基于譜聚類與極限學(xué)習(xí)機(jī)的抽油井動(dòng)液面多模型軟測(cè)量

楊豐銘（遼河油田興隆臺(tái)采油廠，遼寧 盤錦 124010）

基于譜聚類與極限學(xué)習(xí)機(jī)的抽油井動(dòng)液面多模型軟測(cè)量

楊豐銘（遼河油田興隆臺(tái)采油廠，遼寧 盤錦 124010）

動(dòng)液面是抽油井的一個(gè)重要生產(chǎn)參數(shù)，傳統(tǒng)人工測(cè)量方法存在實(shí)時(shí)性差、勞動(dòng)強(qiáng)度大等問題。對(duì)此，本文提出基于譜聚類算法和極限學(xué)習(xí)機(jī)的多模型軟測(cè)量方法，解決單模型方法不能完全反映生產(chǎn)工況的問題，以提高軟測(cè)量模型的自適應(yīng)能力及預(yù)測(cè)精度。

譜聚類；極限學(xué)習(xí)機(jī)；抽油；模型；軟測(cè)量

在油田生產(chǎn)過程中，油井的動(dòng)液面是反映地層供液能力的一個(gè)重要指標(biāo)，是油田確定合理沉沒度、制定合理工作制度的重要依據(jù)。通過對(duì)動(dòng)液面的分析，確定泵深、計(jì)算井底流壓；根據(jù)動(dòng)液面變化，判斷油井的工作制度與地層能量的匹配情況。動(dòng)液面是油管和套管環(huán)形空間的液面，是反映地層供液能力的一個(gè)重要指標(biāo)，是油田確定合理沉沒度、制定合理工作制度的重要依據(jù)。

動(dòng)液面測(cè)量的傳統(tǒng)方法是聲波法，通過回聲技術(shù)測(cè)量井下液面深度[1]。由回聲儀通過采集經(jīng)過井管接頭反射的節(jié)箍波信號(hào)和經(jīng)過油層表面反射的液面波信號(hào)，找出井口位置、動(dòng)液面位置和基準(zhǔn)節(jié)箍波，然后計(jì)算動(dòng)液面深度。但是回聲法存在不足，一是回聲信號(hào)受井筒工況制約產(chǎn)生誤差，例如：結(jié)臘點(diǎn)、油污泡沫；二是不能實(shí)時(shí)在線測(cè)量，測(cè)量時(shí)需要停井操作，無法實(shí)時(shí)獲取動(dòng)液面數(shù)據(jù)。

1 譜聚類算法

譜聚類算法[1]的主要步驟如下：

步驟1參數(shù)初始化。輸入樣本集X，聚類數(shù)目k，尺度參數(shù)σ，其中σ定義如下：

步驟2建立相似矩陣S∈Rn×n。

步驟3計(jì)算規(guī)范化度矩陣D=diag(d1,d2,…,dn)，然后構(gòu)造規(guī)范化拉普拉斯矩陣Lrw=D-1/2(D-S)D-1/2。

步驟4對(duì)Lrw進(jìn)行特征值分解，計(jì)算前k個(gè)最小特征值所對(duì)應(yīng)的特征向量u1,u2,…,uk。

步驟5由特征向量u1,u2,…,uk組成矩陣U。

步驟6令Y∈Rk對(duì)應(yīng)U的第i行向量，其中i=1,2,…,n。

步驟7根據(jù)K均值算法將樣本集聚類為k類：C1,C2,…,Ck。

2 極限學(xué)習(xí)機(jī)

ELM的訓(xùn)練可以表示為如下最優(yōu)化問題：

目的就是找到最優(yōu)β，使ELM的計(jì)算輸出值ti和真實(shí)值yi之間的誤差最小。

圖1 基于譜聚類與極限學(xué)習(xí)機(jī)的多模型軟測(cè)量模型結(jié)構(gòu)

3 基于譜聚類與極限學(xué)習(xí)機(jī)的多模型軟測(cè)量模型

基于譜聚類與極限學(xué)習(xí)機(jī)的多模型軟測(cè)量模型結(jié)構(gòu)如下圖1所示。

4 實(shí)例驗(yàn)證

采集國(guó)內(nèi)某油田作業(yè)區(qū)一口油井的961組生產(chǎn)數(shù)據(jù)，輔助變量[3]分別為上下沖程平均載荷差、沖程、沖次、產(chǎn)液量、油壓、套壓。隨機(jī)選取730組數(shù)據(jù)作為訓(xùn)練樣本，剩下的231組數(shù)據(jù)作為測(cè)試樣本。本文所采用多模型軟測(cè)量模型的預(yù)測(cè)結(jié)果如圖2所示，與BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)和GRNN神經(jīng)網(wǎng)絡(luò)的對(duì)比結(jié)果如表1所示。

圖2 模型預(yù)測(cè)結(jié)果

表1 不同方法預(yù)測(cè)結(jié)果對(duì)比

5 結(jié)論

針對(duì)油田生產(chǎn)中抽油井井下動(dòng)液面測(cè)量存在的問題，本文提出了基于譜聚類與極限學(xué)習(xí)機(jī)的多模型軟測(cè)量方法。由譜聚類算法將數(shù)據(jù)集劃分為多個(gè)子模型，每個(gè)子模型由極限學(xué)習(xí)機(jī)方法進(jìn)行建模，國(guó)內(nèi)某油田作業(yè)區(qū)一口抽油井的實(shí)際生產(chǎn)數(shù)據(jù)驗(yàn)證了本文所提出方法的有效性。

[1]張朝暉，弓志謙，遲健男，張紅宇.采油井動(dòng)態(tài)液面測(cè)量技術(shù)研究[J].傳感技術(shù)學(xué)報(bào)，2007，20(5):1180-1183.

[2]李琨，韓瑩，黃海礁.基于自動(dòng)譜聚類與多極端學(xué)習(xí)機(jī)模型的油井油液含水率軟測(cè)量[J].化工學(xué)報(bào)，2016，67(7):2925-2933.

[3]王通，高憲文，劉文芳.自適應(yīng)軟測(cè)量方法在動(dòng)液面預(yù)測(cè)中的研究與應(yīng)用[J].化工學(xué)報(bào)，2014，65(12):4898-4904.