基于深度学习的用气趋势预测与管网气量调配算法——以中国石油西南油气田公司为例

生产实时数据是油气生产的重要资产,通过监测实时数据,管理人员可以及时掌握油气田的生产运行状况,目前数据使用主要集中在数据监测、设备联锁、支撑报表自动生成等应用。为了提升已有数据价值、支撑调度管理,对某气矿已采集天然气开发生产实时数据再利用,通过深度学习进行用户用气量趋势预测,并研究出一种管网气量调配的算法,实现了管网输气调配方案的自动生成。研究结果表明:①通过对历史数据的处理,可以对异常值进行分析和过滤,从而获取能够使用分析的数据,并能生成参数的正常运行区间,对有效数据提取、指导工艺参数运行范围具有重要意义;②通过神经网络进行用户用气量小时趋势的预测,能较好地捕获未来一段时间内的用气量变化趋势,从而实现对需求量变化的提前感知;③通过构建最少调整次数和最接近标定产能两种基于管网汇总气量的井口产量调整算法,实现了气井生产管网调配方案的自动计算,减少了人工计算分析管网气量调配的工作量。

资料为PDF文档格式.

本文档关键词:气量,油气田,算法,深度,西南