论文部分内容阅读
【摘要】大庆油田经过了50年的发展已经从传统油田逐步发展过渡到数字化油田,数字油田就是要将油气田开发进入智能化、自动化、可视化、实时化的闭环新阶段。示功图是分析抽油泵工作状况的主要依据,将示功图数字化,通过软件对已知情况的示功图作相似度对比,得到相似的示功图,从而快速的分析出油井抽油泵的工作状况
【关键词】图片相似度 油井 示功图 工况
大庆油田已经进入数字化开采阶段,我厂也陆续建立的数字化实验区,而我厂现在的数字化主要发展是在可视化、自动化上,而智能化上的发展还很少。智能化就是要计算机针对某一方面的智能应用。
本文是通过对各种异常情况的示功图来对比得到现在机采井的工作情况。先收集各种异常情况的示功图并将示功图数字化,把将要判断的示功图数字化后与已知的示功图做对比,取得相似度最高的图,得出现在示功图抽油泵的工作情况。
1 各种异常情况的示功图
以下是各类情况的抽油泵工作的示功图。
图1?抽油泵正常????图2 供液不
情况的示功图??????足示功图图1是最理想的地面示功图(无气,多水,供液充足的正常示功图)充满系数100%,特征为平行。
图5?油井气体影??图6?油井气
响示功图????????锁示功图??
图4是油井出砂的地面示功图柱塞受油井出砂影响,容易卡泵时的示功图。特征为上、下曲线没有明显的阻尼状,而是呈小牙齿的不规则,不重复的示功图。
图5油井气体影响的地面示功图。是高油气比井特征,油气比越高,圆弧的曲率半径越大,图右侧呈圆弧状。
图9?双阀漏失示功图
图8是游动阀漏失的地面示功图,特征为曲线左上部分有圆形缺失,有时右上角也呈圆形缺失。若是游动阀或阀座被严重刺坏,上部曲线则呈圆形形状。
图9是双阀漏失的地面示功图,特征为上行曲线呈凸状,下行曲线呈凹状,油井不出油,需要检泵。
2 感知哈希算法和余弦定理 2.1 原理
感知哈希算法,它的作用是对每张图片生成一个“指纹”字符串,然后比较不同图片的指纹。结果越接近,就说明图片越相似。
感知哈希算法算法的简单实现:
第一步,缩小尺寸。将图片缩小到8×8的尺寸,总共64个像素。这一步的作用是去除图片的细节,只保留结构、明暗等基本信息,摒弃不同尺寸、比例带来的图片差异。
第二步,简化色彩。将缩小后的图片,转为64级灰度。也就是说,所有像素点总共只有64种颜色。
第三步,计算平均值。计算所有64个像素的灰度平均值。
第四步,比较像素的灰度。将每个像素的灰度,与平均值进行比较。大于或等于平均值,记为1;小于平均值,记为0。
第五步,计算哈希值。将上一步的比较结果,组合在一起,就构成了一个64位的整数,这就是这张图片的指纹。组合的次序并不重要,只要保证所有图片都采用同样次序就行了。
【关键词】图片相似度 油井 示功图 工况
大庆油田已经进入数字化开采阶段,我厂也陆续建立的数字化实验区,而我厂现在的数字化主要发展是在可视化、自动化上,而智能化上的发展还很少。智能化就是要计算机针对某一方面的智能应用。
本文是通过对各种异常情况的示功图来对比得到现在机采井的工作情况。先收集各种异常情况的示功图并将示功图数字化,把将要判断的示功图数字化后与已知的示功图做对比,取得相似度最高的图,得出现在示功图抽油泵的工作情况。
1 各种异常情况的示功图
以下是各类情况的抽油泵工作的示功图。
图1?抽油泵正常????图2 供液不
情况的示功图??????足示功图图1是最理想的地面示功图(无气,多水,供液充足的正常示功图)充满系数100%,特征为平行。
图5?油井气体影??图6?油井气
响示功图????????锁示功图??
图4是油井出砂的地面示功图柱塞受油井出砂影响,容易卡泵时的示功图。特征为上、下曲线没有明显的阻尼状,而是呈小牙齿的不规则,不重复的示功图。
图5油井气体影响的地面示功图。是高油气比井特征,油气比越高,圆弧的曲率半径越大,图右侧呈圆弧状。
图9?双阀漏失示功图
图8是游动阀漏失的地面示功图,特征为曲线左上部分有圆形缺失,有时右上角也呈圆形缺失。若是游动阀或阀座被严重刺坏,上部曲线则呈圆形形状。
图9是双阀漏失的地面示功图,特征为上行曲线呈凸状,下行曲线呈凹状,油井不出油,需要检泵。
2 感知哈希算法和余弦定理 2.1 原理
感知哈希算法,它的作用是对每张图片生成一个“指纹”字符串,然后比较不同图片的指纹。结果越接近,就说明图片越相似。
感知哈希算法算法的简单实现:
第一步,缩小尺寸。将图片缩小到8×8的尺寸,总共64个像素。这一步的作用是去除图片的细节,只保留结构、明暗等基本信息,摒弃不同尺寸、比例带来的图片差异。
第二步,简化色彩。将缩小后的图片,转为64级灰度。也就是说,所有像素点总共只有64种颜色。
第三步,计算平均值。计算所有64个像素的灰度平均值。
第四步,比较像素的灰度。将每个像素的灰度,与平均值进行比较。大于或等于平均值,记为1;小于平均值,记为0。
第五步,计算哈希值。将上一步的比较结果,组合在一起,就构成了一个64位的整数,这就是这张图片的指纹。组合的次序并不重要,只要保证所有图片都采用同样次序就行了。