CBiA-PSL抽油井异常工况预警模型

• 作者: 李克文 杜苁聪 黄宗超 李潇 柯翠虹
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 卷积神经网络 双向门控循环单元 注意力机制 正共享损失 损失函数 异常工况识别 工况诊断与预警 数据不平衡
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 机器感知与模式识别|Machine Perception and Pattern Recognition
• 页码范围: 295-302
• 页数: 8页
• 分类号: TP18
• 语种: 中文
• DOI: 10.11992/tis.202106007

摘要

油田生产过程中,油井受各种因素的影响容易发生泵漏、管漏等异常工况,会降低油井产出甚至导致躺井,对异常工况预警是油田智能化管理的重要任务.基于CNN-BiGRU联合网络,提出一种改进的网络结构CBiA-PSL模型(CNN BiGRU attention-positive sharing loss),用于油井异常工况预警.模型利用CNN学习工况样本灰度图像的深度特征,BiGRU有效避免信息损失并加强CNN池化层特征的联系,注意力机制对隐藏状态加权计算以完成有效特征筛选.针对工况数据集不平衡的问题,提出正共享损失函数PSL,将异常数据(正类)划分为子类,每个子类都共享整个正类的损失,且给样本少的正类更高的权重.实验结果表明,CBiA-PSL模型预测效果更佳,对于异常类和整体的预测都有较高的精度.