(12)發(fā)明專(zhuān)利(73)專(zhuān)利權(quán)人中國(guó)石油天然氣股份有限公司號(hào)(72)發(fā)明人劉軍楊學(xué)鋒胡南朱怡輝梁谷段洋李琴賈艷芬董莎舒茂迪萬(wàn)翠容陳麗清有限公司51214專(zhuān)利代理師張杰本發(fā)明提供一種基于深度學(xué)習(xí)的井筒積液2S32、每個(gè)縮放點(diǎn)乘注意力模塊利用縮放點(diǎn)乘注意力機(jī)制對(duì)融合后的特征計(jì)算Q建模；其中，Q(queries)為每條數(shù)據(jù)想要查詢的內(nèi)容，K(keys)為每條數(shù)據(jù)關(guān)鍵字，V行特征融合，再將得到的特征向量作為輸入特征對(duì)步驟S32完成數(shù)據(jù)建模后構(gòu)建的模型進(jìn)(values)的方法為：34一種基于深度學(xué)習(xí)的井筒積液預(yù)測(cè)方法技術(shù)領(lǐng)域[0001]本發(fā)明涉及氣井開(kāi)發(fā)技術(shù)領(lǐng)域，具體而言，涉及一種基于深度學(xué)習(xí)的井筒積液預(yù)測(cè)方法。背景技術(shù)[0002]氣井積液是指氣井中由于氣體不能有效攜帶出液體而使液體在井筒中聚積的現(xiàn)象。氣井在生產(chǎn)過(guò)程中，氣液兩相由地層流出，經(jīng)由井筒采出地面。生產(chǎn)早期，氣井產(chǎn)氣量高，氣液兩相以環(huán)狀流向上流動(dòng)，液體以?shī)A帶于氣芯中的液滴和貼附于管壁的液膜攜液。隨著地層壓力下降，氣井產(chǎn)氣量降低，導(dǎo)致井筒中液體(液滴/液膜)流動(dòng)反轉(zhuǎn)不能被帶出地面從而發(fā)生積液?，F(xiàn)場(chǎng)試井作業(yè)表明，井筒積液導(dǎo)致井筒壓力梯度大幅度增加，從而使得產(chǎn)量遞減幅度增大，影響氣井最終采收率。因此，準(zhǔn)確預(yù)測(cè)氣井積液時(shí)間并及時(shí)采取排水采氣工藝措施對(duì)維持低產(chǎn)氣井穩(wěn)產(chǎn)生產(chǎn)具有重大意義。而目前對(duì)于采氣工藝及積液的預(yù)測(cè)還存在[0004]2、目前氣井積液研究眾多，但對(duì)其機(jī)理認(rèn)識(shí)莫衷一是，不同預(yù)測(cè)模型計(jì)算值之間偏差很大，導(dǎo)致現(xiàn)場(chǎng)進(jìn)行排采工藝設(shè)計(jì)時(shí)缺乏有效的指導(dǎo)。究其根本原因，各機(jī)理模型建模時(shí)考慮影響因素單一，缺乏與實(shí)際井筒兩相流動(dòng)對(duì)比。[0005]3、采氣工藝實(shí)施時(shí)機(jī)主要依靠經(jīng)驗(yàn)，亟需更精細(xì)的措施時(shí)機(jī)指導(dǎo)，特別對(duì)頁(yè)巖氣易積液，影響后期產(chǎn)能；不同井地質(zhì)工程參數(shù)差異大，生產(chǎn)能力各異，統(tǒng)一標(biāo)準(zhǔn)難以完全適發(fā)明內(nèi)容[0006]本發(fā)明旨在提供一種基于深度學(xué)習(xí)的井筒積液預(yù)測(cè)方法，以解決上述存在的問(wèn)[0007]本發(fā)明提供的一種基于深度學(xué)習(xí)的井筒積液預(yù)測(cè)方法，包括如下步驟：融合后的特征向量；[0010]S3、利用融合后的特征向量進(jìn)行數(shù)據(jù)建模并進(jìn)行訓(xùn)練，計(jì)算重構(gòu)誤差向量；[0011]S4、根據(jù)重構(gòu)誤差向量計(jì)算動(dòng)態(tài)閾值，并根據(jù)動(dòng)態(tài)閾值判斷井筒是否積液。[0012]上述方案的有益效果是：實(shí)現(xiàn)了基于深度學(xué)習(xí)的井筒積液預(yù)測(cè)，其中采用秒級(jí)數(shù)據(jù)作為特征，使得模型不僅僅只關(guān)注天與天之間的數(shù)據(jù)波動(dòng)，也考慮到天內(nèi)數(shù)據(jù)波動(dòng)情況，能捕捉到更加細(xì)微的數(shù)據(jù)變化；并且采用動(dòng)態(tài)閾值的方法對(duì)積液進(jìn)行預(yù)測(cè)，能夠解決在實(shí)際工業(yè)生產(chǎn)中出現(xiàn)相較于正常狀態(tài)下的較大的數(shù)據(jù)波動(dòng)時(shí)，也能夠使得模型不會(huì)進(jìn)行誤5[0015]上述方案的有益效果是：根據(jù)SCADA生產(chǎn)高頻數(shù)據(jù)具有的高維性[0020]S32、每個(gè)縮放點(diǎn)乘注意力模塊利用縮放點(diǎn)乘注意力機(jī)制對(duì)融合后的特征計(jì)算Q建模；其中，Q(queries)為每條數(shù)據(jù)想要查詢的內(nèi)容，K(keys)為每條數(shù)據(jù)關(guān)鍵字，VS2進(jìn)行特征融合，再將得到的特征向量作為輸入特征對(duì)步驟S32完成數(shù)據(jù)建模后構(gòu)建的模[0023]進(jìn)一步的，步驟S32中所述利用縮放點(diǎn)乘注意力機(jī)制對(duì)步驟S2得到的融合后的特6[0031]上述方案的有益效果是：能夠捕捉到序列中長(zhǎng)距離的依賴(lài)關(guān)系，能有效利用遠(yuǎn)距離的依賴(lài)關(guān)系，并且對(duì)于增加計(jì)算的并行性也有直接的幫助作用。[0035]其中，e表示t時(shí)刻的重構(gòu)誤差，n表示輸入輸出的特征數(shù)據(jù)，t為t時(shí)刻的重構(gòu)數(shù)據(jù)，也即模型在t時(shí)刻的輸出數(shù)據(jù)；[0036]再根據(jù)重構(gòu)誤差得到重構(gòu)誤差向量：[0039]上述方案的有益效果是：由于每天的特征數(shù)據(jù)是一個(gè)向量，為了后續(xù)閾值選擇以及積液預(yù)測(cè)的方便，故使用每天重構(gòu)誤差向量的期望來(lái)代表當(dāng)天的重構(gòu)誤差。[0040]進(jìn)一步的，步驟S4中根據(jù)重構(gòu)誤差向量計(jì)算動(dòng)態(tài)閾值的方法為：[0042]其中，A表示動(dòng)態(tài)閾值候選向量；argmax(A)函數(shù)表示從動(dòng)態(tài)閾值候選向量A中選擇使公式.最大化的動(dòng)態(tài)閾值ε;μ(B)為重構(gòu)誤差向量的均值；σ(B)為重構(gòu)誤差向量的標(biāo)準(zhǔn)差；z為權(quán)重系數(shù)；△μ(e)為重構(gòu)誤差向量中重構(gòu)誤差的均值μ(B)與去掉異常的重構(gòu)誤差之后的重構(gòu)誤差的均值μ({e∈B|e<ε})之差，△σ(e)為重構(gòu)誤差向量中重構(gòu)誤差的標(biāo)>的重構(gòu)誤差e的集合；P;為B集合中連續(xù)重構(gòu)誤差的集合。[0043]上述方案的有益效果是：使用動(dòng)態(tài)的方法來(lái)挑選閾值避免了固定閾值法一刀切的模式，使得挑選出的閾值由近期生產(chǎn)情況確定，符合工業(yè)生產(chǎn)實(shí)況。[0044]進(jìn)一步的，步驟S4中所述根據(jù)動(dòng)態(tài)閾值判斷井筒是否積液的方法為：[0045]當(dāng)t+1時(shí)刻的重構(gòu)誤差大于或等于動(dòng)態(tài)閾值時(shí)，則判斷該時(shí)刻井筒處于積液狀態(tài)，否則判斷該時(shí)刻井筒未積液。[0046]上述方案的有益效果是：采用動(dòng)態(tài)閾值的方法對(duì)積液進(jìn)行預(yù)測(cè)，能夠解決在實(shí)際7工業(yè)生產(chǎn)中出現(xiàn)相較于正常狀態(tài)下的較大的數(shù)據(jù)波動(dòng)時(shí)，也能夠使得模型不會(huì)進(jìn)行誤判。[0048]本發(fā)明實(shí)現(xiàn)了基于深度學(xué)習(xí)的井筒積液預(yù)測(cè)，其中采用秒級(jí)數(shù)據(jù)作為特征，使得模型不僅僅只關(guān)注天與天之間的數(shù)據(jù)波動(dòng)，也考慮到天內(nèi)數(shù)據(jù)波動(dòng)情況，能捕捉到更加細(xì)微的數(shù)據(jù)變化；并且采用動(dòng)態(tài)閾值的方法對(duì)積液進(jìn)行預(yù)測(cè)，能夠解決在實(shí)際工業(yè)生產(chǎn)中出現(xiàn)相較于正常狀態(tài)下的較大的數(shù)據(jù)波動(dòng)時(shí)，也能夠使得模型不會(huì)進(jìn)行誤判。附圖說(shuō)明[0049]為了更清楚地說(shuō)明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例中的附圖作簡(jiǎn)單地介紹，應(yīng)當(dāng)理解，以下附圖僅示出了本發(fā)明的某些實(shí)施例，因此不應(yīng)被看作是對(duì)范圍的限定，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他相關(guān)的附圖。[0050]圖1為本發(fā)明實(shí)施例的基于深度學(xué)習(xí)的井筒積液預(yù)測(cè)方法的流程圖。[0051]圖2為本發(fā)明實(shí)施例的降維自編碼器的結(jié)構(gòu)示意圖。[0052]圖3為本發(fā)明實(shí)施例的特征融合示意圖。[0053]圖4為本發(fā)明實(shí)施例Transformer模型的結(jié)構(gòu)示意圖。[0054]圖5a為本發(fā)明實(shí)施例的多頭注意力機(jī)制中縮放點(diǎn)乘注意力機(jī)制示意圖，其中，[0055]圖5b為本發(fā)明實(shí)施例的多頭注意力機(jī)制示意圖。具體實(shí)施方式[0056]為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。通常在此處附圖中描述和示出的本發(fā)明實(shí)施例的組件可以以各種不同的配置來(lái)布置和設(shè)計(jì)。[0057]因此，以下對(duì)在附圖中提供的本發(fā)明的實(shí)施例的詳細(xì)描述并非旨在限制要求保護(hù)的本發(fā)明的范圍，而是僅僅表示本發(fā)明的選定實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范[0059]如圖1所示，本實(shí)施例提出一種基于深度學(xué)習(xí)的井筒積液預(yù)測(cè)方法，包括如下步高頻數(shù)據(jù)，時(shí)間級(jí)為秒級(jí)，能詳細(xì)反映生產(chǎn)過(guò)程中一天內(nèi)數(shù)據(jù)波動(dòng)情況。經(jīng)過(guò)數(shù)據(jù)清洗操作[0062]由于所述SCADA生產(chǎn)高頻數(shù)據(jù)具有高維性的特點(diǎn)，考慮后續(xù)要與A2數(shù)據(jù)和地質(zhì)參數(shù)數(shù)據(jù)進(jìn)行特征融合，若直接使用原始數(shù)據(jù)進(jìn)行特征融合并進(jìn)行數(shù)據(jù)建模，將導(dǎo)致維災(zāi)難以及A2數(shù)據(jù)與地質(zhì)參數(shù)數(shù)據(jù)對(duì)模型的影響力不足，并且SCADA生產(chǎn)高頻數(shù)據(jù)作為時(shí)間級(jí)為8用于觀察天與天之間的生產(chǎn)數(shù)據(jù)波動(dòng)情況。A2數(shù)據(jù)作為天級(jí)生產(chǎn)數(shù)據(jù)，因此需要通過(guò)降維維的方法為：利用自編碼器將獲取的SCADA生產(chǎn)高頻數(shù)據(jù)的時(shí)間維度降低到指定維度；其[0063]如圖2所示為自編碼器的一個(gè)示例，該示例中的自編碼器一共有五層，每層是一個(gè)據(jù)進(jìn)行不同維度的特征提取。所提取的自編碼器中間變量，實(shí)質(zhì)上是一組從輸入的高維數(shù)據(jù)中提取出的最具代表性的特征，將SCADA生產(chǎn)高頻數(shù)據(jù)從一天幾萬(wàn)條降維成自定義條數(shù)，把時(shí)間刻度從秒級(jí)提到天級(jí)，再與A2數(shù)據(jù)和地質(zhì)參數(shù)數(shù)據(jù)進(jìn)行特征融合。融合后的特征向量；[0065]本實(shí)施例中，所述地質(zhì)參數(shù)數(shù)據(jù)是指每口生產(chǎn)井的地質(zhì)參數(shù)，為井的固定屬性，屬于靜態(tài)參數(shù)。本實(shí)施例中利用Concat操作將降維后的SCADA生產(chǎn)高頻數(shù)據(jù)與A2數(shù)據(jù)和地質(zhì)參數(shù)數(shù)據(jù)進(jìn)行特征融合。所述Concat操作是指將所有特征直接拼接成一個(gè)向量，以做到特參數(shù)數(shù)據(jù)通過(guò)Concat操作進(jìn)行特征向量拼接，組成最終的模型輸入特征向量，如圖3所示，以此達(dá)到模型在考慮動(dòng)態(tài)的SCADA生產(chǎn)高頻數(shù)據(jù)的同時(shí)，也充分利用了A2數(shù)據(jù)和靜態(tài)的地質(zhì)參數(shù)數(shù)據(jù)，從而能夠作出更準(zhǔn)確的預(yù)測(cè)結(jié)果。[0066]S3、利用融合后的特征向量進(jìn)行數(shù)據(jù)建模并進(jìn)行訓(xùn)練，計(jì)算重構(gòu)誤差向量；具體[0067]S31、構(gòu)建具有多頭注意力機(jī)制的Transformer模型，所述多頭注意力機(jī)制包括若干個(gè)并行的縮放點(diǎn)乘注意力模塊；每個(gè)所述縮放點(diǎn)乘注意力模塊基于編碼-解碼的架構(gòu)，由一個(gè)編碼器和一個(gè)解碼器構(gòu)成；所述編碼器和解碼器內(nèi)部均使用多頭注意力機(jī)制搭建，每個(gè)多頭注意力機(jī)制間由特征融合層與前向傳播層連接。為本實(shí)施例構(gòu)建的具有多頭注意力機(jī)制的Transformer模型如圖4所示。所述多頭注意力機(jī)制如圖5a所示，包括三個(gè)并行的縮放點(diǎn)乘注意力模塊，每個(gè)縮放點(diǎn)乘注意力模塊的工作機(jī)制如圖5b所示。該Transformer模型的輸入與輸出均是特定滑動(dòng)窗口大小的時(shí)序數(shù)據(jù)，旨在捕捉天與天之間的數(shù)據(jù)波動(dòng)關(guān)系，而天與天的數(shù)據(jù)波動(dòng)關(guān)系能反映出積液特征，比如日產(chǎn)氣量的驟降、油套壓壓差變大等。由于模型只使用正常數(shù)據(jù)進(jìn)行訓(xùn)練，故當(dāng)模型的輸入是正常數(shù)據(jù)時(shí)，將得到一個(gè)重構(gòu)誤差較小的輸出，當(dāng)模型的輸入是異常數(shù)據(jù)，即積液時(shí)間段的數(shù)據(jù)時(shí)，將會(huì)得到一個(gè)較大重構(gòu)誤差的輸出。[0068]S32、每個(gè)縮放點(diǎn)乘注意力模塊利用縮放點(diǎn)乘注意力機(jī)制對(duì)融合后的特征計(jì)算Q(queries)、K(keys)、V(values),再根據(jù)計(jì)算結(jié)果進(jìn)行縮放點(diǎn)乘注意力計(jì)算，從而完成數(shù)據(jù)建模；其中，Q(queries)為每條數(shù)據(jù)想要查詢的內(nèi)容，K(keys)為每條數(shù)據(jù)關(guān)鍵字，V(values)為每條數(shù)據(jù)的內(nèi)容；[0069]其中，所述利用縮放點(diǎn)乘注意力機(jī)制對(duì)步驟S2得到的融合后的特征計(jì)算Q(queries)、K(keys)、V(valu9S2進(jìn)行特征融合，再將得到的特征向量作為輸入特征對(duì)步驟S32完成數(shù)據(jù)建模后構(gòu)建的模的重構(gòu)誤差進(jìn)行劃分，得出重構(gòu)誤差向量中重構(gòu)誤差的均值μ(B)與去掉異常的重構(gòu)誤差SCADA降維數(shù)據(jù))地質(zhì)參數(shù)