文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201610999735.9

申 请 日：20161114

发 明 人：辜小花 唐海红 聂玲 杨利平 裴仰军 张堃

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区大学城东路20号

公 开 日：20170322

公 开 号：CN106530130A

代 理 人：王玉芝;杨明

代理机构：重庆蕴博君晟知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明提供的油田机采过程动态演化建模与节能优化方法，包括：确定油田机采油过程中的效率影响因素和性能变量；对样本中的载荷变量进行降维处理构建新样本，并归一化新样本；基于归一化后的新样本构建神经网络模型；利用ST‑UKFNN算法估计神经网络模型中由权值阈值所组成的状态变量的最优状态；并利用最优状态变量重构更新后的神经网络模型获得油田机采油过程模型；构建实际日产液量的偏好函数，利用MOGA算法对决策变量各自的上下限寻优优化；将优化后的决策变量，带入油田机采油过程模型，计算优化后的决策变量的系统性能，与实际样本的系统性能的平均值进行比较。利用本发明可以提高油田机的生产效率，降低能耗。

主 权 项：1.一种油田机采过程动态演化建模与节能优化方法，包括：步骤S1：确定油田机采过程中的效率影响因素，构成效率观测变量集合{x₁,x₂,x₃,Lx_n}；以及，选取油田机工艺系统的性能变量，构成性能观测变量集合{y₁,y₂}；其中，x₁为冲次决策变量，x₂为有效冲程决策变量，x₃～x₅分别为计算泵效环境变量、含水率环境变量，平均功率因数环境变量，x₆～x_n均为载荷环境变量；性能观测变量的个数l＝2，y₁为日产液量，y₂为日耗电量；步骤S2：根据效率观测变量集合{x₁,x₂,x₃,L x_n}和性能观测变量集合{y₁,y₂}，采集通过ST-UKFNN算法构建神经网络模型的观测变量的样本值矩阵[x₁，x₂L x_n，y₁，y₂]；其中，设定采样周期为T，在采集观测变量的过程中，如果采样周期小于T，对T周期内的样本求取平均值以作为该T周期的样本[I,Y]；如果采样周期大于T，剔除采集到的观测变量；其中，将样本中的I作为输入样本，将样本中的Y作为输出样本；步骤S3：利用主元分析算法对载荷环境变量进行降维，构建新的载荷主元变量{L_z1,L_z2,...,L_zd}；其中，构建新的载荷主元变量{L_z1,L_z2,...,L_zd}为d个载荷主元分量，每个载荷主元分量的维度与所述样本[I,Y]的数量相同；步骤S4：重新组合非载荷变量与d个载荷主元分量，构建新的输入样本I₁，并对新的输入样本I₁和输出样本Y进行归一化，获得归一化后的样本其属于[

关 键 词：神经网络模型  油田 采油过程 决策变量  新样本  构建  系统性能  归一化  优化  样本  最优状态变量  过程动态  降维处理  偏好函数  日产液量 生产效率  算法估计  效率影响  性能变量  演化建模  状态变量 上下限  机采 算法  寻优  重构  节能 更新  

IPC专利分类号：G06Q50/06(20120101);G06Q10/04(20120101);G06F19/00(20110101)