陈佳乐,高鹏,朱丹丹,金学锋,朱丽萍,张战敏

(1. 中国石油大学(北京) 信息科学与工程学院，北京 102249；2. 中国石油华北油田公司 工程技术研究院，河北 任丘 062552)

降低能耗、提高开发效率一直是油田开发的方向和目标[1]，因此，快速、准确的泵效在线监测是油田生产管理的重要环节。泵效η指的是实际产量qV和理论产量qVt的比值，计算如式(1)所示[2-4]：

η=qV/qVt

(1)

式中：qV——实际产量，m3/d；qVt——理论产量，m3/d。

单井的实际产量大多采用有效冲程法计算，该方法通过对井下泵示功图的分析，确定柱塞的有效冲程，从而计算出油井的折算产液量[5-6]。但地面示功图转换为井下泵示功图过程需要求解波动方程，计算速度慢，难以满足油田实时在线计算的要求。

本文针对以上问题，提出一种基于卷积神经网络CNN(convolutional neural network)的泵效计算方法，挖掘油井多源生产数据与泵效之间的非线性映射关系，避免了理论产量和实际产量的复杂计算过程。该方法通过卷积操作自动提取地面示功图的特征图，并融合沉没度、油气比和含水率等油井参数，以及泵径、冲程和冲次等抽油机参数，可以实现抽油机泵效的快速计算。此外，井下泵示功图作为先验知识的引入，更是有助于泵效计算精度的提升。

1 卷积神经网络简介

CNN是一种专门用来处理具有类似网格结构的数据的前馈人工神经网络，它的神经元可以响应一部分覆盖范围内的周围单元，在图像处理方面有出色表现，广泛应用于目标检测、实例分割和图像生成等诸多领域。……