文献类型：期刊文章

作　　者：杜会尧[1] 禄佳景[1] 辜小花[2,3] 杨利平[4] 唐海红[2]

DU Huiyao;LU Jiajing;GU Xiaohua;YANG Liping;TANG Haihong(No.1 Oil Production Plant of PetroChina Dagang Oilfield Company,Tianjin 300280,China;School of Electrical Engineering,Chongqing University of Science and Technology,Chongqing 401331,China;Artificial Intelligence Key Laboratory of Sichuan Province,Sichuan University of Science&Engineering,Zigong Sichuan 643000,China;Key Laboratory of Optoelectronic Technology and Systems of the Education Ministry of China,Chongqing University,Chongqing 400030,China)

机构地区：[1]中国石油大港油田公司第一采油厂,天津300280 [2]重庆科技学院电气工程学院,重庆401331 [3]四川轻化工大学人工智能四川省重点实验室,四川自贡643000 [4]重庆大学光电技术及系统教育部重点实验室,重庆400030

出　　处：《重庆科技学院学报（自然科学版）》

基　　金：国家自然科学基金项目“采油系统故障诊断的增广数据深度特征域适应方法研究”(61903054)

年　　份：2019

卷　　号：21

期　　号：6

起止页码：62-69

语　　种：中文

收录情况：CAS、普通刊

摘　　要：受不确定性因素影响,油田机采过程中工况波动性较大,采用传统的统一工况模型难以准确描述其生产参数、环境变量与系统性能之间的关系。针对此问题,提出一种基于多工况PSO-ELM的油田机采系统建模方法。首先,采用k均值聚类法将示功图划分为若干典型工况;然后,采用主成分分析法对若干典型工况进行数据降维处理;最后,通过粒子群优化极限学习机建立对应工况高精度模型。油田应用实践结果表明,工况细分模型可真实地反映各工况特性,且具有较高的精度和较强的稳定性,比ELM模型更具泛化能力。

关 键 词：工况细分  粒子群优化 极限学习机 高精度建模  油田机采系统  

分 类 号：TE933]