基于卷积神经网络的油井供液程度定量分析方法及应用

液体供应不足是抽油井中最常见的问题之一。实现供液不足的定量、自动化、智能化分析，对提高油井作业效率，降低设备磨损和故障风险具有重要意义。以油井实时监测的示功图图像为供液不足程度分析的主体，提出了一种基于卷积神经网络的油井供液不足程度定量分析方法，并建立了包含4层卷积层的卷积神经网络模型，设计了4层池化层和3层全连接层。使用反向传播算法和以示工作图样本集作为输入，对卷积神经网络模型进行重复训练。结果表明，经过训练的卷积神经网络模型能够有效、准确地识别出供液不足的程度，准确率为98.58%。选择一个油田的三口油井，以量化已建油井的液体供应不足程度，并监测分析方法油井的液体供应。基础上进行远程动态调频生产，实现了抽油机脉冲速度与油井供液程度的合理匹配，有效减少了基础上的电能浪费，保证了日常石油生产。