基于多模型融合的有杆泵抽油井动液位软测量方法研究

摘要

在石油开采过程中，有杆泵抽油机被各大油田广泛应用。在有杆泵抽油井生产过程中，油井环空液面的测试是一项非常重要的工作，动液位是在油井正常工作时，实际液面的动态变化数据。动液位一方面直接反映了油井的供液能力的大小，可以用来确定油井的生产能力;另一方面，可以用来调整抽油泵的深度，以提高泵效。传统测试法在检测精度、实时性、安全性等方面有缺陷，因此对新的测量技术的探索是一个新的研究方向。应用软测量技术在线检测不但经济可靠，而且动态响应迅速，克服了传统测试法的各种缺陷。
　　为了较好地反映实际生产过程特性，在建立软测量模型时通常要收集较多的样本数据，然而对于不同区域和时间的样本，其扰动幅度和对象特性均不同，采用单模型建模会导致系统特性匹配不好、精度和泛化能力弱等缺陷。因此本文采用多模型融合的软测量建模方法，首先针对样本数据分别应用RBF神经网络、LS-SVM和ELM进行建模，得到子模型;其次在预测过程中，对三个子模型的预测值应用Gauss-Markov融合算法进行融合得到最终的预测结果。
　　由于样本数量大，样本之间存在较大差异，导致测量不精确，因此本文采用基于仿射聚类的多模型融合建模方法。首先将样本数据应用仿射聚类算法进行分类，进而分别对各个聚类进行建模，针对每个聚类得到三个子模型，再应用Gauss-Markov融合算法将子模型预测结果进行融合，最终的预测结果采用的是测试样本所属聚类的模型预测值。
　　在实际应用中，系统存在工作状态与离工作点较近的数据相关性较大，与工作点较远的数据相关性较小，系统运行中的动态变化考虑不足等问题，针对这些问题采用了一种在线的多模型融合软测量方法。这种方法可以适应工况的变化，实现模型的动态更新，进一步提高模型的精度和鲁棒性。
　　最后将该方法应用于抽油井动液位的预测中，结果也验证了本文提出的算法具有良好的预测精度和鲁棒性。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景及意义

1．2 国内外研究现状

1．2．1 回声仪测试法

1．2．2 压力计测试法

1．2．3 浮筒测试法

1．2．4 软测量方法

1．3 本文的研究内容

1．4 论文的组织安排

第2章 有杆泵抽油井的工作原理

2．1 采油方法

2．2 有杆泵采油的基本原理

2．3 有杆泵抽油井的示功图分析

2．3．1 理论示功图

2．3．2 实测示功图

2．4 有杆泵抽油井主要技术指标

第3章 基于多模型融合的建模方法研究

3．1 软测量建模

3．1．1 软测量建模分类

3．1．2 辅助变量的选择

3．1．3 数据处理

3．2 子模型建模方法选取

3．2．1 LS-SVM方法

3．2．2 RBFNN方法

3．2．3 ELM方法

3．3 Gauss-Markov融合方法

3．4 多模型融合建模过程

3．5 多模型融合建模方法仿真

3．5．1 样本归一化

3．5．2 模型性能的评价

3．5．3 多模型融合建模方法仿真结果

3．6 本章小结

第4章 基于仿射聚类的多模型融合建模方法研究

4．1 仿射聚类算法

4．1．1 聚类算法原理

4．1．2 仿射聚类算法原理

4．1．3 仿射聚类算法有效性指标及其监督算法

4．1．4 判别分析法

4．2 基于仿射聚类的多模型融合建模过程

4．3 基于仿射聚类的多模型融合算法仿真

4．4 本章小结

第5章 基于仿射聚类的多模型融合在线建模方法研究

5．1 模型在线更新方法

5．1．1 训练样本更新方法

5．1．2 模型参数更新方法

5．1．3 模型参数优化方法

5．2 模型更新过程

5．3 模型更新仿真

5．4 本章小结

第6章 总结与展望

参考文献

致谢