CN109977156A - 一种可增强学习的油井工况实时分析管理***及管理方法 - Google Patents
一种可增强学习的油井工况实时分析管理***及管理方法 Download PDFInfo
- Publication number
- CN109977156A CN109977156A CN201910221183.2A CN201910221183A CN109977156A CN 109977156 A CN109977156 A CN 109977156A CN 201910221183 A CN201910221183 A CN 201910221183A CN 109977156 A CN109977156 A CN 109977156A
- Authority
- CN
- China
- Prior art keywords
- analysis
- diagnosis
- oil well
- data
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims abstract description 34
- 239000003129 oil well Substances 0.000 title claims abstract description 27
- 238000010223 real-time analysis Methods 0.000 title claims abstract description 16
- 230000002708 enhancing effect Effects 0.000 title claims description 6
- 238000003745 diagnosis Methods 0.000 claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000013528 artificial neural network Methods 0.000 claims abstract description 24
- 238000004519 manufacturing process Methods 0.000 claims abstract description 10
- 238000003860 storage Methods 0.000 claims abstract description 8
- 238000013497 data interchange Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000004218 nerve net Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种可增强学***台大数据库、用于接收分析数据的本地智能诊断工作站、用于分析诊断的智能分析神经网络、用于储存诊断结果和反馈信息的本地诊断/报警数据库。本发明实现了对油井工况的实时分析和管理,该***可实现智能分析神经网络与油井生产数据库的实时连接‑分析‑推送,使管理***更好的发挥其作用,同时也便于工作人员根据诊断结果及时的进行现场管控,实现了对错误信息的反馈,使***实现自我学习与优化,提升了性能,也提高了工况诊断准确率,为油田生产带来了巨大的效益。
Description
技术领域
本发明涉及人工神经网络和石油开采技术领域,尤其是一种可增强学习的油井工况实时分析管理***及其管理方法。
背景技术
随着油田信息化建设的不断推进,目前虽有一些基于人工神经网络的油井工况诊断方法,但大都缺乏一套完整的流程来实现对***的良好运用,对工况信息无法很好的进行管理,结果很难进行可视化的展示,同时缺乏对错误诊断信息的处理与再学习,导致工况诊断准确率无法持续提升,给油田生产带来巨额的经济损失。为了更好的利用现有诊断***,减少经济损失,建立一套可增强学习的运行管理***,从而保证诊断***发挥其最大价值是非常有必要的。
发明内容
本发明要解决的技术问题是:为了克服现有技术中之不足,针对工况信息难以***管理、现有工况分析***无法对误判信息进行反馈处理、工况诊断结果难以全面展示等诸多问题,本发明提供一种可增强学习的油井工况实时分析管理***及管理方法。
本发明解决其技术问题所采用的技术方案是:一种可增强学***台大数据库、用于接收分析数据的本地智能诊断工作站、用于分析诊断的智能分析神经网络、用于储存诊断结果和反馈信息的本地诊断/报警数据库;所述的本地智能诊断工作站分别连接智能分析神经网络和四化平台大数据库,本地诊断/报警数据库分别连接智能分析神经网络和四化平台大数据库,所述的四化平台大数据库采集并储存油田生产中产生的包括载荷、电流、压力及温度参数的数据。
进一步地,所述的Web客户端具有的功能包括工况统计、工况查询、工况分析、报警预警及精细管控,但不限于上述五大功能,所述的Web客户端包括工作站电脑或手机、平板之类的移动设备。
为方便查询和分析,所述的本地诊断/报警数据库中的数据和四化平台大数据库库中的数据可实现数据互通。
一种采用上述分析管理***进行油井工况实时分析管理的管理方法,具有如下步骤:
a、所述的本地智能诊断工作站接收四化平台大数据库所存储的油井原始工况数据并对数据进行预处理绘制成工况诊断卡;
b、所述的智能分析神经网络通过载入在本地智能诊断工作站的智能分析神经网络对输入的功图信息进行识别诊断并将结果上传至本地诊断/报警数据库;
c、所述的本地诊断/报警数据库对分析诊断的结果进行存储并通过Web客户端展示出来;本地诊断/报警数据库也可接收储存管控人员对错误诊断结果修正后的信息;
d、所述的管控人员对Web客户端所展示的结果进行实时考察分析,若发现错误诊断情况可根据实际情况修正,将修正后的信息通过Web客户端反馈至本地诊断/报警数据库,智能分析神经网络对修正后的数据进行增强学习而不断地升级***。
其中在步骤a中,所述的预处理为利用位移、载荷数据绘制成示功图图像,最终对油井功图进行输入。
本发明的有益效果是:本发明实现了对油井工况的实时分析和管理,该***可实现智能分析神经网络与油井生产数据库的实时连接-分析-推送,使管理***更好的发挥其作用,同时也便于工作人员根据诊断结果及时的进行现场管控,实现了对错误信息的反馈,使***实现自我学习与优化,提升了性能,也提高了工况诊断准确率,为油田生产带来了巨大的效益。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的运行流程图。
图2是图1中本地智能诊断工作站与四化平台大数据库连接模块程序设计流程图。
图3是本发明所述神经网络数据分析诊断设计流程流程图。
图4是本发明所述本地诊断/报警数据库结果存储设计流程图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
如图1所示,一种可增强学***板之类的移动设备。所述的后端设备包括用于采集储存数据的四化平台大数据库、用于接收分析数据的本地智能诊断工作站、用于分析诊断的智能分析神经网络、用于储存诊断结果和反馈信息的本地诊断/报警数据库;所述的本地智能诊断工作站分别连接智能分析神经网络和四化平台大数据库,本地诊断/报警数据库分别连接智能分析神经网络和四化平台大数据库,所述的四化平台大数据库采集并储存油田生产中产生的包括载荷、电流、压力及温度参数的数据。
所述的Web客户端具有的功能主要包括工况统计、工况查询、工况分析、报警预警及精细管控五大功能,实际使用中也不限于上述五大功能。
为方便查询和分析,所述的本地诊断/报警数据库中的数据和四化平台大数据库库中的数据可实现数据互通。
一种采用上述分析管理***进行油井工况实时分析管理的管理方法,具有如下步骤:
a、所述的本地智能诊断工作站接收四化平台大数据库所存储的油井原始工况数据并对数据进行预处理绘制成工况诊断卡;这里的预处理为利用位移、载荷数据绘制成示功图图像,最终对油井功图进行输入;
b、所述的智能分析神经网络通过载入在本地智能诊断工作站的智能分析神经网络对输入的功图信息进行识别诊断并将结果上传至本地诊断/报警数据库;
c、所述的本地诊断/报警数据库对分析诊断的结果进行存储并通过Web客户端展示出来;本地诊断/报警数据库也可接收储存管控人员对错误诊断结果修正后的信息;
d、所述的管控人员对Web客户端所展示的结果进行实时考察分析,若发现错误诊断情况可根据实际情况修正,将修正后的信息通过Web客户端反馈至本地诊断/报警数据库,智能分析神经网络对修正后的数据进行增强学习而不断地升级***。
如图1中,首先本地智能诊断工作站发送指令至四化平台大数据并接收数据,再将接收的数据进行预处理绘制成工况诊断卡,智能分析神经网络就将会对工况诊断卡中的示功图信息进行分析诊断,并将结果上传至本地诊断/报警数据库,再通过Web客户端展示出来,管控人员根据分析诊断结果进行现场的实时调控。若发现错误诊断结果,现场工作人员会进行修正反馈至本地诊断/报警数据库,使***进行自我学习进而实现升级。
如图2中,利用账号密码,本地智能诊断工作站与四化平台大数据库建立连接,发送特定指令后获得相应数据条目,存入本地诊断/报警数据库。
如图3中,载入在本地智能诊断工作站中的智能分析神经网络对输入的功图信息进行分析诊断,并将结果进行上传。
如图4中,***将诊断结果存储到本地诊断/报警数据库中。
本发明可实现对油井工况的实时分析和管理,通过智能分析神经网络与油井生产数据库的实时连接-分析-推送,使管理***更好地发挥其作用,便于管控人员根据诊断结果及时进行现场管控并反馈错误信息,使***实现自我学习与优化,提升了性能,也提高了工况诊断准确率,为油田生产带来了巨大的效益。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (6)
1.一种可增强学***台大数据库、用于接收分析数据的本地智能诊断工作站、用于分析诊断的智能分析神经网络、用于储存诊断结果和反馈信息的本地诊断/报警数据库;所述的本地智能诊断工作站分别连接智能分析神经网络和四化平台大数据库,本地诊断/报警数据库分别连接智能分析神经网络和四化平台大数据库,所述的四化平台大数据库采集并储存油田生产中产生的包括载荷、电流、压力及温度参数的数据。
2.如权利要求1所述的可增强学习的油井工况实时分析管理***,其特征是:所述的Web客户端具有的功能包括工况统计、工况查询、工况分析、报警预警及精细管控。
3.如权利要求2所述的可增强学***板类移动设备。
4.如权利要求1所述的可增强学***台大数据库中的数据可实现数据互通。
5.一种采用权利要求1所述的分析管理***进行油井工况实时分析管理的管理方法,其特征是:具有如下步骤:
a、所述的本地智能诊断工作站接收四化平台大数据库所存储的油井原始工况数据并对数据进行预处理绘制成工况诊断卡;
b、所述的智能分析神经网络通过载入在本地智能诊断工作站的智能分析神经网络对输入的功图信息进行识别诊断并将结果上传至本地诊断/报警数据库;
c、所述的本地诊断/报警数据库对分析诊断的结果进行存储并通过Web客户端展示出来;本地诊断/报警数据库也可接收储存管控人员对错误诊断结果修正后的信息;
d、所述的管控人员对Web客户端所展示的结果进行实时考察分析,若发现错误诊断情况可根据实际情况修正,将修正后的信息通过Web客户端反馈至本地诊断/报警数据库,智能分析神经网络对修正后的数据进行增强学习而不断地升级***。
6.如权利要求5所述的管理方法,其特征是:步骤a中,所述的预处理为利用位移、载荷数据绘制成示功图图像,最终对油井功图进行输入。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910221183.2A CN109977156A (zh) | 2019-03-22 | 2019-03-22 | 一种可增强学习的油井工况实时分析管理***及管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910221183.2A CN109977156A (zh) | 2019-03-22 | 2019-03-22 | 一种可增强学习的油井工况实时分析管理***及管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109977156A true CN109977156A (zh) | 2019-07-05 |
Family
ID=67079995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910221183.2A Pending CN109977156A (zh) | 2019-03-22 | 2019-03-22 | 一种可增强学习的油井工况实时分析管理***及管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109977156A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111810135A (zh) * | 2020-06-19 | 2020-10-23 | 中国石油天然气股份有限公司 | 一种基于地理位置的油井工况管理方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0893746A2 (de) * | 1997-07-25 | 1999-01-27 | ABBPATENT GmbH | Prozessdiagnosesystem und -Verfahren |
CN101192997A (zh) * | 2006-11-24 | 2008-06-04 | 中国科学院沈阳自动化研究所 | 分布式设备远程状态监测与故障诊断*** |
CN106761668A (zh) * | 2016-11-19 | 2017-05-31 | 新疆华隆油田科技股份有限公司 | 油井故障智能化分析决策***及方法 |
CN108122075A (zh) * | 2017-12-22 | 2018-06-05 | 胜利油田鲁明油气勘探开发有限公司 | 一种基于卷积神经网络强化学习的有杆泵工况智能监测方法 |
CN108756854A (zh) * | 2018-07-03 | 2018-11-06 | 常州大学 | 一种基于示功体的有杆泵工况智能监测方法 |
-
2019
- 2019-03-22 CN CN201910221183.2A patent/CN109977156A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0893746A2 (de) * | 1997-07-25 | 1999-01-27 | ABBPATENT GmbH | Prozessdiagnosesystem und -Verfahren |
CN101192997A (zh) * | 2006-11-24 | 2008-06-04 | 中国科学院沈阳自动化研究所 | 分布式设备远程状态监测与故障诊断*** |
CN106761668A (zh) * | 2016-11-19 | 2017-05-31 | 新疆华隆油田科技股份有限公司 | 油井故障智能化分析决策***及方法 |
CN108122075A (zh) * | 2017-12-22 | 2018-06-05 | 胜利油田鲁明油气勘探开发有限公司 | 一种基于卷积神经网络强化学习的有杆泵工况智能监测方法 |
CN108756854A (zh) * | 2018-07-03 | 2018-11-06 | 常州大学 | 一种基于示功体的有杆泵工况智能监测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111810135A (zh) * | 2020-06-19 | 2020-10-23 | 中国石油天然气股份有限公司 | 一种基于地理位置的油井工况管理方法及装置 |
CN111810135B (zh) * | 2020-06-19 | 2023-08-25 | 中国石油天然气股份有限公司 | 一种基于地理位置的油井工况管理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111985561B (zh) | 一种智能电表的故障诊断方法、***及电子装置 | |
CN110549336B (zh) | 一种变电站巡检机器人集控主站*** | |
CN106406296B (zh) | 一种基于车载和云端的列车故障诊断***及方法 | |
DE102016119100A9 (de) | Datenanalysedienste für eine verteilte Leistungsüberwachung industrieller Anlagen | |
DE102016119178A1 (de) | Quellenunabhängige Abfragen in einem verteilten Industriesystem | |
CN106933208A (zh) | 分布式工业性能监控和分析 | |
CN106933205A (zh) | 分布式工业性能监控和分析平台 | |
CN106933204A (zh) | 分布式工业性能监控和分析 | |
CN107703920A (zh) | 基于多元时间序列的列车制动***的故障检测方法 | |
US20180315023A1 (en) | Subject matter knowledge mapping | |
US11520810B2 (en) | Subject matter expert knowledge mapping using dynamic clustering | |
DE112014001381T5 (de) | Datenmodellierungsstudio | |
DE102004015504A1 (de) | Verfahren und Vorrichtung zur diagnostischen Wahl eines Wartungskonzepts für ein komplexes System | |
CN107139972B (zh) | 一种用于列车运行监控***的设备故障智能诊断及处理销号的方法 | |
CN116127790B (zh) | 工业机器人预测性维护管理方法及*** | |
CN109507924A (zh) | 用于油田作业设备的远程监控*** | |
CN111651530A (zh) | 一种智能化港口监测*** | |
CN109878760A (zh) | 一种通用航空飞机故障远程协助平台及修复方法 | |
CN103914058B (zh) | 一种油气管道工控设备远程监控***的故障诊断和告警方法及*** | |
CN117118781A (zh) | 一种智能化工业网关设计方法及装置 | |
CN109977156A (zh) | 一种可增强学习的油井工况实时分析管理***及管理方法 | |
DE102004015501A1 (de) | Verfahren und Vorrichtung für Wartbarkeit komplexer Systeme | |
CN116720330A (zh) | 一种无人装备仿真试验*** | |
CN110794799A (zh) | 应用于工业生产的具有故障诊断功能的大数据*** | |
CN104123584A (zh) | 基于信息***的组织优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |
|
RJ01 | Rejection of invention patent application after publication |