石油是我國主要的能源支柱產(chǎn)業(yè),在國民經(jīng)濟發(fā)展中起著重要的作用。目前油田的主要采油方式為游梁式抽油機的有桿泵采油,其中油井動液面數(shù)據(jù)是進行采油工藝調(diào)整和生產(chǎn)措施優(yōu)化的重要指導參數(shù),一般油田現(xiàn)場采用人工回聲儀的方式進行獲取,這種方法不僅不能實現(xiàn)在線的實時測量,而且存在著誤差大、成本高等問題,不利于油田的數(shù)字化發(fā)展。對此本文以油田實際生產(chǎn)過程為研究背景,應用軟測量技術實現(xiàn)動液面的在線測量,并針對其中存在的問題進行分析研究提出了相應的解決方法,主要研究內(nèi)容如下:（1）為保證動液面多工況軟測量建模的數(shù)據(jù)準確性,提出了基于相似因子分析的多工況識別算法。以窗口樣本數(shù)據(jù)特性來表征當前的生產(chǎn)工況特點,利用相似因子分析替代傳統(tǒng)的距離計算,采用改進K-means算法對不同窗口樣本數(shù)據(jù)進行聚類分析,將不同工況的樣本數(shù)據(jù)進行正確分類,克服了傳統(tǒng)聚類方法容易受到生產(chǎn)波動和異常數(shù)據(jù)的影響,造成數(shù)據(jù)分類不準確、部分工況發(fā)生誤判的問題,為建立不同工況下的動液面軟測量模型提供了準確的建模樣本數(shù)據(jù)。（2）提出了基于改進AdaBoost算法的動液面軟測量靜態(tài)建模方法。針對不同生產(chǎn)工況類型,采用AdaBoost學習算法建立其對... 

【文章來源】：沈陽工業(yè)大學遼寧省

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外動液面測量方法研究現(xiàn)狀
        1.2.1 回聲測量法
        1.2.2 壓力測量法
        1.2.3 功圖推算法
    1.3 軟測量技術及其研究現(xiàn)狀
        1.3.1 輔助變量的選擇
        1.3.2 數(shù)據(jù)預處理與特征選取
        1.3.3 數(shù)據(jù)驅動軟測量建模
        1.3.4 軟測量模型的在線校正
    1.4 本文研究內(nèi)容及主要工作
第2章 基于相似因子分析的油井多工況識別算法
    2.1 傳統(tǒng)工況聚類識別算法研究
        2.1.1 抽油機井工況需求分析
        2.1.2 基于井口參數(shù)的工況分析
    2.2 基于窗口相似因子分析的改進K-means聚類算法
        2.2.1 窗口相似因子分析
        2.2.2 改進K-means算法
        2.2.3 算法實現(xiàn)過程
    2.3 仿真驗證及結果分析
    2.4 本章小節(jié)
第3章 基于改進AdaBoost算法的動液面軟測量靜態(tài)建模
    3.1 動液面輔助變量選擇
    3.2 建立動液面軟測量模型
    3.3 改進AdaBoost集成學習算法
        3.3.1 傳統(tǒng)AdaBoost算法
        3.3.2 改進的AdaBoost算法原理
        3.3.3 改進AdaBoost算法的動液面軟測量應用
    3.4 仿真驗證及結果分析
    3.5 本章小結
第4章 油井動液面的自適應軟測量建模方法
    4.1 基于模糊評估的自適應更新方法
        4.1.1 模糊專家系統(tǒng)介紹
        4.1.2 產(chǎn)液量模糊評估的專家系統(tǒng)設計
        4.1.3 模型自適應更新方式
    4.2 動液面自適應更新方法的總體實現(xiàn)
    4.3 仿真驗證及結果分析
    4.4 本章小結
第5章 結論
    5.1 本文總結
    5.2 研究展望
參考文獻
在學研究成果
致謝


【參考文獻】：
期刊論文
[1]基于遺傳算法和最小二乘支持向量機的胎兒狀態(tài)智能評估[J]. 張揚,趙治棟,葉�；�.  生物醫(yī)學工程學雜志. 2019(01)
[2]粒子群優(yōu)化的分塊壓縮感知影像融合[J]. 李現(xiàn)虎,呂京國,江珊.  遙感信息. 2019(01)
[3]基于改進灰關聯(lián)分析和熵權法的開采區(qū)域劃定[J]. 張小軍,廖文德,鄒云輝.  江西煤炭科技. 2019(01)
[4]基于KPCA-Bagging的高斯過程回歸建模方法及應用[J]. 趙帥,李妍君,熊偉麗.  控制工程. 2019(01)
[5]蟻群算法研究與應用的新進展[J]. 覃遠年,梁仲華.  計算機工程與科學. 2019(01)
[6]基于最小二乘支持向量機的改進型在線NOx預測模型[J]. 丁續(xù)達,金秀章,張揚.  熱力發(fā)電. 2019(01)
[7]基于增量學習的合成孔徑雷達目標識別算法[J]. 郭晨龍,仇振安,孫瑞彬.  電光與控制. 2019(01)
[8]燃料電池空氣系統(tǒng)的自適應模糊建模與控制[J]. 羅剛,王永富,張化鍇.  儀器儀表學報. 2018(12)
[9]基于互信息和PSO-LSSVM的脫硝反應器入口NOx濃度預測[J]. 劉延泉,楊堃,王如蓓.  電力科學與工程. 2018(09)
[10]傳遞熵變量選擇的非線性系統(tǒng)時序預測模型[J]. 金秀章,丁續(xù)達,趙立慧.  中國電機工程學報. 2018(S1)

博士論文
[1]有桿泵采油過程建模與優(yōu)化方法研究[D]. 劉潭.東北大學 2016
[2]有桿泵采油過程動液面軟測量方法研究[D]. 李翔宇.東北大學 2016
[3]氧化鋁生產(chǎn)過程鋁酸鈉溶液組分濃度軟測量方法的研究[D]. 王魏.東北大學 2011
[4]諾西肽發(fā)酵過程生化參數(shù)軟測量方法的研究[D]. 楊強大.東北大學 2009

碩士論文
[1]基于實時電參的油井工況異常診斷方法研究與實現(xiàn)[D]. 米春錦.東北石油大學 2018
[2]基于高斯過程回歸的自適應多模型建模及校正[D]. 張偉.江南大學 2016
[3]基于改進黑洞算法的油田動液面軟測量方法研究[D]. 劉文芳.沈陽工業(yè)大學 2016
[4]基于選擇性集成的增量學習研究[D]. 周興勤.重慶大學 2014
[5]基于支持向量機的有桿抽油系統(tǒng)工況的診斷研究[D]. 周妤.西安石油大學 2013
[6]地面驅動螺桿泵工況診斷技術研究[D]. 申亮.中國石油大學 2011
[7]油井動液面測量系統(tǒng)的研制[D]. 呂思平.中國石油大學 2011



本文編號：3457959