据集；

分类模块，用于选取所述原油产量及天然气产量作为属性数据，采用k均值聚类算法按照属性数据对所述历史生产能耗数据集进行分类，得到分类结果并对每一类别进行标记；

数据处理模块，用于对标记的每一类别对应的数据集分别做归一化处理，将天然气产量和原油产量两项属性映射到0到1之间，记录每个类别的归一化法则，将所述原油产量和天然气产量作为输入，能源消耗量作为输出，分别建立并训练每个类别对应的神经网络能耗预测模型，得到每个类别对应的能耗预测模型；

预测模块，用于获取原油计划产量和天然气计划产量，以所述分类结果为基础确定所述原油计划产量和天然气计划产量所属的类别，并根据所述的类别对应的归一化法则，进行归一化处理，将归一化后的数据输入到所属的类别对应的能耗预测模型，得到能源消耗量预测结果。

8.根据权利要求7所述的油气田行业能耗的预测系统，其特征在于，所述数据采集模块还用于：

在历史生产能耗数据集中检查是否存在缺失数据；

若存在，利用相邻数据的算术平均值对缺失数据进行填充；

填充后由人工确认合理性，若不合理进行修正，得到数据完整且合理的历史生产能耗数据集。