发明名称 基于动液面预测的潜油往复式抽油机冲次优化方法
摘要 基于动液面预测的潜油往复式抽油机冲次优化方法,它涉及一种潜油往复式抽油机冲次方法,以潜油往复式抽油机没有合理的冲次优化控制方法,不能根据油井状态调整直线电机的问题。方法:步骤一、动液面时间序列的归一化处理;步骤二、对步骤一归一化处理后的动液面时间序列的样本空间进行重构;步骤三、建立支持向量机动液面预测模型,进行动液面时间序列的回归预测;步骤四、确定冲次优化的经济性目标函数<img file="DDA0000075806240000011.GIF" wi="347" he="98" />步骤五、确定冲次优化模型;步骤六、利用步骤五获取的冲次优化模型,并采用分区间、分时段的方法得到冲次的优化方法:本发明用于潜油往复式抽油机的油井上。
申请公布号 CN102354111B 申请公布日期 2013.01.16
申请号 CN201110197077.9 申请日期 2011.07.14
申请人 哈尔滨工业大学 发明人 齐维贵;于德亮;张永明;邓盛川
分类号 G05B13/04(2006.01)I 主分类号 G05B13/04(2006.01)I
代理机构 哈尔滨市松花江专利商标事务所 23109 代理人 刘同恩
主权项 1.一种基于动液面预测的潜油往复式抽油机冲次优化方法,其特征在于:所述方法是通过以下步骤实现的:步骤一、动液面时间序列的归一化处理:采用公式<img file="FDA00002179394100011.GIF" wi="463" he="130" />将动液面和冲次的样本数据变化到同一数量级范围内,将动液面和直线电机冲次的原始数据归一化到[-1,1]之间,式中:<img file="FDA00002179394100012.GIF" wi="42" he="75" />为归一化数据,x<sub>i</sub>为原始样本数据,x<sub>max</sub>为时间序列中的最大值,x<sub>min</sub>为时间序列中的最小值;步骤二、步骤一归一化处理后的动液面时间序列样本空间的重构过程:以动液面和冲次的归一化时间序列为基础,构造支持向量机训练样本,并进行输入样本空间的重构,输入、输出矩阵为公式一:<img file="FDA00002179394100013.GIF" wi="968" he="371" />公式二:<img file="FDA00002179394100014.GIF" wi="406" he="343" />式中:x<sub>i</sub>和y<sub>i</sub>分别为第i日的输入和输出向量(i=1,2,……,n-m),x<sup>(i)</sup>为时间序列中第i日的样本值,n为时间序列的总天数,m为第i日前的天数,也叫嵌入维数,令第i日的动液面数据为L(i),可由第i日的前m天的动液面历史数据预测第i日动液面,当引入冲次数据作为另一输入信息预测第i日动液面时,引用已知的前一日冲次K(i-1)作为输入,有公式三:<img file="FDA00002179394100015.GIF" wi="992" he="66" />式中:<img file="FDA00002179394100016.GIF" wi="35" he="41" />为非线性映射在重构过程中,嵌入维数m的选取方法采用伪邻域法;步骤三、建立支持向量机动液面预测模型,进行动液面时间序列的回归预测,选取的 核函数为径向基函数:建立支持向量机SVM动液面预测模型,进行动液面时间序列的回归预测,利用支持向量机模型进行预测是通过非线性映射把输入空间的样本映射到高维特征空间做线性回归,即有Φ:<img file="FDA00002179394100021.GIF" wi="448" he="57" />令SVM对应的回归函数为公式四:y(x)=ω·Φ(x)+b式中:<img file="FDA00002179394100022.GIF" wi="63" he="41" />表示原样本空间,<img file="FDA00002179394100023.GIF" wi="69" he="41" />表示映射后的样本空间,m<sub>0</sub>为映射后样本空间的维数,n<sub>0</sub>为原样本空间的维数,ω为支持向量机权向量,Φ(x)为映射函数,ω和Φ(x)对应的向量为m<sub>0</sub>的维向量,b为偏置量,ω和b可由下式得到:<img file="FDA00002179394100024.GIF" wi="586" he="130" />公式五:<img file="FDA00002179394100025.GIF" wi="591" he="230" />式中,C为支持向量机的惩罚系数,N为输入样本总量,ξ<sub>i</sub>和<img file="FDA00002179394100026.GIF" wi="53" he="68" />为松弛项,在高维空间求解式公式五中ω,选取径向基函数为核函数,得到ω表达式为公式六:<img file="FDA00002179394100027.GIF" wi="442" he="124" />式中,α<sub>i</sub>和<img file="FDA00002179394100028.GIF" wi="54" he="67" />为拉格朗日乘子,根据最优化条件可求得偏置量b,则回归函数为公式七:<img file="FDA00002179394100029.GIF" wi="669" he="134" />式中,K(x<sub>i</sub>,x)为径向基函数,可以求得公式中七中的拉格朗日乘子α<sub>i</sub>和<img file="FDA000021793941000210.GIF" wi="54" he="67" />所对应的向量即为支持向量,将重构后的动液面样本数据作为支持向量模型的输入,对动液面时间序列做回归预测,得到预测结果;步骤四、确定冲次优化的经济性目标函数<img file="FDA000021793941000211.GIF" wi="349" he="99" />以与潜油往复式抽油机运行的经济性有关的参数或函数为参变量,建立冲次与经济性指标的函数模型为:公式八:S(k)=1440[o·v·a(l)·e·k-d·c(l)·k]S(k)为冲次k的经济性目标函数,式中:o为原油价格,e为油液比,v为潜油泵有效容积,d为抽油机耗电的单位电价,a(l)为潜油泵充满度与动液面关系的函数,c(l)为每 冲次耗电量与动液面关系的函数,以上参数中o,e,v,d为常数,潜油泵的充满度是吸入压力的函数,而吸入压力又与动液面密切相关,有公式九:p<sub>f</sub>=p<sub>c</sub>+ρ<sub>0</sub>·g·l式中:p<sub>f</sub>为沉没压力,p<sub>c</sub>为井口套压,ρ<sub>0</sub>为油液密度g为重力加速度,l为动液面高度,a(l)看作是以动液面高度为自变量的函数,同理,不同的动液面高度下,直线电机出力不同,其耗电量也不同,c(l)也看作动液面的函数,在优化过程中,动液面的预测模型中动液面又是冲次k的函数,由此可见,S(k)是冲次k的非线性函数,a(l)和c(l)均为常值函数,将经济性函数S(k)近似为冲次k的线性函数,单位时间出油量的经济价值大于抽油机电能损耗,将一段时间内的经济性优化目标函数简化为公式十:<img file="FDA00002179394100031.GIF" wi="325" he="100" />式中:Y为简化后的经济性目标函数,n为总天数,k<sub>i</sub>为第i天的冲次;步骤五、确定冲次优化模型:结合抽油机的冲次上限值和下限值以及预先设定的动液面预测天数,给出冲次优化的约束条件,结合冲次优化的约束条件及经济性目标函数,得到该潜油往复式抽油机的冲次优化模型<img file="FDA00002179394100032.GIF" wi="200" he="96" />公式十一:<img file="FDA00002179394100033.GIF" wi="765" he="133" />式中:n为优化时间段总天数,k<sub>i</sub>为第i天的冲次,K<sub>U</sub>为直线电机连续工作的冲次上限值,K<sub>D</sub>为直线电机连续工作的冲次下限值,k<sub>i-a</sub>为预测日之前a天的直线电机冲次,k<sub>i-b</sub>为预测日之前b天的直线电机冲次,T<sub>U</sub>为潜油泵高冲次及低冲次连续工作天数的上限值,T<sub>D</sub>为潜油泵高冲次及低冲次连续工作天数的下限值;步骤六、利用步骤五获取的冲次优化模型,并采用分区间、分时段的方法得到冲次的优化方法:在潜油往复式抽油机的冲次区间上分割成若干子区间,相应地将该油井的动液面的区间分割成对应的子区间,使预测得到的动液面值,与其所在的动液面子区间对应的冲次子区间内的冲次值相匹配,将总的预测时间分成若干时间段,分别在各时间段内,将与预测得到的动液面值相匹配的冲次值代入冲刺优化模型进行计算,得到冲次优化结果。
地址 150001 黑龙江省哈尔滨市南岗区西大直街92号