基于CNN-BiGRU混合神经网络的电潜螺杆泵产液量预测方法

作者：贾俊杰; 刘春海; 管桐; 王进修; 刘俊东; 刘金亮; 郝大勇

来源：石油钻采工艺, 2022, 44(06): 784-790.

DOI：10.13639/j.odpt.2022.06.019

• 电潜螺杆泵
• 产液量预测
• 混合神经网络
• 双重注意力机制
• 卷积神经网络
• 门控循环单元网络

为了解决电潜螺杆泵产液量虚拟计量的预测精度和稳定性，提出了一种基于双重注意力机制的卷积神经网络(CNN)和门控循环单元(GRU)混合模型(CNN-BiGRU)。油井产量预测易受油压、套压及泵工况等因素的影响，先利用皮尔逊相关系数和主成分分析法对数据进行降维，并确定主要影响因素；再利用CNN网络的局部连接和全局共享来提取历史油井产液量的空间特征；然后将特征送入GRU网络，提取数据的时间特征；最后利用双重注意力机制为不同的特征赋值对应的权值，进一步提升模型的预测精准度。将该方法应用到50 000条产液量数据样本上，模型预测精准度RMSE和MAPE分别取得5.24%、3.17%。与GRU、CNN-GRU模型相比，所提方法应用效果显著，能有效提升预测精度，具有一定的工程应用价值。